DeepSeek 的「三合一」戰略：金錢、人才、模型同步到位，目標縮小與 OpenAI 的差距

在 2026 年上半年，DeepSeek 發動了一場精心策劃、三路並進的戰略行動，清楚展現這家中國 AI 實驗室打算如何追趕 OpenAI 與 Anthropic 的決心。公司在短短數週內，完成了延攬清華頂尖蒸餾研究員、完成創紀錄的 74 億美元融資，以及準備 V4 模型正式版發布等三項重大動作。每一項獨立來看都極具企圖心，但三者結合起來，構成了壓縮研發週期、在前沿領域與對手一較高下的完整策略。

1. 顧煜賢加入 DeepSeek，帶來世界級蒸餾技術

2026 年 7 月 5 日，中國媒體騰訊新聞報導指出，清華大學博士生顧煜賢（Yuxian Gu）——2025 年清華大學研究生特等獎學金得主、2025 年蘋果博士獎學金與螞蟻 In-Tech 獎學金獲得者——已正式加入 DeepSeek 。顧煜賢的名字已出現在 DeepSeek V4 論文的作者名單中。

顧煜賢是 MiniLLM（ICLR 2024）的第一作者，這篇關於大語言模型在線知識蒸餾的里程碑論文已被引用近 5,000 次 。他的研究重點是在有限計算資源下，如何高效訓練與部署大型語言模型。他曾說：「當硬體資源受限時，演算法創新就成為突破計算瓶頸的關鍵。」 這段話與 DeepSeek 的理念完全吻合。

這項人事任命的時機點極具戰略意義。DeepSeek 的 V3 技術報告中已經描述了如何從 R1 系列模型中蒸餾推理能力 。顧煜賢的 MiniLLM 方法——使用反向 KL 散度進行生成式蒸餾——可直接應用於提升未來模型的效率與成本結構。

2. 以 520 億至 590 億美元估值完成 74 億美元融資

DeepSeek 於 2026 年 6 月 16 日完成首次外部融資，募得約 74 億美元（500 億人民幣），投後估值落在 520 億至 590 億美元 之間 。這輪募資使 DeepSeek 成為中國估值最高的 AI 新創公司 。

交易關鍵條款如下：

• 騰訊作為錨定投資者，投入約 14 億美元（100 億人民幣）
• 寧德時代，全球最大的電動車電池製造商，投資約 7 億美元（50 億人民幣）
• 創辦人 梁文鋒 個人出資約 28.5 億美元（200 億人民幣），藉此保有公司控制權
• 參與的機構投資者不到十家

這筆資金提供了充裕的「銀彈」，用以延攬像顧煜賢這樣的頂尖人才、支撐 V4 等級大規模模型（1.6 兆參數 MoE 模型）所需的巨量算力，並維持遠低於 OpenAI 和 Anthropic 的 API 定價策略 。

3. V4 模型：預覽版已發布，正式版預計 2026 年 7 月中登場

DeepSeek 已於 2026 年 4 月 22 日至 24 日 發布了 V4 預覽版模型，採用 MIT 與 Apache 2.0 開源授權 。根據騰訊新聞的報導，「V4 正式版」將於 2026 年 7 月中旬上線 。

V4 系列包含兩個專家混合（MoE）架構的變體 ：

• V4-Pro — 總參數量 1.6 兆，每次 token 運算激活 490 億參數，支援 100 萬 token 上下文視窗
• V4-Flash — 總參數量 2840 億，每次 token 運算激活 130 億參數，同樣支援 100 萬 token 上下文

這兩個模型均已開源權重至 Hugging Face，並提供 API 端點。其定價遠低於美國的前沿模型——輸入成本約為 Claude Opus 4.7 的 1/34 。

4. NIST 旗下 CAISI 確認 V4 為「迄今最強中國 AI 模型」，但附帶一項警語

2026 年 5 月 1 日，美國國家標準與技術研究院（NIST）旗下的人工智慧標準與創新中心（CAISI）發布評估報告，指出：「DeepSeek V4 是 CAISI 迄今評估過最具能力的中國 AI 模型」，在網路安全、軟體工程、自然科學及抽象推理等領域表現突出 。彭博社也獨立報導了這項發現 。

然而，CAISI 的評估同時指出，V4-Pro 在推理與數學基準上大約落後美國頂尖模型 8 個月 。根據估計的 Elo 評分，V4 Pro 約為 800 分，而 GPT-5.5 則為 1260 分 。

這是一個至關重要的細節：「最強中國模型」的頭銜確認了 DeepSeek 在中國的領導地位，但它也公開量化了與 OpenAI 和 Anthropic 之間的具體差距。

這套戰略如何環環相扣

這三項行動的時間點緊密配合，且彼此強化：

• 延攬顧煜賢，在 DeepSeek 推出 V4 的關鍵時刻，注入了世界級的蒸餾技術。V4 本身已在使用蒸餾技術，顧煜賢的方法能直接提升未來模型的效率與成本結構，讓 DeepSeek 用更少的算力做更多事。

• 74 億美元資金，提供了積極挖角人才（如顧煜賢）、資助 V4 大規模訓練所需算力，以及維持 API 價格遠低於美國對手的資金後盾。

• V4 正式版發布，則是上述戰略的最終產品載體。它必須證明 DeepSeek 有能力縮短 NIST 所識別的 8 個月差距，是整套戰略是否奏效的公開試煉。

結論

DeepSeek 正以同步注入資金、延攬頂級蒸餾人才、並將 V4 推向量產的方式，全力壓縮其研發週期——所有動作都旨在盡快縮小與美國前沿模型之間已被量化的差距。這套三路並進的戰略能否成功，取決於演算法創新能在多大程度上補足硬體限制，以及下一代模型能否真正縮短那 8 個月的差距。