2025 年 1 月下旬，一款几乎没中国以外的人听过的 App，突然同时登顶美国和中国应用商店，压过 ChatGPT。它背后的人，从没做过产品发布，从没穿连帽衫上台，也极少公开露面。梁文锋，刚刚逼着全球 AI 行业去问一个它长久回避的问题：前沿能力真的需要前沿量级的预算吗？
梁文锋 1985 年生于广东湛江一个小村，是深度求索的创始人兼 CEO，这家杭州实验室产出了 V3 和 R1 模型。在 AI 之前，他联合创办了幻方量化——中国最大的量化对冲基金之一——并用它的利润，早早囤下了大规模显卡集群。
梁文锋在湛江吴川米稔村长大，父母都是小学老师。同学和后来的报道描述他是个安静、极度专注的学生，在初中没毕业前就自学完了高中数学课程。2002 年他进入浙江大学学电子信息工程，又读了通信与信息系统硕士，方向是机器视觉，2010 年毕业。
早早就让他与众不同的，不单是天赋，还有敢押注算力的意愿。读研时他已在金融数据上试验机器学习模型——这条线定义了他的职业生涯。
2015 年梁文锋联合创办幻方量化，一家围绕深度学习交易模型的对冲基金。公司长成中国最大的量化基金之一，关键是他早在 AI 热潮让显卡稀缺之前，就重金投入硬件。那批早有、刻意的加速器积累，成了 DeepSeek 日后训练的地基。
这是故事里值得停一下的一段。2023—2024 年多数 AI 实验室在抢芯片，梁的团队早有了——在它们又便宜又充足时买下，靠交易利润而非风投供养。
梁文锋 2023 年 7 月创立深度求索，专注大语言模型。策略反常：模型保持开放，定价激进，把效率当成产品。2024 年 12 月，6710 亿参数的混合专家模型 V3 以强基准分数和低到惊人的训练账单出货。2025 年 1 月 20 日，R1 以 MIT 许可证开源权重发布，在数学、编码和推理任务上追平 OpenAI 的 o1。1 月 27 日，DeepSeek App 登顶美中免费榜，压过 ChatGPT。
成本数字才是头条。2025 年 9 月一篇同行评审的 Nature 论文里，团队报告基础模型开发约耗 600 万美元（约 4680 万港元），R1 训练步骤本身再约 29.4 万美元（约 230 万港元 / 约 210 万人民币）。作为对照，论文指出美国对手实验室动辄花数千万。DeepSeek 的接口定价也讲同一件事：输入约每百万 token 1 元（约 0.14 美元 / 1.1 港元），输出每百万 16 元。
这层意义落到普通人身上其实很简单：你今天能免费下载、本地运行的模型，背后是一次对「低成本也能做前沿」的验证。它压低了整个行业的定价锚，也让更多小团队有机会站在同一起跑线上，而不是被算力账单挡在门外。
多年来 AI 里有个隐含规则：砸钱砸算力，能力就跟着来。DeepSeek 的结果暗示这条规则有个漏洞——算法与工程效率能替代预算的很大一部分。这层重构，比任何单一基准更让梁文锋登上 Nature 2025 年度十大影响科学人物，也更让美国芯片与模型公司的市值震动。
它同样改变了中国市场的预期。一堆大模型创业公司原本忙着融更大的轮次，一家更精简、开放、外向的杭州实验室成了参照点。业内现在普遍把这件事称作「DeepSeek 时刻」——一个贴着能力与成本纪律、而非任何单一基准分数的标签。
普通人现在能做什么
1. 直接试用 DeepSeek 的开放模型——R1 权重可下载，开发者能在本地运行或微调，而非按次付接口费。
2. 在默认选更大牌供应商前，先比较推理模型定价；每 token 的价差足以影响真实工作负载。
3. 想看一手方法而非媒体摘要，去读 2025 年 9 月的 Nature 论文（Guo et al., Nature 645, 633–638）。
诚实的局限
这是一篇基于公开来源——公司发布、备案文件，以及 Nature、中国日报和金融媒体的报道——的人物稿，不是采访。梁文锋极少接受采访，所以直接引语稀少，归于二手报道。关于幻方资产和早期购卡的一些数字来自中国媒体，应视为指示性而非审计过。600 万美元的基础模型成本，是团队在同行评审论文里的自述，但它不含更早的研究，也不含显卡本身的成本——那些是多年陆续购置的。