DeepSeek百亿估值首融拆解 + 人形机器人半马破人类纪录：4月AI赛道到底在发生什么

摘要

DeepSeek以100亿美元估值启动了成立以来的首次融资。跟正常融资不太一样，这次更像一套组合拳——给员工期权找个价、用低估值筛投资人、拿股权换电力和芯片资源、顺便对冲V4跳票的负面预期。另外北京亦庄的机器人半马，荣耀"闪电"跑出50分26秒破了人类纪录，一人公司和Token交易也有新进展。我把这几件事串起来聊聊。

前言

周末的消息密度有点过分。DeepSeek首融、机器人跑赢人类、NSA偷偷在用Claude Mythos、一人公司爆发——随便拿一条出来都够写篇长文。我按重要性排了个序，把里面有意思的部分拎出来说说。

一、DeepSeek百亿估值首融到底怎么回事

1.1 消息来源和基本面

4月17号The Information发了报道，引了四个知情人的说法：

• DeepSeek在跟投资方谈首轮外部融资
• 估值不低于100亿美元
• 募资至少3亿美金，对应大约3%股权
• 梁文锋直接间接持股84.29%，表决权接近100%

这是DeepSeek成立以来第一次对外部资本开口。之前不少头部机构想投，全被拒了。某国资基金的人跟36氪说——“根本投不进去”。

1.2 100亿估值合不合理？

直觉告诉我不太对。看一下同行：

技术能力最被认可的那个，价格反而最低。这个定价不像是市场给的，更像是梁文锋自己画的线。

36氪今天发了篇深度分析，讲了四层逻辑，信息量大而且推导过程还算扎实，我把核心点拎出来：

1.3 四层逻辑拆解

第一层：给期权定价，留住要走的人

今年DeepSeek人才流失挺明显的：

离职关键人物： - 罗福莉（V2架构关键贡献者） → 小米 - 郭达雅（GRPO算法核心作者） → 字节跳动 - 阮翀（多模态核心研究员） → 元戎启行

为什么走？公司从来没融过资，期权就没有市场化的价格锚点。你手里拿着期权但不知道值多少钱，也不知道什么时候能变现——跟空头支票差不多。

3亿美金进来之后，就有了一个外部第三方认定的公允价格。留下的人看到这个数字，心里才能踏实。

第二层：低估值当筛子用

梁文锋自己根本不缺钱。幻方量化去年收益率56.6%，管理规模超700亿人民币。

# 粗算一下梁文锋去年的收入aum=700# 亿人民币management_fee=aum*0.01# 7亿performance_fee=aum*0.566*0.20# 79.24亿total_income=management_fee+performance_fee# 约86亿人民币 ≈ 12亿美元# 100亿估值对这种体量的人来说，根本不是钱的问题

低估值的真正作用是筛人。想赚快钱的投资机构一看这价格就会嫌便宜——等等，嫌便宜还不投？不是，是这种定价方式暗示了：进来之后没什么话语权，梁文锋说了算。想追求高回报+高控制权的资本自然会退出。

第三层：股权不换钱，换硬资源

这条是36氪的推测，他们自己也注明了"缺乏确凿信息支撑"，但逻辑说得通：

AI模型运营成本构成： ├── 电力：60%-70%（最大头） ├── 芯片/GPU租赁：15%-20% ├── 人力：10%-15% └── 带宽/其他：5%-10% 中国电力成本 ≈ 美国的 1/5 推演：用3%股权锁定长期电力供应协议 + 绑定华为昇腾芯片产能 + 预定数据中心机位 本质：Token是电力的衍生品，锁定电力就是锁定成本优势

如果这个推测成立，那3亿美金可能都不是以现金形式进来的，而是以资源置换的方式完成。这比拿钱去市场上买电更划算。

第四层：PR时机选得精准

V4从2月跳到4月下旬，每次延期都在消耗市场信心。信息差被消磨的过程中，突然丢一个"DeepSeek首次融资"的炸弹出来——公司层面的正面叙事瞬间盖过了产品层面的负面叙事。

这不是巧合，是计算。

1.4 我的判断

总结：这不是一次"缺钱找投资"的行为，而是一次精密的架构设计 对内 → 给期权定价 → 留住核心人才 对外 → 低价立锚 → 筛选"听话"的资本 对下游 → 股权置换 → 锁定电力+芯片等关键资源 对市场 → 释放信号 → 用组织确定性对冲产品不确定性

一个做量化交易的人来做融资，每一步都带着计算。这大概是今年AI圈最"量化"的一次融资了。

二、机器人50分钟跑完半马：去年还在摔跤呢

2.1 赛事结果

4月19号，2026北京亦庄人形机器人半马比赛结束。

2.2 一年变化有多大

去年第一届是什么场面呢？我印象中主要看点是"哪个机器人又摔了"。完赛率不到一半，冠军成绩2小时开外。

今年直接干到50分26秒，破了人类纪录。

进步幅度： 2025年：完赛率 < 50%，冠军 ~2h 2026年：105队参赛，冠军 50m26s 这不是线性进步，是指数级跳跃

2.3 涉及的技术栈

从公开信息推断，"闪电"这种级别的机器人至少需要：

运动控制 ├── 强化学习训练的步态策略（不是手写控制器） ├── 全身动力学控制 └── 不同路面的自适应 感知定位 ├── SLAM（即时定位与地图构建） ├── 多传感器融合（激光雷达+IMU+视觉） └── 实时路径规划和避障 续航 ├── 高密度电池 ├── 能量回收机制 └── 21公里不间断供电

做嵌入式和机器人方向的同学，这个赛道的增速比我之前判断的要快。

三、一人公司 + Token要可以交易了

3.1 OPC爆发的数据

今天新浪报道了AI驱动下的一人公司现象。几个数字：

• 2026年36.3%的新公司只有一个创始人
• 独立创始人比例同比涨了53%
• 青岛有个案例：一个人开公司，日常运营全靠AI"员工"

Sam Altman说的"单人独角兽"虽然还早，但方向上确实在往那个路上走。

3.2 Token交易体系

国家数据局出了份征求意见稿——《关于推进行业高质量数据集建设行动的实施方案》。里头有一条写的是"探索以词元（Token）为基础的价值体系"。

Token要是真能交易了，影响比看起来大得多：

# 现在选模型的逻辑defchoose_model_now(task):returnbest_benchmark_score(task)# 谁跑分高用谁# Token可交易后的逻辑defchoose_model_future(task,budget):candidates=get_capable_models(task)# 不光看能力，还得算Token成本token_price=get_realtime_token_price(model)# 实时Token价格cost_per_task=estimate_tokens(task)*token_price# 在预算内找性价比最高的returnmax(candidates,key=lambdam:quality(m)/cost_per_task(m))

当Token价格像电价一样透明可查的时候，整个AI开发的成本决策逻辑就变了。

四、两条补充消息

4.1 NSA在偷偷用Claude Mythos

这条挺搞笑的。美国国防部今年2月发了禁令说Anthropic有供应链风险，要全面停用。结果NSA不但没停，还在扩大使用规模。

嘴上说危险，身体很诚实。Mythos能自己找零日漏洞，这种能力军方当然放不了手。

4.2 德勤预测：全球IT支出2026年破6万亿美元

• 2025年全球IT支出5.5万亿美元
• 2026年预计首破6万亿
• AI基础设施2029年可能到7580亿美元

算力赛道的天花板，目前看还很高。

五、总结

一句话讲完这个周末：AI赛道的竞争，正在从"谁的模型参数大"变成"谁的组织能力强+谁能锁住关键资源"。

技术很重要，但不是唯一重要的了。

📢 你怎么看DeepSeek的这波操作？V4出来后你会切过去试试吗？评论区聊聊！

觉得有帮助的话，点赞 👍 收藏 ⭐ 关注，后续持续更新AI领域的深度分析。

更多内容关注公众号「一粒黑子」