中国有句老话说得好：真正的生意人，都是懂得“细水长流”这个道理的。

DeepSeek又融钱了。至少800亿，腾讯、宁德时代领投。原计划500亿，结果抢的人太多，可能要冲到1000亿。

此前梁文锋说了一句话，比融资更值得琢磨：不急着赚钱，最强模型大概率还会开源。

一边是资本争着进场，一边是创始人不急着把技术锁起来收费。这两件事放到一起，恰恰能看出DeepSeek的生意经：先把技术做强，让更多人用起来，再靠效率和服务获得收入。

把时间拨回2025年1月20日，DeepSeek发布R1，同时开放模型权重。它还做了一件很实在的事：采用宽松的MIT许可证，不限制商用，无需专门申请。

对普通读者来说，这意味着什么？就像有人做出一台好用的机器，允许别人把它搬回去，按自己的需要改造，还能拿它做生意。企业可以在自己的服务器上运行模型，也可以围绕它开发产品。

DeepSeek当时还放出了六个经过“蒸馏”的小模型。所谓蒸馏，就是让小模型学习大模型的回答和能力，尽量用更少的资源完成任务。小团队不必人人都去承担最大模型的运行成本，也能找到适合自己的技术起点。

这一步，打开的是一扇门。过去想做人工智能应用，光是开发基础模型，就可能把一家小公司的钱耗光。现在可以借助现成的模型，把精力放在具体问题上：客服怎样答得准，合同怎样查得快，办公流程怎样少走几道手续。

变化很快进入了真实业务。江苏银行把DeepSeek用于合同质检和自动化估值对账；汇添富基金把它引入投资研究、风险控制。人工智能的价值，由此落到了查资料、核数据、处理文件这些日常工作里。

这也是开源最容易被误解的地方。很多人觉得，把技术交出去，别人都能用，自己的饭碗岂不是被端走了？

可模型能够下载，和模型能够稳定、便宜地运行，中间还隔着设备、用电、维护和技术人员。就像菜谱可以公开，饭店仍然能挣钱，因为顾客买的是方便、口味和稳定的服务。

企业也是如此。有实力、有特殊需求的，可以自己部署；希望省事的，可以付费调用DeepSeek的服务。这里的API，理解成软件之间的服务接口就行：自己的程序提出请求，模型处理完，再把答案送回来。

这样一来，开源和收费就能并行。前者让更多人获得技术，后者让需要现成服务的人按使用量付钱。真正要比拼的，是同样完成一项任务，谁的成本更低、速度更快、结果更可靠。

梁文锋在今年5月的投资者交流中，谈过一个定价思路：买一批设备回来，大约十个月收回设备成本。他追求的是自己认可的合理回报，并不把每一次涨价机会都用足。

这里有个关键细节：收回设备成本，是他的定价参照。研发、人员、其他运营支出，仍然需要承担。愿意让利的前提，是公司有能力控制成本，并且持续做出有人愿意用的产品。

于是，大笔融资的意义也变得清楚了。技术公司做长久生意，需要足够的资金支持试验。有些研究今天看不到收入，却可能决定下一代模型的能力；一次训练失败了，资金和时间照样已经花出去。

模型效率提高，也不等于从此不需要投入。服务的用户多了，使用频率高了，设备、网络和供电的需求都会增加。单次任务省钱，与整体业务需要更多资金，完全可以同时发生。

腾讯和宁德时代受到关注，也因为它们分别连接着互联网服务和制造业。对这类企业而言，人工智能的潜在价值，可以落在云服务、研发、生产和管理等多个环节。这是理解产业资本兴趣的一个角度，具体合作仍要看实际落地。

开源则让合作的门槛降低。模型企业提供基础能力，应用企业理解客户需求，硬件企业改善运行条件。各家把自己擅长的那一段做好，才有机会让人工智能从聊天工具变成日常工作里的帮手。

这条路，也与国内正在推进的开源建设相呼应。今年6月，工信部提出支持优秀开源产品落地应用，探索开源商业模式创新，推动社区代码转化为商业产品。技术分享与商业回报，可以在同一条路上实现。

当然，钱多了，考验也会跟着来。研发需要耐心，投资者期待回报；模型要不断进步，服务也要经得住大量用户使用。怎样在这些要求之间安排资源，比融资数字本身更能决定一家公司的未来。

对于普通人，最值得关心的，是人工智能能否越来越好用、越来越用得起。一个小商家能少花时间整理订单，一个创业团队能少花钱开发产品，这些具体变化，才是技术普及的分量。

“细水长流”放在DeepSeek身上，就是把合理收入、持续研发和广泛使用连起来。让更多人愿意使用，让合作伙伴有空间挣钱，再把收入投入下一轮改进，生意才能越做越长。

融资带来的是继续往前走的条件，开源带来的是更多人一起参与的机会。DeepSeek接下来能走多远，要看它能否持续拿出好模型，并把这种开放的选择做成可持续的生意。