短短一个月，DeepSeek再次站到了资本市场的聚光灯下。

据《金融时报》援引知情人士消息，DeepSeek正在与新投资者进行初步接触，计划启动新一轮融资，投前估值约710亿美元，相比上一轮约520亿美元的投后估值，再次提升约37%。

消息人士称，DeepSeek此次快速融资是由于市场预期其资本支出将大幅增长，包括自建数据中心和采购更多人工智能芯片。他们还表示，该公司正在加大对能够自主执行任务的AI Agent的研发投入，这也增加了其对计算能力的需求。

对于一家刚刚完成首轮融资的大模型公司而言，如此迅速地启动下一轮融资，并不符合传统科技公司的融资节奏。

很多人的第一反应都是：DeepSeek为什么这么缺钱？

如果按照互联网公司的发展逻辑来看，这个问题确实成立。一家刚刚募集数十亿美元资金的企业，理论上短期内并不会面临资金压力，更没有必要急于开启下一轮融资。

但如果把视角放大到整个全球AI产业，就会发现，这并不是DeepSeek一家公司的选择，而几乎已经成为所有头部AI公司的共同动作。

OpenAI宣布建设Stargate超级数据中心；Meta计划未来几年建设14GW算力基础设施，并将AI基础设施投资提高至1450亿美元；Anthropic持续扩大算力储备，并开始评估自研AI芯片；Google不断推进TPU迭代；Amazon持续升级Trainium芯片；与此同时，DeepSeek和智谱也被曝出正在研发针对推理场景的ASIC芯片。

一个新的产业趋势已经越来越清晰：今天的大模型公司，正在集体从"模型公司"，演变成"AI基础设施公司"。

过去三年，大家比的是谁拥有更大的参数、更强的模型、更聪明的大脑；而今天，比拼的却是谁拥有更低的Token成本、更大的算力规模、更完整的芯片能力、更高效的数据中心以及更完善的AI生态。

DeepSeek再次融资，真正买的不是下一代模型，而是未来几年继续留在全球AI第一梯队的资格。

DeepSeek为什么需要如此迅速融资？因为AI已经进入"推理时代"

如果仔细分析此次融资消息，就会发现资金用途几乎高度一致：建设数据中心、采购更多AI芯片、扩建推理集群、研发Agent、推进AGI研究，以及布局自研AI芯片。

这意味着，大模型公司的烧钱方式已经发生了根本变化。

过去几年，AI公司的主要成本来自模型训练。一家模型公司可能花费数亿美元完成一次预训练，然后进入较长时间的应用阶段，因此资本开支虽然巨大，但具有明显的阶段性。

然而今天，随着AI进入Agent时代，整个产业开始从"训练驱动"转向"推理驱动"。

训练一个基础模型，也许一年只进行几次；但模型一旦上线，每天却要完成数十亿甚至数百亿次推理请求。AI程序员、AI客服、AI办公助手、AI设计师、AI研究员，每一个Agent都需要持续调用模型，每一次调用都意味着GPU持续工作、电力持续消耗、数据中心持续运转。

对于DeepSeek来说，这种变化尤为明显。

过去一年，DeepSeek凭借极低的API价格和优秀的模型能力，在全球开发者市场迅速建立影响力。越来越多企业开始接入DeepSeek API，大量海外开发者迁移至其平台，其调用量快速增长。然而，用户规模的爆发，也意味着推理成本开始指数级上升。

DeepSeek最大的成功，也正在成为它最大的成本来源。

过去互联网公司的商业模式是"用户越多，边际成本越低"；而今天的大模型公司却面临一个新的现实：用户越多，推理成本越高，资本开支也越高。

这也是为什么过去一年，我们频繁看到DeepSeek服务器繁忙、调用排队等现象。本质上，并不是模型能力不足，而是推理需求增长速度已经远远超过算力扩张速度。

因此，这轮融资并不是为了训练下一代模型，而是在提前建设未来三至五年的推理基础设施。

对于今天的大模型公司来说，资金真正购买的已经不是GPU，而是时间。

全球AI公司，为什么都开始自己造芯片？

最近几个月，全球AI行业发生一个耐人寻味的现象：

OpenAI推出首款定制推理芯片Jalapeño；Anthropic开始评估自主研发AI芯片；Meta宣布Iris芯片，并计划每半年推出一代新产品；Google继续迭代TPU；Amazon持续升级Trainium；DeepSeek和智谱则相继被曝正在研发推理ASIC。

所有头部模型公司，都不约而同走向了“造芯”。

答案并不是GPU不好。英伟达GPU仍然是目前训练大模型最成熟、生态最完善的解决方案。真正发生变化的是商业逻辑。

过去，GPU是竞争优势；今天，GPU越来越像互联网时代的服务器——它已经成为所有人都可以买到的通用基础设施。真正决定一家AI公司竞争力的，不再是是否拥有GPU，而是每生成一个Token究竟需要多少成本。

随着AI Agent的大规模普及，推理已经逐渐超过训练，成为整个AI产业最大的算力消耗来源。相比通用GPU，针对固定模型设计的ASIC推理芯片具有更低功耗、更高效率和更低成本，更适合承担未来海量推理任务。

Google十多年前布局TPU，就是为了降低Gemini以及Google云平台的推理成本；今天，DeepSeek和智谱同样把第一步放在推理ASIC，而非训练芯片，也是基于同样的产业判断。

当然，自研芯片绝非易事。

真正的挑战不仅来自芯片设计本身，更来自软件生态。即使解决了制造、HBM和先进封装的问题，CUDA生态仍然是目前AI产业最大的护城河。编译器、通信库、推理框架、开发工具链，都需要长期积累，这也是为什么全球几乎所有AI芯片项目，都选择先从推理ASIC切入，而不是直接挑战训练GPU。

但即便如此，自研芯片仍然成为全球头部模型公司的共同选择。

因为它关系到未来最核心的一项能力——持续降低Token成本。

谁能够把推理成本降低一半，谁就拥有更大的降价空间；谁能够把API价格继续压低，谁就能够吸引更多开发者；更多调用又能够进一步摊薄芯片研发成本，最终形成真正意义上的AI飞轮。

今天，大模型公司的竞争，已经从"谁拥有最好的模型"，逐渐演变为"谁拥有最低的智能成本"。

AI公司越来越像Google，竞争已经进入全栈时代

如果说过去的大模型竞争是一场算法竞赛，那么今天，它已经升级为一场全栈能力的竞争。

回头看Google的发展路径，其真正的竞争优势，从来不只是搜索引擎，也不仅仅是Gemini，而是搜索、Chrome浏览器、Android操作系统、Google Cloud、TPU、自建数据中心共同组成的完整生态。

这种垂直整合能力，让Google能够不断降低计算成本、提升服务效率，并持续强化自身竞争壁垒。

今天，几乎所有全球领先的大模型公司，都开始走向同一条道路。

OpenAI不仅研发GPT系列模型，也开始建设Stargate数据中心、自研芯片，并围绕Agent打造新的智能平台；Meta正在构建"Llama+Iris+数据中心"体系；Anthropic持续强化Claude，同时布局底层算力能力；DeepSeek从模型逐步延伸到芯片和计算中心；智谱则一方面推出GLM-5.2并全面开源，另一方面布局推理芯片，同时发布"Touch High（摸高）"计划，继续向AGI投入。

这些动作背后反映的是一个越来越清晰的行业共识：

未来的大模型公司，不会只是模型公司，而会成为拥有模型、芯片、数据中心、云平台、Agent和开发生态的AI基础设施平台。

模型只是入口，芯片决定成本，数据中心决定规模，云平台决定商业化能力，Agent决定应用生态。

而AGI，则决定整个体系未来能够达到的高度。

DeepSeek再次融资，真正争夺的也不是短期市场份额，而是未来十年的基础设施主动权。

710亿美元，融资买的不是估值，而是未来十年的入场券

关于710亿美元估值是否合理，未来市场或许仍会持续争论。

但相比估值数字，更值得关注的是DeepSeek此次融资所释放出的产业信号：AI竞争已经发生了根本变化。

过去，模型是核心资产；今天，模型只是整个AI基础设施中的一个组成部分。

真正决定未来竞争力的，将是模型、芯片、数据中心、云平台、Agent和开发生态共同构成的完整技术体系。

更重要的是，AI行业最大的资源已经不再是资金，而是时间。

模型可以迭代，芯片需要两到三年，数据中心建设需要数年，生态建设更需要长期投入。一旦节奏落后，很可能意味着错过整个技术周期。因此，对于DeepSeek而言，再次融资并非因为资金见底，而是因为不能等待。

710亿美元，买的不是今天的DeepSeek，而是未来十年全球AI基础设施竞争中的一张门票。

而随着OpenAI、Anthropic、Google、Meta、DeepSeek、智谱等企业纷纷走向同一条道路，我们或许正在见证AI产业真正意义上的第二场战争——它不再只是模型之战，而是基础设施之战；不再只是算法竞赛，而是整个智能时代底层生产力体系的竞争。

本文来自微信公众号“AI商业评论”，作者：有价值、有态度，36氪经授权发布。