文 | 大模型之家 文 | 大模型之家 9月22😴日晚间，DeepSeek官方突然发布更新，宣布DeepSee😆k-V3.1 现已更新至DeepSeek-V3.1-Term🌟inus 版本。官方表示，此次更新并非简单例行迭代，而是针对🔥用户反馈中集中出现的问题进行了改进，在保持原有能力的同时，进😊一步提升了模型的稳定性与一致性。 消息一经发出，不到一😢个小时便收获了一条“10w+”，足以见得行业对于DeepSe🤯ek的关注程度与影响力。 然而，市场的热烈反应背后，也🌟夹杂着一丝失望：备受期待的新一代推理模型DeepSeek-R🎉2再次缺席。这不仅是一次期待的落空，更像是一面棱镜，折射出这😆家明星创业公司，从年初以R1模型一鸣惊人，到如今核心产品迭代⭐的持续延迟，在狂飙突进246天后的焦虑、挣扎与抉择。梁文锋和🙄他的DeepSeek，正在上演一出中国大模型领域最富戏剧性张😎力的“现代启示录”。 市场预期管理失焦：R2发布如“镜😴花水月” 当我们把时间的指针拨回2025 年的早春，彼🔥时，DeepSeek-R1的横空出世，如同一声惊雷，在中国乃🤔至全球的AI领域炸响。其卓越的数学与代码推理能力，不仅在多项💯基准测试中对标甚至超越了OpenAI的顶尖模型，更重要的是，🤩它以一种彻底开源的姿态，将推理大模型的门槛拉至前所未有的低位😀。DeepSeek因此一战成神，成为那个“春节档”最耀眼的国👏产AI明星，创始人梁文锋也被寄予了挑战硅谷巨头的厚望。 🙌 DeepSeek-R1推出的那一天，就为梁文锋治下的深度求💯索，留下了两个难以抹去的烙印：一是“开源且低成本”成为它的标😉签，二是外界由此对其下一步的期待被抬到了很高的位置。 😜然而，辉煌的序章之后，故事的走向却变得扑朔迷离。行业对下一代⭐推理模型DeepSeek-R2的期待，随着时间的推移，演变成🤔了一场反复上演的“狼来了”的故事。据大模型之家统计，截至20😘25年9月23日，距离R1发布已过去整整246天，而关于R2😘的发布传言，已不下10次。 这场漫长的“悬念剧”始于2🙄月，路透社首次援引信源，称R2“最迟5月初发布”，并暗示其在🔥代码生成和多语言推理上将有重大突破，瞬间点燃了市场的热情。随🥳后的几个月，传言变得愈发具体和密集。3月，行业内开始流传“3💯月17日发布”的精准日期；4月，Hugging Face代码😎库的蛛丝马迹似乎暗示着即将到来的更新；而到了5月，传言达到了🌟顶峰，一份详尽的参数信息在网络上泄露，直指R2将采用革命性的😀“Hybrid MoE 3.0”架构，总参数量高达惊人的1.😎2万亿。 然而，期待中的5月发布会并未如期而至。随之而🙄来的是更多混杂着失望与猜测的消息。有传闻称，发布延期是因为C😀EO梁文锋对模型内部测试的性能不甚满意，认为尚未达到对R1的🤗“碾压级”优势。更关键的是，来自外部环境的压力开始显现——英😂伟达 H20芯片的供应问题，成为悬在所有中国AI公司头上的达❤️摩克利斯之剑。 此后的故事线更加曲折。6月，消息称R2🥳的内部测试结果显示，其性能提升并未达到颠覆性的程度。7月，万😜众瞩目的世界人工智能大会（WAIC 2025）上，DeepS😉eek的缺席让R2发布的希望再度落空。8月，关于“月底发布”😍的传言再次甚嚣尘上，但很快被官方辟谣。直到9月初，彭博社的报😉道才给出了一个新的时间窗口——计划于第四季度发布，并将主打当😴下最热门的Agent（智能体）能力。 展开全文 😅在长达八个多月的时间里，DeepSeek官方始终未公布R2的❤️明确发布计划。这种反复的传言与落空，在客观上造成了市场预期的😆管理失焦，也消耗了部分用户的耐心。更重要的是，在DeepSe😜ek等待R2的这段时间，其主要竞争对手，如阿里巴巴的通义千问😉（Qwen）和百度的文心大模型（ERNIE）等，均已完成了多❤️轮重要的功能迭代和模型升级。 在这场无声的竞赛中，时间😢的流逝，正在成为DeepSeek最沉重的成本。 延迟的👍“三重困境”：开源生态的繁荣与核心产品的缺位 如果仅仅😅将这八个多月定义为“等待”，那对DeepSeek而言无疑是不💯公平的。事实上，在R2缺位的日子里，DeepSeek非但没有💯停滞，反而在另一个维度上展现出了惊人的能量和战略远见。梁文锋🚀选择了一条更为艰难但可能也更为长远的道路——构建一个从底层模😡型到上层工具链完全开源的全栈技术体系。 这是一场围绕“🤯开源驱动创新”展开的“阳谋”。在核心模型层面，除了打响名声的🤯推理专用模型DeepSeek-R1，DeepSeek在3月又😉开源了通用模型V3.0324，其API成本仅为GPT-4的1😉/14，几乎是以“倾销”的方式，将大模型的使用成本打到了“地😡板价”。随后，融合了代码与对话能力的DeepSeek-V2.🤗5，以及多模态文生图模型Janus-Pro也相继开源。这一系😢列组合拳，让DeepSeek成为了国产AI技术普惠的关键推动😆者之一。 在基础设施与工具链层面，DeepSeek同样😘进行了深度布局，开源了一系列旨在提升训练和推理效率的关键组件😉。例如，针对GPU优化的FlashMLA解码内核和DeepG🥳EMM矩阵运算库，官方数据显示可提升约30%的推理速度；为混🔥合专家（MoE）模型设计的DeepEP通信库和DualPip🚀e流水线算法，有效降低了分布式训练的通信延迟；而名为3FS的😡超高速分布式文件系统，则为大模型训练提供了高效的数据读写支持🤗。 尤为关键的是，DeepSeek的开源并非仅仅停留在🌟代码层面。他们敏锐地捕捉到了国产算力崛起的趋势。其开源的工具😂链不仅支持主流的英伟达GPU，还同步推出了适配华为昇腾平台的🎉解决方案（如MindIE镜像）。这一举措有助于推动国产AI算😉力在实际应用场景中的落地，具有重要的产业价值。庞大的开源体系😂为DeepSeek带来了正向的生态循环。全球开发者基于其模型😢进行量化（如INT8/INT4版本），降低了部署成本，并围绕😡医疗、金融等垂直行业进行微调，丰富了应用场景。 然而，🥳这耀眼的A面，却无法掩盖其B面深刻的隐忧。R2的迟迟未能发布🚀，正是这些隐忧的集中体现。DeepSeek-R2的推迟，至少👏面临着三重困境。 首先是技术突破与算力供应的核心矛盾。🚀据英国《金融时报》等媒体报道，R1发布后，DeepSeek在😢相关方面的鼓励下，曾尝试使用华为昇腾芯片进行下一代模型的训练🤗。然而，从英伟达的CUDA生态迁移到昇腾的CANN生态，其难😜度远超预期。训练过程中的不稳定和性能瓶颈，严重拖慢了研发进度🔥，甚至一度迫使团队将关键训练任务切回NVIDIA平台。这场“🙌算力长征”的艰难，或许是导致R2延期的最直接、最核心的技术因🤯素。 其次，资本的狂热与市场的超高预期，放大了传言的传🚀播效应，也给DeepSeek戴上了沉重的“枷锁”。R1的成功💯让DeepSeek成为了资本市场的宠儿，估值水涨船高。每一次😆关于R2的传言，都能在资本市场掀起波澜。这种高度关注，既是动😡力也是压力，它迫使DeepSeek必须拿出一款超越性的产品，❤️任何一点瑕疵都可能被无限放大，从而导致团队在发布决策上慎之又🌟慎。 最后，在激烈的行业竞争与中美技术角力的背景下，构❤️成了R2发布最严峻的外部压力。在国内，阿里、百度等巨头凭借强😍大的资源整合能力，在模型迭代、产品落地和生态构建上步步紧逼。😢在国际上，美国对先进AI技术的出口管制日益收紧。DeepSe😜ek既要面对国内市场的“内卷”，又要应对国际环境的“脱钩”风😘险，其战略选择空间正变得越来越狭窄。 DeepSeek🥳与梁文锋面临的“三重挑战” 当前，DeepSeek及其🙄创始人梁文锋正不得不面临着来自技术、战略和市场三个层面的严峻🎉挑战，这种局面使其在后续发展路径的选择上变得异常艰难。 ⭐ 第一重挑战，是如何在技术上实现自我超越，即“创新者的窘境”😁。DeepSeek-R1在推理能力上的突出表现，已经为公司树😍立了极高的技术标杆。这意味着R2必须在性能上实现质的飞跃，而😘非简单的参数提升或常规优化，才能满足市场的期待。 如果😎R2的提升幅度有限，很可能会面临类似于今年GPT-5发布后，😆行业普遍认为其创新力度不足的评价。对于一家以技术驱动的创业公😴司而言，这种来自内部的、超越自我的压力，是其决策过程中必须考😘虑的首要因素。 第二重挑战，是公司在技术路线上的战略短😎板，特别是在多模态能力上的“缺位”。当前，全球顶尖大模型的发👍展趋势已明确指向文本、图像、音频、视频等多模态能力的融合。无❤️论是通过多模型能力调用协议（MCP）整合不同模型，还是发展原😴生的多模态大模型，都已成为行业共识。 相比之下，Dee🥳pSeek至今发布和开源的模型仍主要集中在文本和代码领域，旗😎下多模态文生图模型Janus-Pro并未在行业掀起波浪。这种🙄技术路线上的单一性，可能会使其在未来以多模态为核心的应用场景🤩竞争中处于不利地位，限制其生态的广度和商业化的想象空间。 😅 而国内的另一家大模型公司MiniMax为例，则走向了另一😴个极端：其从创业初期就专注于多模态技术，并已推出了成熟的产品🤩，但囿于当前主流大模型能力评估体系，仍以语言模型为基准。这使🚀得 Minimax 在模型排名、社区认可度、学术引用等“行业🎉标尺”上较为边缘，其开源的大模型 MiniMax-M1，在H👍ugging Face等平台的活跃度远低于DeepSeek。😜此外，其主打的线性注意力机制与混合专家系统（MoE）虽然理论😜上具备效率优势，但在实践中尚未充分验证其长期可控性和泛化能力😅，也让MiniMax 40亿美元估值屡遭质疑。 第三重🙌挑战，是需要面对DeepSeek面临的生态问题。自今年年中开😂始，网络中关于“DeepSeek变笨了”的讨论不绝于耳，调查😅发现虽然R1模型在数学推理上表现优异，但在涉及创意、事实性内🌟容时却频繁出现“幻觉”。 而这背后，正揭示出DeepS🎉eek在内容生态上的“先天”短板。大型科技公司如百度、字节跳🙄动等，其优势不仅仅在于资金和技术，更在于其庞大的流量入口和内🥳容生态系统。例如，百度拥有搜索、贴吧、文库等一系列产品，而字😅节跳动则有抖音、今日头条、西瓜视频等。这些平台不仅为用户提供😊了稳定的流量入口，更重要的是，在用户与内容交互的过程中，源源⭐不断地产生着最新的、鲜活的数据。这些数据经过清洗和处理，可以🤩持续地为大模型提供高质量的训练语料，形成一个良性的“数据飞轮❤️”——模型越好，用户越多，产生的数据越新，模型迭代越快。 😊 DeepSeek目前并不具备这样的内容生态优势。其模型能🤩力的提升，更多依赖于外部公开数据集和合作方提供的数据，缺乏像🤔百度、字节那样自有的、能够实时更新的“活水”。当模型在训练过😘程中无法有效甄别和清洗受污染的语料时，就可能导致“幻觉”现象🔥的加剧。这种“幻觉”，不仅仅是简单的信息编造，更可能表现为逻😀辑混乱、事实错误，甚至答非所问，这无疑严重影响了用户的信任感😁和使用体验。对于一个致力于商业化的大模型来说，用户信任是其产😜品生命线的基石，而“幻觉”问题，恰恰是横亘在其商业化路径上的🌟一大障碍。 写在最后 因此，对于梁文锋而言，是如💯何平衡内部研发节奏与外部市场竞争的压力。R2的延迟发布，为竞🌟争对手提供了追赶和反超的时间窗口。在快速变化的大模型市场，技🤗术领先的优势稍纵即逝。梁文锋必须在“追求技术极致”与“抢占市❤️场时机”之间做出权衡。 发布一个性能未达内部最高标准但⭐能及时卡位市场的产品，还是继续打磨一个可能错过最佳发布窗口的🙄“完美”产品，这是一个艰难的战略抉择。同时，叠加算力迁移带来⭐的工程挑战，使得这一决策过程变得更加复杂。 不可否认，🤗DeepSeek-R1的发布对行业产生了深远影响。它不仅证明🤯了国内团队在核心推理模型领域的研发实力，更重要的是，其开源策🔥略极大地降低了AI技术的应用成本，打破了海外少数厂商在高端模😀型领域的垄断，为推动整个行业的创新和普及做出了重要贡献。 👏 在大模型之家看来，DeepSeek当前所面临的困境，并非😅个例，而是国内顶尖AI公司在向更高技术水平迈进过程中普遍面临😆的挑战缩影。市场期待R2的最终发布，不仅是期待一款性能更强的🔥模型，也是在观察DeepSeek如何在技术瓶颈、战略短板和激🤯烈竞争的多重压力下，给出自己的解决方案。DeepSeek和梁🌟文锋给出的答案，也将对国内其他AI公司的发展路径提供重要的参🤗考和启示。返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

文 | 公司研究室，作者 | 宋志平 竞争是市场经济的🔥灵魂。不少人误认为，要竞争就不可能合作，市场竞争就是“你死我🤗活”的丛林法则。 其实，竞争有好坏之分，良性、有序的竞🙄争是好竞争，而恶性、无序的竞争是坏竞争。良性竞争创造价值，恶🤔性竞争毁灭价值。 2024年7月30日，中共中央政治局🤩会议指出，要强化行业自律，防止“内卷式”恶性竞争；2024年🥳12月，中央经济工作会议进一步提出，综合整治“内卷式”竞争，🔥规范地方政府和企业行为；2025年《政府工作报告》也强调了综🤗合整治“内卷式”竞争。 “内卷式”竞争通常表现为片面追😊求低价格的过度同质化竞争，不仅会导致产品价格和企业利润下降，🌟还将影响上市公司的市值，进而影响资本市场以及上证指数等，所以🤔必须综合施治，化解重点产业结构性矛盾，促进产业健康发展和升级🤯。 传统“量本利”的失效与教训 价格是企业的生命❤️线，必须认真对待。不少人认为产品价格是由市场决定的，是客观的🙄，企业只能适应。 但事实是，市场价格往往是由卖方进行恶🥳性竞争而形成的不合理的低价。在产能过剩的情况下，企业之间常大😆打价格战，结果价格大幅下降，全行业亏损，没有一个胜利者。 😘 在买方市场中，产品供大于求，市场已从供给制约转为需求制约💯。在这种形势下，企业再去增加产量，不仅不能摊薄固定成本，反而🙌会增加变动成本，致使流动资金紧张。更为严重的是，产能过剩引发❤️企业之间愈演愈烈的低价倾销和恶性竞争，极大地压缩了企业的利润👏空间，甚至导致亏损。 举个例子，卖20万辆汽车比卖10🥳万辆汽车的单位成本更低，表面上看也能获得更多的盈利。但在过剩😆经济背景下，生产10万辆汽车能卖得出去；生产20万辆汽车，就😍有10万辆卖不出去，不但没有真正降低每辆汽车的单位成本，还会🤩占用大量的流动资金。 不少企业在经济危机和过剩时期采取😀了降价放量的竞争策略。这样的策略往往使企业的经营状况雪上加霜😜，因为市场这时本来就在萎缩，企业放量销售完全是逆市场操作。理🙄智的做法是竞争各方尽量合理地减产，在降价上慎之又慎，用减产保😘价的方式渡过难关。 水泥行业的启示：限电保价 2😘011年下半年，由于电力供应紧张，再加上节能环保的需要，浙江😁、江苏等地方政府对工业企业采取了分期分批控制用电的措施，这些😡企业中也包括水泥企业。一开始，不少水泥企业跑到电力局，希望不😆要拉闸，后来大家发现拉闸限电后，水泥价格竟“因祸得福”，每吨🤔涨了100多元。虽然水泥产量少了一些，但是利润提高了许多。2🎉011年，整个水泥行业的利润竟破天荒地超过了1000亿元，这😁种增长确实得益于限电。 这件事提醒我们：过去把竞争焦点🔥放在量上，价格不停地往下降，企业赚不到钱；现在减量了，企业反😢倒赚了很多钱。可见，行业的主要矛盾是价格，不是量，而且在供大🤗于求的情况下，想放量也放不了，因为这时的水泥产品价格弹性更是😉微乎其微。 通过这一年，大家认识到，影响企业效益的是价😂格，影响价格的是供需关系，这就把逻辑讲通了。量多不赚钱，量少🙄才赚钱，要想取得可观的利润，就不能盲目地靠放量降价，而是要进⭐行产销平衡，以销定产，稳产保价。可以说，限电事件对水泥行业来🌟说既是一场市场教育，也是一场价格教育。 构建“价本利”⭐新模式 面对“量本利”的失效，我们创造性地提出一种全新🚀的盈利模式：价本利。“价本利”模式不再将企业的盈利核心立足于🥳产量的增加，而是实行“稳价、保量、降本”的六字方针。 🤩它的基本要义有两点：一是通过稳价保价手段，使价格处在合理的水😂平区间，使它不严重偏离产品的价值；二是控制一切应该控制的成本🤩。 “价本利”是从传统的“量本利”发展而来的，并不是对🎉“量本利”的否定，而是针对行业关键矛盾的转化提出的新模式。 🙄 在供大于求的背景下，“价本利”重构合理的价格体系，不是🤯围绕“增量”压价销售，而是围绕“稳价”以销定产、降本增效，维😘护区域市场供需平衡。 “价本利”追求的是稳定价格，不滥⭐用市场支配地位，让市场有序化，不漫天要价也不恶意杀价，在市场😡、客户、竞争者都能接受的情况下追求价格理性化。 （来源😂：《硬道理》，作者系中国上市公司协会会长、中国企业改革与发展🚀研究会首席专家。）返回搜狐，查看更多