從DeepSeek的突起，看中國企業經營后十年的3點趨勢

這幾天大量的文章都是圍繞DeepSeek的產品展開，但一個優秀的產品誕生，本身離不開產品背后的人和組織形態，產品的勝利，本質上也是公司經營方式的勝利。

中國的大模型公司，有兩次掀起了全民狂潮，第一次是2024年中的Kimi，第二次是蛇年春節的DeepSeek。但不同的是，去年的Kimi是因為當時國產大模型相對貧瘠，而創業公司Kimi的出現，讓人們對有希望追趕美國AI霸權感到欣喜，而這一次，DeepSeek則是完全的實力碾壓，讓中國大模型，真正走在世界前列。

商業形態發生逆轉的波瀾，往往都藏在熱鬧景象的背面。

如何打造一家DeepSeek？DeepSeek的經營哲學，對未來十年的公司經營，有什么啟示？母公司幻方，如何在穩定業務上，拉出一條昂首增長的第二曲線？

DeepSeek R1 帶來的波瀾，遠不止產品層面，無論是OpenAI o1 訓練成本1/20的超級效率，還是登頂全球App Store、讓英偉達股價暴跌17%（跌超5600億美元），這些都只是蝴蝶效應的末端呈現，而DeepSeek這家公司，真正影響深遠的，是能夠從其中解析出，未來十年，所有創業型公司經營方式的變化趨勢。

我們從公司經營的角度，來拆解，DeepSeek代表著的、創業公司經營發展的3點趨勢。

01以戰養戰，將成為未來十年主要的經營模式

盡管AI快速發展帶來的情緒Hi點很高，但在AI大變革的前夜，依然要面對殘酷現狀的事實——在過去5年間，創業公司融資的環境急劇惡化，2024年的融資事件，不及2021年的一半，而且“明股實債”的融資本質，也讓中國的創始人們，膽戰心驚。

與之對應地，是從2023年起，幾乎所有知名的投資人，都在呼吁，企業要以盡快盈利為導向，朱嘯虎和張磊在媒體前反復發聲：燒錢融資的時代將一去不復返，企業必須盡快達到PMF。事實上，無論是2024年掀起的超級個體還是一人公司，都代表著同一個趨勢，就是公司經營要依賴可持續的盈利能力。

DeepSeek誕生于中國私募量化投資公司幻方，一家投資公司做出了世界頂級的AI大模型，這也是讓世界感到意外的原因之一。當OpenAI近日正在研究如何以3000億估值，融資過去以來最大規模的400億美元時，DeepSeak團隊卻在研究另一組數據——母公司幻方的主營業務量化投資，旗下基金以12.18%的收益率均值，排名全國私募業績前20，粗略估計，每年能為大模型研發輸送至少10億彈藥。

所以，DeepSeek不融資、不上市，但卻能給團隊最優厚的薪酬、最長的研發耐心、最大的方向自由。

曾經硅谷奉行二十年的“燒錢-融資-壟斷”路徑，因為當前的市場變化，在中國行不通了。

而以戰養戰，先做出源源不斷的現金奶牛業務，為公司真正想做的愿景，持續輸送資源。這可能是中國企業在未來穿越資本寒冬的終極密碼：用盈利業務構筑護城河，用現金流澆灌創新火種。

一定會有人說，公司有錢才能以戰養戰，但實際上，以戰養戰經營邏輯的核心，是以終為始，先知道終極目標，然后走一些“彎路”，用“彎路”創造盈利，在不依賴外部資金的情況下，自我造血，直到實現最開始要去追逐的愿景。

幻方一開始就是要做AI的，最開始的量化投資業務，只是為了給做AI攢錢的手段和過程罷了。

2008年，幻方創始人梁文鋒就讀于浙江大學人工智能專業，當時，人工智能還是一個空有理論并無實質的概念，但梁文鋒就無比篤信，“人工智能一定會改變世界”。

但當時并沒有什么人工智能研發的土壤，市面上也沒有幾家AI公司。所以畢業后，梁文峰并沒有選擇進入大廠做個程序員，而是在成都的廉價出租屋里，思考AI的落地場景和形態，最終，他認為，量化投資是能夠發揮AI超能力的行業，并且能為他創造足夠的現金流、場景數據、經驗，這可以為他在AI黎明的那一刻迅速出手，提前做好作準備。

基金成立后，憑借高額的業績，很快躋身全國量化投資巨頭行列，連續多年獲得金牛獎，2021年資金管理規模超千億，成為國內量化基金“四大天王”。

金融交易是計算科學最復雜的場景之一，既然有場景，那就見縫插針搞AI。幻方在國內是最早使用人工智能進行量化交易的公司，2016年第一份由深度學習生成的交易倉位上線執行，2017 年全面應用深度學習技術進行交易。這為公司的終極愿景AI，儲備了大量經驗和數據。

賺到錢，就買卡，做AI肯定離不開算力。2021 年，幻方就搞了一萬張 A100 GPU 集群，推出了“螢火二號”算法模型，以至于2023年全國“卡荒”時，國內有1萬張卡的，只有字節阿里等幾家頭部大公司，以及亂入的這家“投資公司”幻方。

幻方的這種雙螺旋經營策略，恰好成為創業公司未來十年經營方式的先行探索，每年超60%的凈利潤被投入看似無關的大模型研發，這種決策背后是驚人的戰略定力——以終為始，明確公司目標的基礎上，通過現成的業務，先賺點錢。

不僅僅是幻方這樣的大公司，早期的初創企業、超級個體、一人公司，融資更加艱難，但身位卻很靈活，更需要建立以戰養戰的模型，在當前盈利的基礎上，兼顧長期目標。用當前的業務，保持在牌桌上，養活公司長期的、持續的經營目標，這會讓公司走得更遠，也更實際。

公司經營是殘酷的，從來不是賭徒式的All in，而是獵人般的精妙算計：既要握緊今天的獵槍，更要鍛造明天的子彈。

02后發先至，是成本降低的關鍵哲學

在這次大爆發之前，DeepSeek有兩次被人關注，一次是DeepSeek V2開源發布時，以極低的成本，拉開了24年后半年的大模型Token價格戰的序幕，另一次，是2024年12月，雷軍以千萬年薪，親自挖走了DeepSeek核心成員、95后天才少女羅福莉。

DeepSeek被全球關注的原因之二，在于成本。DeepSeek R1 的訓練成本是550萬美元，不到OpenAI o1 的1/20，但性能卻基本持平。極低的成本，是模型能夠更快走進各行各業的關鍵，DeepSeek R1 的出現，為AI加速產業落地，狠狠注入了一針興奮劑。

成本如此降低的原因，其實除了技術能力外，也和OpenAI是在前沿探路有關，前沿探路總是要有一些浪費和消耗，因為是在一團迷霧中摸索，免不了要多出成本。就像三體里的光速飛船一樣，一無所知的情況下，始終無法技術突破，但一旦知道，光速飛船是可行的，很快就實現了技術爆炸。知道某條路的終點是存在的，哪怕不知道路線上的細節，也會極大加速找到終點的速度。

這種探索成本，在其他大模型的訓練成本上，也很容易推導出來。OpenAI o1的訓練成本大約 1 億美金，到了Meta的模型，訓練成本就降低到了約 5000萬美金，再到DeepSeek的550萬美金，成本確實在一路降低。波士頓咨詢的測算顯示，2020-2024年間，AI領域后發企業的研發ROI是先驅者的2.3倍，因為前者能規避47%的試錯成本。

后發，不代表不創新。后發是一種經營技巧，而是讓先驅者承擔試錯代價，后發者收割技術紅利。后發者的創新，不在于跟隨，而在于快速建立真正的經營壁壘。就像過去100年工業王冠上的明珠汽車產業一樣，最開始的汽車是德國人發明的，美國人發揚光大，做了很多馬力很足的大排量汽車。等到日本人進場的時候，競爭已經非常激烈，于是日本人另辟蹊徑，發明了很多省油耗、減車重的技術，在汽車工業中，占據了一席之地。

內燃機和汽車不是日本發明的，但不能說日本在這個行業里沒有做創新。

所以對于大多數的中國創業企業來說，找到生態位，在技術上后發，以最大限度節約成本，進而通過精準的市場需求洞察，迅速適配場景，反而在應用落地上，比先發的開創者，能更快到達落地應用和盈利的終點。

我再強調一遍，后發并不代表跟隨，更不代表放棄創新，后發代表著的是進入時機、切入點、場景洞察的融合發展。

后發先至的本質，是創新效率的重構。

03從場景進入，在工作流中尋找解法

過去4個月，我跟不下10位創始人聊過內部工作流和SOP標準化的問題，每一次，創始人都會問我一個問題：AI 這么火，怎么把 AI 運用在團隊工作中？

我做了許多年產品經理，最關鍵的工作之一，就是梳理產品的邏輯和用戶路徑，也就是流程。后來我創業經營公司的過程中，我發現，讓公司內部穩定運轉的密碼，也是流程。

舉個例子，新媒體運營是當下大部分企業都必須重視的板塊，但如果命題定位“新媒體運營如何使用AI？”那得到的答案，只能是浮于表面的高談闊論。

如果把“新媒體運營”的工作流程拆出來，比如拆成“時事監控-選題-信息搜集-文案創作-文案校審-配圖制作-多平臺發布”的工作流后，就能夠輕松發現，AI能夠提效的地方，就在題面上。“時事監控”可以是一個每天早晨總結要聞的AI Bot，文案創作可以是某個風格定義好的Agent。

所以AI參與到業務這件事，要想深刻，就要具體。

AI只是基礎設施，能否讓AI真正為企業貢獻效率，更核心的，要看企業內部的SOP是否足夠標準化。先有SOP，才能真正拆出AI提效的點。

DeepSeek R1 、Kimi 1.5 這樣的推理模型，會把思考過程呈現出來，這給了我們拆解業務流程SOP非常大的啟發。

AI 的思考過程，恰是拆解業務流程的過程，也就是說，即使給AI一個開放性的命題，AI也需要先把問題拆解成具體的工作流，然后再針對工作流，逐一尋找解法。

但AI并非完全了解實際業務，所以AI拆解的工作流，就會出現寬泛和片面的問題，因此，如果想讓AI真的達到落地可使用的階段，工作流的拆解、以及尋找AI介入環節的事情，還是需要懂業務的人，來掌舵和操控。

我們把AI在企業內部真正落地，也總結一個SOP，這個SOP包含4個大步驟：

1. 把業務形成標準化的SOP
2. 識別 AI 介入點
3. 實施 AI 應用
4. 評估與優化，并關注技術新趨勢

工作流標準化這件事，在AI時代被賦予了更大的價值，華為IPD流程6個階段7個評審點，進一步細分有140多個子環節；某車險公司，把車險理賠拆解成5大環節、139個標準動作，提效85%。這些拆解，都為AI在具體執行的細節上，有了參與空間，讓AI不再是空中樓閣。

SOP建立越細，AI參與深度越深。

“未來的 AI 效率革命不在宏大敘事里，而在每個0.1秒的動作優化中。那些拒絕自我解剖的企業，終將在AI時代的顯微鏡下顯露出粗糙的裂痕。”這句話是DeepSeed告訴我的，我想，下一個十年，AI的加持，會從根本上改變商業運作和公司經營的方法，這股洪流勢不可擋，只能積極擁抱，順勢則昌。

文/亨亨（先鋒創業者、產品人）
專欄：產品變量

登上《時尚芭莎》的中國產品經理
品牌創業+商業方法研究
在 SOP標準化中真正落地 AI 應用
非常強的結構化能力和邏輯能力
??坦誠分享實戰中的商業思考