DeepSeek 逆袭：当美国公司开始用人民币给中国 AI 投票
2026 年 6 月初的一个深夜，旧金山 AI 创业公司 Lindy 的 CEO Flo Crivello 盯着财务看板，发现了一个令他脊背发凉的数字——公司当月的 AI 模型调用费用，已经超过了 25 名员工的薪资总和。
"这不是成本问题，"Crivello 后来在接受 CNBC 采访时说，“这是生存问题。”
他做了一个激进的决定：把 Lindy 的全部 AI 流量，100%，切到一家中国公司——DeepSeek。切换完成后，Crivello 在社交媒体上贴出了公司的 AI 成本曲线图。那条线的形状不需要任何文字解释：它从一座山峰直接跌成了悬崖。
Lindy 不是孤例。2026 年的夏天，美国企业正在用一种最朴素的方式，重新回答"中国 AI 行不行"这个问题——用钱包。
一万亿美元的"AI 账单休克"
把时间拉回到一个月前。Ramp，一家为超过五万家美国企业管理支出的金融平台，在 6 月的软件趋势报告中列出了一个出乎所有人意料的名字：DeepSeek 首次登顶"增长最快付费服务"榜单。这是榜单历史上第一次出现中国 AI 模型的名字，也是美国企业第一次大规模地、直接地、用官方 API 向中国公司付费。
这不是技术爱好者的尝鲜。这是 CFO 们在季度预算会上的求生反应。
美国科技行业正在经历一场史无前例的"AI 账单休克"。根据华尔街见闻援引的多方数据，美国企业在 AI 上的累计投入已超过一万亿美元——但 ROI 远远没有跟上。Uber 在 2026 年前四个月就用光了全年的 Token 预算。Salesforce 今年单付给 Anthropic 的费用就高达约三亿美元。亚马逊悄悄取消了内部的 AI 排行榜——因为员工为了刷榜疯狂虚增使用量，数据已经完全失真。微软则在为大量员工停用 Claude Code 订阅，转向更便宜的替代方案。
“模型路由"成了一个新的行业关键词。过去两年，企业奉行的策略是"用最好的模型解决一切”——GPT-5.5 写邮件，Claude Opus 写周报，Gemini 做表格。但现在，这种"用牛刀杀鸡"的奢侈正在终结。越来越多公司开始把任务分级：简单任务用便宜的模型，只有最复杂的推理才调用"天价模型"。
而在这场成本觉醒运动中，最大的赢家来自中国。
不到一杯咖啡的钱，跑一万个 Token
DeepSeek 的定价不是一个"稍微便宜一点"的故事。它是一个足以让任何 CFO 重新做预算表的数字。
以 DeepSeek V4-Pro 为例：每百万输入 Token 的价格是人民币 0.25 元——折算下来大约 3.4 美分。作为对比，GPT-5.5 Pro 的价格是 30 美元。七百倍的差距。
即便不和最贵的比。DeepSeek 的单任务成本大约只有 Claude Opus 4.7 的十一分之一，是 GPT-5.0 的十分之一。今年 5 月 22 日，DeepSeek 又把 V4-Pro 的 API 价格永久降至原来的四分之一——在竞争对手还在涨价的时候。
价格是敲门砖，但留住客户的是性能。
今年 4 月 24 日，DeepSeek 悄然发布了 V4 模型——没有发布会，没有直播，只是在 GitHub 上更新了一篇技术报告。但这份报告的份量，让硅谷的 AI 工程师们周末加了两天班。V4 是一个 1.6 万亿参数的混合专家模型（MoE），支持百万 Token 的超长上下文，在 Agentic coding 任务上登顶开源模型榜首，在数学、科学和竞赛编程等领域直追闭源前沿模型。
6 月 27 日——就在昨天——DeepSeek 又联合北京大学开源了 DSpark 推理加速框架。框架的核心思路是让大模型在高并发场景下"跑得更聪明"：通过半自回归生成架构和置信度调度机制，单用户生成速度提升了 60% 到 85%。论文署名作者名单里，DeepSeek 创始人梁文锋的名字赫然在列——这位低调到几乎不在公众视野中出现的中国 AI 领军人物，正用一篇篇署名论文告诉世界：我们在认真做技术。
OpenRouter 的数据从另一个侧面验证了这场静默革命。OpenRouter 是全球最大的 AI API 聚合平台，连接着数百个模型和数百万开发者。2026 年 5 月的第三周，DeepSeek V4-Flash 在该平台的周用量达到 3.43 万亿 Token——全球第一。而如果把所有中国模型加在一起，它们已经占据了 OpenRouter 上约 60% 的 API 调用量。
60%。这不是一个可以忽略的数字。
封锁线后面的逆袭
DeepSeek 能做到这一点，美国的芯片封锁"功不可没"——不过，效果可能和华盛顿的预期正好相反。
从 2022 年 10 月开始，美国政府对中国 AI 芯片的出口管制层层加码。先是禁掉了 A100 和 H100，然后是"特供版"A800 和 H800，再然后是阉割到极致的 H20。到 2024 年底拜登政府最后一轮禁令落地时，中国 AI 公司能买到的 NVIDIA 芯片，性能已经只有美国同行手中的几分之一。
华盛顿的逻辑很简单：卡住芯片，就卡住了中国 AI 的命脉。
但商业世界的故事从来不会按照政策制定者的剧本演。当"买不到"从临时困难变成长期约束，中国科技公司做出了一个理性的集体选择：不买了，自己造。
华为昇腾芯片的崛起是这个故事最关键的变量。据钛媒体援引高盛的报告，华为昇腾 950PR 预计在 2026 年下半年实现大规模量产。在采购端，昇腾芯片的价格约为 NVIDIA 受限型号的四分之一；在性能端，单卡算力则达到对方受限款的 2.87 倍。换句话说：花更少的钱，得到更多的算力。
昇腾的软件生态也在快速追赶。CANN 框架已经积累了超过四百万开发者，三千多家合作伙伴，两百多个开源模型完成了适配，四十三个主流大模型在昇腾上完成了预训练。最新版本的 CANN Next 做到了 95% 以上的 CUDA 兼容性——将一个模型从 NVIDIA 迁移到昇腾，时间从几周缩短到了几小时。
2026 年被中国 AI 行业称为"国产芯片训大模型元年"。年初，智谱 AI 的 GLM-Image 成为第一个完全在国产芯片上训练出 SOTA 水平的模型。字节跳动、腾讯、阿里巴巴正在"抢购"华为芯片——不是出于爱国情怀，而是因为 DeepSeek V4 的实测数据表明，在昇腾集群上运行推理任务，端到端延迟反而比同等规模的 NVIDIA 集群低了 35%。
NVIDIA CEO 黄仁勋在内部会议上说过一句话，后来被媒体广泛引用：“如果 DeepSeek 的最新模型率先在华为芯片上全面适配，那将是对美国在全球 AI 战略地位的一次灾难性打击。”
这句话里没有夸张——至少不是危言耸听。当全球最先进的 AI 模型可以跑在非美国制造的芯片上，"芯片即权力"的等式就会出现裂痕。
两个 AI 世界的诞生
Ramp 首席经济学家 Ara Kharazian 在报告发布后补充了一句值得玩味的评论：“我不会高估这一趋势的持续性。直接接入 DeepSeek 涉及真实的竞争和安全担忧。”
他说得没错。数据隐私、地缘政治、合规风险——这些都是真实存在的阻力。不是每家美国公司都愿意把数据发送到中国的服务器上。但 Kharazian 也承认了一个更根本的事实：成本压力不会消失。而只要价差存在，市场就会找到它的方向。
我们正在目睹的不是一次简单的"技术替代"，而是全球 AI 基础设施的结构性分化。
一边是 NVIDIA 生态——CUDA 积累的 450 万开发者和全球 90% 以上的 AI 工具链，短期内仍是不可撼动的存在。另一边是正在成型的华为昇腾生态——从芯片、框架到大模型和应用，一个越来越完整的国产 AI 技术栈。
这两个生态不是冷战式的"脱钩"——它们之间有太多交叉依赖——但也不再是"一个主导、一个追随"的关系。更准确的描述是：并行的两条轨道。
中国 AI 走向世界的方式也在发生变化。过去是"硬件出口"——芯片、服务器、数据中心设备。现在是"Token 出口"——通过海底光缆，中国训练好的大模型以 API 服务的形式流向全球开发者。这不是中国主动选择的方式，而是芯片封锁逼出来的路径。但它正在奏效。
钛媒体在一篇深度分析中引用了一位匿名 AI 创业者的感叹：“我们本来是想做一家全球化公司，没想到被卡成了’国产之光’。但现在回头看，封锁帮我们砍掉了 90% 的投机选项，剩下的 10% 全是必须攻克的硬骨头。”
从牛仔裤到 Token
大概二十年前，"中国制造"在全球消费者心中的形象是廉价的服装、玩具和电子配件。十年前，它变成了华为手机、大疆无人机和 TikTok。到了 2026 年，“Made in China” 多了一个全新的品类：Token。
DeepSeek 自己不怎么说宏大叙事。他们的官方技术博客永远只有公式和实验数据，GitHub 上的 README 干燥得像学术论文。在 V4 发后的一次低调表态中，他们甚至直接承认"新模型能力仍落后领先竞品约三到六个月"——这种坦诚在热衷造神的 AI 行业里反而显出了一种异类的自信。
但这恰恰是中国 AI 此刻最有趣的地方。它不是靠讲"中国故事"赢得用户的，它靠的是一个让旧金山创业者深夜惊醒后做出"100% 切换"决定的东西——更便宜、更快、够好用。
Lindy 的 Crivello 在切换完成后发了一条推文，简单到只有一句话：“有些决定很难做，但这个不是。”
当商业理性开始压倒地缘叙事，当 CFO 的预算表开始比白宫的出口管制清单更有说服力，一个行业真正的转折点可能已经悄然而至。
