AI经济学再探讨：DeepSeek划下的生死线，大模型行业的终极壁垒在何处？

本文转自微信公众号

“LEO价投笔记”

（ID：LEOValueMemo）

上一回我们聊过AI经济学里，从产业和公司两个维度如何测算投入产出。那倘若大家都照着这套思路走就万事大吉了吗？AI大模型领域里，如果一定要分个高下，什么才是决定生死存亡的关键？用巴菲特的话说，AI大模型的护城河究竟在哪儿？是技术？是成本？还是产品体验？

咱们还是从DeepSeek的产品讲起。今年7月31日，DeepSeek V4-Flash正式版本登场，Agent能力显著跃升，多项评测成绩超越自家旗舰V4-Pro。算下来，DeepSeek的投入仅为GPT 5.5的百分之一。7月还推出了峰谷差异化定价——高峰期上浮，低谷期下探（这跟卖电、卖算力期货有啥区别？）。

一、斩杀线：“血条归零，瞬间秒杀”

这张图是网上流传的一张AI大模型斩杀线图谱。

图1：网传Deepseek V4的斩杀线

斩杀线源自游戏术语，意思是一旦你的血量低于某个临界点，对手一个技能就能直接将你击杀，根本来不及反应。

从图上分析，DeepSeek V4-Flash的定价，相当于给AI行业划定了一条生死线。简而言之，横轴代表价格，纵轴代表性能，就是同等性能下我最实惠，同等价位下我最能打，也就是落在左上角区域。

0.02元的缓存命中价，2元的输出价。绝大多数同行在这个价格档位上，做一单赔一单。上篇文章讲过，L先生曾表示："按十个月回本测算，就能让独立部署的第三方无钱可赚。第三方他根本做不到，绝对做不到这个成本。" 这还停留在V3阶段的定价。如今V4-Flash问世，线划得愈发深了。

二、技术壁垒？还是成本壁垒？

L先生认为，AI大模型面临的三个约束是“成本、时间、体验”。传统价值投资者热衷讨论护城河：品牌、专利、转换成本、网络效应。在AI大模型赛道，前三项几乎全部失效。

专利？DeepSeek把模型架构、训练方法全部整理成论文公开发布，采用MIT协议。专利壁垒？不存在的。

转换成本？改个base URL而已。今天调用OpenAI，明天察觉DeepSeek便宜九成，后天立马迁移过去。

网络效应？基座模型本身不具备。ChatGPT用户再多，也无法让单个用户的使用体验变好。网络效应出现在应用层面（笔者注：开源能够催生网络效应。），而非模型层面。

那技术领先呢？V4-Pro确实追平了GPT-5.5，但这种领先能维持多长时间？OpenAI从GPT-3到GPT-4，领先了两年。GPT-4到GPT-4o，缩短至一年。现在DeepSeek-V4发布，OpenAI的领先优势也许仅剩数月。

马拉松资本在《AI扩展的缺陷》中抛出一句犀利论断："LLM（笔者注：大模型）正逐步走向商品化。顶级模型不断丧失其性能优势，被新兴对手赶超。随着这些模型的演进，它们之间的差异对用户而言可能愈发模糊。"

当GPT-5.5、Claude Opus 4.6、DeepSeek V4-Pro在绝大多数场景下都能输出"够用"的答复时，用户不会为那5%的精度溢价付出百倍代价。他们会选择更便宜的方案。技术领先是阶段性的，成本优势才是持续性的，这才是终极护城河——不是某一道固定的屏障，而是一台永不停歇的碾压机。你刚跨过一道墙，前方又出现一道更低的墙。等你追到这道墙，墙又往下降了。

三、不为清单：成本是从"不作为"中积攒的

DeepSeek的成本为何能压到如此夸张的低位？

一半靠技术，比如MLA、MoE、TileLang，这里暂不细说（后续会另写一篇专门讨论技术）。但另一半，也是更关键的一半，在于"不做"。

L先生有一份冗长的"不为清单"：

不抢C端流量。去年春节期间用户激增，服务器一度崩溃，他并未借势打造超级App，反而曾"不想维护那些用户"。为什么？面对同行趁机布局C端，L先生如何回应？"前期的或许都是芝麻，后期的才是西瓜。"

不做B端闭环。今年B端营收其实相当亮眼，Agent遍地开花。但他没有将其列为战略方向。"真正想做To B闭环的，未必比我们做得更出色。你想要的越多……"

不做视频生成，不做世界模型。Sora问世后全行业蜂拥而上，L先生表示："视频生成甫一亮相便备受追捧，仿佛这是非做不可的选项。但若你冷静审视，它与通往智能的路径关联并不大。"

这张清单摆在当下的AI创业圈，几乎等同于"自废武功"。然而正是这些"不做"，让DeepSeek将全部资源倾注于一件事——将推理成本压至极限，砍掉九成的边缘业务，剩余的一成，就能做到登峰造极。

巴菲特说过，投资最关键的是明白不做什么。芒格在2014年50周年回顾中对巴菲特成功的概括如下：下图高亮区域。

图2 在2014-2（芒格）的信件的搜索框中输入“限制”。作者主页有分析工具（知识图谱）可以自行验证和学习。

四、开源社区：一种被忽视的网络效应

巴菲特的护城河理论中，网络效应是极为稀有、极为强劲的结构性优势。其核心逻辑是：用户基数越大，产品对存量用户的价值越高。传统的网络效应多见于平台型企业——eBay、Visa、微信。但L先生正在 AI 基模领域，培育一种全新的网络效应。

如何理解？DeepSeek 开源后，全球开发者纷纷基于其模型进行二次开发、微调训练、部署上线。使用者越多，暴露的 bug 越多，反馈的数据越丰富，模型迭代速度越快。模型质量越高，使用者越多。这构成了一个自我增强的飞轮。而且得益于开源协议，这些改进大多会回流至社区，进一步夯实 DeepSeek 的基座地位。

L先生说得非常坦率："我们尽力为开源社区提供支援，协助大家顺利部署我们的模型。我不担心他会跟我争夺这块市场，因为这个市场体量足够大。我只担心他部署不了。"

这句话的潜台词是：我不畏惧竞争，我担忧的是生态无法壮大。

基模本身难以构筑品牌护城河（用户不关心底层是哪个模型），也难以形成转换成本（API 调用迁移轻而易举）。但开源生态的网络效应，却能让先行者获得一种柔性锁定——非技术层面的锁定，而是生态层面的锁定。这与当年安卓抗衡iOS的策略如出一辙。苹果凭借闭源攫取超额利润，谷歌借助开源抢占市场份额。最终谁胜出了？各有各的胜法。但在AI这个"占 GDP 百分之十"的市场中，谷歌的胜法或许更具可持续性。

五、对投资者的启示

马拉松资产管理在《痛苦囚笼》中警示：主动权益投资者正被更深地卷入AI的漩涡，白天思虑AI，夜晚梦境仍被AI占据，避无可避。

别问"AGI还有多远"，问"倘若AGI始终未能降临，这家公司能否存活"。

别问"中国能否造出最强的AI"，问"中国能否造出最廉价的AI"，在商品化的终局中，最廉价往往意味着最长存。

AI行业的终极护城河，从不是某项技术、某个专利、某代模型。它是一种让成本持续碾压竞争对手的组织能力，看不见、摸不着，却日复一日地累积复利。

巴菲特始终强调：真正的护城河，是竞争对手明知你在做什么，却无法复制。（13年信，评价格GEICO的护城河、99年信、15年信评价伯克希尔保险业务等）

DeepSeek的斩杀线，已经划定。

免责声明：本文仅供学习交流，不构成投资建议。