DeepSeek準備上市，呢單新聞值得大家留意。因為由佢嘅估值，可以睇到成個中美人工智能競爭嘅形勢。路透社九月九日引述消息人士報道，DeepSeek已經聘請中信證券，籌備喺上海科創板上市，希望今年啟動程序。公司另一輪融資嘅估值，據報可能達五千億元人民幣，約七百五十億美元。不過，呢個係融資估值，正式上市嘅時間、集資額同招股定價，仍然未定。七百幾億美元，究竟值唔值？要回答呢條問題，就要將DeepSeek放返入世界大模型競爭嘅版圖。

七百幾億美元，聽落已經好大。但同美國主要對手比較，差距仍然驚人。相關報道提到，OpenAI上市估值目標約一萬億美元，Anthropic則可能高達兩萬億美元。呢啲係上市目標，未係最終成交價，同DeepSeek嘅融資估值亦唔係完全同一口徑。不過，按呢個尺度粗略比較，就分別相差約十三倍同二十七倍。點解會差咁遠？DeepSeek喺某啲模型能力上，可以追近美國，點解公司估值仍然差一大截？我認為，市場唔單止睇今日個模型有幾叻，仲睇公司未來可以調動幾多資源、服務幾多客戶，同埋有冇能力一代接一代咁競爭。要明白呢個差距，就要先睇資金、渠道同算力。

今次我集中講中美各三個主要競爭者。美國係OpenAI、Anthropic，同Google旗下嘅Gemini。呢個係我按長期商業競爭條件作出嘅判斷，唔係照住某一張模型測試排行榜排位。OpenAI有ChatGPT呢個用戶入口，再發展企業服務、開發者接口同工作工具。佢要爭取嘅，係令AI進入更多人日常生活同工作。Anthropic就集中喺編程、專業工作同企業應用，爭取令Claude進入客戶日常工作流程。企業如果用佢寫程式、分析文件、處理工作，形成使用習慣，就有機會持續付費。Google嘅條件更加全面。Gemini背後有研究團隊、雲計算、自家運算晶片，同龐大嘅既有產品渠道。所以，模型本身要叻，當然重要。但你仲要令客戶接觸得到、用得方便，企業可以部署，服務可以穩定運行。呢幾樣條件加埋，先形成一盤有規模嘅生意。

中國呢邊，我會集中睇DeepSeek、阿里巴巴嘅通義千問，同字節跳動嘅豆包。DeepSeek有率先打響全球品牌嘅優勢。佢靠技術成果吸引國際注意，建立咗聲譽。呢種知名度，對吸引開發者、人才同投資者都有價值。但佢要繼續證明，技術影響力可以變成自己嘅持續收入同長期資源。阿里巴巴嘅優勢就係雲計算同分銷網絡。佢有阿里雲，有企業客戶基礎，有銷售同服務團隊。通義千問可以經現成渠道進入企業，帶動運算、部署同相關服務需求。阿里可以喺模型以外嘅環節獲得回報，呢個係獨立模型公司未必具備嘅條件。豆包背後係字節跳動。佢有雄厚業務支持，亦有做消費者產品、推廣產品同維持用戶使用習慣嘅經驗。我尤其睇重佢嘅C端能力：普通人會唔會日日打開你個產品，會唔會用慣咗，對長期競爭非常重要。所以，呢三個各有本錢：DeepSeek有技術聲譽同品牌，阿里有雲端同企業渠道，豆包有母公司資源同消費者入口。

其他公司某一代模型喺測試表現好，值得留意。但跑出一個好成績，唔會自動帶嚟同等嘅品牌、客戶同資金實力。你今輪集資成功，可以做下一代；再下一代呢？研究員要出糧，設備要更新，服務客戶亦要持續使錢。集資係一輪一輪，但開支係日日發生嘅。阿里同字節背後有龐大業務，可以支持長期投資。母公司有錢，唔等於全部錢都投落AI，但佢哋有更大空間，選擇投入幾多、投入幾耐。新創公司往往要先說服下一輪投資者，先有資源繼續擴張。連阿里都要再集資。八月，阿里宣布約八百億港元配股，計劃將所得淨額投入晶片、基建同模型等AI能力。連呢種規模嘅公司都要補充資金，就知道前沿AI競爭需要幾大投入。大平台仲有專有數據同業務反饋。喺獲得適當授權之下，獨有嘅業務資料，可以幫助改善特定任務、評估模型，同了解客戶需要。不過，唔係所有數據都有同樣價值，亦唔可以將雲端客戶資料，當成平台可以任意攞去訓練嘅資產。有現成業務、有用戶，就有機會持續發現模型喺實際工作入面有乜不足，再改善產品。新公司要追趕嘅，就包括呢套能力。

講到中國同美國比較，中國團隊一個值得重視嘅長處，係算法同工程效率。DeepSeek公開嘅研究，包括混合專家架構、減少記憶體需求嘅注意力設計、低精度運算，同改善晶片之間嘅通訊。佢展示咗，有限資源可以透過精巧設計，發揮更大作用。混合專家，可以簡單理解成一間公司有好多專家，每次按需要調動其中一部分，唔使所有人一齊開工。不過，MoE，即混合專家，並非DeepSeek首創。海外早已有相關研究，DeepSeek嘅貢獻係改良同整合，令實際運作更有效率。問題係，好方法會擴散。中國可以吸收海外研究，美國亦可以吸收中國研究。你諗到一個方法慳算力，對手掌握之後，同樣可以用，再配合佢本來更大嘅資源繼續推進。所以，算法效率係重要優勢，但未必係永久獨有嘅優勢。當大家都學識更有效率嘅方法，資源規模就仍然影響競爭。

比較算力，唔可以淨係數晶片張數，仲要睇晶片代際。舉個規模例子，十萬Blackwell B二零零，按相同FP八非稀疏理論峰值換算，大約相當於二十三萬張H一零零 SXM。即係唔單止可能張數更多，每張嘅能力亦有差距。呢個係硬件換算示例，唔係確認某個模型實際使用咗幾多晶片。換成華為昇騰，亦要用指定型號同相同精度比較。更重要嘅係，即使單卡峰值加埋相等，都唔代表實際訓練效率相同。大量晶片要連接起嚟，資料要傳得夠快，供電、散熱、軟件同故障處理都要配合，先可以有效運行。真正要睇嘅，係一間公司可以持續調動幾大規模嘅有效算力。至於OpenAI同DeepSeek今日實際相差幾多倍，公開資料未足以作出可靠嘅同口徑結論，唔應該將十倍、二十倍當成已確認數字。但晶片取得能力同大規模系統運作能力，確實係比較競爭條件時必須考慮嘅問題。

算力重要，唔單止因為訓練模型。模型訓練完，每次服務客戶，仍然要運算。傳統軟件當然亦有推算，但一般文書、資料查詢嗰類功能，每次操作需要嘅運算，相對有限。生成式AI通常每次都要運行模型，處理輸入，再逐步生成答案。答案愈長、推理愈深入，往往就需要更多資源。你唔可以以為模型做好，就可以用極低嘅額外成本，無限量賣畀所有人。快取、批次處理同算法改善可以降低成本，但客戶使用規模增加，仍然會帶嚟持續嘅推論需求。一個人問，同一百萬人同時問，係完全唔同嘅生產規模。客戶想用，你要有容量；客戶願意畀錢，你要交到速度、穩定性同質素。唔夠算力，就可能要排隊、限次數，或者改用較細嘅模型。Sora就提供咗一個例子。報道將OpenAI停運Sora，同高成本、需求減弱及釋放算力聯繫起來。呢件事帶出嘅問題係：連資源雄厚嘅公司，都要計算同一批算力放喺邊項業務，先有更好回報。算力限制有兩種表現。一種係客戶想用，但容量接唔晒；另一種係產品可以運行，但成本同收入唔合算，公司要轉移資源。前者限制收入規模，後者影響盈利能力。所以，算力就係AI公司嘅生產能力。你有好模型，好似有好產品設計；但你仲要有足夠產能，先可以持續交貨。

AI公司要同時照顧今日同將來：現有模型要服務客戶，下一代又要繼續研究。資源有限，就要喺兩邊取捨。算力充裕，可以同時試更多研究方向、承受更多失敗，亦有更大空間擴張服務。呢個就帶返去DeepSeek嘅估值。市場買一間AI公司，包含對佢未來幾代模型、客戶規模同盈利能力嘅預期。今日某啲測試成績接近，唔代表雙方可以服務同樣多客戶，或者有同樣多資源繼續推進。我認為，算力供應同使用效率，係解釋中美主要模型公司估值差距嘅重要結構性因素。佢唔係唯一原因，亦唔係多十倍算力就應該值十倍錢，但佢會同時影響研究速度、服務容量同成本。

所以，DeepSeek七百幾億美元值唔值？我唔會因為佢比美國同行平好多，就立即話抵買。佢有技術、有品牌，但要睇新資金可以幫佢建立幾多長期能力。美國公司估值高，亦唔保證合理；如果龐大投入換唔到足夠回報，一樣可以估得太貴。DeepSeek上市最值得睇嘅，就係佢能否將資金轉化成有效算力，再將有效算力轉化成持續研究同有收入嘅服務。算法幫佢爭到重要位置，長期資源決定佢守唔守得住，而算力嘅商業回報，就決定投資者付出嘅價錢有冇根據。