老师有没有告诉你，全球大模型进入DeepSeek斩杀区——不是因为技术强，是它发现了一个所有人都在假装看不见的秘密

一件事正在发生，比任何参数榜都重要

上周的数据让所有人沉默：DeepSeek V4的性能已经追平GPT-4级别的模型，但它的训练成本，只有对手的十分之一到二十分之一。你可能会想，这有什么了不起？便宜的东西不都质量差吗？但这里有一个反直觉的现象：在AI领域，同样的效果但成本更低，不是「降级」——是「碾压」。因为大模型的竞争，从来就不是比谁更聪明，而是比谁能让更多人用得起。当你的对手能用一个零头的成本达到跟你一样的效果，你手里的芯片再多也没用——你的商业模式已经死了。这不是技术战，这是价格战，而价格战的残酷之处在于：它不是先把你打趴下，是让你还没反应过来就已经输了。

所谓的「斩杀区」，到底是什么

「斩杀区」这个词听起来很吓人，但它的逻辑其实比你想象的简单。你可以理解为：假设全世界有100家大模型公司，每一家都在做同一件事——让AI「更聪明一点」。但聪明的代价是指数级增长的。从80分到90分，可能只需要加一倍算力；但从90分到95分，可能需要加十倍。这时候DeepSeek做的不是追到95分——它是在90分的位置上停下来，然后把价格压到别人的十分之一。想象一下你在超市：隔壁货架的同款商品便宜十倍，你会买贵的吗？你不会。那为什么大模型的客户会？他们也不会。这就是斩杀区的含义：不是把对手杀死，是让对手的商业模式自动死亡。

便宜的秘密不在算力，在一个「不用」的决定里

你可能以为DeepSeek便宜的秘诀是用了更便宜的芯片，或者是更聪明的工程师。都不是。真正的秘密藏在一个所有人都知道但没人敢做的决定里：它选择「不用」那些看起来必须用的东西。大多数大模型训练用的是「混合精度」——一部分高精度计算，一部分低精度计算，就像一辆车有时候用高档油有时候用普通油，换来换去。DeepSeek说：我全部用低精度。全用低精度的结果是什么？误差会累积，模型会「学偏」。但DeepSeek的工程师发现，如果训练方式对，这些误差不仅不会破坏模型，反而会让模型变得更「鲁棒」——你甚至可以理解为，这就像一个人从小在噪声环境里学说话，他学出来的听力反而比安静环境里长大的人更敏锐。这不是蛮干，是对「什么才是真的必要」这个问题的彻底重想。

这场价格屠刀的真正受害者是谁

你可能会说，这不是好事吗？AI变便宜了，大家都受益。是的——但这只对了一半。真正首当其冲的不是OpenAI或者Google，而是那些拿了巨额融资、还在烧钱追参数的创业公司。他们面临的困境是这样的：投资人给了你十亿美元让你做全世界最聪明的AI，现在你发现，有一家公司用你的零头就做到了差不多的效果。你怎么跟投资人解释？你没法解释。而你又不是不能降价的OpenAI（它有微软撑着），也不是背靠搜索帝国的Google。你是纯粹的「参数军备赛」选手，而这场比赛，已经被DeepSeek宣布无效了。接下来你会看到一批AI公司倒下——不是因为他们不努力，是因为游戏规则在他们醒来之前就被改了。

但这场革命有一个你还没看见的代价

便宜不是没有代价的。当你把大模型的成本压到几乎为零的时候，会发生一个非常反直觉的现象：AI的价值也被「压扁」了。你可以这么想：如果全世界的大模型都差不多好用，都差不多便宜，那AI公司靠什么赚钱？靠品牌？靠生态？还是靠把AI塞进你生活的每一个角落，然后从其他地方收费？DeepSeek的开源策略加速了这个过程——它不是在做一家AI公司，它是在把AI变成像电力一样的基础设施。基础设施的钱好不好赚？看看你家电费账单就知道了：电力公司看起来很大，但利润率其实很低。当AI变成水电煤，最先倒下的不是竞争对手，是「AI公司」这个物种本身。而最后活下来的，可能是卖芯片的，可能是做硬件的，但大概率不是做模型的。你现在看到的「百模大战」，在几年后回头看，可能就像2000年的「百网大战」——最终活下来的，一只手数得过来。