DeepSeek的突起为我们洞察中国企业经营后十年的趋势提供了思路。其一，技术创新驱动。DeepSeek在人工智能领域崭露头角，预示着中国企业将更加重视研发投入，通过技术创新提升核心竞争力。其二，国际视野拓展。其成果在国际范围内也有影响力，这表明中国企业后十年会积极参与全球竞争，在国际市场布局，整合全球资源。其三，多元化合作加强。它可能会与众多不同领域企业合作，中国企业未来十年将跨越行业界限，寻求多元合作模式，实现优势互补，共创价值，共同应对复杂多变的市场环境。

这几天大量的文章都是围绕DeepSeek的产品展开，但一个优秀的产品诞生，本身离不开产品背后的人和组织形态，产品的胜利，本质上也是公司经营方式的胜利。

中国的大模型公司，有两次掀起了全民狂潮，第一次是2024年中的Kimi，第二次是蛇年春节的DeepSeek。但不同的是，去年的Kimi是因为当时国产大模型相对贫瘠，而创业公司Kimi的出现，让人们对有希望追赶美国AI霸权感到欣喜，而这一次，DeepSeek则是完全的实力碾压，让中国大模型，真正走在世界前列。

商业形态发生逆转的波澜，往往都藏在热闹景象的背面。

如何打造一家DeepSeek？DeepSeek的经营哲学，对未来十年的公司经营，有什么启示？母公司幻方，如何在稳定业务上，拉出一条昂首增长的第二曲线？

DeepSeek R1 带来的波澜，远不止产品层面，无论是OpenAI o1 训练成本1/20的超级效率，还是登顶全球App Store、让英伟达股价暴跌17%（跌超5600亿美元），这些都只是蝴蝶效应的末端呈现，而DeepSeek这家公司，真正影响深远的，是能够从其中解析出，未来十年，所有创业型公司经营方式的变化趋势。

我们从公司经营的角度，来拆解，DeepSeek代表着的、创业公司经营发展的3点趋势。

一、以战养战，将成为未来十年主要的经营模式

尽管AI快速发展带来的情绪Hi点很高，但在AI大变革的前夜，依然要面对残酷现状的事实——在过去5年间，创业公司融资的环境急剧恶化，2024年的融资事件，不及2021年的一半，而且“明股实债”的融资本质，也让中国的创始人们，胆战心惊。

与之对应地，是从2023年起，几乎所有知名的投资人，都在呼吁，企业要以尽快盈利为导向，朱啸虎和张磊在媒体前反复发声：烧钱融资的时代将一去不复返，企业必须尽快达到PMF。事实上，无论是2024年掀起的超级个体还是一人公司，都代表着同一个趋势，就是公司经营要依赖可持续的盈利能力。

DeepSeek诞生于中国私募量化投资公司幻方，一家投资公司做出了世界顶级的AI大模型，这也是让世界感到意外的原因之一。当OpenAI近日正在研究如何以3000亿估值，融资过去以来最大规模的400亿美元时，DeepSeak团队却在研究另一组数据——母公司幻方的主营业务量化投资，旗下基金以12.18%的收益率均值，排名全国私募业绩前20，粗略估计，每年能为大模型研发输送至少10亿弹药。

所以，DeepSeek不融资、不上市，但却能给团队最优厚的薪酬、最长的研发耐心、最大的方向自由。

曾经硅谷奉行二十年的“烧钱-融资-垄断”路径，因为当前的市场变化，在中国行不通了。

而以战养战，先做出源源不断的现金奶牛业务，为公司真正想做的愿景，持续输送资源。这可能是中国企业在未来穿越资本寒冬的终极密码：用盈利业务构筑护城河，用现金流浇灌创新火种。

一定会有人说，公司有钱才能以战养战，但实际上，以战养战经营逻辑的核心，是以终为始，先知道终极目标，然后走一些“弯路”，用“弯路”创造盈利，在不依赖外部资金的情况下，自我造血，直到实现最开始要去追逐的愿景。

幻方一开始就是要做AI的，最开始的量化投资业务，只是为了给做AI攒钱的手段和过程罢了。

2008年，幻方创始人梁文锋就读于浙江大学人工智能专业，当时，人工智能还是一个空有理论并无实质的概念，但梁文锋就无比笃信，“人工智能一定会改变世界”。

但当时并没有什么人工智能研发的土壤，市面上也没有几家AI公司。所以毕业后，梁文锋并没有选择进入大厂做个程序员，而是在成都的廉价出租屋里，思考AI的落地场景和形态，最终，他认为，量化投资是能够发挥AI超能力的行业，并且能为他创造足够的现金流、场景数据、经验，这可以为他在AI黎明的那一刻迅速出手，提前做好准备。

基金成立后，凭借高额的业绩，很快跻身全国量化投资巨头行列，连续多年获得金牛奖，2021年资金管理规模超千亿，成为国内量化基金“四大天王”。

金融交易是计算科学最复杂的场景之一，既然有场景，那就见缝插针搞AI。幻方在国内是最早使用人工智能进行量化交易的公司，2016年第一份由深度学习生成的交易仓位上线执行，2017 年全面应用深度学习技术进行交易。这为公司的终极愿景AI，储备了大量经验和数据。

赚到钱，就买卡，做AI肯定离不开算力。2021 年，幻方就搞了一万张 A100 GPU 集群，推出了“萤火二号”算法模型，以至于2023年全国“卡荒”时，国内有1万张卡的，只有字节阿里等几家头部大公司，以及乱入的这家“投资公司”幻方。

幻方的这种双螺旋经营策略，恰好成为创业公司未来十年经营方式的先行探索，每年超60%的净利润被投入看似无关的大模型研发，这种决策背后是惊人的战略定力——以终为始，明确公司目标的基础上，通过现成的业务，先赚点钱。

不仅仅是幻方这样的大公司，早期的初创企业、超级个体、一人公司，融资更加艰难，但身位却很灵活，更需要建立以战养战的模型，在当前盈利的基础上，兼顾长期目标。用当前的业务，保持在牌桌上，养活公司长期的、持续的经营目标，这会让公司走得更远，也更实际。

公司经营是残酷的，从来不是赌徒式的All in，而是猎人般的精妙算计：既要握紧今天的猎枪，更要锻造明天的子弹。

二、后发先至，是成本降低的关键哲学

在这次大爆发之前，DeepSeek有两次被人关注，一次是DeepSeek V2开源发布时，以极低的成本，拉开了24年后半年的大模型Token价格战的序幕，另一次，是2024年12月，雷军以千万年薪，亲自挖走了DeepSeek核心成员、95后天才少女罗福莉。

DeepSeek被全球关注的原因之二，在于成本。DeepSeek R1 的训练成本是550万美元，不到OpenAI o1 的1/20，但性能却基本持平。极低的成本，是模型能够更快走进各行各业的关键，DeepSeek R1 的出现，为AI加速产业落地，狠狠注入了一针兴奋剂。

成本如此降低的原因，其实除了技术能力外，也和OpenAI是在前沿探路有关，前沿探路总是要有一些浪费和消耗，因为是在一团迷雾中摸索，免不了要多出成本。就像三体里的光速飞船一样，一无所知的情况下，始终无法技术突破，但一旦知道，光速飞船是可行的，很快就实现了技术爆炸。知道某条路的终点是存在的，哪怕不知道路线上的细节，也会极大加速找到终点的速度。

这种探索成本，在其他大模型的训练成本上，也很容易推导出来。OpenAI o1的训练成本大约 1 亿美金，到了Meta的模型，训练成本就降低到了约 5000万美金，再到DeepSeek的550万美金，成本确实在一路降低。波士顿咨询的测算显示，2020-2024年间，AI领域后发企业的研发ROI是先驱者的2.3倍，因为前者能规避47%的试错成本。

后发，不代表不创新。后发是一种经营技巧，而是让先驱者承担试错代价，后发者收割技术红利。后发者的创新，不在于跟随，而在于快速建立真正的经营壁垒。就像过去100年工业王冠上的明珠汽车产业一样，最开始的汽车是德国人发明的，美国人发扬光大，做了很多马力很足的大排量汽车。等到日本人进场的时候，竞争已经非常激烈，于是日本人另辟蹊径，发明了很多省油耗、减车重的技术，在汽车工业中，占据了一席之地。

内燃机和汽车不是日本发明的，但不能说日本在这个行业里没有做创新。

所以对于大多数的中国创业企业来说，找到生态位，在技术上后发，以最大限度节约成本，进而通过精准的市场需求洞察，迅速适配场景，反而在应用落地上，比先发的开创者，能更快到达落地应用和盈利的终点。

我再强调一遍，后发并不代表跟随，更不代表放弃创新，后发代表着的是进入时机、切入点、场景洞察的融合发展。

后发先至的本质，是创新效率的重构。

三、从场景进入，在工作流中寻找解法

过去4个月，我跟不下10位创始人聊过内部工作流和SOP标准化的问题，每一次，创始人都会问我一个问题：AI 这么火，怎么把 AI 运用在团队工作中？

我做了许多年产品经理，最关键的工作之一，就是梳理产品的逻辑和用户路径，也就是流程。后来我创业经营公司的过程中，我发现，让公司内部稳定运转的密码，也是流程。

举个例子，新媒体运营是当下大部分企业都必须重视的板块，但如果命题定位“新媒体运营如何使用AI？”那得到的答案，只能是浮于表面的高谈阔论。

如果把“新媒体运营”的工作流程拆出来，比如拆成“时事监控-选题-信息搜集-文案创作-文案校审-配图制作-多平台发布”的工作流程后，就能够轻松发现，AI能够提效的地方，就在题面上。“时事监控”可以是一个每天早晨总结要闻的AI Bot，文案创作可以是某个风格定义好的Agent。

所以AI参与到业务这件事，要想深刻，就要具体。

AI只是基础设施，能否让AI真正为企业贡献效率，更核心的，要看企业内部的SOP是否足够标准化。先有SOP，才能真正拆出AI提效的点。

大模型的推理，会把思考过程呈现出来，这给了我们拆解业务流程SOP非常大的启发。

AI 的思考过程，恰是拆解业务流程的过程，也就是说，即使给AI一个开放性的命题，AI也需要先把问题拆解成具体的工作流，然后再针对工作流，逐一寻找解法。

但AI并非完全了解实际业务，所以AI拆解的工作流，就会出现宽泛和片面的问题，因此，如果想让AI真的达到落地可使用的阶段，工作流的拆解、以及寻找AI介入环节的事情，还是需要懂业务的人，来掌舵和操控。

我们把AI在企业内部真正落地，也总结一个SOP，这个SOP包含4个大步骤：

1. 把业务形成标准化的SOP；

   
   

2. 识别 AI 介入点；

   
   

3. 实施 AI 应用；

   
   

4. 评估与优化，并关注技术新趋势。

   
   

工作流标准化这件事，在AI时代被赋予了更大的价值，华为IPD流程6个阶段7个评审点，进一步细分有140多个子环节；某车险公司，把车险理赔拆解成5大环节、139个标准动作，提效85%。这些拆解，都为AI在具体执行的细节上，有了参与空间，让AI不再是空中楼阁。

SOP建立越细，AI参与深度越深。

“未来的 AI 效率革命不在宏大叙事里，而在每个0.1秒的动作优化中。那些拒绝自我解剖的企业，终将在AI时代的显微镜下显露出粗糙的裂痕。”这句话是DeepSeed告诉我的，我想，下一个十年，AI的加持，会从根本上改变商业运作和公司经营的方法，这股洪流势不可挡，只能积极拥抱，顺势则昌。

本文来自微信公众号：产品变量，作者：亨亨（先锋创业者、产品人）