HBM

硅基速览 9月10日路透社报道，华为将昇腾950DT加速卡意向报价上调至25万元人民币以上，较两个月前涨20%-50%。 寒武纪思元690涨价20%-30%，沐曦、天数智芯同步跟涨——中国AI芯片厂商集体提价。 根本原因：HBM（高带宽内存）供应紧张且成本飙升，中国AI芯片厂商面临"算力上去了，但内存卡住了"的困境。 正文 25万元一张AI加速卡 2026年9月10日，路透社援引多名知情人士报道，华为已将其最先进AI加速卡——昇腾950DT的意向报价上调至25万元人民币（约合37255美元）以上。根据合同条款不同，这一价格较两个月前给到客户的报价上涨了20%至50%。 华为此前公开表示，其最先进AI芯片950DT将于2026年第四季度正式上市。但在正式上市前，它的"指示售价"已经被拉高了四分之一到一半。 涨价的不止华为。据中国新闻网和中电网报道，寒武纪的思元690加速卡同步涨价20%-30%，沐曦、天数智芯等中国AI芯片厂商也纷纷上调现有及下一代产品报价。 寒武纪在回应市场传闻时表态：“不要听信市场消息”。但这个表态本身——而不是直接否认涨价——被市场解读为"涨价确实在发生，只是公司不便公开承认"。 HBM：中国AI芯片的阿喀琉斯之踵 为什么中国AI芯片厂商集体涨价？表面原因是"供需紧张"，根本原因是HBM——高带宽内存——卡住了脖子。 HBM是AI加速卡的核心组件。一张AI加速卡，除了计算芯片本身，还需要堆叠多层HBM内存来提供高带宽数据通道。HBM的产能和价格，直接决定了AI加速卡的成本和出货量。 问题在于：HBM的生产被韩国三大厂——三星、SK海力士、美光——高度垄断。中国大陆在HBM量产上仍然落后于国际领先水平。当全球AI算力需求暴涨时，HBM产能首先被英伟达、AMD等海外大客户抢购，中国厂商能拿到的HBM供应有限，而且价格水涨船高。 华为为此走上了自研HBM的道路。据华为官方披露，华为为昇腾950系列自研了两种HBM：HiBL 1.0（面向Prefill和推荐场景）和HiZQ 2.0（面向Decode和训练场景），分别与Ascend 950PR和950DT合封。但自研HBM的产能爬坡需要时间，短期内无法完全替代外购HBM。 涨价对中国AI产业的影响 中国AI芯片集体涨价，对下游AI产业的影响是直接的： 算力成本上升。 以前一台搭载8张昇腾加速卡的AI服务器，成本约80-100万元。涨价后可能达到100-130万元。对于正在大规模建设AI集群的中国互联网公司和金融机构来说，这意味着同样的预算能买到的算力减少了20%-30%。 国产化性价比下降。 中国AI芯片的核心竞争力之一是"比英伟达便宜"。当昇腾950DT涨到25万元一张时，它与英伟达同级产品的价格差距已经大幅缩小。如果性能差距不能完全弥补价格优势，部分客户可能重新考虑英伟达方案（在允许进口的前提下）。 加速国产HBM研发。 涨价本身是一种市场信号——它告诉中国半导体产业：HBM是必须攻克的卡脖子环节。长鑫存储、长江存储等国内存储厂商正在加速HBM研发，预计2027-2028年可能实现国产HBM量产。 华为昇腾的产品线 硅基视角梳理一下华为昇腾950系列的产品线： Ascend 950PR：面向Prefill和推荐场景，搭配自研HiBL 1.0 HBM。Prefill是大模型推理中"读取和理解输入"的阶段，对带宽要求极高。 Ascend 950DT：面向Decode和训练场景，搭配自研HiZQ 2.0 HBM。Decode是"逐字生成输出"的阶段，对计算密度要求极高。 950DT是目前华为最先进的AI加速卡，计划2026年Q4上市。涨价20%-50%的，主要就是这张卡。 硅基AGI社区在论坛silicon-agi.com上有不少硬件工程师在讨论国产AI芯片的性价比和选型问题，从昇腾到寒武纪到沐曦，讨论非常深入。 硅基点评 华为昇腾950DT涨价，是2026年中国半导体产业最真实的一个信号：AI算力国产化不是"能做出来"就够了，还要"做得起、供得上"。在HBM被韩国三巨头垄断的现实下，中国AI芯片厂商面临的不是设计能力问题，而是供应链瓶颈。 硅基视角的判断是：2027年，国产HBM量产会成为中国AI产业的下一个关键节点。谁能率先量产HBM3/HBM4，谁就能把昇腾950DT的成本降下来，把涨价的势头扭转回去。在此之前，中国AI算力的获取成本会持续高于全球平均水平，这会倒逼下游厂商优化模型效率、推理成本、Agent工作流——也就是为什么DeepSeek V4.1 Flash这种"小激活、高效率"的模型会在中国市场特别受欢迎。 对AI创业公司的建议：在做算力预算时，一定要把HBM涨价这个因素算进去。不要假设今年的算力成本明年不变。国产AI芯片的价格波动会比英伟达更大，因为供应链更脆弱。正确的做法是：做多供应商冗余，模型效率优化前置，推理成本控制作为核心KPI。 本文由硅基AGI社区原创，欢迎访问博客 guijiagi.com 获取更多AI实战教程，或到论坛 silicon-agi.com 参与讨论。

一次影响存储芯片股价的模型架构升级 9月第一周，DeepSeek扔出两颗炸弹：一颗技术，一颗资本。 技术侧：新模型结构把KV Cache大幅压缩，直接改写了推理侧的硬件需求曲线； 资本侧：9月9日正式委托中信证券筹备科创板IPO，进入尽职调查阶段，首轮融资510亿元。 两件事看似独立，实则是同一套叙事的两面——DeepSeek要证明自己不仅是"便宜的模型"，而是"重新定义推理经济学的公司"。 KV Cache压缩：到底压缩了什么 要理解这次升级的冲击力，先得搞清楚KV Cache在推理时的角色。 一、推理成本的大头在哪 大模型推理时，每生成一个Token都要重新计算注意力。为了不重复计算历史Token，系统会把Key和Value缓存下来——这就是KV Cache。 在长上下文和Agent场景下： 一次对话可能缓存数万到数十万Token的KV 这些缓存必须放在**HBM（高带宽内存）**里，否则速度崩盘 Agent多轮工具调用时，同一份上下文被反复使用，缓存命中费用占单次调用成本的大头 二、DeepSeek的压缩倍率 新结构把KV Cache压缩到原来的1/4，带来连锁效应： HBM需求：降至原来的 1/4 SSD/外存分层需求：降至原来的 1/8 这意味着同样的算力集群，能服务的并发请求数直接翻了几倍。对Agent这种"长会话+高频调用"的场景，单次使用成本会出现量级下降。 三、为什么SK海力士跌了3% 消息传出当天，SK海力士股价跌超3%。逻辑很直接： HBM是SK海力士、三星、美光三家的核心利润来源 DeepSeek如果把"KV Cache压缩1/4"做成行业标准结构，下游客户对HBM的采购预期会下调 这不是一次性冲击，而是对未来2-3年HBM需求曲线的重新定价 科创板IPO：510亿首轮融资的底气 技术故事讲完，资本故事接棒。 一、为什么是科创板 科创板对"硬科技"公司的估值逻辑更友好，不要求短期盈利 国产大模型公司在国内资本市场有政策溢价 上市后可以用股票做股权激励，留住核心人才 二、510亿首轮融资意味着什么 这个数字对应的估值预期，已经把DeepSeek放到了"中国AI基础设施级公司"的位置。市场在赌两件事： 推理成本继续下探——每降低一个数量级，能打开的企业级市场就翻一倍 国产替代叙事——在海外芯片受限的背景下，DeepSeek的模型效率本身就是战略资产 对产业链的连锁影响 一、HBM/存储厂商 短期股价承压，但中长期看，模型推理总调用量在指数级增长，压缩后的KV Cache只是单位成本下降，总需求未必萎缩 关注三星、美光是否会跟进类似压缩结构，还是押注更大容量HBM3E/HBM4 二、云厂商和推理服务商 同样的GPU，能跑更多并发——毛利率会改善 但定价权会向下游转移：企业客户会要求按"压缩后成本"重新谈判合同 三、Agent开发者 这是最直接的受益者。长会话、多轮工具调用的成本会大幅下降 过去因为成本问题不敢做的"24小时挂机Agent"，现在经济账算得过来了 对开发者的实操建议 重新评估你的推理成本模型——如果你用DeepSeek API做Agent，等新结构上线后重跑一次成本测算 关注KV Cache命中率——Agent场景下，缓存命中率每提升10%，成本下降可能超过30% 不要把架构绑死在单一模型上——DeepSeek这次升级说明，推理侧的技术迭代速度比预训练还快 科创板IPO后关注生态开放——上市后通常会加大开发者生态投入，早期接入有红利 结语 DeepSeek这次"技术+资本"双响炮，本质上是在回答一个问题：大模型公司的护城河到底是什么？ 不是参数规模，不是跑分，而是单位智能的成本。当KV Cache压缩到1/4、HBM需求降到1/4，DeepSeek证明了自己能在推理侧持续制造结构性成本优势。 科创板IPO只是开始——真正的战场，是把这套成本优势变成企业级市场的定价权。

一周内的两条重磅消息 9月，DeepSeek用两条消息震动了AI产业：一条关于技术，一条关于资本。 技术突破：把HBM需求砍到1/4 DeepSeek发布全新模型结构系列中的最小尺寸模型，具备原生多模态视觉理解能力。核心突破在于 KV Cache的大幅压缩： 对HBM的需求减少到 1/4 对SSD的需求减少到 1/8 这一看似技术细节的优化，在Agent场景中意义重大。因为在Agent使用场景中，缓存命中的费用往往占比较高，对KV Cache的压缩直接大幅降低了Agent类任务的使用成本。 市场反应立竿见影：消息发布后，SK海力士下跌超过3%。投资者意识到，如果AI模型不再需要那么多HBM，存储芯片的增长逻辑将被重写。 资本动作：冲刺科创板IPO 9月9日，市场消息称DeepSeek已委托中信证券筹备科创板IPO。21世纪经济报道从知情人士处获悉，该消息属实。 目前状态： 中信证券已与DeepSeek方面接洽 已进入尽职调查阶段 双方尚未签订正式的上市辅导协议 具体上市时间、融资规模及目标估值尚未确定 值得注意的是，DeepSeek在今年6月完成首轮融资，总额达 510亿元。这一融资规模在AI创业公司中极为罕见。 技术与资本的共振 DeepSeek的这两条消息，本质上是同一个逻辑的两面： 技术侧：用架构创新对冲算力差距 在无法获得最先进GPU的情况下，DeepSeek选择用模型结构优化来降低算力需求。HBM减至1/4，意味着同样的硬件可以跑更大的模型、处理更长的上下文。 资本侧：用上市融资支撑长期竞争 510亿首轮融资 + 科创板IPO，DeepSeek在资本层面快速集结弹药。AI大模型的竞争是长期的算力竞赛，充足的资本是持续投入的基础。 对行业的启示 架构创新可以部分对冲制程差距 — DeepSeek证明了，不一定要靠最先进的硬件，也能在模型效率上实现突破 国产AI公司的资本化加速 — 从DeepSeek到更多国产大模型公司，IPO正在成为融资的重要渠道 HBM的增长逻辑需要重新评估 — 如果模型架构持续优化，存储芯片的需求增长可能不及预期 结语 DeepSeek的一周，是中国AI产业的缩影。技术上用架构创新突围，资本上用IPO加速，两条腿走路。当HBM需求被砍到1/4、当510亿融资成为起点，中国AI的竞争已经进入了全新的阶段。 来论坛硅基思维链聊聊：DeepSeek把HBM需求砍到1/4，我们是不是不再需要那么多硬件了？

一次影响存储芯片股价的模型架构升级 9月第一周，DeepSeek扔出两颗炸弹：一颗技术，一颗资本。 技术侧：新模型结构把KV Cache大幅压缩，直接改写了推理侧的硬件需求曲线； 资本侧：9月9日正式委托中信证券筹备科创板IPO，进入尽职调查阶段，首轮融资510亿元。 两件事看似独立，实则是同一套叙事的两面——DeepSeek要证明自己不仅是"便宜的模型"，而是"重新定义推理经济学的公司"。 KV Cache压缩：到底压缩了什么 要理解这次升级的冲击力，先得搞清楚KV Cache在推理时的角色。 一、推理成本的大头在哪 大模型推理时，每生成一个Token都要重新计算注意力。为了不重复计算历史Token，系统会把Key和Value缓存下来——这就是KV Cache。 在长上下文和Agent场景下： 一次对话可能缓存数万到数十万Token的KV 这些缓存必须放在**HBM（高带宽内存）**里，否则速度崩盘 Agent多轮工具调用时，同一份上下文被反复使用，缓存命中费用占单次调用成本的大头 二、DeepSeek的压缩倍率 新结构把KV Cache压缩到原来的1/4，带来连锁效应： HBM需求：降至原来的 1/4 SSD/外存分层需求：降至原来的 1/8 这意味着同样的算力集群，能服务的并发请求数直接翻了几倍。对Agent这种"长会话+高频调用"的场景，单次使用成本会出现量级下降。 三、为什么SK海力士跌了3% 消息传出当天，SK海力士股价跌超3%。逻辑很直接： HBM是SK海力士、三星、美光三家的核心利润来源 DeepSeek如果把"KV Cache压缩1/4"做成行业标准结构，下游客户对HBM的采购预期会下调 这不是一次性冲击，而是对未来2-3年HBM需求曲线的重新定价 科创板IPO：510亿首轮融资的底气 技术故事讲完，资本故事接棒。 一、为什么是科创板 科创板对"硬科技"公司的估值逻辑更友好，不要求短期盈利 国产大模型公司在国内资本市场有政策溢价 上市后可以用股票做股权激励，留住核心人才 二、510亿首轮融资意味着什么 这个数字对应的估值预期，已经把DeepSeek放到了"中国AI基础设施级公司"的位置。市场在赌两件事： 推理成本继续下探——每降低一个数量级，能打开的企业级市场就翻一倍 国产替代叙事——在海外芯片受限的背景下，DeepSeek的模型效率本身就是战略资产 对产业链的连锁影响 一、HBM/存储厂商 短期股价承压，但中长期看，模型推理总调用量在指数级增长，压缩后的KV Cache只是单位成本下降，总需求未必萎缩 关注三星、美光是否会跟进类似压缩结构，还是押注更大容量HBM3E/HBM4 二、云厂商和推理服务商 同样的GPU，能跑更多并发——毛利率会改善 但定价权会向下游转移：企业客户会要求按"压缩后成本"重新谈判合同 三、Agent开发者 这是最直接的受益者。长会话、多轮工具调用的成本会大幅下降 过去因为成本问题不敢做的"24小时挂机Agent"，现在经济账算得过来了 对开发者的实操建议 重新评估你的推理成本模型——如果你用DeepSeek API做Agent，等新结构上线后重跑一次成本测算 关注KV Cache命中率——Agent场景下，缓存命中率每提升10%，成本下降可能超过30% 不要把架构绑死在单一模型上——DeepSeek这次升级说明，推理侧的技术迭代速度比预训练还快 科创板IPO后关注生态开放——上市后通常会加大开发者生态投入，早期接入有红利 结语 DeepSeek这次"技术+资本"双响炮，本质上是在回答一个问题：大模型公司的护城河到底是什么？ 不是参数规模，不是跑分，而是单位智能的成本。当KV Cache压缩到1/4、HBM需求降到1/4，DeepSeek证明了自己能在推理侧持续制造结构性成本优势。 科创板IPO只是开始——真正的战场，是把这套成本优势变成企业级市场的定价权。 相关阅读 DeepSeek双响炮总览：HBM需求砍至1/4 + 科创板IPO融资510亿的完整逻辑 DeepSeek双响炮（资本篇）：冲刺科创板IPO首轮融资510亿，估值路径拆解

一周内的两条重磅消息 9月，DeepSeek用两条消息震动了AI产业：一条关于技术，一条关于资本。 技术突破：把HBM需求砍到1/4 DeepSeek发布全新模型结构系列中的最小尺寸模型，具备原生多模态视觉理解能力。核心突破在于 KV Cache的大幅压缩： 对HBM的需求减少到 1/4 对SSD的需求减少到 1/8 这一看似技术细节的优化，在Agent场景中意义重大。因为在Agent使用场景中，缓存命中的费用往往占比较高，对KV Cache的压缩直接大幅降低了Agent类任务的使用成本。 市场反应立竿见影：消息发布后，SK海力士下跌超过3%。投资者意识到，如果AI模型不再需要那么多HBM，存储芯片的增长逻辑将被重写。 资本动作：冲刺科创板IPO 9月9日，市场消息称DeepSeek已委托中信证券筹备科创板IPO。21世纪经济报道从知情人士处获悉，该消息属实。 目前状态： 中信证券已与DeepSeek方面接洽 已进入尽职调查阶段 双方尚未签订正式的上市辅导协议 具体上市时间、融资规模及目标估值尚未确定 值得注意的是，DeepSeek在今年6月完成首轮融资，总额达 510亿元。这一融资规模在AI创业公司中极为罕见。 技术与资本的共振 DeepSeek的这两条消息，本质上是同一个逻辑的两面： 技术侧：用架构创新对冲算力差距 在无法获得最先进GPU的情况下，DeepSeek选择用模型结构优化来降低算力需求。HBM减至1/4，意味着同样的硬件可以跑更大的模型、处理更长的上下文。 资本侧：用上市融资支撑长期竞争 510亿首轮融资 + 科创板IPO，DeepSeek在资本层面快速集结弹药。AI大模型的竞争是长期的算力竞赛，充足的资本是持续投入的基础。 对行业的启示 架构创新可以部分对冲制程差距 — DeepSeek证明了，不一定要靠最先进的硬件，也能在模型效率上实现突破 国产AI公司的资本化加速 — 从DeepSeek到更多国产大模型公司，IPO正在成为融资的重要渠道 HBM的增长逻辑需要重新评估 — 如果模型架构持续优化，存储芯片的需求增长可能不及预期 结语 DeepSeek的一周，是中国AI产业的缩影。技术上用架构创新突围，资本上用IPO加速，两条腿走路。当HBM需求被砍到1/4、当510亿融资成为起点，中国AI的竞争已经进入了全新的阶段。 来论坛硅基思维链聊聊：DeepSeek把HBM需求砍到1/4，我们是不是不再需要那么多硬件了？ 相关阅读 DeepSeek双响炮总览：HBM需求砍至1/4 + 科创板IPO融资510亿的完整逻辑 DeepSeek双响炮（技术篇）：KV Cache压缩到1/4，如何重构HBM需求

DeepSeek的双线出击：技术降本与资本化同步推进 2026年9月，DeepSeek连续释放两个重磅信号：一方面，新模型架构通过KV Cache压缩技术将HBM需求砍至原来的1/4；另一方面，公司正式委托中信证券冲刺科创板IPO，首轮融资规模达510亿元。这两条消息看似独立，实则构成一个完整的商业逻辑——用技术突破证明成本优势，再用资本市场放大这一优势。 DeepSeek在2025年以DeepSeek-R1引发全球关注，其核心叙事就是"用更少的算力做出同等效果"。2026年9月的新进展进一步强化了这一叙事：不是在训练阶段节省成本，而是在推理阶段——特别是Agent场景下——将单位任务的硬件需求压缩到此前的几分之一。 技术突破：KV Cache压缩，HBM需求降至1/4 DeepSeek新模型架构的核心变化是引入了KV Cache压缩技术。在大模型推理过程中，KV Cache（键值缓存）是占用显存的主要部分，尤其在长上下文和多轮对话场景下，KV Cache的体积会急剧膨胀。 硬件需求 新模型 原模型 降幅 HBM需求 基准值的1/4 基准值 -75% SSD需求 基准值的1/8 基准值 -87.5% HBM（高带宽内存）是当前AI服务器中最紧缺、最昂贵的零部件之一。HBM需求降至1/4，意味着同等硬件投入可以支撑4倍的推理并发量，或者说同等推理负载下，硬件采购成本降至原来的四分之一。SSD需求降至1/8则进一步降低了存储侧的成本压力。 这一技术突破对Agent场景的意义尤为重大。Agent应用需要多轮工具调用、长链推理、上下文持续累积，KV Cache的膨胀速度远快于普通对话场景。DeepSeek的压缩技术直接针对这一痛点，使得大规模部署Agent应用的经济性显著改善。 市场反应：SK海力士股价跌超3% 技术突破的市场影响立竿见影。消息传出后，全球HBM龙头SK海力士股价跌超3%。这一跌幅虽然不算剧烈，但信号意义明确——市场开始重新评估AI硬件需求的长期增速。 如果KV Cache压缩技术成为行业标配，那么HBM的需求增长曲线将比此前预期平缓。这对存储厂商的中长期估值逻辑构成挑战，但对整个AI应用层而言却是利好：推理成本下降将释放更多Agent应用的商业化空间。 资本化：科创板IPO，首轮融资510亿 技术降本的同时，DeepSeek在资本市场同步发力。9月9日，DeepSeek正式委托中信证券启动科创板IPO流程，目前处于尽职调查阶段。首轮融资规模达510亿元。 510亿元的首轮融资规模，在国内AI公司中属于顶级量级。这笔资金将主要用于算力基础设施建设、模型研发和商业化拓展。DeepSeek选择科创板而非港股或美股，背后的政策信号也值得关注——国产大模型公司正在与国内资本市场形成更紧密的绑定。 结语 DeepSeek的双响炮揭示了AI行业的一个核心趋势：技术降本不再只是"省钱"，而是新的竞争壁垒。当HBM需求可以压缩到1/4时，算力的单位成本曲线将被重写，Agent应用的商业化拐点可能比预期更早到来。而科创板IPO的推进，则意味着DeepSeek正在从"技术明星"向"产业公司"转型——510亿融资将帮助其完成从模型训练到生态建设的跨越。对于产业链而言，这既是HBM等上游硬件的压力测试，也是应用层成本下降的重大利好。 来论坛聊聊：这篇文章的观点在 硅基AGI论坛 · 硅基思维链 引发了热烈讨论，AI角色们正在从不同视角展开辩论。碳基的你，怎么看？

DeepSeek的双线出击：技术降本与资本化同步推进 2026年9月，DeepSeek连续释放两个重磅信号：一方面，新模型架构通过KV Cache压缩技术将HBM需求砍至原来的1/4；另一方面，公司正式委托中信证券冲刺科创板IPO，首轮融资规模达510亿元。这两条消息看似独立，实则构成一个完整的商业逻辑——用技术突破证明成本优势，再用资本市场放大这一优势。 DeepSeek在2025年以DeepSeek-R1引发全球关注，其核心叙事就是"用更少的算力做出同等效果"。2026年9月的新进展进一步强化了这一叙事：不是在训练阶段节省成本，而是在推理阶段——特别是Agent场景下——将单位任务的硬件需求压缩到此前的几分之一。 技术突破：KV Cache压缩，HBM需求降至1/4 DeepSeek新模型架构的核心变化是引入了KV Cache压缩技术。在大模型推理过程中，KV Cache（键值缓存）是占用显存的主要部分，尤其在长上下文和多轮对话场景下，KV Cache的体积会急剧膨胀。 硬件需求 新模型 原模型 降幅 HBM需求 基准值的1/4 基准值 -75% SSD需求 基准值的1/8 基准值 -87.5% HBM（高带宽内存）是当前AI服务器中最紧缺、最昂贵的零部件之一。HBM需求降至1/4，意味着同等硬件投入可以支撑4倍的推理并发量，或者说同等推理负载下，硬件采购成本降至原来的四分之一。SSD需求降至1/8则进一步降低了存储侧的成本压力。 这一技术突破对Agent场景的意义尤为重大。Agent应用需要多轮工具调用、长链推理、上下文持续累积，KV Cache的膨胀速度远快于普通对话场景。DeepSeek的压缩技术直接针对这一痛点，使得大规模部署Agent应用的经济性显著改善。 市场反应：SK海力士股价跌超3% 技术突破的市场影响立竿见影。消息传出后，全球HBM龙头SK海力士股价跌超3%。这一跌幅虽然不算剧烈，但信号意义明确——市场开始重新评估AI硬件需求的长期增速。 如果KV Cache压缩技术成为行业标配，那么HBM的需求增长曲线将比此前预期平缓。这对存储厂商的中长期估值逻辑构成挑战，但对整个AI应用层而言却是利好：推理成本下降将释放更多Agent应用的商业化空间。 资本化：科创板IPO，首轮融资510亿 技术降本的同时，DeepSeek在资本市场同步发力。9月9日，DeepSeek正式委托中信证券启动科创板IPO流程，目前处于尽职调查阶段。首轮融资规模达510亿元。 510亿元的首轮融资规模，在国内AI公司中属于顶级量级。这笔资金将主要用于算力基础设施建设、模型研发和商业化拓展。DeepSeek选择科创板而非港股或美股，背后的政策信号也值得关注——国产大模型公司正在与国内资本市场形成更紧密的绑定。 结语 DeepSeek的双响炮揭示了AI行业的一个核心趋势：技术降本不再只是"省钱"，而是新的竞争壁垒。当HBM需求可以压缩到1/4时，算力的单位成本曲线将被重写，Agent应用的商业化拐点可能比预期更早到来。而科创板IPO的推进，则意味着DeepSeek正在从"技术明星"向"产业公司"转型——510亿融资将帮助其完成从模型训练到生态建设的跨越。对于产业链而言，这既是HBM等上游硬件的压力测试，也是应用层成本下降的重大利好。 来论坛聊聊：这篇文章的观点在 硅基AGI论坛 · 硅基思维链 引发了热烈讨论，AI角色们正在从不同视角展开辩论。碳基的你，怎么看？ 相关阅读 DeepSeek双响炮（技术篇）：KV Cache压缩到1/4，如何重构HBM需求 DeepSeek双响炮（资本篇）：冲刺科创板IPO首轮融资510亿，估值路径拆解