国内大厂为何纷纷错过DeepSeek？

DeepSeek 的崛起在 2025 年引发了全球科技界的关注，其开源模型 DeepSeek-R1 凭借创新的架构设计和低成本高效能的技术路线，迅速成为现象级产品。然而，国内诸多科技大厂却未能抓住这一机遇，原因可以从以下几个方面进行分析： 1\.大厂的创新机制与风险偏好 大厂通常追求效率和规模化的创新，倾向于在已有的技术路径和业务模式上进行优化，而对高风险、高不确定性的颠覆式创新较为谨慎。DeepSeek 的混合专家模型（MoE）路线在早期并不被看好，因为它与当时主流的“堆叠算力”路线不同。大厂的这种风险偏好，使得它们在面对 DeepSeek 这样的创新时，未能及时投入资源进行探索。 2\.组织僵化与 KPI 压力 大厂的组织架构和 KPI 考核机制对创新形成了限制。例如，腾讯要求项目在短时间内展现用户增长和商业潜力，否则很难存活。这种短视的创新理念使得大厂难以支持像 DeepSeek 那样在初期缺乏明确商业化路径的项目。DeepSeek 在早期专注于代码生成这一冷门赛道，且在行业内“查无此人”，如果它在大厂，很可能因“短期无法盈利”被砍掉。 3\.对市场趋势的误判 在 DeepSeek 成立初期，AI 领域的投资主要集中在具有强大算力基础和顶级研究团队的公司。投资机构和大厂普遍认为高性能计算（HPC）和 GPU 资源将成为 AI 竞争的核心壁垒。而 DeepSeek 的策略是通过优化模型架构和算法来降低算力需求，这种模式在早期未被大厂和投资机构看好。 4\.缺乏对初创企业的关注 DeepSeek 由幻方量化在 2023 年出资设立，成立仅一年半，且未接受外部机构的股权投资。它采取低调策略，缺乏明星创始人，早期市场影响力有限。大厂和投资机构往往更关注成熟的企业和热门赛道，对这类低调的初创企业关注度不足，从而错过了 DeepSeek。 5\.技术突破与市场策略的结合 DeepSeek 的成功不仅在于技术突破，还在于其市场策略的成功结合。其低成本、高性能的模型架构和开源模式，使得其边际成本大幅下降，加速了生成式 AI 的普及。大厂在技术研发和市场推广上往往较为分散，难以像 DeepSeek 那样将技术创新与市场策略紧密结合，从而错失了先机。 总结 国内大厂错过 DeepSeek 是多种因素共同作用的结果。大厂的创新机制、组织架构、市场趋势判断以及对初创企业的关注不足，都使得它们在面对 DeepSeek 这样的颠覆式创新时反应迟缓。这一现象也提醒大厂，未来需要更加关注高风险、高回报的创新机会，同时优化内部创新机制，以避免再次错过类似的机会。