据路透援引知情人士报道，DeepSeek已聘请中信证券，为可能登陆上海科创板做准备，并计划在年内启动相关流程。报道称，具体上市时间、募资规模和目标估值尚未确定，但公司走向资本市场的路径已比此前清晰。该消息目前仍属未经证实的传闻。
这与两年前梁文锋的公开表态形成对照。当时有人问DeepSeek是否会从幻方量化中独立、甚至引入外部资本，他的回答是短期没有融资计划，公司面临的主要问题从来不是钱，而是高端芯片受到限制。此后一段时间，DeepSeek确实少有融资消息，也不主动制造市场声量，商业化并非最优先任务，幻方量化提供的资金与算力基础让其得以把精力集中在模型研发上。
如今情况出现多重变化。路透报道称，DeepSeek近期完成了约74亿美元融资，投后估值超过500亿美元，腾讯、宁德时代等成为外部投资者。报道还提到，公司需要更多资本扩充计算基础设施、推进模型研发，并在日益激烈的人才竞争中留住核心研究人员。
另一项变化来自商业化。8月，DeepSeek大幅调整V4系列API价格，并引入峰谷定价机制，高峰时段部分价格涨幅达到数倍，随后又对周末价格作出调整。公开信息显示，高峰算力紧张是推动价格机制变化的重要因素之一。这意味着公司不仅要回答模型能否更强，还要在训练与推理之间分配算力，在收入、毛利与开发者生态吸引力之间寻找平衡。
把这些放在一起看，比单纯讨论“要不要上市”更值得关注。DeepSeek在2025年初之所以震动全球市场，一个重要原因是成本：V3公布的训练计算成本远低于当时许多市场预期，R1随后进一步放大了冲击。市场一度把故事简化为“用更少的钱做出更强的模型”，甚至追问美国科技巨头持续投入数百亿美元建设AI基础设施是否还有必要。但更准确的理解是，它并未证明AI可以不花钱，而是重新提示了一个被资本热潮掩盖的常识：投入多少资源，与最终形成多少竞争力之间，并不存在简单的线性关系。
资源约束曾是DeepSeek效率优势的来源之一。高端芯片受限迫使团队提高算力利用效率，资源不宽裕要求研发更加集中，没有足够资源覆盖错误就必须提高判断质量。但一次领先与持续领先对企业提出的要求并不相同：新模型要持续训练，推理需求随用户规模增长，顶尖人才需要长期竞争，更多技术方向要同时验证，模型能力还要向产品、API和生态转化。第一次突破可以依赖少数研究人员和一次关键技术判断，连续几年保持领先则需要研发体系、算力供给、人才机制与组织管理长期协同。
从资本市场角度看，IPO不只是“公司需要更多钱”。企业规模较小时，资源可以围绕创始团队组织；进入更高量级竞争后，需要连接的资源开始超出创始体系本身，包括持续投入的算力、长期激励的人才、承受更大失败成本的研发，以及商业化所需的新组织和基础设施。资本市场提供的是一套长期连接资金、人才与产业资源的机制。因此，梁文锋两年前说“问题不是钱”，与今天走向IPO并不必然矛盾——当时的关键是芯片与技术突破，如今需要调动的资源种类、规模和周期都已变化。
真正的考验在于，资源增加之后竞争力能否同步增强。资源紧张时，企业招聘需反复权衡、项目必须排序、每笔预算都有明显机会成本；融资成功后约束减弱，项目可能膨胀，管理复杂度上升，原本会被叫停的投入可能以“长期布局”的名义延续。决定结果的，是组织能力增长能否跟上资源规模增长。若资源从10增长到100，而组织仍按管理10份资源的方式决策，新增部分很可能带来浪费；若组织能力同步提升，更多资本则可能转化为研发纵深、人才密度与技术选择权。
对DeepSeek而言，未来值得观察的或许不是募资额与估值本身，而是几个更难量化的指标：单位算力能换来多少模型能力，单位研发投入能形成多少技术成果，组织扩大后创新效率是否明显下降。这些并非财务报表的标准科目，却更能判断它是否保留了此前的核心优势。资本市场能改变一家公司可调动的资源规模，却不能替它完成组织能力的升级；上市也不会成为答案。