DeepSeek开源核心推理模块，美国为何如临大敌？

DeepSeek 将大模型中最核心的深度推理模块开源，美国政府几乎同步宣布禁止政府机构使用其产品。一个开源动作为何引发如此强烈的反应？这背后牵扯的不仅是技术路线之争，更是 AI 时代权力结构的重新分配。

开源了什么：不只是代码，是"指挥官"

据 B 站 UP 主分析，DeepSeek^广告 这次开源的并非普通外围组件，而是大模型架构中的深度推理部分（Deep Infer）。这块模块承担的是"指挥官"角色：输入数据经过翻译后变成模型可理解的指令，再由它决定调用什么算子、何时并行、何时串行。它是整个大模型里最核心、最关键的部分之一。

开源的含义也不只是"给你看代码"。按照该 UP 主的解释，DeepSeek 不仅公开源代码，还允许使用、允许修改，修改后的产品归修改者所有，唯一条件是衍生作品同样需要开源。这意味着任何人、任何公司都可以免费部署 DeepSeek 模型，无需向 DeepSeek 付费。

另一边，DeepSeek 还公开了成本结构：一小时毛利多少、单 token 消耗、一个集群一天能处理多少 token，这些数据一并给出。模型同时支持英伟达和华为昇腾芯片，硬件适配层面也没有设置壁垒。

深度推理模块之所以被称为大模型的"指挥官"，是因为它位于模型架构的调度层，而非简单的计算层。以当前主流的大模型推理流程为例，一个用户请求进入模型后，首先经过嵌入与编码转化为向量序列，随后由推理调度器决定：哪些部分可以并行计算（如多头注意力中的不同注意力头）、哪些必须串行执行（如自回归生成中的逐 token 依赖）、在显存与算力之间如何权衡分配、何时触发稀疏激活以节省计算。这个调度层直接决定了模型的推理效率、吞吐量和成本结构。开源这一层，等于公开了闭源厂商最核心的工程优化秘密——同样的模型参数，调度策略不同，推理成本可能相差数倍。这也是为什么开源"指挥官"比开源外围工具的影响大得多。

闭源巨头的"命根子"被动摇了

OpenAI 和 Anthropic 走的是完全相反的路线。它们的模型由自己控制，用户只能付费使用，无法查看代码，更无法修改。如果未来 AI 能力持续提升并在主要行业替代人类工作，而这项能力只掌握在少数几家闭源公司手中，那么全世界其他参与者只能把数据贡献给它们，既看不到内部逻辑，也无力进行自主迭代。

该 UP 主用了一个比喻：闭源巨头把自己当作神，把火种留在天庭；DeepSeek 的开源则相当于普罗米修斯盗火，把火带到人间。这个说法虽有修辞色彩，但指向的问题很实际——当 AI 成为基础设施级别的能力时，谁掌握底层框架，谁就掌握了话语权。

从历史看，开源对闭源的胜率并不低。Linux 在与 Windows 的长期对抗中站稳了服务器市场，Java 生态也在企业开发中压过了 .NET。开源能调动的开发者基数，是任何一家闭源公司无法匹敌的。

Anthropic 公开的 7200 亿美元算力租赁承诺，需要放在 AI 军备竞赛的背景下理解。训练和运行前沿大模型需要大规模 GPU 集群，而单块高端 GPU 的租赁成本极高，集群规模往往达到数万块。厂商通常与云服务商或芯片供应商签订多年期算力预留协议，以锁定价格和供应，这些承诺构成刚性支出。要覆盖如此庞大的固定成本，厂商必须实现用户量和调用量的指数级增长，同时维持较高的单 token 定价。一旦开源模型以更低成本提供接近的能力，闭源厂商的定价权和用户增长预期同时承压，固定成本就会变成财务负担而非竞争壁垒。这正是开源模型对闭源商业模式的冲击机制——不是直接抢走用户，而是压缩其定价空间和增长叙事。

商业模型的结构性威胁

更直接的冲击在商业层面。据视频内容，Anthropic 公开的算力租赁承诺高达 7200 亿美元，OpenAI 也面临类似的巨额支付义务。要覆盖这些成本，它们需要用户量高速增长，同时保持较高的单 token 收费水平。

DeepSeek 开源模型的出现改变了这个等式。即便当前能力不如 OpenAI，开源模型的能力迭代速度更快，且部署成本远低于闭源 API。只要开源模型能完成某项任务，闭源厂商就很难对该任务收取更高价格。这解释了为什么 OpenAI 和 Anthropic 的 token 价格在快速下降——不降就没人用。

对美国政府而言，问题在于美国当前的经济叙事——繁荣、霸权、增长预期——高度依赖 AI 这一个支柱。如果两家核心 AI 公司的营收模型出现结构性坍塌，而不只是短期波动，那就不只是企业问题。

这也解释了为什么美国政府几乎同步出台禁用令。该 UP 主认为，干预能力有限，但几乎不得不干预，因为要保住的是"命根子"。

标准之争：谁定义下一代 AI 的框架

开源还有一个容易被忽略的效应：标准制定权。一旦大量开发者以 DeepSeek 的框架为基础做二次开发和迭代，基本的架构结构就会形成路径依赖——二次开发很少会推翻底层重来，更多是在现有框架上调整优化。

这样一来，DeepSeek 实际上掌握了一套行业标准的基础结构。它不能像闭源巨头那样垄断，但可以影响未来 AI 技术方向的走势，在话语权上占据领先位置。对于一家开源公司来说，这可能是比短期商业收入更重要的资产。

路径依赖（path dependence）是理解标准制定权的关键概念。在技术生态中，一旦大量开发者基于某一框架构建应用、工具链和人才储备，切换成本会随时间推移不断上升：代码需要重写、工程师需要重新培训、上下游工具需要重新适配。Linux 在服务器市场的胜出正是这一机制的典型——并非 Linux 在技术上全面优于 Windows，而是围绕 Linux 形成了庞大的发行版、运维工具和开发者社区，使得替换成本高到绝大多数企业不愿承担。DeepSeek 开源核心推理模块后，若开发者在其基础上做微调和二次开发，底层的算子调度接口、并行策略和硬件适配层就会逐渐成为事实标准。这种标准制定权不带来直接垄断收入，但决定了未来谁有资格定义技术演进的方向和兼容性规则。

编辑观察

需要说明的是，以上分析主要来自单一视频来源（B 站 UP 主），其中的财务数据和政策动机判断属于该创作者的解读，尚未经过多源交叉验证。开源与闭源的路线之争在 AI 领域远未定论，DeepSeek 的开源策略能走多远、美国政府的管制是否有效，都需要更长时间的观察。但有一点可以确认：当一个开源项目能让超级大国在数小时内做出政策反应时，它对行业权力格局的冲击已经真实发生了。