Китайский ИИ-стартап DeepSeek, по данным источников The Decoder, привлекает раунд около $10 млрд — при этом оценка компании составит порядка $45 млрд. Основатель Лян Вэньфэн прямо сообщает потенциальным инвесторам: компания ставит AGI-исследования выше краткосрочной прибыли. Это редкая позиция для стартапа на стадии мегараунда.
Контекст
DeepSeek вышел на международную арену в начале 2025 года, когда релиз модели R1 вызвал волну сравнений с лучшими западными LLM — при заявленно значительно меньших вычислительных затратах. Компания базируется в Ханчжоу и связана с хедж-фондом High-Flyer Capital Management. Лян Вэньфэн изначально строил DeepSeek как внутренний R&D-проект фонда, и эта ДНК никуда не делась.
На фоне того как OpenAI, Anthropic и Google наращивают продуктовые линейки и монетизацию, DeepSeek демонстративно держится иной траектории. Компания практически не занималась агрессивными продажами, выпускала модели с открытыми весами и публиковала технические отчёты — поведение, нетипичное для стартапа с такой оценкой.
$45 млрд — это уже территория крупнейших технологических компаний Китая. При этом DeepSeek, судя по публичным сигналам, не торопится монетизировать через SaaS-подписки или корпоративные лицензии так агрессивно, как это делают западные конкуренты.
Аналитика
Позиция «AGI прежде прибыли» звучит красиво, но за ней стоит конкретная логика. Компания, которая выиграла гонку за эффективность (именно это дало DeepSeek R1 резонанс), теперь пытается конвертировать репутацию в долгосрочный капитал — буквально. Инвесторы, согласные финансировать фундаментальные исследования без жёсткого горизонта окупаемости, — это стратегический актив сам по себе.
Это также сигнал о том, что гонка к AGI перестала быть риторикой. OpenAI декларировала AGI-миссию с первого дня, но давление коммерциализации очевидно в каждом продуктовом решении. DeepSeek явно пытается занять нишу «настоящего исследовательского центра» — позицию, которую исторически занимала DeepMind до поглощения Google. Вопрос в том, насколько долго такая позиция совместима с внешним капиталом.
Для рынка важен ещё один момент: если DeepSeek получит $10 млрд на фундаментальные исследования, а не на продуктовый рост, это означает, что следующие прорывные модели придут скорее из лаборатории, чем из продуктовой дорожной карты. Это меняет характер конкуренции — не «чья подписка дешевле», а «у кого следующий качественный скачок».
Кейсы применения в бизнесе
B2B-SaaS стартап: Если DeepSeek продолжит выпускать открытые модели, у небольших команд появляется возможность строить продукты на базе state-of-the-art LLM без лицензионных платежей. Сценарий — взять открытые веса DeepSeek, дообучить на отраслевых данных (юридика, бухгалтерия, логистика), развернуть на собственной инфраструктуре. Экономия на API-затратах при масштабе может быть существенной.
Корпорация с legacy: Крупные компании, которые присматриваются к AI-агентам, но осторожны с vendor lock-in на западные платформы, получают ещё один аргумент диверсифицировать поставщиков. DeepSeek как альтернативный провайдер базовых моделей снижает зависимость от одного вендора — особенно важно для компаний, работающих в регуляторных юрисдикциях с требованиями к локализации данных.
SMB и локальный бизнес в КР/СНГ: Открытые модели DeepSeek уже доступны через Ollama и аналоги — их можно запустить локально без передачи данных за рубеж. Для небольшой компании в Бишкеке или Алматы, которая хочет AI-ассистента без ежемесячной подписки в валюте, это реальный вариант. Модели среднего размера работают даже на потребительском железе.
Кейсы в личной жизни
Разработчик: Следить за техническими отчётами DeepSeek стоит не из академического интереса. Компания публикует детали архитектурных решений, которые потом становятся стандартом отрасли. Изучение их подходов к обучению с подкреплением и эффективному инференсу — конкурентное преимущество при проектировании собственных AI-систем.
Контент-мейкер и аналитик: Модели DeepSeek уже интегрированы в ряд инструментов — от IDE-плагинов до чат-интерфейсов. Если вы используете платный API Claude или GPT для больших объёмов обработки текста, имеет смысл протестировать DeepSeek-модели как более экономичную альтернативу для задач, где абсолютное качество не критично.
Студент и исследователь: Открытые веса — это учебный материал. Скачать модель, поэкспериментировать с файн-тюнингом на небольшом датасете, понять, как меняется поведение — всё это доступно без корпоративного бюджета. DeepSeek сделал это проще, чем когда-либо.
Как применить сегодня
- Зайти на HuggingFace и посмотреть актуальный каталог открытых моделей DeepSeek — выбрать по размеру под свои задачи.
- Запустить модель локально через Ollama (команда
ollama run deepseek-r1в терминале) — без регистрации и API-ключей. - Если вы строите продукт — сравнить DeepSeek с текущим провайдером по качеству ответов на ваших реальных промптах, а не на синтетических бенчмарках.
- Подписаться на технический блог DeepSeek или отслеживать их публикации на arXiv — компания регулярно публикует методологические детали.
- При планировании AI-стека зафиксировать DeepSeek как «план Б» на случай роста цен у основного вендора или изменения условий лицензирования.