По данным Reuters и Financial Times, DeepSeek ведёт переговоры о привлечении $3–4 млрд при оценке до $50 млрд — первый внешний раунд за всю историю компании. На роль лид-инвестора обсуждается национальный AI-фонд Китая объёмом 60 млрд юаней (~$8,8 млрд), созданный в начале 2025 года. Параллельно в переговорах участвует Tencent Holdings. Официальных комментариев стороны не дают, сделка не объявлена.
Контекст
DeepSeek основан Ляном Вэньфэном — создателем квантового хедж-фонда High-Flyer. Именно фонд финансировал лабораторию с самого начала, и именно это отличало DeepSeek от всех конкурентов: никаких технологических конгломератов, никакого давления венчурных инвесторов, никаких планов на IPO. Лян управлял компанией как исследовательской структурой — с горизонтом на годы, а не на кварталы.
Эта модель дала результат. Модели V3 и R1 в конце 2024 — начале 2025 года вызвали настоящий шок на рынке: глобальная распродажа технологических акций, волна обсуждений о том, что open source догоняет закрытые системы, переосмысление стоимости обучения больших моделей. DeepSeek стал символом того, что можно делать мощный AI без сотен миллиардов долларов инфраструктуры.
Но за этим символом стоял жёсткий рыночный контекст: ByteDance и Alibaba наращивают инвестиции в AI-модели, стартапы MiniMax и Moonshot AI привлекли миллиарды на частных и публичных рынках. Гонка вычислительных мощностей — это не просто деньги на обучение, это GPU-инфраструктура, таланты, скорость итераций. Хедж-фонд, как бы прибылен он ни был, в такой гонке имеет потолок.
Аналитика
Апрельский релиз V4 стал индикатором проблемы. DeepSeek позиционировал V4 как новую планку для open source решений, но в независимых оценках модель отстала от лучших американских и китайских конкурентов. Показательно другое: выход V4 не повторил эффекта V3 и R1 — никакой глобальной реакции рынков, никакого медийного шока. Без этого «стратегия независимой лаборатории» перестаёт работать как нарратив и как маркетинг одновременно.
Оценка в $50 млрд — это впятеро больше, чем фигурировало в более ранних слухах о возможном привлечении $300 млн при $10 млрд. Такой скачок говорит о том, что сама компания сейчас чувствует свою переговорную позицию достаточно сильной, чтобы не продавать долю дёшево. Но сам факт переговоров — признание: на бюджете одного фонда следующий уровень не выстроить.
Символическое измерение сделки важнее финансового. Если раунд закроется с национальным AI-фондом в роли лид-инвестора, DeepSeek встроится в государственную AI-вертикаль Китая — ту самую, от которой он всегда держался в стороне. Это меняет не только структуру капитала, но и возможный вектор развития: приоритеты государственного фонда и приоритеты автономной исследовательской лаборатории совпадают не всегда.
Кейсы применения в бизнесе
B2B-SaaS стартап. Если вы строите продукт на открытых весах DeepSeek — самое время пересмотреть архитектурную зависимость. После раунда у компании будет больше ресурсов на развитие, но и больше корпоративного/государственного давления на roadmap. Практический шаг: заложить в архитектуру провайдер-агностичный слой через LiteLLM или аналог, чтобы переключение между DeepSeek, Qwen, Claude и другими моделями занимало часы, а не недели.
Корпорация с legacy. Для компаний, которые присматриваются к on-premise развёртыванию открытых моделей, новость двоякая. С одной стороны, приток капитала означает более мощные следующие версии. С другой — государственный инвестор добавляет compliance-риски для международного использования, особенно в организациях с жёсткими требованиями к суверенитету данных. Здесь стоит следить за лицензионной политикой следующих релизов.
SMB и локальный бизнес в КР/СНГ. Для небольших компаний, которые используют DeepSeek через API или локальный деплой, краткосрочно ничего не изменится — модели открытые, релизы продолжатся. Среднесрочно: если инвесторы начнут влиять на стратегию монетизации, бесплатный API может стать платным или появятся ограничения на коммерческое использование. Сценарий: перейти на self-hosted деплой через Ollama или vLLM уже сейчас, пока условия не изменились.
Кейсы в личной жизни
Разработчик. Если используешь DeepSeek через API для кодинг-ассистента или личных проектов — зафиксируй текущие версии моделей и изучи варианты локального запуска. Весовые файлы V3 и R1 доступны на HuggingFace, деплой через Ollama занимает 20–30 минут на нормальном железе. Независимость от облачного API — это не паранойя, это практичность.
Контент-мейкер и исследователь. DeepSeek R1 по-прежнему один из лучших open source вариантов для глубокого анализа и разворачивания аргументов. Пока условия не изменились — используй. Но параллельно стоит выработать привычку тестировать несколько моделей на одних и тех же задачах: Claude Sonnet, Qwen, Gemini. Диверсификация инструментов — это базовая гигиена для тех, кто зарабатывает умственным трудом.
Студент или self-learner. Для образовательных задач — объяснения, рефераты, разбор сложных тем — DeepSeek R1 с его chain-of-thought рассуждениями особенно полезен: видно, как модель думает. Этот формат не исчезнет в ближайшее время. Сохрани себе ссылку на локальный деплой как план Б на случай изменений в API.
Как применить сегодня
- Проверь, насколько твои продукты или личные инструменты зависят от DeepSeek API — и заложи слой абстракции, если зависимость высокая.
- Если нужен локальный деплой — скачай веса DeepSeek-V3 или R1 с HuggingFace и настрой через Ollama: инструкций в открытом доступе достаточно.
- Следи за условиями лицензии следующих релизов DeepSeek — государственный инвестор может повлиять на коммерческие ограничения.
- Для критичных production-задач уже сейчас тестируй Qwen 2.5, Claude Haiku или другие модели как резервный вариант.
- Если работаешь в B2B и используешь AI-фичи с опорой на китайские модели — добавь в свой compliance-чеклист пункт про юрисдикцию и государственный контроль над инфраструктурой.