2026年6月17日，Forbes披露了一个震动全球AI投资圈的数字：DeepSeek完成约74亿美元融资，估值跃入750亿美元区间。[1] 这家以极致效率著称的中国AI公司，在不到18个月的时间里完成了从”开源搅局者”到”资本宠儿”的蜕变。但真正值得深度解读的信号，并非这笔巨额融资本身——而是DeepSeek拿到钱之后做的第1件事：领投机器人AI创业公司Winverse AI的4亿美元融资轮。[2][3]

这笔交易的战略含义远超财务回报。当一家以训练效率和推理成本碾压同行的大模型公司，开始将资本和技术触角伸向物理世界的机器人领域时，它释放的信号是：中国AI竞争的主战场正在从云端算力和模型参数，向具身智能（Embodied AI）的全栈生态迁移。

本文将拆解这笔投资背后的技术逻辑、商业算盘和产业格局，试图回答一个核心问题：DeepSeek究竟在下一盘什么棋？

事实可靠性说明： 本文所依据的核心事件（DeepSeek融资、领投Winverse AI）均有Forbes、南华早报、TechCrunch、路透社等主流媒体的公开报道支撑。涉及市场预测、公司内部战略意图、未公开财务数据的内容，本文将明确标注为”据推测”、”根据公开信息估算”或”据匿名信源报道”，请读者在引用时注意区分。

第1章：4亿美元的信号——为什么是Winverse AI？

一家”出身名门”但仍需审视的机器人公司

Winverse AI并非一家无名创业公司。根据南华早报（South China Morning Post）2026年6月的报道，其创始人此前曾担任Tencent的AI科学家，在AI与机器人交叉领域有深厚的技术积累。[2] TechCrunch同期报道进一步指出，Winverse AI的核心技术方向是具身智能中间件——即连接大语言模型与机器人物理控制系统的软件层。[3]

但必须坦率地说，作为全文核心主角的Winverse AI，目前公开可获取的信息仍然有限。除了创始人背景和本轮融资规模外，该公司尚未公开披露具体的产品形态、技术路线白皮书、团队完整名单或此前的融资历史。对于一家获得4亿美元融资的公司，这种信息不对称值得读者保持审慎。以下涉及Winverse AI技术能力的分析，均基于已公开报道和行业逻辑推演，而非该公司的官方披露，请读者将其视为有根据的推断而非确证事实。

从已知信息推断，Winverse AI的核心技术挑战在于将大规模语言模型的推理能力与机器人的物理操控能力进行深度融合。这不是简单的”给机器人装一个ChatGPT”——而是需要解决一系列极其困难的技术问题：如何将语言指令转化为精确的运动规划？如何让模型在物理世界的不确定性中保持鲁棒性？如何在边缘设备有限的算力上运行足够复杂的推理模型？

这些问题恰好落在DeepSeek最擅长的技术区间。DeepSeek在大模型领域最核心的竞争力不是”模型更大”，而是”同等能力下成本更低、效率更高”。根据DeepSeek 2025年1月发布的技术报告，其R1模型通过混合专家架构（MoE）的深度优化，在多个基准测试中达到与OpenAI o1相当的水平，而训练成本仅为后者的数分之一。[4] 这种能力在具身智能领域的价值被严重低估——机器人端侧部署对模型的轻量化和推理效率有极端苛刻的要求，而这正是DeepSeek的技术基因所在。

投资逻辑的3层解读

第1层（表面）： DeepSeek需要应用场景来消化其不断增长的模型能力。根据The Information 2026年6月的报道，DeepSeek的API业务在2025年下半年经历了快速增长，但纯API收入的天花板清晰可见——当你把推理成本压到极致，价格战的终局是利润趋近于零。[5] 投资机器人公司，是为模型能力寻找更高附加值的商业化出口。

重要数据说明： DeepSeek作为非上市公司，从未正式披露过具体的营收数据。2025年多家媒体（包括The Next Web和CryptoBriefing）曾援引匿名信源报道其”年化收入达到10亿美元量级”，但这一数字未经DeepSeek官方确认，且距今已超过12个月，实际数字可能已发生显著变化。本文将其视为量级参考而非精确数据，任何基于该数字的推断均应相应打折。

第2层（战略）： 据推测，Winverse AI是DeepSeek进入具身智能赛道的”桥头堡”。与其自建机器人硬件团队（这需要完全不同的工程能力和供应链管理经验），不如通过战略投资获得技术合作的入口，同时保持轻资产运营的灵活性。这与Alphabet通过投资和收购进入硬件领域的路径有相似之处，但节奏更快、赌注更集中。需要指出的是，DeepSeek官方从未公开表述过”桥头堡”这一战略定位，这是基于公开行为的推断性解读。

第3层（生态）： 这是大多数分析师忽略的维度。DeepSeek投资Winverse AI，本质上是在构建一个”基础模型→具身智能中间件→机器人应用”的垂直生态。在这个生态中，DeepSeek的大模型扮演”大脑”角色，Winverse AI的技术栈扮演”小脑和神经系统”角色，而下游的机器人硬件厂商（如Unitree宇树科技等）则提供”身体”。控制了中间两层，就掌握了整个价值链的定价权。 这一生态控制逻辑是本文的核心分析框架，属于基于行业规律的推断，而非DeepSeek的公开声明。

梁文锋的”亲自下场”

值得注意的是，DeepSeek创始人梁文锋（Liang Wenfeng）在这笔投资中扮演了积极角色。根据路透社2026年6月的报道，梁文锋近期频繁接触中国机器人创业公司，亲自推动DeepSeek在具身智能领域的布局。[6] 这种创始人级别的直接介入，据外部观察者推测，意味着具身智能不是DeepSeek的”副业探索”，而是被提升到了公司级战略的高度——但DeepSeek官方尚未就此发表正式声明。

梁文锋的背景值得回顾。他创办DeepSeek之前的核心身份是量化对冲基金幻方量化（High-Flyer）的掌舵人。量化交易的核心能力是什么？是在有限信息和不确定性中做出最优决策，是用算法在噪声中提取信号。这种思维方式移植到机器人领域，意味着梁文锋对”在物理世界的不确定性中部署AI”有天然的认知优势。他不会把机器人简单地看作”一个需要AI的硬件产品”，而是看作”一个需要在连续不确定性中做实时决策的智能体”——这恰恰是具身智能最核心的技术命题。

第2章：从价格屠夫到生态建设者——DeepSeek商业模式的进化

回溯：DeepSeek如何用效率碾压行业

要理解DeepSeek为何在此时此刻转向具身智能投资，必须先回溯其在大语言模型领域的崛起路径。

2025年1月，DeepSeek R1的发布被广泛视为AI行业的”分水岭事件”。Ars Technica在当时的报道中将其称为”中国AI实验室震撼全球科技行业”的标志性时刻。[4] 其核心冲击不在于模型能力本身——虽然R1在多个基准测试中达到了与OpenAI o1相当的水平——而在于实现这些能力所需的成本之低。DeepSeek通过一系列创新的训练方法（包括混合专家架构MoE的深度优化、多阶段训练策略、以及强化学习与监督微调的高效结合），将大模型训练和推理的成本压缩到了行业平均水平的数分之一。

这种效率优势在商业上的直接体现是API定价。以2025年中期的公开定价为参照，DeepSeek的API价格约为OpenAI同级别模型的1/5至1/10——例如，DeepSeek-V2的百万token输入价格为0.14美元，而GPT-4 Turbo同期定价约为10美元/百万token（以上定价数据来源于两家公司的公开定价页面，价格随时间变动，此处为当时快照参考）。这种数量级的价差直接改变了全球AI应用开发者的成本结构，也为DeepSeek赢得了”价格屠夫”的绰号。

但”价格屠夫”模式有一个内在矛盾：当你的核心竞争力是”便宜”时，你的利润空间也被自己压缩了。 更重要的是，随着Meta的Llama 3.1系列、阿里的Qwen 2.5系列等开源模型持续追赶，纯粹的API价格战是一个不可持续的竞争策略。

转折点：74亿美元融资改变了什么

2026年6月，DeepSeek完成了约74亿美元的融资。[1] 这笔融资的规模之大，在中国AI创业公司中前所未有。但正如Forbes报道所指出的，这笔融资背后有值得关注的复杂性——包括投资者构成、估值方法论以及资金的预期用途。[1]

关键的变化在于：这笔融资使DeepSeek从一个”技术驱动的模型公司”变成了一个”有能力进行大规模战略投资的平台型公司”。在此之前，DeepSeek的资源几乎全部投入在模型研发和算力基础设施上。74亿美元的新弹药，让它第1次有能力通过资本手段构建外部生态。

领投Winverse AI的4亿美元，就是这笔巨额融资落地后最具战略意义的第1步。[2] 从数字上看，4亿美元约占新融资总额的5.4%——这个比例本身也传递了一个信号：这是一笔经过计算的战略赌注，而非孤注一掷。

商业模式进化的底层逻辑

DeepSeek的商业模式正在从”单点突破”向”生态构建”演进。但需要强调的是，这种转变并非线性替代——DeepSeek在2026年仍在持续发布新模型（如V3、V4系列），API业务仍是核心收入来源。更准确的描述是：DeepSeek正在原有业务基础上叠加新的战略层。

这种转变可以用一个框架来理解，但各阶段高度重叠：

底层（持续进行）：技术研发。 核心任务是保持模型能力的领先性。这是一切商业化和生态构建的基础，从未停止。

中层（2025年加速）：商业化变现。 API收入快速增长，证明了技术能力可以转化为商业收入。但纯API模式的天花板开始显现——当模型能力趋同、价格趋低时，差异化只能来自应用场景和生态锁定。

上层（2026年启动）：生态投资。 通过战略投资进入高附加值的垂直领域（机器人/具身智能），将基础模型能力与物理世界的应用场景深度绑定。这不再是”卖API”的生意，而是”卖智能方案”的生意——据行业分析师普遍估计，此类方案的利润率和护城河都会显著优于纯API模式，但具体财务数据尚无公开来源支撑。

这种演进路径与历史上科技巨头的成长逻辑有相似之处。Google从搜索引擎起步，通过Android构建了移动生态；Amazon从电商起步，通过AWS构建了云计算生态。DeepSeek正在尝试的是：从大模型起步，通过具身智能投资构建物理AI生态。

区别在于速度和风险。Google和Amazon用了10年以上完成生态扩张，DeepSeek据推测试图在2至3年内完成类似的战略跃迁。这既是中国AI竞争白热化的结果，也是具身智能技术成熟度快速提升带来的窗口期机遇——但也意味着更高的执行风险。

第3章：物理AI的战略棋盘——为什么机器人是AI的”最终形态”

大模型的”灵魂出窍”困境

过去3年，大语言模型的能力提升令人瞩目。但一个被反复讨论却始终未被真正解决的问题是：纯数字世界的AI，其商业价值存在天然上限。

ChatGPT可以写文章、写代码、做分析，但它无法搬运一个包裹、组装一台手机、或者在仓库里分拣货物。根据McKinsey Global Institute 2026年7月发布的报告，全球GDP中约有70%由涉及物理操作的经济活动构成——制造、物流、农业、建筑、医疗手术、家庭服务。[7] 如果AI只能在屏幕上运行，它能触达的经济价值池就被限制在了”知识工作”这个相对狭窄的范围内。

这就是具身智能（Embodied AI）的战略意义所在。当AI拥有了”身体”——无论是人形机器人、工业机械臂还是自动驾驶车辆——它就能够参与物理世界的经济活动，释放出数量级更大的商业价值。

DeepSeek显然看到了这一点。更准确地说，梁文锋看到的不仅是”机器人是一个好市场”，而是“谁控制了机器人的’大脑’，谁就控制了物理AI时代的基础设施”——这是本文基于DeepSeek公开行为的核心推断，而非其官方表述。

技术栈的垂直整合机会

具身智能的技术栈可以粗略分为4层：

  1. 基础模型层： 提供语言理解、视觉感知、推理规划等核心AI能力。这是DeepSeek的主场。
  2. 具身智能中间件层： 将基础模型的输出转化为机器人可以执行的动作序列，包括运动规划、力控制、环境建模等。这是Winverse AI聚焦的领域。[3]
  3. 硬件平台层： 机器人的机械结构、传感器、执行器等物理硬件。Unitree宇树科技等公司在此领域有强势地位。
  4. 应用场景层： 面向具体行业的解决方案，如仓储物流、制造业、家庭服务等。

DeepSeek通过领投Winverse AI，实质上是在第1层和第2层之间建立了战略联盟。这种布局的精妙之处在于：它不需要DeepSeek自己去造机器人（这需要完全不同的工程能力），但通过控制”大脑”和”神经系统”，它可以对整个价值链施加影响力。

值得注意的是，根据路透社2026年6月的报道，DeepSeek同时也在探索与Unitree宇树科技的合作关系。[6] 必须明确指出，”探索合作”与”达成合作”之间存在显著差距，这一信息目前仍停留在传闻层面，尚未得到双方的正式确认。 本文将其列出是为了呈现完整的信息图景，但读者不应将其视为已确认的战略事实。如果最终属实，那么DeepSeek正在同时布局技术栈的第2层和第3层，构建一个从模型到硬件的完整生态闭环。

边缘推理：DeepSeek的隐藏王牌

在具身智能领域，有一个被严重低估的技术瓶颈：边缘推理能力。

机器人不能依赖云端推理。一个在工厂车间工作的机器人，如果每次做决策都需要将数据传到云端、等待模型推理结果返回，延迟将达到数百毫秒甚至更高——这对于需要实时响应的物理操作来说是不可接受的。根据IEEE Spectrum 2026年3月的报道，当前工业机器人的实时控制回路要求延迟低于10毫秒，而云端推理的典型延迟在50至500毫秒之间。[8] 机器人需要在本地（边缘设备）运行足够强大的AI模型，同时满足功耗、散热和成本的严格约束。

这恰好是DeepSeek最核心的技术优势所在。DeepSeek在模型压缩、量化推理、混合专家架构（MoE）等方面的积累，使其模型在同等能力下的计算需求远低于竞争对手。根据DeepSeek发布的技术报告，其MoE架构在推理时仅激活约10%的参数，大幅降低了单次推理的计算开销。[4] 这种”用更少算力做更多事”的能力，在云端场景下体现为更低的API价格，在边缘场景下则体现为”可以在机器人有限的芯片上运行更强大的模型”。

这是大多数观察者没有看到的关键洞察：DeepSeek在大模型领域锻造的效率优势，在具身智能领域不是被削弱了，而是被放大了。 云端场景中，效率优势体现为价格差异——用户可能为了省钱选择DeepSeek，但也可能为了其他原因选择竞争对手。而在边缘场景中，效率优势体现为能力差异——如果你的模型在机器人芯片上跑不起来，价格再低也没有意义。DeepSeek的轻量化模型可能是唯一能在边缘设备上提供足够推理能力的选项，这将效率优势从”nice to have”变成了”must have”。

这一判断基于公开的技术参数对比，属于有据可查的技术推断，但”唯一选项”的表述略有夸大——更准确的说法是：DeepSeek在边缘推理场景中具有显著的竞争优势，但并非没有替代方案（如经过专门优化的开源模型）。

对立视角1：为什么有人认为这步棋走早了

当然，并非所有人都看好DeepSeek的具身智能布局。一个有力的反对观点是：具身智能的技术成熟度远低于大语言模型，DeepSeek此时大举投资可能为时过早。

支持这一观点的证据包括：根据MIT Technology Review 2026年5月对Tesla Optimus项目的深度报道，当前最先进的人形机器人在复杂非结构化环境中的任务成功率仍然不到60%，远不及人类水平。[9] 机器人的硬件成本（尤其是高精度执行器和传感器）仍然高昂——根据公开的行业报告，一台研究级人形机器人的成本通常在10万至50万美元之间，这一区间来自多家机器人公司的公开定价信息，但具体机型差异较大。从实验室演示到大规模商业部署之间存在巨大的工程鸿沟。

此外，根据Dataconomy 2026年10月12日的报道，一项第三方测试发现DeepSeek V4系列模型在特定场景下存在可靠性问题——具体表现为在长链推理任务中出现逻辑一致性下降，以及在多模态输入处理中偶发的输出异常。[10] 该测试覆盖了超过5000个测试用例，发现在涉及空间推理和物理常识的任务中，V4的错误率比标准NLP任务高出约3倍。需要注意的是，Dataconomy属于行业垂直媒体而非同行评审学术期刊，该测试结果尚未经过独立机构复现验证，读者应将其视为有参考价值的警示信号，而非确定性结论。 如果基础模型本身在空间推理方面的可靠性尚有疑问，将其部署到对安全性要求极高的物理机器人上，风险将被成倍放大。

对立视角2：为什么有人认为DeepSeek不该自己做这件事

另一个值得考虑的反对观点来自不同角度：即使具身智能是正确的方向，DeepSeek作为一家模型公司是否应该通过投资来介入？

持这一观点的人认为，DeepSeek的核心竞争力在于模型研发，而非生态运营。历史上，许多技术公司在试图从”技术供应商”转型为”生态平台”时都遭遇了失败——因为这两种角色需要完全不同的组织能力。模型研发需要深度技术聚焦，而生态运营需要广泛的商务关系管理、投后管理和战略协调能力。DeepSeek团队目前据多家媒体2026年报道约有3000人，其中绝大多数是研发人员（此数字来自媒体报道，非DeepSeek官方披露，仅供量级参考），是否有足够的组织能力同时管理模型研发和生态投资，是一个合理的质疑。

Benedict Evans在2026年4月的博客文章中指出，开源AI模型正在快速侵蚀闭源模型的竞争壁垒。[11] 如果DeepSeek将过多精力分散到生态投资上，可能在核心模型研发上被竞争对手赶超——而一旦模型优势丧失，整个生态策略的基础就会动摇。

本文的综合判断是：DeepSeek的时机选择和方式选择都是合理的，但执行风险不可忽视。

关于时机：具身智能领域的竞争窗口正在快速收窄——如果等到技术完全成熟再入场，最佳的投资标的和合作伙伴早已被瓜分。梁文锋作为量化交易出身的创始人，深谙”在不确定性中下注”的逻辑。

关于方式：4亿美元的投资规模相对于DeepSeek当前的资金储备（74亿美元新融资）而言，仅占约5.4%，是一个可控的赌注——即使Winverse AI最终未能成功，损失也在可承受范围内。但如果押中了，回报将是战略性的。选择投资而非自建的方式，也保持了组织聚焦度。

关于执行风险：最大的风险不在于Winverse AI是否成功，而在于DeepSeek能否在推进生态战略的同时保持模型研发的领先性。这需要极强的战略定力和组织管理能力。

第4章：中国具身智能竞赛全景——DeepSeek不是唯一的玩家

一场正在加速的军备竞赛

DeepSeek投资Winverse AI并非孤立事件，而是中国AI产业向具身智能全面转向的一个缩影。

在过去12个月中，中国具身智能赛道经历了一轮前所未有的资本涌入和技术竞赛。华为、百度、小米、比亚迪等科技和制造业巨头纷纷宣布了各自的机器人战略。根据国际机器人联合会（IFR）2025年9月发布的报告，中国连续第10年成为全球最大的工业机器人市场，2024年新安装量超过27万台，占全球总量的51%。[12]

Unitree宇树科技的案例尤其值得关注。这家以四足机器人起家的公司，在2026年完成了IPO，将”物理AI”这一概念正式带入了公开资本市场。[6] Unitree的IPO标志着资本市场对物理AI的认可——投资者开始愿意为”机器人+AI”的组合支付溢价，而不再将其视为遥远的概念。

竞争格局的4个象限

中国具身智能赛道的参与者可以大致分为4类：

第1象限：AI原生公司向机器人延伸。 DeepSeek是这一类别的典型代表。其优势在于强大的基础模型能力和AI人才储备，劣势在于缺乏硬件工程经验和制造供应链。投资Winverse AI是弥补这一短板的策略。

第2象限：机器人公司向AI升级。 Unitree宇树科技、优必选（UBTECH）等公司属于这一类别。它们有成熟的硬件平台和制造能力，但在大模型和AI算法方面需要外部合作。这就是为什么Unitree与DeepSeek的潜在合作具有互补性——一方提供”大脑”，另一方提供”身体”。

第3象限：科技巨头的内部孵化。 华为、百度、Tencent等大型科技公司正在内部组建具身智能团队，试图从模型到硬件全栈自研。其优势在于资源充沛、人才密集，劣势在于大公司内部的协调成本高、决策速度慢。Winverse AI创始人从Tencent出走创业，本身就说明了大公司体制在快速创新领域的局限性。

第4象限：垂直行业玩家的AI化。 制造业企业（如富士康）、物流企业（如京东物流）等正在将AI和机器人技术引入自身的业务场景。它们有最丰富的应用场景数据，但通常缺乏底层AI研发能力。

DeepSeek的战略定位，据推测是成为第1象限的领导者，同时通过投资和合作与第2、第4象限的玩家建立联盟。这种”平台+投资”的双轮驱动模式，本质上是在构建一个以DeepSeek基础模型为核心的具身智能生态系统。

全球视角下的中美对比

将视野拉远到全球层面，DeepSeek在具身智能领域的布局，实际上是中美AI竞争在物理世界的延伸。

在美国，OpenAI、Google DeepMind、Tesla等公司也在积极推进具身智能研究。根据MIT Technology Review 2026年5月的报道，Tesla的Optimus人形机器人项目已经进入小规模试产阶段，目标是2027年实现工厂内部的有限部署。[9] Google DeepMind在机器人学习方面的基础研究处于全球领先水平——其RT-2（Robotic Transformer 2）模型展示了将视觉-语言模型直接用于机器人控制的可能性。NVIDIA则通过其Isaac Sim和Omniverse平台，试图成为机器人AI的基础设施提供商。[8]

中国在这场竞赛中的独特优势在于：完整的制造业供应链和庞大的应用场景。 中国拥有最密集的制造业集群和最丰富的物流基础设施。根据IFR的数据，中国工业机器人密度在2024年达到每万名工人392台，已超过美国的285台。[12] 这意味着，中国的具身智能创业公司可以更快地找到真实的应用场景进行验证和迭代。

DeepSeek的策略，据推测是将中国在AI模型效率上的优势（低成本、高效率）与中国在制造和应用场景上的优势进行叠加。如果这一策略成功，中国有可能在具身智能领域建立起类似于在电动汽车领域的全产业链优势——但这一类比本身存在局限性：电动汽车的技术路径已相对清晰，而具身智能的技术路径仍存在根本性不确定性。

但挑战同样巨大。根据CSIS（战略与国际研究中心）2026年1月的报告，美国在半导体（尤其是高端GPU和专用AI芯片）方面的出口管制，持续限制着中国AI公司获取最先进算力的能力。[13] DeepSeek之所以在模型效率上投入如此之多，部分原因正是为了在算力受限的条件下保持竞争力。在具身智能领域，这种”效率优先”的思路将被进一步考验——机器人的实时推理对算力的需求极高，而边缘设备上可用的国产芯片在性能上仍与NVIDIA的产品有差距。

第5章：风险与不确定性——这步棋可能失败的3种方式

风险1：技术整合的鸿沟

大模型和机器人的技术整合远比看起来困难。语言模型的输出是离散的token序列，而机器人的控制需要连续的力矩和位置信号。将前者转化为后者，需要一个极其复杂的中间层——这正是Winverse AI试图解决的问题。

但这个中间层的技术成熟度仍然很低。根据《Annual Review of Control, Robotics, and Autonomous Systems》2026年5月发表的综述论文，当前sim-to-real（从仿真到真实环境）的迁移成功率在复杂操作任务中通常低于40%，这意味着在仿真环境中训练好的策略，超过一半在真实机器人上无法正常工作。[14] 每个团队都在用自己的方法进行探索，成功率难以预测。DeepSeek投资Winverse AI，本质上是在押注这个团队能够在这个尚未被解决的技术难题上取得突破——这是一个高风险赌注，无论融资规模多大，都无法消除底层的技术不确定性。

对投资者和从业者的具体含义： 关注Winverse AI是否能在未来12至18个月内发布可验证的sim-to-real迁移基准测试结果——这将是判断技术路线是否可行的关键早期信号。

风险2：模型可靠性的”长尾问题”

如前文所述，Dataconomy 2026年10月的报道揭示了DeepSeek V4系列模型在空间推理和物理常识任务中的可靠性问题。[10] 在纯数字场景中，模型偶尔的”幻觉”或错误输出可能只是一个令人烦恼的bug。但在物理机器人场景中，同样的错误可能导致设备损坏、生产事故甚至人身伤害。

具身智能对模型可靠性的要求，比任何数字场景都高出几个数量级。DeepSeek需要证明，它不仅能训练出”聪明”的模型，还能训练出”可靠”的模型——这是两个完全不同的技术挑战。在自动驾驶领域，Tesla和Waymo花了近10年时间仍未完全解决可靠性问题——Waymo至今仍将运营范围限制在经过详细地图标注的特定城市区域。DeepSeek在机器人领域面临的是同一类挑战，且时间表更加紧迫。

这一风险的严重程度需要分场景评估： 在工业结构化环境（如固定工位的装配线）中，可靠性要求相对可管理；在非结构化的家庭或公共环境中，可靠性要求将是数量级更高的挑战。DeepSeek和Winverse AI如何划定初期应用场景的边界，将直接决定这一风险的实际暴露程度。

风险3：生态控制力的衰减

DeepSeek的生态策略假设：下游的机器人公司会持续选择DeepSeek的模型作为”大脑”。但这个假设可能不成立。

随着开源大模型（Meta的Llama系列、阿里的Qwen系列等）持续追赶，机器人公司的选择越来越多。根据Benedict Evans 2026年4月的分析，开源模型在过去18个月中与闭源模型的能力差距从约12个月缩小到了约3至6个月。[11] 如果DeepSeek的模型不能在具身智能场景中保持明显的性能优势，下游公司完全可能转向其他模型供应商——甚至自研模型。DeepSeek通过投资建立的生态关系，在技术竞争力衰减的情况下可能迅速瓦解。

一个被低估的对冲机制是： DeepSeek通过投资Winverse AI获得的不只是商业合作关系，还可能包括优先获取机器人场景数据的权利（这一点是基于行业惯例的推断，未见于任何公开报道）。具身智能的数据飞轮——机器人在真实环境中运行产生的操作数据，反哺模型训练，使模型在物理场景中越来越好——可能是DeepSeek建立持久竞争壁垒的关键。但这个飞轮能否真正转动，取决于Winverse AI能否实现足够规模的商业部署。

风险4（补充）：地缘政治与监管的不确定性

这是原文未充分展开的第4个风险维度。根据CSIS 2026年1月的报告，美国对华AI技术的出口管制范围仍在持续扩大。[13] 具体到具身智能领域，存在两个潜在的监管风险点：第1，如果DeepSeek的机器人AI被认定为具有军民两用潜力，可能面临额外的出口限制，影响其在海外市场的推广；第2，如果Winverse AI在融资结构中涉及境外投资者，可能面临中国国内的数据安全审查。这两个风险目前尚未实质化，但在地缘政治持续紧张的背景下，不应被忽视。

综合风险评估： 这4种风险都是真实存在的，但没有一种是单独致命的。最需要警惕的是风险的叠加效应——如果技术整合遇到困难（风险1）同时模型可靠性问题被放大（风险2），可能导致早期商业案例失败，进而引发生态伙伴的信心危机（风险3），在地缘政治压力下（风险4）形成恶性循环。DeepSeek的核心优势——极致的效率和成本控制——在具身智能领域不仅没有失效，反而因为边缘部署的约束而被放大。真正的风险不在于单笔投资的成败，而在于DeepSeek能否在生态扩张的同时保持技术研发的专注度。

第6章：给不同角色的行动框架

对投资者

短期（0至12个月）： 关注具身智能中间件层的投资机会。Winverse AI不会是最后一家获得巨额融资的中间件公司——这个技术层目前是整个价值链中最薄弱但未来最关键的环节。评估标准应包括：团队是否有跨越”大模型推理”和”机器人控制”两个技术域的复合型人才；是否有可验证的早期技术指标（如sim-to-real迁移成功率）；以及是否有明确的数据获取策略。

中期（12至36个月）： 重新评估”效率型”AI公司的估值逻辑。DeepSeek的案例表明，模型效率优势在边缘部署场景中的价值远高于在云端场景中的价值。这可能改变市场对”轻量化模型”公司的定价方式——从”折扣版大模型”重新定位为”边缘AI基础设施”，对应的估值倍数将有显著差异。

长期（36个月以上）： 做好准备迎接AI产业从”软件周期”向”硬件+软件复合周期”的转变。这意味着更长的产品开发周期（硬件迭代比软件慢3至5倍）、更高的资本需求，以及完全不同的竞争规则——先发优势在物理AI领域比在纯软件领域更难被颠覆，因为数据飞轮一旦建立，后来者需要付出数倍的时间和资金才能追赶。

对AI从业者和创业者

第1个行动建议： 如果你在大模型领域工作，认真评估你的技术能否迁移到边缘推理场景。模型量化、稀疏激活、硬件感知训练等技术方向的价值正在被重新定价——这些曾经被视为”工程优化”的工作，正在成为具身智能时代的核心竞争力。

第2个行动建议： 如果你在机器人领域工作，开始认真评估与大模型公司的合作路径，而不是试图从零构建自己的AI能力。具身智能中间件层目前的竞争格局尚未固化，这是建立差异化定位的窗口期。但窗口期可能比你预期的短——DeepSeek/Winverse AI这样的组合正在快速推进，先发者将积累难以复制的数据优势。

第3个行动建议： 重点关注”可靠性工程”这个被低估的技术方向。在具身智能领域，”让模型更聪明”的竞争已经非常激烈，但”让模型更可靠”的竞争才刚刚开始。能够将模型在物理场景中的错误率从1%降低到0.01%的技术，其商业价值可能远超将模型能力提升10%的技术。

对政策制定者

第1个政策考量： 具身智能的数据监管框架需要尽快建立。机器人在真实环境中采集的数据（包括工厂布局、家庭环境、人类行为模式）具有高度敏感性，但目前中国和全球范围内都缺乏针对性的监管框架。监管缺位可能导致数据滥用风险，但过度监管可能扼杀数据飞轮效应，影响中国在具身智能领域的竞争力——这是一个需要精细平衡的政策难题。

第2个政策考量： 在算力出口管制的背景下，加速国产边缘AI芯片的研发和商业化，是具身智能产业链自主可控的关键瓶颈。DeepSeek的模型效率优势在一定程度上弥补了算力劣势，但这种弥补有上限——当机器人部署规模扩大到数百万台时，边缘芯片的性能差距将成为无法回避的硬约束。

结语：当AI公司开始”买身体”

DeepSeek领投Winverse AI的4亿美元，表面上看是一笔投资交易，实质上标志着中国AI产业竞争范式的根本性转变。

过去3年的竞争是”模型之战”： 谁的参数更多、基准测试分数更高、API价格更低。DeepSeek在这场战争中以极致效率胜出。

未来3年的竞争将是”具身智能生态之战”： 谁能将AI能力最有效地部署到物理世界，谁就能占据最大的价值池。DeepSeek正在为这场新战争布局。

这种转变的深层含义是：AI的终极价值不在于”思考”，而在于”行动”。 一个只能在屏幕上运行的AI，无论多么聪明，其经济价值都受限于人类的注意力和操作带宽。而一个能够在物理世界中自主行动的AI，其价值上限几乎等同于整个实体经济的规模——McKinsey估计这一数字超过全球GDP的70%。[7]

DeepSeek显然理解这一点。从2025年初以开源模型颠覆行业定价，到2026年年中通过战略投资切入具身智能，这条路径清晰地勾勒出一个AI公司从”软件供应商”向”物理世界基础设施”演进的野心。梁文锋和他的团队正在下一盘更大的棋：不仅要成为最好的AI大脑，还要让这个大脑长出手脚，走进工厂、仓库、矿山和千家万户。

当然，这步棋能否成功，取决于太多尚未确定的变量——技术整合的难度、模型可靠性的极限、生态伙伴的忠诚度、地缘政治的走向，以及那个永恒的问题：物理世界是否真的准备好迎接通用智能体的到来。

对于从业者和投资者而言，这笔交易的核心启示有3点：

第1，关注具身智能中间件层——这是当前价值链中最薄弱但未来最关键的环节，Winverse AI不会是最后一家获得巨额融资的中间件公司。判断这类公司价值的关键指标不是融资规模，而是sim-to-real迁移成功率和数据获取策略。

第2，重新评估”效率型”AI公司的价值——DeepSeek的案例表明，模型效率优势在边缘部署场景中的价值远高于在云端场景中的价值，这可能改变AI公司的估值逻辑，将轻量化模型从”折扣品”重新定价为”边缘基础设施”。

第3，做好准备迎接AI产业从”软件周期”向”硬件+软件复合周期”的转变——这意味着更长的产品开发周期、更高的资本需求，以及完全不同的竞争规则。在这个新周期中，数据飞轮和物理部署规模将取代模型参数量，成为最重要的护城河。

但有一点是确定的：当一家AI公司开始”买身体”的时候，它所追求的，已经不再是下一个基准测试的冠军，而是对物理现实本身的重新定义。

这场竞赛才刚刚开始。而DeepSeek，已经迈出了第1步。

参考资料

  1. DeepSeek’s $7.4 Billion Funding Round — Forbes, 2026-06-17

  2. DeepSeek leads $400M funding round for embodied intelligence startup Winverse AI — South China Morning Post, 2026-06-18

  3. Winverse AI closes mega-round as DeepSeek bets on robotics — TechCrunch, 2026-06-19

  4. DeepSeek R1: How a Chinese AI lab shook the global tech industry — Ars Technica, 2025-01-28；亦参见DeepSeek官方技术报告（2025年1月）

  5. 来源: The Information, 2026-06-20（付费内容，标题: “DeepSeek’s strategic pivot: from language models to physical intelligence”）

  6. China’s embodied AI race heats up with DeepSeek’s $400M investment — Reuters, 2026-06-18

  7. 来源: McKinsey Global Institute, 2026-07-01（报告标题: “From digital to physical: the next frontier of AI value creation”）

  8. NVIDIA Isaac Sim and the race to build robot AI infrastructure — IEEE Spectrum, 2026-03-22

  9. Tesla Optimus: progress, promises, and challenges — MIT Technology Review, 2026-05-10

  10. DeepSeek V4 reliability concerns surface in third-party testing — Dataconomy, 2026-10-12（注：该报告来自行业垂直媒体，尚未经独立机构复现验证，读者应审慎引用）

  11. Open-source AI models and the erosion of competitive moats — Benedict Evans Blog, 2026-04-07

  12. 来源: International Federation of Robotics (IFR), 2025-09（报告标题: “World Robotics 2025 — Industrial Robots”）

  13. US semiconductor export controls: impact on China’s AI development — Center for Strategic and International Studies (CSIS), 2026-01-30

  14. 来源: Annual Review of Control, Robotics, and Autonomous Systems, 2026-05（论文标题: “Sim-to-real transfer in robotic manipulation: a survey”）