Runda finansowania DeepSeek funding round zapowiada się jako coś więcej niż zwykłe pozyskanie gotówki. To najwyraźniejszy jak dotąd sygnał, że założyciel Liang Wenfeng chce, aby chińskie laboratorium AI rozwinęło się bez rezygnowania z jego podstawowych założeń: dążenia do AGI, utrzymania modeli jako open-source i opierania się zwykłej presji, by w pierwszej kolejności gonić za krótkoterminowymi przychodami.
To sprawia, że ten moment jest wyjątkowo wymowny. Na spotkaniach z potencjalnymi inwestorami Liang powiedział, że DeepSeek zamierza dążyć do sztucznej ogólnej inteligencji jako głównego celu. Powiedział też, że laboratorium planuje nadal udostępniać modele open-source zamiast stawiać na pierwszym miejscu krótkoterminową komercjalizację – stanowisko, które wyróżnia firmę w czasie, gdy wielu twórców modeli podstawowych jest pod presją udowodnienia regularnych przychodów.
Jest to również punkt zwrotny w sposobie finansowania DeepSeek. Do tej pory firma była finansowana wyłącznie przez High-Flyer Quant, firmę handlu ilościowego założoną przez Lianga. Ta nowa runda byłaby pierwszym razem, gdy zgodził się on na przyjęcie zewnętrznych pieniędzy.
Runda finansowania DeepSeek jest podobno pierwszym zewnętrznym wysiłkiem finansowym firmy, formalizującym zmianę, która budowała się za kulisami. Przez lata niezależność laboratorium była częścią jego historii. Ta izolacja pomogła mu unikać żądań inwestorów dotyczących harmonogramów produktów i monetyzacji.
Teraz jednak skala prac wydaje się wymuszać nową fazę.
DeepSeek poinformował inwestorów, że AGI jest głównym celem, zgodnie z przekazami dotyczącymi rundy. Równie ważne jest to, że laboratorium sygnalizuje, iż nie chce poświęcać swojej tożsamości badawczej w zamian za szybsze komercyjne zwroty. DeepSeek zamierza nadal udostępniać modele open-source – podejście, które stało się kluczowe dla jego reputacji.
Dlaczego ma to znaczenie, jest oczywiste: zewnętrzny kapitał zazwyczaj wiąże się z oczekiwaniami. Jeśli inwestorzy kupią strategię AGI-first i open-source na tym etapie, nie finansują tylko mocy obliczeniowej i talentów. Wspierają też ścieżkę rozwoju modeli, która jest mniej powiązana z natychmiastową sprzedażą korporacyjną, a bardziej z długoterminowymi ambicjami badawczymi.
Liczby związane z rundą finansowania DeepSeek już przyciągają uwagę.
Bloomberg opisał pozyskiwanie funduszy jako trwającą rundę na 70 miliardów juanów, czyli około 10 miliardów dolarów pod względem wyceny. Podana liczba dotyczy wyceny, do której dąży DeepSeek, a nie kwoty pozyskiwanych pieniędzy. Oddzielnie, The Information poinformował, że firma szuka co najmniej 300 milionów dolarów zewnętrznego kapitału w tej rundzie.
Tak więc obraz, oparty na podanych szczegółach, wygląda następująco:
Te liczby mają znaczenie, ponieważ umieszczają DeepSeek w zupełnie innej kategorii niż samodzielnie finansowane laboratorium działające na wewnętrznym wsparciu. Docelowa wycena na tym poziomie sugeruje, że inwestorzy nie traktują już firmy jako niszowego sklepu badawczego. Zamiast tego wyceniają jej strategiczne znaczenie.
Jednym z powodów tej zmiany jest skala. DeepSeek polegał wcześniej na High-Flyer Quant, ale przebiegi treningowe w jego obecnej skali wydają się przekraczać to, co nawet dochodowy fundusz hedgingowy może wygodnie samodzielnie sfinansować.
To pomaga wyjaśnić, dlaczego pierwsza zewnętrzna runda ma miejsce teraz, a nie wcześniej. Ambicje laboratorium rosły wraz z kosztami pozostania na froncie.
DeepSeek kontynuował budowę, gdy duża część rynku skupiała się na jego wcześniejszych przełomach. W kwietniu wydał V4-Pro i V4-Flash, rozszerzając swoją linię modeli o systemy, które wzmocniły jego otwarte podejście. Firma wydała oba na liberalnej licencji open-source.
To nie jest mały szczegół. Pokazuje, że strategia otwartych modeli nie była tylko brandingiem wokół jednego głośnego wydania. Kontynuowała się w rodzinie V4, nawet gdy DeepSeek zmierzał ku zewnętrznemu pozyskiwaniu funduszy.
Rodzina V4 wysyła też wiadomość dotyczącą sprzętu. Te modele są zoptymalizowane pod kątem układów Huawei Ascend, Cambricon i Nvidia.
Ta szeroka kompatybilność ma znaczenie na chińskim rynku AI. Wskazuje na laboratorium próbujące pozostać konkurencyjnym w zmieniającym się środowisku chipów, zwłaszcza gdy dostęp do najwyższej klasy akceleratorów z USA stał się bardziej ograniczony. W praktyce DeepSeek nie buduje tylko dla jednego stosu sprzętowego. Pozycjonuje się na odporność.
Strategicznego tła rundy finansowania DeepSeek nie można zignorować. Model R1 laboratorium przyciągnął już globalną uwagę i zachwiał założeniami dotyczącymi tego, jak kosztowny musi być rozwój frontierowego AI. Według doniesień, wydanie R1 wymazało około 600 miliardów dolarów z kapitalizacji rynkowej Nvidii w jednej sesji handlowej.
Dokładna debata cenowa wokół R1 stała się później sporna. Jednak szerszy przekaz pozostał: chińskie laboratorium mogło konkurować na froncie i robić to w sposób otwarty.
To duża część powodu, dla którego inwestorzy zwracają teraz uwagę. DeepSeek nie jest już tylko interesującym projektem technicznym. Stał się testem tego, czy open-source AI może przyciągnąć poważny kapitał bez rezygnowania ze swojej tożsamości.
Jest też inna obserwująca publiczność. Chińscy regulatorzy mogą uważnie przyglądać się rundzie finansowania tej wielkości i profilu, zwłaszcza obejmującej twórcę modeli podstawowych z wyraźnym framingiem AGI. Nie oznacza to, że konkretna reakcja regulacyjna jest przesądzona. Ale podkreśla to stawkę. Gdy laboratorium przechodzi od samodzielnie finansowanej eksperymentacji do zewnętrznie wspieranej ekspansji, kontrola zazwyczaj rośnie.
Runda finansowania DeepSeek łączy jednocześnie kilka wątków: większe zapotrzebowanie na moc obliczeniową, silniejsze zainteresowanie inwestorów, zobowiązanie open-source i publiczne ambicje AGI Lianga Wenfeng.
Dla firmy dotychczas wspieranej przez High-Flyer Quant jest to poważna zmiana postawy. Sugeruje, że DeepSeek wierzy, że może się rozwijać bez porzucania zasad, które wyróżniły go na początku.
Jeśli to się utrzyma, runda nie tylko sfinansuje kolejny etap rozwoju modeli. Sprawdzi, czy inwestorzy są gotowi finansować frontierowe AI na warunkach definiowanych mniej przez natychmiastową komercjalizację, a bardziej przez długoterminowe przekonanie badawcze.


