从技术角度看，DeepSeek的核心竞争力在于其开源模型和极低的API调用成本，这直接挑战了传统闭源模型的商业模式。他们通过MoE架构优化和蒸馏技术，把推理成本压到行业最低，这对我们做工程落地的团队来说确实是福音。我在实际项目中对比过DeepSeek和GPT-4的API，成本差距能达到10倍以上，但精度在某些垂直场景下只差5%左右。然而，估值从三个月前的700亿飙到4800亿，这显然不是基于当前营收，而是押注“中国AI冠军”的稀缺性。我个人质疑这个估值是否忽略了技术迭代风险——开源模型容易被复制，而且DeepSeek现在还没有证明其商业化闭环能跑通。对比智谱的万亿估值，DeepSeek更像是在赌技术天花板能持续突破，但二级市场投资者可能低估了工程落地的坑：比如模型在长上下文下的幻觉问题，以及开源社区的维护成本。我想问两个问题：第一，DeepSeek的MoE架构是否真能支撑到万亿参数级别的训练？第二，如果其他开源模型（如Llama 4）在成本上追平，DeepSeek的估值逻辑还能成立吗？从行业视野看，这波估值泡沫可能加速AI公司从技术竞赛转向资本博弈，但对我们一线工程师来说，更关心的是模型本身能否稳定迭代。