前天，微信接入了 Deepseek。也许是昨天，不重要。

供给唤醒需求

这几天的新闻太多了。

字节跳动的战略调整格外引人注目。作为用户增长的行业标杆，字节用传统的互联网打法在短短一年内让豆包成为了国内用户规模最大的 AI 应用。但高用户量背后是高昂的获客成本，而留存和活跃数据却未达到内部预期。这次将“智能上限”提升到首要位置，标志着即便是最擅长用户增长的公司，也开始重新思考 AI 领域的竞争逻辑。

几乎同一时间，微信在灰度“AI 搜索”入口，其中的“深度思考”把 Deepseek R1 接入了微信强大的内容生态和多年求而不得的搜索入口上。腾讯股价接连跳升，尽管绝大部分微信用户都还没有看到这个入口，更别提试用体验。

周末还传出了“AI 六小龙”（除了 Kimi）以及百度纷纷接入 Deepseek R1 的新闻，虽然这些新闻都和 Deepseek 这个新变量有关，但其实每家公司所处的位置、所有的资源禀赋都不相同，能走到的终点也不会相同。

虎嗅的一篇独家报道披露，月之暗面的创始人杨植麟“可能连续几周为了攻克技术难题而减少与外界接触”，公司将“持续拿到 SOTA 结果”作为首要目标。而在 2024 年，这家公司主打 Kimi 的投流增长，激进的“融资 - 买量”策略正面临质疑。

Minimax 创始人闫俊杰在早先的晚点的播客访谈中指出：“用户越多，模型能力就提升越快”是一个行业误区。他用 ChatGPT 和 Claude 的对比说明，尽管 ChatGPT 的日活是 Claude 的 50 到 100 倍，但两者的模型能力相差无几。

用户数量或许对模型训练价值不大，但对需求挖掘则是空气和水。

可以预见的是：擅长做难题的继续埋首研究，技术迭代更快速剧烈。

以及：供给催动之下，需求即将觉醒。

展开与折叠

一个鲜明的例证是腾讯对 Deepseek 的布局。据“共识粉碎机”分析，腾讯采购 10-20 万张 H20 显卡的成本约 20 亿美元，年化折旧仅占其利润的 1%。这个投入相当于 7 年前上线微视的运营试错成本，但能支持高达 5000 万 - 1 亿的同时在线用户。

我把接下来可能出现的进化路径分为两种：展开与折叠。不管哪一种，中美市场都有很大的差异。

第一条路径可以理解为通用能力的“展开”。这种路径的特点是：在大用户体量上部署前沿模型能力，做通用型应用。这种应用所对应的用户需求其实长期存在，只是之前没有足够好的技术解决方案来满足，所以不需要对客户场景做特别多的适配，就是找对入口，把模型、算力、数据一股脑投下去。

OpenAI 的 Deep Research 就是一个美国市场的典型案例：作为第一个充分利用 o3 推理能力的通用研究工具，它展示了前沿模型能力能做什么。想到这个想法其实并不困难，甚至于在 R1 的支持下，Perplexity 很快就跟进了一个功能非常近似的版本。这件事的关键在于：用最前沿的模型能力来唤醒一个已经存在了的需求。这是一个不断扩充可能性边界的过程，而拥有前沿模型能力的厂商能够更快的推动通用性应用的发展，同时最早的获得用户需求的反馈。

在中国市场上，这个逻辑更加成立。

去年，多家入局的 AI 搜索就是这样一个例子：找答案的需求长期存在，而传统搜索亟待翻盘。但纯粹的信息搜索需求频次受限，人群打不开。最大的 AI 应用豆包的最大场景还是论文和公文写作，仅凭营销和增长手段很难破局。更大的需求如生活和娱乐，AI 模型要么自身能力不足，要么止步于封闭的生态墙外。

现在，微信重新打开了深度探索的可能性。微信接入 Deepseek 所放的入口显然只是投石问路，微信要夺取的主战场也不仅限于搜索。通过这个灰度放开的入口，看到用户行为会发生什么变化，谋定而后动，正是腾讯风范。

内容、支付、关系、小程序，谁知道能组合出什么来？

Deepseek 用开源卸下了所有大厂的戒备心态，解开了亿级 DAU 超级应用的封印，真正打开了中国盘根错节的数字经济生态的大门。很多人对腾讯、百度接入 Deepseek 感到惊讶，实际上这些公司都建立在成熟的互联网技术基座上，而他们更擅长的，或者是市场环境所允许的，都是打造洞悉人性、老少咸宜的应用型产品。

那么，除了大厂和通用型应用之外，垂直场景还有没有机会？

这肯定是很多人关心的问题。我把这条路径称为“折叠”。这不是简单地将 AI 应用于特定场景，而是将复杂的 AI 能力模块化，然后重新组合。这类工作考验的是对特定场景的深度洞察，控制成本，榨干模型能力。

Cursor、Harvey 等一系列美国市场上的垂直应用新贵都是很好的例证：他们擅长的是拆分和重组， 5% 的 prompt engineering + 95% 的 software engineering，不断提高特定场景下的“最低可接受质量”（minimum viable quality）。下限过了门槛，就能进入甚至改造原有的工作流。

“折叠”不仅发生在功能层面，也体现在用户界面上。正如我在《无面之网：重新想象 Agent 网络》一文中所说：传统应用程序是围绕人类交互模式构建的，而未来的 Agent 将针对机器间通信进行优化。用户看到的可能只是一个简单的界面，但背后是由多个专业化 Agent 组成的复杂工作流。从用户视角来看，一个长链条的工作流被“折叠”成了一次简单的交互。

对于垂直应用而言，AI 的机会在于结合特定需求，打造化繁为简的“折叠”能力。特别是围绕服务类场景，由于其非标准化的基本特征，用户交互的界面和流程往往很复杂，也需要大量的人工介入，进一步降低用户接受服务的体验。我认为，这里存在大量的机会，由 AI 代理来简化这些流程，不仅仅出于降低成本的考虑，也能带来用户体验的提升。

长期来看，今天的很多通用型应用都可能会被下放为垂直类应用，背后的驱动力就是由于为了竞争细分需求市场而持续精细化的过程。而真正的通用型“展开”更应该类似于一个在调用垂直型“折叠”应用上更统一、聪明的入口。需求觉醒，生态隐现。

资本与效率

Deepseek 解锁的另一件事就是中概股的资本环境。

不管是真实的业务预期，还是陡增的科技自信，肉眼可见的是中概股在经历了连年下跌之后，开始了新一轮爆发。和去年九月底十月初那一轮不同的是，这一轮的爆发并非政策拉动，而是自下而上的技术驱动。

信心比黄金更重要。无论是一级市场还是二级市场，科技行业需要这种自信。但经过过去一段时间的洗礼，也会更加理性和审慎。

周末花了一些时间读 Uber CEO Dara Khosrowshahi 的一篇长篇访谈（在本周的 Links + Notes 有我的阅读笔记）。在自动驾驶的热潮下，Uber 显得有些“过时”。但 Dara Khosrowshahi 在 Expedia 的丰富经验，让他对行业中不变的东西理解更深入。其中最重要的两个点：一是供给在长期中驱动需求（比如自动驾驶能力在长期中会让出行成本降低，从而扩大整个市场规模），二是资本市场与执行效率之间的关系（资本过热会影响执行效率）。

周期的钟摆总是在供给和需求两边摆动：在技术爆发的阶段，供给驱动的因素更强，而当技术逐渐稳定下来，需求又会变成主导。经历过一个周期的公司往往是在过去的周期中沉淀了需求侧的优势（比如：消费者心智、网络规模等），从而能够从容面对下一个新供给周期的冲击。

供给冲击会带来一波资本狂热，而当需求开始兑现的时候，资本又开始意兴阑珊。当美国科技业在经历供给热潮的时候，中国同行们正在超级入口上开始探索即将觉醒的需求。

在十亿消费者市场和“黑暗森林”式博弈中，Deepseek 选择开源，或许是 R1 都未能推理出的智慧。

Links + Notes | 链接笔记

本周的链接笔记展示了 AI 如何重塑各个行业的商业模式——从网约车到社交媒体再到专业服务。我们看到一个共同的主题：企业都在寻找方法利用 AI 的同时保持其核心竞争优势，无论是通过网络效应、用户界面还是专业领域的专长。

• Uber CEO 详解公司如何通过聚合供给来驱动增长飞轮，并阐述为何自动驾驶不会颠覆其商业模式。
• Meta 的 Reality Labs 面临挑战，但其 AI 整合在各个应用上展现强劲势头，特别是在 WhatsApp 上的 Meta AI 使用量超出预期。
• Harvey AI 展示了专业化 AI 如何通过平衡效率工具和专家级输出来改变专业服务行业
• 一个有趣的预测认为，封闭的 AI 模型将逐渐放弃 API 服务，转而专注于以 UI 为中心的差异化竞争。
• DeepSeek 的成功预示着 AI 创业公司估值模式的潜在转变，随着开源模型改善利润率，高增长公司有望达到 12 倍 ARR 的估值水平。

Platform Thinking 由读者支持，请付费订阅以获取余下 80% 内容。