Modèle linguistique → Chaîne de réflexion → Agent → Apprentissage continu → Point singulier d'auto-itération → Intelligence incarnée.

Auteur de l'article, source : 0x9999in1, ME News

TL;DR

• DeepSeek a réalisé son premier tour de financement externe depuis sa création, levant plus de 50 milliards de yuans, avec une valorisation avant investissement d'environ 367,5 milliards de yuans (environ 54,3 milliards de dollars américains). Liang Wenheng a mené le tour en investissant personnellement 20 milliards de yuans, suivis par Tencent avec 10 milliards et CATL avec 5 milliards. L'ancienne politique de « ne pas lever de fonds » a été abandonnée.
• Mais ce n'est pas un compromis, c'est une solution. Liang Wenheng appelle la « stabilité de l'équipe » le seul intérêt fondamental non négociable ; le financement consiste essentiellement à verrouiller les personnes grâce à des options, en éliminant une fois pour toutes le risque le plus important.
• Il a fourni une carte routière rarement aussi claire : modèles linguistiques → chaînes de pensée → agent → apprentissage continu → singularité d'auto-itération → intelligence incarnée. Actuellement bloqué au niveau « apprentissage continu ».
• La puissance de calcul reste le point faible. DeepSeek se définit comme « en retard de 6 à 18 mois par rapport aux États-Unis, avec seulement un vingtième de la puissance de calcul » ; son prochain objectif est de réduire cet écart à 3 à 6 mois.
• Les puces nationales sont la variable majeure. V4 est déjà clairement optimisé pour le Ascend 950 de Huawei. Liang Wenfeng parie que « dans un an, nous prouverons que l'écosystème national n'a aucun problème » ; le seul goulot d'étranglement est la capacité de production.
• Code source inébranlable, le modèle le plus puissant est également open source et identique à la version interne. Sur le plan commercial, nous ne visons qu'un profit raisonnable de « retour sur investissement en dix mois ». Cette retenue est précisément son avantage concurrentiel.

DeepSeek a cédé.

Trois ans sans financement, sans introduction en bourse, sans commercialisation. C’était la règle établie par Liang Wenheng. Aujourd’hui, la moitié de cette règle est rompue : le premier financement externe est finalisé, dépassant 50 milliards de yuans, avec une valorisation avant investissement de 367,5 milliards de yuans. Liang Wenheng a investi personnellement 20 milliards de yuans.

Quelle a été la première réaction du public extérieur ? « Il a enfin cédé au capital. »

Really?

Après avoir lu la transcription de cette discussion de près de 4 heures et 118 messages avec Liang Wenfeng, la conclusion exactement opposée s’impose. Ce n’est pas un recul, c’est une personne extrêmement retenue qui utilise la méthode la moins souhaitée pour sécuriser ce qu’il ne peut pas ne pas chérir.

Le financement n'est pas un changement de cap, c'est éliminer une fois pour toutes le plus grand risque.

Regardez la table des investisseurs. Liang Wenheng a investi personnellement 20 milliards de yuans, étant le plus grand contributeur unique et détenant un contrôle absolu. Tencent : 10 milliards de yuans ; le groupe CATL : 5 milliards de yuans ; NetEase, JD.com et IDG : chacun 3 milliards de yuans ; le fonds national d'investissement pour l'industrie de l'intelligence artificielle : 1 milliard de yuans.

Cette liste n'est pas arbitraire. Liang Wenheng a lui-même déclaré que les investisseurs étaient « soigneusement sélectionnés », avec un seul critère : l'alignement maximal des intérêts, la moindre hostilité envers nous, et le plus grand souhait de notre succès.

Tencent fournit le cloud et le trafic, CATL fournit l'énergie et les scénarios industriels, et l'État apporte son soutien. Aucun spéculateur purement financier. Il s'agit d'une « liste d'alliés stratégiques », pas d'une « liste de levée de fonds ».

Pourquoi alors emprunter ?

La réponse se trouve dans la phrase qu'il a répétée à plusieurs reprises : « Notre plus grand intérêt fondamental est de maintenir la stabilité de l'équipe, voire de considérer cela comme le seul intérêt fondamental. »

Il n'a pas caché cette réalité. La stabilité de l'équipe est, à ses yeux, le plus grand risque et la plus grande faiblesse. Dans une ère où les géants de la Silicon Valley offrent des salaires annuels de cent millions de dollars pour recruter, comment une entreprise non cotée, dont les options des employés ne peuvent pas être converties en liquidités, peut-elle retenir ses chercheurs les plus anciens et les plus essentiels ?

Après le financement, il a lui-même donné la réponse : « Ce risque a été considérablement atténué grâce à ce dernier financement, car les montants des options reçus sont assez importants. »

Compris ? Le premier objectif de ce tour de financement n’est pas d’acheter des cartes, ni de s’étendre, mais de permettre à l’équipe centrale de réaliser une liquidation concrète. Il s’agit de résoudre une fois pour toutes la question qui planait au-dessus de leur tête : « Les gens vont-ils partir ? »

L'argent n'est pas le problème, la carte l'est, mais la volonté humaine est la ressource la plus précieuse. Liang Wenheng y a réfléchi profondément.

Cette feuille de route, c'est le véritable point fort de cette réunion.

Si le financement est une nouvelle, la feuille de route en est le noyau.

Liang Wenfeng décrit l'évolution de l'AGI comme une échelle, où chaque marche n'est pas vaine :

L'échelon de l'année dernière était la chaîne de raisonnement. L'échelon de cette année est l'Agent. Et après l'Agent, il répète sans cesse un mot : apprentissage continu.

Sa chaîne logique est aussi tranchante qu'un scalpel. L'IA peut-elle remplacer les employés aujourd'hui ? Non. Pourquoi ? Parce qu'elle ne peut pas « apprendre sur le terrain en deux mois, comme un nouveau ». Mais qu'en est-il si elle acquiert la capacité d'apprendre en continu ? Il dit : « Alors, elle pourra remplacer tout le monde. »

Au-dessus, se trouve le point singulier. Lorsque le modèle sera capable d'apprendre en continu, il pourra développer sa propre version suivante. L'IA accélère l'IA. À ce stade, la croissance ne sera plus linéaire.

Enfin, l'intelligence incarnée — entrer dans le monde réel, faire les tâches ménagères, prendre soin des personnes âgées.

Cet ordre est intéressant. Les modèles de génération vidéo et de monde les plus populaires sur le marché, Liang Wenheng les a directement rejetés comme « hors de la ligne principale ». Il l’a dit clairement : la génération vidéo est un bon business, mais « n’a rien à voir avec l’intelligence ; nous ne le ferons pas simplement parce que c’est un bon business ».

Quelle sorte de sang-froid est-ce là ?

Alors que toute l'industrie poursuit des démonstrations multimodales spectaculaires qui permettent de générer des revenus immédiats et d'attirer l'attention, DeepSeek affirme : je ne fais que ce qui relève de la ligne directrice de l'intelligence. Ce n'est pas de la hauteur, c'est de la concentration — se concentrer sur le fait que « les choses à faire sont peu nombreuses, donc il n'est pas nécessaire de travailler en heures supplémentaires ».

Il est intéressant de noter que le marché a déjà voté pour ce jugement. En juillet de cette année, DeepSeek V4 a été officiellement publié. V4-Pro utilise une architecture de experts éparses de 1,6 billion de paramètres, n'activant qu'environ 49 milliards de paramètres par token ; V4-Flash est encore plus léger, avec 284 milliards de paramètres totaux et 13 milliards activés. Les deux modèles offrent un contexte ultra-long de 1 million de tokens et sont entièrement open source sous licence MIT. Sur le benchmark de programmation SWE-bench Verified, V4 a établi un nouveau record pour les modèles open source avec un score de 80,6 %.

Focalisé sur la ligne principale, les fruits ont fini par apparaître.

« En retard de deux ans, avec seulement un vingtième de la puissance de calcul » — cette auto-dérision regorge d’ambition

La jugement de Liang Wenfeng sur l'écart est franchement surprenant.

Il a déclaré que l'écart entre DeepSeek et les États-Unis réside principalement dans les ressources, et qu'il n'y a pratiquement aucune différence en termes de personnel — « ce sont les mêmes personnes, peut-être des Chinois ». Certaines sont restées en Chine, d'autres sont parties à l'étranger ; ce n'est pas seulement les plus intelligents qui sont partis.

Alors, où est exactement la différence ? Il a fourni une formulation presque formule : être en retard de 6 à 18 mois par rapport aux États-Unis, avec seulement un vingtième de la puissance de calcul américaine, et réussir quand même.

Cette phrase semble une capitulation, mais cache en réalité une fierté. Avec un vingtième de la puissance de calcul, obtenir un résultat seulement un peu plus d'un an en retard — c'est déjà une efficacité terrifiante.

Et son véritable ambition réside dans la phrase suivante : « À l'avenir, nous allons réécrire ce récit en réduisant l'écart temporel à six mois, voire trois mois, avec une fraction de la puissance de calcul actuelle. »

De « un vingtième de la puissance, deux ans en retard » à « une fraction de la puissance, seulement trois mois de retard ». Voilà le véritable repère pour la suite du développement de DeepSeek.

Pourquoi la puissance de calcul est-elle si cruciale ? Il le dit sans équivoque : « Toutes les différences que nous observons — que ce soit en matière de talents, de capacités de modèles ou d'applications — peuvent être attribuées à des différences dans les ressources de puissance de calcul. » Il croit en la mise à l'échelle et admet que le seul obstacle à la mise à l'échelle est le manque de cartes.

Alors la question est : d'où viennent les cartes ?

Parier sur les puces chinoises a été le pari le plus audacieux de cette réunion.

C'est, à mon avis, le jugement le plus significatif de toute la transcription et celui qui nécessite le plus de temps pour être vérifié.

Liang Wenfeng est « assez optimiste » concernant la puissance de calcul nationale. Il a même prononcé une phrase forte : « En ce qui concerne la puissance de calcul nationale, NVIDIA est en train de creuser sa propre tombe. »

Ses arguments se divisent en trois niveaux.

Au premier niveau, le fossé protecteur de CUDA s'effrite rapidement. La raison en est précisément l'IA elle-même — avec des IA capables d'écrire du code, reconstruire l'écosystème est bien plus facile qu'auparavant.

Au niveau deux, DeepSeek a déjà « quitté l'écosystème NVIDIA » en pratique. Il a révélé que, bien que les cartes NVIDIA aient encore été utilisées lors de l'entraînement du V3, leur écosystème n'était presque plus utilisé ; la méthode consistait à développer d'abord un compilateur avancé appelé TileLang, sur lequel tous les autres travaux ont été réalisés.

Troisième niveau, et point le plus crucial : Huawei. Il estime que les 950 super-nœuds de Huawei peuvent « remplacer entièrement et parfaitement les GB200 et GB300 de NVIDIA » en termes de performance et de prix, et lance la phrase déjà répandue : « Quatre cartes Huawei équivalent à une carte NVIDIA. »

Ce n'est pas du vent. L'adaptation au Huawei Ascend 950 a été clairement annoncée dès le lancement de V4 en avril de cette année. DeepSeek a également déclaré publiquement que le coût unitaire par token de V4-Pro ne devrait diminuer significativement qu'après la mise sur le marché en gros des super-nœuds Ascend 950 prévue au second semestre 2026. Liang Wenhong résume la seule problématique comme une « insuffisance de capacité de production », affirmant que ni le matériel ni l'écosystème ne posent de problème.

Il a même fourni un calendrier vérifiable : « Dans l'année à venir, nous pourrons vérifier que l'écosystème des puces nationales ne présente aucun problème. »

C’est une déclaration que le temps pourra démentir ou couronner. Je préfère croire en la seconde possibilité — car, face à la contrainte réelle de ne pas pouvoir acheter les cartes haut de gamme de NVIDIA, « tout le monde sera contraint de se tourner vers les produits nationaux », et la demande forcerait l’écosystème à mûrir plus vite. La contrainte engendre l’innovation — ce scénario s’est déjà produit avec DeepSeek.

Open source, pricing, earn reasonable profits: restraint itself is a strategy

Revenons à la question initiale : en violant la règle du « pas de financement », DeepSeek va-t-il également abandonner sa retenue sur le « pas de commercialisation » ?

En regardant les données, la réponse est non.

Open source, Liang Wenfeng is adamant: we will open source, even the strongest models will be open source, and the open-source versions will be identical to the ones we deploy internally—no hidden tricks. He asks: What are the benefits of closed source? « ByteDance’s models are closed source—what benefits do they offer? I don’t see any. »

Plus important encore, son jugement sur la relation entre le logiciel open source et les revenus : « L'open source n'a aucun impact sur notre modèle économique. » Car même si vous donniez tout, il reste extrêmement difficile pour autrui de l'utiliser et de réduire les coûts à un niveau suffisamment bas.

Sur le plan des prix, il fait preuve d’une retenue presque « contraire à l’intuition commerciale ». Le prix de l’API DeepSeek vise uniquement un bénéfice raisonnable : « acheter un lot d’équipements et les amortir en dix mois ». Il admet que, pour maximiser les profits, les prix devraient être plus élevés, car la demande dans cette fourchette est presque inélastique — doubler le prix n’entraînerait qu’une consommation de tokens à peu près similaire. Pourtant, il refuse de le faire. Lorsqu’un modèle précédent était trop cher et que l’équipe n’était pas satisfaite, il a directement divisé le prix par quatre.

Quelle est la situation sur le marché aujourd'hui avec cette retenue ? La version officielle V4 adopte une « tarification en creux et pics » : les tarifs doublent pendant les heures de pointe et deviennent extrêmement bas pendant les heures creuses ; dans le camp des modèles open source, il crée une différence de prix par rapport aux modèles propriétaires de pointe mesurée en « multiples ». Des estimations décrivent cet écart de prix comme étant compris entre un et deux ordres de grandeur.

Liang Wenfeng a résumé cela par une phrase que je considère comme le point clé de toute la discussion :

Celui qui en prend beaucoup sera battu par celui qui en prend peu. Si votre vision est d'en prendre beaucoup, vous avez déjà perdu.

Ce n'est pas une démonstration morale. C'est une stratégie qu'il a vérifiée à plusieurs reprises : la retenue augmente la probabilité de réussir à créer une AGI ; plus on est retenu, plus il est facile d'y parvenir.

Conclusion : Une entreprise qui ne veut pas devenir le « prochain ByteDance » doit aller où ?

Alors, vers où mène la suite du parcours de DeepSeek ?

Assemblez ces 118 éléments, et le tableau devient clair.

Il ne cherche pas à devenir une super-application ni à concurrencer Tencent ou ByteDance. Il a clairement pour objectif de générer des revenus — « Le gouvernement ne nous donnera pas un seul yuan » ; dans le pire des cas, « vendre uniquement des API suffirait à soutenir une entreprise cotée ». Son axe commercial actuel est l’agent général, en particulier l’agent de codage, les autres agents verticaux ayant une priorité moindre. Il a même indiqué que si, cette année, les revenus B2B atteignent plusieurs centaines de millions de dollars, combinés à une base d’utilisateurs C2C, « l’entreprise sera bientôt à portée de bénéfice net ».

Le marché lui accorde également une vision encore plus ambitieuse. Dès que le financement s’est conclu, des rumeurs ont commencé à circuler selon lesquelles DeepSeek pourrait être coté sur le marché continental dès l’année prochaine, avec une valorisation en constante augmentation. Celui qui disait autrefois « pas de cotation » se fait maintenant constamment solliciter par le capital pour « swiper sa carte ».

Mais vous demandez si Liang Wenheng se soucie de tout cela ?

Je suppose qu’il n’en a pas vraiment something à faire. Il a posé les choses de manière catégorique : l’objectif réel est de faire en sorte que l’AGI itère le prochain modèle, et une fois qu’il sera incarné, que les robots construisent le prochain robot. Quant aux parts, aux profits exponentiels et à la capitalisation boursière — « L’IA, c’est un sujet tellement vaste que même une petite part vous rapporte énormément ».

Une personne prête à en prendre moins, un groupe se décrivant comme « très ordinaires », avec un vingtième de la puissance de calcul, suit de près le tout dernier en matière technologique, à seulement un an et quelques mois d'écart.

Ils ont maintenant obtenu 50 milliards, retenu les cœurs, misé sur les puces nationales et étalé le calendrier sur la table.

L'année à venir sera une période de validation. Le système écologique national fonctionnera-t-il ? L'apprentissage continu pourra-t-il briser les limites ? Le récit des « trois mois » tiendra-t-il la route ? Les réponses ne se trouvent pas dans les présentations PowerPoint, mais dans la montée en puissance de la capacité de Ascend et dans les journaux d'entraînement de V5.

Les personnes modérées sont souvent celles qui rient en dernier. Cette fois-ci, je suis prêt à attendre et à regarder.

Source :

• Sina Finance : « Transcription de la réunion de financement de DeepSeek : Liang Wenhong décompose la technologie et la logique commerciale des grands modèles », 23 juillet 2026
• East Money Web : « Le premier tour de financement de DeepSeek est bouclé, pour un montant total d'environ 51 milliards de yuans, avec la participation de Tencent, CATL, etc. », juillet 2026
• Dahhe Bao · Dahhe Finance Square : « Fuite de la conférence de Liang Wenheng de 4 heures : Pourquoi DeepSeek ne fait-il pas des choses “plus rentables” ? », juillet 2026
• Sina Finance (rapport de Caijing) : « DeepSeek-V4 prend officiellement en charge le processeur Huawei Ascend 950 », 24 avril 2026
• Caixin : « DeepSeek : Après la mise sur le marché en gros des super-nœuds Ascend 950 au second semestre, le coût d'utilisation du V4-Pro devrait fortement diminuer », 23 juillet 2026
• EET-China : « DeepSeek V4 déclenche un engouement pour les puissances de calcul nationales : le Huawei Ascend 950 est « frénétiquement réclamé » par les grands groupes », avril 2026
• meshlaunch : « DeepSeek V4 Full Release (July 2026) : Pricing, Benchmarks & Migration », 20 juillet 2026
• n1n.ai Explore : « DeepSeek V4 GA et open-source : Analyse de l'écart de prix des LLM », 21 juillet 2026