从课堂提问到710亿估值：DeepSeek融资背后的AI教育新课题

上周的科创社团课上，一个初二学生盯着手机上的新闻标题问我：“沈老师，DeepSeek估值710亿美元，比之前涨了37%，这比我们做的垃圾分类AI项目值钱多了吧？它到底凭什么这么贵？”全班十几双眼睛望过来，我知道这个问题不是简单用“资本看好”就能搪塞的。对于正在学习机器学习的中学生来说，一个AI公司的估值逻辑，恰恰是理解AI产业真实面貌的最佳切口。

从520亿到710亿，估值背后是“开源”的胜利

DeepSeek这一轮融资最引人注目的不是金额本身，而是估值提升速度——短短一个月内完成新一轮融资，且投前估值达到710亿美元。上一轮约520亿美元的投后估值在业内已属高位，而这次直接跳升约37%。

[!note]
从教育视角看，这个案例完美诠释了“技术壁垒”与“生态杠杆”的关系。DeepSeek的价值不在于它拥有多少参数，而在于它通过开源模型构建了一个让全球开发者能二次创新的基础设施。

在我的课堂上，常用一个类比来解释这种估值逻辑：如果把AI大模型比作一部手机，那么“堆参数”就是提升硬件配置（像增加内存和摄像头像素），而“开源生态”就是开放操作系统，让全球程序员来开发APP。DeepSeek早期因参数规模和训练效率引发关注，但真正让资本持续加码的，是它开源模型后吸引的大量开发者。从教学角度看，这正是“技术赋能他人，而非封闭独占”的商业模式教科书级案例。

AI竞争已从“算力军备赛”转向“应用落地赛”

新闻中提到的估值变化背后，是一个更重要的趋势——AI竞争的逻辑正在发生根本性转变。2023年到2024年初，行业焦点是“谁的模型参数更多、训练成本更高”，但到了2025年，市场开始用“谁的工具能让更多人用出价值”来衡量一家公司的未来。

2023-2024：模型参数（100B-1T） -> 训练成本（亿级） -> 竞赛逻辑：我的更大、更贵
2025- ：开源模型（可二次开发） -> 推理成本（降低100倍） -> 竞赛逻辑：我的更易用、更亲民

这种转变对中学生科创教育的启示非常直接：我们带学生做的AI项目，不能只重复“训练一个模型”的流水线操作。以前，一个典型的科创课题可能是“用GPT-2写古诗”或“训练ResNet识别花朵”，但这类项目在今天已缺乏新意。真正的教育价值在于：基于开源模型，设计解决真实问题的应用。比如我的学生最近在做的“基于DeepSeek的校园反霸凌匿名求助系统”，就是调用开源大模型的API，结合校园场景做语义分析与分级响应。这类项目才能真正锻炼学生的工程思维与社会责任。

发一个行动建议：带学生做一次“估值调研”

回到最初那个学生的提问。与其直接回答“为什么值710亿”，不如把它变成一次探究活动。

行动建议：在本学期的科创课上，带学生做一次“AI公司估值小调研”。具体步骤可以这样：

1. 收集最近三个月内完成融资的AI公司信息（DeepSeek、月之暗面、智谱AI等）
2. 每家公司选取两个维度：技术指标（模型参数、推理成本）和商业指标（合作伙伴数量、开源社区活跃度）
3. 让学生分组讨论：“如果我们要创办一家AI教育公司，应该学哪家的商业模式”
4. 最后用一张可视化图表，展示估值与这些指标的关联性

[!tip]
这个活动的教学价值在于：它打破了“技术=参数大小”的单一认知，让学生看到从实验室到产业落地的完整链条。710亿的估值数字不重要，重要的是学生能在分析中理解：AI公司卖的不是代码，而是解决问题的能力。

当AI竞赛从“谁跑得更快”转向“谁能让更多人跑起来”，我们的教育也需要从“教学生用模型”转向“教学生创造模型之上的价值”。下一次再有人问“DeepSeek为什么值这么多钱”，我会说：它值钱不是因为技术本身，而是因为这项技术正在让全世界的中学生都能用上AI——包括你们正在做的那个垃圾分类项目。

原文链接：https://www.tmtpost.com/8064892.html