“Meta開源之戰慘敗後，矽谷選擇另起爐灶。”
2025年8月，加州聖克拉拉輝達總部，一家僅成立一年的AI初創公司創始人Misha Laskin 叩開了黃仁勳辦公室的大門。
沒人想到，這次會面中黃仁勳提的一個建議，讓這家名不見經傳的公司被推到了“中美開源戰爭”的最前線。
這次會面結束不久，這家公司快速拿下了輝達、紅杉、DST等頂級資本押注，估值從5.45億美元飆升至80億美元，近期又斬獲新一輪融資，估值飆升到250億美元（折合人民幣約1700億元）。短短13個月，估值翻了46倍。
它就是Reflection AI。
“黃仁勳的那次會面，更像是一次仙人指路。真正把它推上桌的，是矽谷在開源模型這一仗上的接連敗退。”一位AI投資人告訴雷峰網。
矽谷原本以為開源模型只是Meta的遊戲，但從DeepSeek R1到DeepSeek V4、Kimi、Qwen等開源模型的出現，直接把美國在開源上的先發優勢打穿了。
而原本被美國寄予厚望的Meta Llama，並沒有成為預期中的開源霸主。在Llama 4表現不及預期後，美國開源模型陣地出現空缺，矽谷和華盛頓急需找到一個新的旗手。
而Reflection AI，就是那個被選中的“美國版DeepSeek”。
這家成立於2024年3月的年輕公司，由Google黃金班底前DeepMind研究員Misha Laskin和Ioannis Antonoglou一手創辦，兩人分別參與了Gemini模型的訓練和AlphaGo的核心開發。投資陣容裡，輝達、紅杉、DST、Eric Schmidt等赫然在列。
牌面雖然無可挑剔，但問題是成立至今它仍然沒有模型產品。一家什麼都還沒交付的公司，憑什麼估值250億美元?
它的目標和DeepSeek是不是一回事？對中國開源模型而言這究竟是一次追趕，還是一場規則不同的競賽？
01
黃仁勳為何鍾情這家小公司？
黃仁勳和一眾投資人為何敢將籌碼押在一家籍籍無名的公司身上？
“如果這份term sheet（投資條款清單）擺在我面前，我首先判斷這不是一個模型公司的估值，本質上還是在賭未來的AI基礎設施入口。這46倍漲的不是它做出了什麼，是它被認定成什麼。”
AI產品負責人朱頤均告訴雷峰網，像黃仁勳這類投資人不太會去賭Reflection能做一個比GPT或者Claude更強的模型，他們賭的是如果AI基礎設施這一層未來發生洗牌，Reflection有沒有機會成為亞馬遜那樣的平台級公司，那就不是250億美元能覆蓋的了。
2024年初，還在DeepMind效力的Laskin和Antonoglou先後離職合夥創業，他們共同的判斷是，大語言模型有廣度卻缺乏自主可靠性，真正的缺口是把通用性和強化學習結合起來，做出能端到端把活幹完的AI Agent。
2025年7月，公司的第一個產品Asimov落地，一個面向企業工程團隊的程式碼理解Agent。
同期，紅杉和CRV領投2500萬美元種子輪，CRV與Lightspeed聯合領投1.05億美元A輪，估值達5.45億美元，輝達風投部門、Reid Hoffman和Alexandr Wang一併入場。
這條路本來走得好好的，直到跟黃仁勳的那次會面。
對於這次轉向，Antonoglou後來給過一個解釋，要在前沿做強化學習，就需要一個極強的基座模型來做後訓練。但當時西方生態裡缺的正是這樣一個開放基座，尤其在Llama 4表現不佳之後，他們認為自己是唯一有條件填上這個缺口的團隊。
“勸人開源可不是做慈善，開放模型免費，但是跑模型的卡不免費啊。”
長期關注AI半導體的分析師孫灝認為，黃仁勳這麼做是出於什麼想法其實不難猜，中國的開源模型正在逐漸成為全球默認選項，而輝達現在需要一批能夠跑在自己的晶片上,同時又能夠避險這股勢頭的開源模型。
跟黃仁勳會面的兩個月後，輝達領投20億美元，將Reflection AI估值抬到80億美金，其中8億美元是輝達出資，紅杉、CRV、DST、花旗、新加坡主權基金GIC等紛紛跟投。
這裡面有一個名字值得單拎出來，1789 Capital，這家基金由川普的長子小唐納德·川普等人參與創立，背後連接著美國保守派資本圈。
而最後進場的華盛頓，帶來的不是錢而是一筆訂單。今年5月，Reflection AI成為能源部Genesis Mission的開放模型底座。
輝達給方向和晶片，矽谷給估值，華盛頓給需求。到這裡，Reflection AI的三層支撐全部就位。
02
“再造一個DeepSeek”,
Reflection AI還差多遠?
“他們在用融資的速度，避險訓練的速度。”對於Reflection AI近期的一系列動作，分析師孫灝下了一個判斷。
在2025年10月拿到20億美元的融資時，Laskin表示第一個模型爭取在2026年初發佈，而最新的說法是會在今年晚些時候發佈。
可時間不等人，儘管模型產品尚未落地，Reflection AI已進入了大模型公司的燒錢模式。
今年6月下旬，Reflection AI與SpaceX旗下算力業務簽署合作。協議自7月1日起生效，每月支付1.5億美元，若執行至2029年，總額約63億美元。
不到一個月，公司又與雲端運算初創Nebius簽下超過10億美元的算力合作協議，同樣執行至2029年，用於獲取輝達GB300晶片。
兩筆相加，Reflection AI光是年化算力支出就超過了18億美元。
“這個數字是什麼概念呢?都是在SpaceX的Colossus租算力，Anthropic每月付12.5億美元，Google是9.2億美元，也就是說Reflection大約是Anthropic的八分之一。”
分析師孫灝認為，這個規模的算力支出雖然聽上去不是很離譜，但是前兩者都是有產品業務和真金白銀的ARR做支撐，Reflection這每年至少18億美元的成本卻沒有任何收入做避險，每一分都只能靠融資來填，那就很懸。
按照PitchBook的口徑，Reflection目前累計融到21.6億美元。也就是說，現有資金根本撐不完這兩份合約，這家公司必須持續融資才能繼續履約。
“現在最大的陷阱就是資本按照頂級估值去投，但技術只能達到第二梯隊的水平。一旦模型沒能形成領先優勢，巨額算力合同就會變成固定成本，資料中心也會變成負擔，融資能力自然也會跟著下降。”AI產品負責人朱頤均表示。
“大模型創業最可怕的死亡方式，並不是技術落後，而是它的成本結構對標了一家AI基礎設施公司，收入水平和盈利預期卻只能達到一家普通SaaS公司。”
好在這兩份算力合同並非一簽到底，在與SpaceX簽署的63億美元協議中，雙方保留了一項退出機制。合同生效滿三個月後，任何一方都可以提前90天通知對方終止合作。
那麼訓練一個開源模型到底該花多少錢？做開源模型的企業又該如何活下去?
DeepSeek提供了一種路逕答案。根據DeepSeek團隊發表的《DeepSeek-V3 Technical Report》，V3 的全部訓練共計278.8萬 H800 GPU小時，按論文假設的每小時2美元租賃價計算，約合557.6萬美元，其中預訓練部分用時不到兩個月。
當然，這只包含正式訓練，不含前期研究以及在架構、演算法、資料上的消融實驗開銷。
但一位AI科技領域投資人表示，如果單拿DeepSeek-V3的訓練成本來對比 Reflection AI，是絕對不嚴謹的，雙方光是使用的晶片就隔了兩代。
“DeepSeek所披露的內容，更多是展示了一種極致效率路線，而不是一個行業通用的模型訓練價格標籤。”
那做開放原始碼的模型公司要怎麼掙錢？DeepSeek這邊也有現成的例子。
截至8月初，DeepSeek V4-Flash的API價格是輸入每百萬token 0.14美元，輸出每百萬token 0.28元，若命中上下文快取，輸入價格還能降至每百萬token 0.0028美元。相比OpenAI、Anthropic等廠商，DeepSeek已經將API呼叫打到了地板價。
低價策略很快實打實的撬動了市場規模，據OpenRouter統計，在7月28日到8月3日這一周，DeepSeek V4-Flash的單周處理量已經達到了7.1兆token。
但低價只是初期打法，隨著呼叫規模和市場影響力的擴大，DeepSeek開始獲得重新定價的空間。早在6月29日，DeepSeek通知開發者將啟用峰谷定價，高峰時段價格翻倍；8月6日，DeepSeek再次發佈公告稱計畫近期整體上調API定價，“預計漲幅較大”。
換句話說，前期憑借跑馬圈地換取的漲價牌已經亮出來了，只是還沒打。
這位投資人認為，低成本訓練、低價擴張，再通過規模效應形成商業回報，這套邏輯與DeepSeek之前所公開的技術報告中展現的低成本路線是大概一致的。
“開源權重並不意味著簡單地把利潤讓渡出去，低成本能力反而讓DeepSeek能夠承受開源帶來的競爭壓力。只要把成本壓到足夠低，低到一定程度開源就不再是讓利了，反而是護城河。”
雖然都在做開源模型，但兩家當下處境完全不同。DeepSeek是一邊掙錢一邊研發，Reflection AI每多等一個月最低多燒1.5億美元，而且這錢還要指望下一輪融資到帳。
03
它和DeepSeek，做的是同一門生意嗎？
一家公司的野心可以寫在新聞稿裡，但它真正想成為什麼往往藏在招聘頁裡。
截至2026年8月6日，Reflection AI官網招聘頁共掛出62個在招職位。與通常意義上的前沿AI實驗室不同的是，明確標註為“Research”的崗位只有兩個；地點分佈上，華盛頓特區有7個職位，韓國有3個。
更值得注意的是一個名為“Head of Capture”的職位，雖然該職位目前已不在招，但今年有人在LinkedIn上公開宣佈出任這一職務。
“Capture是美國政府採購圈的行話，指在正式招標之前就提前介入，把一單政府生意從線索一路運作到中標的全過程管理。”
對於這個職位，分析師孫灝進一步解釋，一家前沿AI實驗室不一定需要這樣的角色，但做政府供應商的公司少不了，說明Reflection AI是在往企業和政府市場方向靠攏。
同時，招聘頁面中還掛著六個Deployment Engineer(部署工程師)崗位，要做的就是進駐客戶現場，把系統裝進對方的環境裡。
而這個崗位和最近AI圈火起來的FDE還不太一樣，它要解決的是系統怎麼在客戶機器上跑起來的問題，FDE解決的則是怎麼把AI改造成適合客戶的工具。前者偏交付，後者偏產品共創。
一頭在招標前把單子談下來，一頭在中標後把東西裝進去，組織重心在那兒一目瞭然。
但私有化部署從來不是誰的專利，DeepSeek、Qwen等開源模型在海外也有大量企業下載權重。同樣是做模型私有化部署，Reflection AI打算怎麼做出不同?
首先是客戶資格，今年5月成為能源部Genesis Mission的開放模型底座後，它拿到了一張採購門票，政府和大型機構在挑供應商時，模型跑分未必是第一順位。它鋪在華盛頓的那七個崗位，也志在此處。
其實是業務佈局，今年3月，Reflection AI與韓國新世界集團簽了備忘錄，雙方計畫年內成立合資公司，在韓國建一座250兆瓦的資料中心。其中新世界集團拿地施工、出資，Reflection AI負責裝置的設計與營運，項目總投資預計不低於10兆韓元，約合68億美元。
兩塊線索拼在一起，方向已經很清楚，Reflection AI的收入會來自採購資格和資料中心這類基礎設施。
在朱頤均看來，Reflection現在的路線本質上是用開放權重擴大生態，用封閉能力保住護城河。它要賣的從來不只是模型，而是AI基礎設施的預期。就像Linux核心免費，但Redhat靠企業服務賺錢。
這也是Reflection與DeepSeek目前最大的不同之一，DeepSeek押注開源和生態，Reflection AI更偏向把模型嵌進企業和政府採購體系。
“不過，Reflection AI還有個挑戰就是，如果中國的開源模型繼續降本，它權重的價值就有可能下降。”
對模型公司而言，開源之戰不僅是一筆生意，更是一場圍繞開發者和生態的長期競爭。
目前在海外市場，中國開源模型的生態積累已經形成了一定規模。Hugging Face官方今年3月的報告顯示，Qwen系列的直接衍生模型已經超過11.3萬個，僅憑一個系列就超過了Google和Meta的總和。
但是當競爭從開發者社區轉移到企業採購，中國開源模型的這套生態優勢有多少能遷移過去?
朱頤均認為，能轉化一部分但不可能全部轉化。
“能帶過去的，首先是開發者生態。大量微調模型、Agent、開源外掛和案例會降低企業的採用成本，生態一旦形成就有很強的網路效應。其次是工程化最佳化能力，中國團隊在推理最佳化、成本控制和小模型部署上優勢很大，而企業非常看重ROI。”
在朱頤均看來，中國開源模型最大的優勢是快速擴散的能力，而美國公司的優勢是資本充足、雲服務，以及多年積累的B端銷售脈絡和企業關係網路。
“但最終的贏家，會是能率先把模型、算力、生態和企業服務整合成一套完整商業系統的那個。”(雷峰網)