DeepSeek会议纪要泄漏 美国白捡“一把刀”

结合同期美国围绕月之暗面（Kimi）等公司使用海外GB300伺服器的调查传闻，以及国会将DeepSeek、月之暗面、阿里与MiniMax等一并置于“中国开源模型风险”框架下审视的动向，这份泄密材料的意义远超一家创业公司的融资风波。

它坐实了美国针对中共主导下的AI追赶路径的核心指控：通过违规或灰色渠道获取英伟达先进算力芯片、依托蒸馏与高效训练技术压缩差距、并借助开源与生态互助把有限算力收益放大到整个中国AI网络，最终挑战美国在前沿大模型上的全球领先地位。

算力采购的异常，从“需求”到“可追查的链条”

纪要中最刺眼的部分，是梁文锋对算力现状与采购计划的描述。现有约“两万张H等效算力”，其中大部分在最近一两个月到货；未来几个月还有大批量机器，且“基本上都是英伟达”；愿意支付一定溢价；若一年内采购花掉约两百亿元，就算采购部门业绩超级好；所有集群均为自建。这些表述并非空泛计划，而是带有时间节点、数量级与价格弹性的操作方案。

在美国出口管制背景下，先进英伟达芯片，尤其是高带宽存储与互联性能突出的Hopper与后续Blackwell系列相关产品，对中国实体的供应受到严格许可限制。BIS明确指出，即使芯片部署在中国境外，只要使用实体或最终母公司位于中国，通常仍不能通过海外子公司轻易规避许可要求。

纪要中的“最近一两个月到货”“未来几个月大批量”“基本上都是英伟达”“愿意付溢价”，直接对应了执法尽调中的典型红旗：采购节奏异常、溢价接受度高、到货集中。执法者不必再从模型能力倒推算力规模，而可以直接沿“时间—数量—供应商—物流—融资—用电与序列号”路径倒查。英伟达、伺服器厂商、云与数据中心运营商、物流商与相关融资方，都可能被纳入交叉核验范围。

同期围绕Kimi的调查传闻进一步加剧了美中AI竞争的烈度。美国官员称月之暗面在泰国等地获得并使用GB300伺服器，可能用于模型训练。GB300作为高性能训练伺服器配置，其算力密度与互联能力远超普通推理卡，一旦被证实用于前沿大模型训练，就直接触及管制的核心关切，防止先进算力转化为战略能力提升。

梁文锋纪要中的采购口径，与这类个案形成互证：中国AI公司并非停留在“缺卡”叙事，而是在积极、激进地扩充英伟达相关算力，并明确将“能买到多少就买多少”作为策略。资金不是瓶颈，买不到才是瓶颈；把钱尽快变成卡，比放在银行更划算。这种表述在商业上或许合理，在管制语境下却构成清晰的规避动机证据。

蒸馏、开源与生态互助：有限算力的战略野心

单纯获取芯片只是起跑。纪要反复强调的另一条主线，是开源、帮助复现、以及愿意协助包括阿里、智谱、月之暗面在内的竞争对手。最强模型也可能开源；不仅公开权重，还帮助第三方部署、复现并降低成本；核心技术与经验向整个生态扩散。从从业者视角，这可以被解读为“克制”“善意”与“做大市场”的愿景；从执法与战略视角，这构成了能力扩散的通道。

蒸馏（knowledge distillation）是当前大模型竞争中常见的技术路径：用强大教师模型生成数据或软标签，训练更小、更高效的学生模型，从而在有限算力下逼近甚至局部超越教师模型的表现。纪要虽未逐字使用“蒸馏”一词，但其对训练效率、低成本部署、开源帮助复现的强调，与蒸馏及高效后训练高度契合。

当一家公司通过灰色渠道获得高端算力并训练出强模型后，再通过开源权重、部署指导与经验分享，让其他公司以更低成本复现或蒸馏出可用模型时，单张受限GPU的战略价值就被指数级放大。美国国会将多家中国开源模型公司放在同一风险框架下审视，正是基于这种“共享训练与部署经验—共同数据或算力来源—人员与技术流动”的担忧。

纪要还透露，DeepSeek在V3训练中已使用英伟达硬件，却“几乎不依赖英伟达生态”，而是通过自研高级语言TileLang重写算子，并深度参与华为芯片生态。目标是把现有软体栈移植到华为卡上，最终让华为超节点在任务层面平替GB200/GB300类配置。

这组表述展现极为清晰的战略含义，通过海外或灰色渠道获得的先进GPU，不仅用于完成一次训练，还可被当作“过桥算力”，训练更强模型、用AI加速编译器与国产软体栈开发、把优化经验迁移至华为平台，再通过开源把迁移成本扩散给更多中国公司。每一张被绕过限制获得的GPU，都可能在帮助中国逐步摆脱对美国先进GPU的长期依赖。

美国因此面临两难境地，限制越严，国产替代与去CUDA化动力越强；限制不严，又会直接加速中国模型的Scaling、持续学习探索与AGI路线推进。分析人士认为美国执法目标很可能不再局限於单次GPU采购，而外扩到海外数据中心、云算力、HBM、网络设备、伺服器维护、融资渠道、编译器技术乃至模型权重流通。BIS已将大模型用于军事与情报能力作为先进半导体管制的国家安全理由之一。梁文锋的这份纪要恰好完美提供了把孤立采购案升级为“生态级调查”的叙事基础。

中共缩短差距的路径，资源约束下的效率叙事与战略取舍

梁文锋坦承，与美国的主要差距在算力资源，而非人才。国内人才“几乎没有差距”，甚至基数更大；真正的瓶颈是卡不够，导致实验机会少、最大模型训不起、研究不充分。现有与近期资源只够在“几十B激活”规模上做更多实验，距离美国八百B量级仍有数量级差距。训练同等规模模型需要约五万张GB300或二十万张华为最新卡（仅训练，不含研究）。因此策略是：在能承受范围内能买多少买多少；先在可训得起的规模上把效率做到极致；同时推进国产芯片生态，等待产能跟上。

这种叙事的核心是“用更少算力、更短时间逼近甚至局部超越”。纪要声称，中国可能用美国二十分之一的算力，把落后控制在一到两年，并力争进一步压缩到六个月甚至更短；在成本与产品体验上可能形成结构性优势；通过持续学习突破后，再用AI加速自身研发，形成非线性加速。开源与“只赚合理利润”，例如十个月收回设备成本，被定位为增加做成AGI概率的战略克制，而非单纯商业让利。

这份战略构想恰恰证明了美国管制的必要性：如果先进算力持续通过灰色渠道流入，并被高效利用与生态放大，中美在前沿模型上的时间差与能力差将被系统性压缩。

值得注意的是，纪要同时强调团队稳定性是唯一核心利益，愿景驱动而非KPI驱动，聚焦CoT→Agent→持续学习→自我迭代→具身的AGI主线，对C端流量与短期To B变现保持克制。

这些管理与文化表述本身并不构成违规违法，但隐含的“资源一旦到位，组织与人才优势即可快速兑现”的目标策略，触碰了美国管制红线。美国指控的重点从来不是中国没有人才或没有愿景，而是先进算力与相关技术是否通过违规途径被获取并转化为战略能力。

对美国全球领先地位的实质挑战

综合来看，这份泄密材料从三个层面坐实了美国针对中共主导下AI追赶的指控。

第一，算力获取层面。异常采购节奏、溢价意愿、自建集群与“基本上都是英伟达”的表述，与BIS红旗清单高度吻合，并与GB300海外使用传闻形成互证。执法者现在拥有更清晰的倒查路径。

第二，能力放大层面。开源最强模型、帮助竞争对手复现、通过TileLang等技术降低对CUDA依赖、深度参与华为生态，意味著有限高端算力可通过蒸馏、部署优化与经验扩散，惠及整个中国AI网络，而非停留在单一公司。

第三，战略闭环层面。先进GPU被用作过桥算力，训练模型、加速国产软体栈、最终推动国产硬件平替，直接针对美国以算力瓶颈维持领先的策略。限制越严，替代动力越强；限制松弛，Scaling加速。这正是美国两难的根源。

对中共而言，这份纪要也暴露了真实短板：资源仍是硬瓶颈，国产产能与生态成熟需要时间，全面超越在数量级算力差距下并不现实。但对美国而言，真正的风险不在于中国是否已经全面超越，而在于差距被系统性缩短、领先窗口面临收缩、以及管制体系被持续测试与绕过。若执法与政策不能及时回应“采购—训练—开源扩散—国产迁移”的完整闭环，美国在全球AI领先地位的维持成本将持续上升。

梁文锋内部交流的泄密，远非一次普通的商业资讯失控。它把美国此前相对分散的怀疑——违规芯片获取、GB300类先进伺服器使用、蒸馏与高效训练、开源生态放大、国产替代推进——串联成可验证的证据链。美国针对中共指控的核心，由此从政策辩论走向更具体的执法与战略应对。

这场美中AI战略竞争的本质，从来不是单一模型排名的涨跌，而是算力、技术扩散与制度矩阵的长期博弈。这份纪要，不过是把博弈的真实张力，以一种意外却清晰的方式公之于众。

有人说，这份纪要是给美国递了一把刀子，问题不是递不递刀子，而是中共AI发展路径参数高度吻合美国管制枪口下的猎物画像，如果你不是贼，你为什么要偷偷交流偷窃经验，畅谈盗窃愿景？