在近期一场投资人交流会上，DeepSeek创始人梁文锋关于中美AI竞争的看法引发业内关注。他坦言，中国在AI技术发展上与美国存在一到两年的差距，但中国团队仅用美国二十分之一的算力便实现了当前成果。对于未来目标，他提出将技术差距缩短至6个月甚至3个月，并强调在算力总量存在数量级差异的前提下，"全面超越"并不现实。
梁文锋指出，中美AI发展的核心差异在于资源投入。他以模型训练成本为例说明：若要训练与美国同等规模的模型，需要五万张GB300或二十万张华为950芯片，这仅是训练阶段的投入，尚未包含研究开发费用。即便DeepSeek完成500亿元融资，仍无法承担如此高昂的算力成本。因此，公司当前选择在几十亿参数规模的模型上深耕，待资源储备充足后再向150亿、250亿参数规模推进。据透露，150亿参数模型有望在年底启动训练。
在人才与资源的辩证关系上，梁文锋提出颠覆性观点：中美AI人才差距微乎其微，真正的瓶颈在于算力资源。他解释称，算力不足直接限制了实验机会，进而影响人才效能的发挥。这种资源约束形成恶性循环——算力越少，可验证的假设越少，技术突破的概率也就越低。
关于算力储备现状，梁文锋披露DeepSeek目前拥有约两万张H系列芯片的等效算力，其中大部分为近两个月内到货。他透露公司正在加速采购英伟达芯片，未来几个月将有大规模设备到货。在采购策略上，他表现出激进态度："在合理价格范围内，我们会尽可能多地收购芯片。"即便需要支付一定溢价也在所不惜，因为"将资金转化为算力比存银行更有价值"。
这位创始人同时坦言采购难度远超预期。他以量化目标说明挑战：若能在年内完成200亿元的芯片采购，"采购部门将创造超级业绩"。但现实情况是，全球高端芯片供应紧张，价格持续走高，实际采购量可能远低于计划。这种供需矛盾折射出中国AI企业在算力竞赛中的困境——既要与时间赛跑缩短技术差距，又要应对国际供应链的制约因素。
