世界怎么就「东升西落」了？聊聊二级市场与 DeepSeek+Manus 的热潮｜对谈莫傑麟

摘要

• “东升西落”首先是风险偏好的镜像反转，而不是中美基本面已经彻底换位。 特朗普一月就职后推进关税、削减政府开支，美国“重新回到了宏观的问题上面”，高估值叠加满格 AI 预期，令航空股等资产提前交易衰退；但截至三月中，就业、通胀和消费数据尚未直接指向衰退。中国则因过去预期过低、市场对不做“大水漫灌”的政策预期已放平，对短期坏数据更有抵抗力。

• DeepSeek 对美国 AI 叙事的真正冲击，是用接近的 performance 和更低成本挑战“更多卡、数据和钱必然换来更好结果”。 美国从 pre-training、post-training 一路讲到推理与 Deep Research，核心仍是 scaling law；中国更早追问应用、PMF 和投入产出。OpenAI 在 2024 年底没有交付 GPT-5，DeepSeek R1 开源后却展示出极强的工程与 infra 成本控制，“当你没有预期的时候，它反而交付出来了”。

• Manus 是中国式产品创新，却被舆论错放到模型与 AGI 的坐标上，先捧成“中国的下一个 DeepSeek”，再因不是自研模型而被骂成“套壳”。 Manus 也沿着近两年 AI 应用的脉冲式路径发展，这类产品往往选择 prosumer；其相关团队思考过如何让 AI 服务从未用过 AI 产品的人，并与 Cursor、Devin、Operator、Deep Research 等应用处在相近路径上。曲凯的结论是：DeepSeek 有明确 AGI 理想，Manus 的初心则是“让更多的人能更好地用上 AI”，两者不该争同一把尺子。

• 中国科技资产 2025 年最清晰的交易逻辑，是先补完美国大厂在 2023—2024 年做过的“简单题”。 市场期待 DeepSeek 可能引发阿里、腾讯等公司对算力、人才和数据中心的 capex FOMO；阿里宣布提高投入后股价反而上涨，反映市场从要求现金流和分红，转向奖励“敢投入”。腾讯更像拿到一张“跳级卡”：无需花 6—12 个月完整组队摸索模型路径，可跳过第一阶段的“资格赛”，直接跨入应用，再反过来训练自己的模型。

• 国产算力能否替代英伟达，要把推理与 AGI 训练分开看。 推理不强依赖卡间互联，单卡性能即使暂时不如英伟达也“能用”，寒武纪股价和即将上市的多种推理卡映射出“百卡齐放”；但若追求 AGI、建设十万卡集群，互联通信成为关键，英伟达 GPU 体系目前仍很难替代。“卡脖子”对应用商业化未必严重，对前沿大集群依然存在。

• 中国市场更可能走结构性 Alpha，而不是一轮由 AI 自动扩散到全部资产的无差别牛市。 AI、互联网与半导体的“简单题”总体向上，但地产、地方债与消费没有靠加杠杆迅速解决，意味着更长时间与更大波动；曲凯把它戏称为熟悉的“稳中向好、板块轮动”。储能、轴承、消费、宁德时代等已经各自走出底部，机会来自出海、技术突破和竞争格局改善。

• 高频波动正在重写“炒股”的含义：优势不再只是炒作，而是用上市公司表达更高的信息与认知密度。 产业人士往往先于机构感知光模块、寒武纪等产业链变化，以及 Agent 的 token 消耗变化，市场又会用更短时间走完产业原本需两三倍时间兑现的预期，“现在炒股的逻辑重点是在股”。二级市场可以是一级投资人和创业者“舒服的归属”，却未必是最终归宿——脱离一线后，原有认知密度也可能消失。

精读

1. “东升西落”始于预期反转，而非基本面一夜换位

• 莫傑麟把两个拐点都放在一月：特朗普正式就职并推进关税、政府开支与财政削减，DeepSeek 同期出现；前者让美国“重新回到了宏观的问题上面”，后者与美国 2024 年“AI 是一切、前沿创新绝对领先”的预期形成冲击。

• 2024 年的美国由“AI 是一切”、强美元与全球资金涌入共同支撑；进入 2025 年，AI 预期已被打得很满，宏观不确定性又上升，高价格上的风险厌恶因此表现为极剧烈波动。

• 航空股是莫傑麟观察衰退预期的直接窗口：投资者已经“用脚投票”，但截至三月中，就业、通胀与消费数据并未直接指向衰退。他的警告是，预期会慢慢传导；一旦某期数据暴露出问题，市场可能进一步极端演绎。

• 中国恰好成为镜像：2022—2023 年是不管政策怎么出，市场都预期就业、消费与经济停滞；如今对不做“大水漫灌”的政策预期已放平，投资者对短期数据波动更有抵抗力。“东升西落”因此首先是中国风险偏好回升、美国风险厌恶上升。

2. DeepSeek 用中国式 PMF 挑战美国式 scaling law

• 莫傑麟区分了两套 AI 价值观：美国自 2022 年第四季度起，从 pre-training、post-training 讲到推理和 Deep Research，始终围绕 scaling law 与 intelligence；中国则从一开始就追问应用、日活月活与投入产出。

• DeepSeek 最强的部分首先是工程优化，尤其在基础 infra 与成本控制上达到他所称的“目前行业最低”水平；连美国头部 AI Labs 的人也想与相关团队交流。成本越低，产品越容易尽快推向市场，这就是它与 PMF 的直接连接。

• 曲凯的归纳更尖锐：美国持续讲“堆更多的卡、更多的数据、花更多的钱”，但过去一年底层模型没有出现足够明显的结果跃升；DeepSeek 却同时给出更低成本与可比结果，方向正好相反。

• 两人没有把它神化成纯算法突破。曲凯提出其核心更多是工程创新，莫傑麟明确同意；真正改变预期的是，OpenAI 在 2024 年底没有交付 GPT-5，而 DeepSeek R1 开源后以低成本交付了 performance 同样好的结果。

3. Manus 的价值在产品，不在证明 AGI

• 莫傑麟认为，中国稀缺的恰恰是约十位优秀产品经理主导的创业团队：他们不必把 intelligence 当作唯一支柱，而会问“AI 可不可以做给从来没有用过 AI 产品的人”。这在依赖统一融资叙事的硅谷并非主流。

• 曲凯把近两年定义为 AI 产品的“脉冲式增长”：Cursor、Devin、Windsurf、DeepSeek 等产品突然被大量转发和使用。Cursor 据团队自述一直零投放，以小几十人的团队做出很大 ARR，说明 prosumer 同时具备 C 端传播性与付费能力。

• Manus 也沿着这条路径爆发：市场极度渴望真正可用的 AI 产品，张涛、Pika、肖弘等相关人物又具有 IP 属性，自媒体愿意主动传播。但传播“用力过大”，把一个产品层公司推到 OpenAI、DeepSeek 所在的模型与前沿科技坐标，反噬由此开始。

• 曲凯给出的边界很清楚：DeepSeek 是中国团队“用非常硅谷的方式”追求 AGI；Manus 是中国团队借助硅谷技术、以中国擅长的产品方法扩大 AI 效用。“它确实没有 AGI 梦想，因为人家是做产品的。”

4. 捧杀与外部认证，可能把中国产品逼向海外首发

• Manus 原本是英文网页、面向海外的产品，却先在国内爆火；曲凯担心这会让后来团队更怕在国内成为热点，宁可先去海外。他把责任同时落在创业者、投资人、媒体与用户身上：“不要捧杀，也不要骂得太狠。”

• 舆论的矛盾来自同一种认知缺口：不了解 Operator 等海外产品，所以容易把 Manus 当作纯原创突破；也因为不了解产品价值，才会认为不用自研模型、采用开源模型就等于“套壳”。

• 曲凯保留了一个值得注意的反驳：“海外都没有人讨论嘛，所以它肯定不行”并不是有效判断。美国主流叙事本就“不 care To C”，To B 讨论也难泛化到媒体；但国内仍习惯以海外 KOL、排行榜背书确认价值，DeepSeek 与《哪吒》的舆论路径都体现了这种外部认证需求。

5. 中国大厂正在补美国 2023 年做过的“简单题”

• 海外长线投资人看中国，核心仍是地产后时代的化债、就业与消费，AI 只是能否创造产业、就业和消费的子命题；科技投资人则把 2025 年中国映射为 2023 年上半年的美国：他们期待 DeepSeek 像 ChatGPT 一样，可能触发头部互联网公司对算力与人才的 FOMO。

• capex 在这里是前置性资本投入：腾讯、阿里预期用户增长，便提前购买计算卡、建设数据中心、争夺人才。它不会立刻转化为利润，却是产业基础设施不可跳过的一环。

• 曲凯指出，按过去 A 股逻辑，提高成本、暂不增加利润往往会压低股价；阿里宣布提升 capex 后却大涨。莫傑麟的解释是，中国资产正“从坏到好”，市场认为公司重新敢于投入，本身就是积极信号。

• 美国 2023 年利率很高，只有拥有用户、场景与现金流的大厂能投入；算力还可改善 Meta 的广告、搜索推荐，并提升企业的公众认知。中国 2025 年先完成同样的“简单题”，且能借开源成果少走弯路，投入产出和确定性可能更好。

6. DeepSeek 给腾讯一张跳级卡，也重画模型行业分层

• 在 DeepSeek 之前，阿里、腾讯一度已被当成价值股：市场要求分红和现金流，不再期待宏大战略。DeepSeek 出现后，这批公司重新成为产业投入与 AI 应用讨论的对象。

• 腾讯尤其特殊：早期抄底者用业务结构和收入相近的 Meta 作估值参照；DeepSeek 开源后，腾讯不必先花 6—12 个月组队、寻找完整技术路径，可跳过第一阶段的“资格赛”，直接跨向应用，再基于 DeepSeek 训练自己的模型。

• 莫傑麟把硅谷模型公司分为两派：OpenAI、Anthropic 属于头部 AI Labs，Llama 一类属于另一派；真正能看见终局、决定哪些技术方向值得坚持的 T0 人才，“全世界可能不会超过二十个”。

• DeepSeek 仿佛成为 T0-2 模型公司的一个外部 T0 角色，替缺乏技术路径远见的团队趟出 scaling、infra 与推理路线；对 T0-1 的公司则是一记警醒，迫使它们重新思考开源价值和极致工程效率。因此它同时冲击 Meta/Llama 与 OpenAI，而非只打击其中一方。

7. 推理可以“百卡齐放”，十万卡 AGI 集群仍难绕开英伟达

• 莫傑麟判断，中美模型分工可能出现差异：中国更多承担主动探索 AI 商业落地的作用，而这条路线的重要计算需求来自推理。国内推理卡已有明显进展，寒武纪股价就是二级市场给出的直接表达。

• 他的技术边界是：推理不要求大规模卡间互联，单卡性能短期即使不如英伟达，也不会因此不能用；随着更多推理卡上市，国内可能呈现“百卡齐放”，“卡脖子”对商业应用未必再是严重问题。

• 若目标改为 AGI、建设十万卡集群，结论就不同了。训练要求极强的互联与通信能力，英伟达在 GPU 集群体系上的投入仍具垄断性优势，目前国内“其实还是很难去替代”。

8. 中国信心从 2024 年一月筑底，DeepSeek 只是点火器

• 回看此前讨论的“暗线”，地产转型压低居民消费信心，地方失去土地与地产支柱后又面临债务和创收问题；真正长期的解法还涉及人口与新产业结构，而不是靠一次科技行情覆盖。

• 莫傑麟认为，2024 年一月是国内信心底部，此后缓慢、匀速修复，到 2025 年一月被 DeepSeek 点燃。按他当时的观察，上海房价已创近几年新高，居民消费信心也在点状改善。

• DeepSeek 的意义正在于“没有预期却交付”：此前市场不相信中国会出现做到这种程度的模型公司，它以一个具体产业突破修复信心，但还不足以替代地产、债务与消费问题的长期解决。

• AI 之外，储能、轴承等“专精特新”公司以及消费企业已走出各自周期；宁德时代等代表性公司通过出海、技术突破或改善竞争格局爬过底部。这些产业趋势更直接支持“东升”，却未必同时证明“西落”。

9. 科技行情可向上，广义牛市仍需耐心

• 面对曲凯最直接的追问——A 股是否上涨、美股是否继续下跌——莫傑麟没有给出单边答案。中国 AI、互联网、半导体在做“简单题”，即使剧烈波动，整体趋势可以偏上；广义中国资产却仍受宏观暗线约束。

• 政策没有选择“大水漫灌”或迅速加杠杆解决地产、地方债和消费，代价就是更长的修复时间与更波动的体感。因此他建议把“牛市”预期放平，2025 年更可能是个别产业趋势形成 Alpha，并在短时间被交易到很满。

• 曲凯把这番判断翻译成国内投资者熟悉的“稳中向好、板块轮动”。莫傑麟认可，但补上一层时代变化：信息渠道更多、传播更快，资产价格会在更短时间走完产业现实原本需要两三倍时间才能走完的全程。

10. 股价既奖励产业交付，也反向塑造企业战略

• 曲凯追问，市场快速完成预期演绎，会不会激励企业蹭热点、讲故事。莫傑麟的回答是“一定会有”，而且中美皆然；动物精神会把一些专业机构无法从基本面认可的公司，也包装成“只要相关就该做”。

• 但高股价并非只有泡沫效应。高利率环境下，长期投资人认可的估值能帮助公司利用窗口收并购，也能增强员工信心、提高期权吸引力、降低资金成本；能把资本市场故事讲清楚，本身会形成长期经营优势。

• 英伟达是他给出的具体例子：财报前 Jensen Huang 会密集演讲，上一季度还通过播客普及 test-time compute scaling law 与新的 scaling law。原因不只是宣传，股价信号会直接或潜移默化地影响公司战略执行。

• 莫傑麟感受到的范式变化是：2020 年以前，投资人更重视与市场形成共识、愿做“时间的朋友”；疫情之后，反共识和兑现速度的重要性明显提高，企业经营者也被迫更快回应资本市场。

11. 产业人士的优势，是同时看见趋势与预期水位

• 2024 年初，部分云厂商 CEO 在专业机构关注前，就判断英伟达下一代技术将令光模块在可见中期变得重要；类似认知后来又映射到寒武纪。产业一线让他们更早感知趋势起点。

• Manus 团队曾对算力悲观，真正做 Agent 后却发现 token 调用量是“几何级的增加”。这类体感与投资人的反馈结合后，产业人士既知道现实变化，也知道市场预期水位是在 30 分还是 60 分。

• 新的“炒股”因此不是简单炒作。莫傑麟说：“以前炒股的重点词在炒，现在炒股的逻辑重点是在股”——选择哪家公司，成为表达行业理解、趋势判断与高 conviction 的载体。

• 曲凯问，把时间拉长是否仍能磨平波动。莫傑麟不否认价值投资，却认为宏观关系和产业趋势本身也在突变；越来越多人会靠风控、信息密度和 intelligence 直面波动。段永平开始研究英伟达、趋势投资者却可能正在卖出，只是表达区间不同，不能简单比较高下。

12. 2025 年应研究价值链分配，而二级市场只是“舒服的归属”

• AI 的第一组问题是模型与基础设施如何分配价值。莫傑麟直觉上认为闭源模型定价权在减弱，但仍需观察：能持续获得信任和资源、训练下一代模型的公司正在变少，竞争格局反而收敛；技术或许每三年爬一个坡，继续带来明显智能提升。

• 第二组机会来自原生与垂直应用：Manus、Devin、Deep Research、Operator 在相近路径上实验，Google 和海外语音模型也在推进；医疗、金融、保险，以及 Ilya 特别关注的生物医药制药，可能形成各自的 AI 载体。

• 非 AI 方向，他会研究因高利率冷却已久的美国生物医药、日本与美国工业、航空航天，以及中国“自主可控”主题；2025 年二月企业家座谈会上出现的公司，也值得逐一研究。“波动就是机会”，关键是找到自己的观察切面和表达载体。

• 对“二级市场是否最终归宿”，莫傑麟的回答是“不一定”。一级投资人与创业者有产业认知密度，只需学习如何把它转化为价格和策略；投资路径虽比企业家的“九九八十一难”直接，却很残酷，而且全职炒股后，一线认知密度可能反而消失。它可以是“舒服的归属”，最终仍取决于个人选择。