CATL 与腾讯支持 Deepseek 新一轮融资，2027 IPO 计划

CATL 与腾讯支持 Deepseek 新一轮融资，2027 IPO 计划

Deepseek 正接近完成至少 120 亿美元的新一轮融资。CATL（宁德时代）和腾讯作为主要支持方，这将直接带来大规模算力扩张需求。2027 年初拟在上海科创板上市。

如果你正在考虑 API 中转 或 模型天梯，这次融资动态值得关注——Deepseek 的 V4-Flash 模型已证明低成本高性能推理潜力，意味着类似方案的算力成本或有新参考。本地部署 和 vLLM 实验室的开发者，可据此评估长期算力预算与本地集群规划。

融资细节：从首轮 50 亿到新一轮 120 亿+ 美金

2026 年 6 月，Deepseek 首轮外部融资约 50 亿美元（估值超 500 亿美元）。本次 Bloomberg 报道显示，新一轮规模至少 120 亿美元，可能接近 150 亿美元，远超此前目标。CATL 和腾讯贡献最大份额，反映双方对 AI 基础设施的实质支持。

原文日期：2026-10-06 原文链接：https://the-decoder.com/catl-and-tencent-back-deepseeks-ballooning-funding-round-as-the-ai-startup-eyes-a-2027-ipo/ 信源：rss-the-decoder（T2）

算力需求放大效应

新一轮资金主要用于：

• 扩建数据中心（已规划 160,000 片华为芯片集群）
• 模型训练与推理能力升级
• 潜在自研芯片迭代

Deepseek 创始人明确表示将继续开源模型（open models），提供免费权重。这一策略可能间接带动 xAI 中转 与 本地部署 实验室对算力的需求——更低成本高性能模型会降低用户对外部 API 的依赖。

适用场景：

• 开发 Agentic AI 应用时，预计推理成本将更具竞争力
• 需要大规模 token 处理的项目，可参考类似中国生态模型的训练效率

融资对模型天梯与 API 中转的影响

本次融资放大效应可通过以下简单对比理解：

数据来源于 Bloomberg 与 The Decoder 报道。以官方挂牌页当日数据为准，实际成交与估值可能调整。

投资与算力规划建议

• CATL 视角：电池制造商布局 AI 数据中心，能源效率将成为核心竞争力
• 腾讯视角：整合微信生态，助力 Deepseek 模型在国内更大规模部署
• 开发者视角：关注 Deepseek 开源策略，未来 Grok API 与 xAI 中转 的算力中转倍率或更具参考性

推荐行动：

• 在 /api-transit 页面查看当前 API 中转支持的模型列表
• 在 /api-lab 页面体验 vLLM 本地部署，评估自家算力需求
• 在 /ladder 页面追踪模型天梯最新排行

风险与边界

本次融资动态建立于市场消息，实际执行存在不确定性。若融资规模未达预期，或 IPO 进展延后，相关算力扩张节奏将相应调整。非法律意见，仅供参考，建议以官方公告为准。

延伸阅读

• API 中转服务总览
• 模型天梯实时榜单
• 本地部署 vLLM 实验室入门
• 开源模型推荐与访问指南
• 官方 API 接入对比

English summary

Deepseek is nearing a funding round of at least $12 billion, with major backing from CATL and Tencent, according to Bloomberg as of October 6, 2026. The company originally targeted around $7.5 billion but investor demand has surged after its strong V4-Flash model performance. The round, if closed, could approach $15 billion and positions Deepseek for an IPO on Shanghai's STAR Market in early 2027.

The funding will significantly boost compute infrastructure, including a planned 160,000+ Huawei chip data center. Deepseek continues its focus on open models with free weights, which may influence downstream API transit and local deployment strategies.

For teams in API 中转, 模型天梯, or 本地部署 labs, this news provides a practical reference point for evaluating long-term compute costs and capacity planning. The increased capital supports faster iteration on inference-heavy workloads, potentially expanding options for cost-efficient model access.

Note that actual deal terms, valuation, and timelines remain subject to final negotiations and regulatory approvals. This article is for informational purposes only.