梁文锋和Winverse之间，早就搭好了一座桥
公开记录显示，DeepSeek目前仅投资过两家企业：一家是已实现商业落地的宇树科技，另一家则是刚传出计划领投消息的初创公司Winverse AI。
这家公司的创始人名叫胡瀚，他曾加入微软亚洲研究院，并担任过腾讯混元语言模型的技术负责人。
据外媒报道，Winverse AI是一家“隐身模式初创公司”，即不对外公开具体产品。不过，胡瀚在7月下旬从腾讯离职时曾透露，他的创业方向是具身智能和世界模型。
梁文锋曾对投资人亲口表示，世界模型并不重要。然而，不到半年时间，梁文锋就“破例”了。
那么，梁文锋为何选择在这个时间点投资Winverse AI？
我认为，原因在于梁文锋和胡瀚之间有一座“桥”。
胡瀚是谁？
胡瀚的职业生涯，用一句话概括就是：从“让机器看懂图像”，一路走到“让机器理解现实世界”。
他2008年从清华大学本科毕业，2014年在清华获得博士学位。读博期间，他曾赴宾夕法尼亚大学访学，毕业后加入百度深度学习研究院。2016年12月，他加入微软亚洲研究院，随后晋升为首席研究员和研究经理。
在微软亚洲研究院期间，胡瀚的工作完整经历了计算机视觉的变迁——从卷积网络到Transformer。
他发表的论文中，包括2017年的《Relation Networks for Object Detection》，将“关系”建模引入目标检测；以及《Deformable ConvNets v2》和《RepPoints》，在卷积时代使检测框架更加灵活。
2021年，胡瀚参与发表了最著名的论文《Swin Transformer》，使原本为文字设计的Transformer能够高效地“看”图片。
尽管如今多模态模型随处可见，但在2021年，这是一项具有突破性的进展。因此，这篇论文获得了ICCV 2021的马尔奖（最佳论文奖）。
胡瀚在知乎上回应这一成就时说，“有生之年从没想过有机会解锁马尔奖”，并强调奖项应属于更早和同期推动Transformer进入视觉领域的人。
Swin之后，视觉社区掀起了一股自监督预训练热潮，摒弃了以往的人工标注，转而让模型从海量图像中自主学习。
2021年底，胡瀚团队发表了《SimMIM》，借鉴谷歌BERT的“完形填空”思路，将图像遮住一部分让模型去猜测，结论是越简单的设计效果反而越好。
随后是《Swin Transformer V2》，将视觉模型做得更大。
从那时起，胡瀚的研究主线已从“如何设计更好的视觉网络”转向“如何将模型规模化、如何稳定训练”。
而当时，也正值大模型开始走红的年代。
于是，2025年1月，胡瀚以腾讯杰出科学家身份加入腾讯，接替离职的刘威全面负责混元多模态大模型研发，同时担任腾讯混元大模型Tech Lead，主导构建混元视觉理解基础能力。
2025年下半年，腾讯内部组织调整，他转入大语言模型部旗下的Frontier前沿技术研究组，负责多模态理解研究，直接向姚顺雨汇报，期间参与世界模型预研。
2026年4月，他与姚顺雨共同署名发布了具身VLM基座模型HY-Embodied-0.5。同年7月，他提出离职创业，视觉语言模型方向由前OpenAI研究员田永龙接手。
在腾讯的一年半时间里，他实际上横跨多模态大模型、视觉语言模型、世界模型、具身VLM四条线，但主线始终是视觉与多模态理解。
尽管胡瀚的履历确实亮眼，但随着DeepSeek大规模扩招，梁文锋见过的优秀履历数不胜数，为何偏偏看中了他？
梁文锋和胡瀚之间的一座桥
要回答这个问题，我们需要回到前面提到的《SimMIM》的作者栏。
SimMIM的作者共有八人：Zhenda Xie、Zheng Zhang、Yue Cao、Yutong Lin、Jianmin Bao、Zhuliang Yao、Qi Dai、Han Hu。最后一位是胡瀚，第一位是解振达。
论文中还有一句注脚：解振达、林宇桐、姚竺良三人是微软亚洲研究院的长期实习生。
也就是说，在微软亚洲研究院的那几年里，解振达是在胡瀚的组里做研究的。
不仅如此，梳理解振达和胡瀚合作过的论文会发现，这两人是老搭档了。
2020年的PixPro，全称《Propagate Yourself》，是一篇关于像素级对比学习的论文，解振达是第一作者，胡瀚也在作者列表中，探讨的是如何在像素粒度上做自监督表示学习。
2021年的Swin Transformer V2，作者列表包括Ze Liu、Han Hu、Yutong Lin、Zhuliang Yao、Zhenda Xie、Yixuan Wei等人，解振达和胡瀚依然同时在列。
2021年底的SimMIM，解振达是第一作者，胡瀚是最后一位作者。
不仅如此，这三篇论文有一条共同的线索：它们都围绕“自监督学习”和“规模化”展开，探讨如何让视觉模型不依赖人工标注，在更大规模上持续增强。
后来，解振达加入DeepSeek成为研究员，研究方向是AGI和基础模型的预训练与规模化。
在arXiv的作者页面上，解振达的名字出现在一长串DeepSeek的工作中，包括DeepSeek-Coder、DeepSeek-V2、DeepSeekMoE、DeepSeek-V3、DeepSeek-R1、Janus-Pro，以及DeepSeek-V4相关的技术报告条目。
这说明解振达与DeepSeek过去两年的崛起密切相关。
2026年1月1日（arXiv时间戳为2025年12月31日），DeepSeek新年的第一篇论文《mHC: Manifold-Constrained Hyper-Connections》（流形约束超连接）的第一作者就是解振达。
mHC无需过多介绍，DeepSeek V4的技术文档中描述该技术为三大架构创新之一，与CSA+HCA混合注意力、Muon优化器并列。
不过，mHC这篇论文中还有一位作者，名叫韦毅轩。这个名字同样出现在Swin V2的作者名单中。
也就是说，微软亚洲研究院胡瀚组里的那批年轻人，已有不止一位成为DeepSeek的核心成员。
或许胡瀚当年的实验室，除了模型本身，还训练出了“规模化+稳定训练”的研究直觉和品味，而这正是DeepSeek最看重的，或者说，是梁文锋最看重的。
DeepSeek的核心成员曾与胡瀚并肩作战，且成绩斐然，那么信息成本几乎为零。
段永平有一句名言：投资就是投人。胡瀚的水平如何，想必梁文锋早已心中有数。
梁文锋为何是投资，而非自己做？
但这里有一个疑问：既然DeepSeek自身拥有强大的研究团队，并且已扩招至500人，为何不亲自做，而是选择投资？
去年春节DeepSeek-R1爆火后，梁文锋一度是整个AI圈最“克制”的人——不融资、不扩张。但今年情况发生了变化。
外媒报道称，DeepSeek即将完成至少800亿元人民币的新一轮融资，规模远超原定目标。
国内媒体援引知情人士消息称，初始目标约500亿元，目标估值约5000亿元人民币，资金主要用于模型训练、数据中心和国产算力。
外媒进一步指出，这笔钱可能让DeepSeek开始扶持新一代创业公司，与其联合研发。
梁文锋认可胡瀚的理念和水平，而Winverse AI刚刚成立不久，尚未有多少人入局。因此，Winverse AI堪称最完美的标的。
今年8月，宇树科技上市。DeepSeek以约1.41亿元认购了宇树IPO的战略配售，对应约2%的股权，双方将围绕AI大模型和具身智能展开合作。
宇树采购模型训练服务时优先考虑DeepSeek，DeepSeek采购机器人时也优先考虑宇树。
这一步，让DeepSeek拥有了具身智能的“身体”。Winverse AI，则可能是它的“大脑”。
根据知情人士的说法，梁文锋近期频繁与具身智能创业者交流，DeepSeek内部正在评估两条路径：一是亲自组建团队，二是通过投资切入。
按此逻辑，投资是一种非常“DeepSeek”的选择。
亲自做机器人，需要硬件、运动控制、真实数据采集，这些都是DeepSeek从未涉足的领域。DeepSeek的优势在于算法、训练和工程效率，而非供应链和硬件迭代。
具身智能的数据来源于现实世界，需要大量机器人在真实场景中运行。宇树提供身体，Winverse AI提供模型，DeepSeek提供算力和基础模型，如同流水线般分工明确。
最关键的是，如果胡瀚所做的真如爆料所言，是偏底层的infra和模型加速，那么他与DeepSeek之间便形成了互补关系。
DeepSeek非常需要一个“语言模型接入物理世界”的接口。
据凤凰网报道，DeepSeek考虑入局具身智能，也可能是因为GPT-6带来的压力。
GPT-6 Astra在一项机器人控制任务中成功率达到95%，而对照模型仅为40%。另有行业人士称，OpenAI除了GPT-6之外，还在单独训练一个具身基座模型。
接近梁文锋的人士称，梁文锋近期表示，DeepSeek与GPT-6相比，在部分能力上仍有差距。因此，梁文锋很可能希望在具身智能方面向OpenAI靠拢。
就在DeepSeek计划领投Winverse AI的同一天，外媒报道称，OpenAI正计划重启Sora。
一家由前Sora负责人比尔·皮布尔斯（Bill Peebles）参与成立的初创公司，正在与OpenAI洽谈，希望获得Sora的深度使用权限，将其定制为面向电影制作的专业软件。
OpenAI可能获得这家公司的一部分股权，作为交换，对方获得修改和商业化该技术的权利。至于模型权重是否会共享，目前尚不明确，公司名称也尚未披露。
在OpenAI停运Sora后，Sora团队全部转至OpenAI的具身智能项目。因此，如果Sora重新启动，说明OpenAI的具身智能模型准备得差不多了，可以调出部分人手回到Sora。
归根结底，梁文锋或许真的想做机器人了，但比起这个，他更想找到一位好战友。
本文来自微信公众号“字母AI”，作者：苗正，36氪经授权发布。