📰 概要

DeepSeek帮中国公司解了合规死锁，但旧代码库里的隐知识还是没人写。

DeepSeek V4让受合规约束的中国企业终于有了一个选项：国产芯片跑国产开源旗舰模型，性能追平闭源。

昇腾950推理延迟做到20毫秒，V4-Pro编程评测Codeforces得分3206，SWE-bench达到80.6%。

但一个更深的障碍随之浮现：代码库里的隐知识——数据库表名是八年前项目经理起的、订单状态要查日志表最后一条关联记录——这些东西从不被记录在任何地方。模型换了，它们不会自动消失。

🔍 解读

DeepSeek V4最大的意义，是打破了"模型供给侧"的瓶颈。

过去，受合规约束的中国企业想在内网跑一个编程能力足够强的模型，要么偷偷接外部API（违规），要么用性能差一截的开源模型（低效），要么买英伟达高端GPU（贵且受出口管制）。

DeepSeek V4+昇腾，第一次在大规模开源旗舰模型上跑通了"国产芯片+国产模型"的闭环。合规死锁的第一环被解开了。

但这个突破同时也暴露了下一个瓶颈：知识管理。

一家上市公司花三个月安全审查、五款工具不能用，最后部署了半年前的开源模型，研发团队用了一周没人再打开。

不是模型不行——而是那个维护了九年的财务后台系统。

科技从业者Abbas Raza把这个现象命名为"AI上下文负债"：代码库知道关于自己的信息，与AI工具需要知道才能生成正确输出所需信息之间的缺口。

绿地项目和棕地团队，用了同一款AI工具，体验判若云泥。绿地项目架构规则随代码生长，AI效果好；棕地团队面对两到五年的决策层积、离职者留下的隐知识，效果可疑。

MIT 2025年的调查数字因此变得可理解：95%的企业没有从AI投资中获得有意义的回报。原因不是模型不够好。

真正缺少的，是架构规则文件、系统行为文档、领域知识文档。

还需要一套经过实战验证的提示模板库。DeepSeek V4把"模型不行"这个借口堵死了——现在企业只剩下"知识管理欠账"这一个障碍。

「什么情况不建议用」：如果你的团队没有准备好做知识治理和文档建设，部署DeepSeek V4的效果可能远低于预期。

模型升级解决不了知识缺失的问题。九年前埋下的隐知识债务，不会因为换了一个更强的模型就自动消失——它只会以更快的速度、更大规模的错误显现出来。