DeepSeek samler inn 82 milliarder kroner – og grunnleggeren setter selv 33 milliarder inn

Nesten ingen AI-lab i verden har startet uten investorpenger – DeepSeek klarte det i tre år. Nå har de endelig tatt inn kapital utenfra, og tallene er ganske heftige: over 50 milliarder yuan, rundt 7,4 milliarder dollar (ca. 82 milliarder kroner), og en valuasjon på over 50 milliarder dollar.

Men den egentlige overskriften er ikke beløpet. Det er dette: grunnlegger Liang Wenfeng satte selv inn omtrent 20 milliarder yuan – det vil si rundt 33 milliarder kroner – av sine egne penger. Altså nesten tre milliarder dollar fra én enkelt person i sin eget selskap. Når man gjør det, sender man et ganske tydelig signal om hva man tror på.

Og så er det den lille detaljen med hvem som faktisk fikk stemmerett i selskapet. Det var ikke Tencent. Det var ikke CATL. Det var den kinesiske staten.

Hva er egentlig DeepSeek, og hvorfor bråkte det sånn?

Hvis du ikke har fulgt med siden januar 2025, her er kortversjonen: DeepSeek er et kinesisk AI-laboratorium som i januar 2025 lanserte en modell som presterte på nivå med OpenAI – men til en brøkdel av kostnadene. Det skapte i korthet panikk på Wall Street. Nvidia-aksjen falt kraftig på en dag. Folk lurte plutselig på om amerikanernes investeringsrase i AI var et gigantisk feilsteg.

DeepSeek ble grunnlagt i juli 2023 av Liang Wenfeng, som hittil hadde hentet kapital fra sitt eget kvantitative hedgefond kalt High-Flyer. Ingen ekstern kapital, ingen investorrunder, bare egenfinansiert AI-forskning. DeepSeek V4 og R1-familien har siden utfordret vestlige modeller på pris og ytelse, og de har publisert store deler av arbeidet som open source.

Nå er den tre år lange selvforsyningsperioden over. Dette er DeepSeeks første eksterne finansieringsrunde noensinne.

Hvem satte inn pengene – og på hvilke vilkår?

Pengene kom fra en interessant blanding av aktører. Tencent, giganten bak WeChat, investerte rundt 10 milliarder yuan. Batteriprodusenten CATL – best kjent som verdens største produsent av batterier til elbiler – satte inn omtrent 5 milliarder yuan. I tillegg deltok JD.com og NetEase.

Og så var det Kinas statlige National AI Industry Investment Fund – kjent som «Big Fund» – som fikk en ganske annen deal enn de andre.

Her er den interessante strukturen: kommersielle investorer fikk ikke kjøpe direkte eierandeler i DeepSeek. Pengene deres gikk inn i et limited partnership kontrollert av Liang Wenfeng selv. De fikk ingen stemmerett. De er låst inne i fem år. Liang sitter med all kontroll.

Staten derimot – Big Fund – fikk direkte eierskap i selskapet. Med stemmerett. Uten lockup-periode. Det er en ganske annen posisjon enn det Tencent og CATL havnet i, og det forteller noe om hvilke forhandlingskort den kinesiske staten har ovenfor sine egne selskaper.

Hva betyr det at grunnleggeren setter inn 33 milliarder kroner selv?

Det er ikke uvanlig at gründere beholder eierandeler i egne selskaper. Det er ganske uvanlig at de setter inn nesten 3 milliarder dollar av egne penger i en ny finansieringsrunde.

Det signaliserer minst én ting tydelig: Liang Wenfeng er ikke på vei ut. Han er ikke en gründer som tar inn kapital for å gradvis løsne på grepet. Å kontrollere kapitalstrukturen via limited partnership, plassere egne penger som den suverent største enkeltinvesteringen, og beholde all stemmerett – det er en mann som planlegger å styre DeepSeek på lang sikt.

Det er faktisk en ganske klassisk strategi blant tech-gründere som vil beholde kontroll: ta inn penger, men strukturer det slik at pengene ikke gir makten med på kjøpet. Mark Zuckerberg har gjort noe lignende med Meta. Det som er uvanlig her er at Liang er den klart største enkeltinvestoren i sin egen runde.

Hva skal pengene brukes til?

DeepSeek har ikke vært spesielt detaljerte om dette, men de overordnede kategoriene er ganske forutsigbare for et AI-laboratorium på dette nivået: neste generasjons AI-forskning, rekruttering av ingeniørtalenter, og spesialisert maskinvareinfrastruktur.

Det siste punktet er interessant i lys av sanksjonene mot eksport av avanserte AI-chips til Kina. DeepSeek har tidligere vist at de kan trene konkurransedyktige modeller med færre og svakere chips enn konkurrentene. Ny kapital kan bety enten at de kjøper mer maskinvare der de kan, eller at de investerer i alternativ infrastruktur – for eksempel Huawei Ascend-prosessorer, som DeepSeek V4 Pro allerede støtter.

Hvordan står 50 milliarder dollar seg mot resten av bransjen?

DeepSeeks valuasjon på over 50 milliarder dollar er imponerende for et selskap som ikke har tatt inn en eneste ekstern krone på tre år. Men det er verdt å ha litt perspektiv: OpenAI er nå verdsatt til rundt 852 milliarder dollar, og Anthropic passerte nylig OpenAI med en verdsettelse på rundt 965 milliarder dollar. DeepSeek er altså fortsatt en relativt liten aktør målt i markedsverdi – men de konkurrerer teknologisk på et nivå som ikke reflekteres i de tallene.

Det er også verdt å merke seg at dette er et selskap som tilbyr store deler av modellene sine som open source, ikke bak en betalingsmur. Det gjør inntektsmodellen ganske annerledes enn for OpenAI eller Anthropic. Hvordan de planlegger å tjene penger på 82 milliarder kroner i investert kapital er et spørsmål som ikke har et åpenbart svar ennå.

Hva betyr dette for deg som bruker AI?

Mest sannsynlig: ingenting på kort sikt. DeepSeek-modellene er allerede tilgjengelige, og den ekstra kapitalen gjør ikke at du plutselig får bedre svar i morgen.

På litt lengre sikt kan det bety at DeepSeek får kapasitet til å fortsette å pushe grensen på effektiv AI-trening – noe som i praksis presser alle andre til å bli mer kostnadseffektive. Det er bra for alle som ikke vil betale formuer for API-tilgang. DeepSeek-modellene er også tilgjengelig via OpenRouter, noe som gjør dem enkle å prøve ut uten å gå via den kinesiske plattformen direkte.

Det er én ting jeg synes er genuint interessant med denne finansieringsrunden, uavhengig av tallene: at staten er den eneste parten med reell innflytelse i selskapet. Det er verdt å ha i bakhodet når man bruker DeepSeek-modeller til sensitiv data eller forretningskritiske oppgaver. Modellene er open source og kan kjøres lokalt – det er faktisk det beste argumentet for å bruke dem om man er skeptisk til hvem som sitter øverst i eierkjeden.

Ofte stilte spørsmål