中立的声音
很多东西不在我们的主线上，比如 3D 、视频生成；又比如世界模型，跟智能的上限也没有太大的关系。
多模态对产品来讲很重要，对 C 端用户很重要。但它只是一个组件，不是主线和智能本身。
大模型的幻觉当然有方法可以解决，但这是一个长命题。在内部，幻觉被我们归结为一个产品问题，会去解决，但不是重点。
现阶段最重要的还是 Coding Agent 。以国内的情况来看，最合理的做法应该是全力做通用的 Agent ，金融、医疗等其他 Agent 的优先级较低。
如果 AI 时代会产生很多家万亿级别的公司，DeepSeek 是其中一家（的话）就很好了。
先实现持续学习，再AI自迭代，终点是具身智能
AI 现在不缺品味和直觉，缺的是持续学习的能力。
人类能够持续学习，但同一件事，就得给 AI 所有的上下文。这几乎是不可能的，所以 AI 并不能够替代员工。所以，下一代模型必须要有持续学习的能力，才能叫下一代模型。
我们希望下一代模型能够帮助我们自己的开发。说得简单一点，我们做的模型，第一目标不是大家用得好用，而是我们自己用得好用。这是实现 AGI 最快的方法。
目前全世界现在都还没有找到好的方法，因为“学习”是由很多东西组成的。
DeepSeek 的长期 vision 是 AGI 。如果把实现的路线比作爬楼梯，去年的阶梯是 CoT（ Chain-of-Thought ，思维链），今年的阶梯就是 Agent 。在 Agent 之后要解决的问题就是持续学习。
实现持续学习之后，可能会来到一个渐进的奇点：模型可以完成人类能做的所有事情，包括自己开发更前沿的人工智能模型。即AI 可以加速 AI 的研究。这一步走完才是具身智能。
智能的终点可能都是具身。因为对一个正常人来讲，他的需求并不是电脑，而是人力。
离彻底转向商业化仍然很遥远
我们只赚一个合理的利润，不是利润最大化的定价。
我们的一款模型一开始担心需求太多，价格定得比较高，后来降到四分之一，公司群里很多人欢呼。因为这是我们这么用心把这个模型做好的目的：能够让大家都充分地用。
低成本是一个结果，我们的模型一直在架构上往更低成本走。我们也希望成本是负担得起的，特别是在算力紧缺的背景下。
还有一个原因：成本越低，越能承担更大的模型。算力有限时，计算效率高就能训更大的模型。大公司可以靠加资源解决，我们优先考虑成本效率。
外面可能看起来，我们选了一个很难的模式。但其实我们做得非常轻松。降价对我们的竞争对手来讲，肯定不是个好事，他们一定不是欢呼的。我并不觉得卖 API 这个事情有那
么大吸引力。我只要搞几个人维护这个 API 就可以了，甚至客服都没有，也不用销售，用户自己就会来。
我们一直在商业化，只是不以商业化为目标。DeepSeek 离彻底转向商业化的时间点，应该是很遥远的。
我甚至不用考虑到时候在里面占一个位置。只要有那么大的商业机会，一定是有办法的。DeepSeek 是一个时代的产物，是现实情况的反应，并不是模仿的结果。
开源是我们这个规模公司的sweet point
克制是一种战略：舍弃一些，换更多其他的东西。开源就是让利：对内，员工有成就感，公司有凝聚力；对社会也有好处，同行或者普通人都会高兴。
我毫不怀疑 AGI 会有非常大的商业价值。在这个基础上，我优先考虑的不是多拿份额，而是增加做成的概率。
要把 AI 在商业上做成，开源是有好处的。这听起来有点违反直觉。历史上一个软件公司，市场一年可能就几十亿美金，开源了就没有了。但是 AI 这个事情足够大，最终它可能得占掉人类社会 GDP 的百分之十。如果说我们想独占这个利益，那么一定是要被历史抛弃的。这是一个客观的规律，这是一个历史观。
我们给的开源模型，跟我们自己部署的模型是一样的。我们不会开源一个差点的模型、自己部署时用更好的模型。
我不担心别人部署我们的模型来跟我们竞争。不是每一家公司都有这个意愿和能力去达到这个目标。创业公司如果太小，没有力量来做这个事情；大公司又很难组织。这是属于我们这个规模的公司的一个 sweet point 。
开源对我们的商业模式没有任何影响，前提是“只赚一定的利润”。如果你要赚一百倍利润，开源确实会影响你。
我们不愿意跟任何一家互联网大厂或者小厂成为对手。在这个前提下，我们很愿意协助、帮助任何人，甚至包括阿里、智谱、月之暗面做得更好。
中美差距不在人才
未来我们要改写中美AI的叙事：用几分之一的算力，把差距缩得更短，缩到 6 个月、3 个月。
中美AI的差距主要在资源上。我们相信 Scaling ，肯定是规模越大，效果越好。训练这么大的模型，并不是因为我觉得这么大的模型就够了，而是只有这么多资源。
人才几乎没有差距——就是同一批人。国内人才是不缺的。人才短缺是阶段性的，历史上从来没有长期缺某一类人的情况。
模厂竞争，成本排在第一位
Anthropic 现在超过 OpenAI，不是长期的，是阶段性的。OpenAI 和 Google 未来大概率会交替上升。
国内做模型的公司太多了，每一家都做同样的事情，资源比较分散。最终一定会收敛，但需要过程。如果每家只拿合理的利润，不需要那么多人做大模型：可能两家大公司、两家小公司就够了。
我绝对不认为大模型公司可以拿走（AI行业的）大部分利润。
大模型竞争最终的差距会体现在三个方面：成本、时间、用户体验。
成本排在第一位——同样质量的服务，你能以什么成本提供。第二是时间，早几个月晚几个月就不一样。用户体验会有些粘性和壁垒，但不本质。
无意于成为下一个超级app
我们不想做成下一个超级 App。做成下一个字节？下一个腾讯？完全没有这样的想法。
不争这个东西，是因为后面还有西瓜，前面的可能都是芝麻。当然可能这个芝麻比较大，但我觉得都不算大。
去年大家都抢 Chatbot 、抢 C 端流量，今年是抢 To B 收入。但我们不认为它重要，公司内部真正关心的是 AGI 的路线图、下一步技术怎么突破。很奇怪，最想得到的东西
得不到，没那么在意的反而容易得到。
去年春节火了，不在我们的剧本里。
保持团队的稳定性是核心
只有一个是没法退让的：必须要保持团队的稳定性。这也是我们面临的一个非常大的风险。当然这个风险随着这一次融资，得到了比较大的解除。
我们做很多事情都是为了保持团队稳定性。我们不愿意跟任何互联网大厂或小厂成为对手，我们希望给他们赋能，帮助他们。我们不想树敌。这样我们自己的环境也会更好。
有些人觉得我们的组织是从上而下的，有些人觉得是从下而上的，我觉得两个都对。从上到下叫“做正事”，一般希望“正事”不要占用员工所有时间的一半。他还有一半的时间是从下到上的，是不被安排的，想研究什么就研究什么，可以自己去探索，按照他觉得什么重要，就去探索什么，没有前置要求。
我们一般也不太加班。第一个原因是做研究需要一个比较松弛的环境。第二个原因是我们非常聚焦。产品很多都不完善，但我们也没有去补它，也算是一种克制的文化。
组织是动态的，不是一成不变的。未来随着公司变大，可能会有一些调整。但不会完全变成传统的层级制，但可能会有一些必要的结构。但愿景驱动不会变。
怀着对世界的善意
我们做这个公司，初衷没想要赚多少钱，要到资本市场去上市。最开始的几十个人完全没有这么想过。如果他这么想，他就不会来。 我们是怀着一个对这个世界非常大的善意来做这个事情，觉得这对人类有用。
“要实现XX KPI”不是我们的方式，我们是一个靠愿景驱动的组织。这有好处，也有坏处。未来会想办法扬长避短，但这个是我们的特色。
愿景甚至也不是成文的，而是在做事情的方法中、对待世界的态度里。可能我们公司每个人对这个愿景的理解也不一样，但是在大的方向上是一致的。
大概二十年前，我在管理上最崇拜的是杰克·韦尔奇（ GE 的前 CEO）。现在来看，他说的大部分东西可能都已经不对了，但是他有一点说对了：一个公司最重要的是愿景。
愿景不是挂在墙上的标语，不是怎么说，而是怎么做。
克制让我们更能做成AGI
AGI 是收益最大的。那其他事情，如果有精力，我们会做，没精力，我们就不做。克制是我们愿景里的一部分。
AI 这个事情太大了，利益也太大了。只要能够做成，随便分一点利益就非常大。而你越克制，就越有可能能够做成这件事。
我觉得这是符合直觉的——至少是符合我的直觉。除了愿景，我们并没有非常多的其他优势。
两年前成立这个公司的时候，没有很多钱，没有很多卡，没有什么知名度，又没有什么号召力，我们就是一群非常平凡的人。 我喜欢的叙事是“一群平凡的人做出了不平凡的事”，而不是“一群天才做出了不平凡的事”。
开源也属于克制的一部分。在定价上，我们也肯定不是以公司收入最高或者利润最高作为出发点的。从短期来讲，价格高一点，收入多一点；但从长期来讲，还真不好说。对我来讲，克制是一种战略。
开源和低价，让员工觉得很有成就感，组织因此有凝聚力，对社会有好处，其他同行和普通人都会很高兴。所以这种克制，从远景上来讲，能够增加我们做成 AGI 的概率。
如果你的愿景是拿得多，你就先输了，你可能会面临着更大的困难。这个世界就是这样。
质疑的声音 @GlobalMoney
梁文锋4小时投资会讲话流出。早知道梁文锋玩神秘感，但没想到水平如此之低。Kimi创始人杨植麟推出K3之后，梁文锋马上感觉到压力，于是有点胡言乱语了。梁文锋梁的观点之所以吸引人，是因为它迎合了某种“后发制人”的叙事心理：即用中国庞大的工程廉价劳动力(系统性便宜)、极具情怀的团队(愿景驱动)，以及对底层芯片的乐观预期，去完成对西方顶尖科技巨头的弯道超车。
梁文锋的荒谬之处在于：1.用战术上的局部优势(如极致的数据标注、算法优化)，去否定战略上的全局壁垒(芯片生态、计算范式、物理世界多模态理解)；2.割裂了“商业正循环”与“技术突破”的关系。 否定商业化暴利、放弃C端流量，却又幻想有足够的资源持续注入AGI的无底洞。3.将复杂的系统工程，简化为“只要团队稳住+芯片突破，AGI就一定会成”的线性因果。
致命悖论一：技术路线与生态的极度简化(第1、6、10、12条)。“英伟达生态一年废，贵一两倍无所谓；五年内解决产能”。荒谬点：严重低估CUDA生态壁垒与硬件经济学。CUDA生态不是单纯的显卡算力，而是十几年积累的底层软件栈、算子库和开发者习惯。认为国产卡只要硬件算力跟上就能在“一年内平替生态”，完全脱离了软件工程的现实。“贵一两倍无所谓”违背了第14条“成本优势”的初衷。硬件贵一两倍意味着数据中心CAPEX(资本支出)和OPEX(运营成本)成倍飙升。
致命悖论二：商业闭环与经济学规律的割裂(第2、5、8、11、14条)。“最坏情况技术冻结，光卖API也够撑起上市公司；谁想靠AI暴利谁就死”。荒谬点：忽略API的极度同质化与价格战陷阱。如果技术真的“冻结”了，基模的API服务将彻底变成大宗商品。各大云厂商会把API价格压到边际成本线以下，甚至作为云服务的附赠品。在没有高毛利(暴利)维持研发循环的情况下，仅靠几厘钱一个Token的低毛利API，根本不可能支撑起每年数以亿计的研发和硬件投入。
致命悖论三：研发模式与“技术突破”的幻想主义(第 3、4、9、13、15条)。“持续学习要是做出来了，通用智能就很简单，让AI自己帮自己研究”荒谬点：把最难的“神圣之杯”假想为起点，陷入递归循环逻辑。神经网络的“持续学习”长期受困于“灾难性遗忘”和塑料性与稳定性矛盾。这是底层架构级别的难题。梁文锋的逻辑是：“只要解决了持续学习，AGI就简单了。”这无异于说：“只要解决了永动机，能源问题就简单了。”把最核心的未解难题当成必然发生的推论前提，属于典型的技术幻想。
近期，DeepSeek完成了公司首次外部股权融资，此次募资总额约510亿元。根据近期三家A股上市公司披露的间接投资DeepSeek公告，推测DeepSeek的估值接近3250亿元至3509亿元的区间。在融资期间，DeepSeek创始人梁文锋和投资人进行了一场近4小时的交流会。梁文锋较为完整地向投资人解释了这家公司到底想成为一家什么样的企业，包括愿景、开源与商业化的矛盾、未来AGI的技术路线、算力瓶颈等等。
获悉，DeepSeek此次融资，对于合作方进行了严格筛选，更看重“长期利益一致”。梁文锋本人出资约200亿元，为本轮最大单一出资方；腾讯出资约100亿元，宁德时代体系约50亿元，网易、京东、Monolith砺思资本、IDG资本分别约30亿元，正心谷投资、拾象科技分别约15亿元，国家人工智能产业投资基金约9.8亿元。DeepSeek以邀请制的方式向少数机构开放了融资。
梁文峰四小时交流会内容：
1，英伟达那套生态一年内就废了，华为的卡一年后完全能平替英伟达，贵一倍两倍都无所谓。
2，谁想着靠AI暴利谁就死，拿得少的人一定打败拿得多的人，OpenAI就是因为想独占才被围攻。
3，奇点不是什么爆炸，是个漫长的温水煮青蛙过程，而且顺序不能乱——先解决持续学习，再到自我迭代，最后才做机器人。
4，Ai技术路线是这样：语言模型 → 思维链(CoT) → Agent → 持续学习 → 智能奇点(自我迭代) → 具身智能，现在处于Agent走一半，持续学习是下一个必须跨过去的坎，跨过去才能进入AI自己迭代自己的奇点阶段。
5，克制是核心战略，主动放弃C端流量争夺战，不做超级App，短期商业化只是保底，全部资源主线聚焦AGI。
6，中美AI差距就一年，但国内只用了人家二十分之一的算力，人才根本不缺，差的就是卡。
7，公司一半的核心研究员都在标数据，这就是现阶段最重要的事，高端数据瓶颈不是钱，是时间。
8，最坏情况技术冻结了，光卖API也够撑起一家上市公司，商业化根本不用愁。
9，不加班、没KPI、没组织架构，全靠愿景驱动，因为做研究就得松弛，逼太紧反而没用。
10，国产芯片产能问题今年明年后年都卡，但五年后肯定解决了。
11，国内几十家做基模的公司太多了，最后就剩三四家，而且谁也别想有暴利。
12，视频生成、3D、世界模型这些东西跟智能上限没关系，纯粹是商业噱头，坚决不做。
13，员工期权拿够、团队稳住，AGI（通用人工智能）就一定能成，其他全是小事，最多晚个一年半载。
14，中国AI最终拼的是“系统性便宜”，就跟制造业一样，成本优势是结构性的。
15，持续学习要是先做出来了，通用智能就很简单，让AI自己帮自己研究就行。