AAllHere AI
登录注册

DeepSeek梁文锋内部谈话辨析：克制、愿景与AGI的长期主义

DeepSeek梁文锋内部谈话辨析：克制、愿景与AGI的长期主义

核心事件：2024年5月20日，DeepSeek创始人梁文锋与内部投资人进行沟通。
信息来源：沟通录音整理文字实录（原始标题：梁文锋4小时谈话全文）。

1. 组织哲学：愿景驱动与“平凡人”叙事

DeepSeek的组织架构与管理逻辑显著区别于传统互联网大厂。梁文锋在谈话中明确指出，公司成立初衷并非以“商业利益最大化”或“上市”为目标，而是基于“对世界巨大的善意”和“对人类有用”的愿景。

  • 无组织的管理：公司不依赖规章制度或KPI考核，而是依靠愿景驱动。梁文锋引用杰克·韦尔奇的观点，强调愿景是“怎么做”而非“怎么说”。公司内部实行“双轨制”管理：
    • 从上到下：正式分工（如发布V4版本），但要求正式工作占用员工时间不超过一半。
    • 从下而上：员工拥有50%的自由探索时间，无需前置要求，只需公司算力支持即可自行决定研究方向。
  • 团队稳定性为核心利益：梁文锋认为，DeepSeek最大的核心利益（甚至唯一不能退让的利益）是保持团队稳定性。只要核心团队稳定，AGI的实现只是时间问题。相比之下，资金和资源被视为容易获得的要素。
  • “平凡人”叙事：公司强调由一群“平凡的人”做出不平凡的事，这种叙事与公司的“克制”文化一脉相承，旨在凝聚共识而非依赖天才光环。

2. 开源策略：克制作为战略

DeepSeek将开源视为“克制”的一部分，并认为在AI领域，开源与商业化并不冲突，前提是接受“合理利润”而非“垄断利润”。

  • 开源的逻辑：
    • 历史观：AI市场巨大（可能占GDP 10%），独占市场违背客观规律，必然遭遇阻力。只有分享利益，才能做成大事。
    • 商业考量：通过开源降低社会总成本，换取更广泛的生态支持和技术迭代加速。
  • 定价与利润：
    • 十个月回本原则：API定价基于设备成本的“十个月收回成本”，对应约6倍利润。梁文锋认为这是合理利润，若追求更高利润（如100倍）则开源会影响商业模式，但在6倍利润前提下，开源不会影响收入。
    • 无弹性需求：当前价格区间内，用户需求无弹性，降价不会显著增加Token消耗量，因此维持在“大家开心、公司满意”的价格点。
  • 对竞争对手的态度：不担心第三方部署开源模型进行竞争，因为独立部署要达到同等低成本极具难度（需解决管理、物理制约等难点）。相反，DeepSeek希望协助社区复现模型，认为这能扩大生态。

3. 技术路线图：持续学习是下一阶梯

梁文锋详细阐述了DeepSeek对AGI发展路径的判断，认为技术演进是有迹可循的阶梯式上升。

  • 技术阶梯：
    1. 语言模型（基础）
    2. 思维链（CoT）（去年突破，提升智能上限）
    3. Agent（今年突破，扩大能力范围）
    4. 持续学习（Continuous Learning）（下一步瓶颈，解决AI无法像人类一样长期适应环境的问题）
    5. 智能奇点（模型具备自我迭代能力）
    6. 具身智能（进入物理世界）
  • 持续学习的重要性：当前AI缺乏上下文之外的持续学习能力（如新员工需两个月熟悉环境）。解决持续学习是实现自我迭代奇点的关键，且能大幅加速DeepSeek自身的研发效率（AI辅助AI研究）。
  • 非主线技术：
    • 世界模型/视频生成：认为与智能上限无直接关系，属于商业好生意但非技术主线，故不投入核心资源。
    • 多模态：视为组件而非主线，V4及后续版本将支持原生多模态，但不将其等同于智能本身。
  • Scaling定律：DeepSeek坚信Scaling有效，目前尚未触及上限。限制因素仅为算力，而非模型规模本身。

4. 资源约束与中国AI的结构性优势

DeepSeek承认在算力资源上与美国存在差距，但认为通过效率优化和生态创新可以部分弥补。

  • 算力现状：
    • 目前拥有约2万张H等效算力，大部分为近期到位。
    • 训练最大模型（800B激活参数）需5万张GB300或20万张华为910，目前资源仅支持几十B激活规模的实验。
    • 采购策略：融资资金优先用于购买英伟达芯片，若能买到愿意支付一定溢价；同时深入参与华为生态适配（如TileLang编译器）。
  • 国产芯片替代：
    • 生态瓦解：认为CUDA护城河正在被AI辅助编程和高级语言（如TileLang）瓦解。预计一年内国产芯片生态问题将得到验证和扭转。
    • 性能评估：华为910超节点在性能上可平替英伟达GB200/GB300，代价是4张华为卡顶1张英伟达卡，且落后约两年。
  • 中国AI的结构性优势：
    • 成本优势：中国人能将AI产品做到最便宜，形成系统性低成本。
    • 效率优势：通过算法优化（如降低推理成本），在较少算力下实现 comparable 效果。
    • 人才：认为中美人才差距不大，瓶颈在于算力导致的实验机会差异。

5. 商业化判断：降维打击与副产品

DeepSeek认为其C端用户和B端收入是追求AGI过程中的“副产品”，而非首要目标。

  • 降维打击：以AGI为最高目标，使得公司在处理C端/B端应用时具有技术和组织优势。例如，去年春节C端流量爆发并非刻意运营结果，而是技术溢出效应。
  • 商业化时机：目前阶段聚焦AGI技术延伸（提升智能下限）比丰富产品线或探索复杂商业化路径（如广告、电商）更具收益。彻底转向商业化时间点尚远。
  • To B前景：认为To B需求受限于当前AGI技术水平，虽会快速增长但有上限。ARR收入有望达数亿美金，足以覆盖成本，但这并非核心驱动力。

结语

梁文锋的谈话揭示了一家典型的中国AI初创公司的独特生存逻辑：以愿景凝聚人才，以开源换取生态，以克制避免内耗，以效率弥补资源。在算力受限的背景下，DeepSeek选择了一条“巧算”而非“硬算”的路径，将持续学习作为通往AGI的关键阶梯，并坚信长期来看，成本优势和生态开放将是其核心竞争力。对于投资者和行业而言，理解这种“非传统”的商业理性，是解读DeepSeek崛起的关键。