DeepSeek梁文锋：凡人修AI传，未来的中国首富

梁文锋投资者交流会精华内容汇总：

一、开场：公司的初心与愿景

我们一开始来做这个公司，初衷是没有想到说我最后要赚多少钱，要到资本市场上去，要上市，要怎么样的，所以我们是没有这个初衷的。

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。所以总体讲，我们是怀着一个对这个世界非常大的善意来做这个事情，然后我们觉得这是对人类有用的，这是一个金钱以外的事情。

当然，到了后面，这个事情发现利益非常大之后，又有其他的诱惑，这个是另外的事情。但是我们出发的初衷、我们的愿景，以及我们保持到现在的这个愿景，不是按照一个商业利益最大化的方式来做的。我觉得这点比较关键。

我大概二十年前的时候，在管理上我最崇拜的是杰克·韦尔奇（GE前CEO）。现在回来看，他说的大部分东西可能都已经不对了，但是他最重要的一点说对了：一个公司最重要的是它的愿景。管理大公司，靠的不是规章制度，靠的是愿景——愿景不是挂在墙上的标语，是你怎么做，不是怎么说。

所以，我们是怎么管理这么多人、怎么组织起来的？其实我们没有组织，就是愿景驱动的。这个愿景甚至也不是成文的，没有写出来过任何东西。它在我们做事情的方法、我们对待这个世界的态度里。可能每个人对这个愿景的理解也不一样，但是在一个大的方向上是一致的——怀着对这个世界非常大的善意，想做一点事情。

二、开源与克制的战略逻辑

– 开源是愿景的一部分

我们为什么这么坚持开源？因为这个愿景本身就要求开源。你没有这个愿景，你没法把人组织起来。比如智谱也开源，但他们的开源有一种“被追”的感觉，而对我们来讲，这就是本意。

– 开源在AI时代是商业上的理性选择

我们认为要把AI在商业上做成，开源是有好处的。这听起来违反直觉，因为历史上开源跟商业化有冲突。但AI市场足够大，最终可能占人类GDP的10%甚至更多。你想独占是不可能的，一定要分享，否则活不下来。这不是道德选择，是客观规律。

– 克制是一种战略

我们只赚取“合理的利润”。API定价的逻辑是：十个月收回设备成本。我们觉得这个利润够了。如果利润最大化，应该把价格定得更高——在这个价格区间，用户需求没有弹性，提价并不会减少消耗，收入会接近翻倍。但我们选择降价（比如DDCP模型从高价降到四分之一），公司里大家欢呼，因为这符合我们的动力——让所有人都用得起。

十个月回本，其他家做不到（比如阿里、腾讯成本高好几倍），是因为我们有大量的优化工作。我们为什么不再继续降价？因为已经没有弹性了——价格已经低到所有人都用得起，再降价不会增加社会幸福感。

三、克制体现在多个方面

– 去年春节用户暴涨，我们没有去抢用户、变现，没有想做成下一个字节或腾讯。这是克制——后面有更大的西瓜（AGI），前面的都是芝麻。

– C端日活是小事，我们顺手捡，但不花主力。

– 今年B端收入有机会做到几亿美金，但我们不把它当第一优先，更大的机会在后面。

四、开源与商业化是否冲突？

我们的最强模型也会开源，因为我看不到闭源的好处。即便开源，别人要复现并做到同样低成本，门槛极高。创业公司有“甜区”（sweet point），不大不小刚好。

我们按十个月回本定价（约6倍利润），这个利润率下，开源不会影响收入——第三方独立部署做不到这个成本。如果你想赚100倍利润，开源才会影响你。

开源、商业付费之间没有冲突，前提是只赚6倍利润。未来可能降到4倍、3倍，但仍是合理利润。

我们不担心别人部署我们的模型来竞争——市场足够大，我只担心他们部署不起来或效果差。

五、长期愿景：AGI路线图

– AI的发展阶梯

· 去年是CoT（思维链），让智能达到更高水平。

· 今年是Agent，能力范围更大。

· 下一步是持续学习（Continuous Learning）——这是当前最大的研究瓶颈。

· 持续学习之后，模型能自我迭代，进入“奇点”（渐进式，非突变）。

· 最后才是具身智能。

我们选择这个路线图，是因为每一步都很轻松，不用加班。如果反过来先做具身，就会很苦。

– 为什么先做持续学习？

因为解决持续学习后，AI能大幅提升我们自己的研发效率，再去做通用智能（AGI）就容易了。这是最省力的路径。

六、AGI与商业化的关系

– 我们做C端、B端都是AGI路上的副产品，不是目标。我们专注于技术主线，副产品自然产生收入。

– 这种“降维打击”在C端已验证：我们没有抢用户，用户赶都赶不走。

– B端收入增长乐观，但我们没有销售、客服，用户自己来——因为技术好、价格低。

七、核心利益与团队稳定性

我们最大的核心利益是保持团队稳定性，甚至可以说是唯一的核心利益。只要团队稳定，我们一定能做成AGI。钱、资源都不是问题。

近期融资让老员工期权价值大增，增强了稳定性。我们人才流动率比同行低很多。我们不愿意与任何公司成为对手，而是希望赋能、协助任何人（包括竞争对手），因为开源本身就是无边界帮助。

八、资源差距与算力策略

– 中美差距主要在算力

· 我们现在约2万张H等效算力（大部分刚到），接下来会激进扩充。

· 目标是能买多少卡就买多少，在合理价格内不设上限。半年内把钱花完是理想情况（买卡比存银行划算）。

· 国内最大模型激活参数在几十B级别，美国已到800B，差一个数量级。训800B需要5万张GB300或20万张华为950，我们目前做不到。

– 对国产芯片的态度

· 英伟达CUDA生态正在被瓦解（因为有AI写代码、新编译器TileLang、专用芯片趋势）。

· 国产卡（华为）生态问题未来一年内将得到解决，唯一问题是产能不足。

· 华为950相当于落后英伟达GB200约两年，四张顶一张。但我们愿意帮华为做好生态，买1.6万张华为卡。

九、组织管理与文化

· 两条线：从上到下（正式任务，不超过员工一半时间） 从下到上（员工自主探索，无KPI）。

· 不加班，因为要松弛才能做研究，且我们非常聚焦，事情少。

· 决策靠“共识”，不是个人独断。

十、关于幻觉、数据标注、垂直应用等

· 幻觉问题可通过Post-training改善，但优先级不高。

· 高质量数据标注成本中美无差异，我们瓶颈是时间，不是资本。国内近半年才开始，一年内可赶上。

· 垂直应用（金融、法律等）目前不优先，Coding Agent 最重要。

· 商业化与资本市场的平衡：即使技术冻结，卖API也够支撑上市公司，但我们有更大梦想。

其他

Q：持续学习何时突破？

A：全世界都在摸索，没有明确时间表。难点在于没找到很work的方法。

Q：AI能否超越人类数据？

A：可以，比如AlphaGo下出人类未见的棋。仿真数据可能work。

Q：算力中心会很快过时吗？

A：英伟达卡按5年折旧，华为卡按3年。如果B200能买到，都是划算的。

Q：组织有学习对象吗？

A：没有，我们实事求是，每一步自己决策。我们本质是公司，要有商业化，但取舍不同。