配资工具平台
摘要：
公司没有 KPI、没有成文愿景、甚至"没有组织"，靠的是对世界的善意和对 AGI 的执念。
凤凰网科技 出品
作者｜赵子坤
编辑｜董雨晴
昨夜，一则梁文锋四小时沟通会实录文件在行业内流传。凤凰网科技今早也深度学习了这个文件，信息量充足，不仅显示了 DeepSeek 自成立以来的经营理念和愿景，也预测了当下乃至未来几年内全球 AI 行业的格局，全文约三万多字，我们高度凝练了其中的内容，并整理了一份金句版。
以下是文件的核心提要：
• 愿景驱动：公司没有 KPI、没有成文愿景、甚至"没有组织"，靠的是对世界的善意和对 AGI 的执念。"我们就是一群非常平凡的人。"
• 克制即战略：API 定价只求十个月收回成本，不抢 C 端流量、不追 B 端风口。"你越克制，越有可能做成。"
• 开源是本意：最强模型也会开源，不担心别人来竞争。"我只担心他部署不起来。"
•AGI 路线图：CoT → Agent →持续学习→奇点→具身智能。"持续学习之后，它就能自己开发下一个版本。"
• 算力现实：两万张 H 等效算力，落后美国 12 到 18 个月，用二十分之一的算力追赶。国产芯片"生态没问题，产能是瓶颈"。
• 终局判断：国内今年或可平替国外模型，但"那还不是 AGI "。"中国做基模的公司太多了，肯定会收敛。"
愿景、初衷与组织文化："我们没有组织，就是愿景驱动的。"
1. 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，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。
2. 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。
3. 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，就是 GE（美国通用电气）的前 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。管理一个大公司，靠的不是你的规章制度，靠的是愿景。愿景是什么呢？愿景不是挂在墙上的标语，愿景是你怎么做，不是怎么说。
4. 其实我们没有组织，就是愿景驱动的，靠一个愿景来组织。这个愿景甚至也不是成文的，并不是写出来的，没有写出来过任何东西。
5. 我们没有什么本事，我们并没有比别人有钱，也没有说我们人员比其他公司更好。我们就是一群非常平凡的人。
6. 我们公司整体上是建立在共识的基础上的，我并不是说我一个人决定所有事情，而是我要寻求共识。我在公司内的权威是建立在共识的基础上的。
7. 我们公司的管理其实是两条线：一条线是从上到下，一条是从下到上。从下而上，就是每个人自己想做什么，自己做，没有人管他，没有 KPI。一般，我们希望正式不要占用所有员工时间的一半。他还有一半的时间是不被安排的，他想做什么就做什么。
8. 我们一般也不太加班。第一个是，做研究是需要一个比较松弛的环境。你如果逼得很紧，就没法做研究。第二个是，我们非常聚焦，就意味着我们要做的事情很少。
9.CoT 不占资源。做研究，他不消耗卡，只需要很少的卡，他需要的是想法。门槛很低，谁都可以去摸，但是谁能摸出什么来，这个我也不知道是看天赋还是看什么。
开源策略："最强的模型也会开源，因为我看不到闭源有什么好处。"
10. 为什么我们这么坚持开源？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。
11. 智谱也开源，但是智谱的开源跟我们的开源不一样。智谱的开源有一种被追的感觉，他们觉得这不是本意，但是对我们来讲，这就是我们的本意。
12.AI 这个事情足够大，最终它可能得占人类社会 GDP 的百分之十。一个人独占这个事情，你不可能独占这个事情，你一定得跟别人分享，否则你肯定活不下来。
13. 我觉得我们是会开源的，然后我们最强的模型可能也是会开源的。因为我看不到闭源什么好处。
14. 哪怕是模型开源，你把所有东西都告诉别人，这个门槛也非常高。别人要用起来，这个门槛也非常高。
15. 我们只赚六倍利润的情况下，开源是不会有什么影响的。但如果说你要赚一百倍利润，那么开源确实会影响你赚一百倍利润。
16. 我们本来也是开源的，不会因为你是竞争对手就怎么样。这本来就是开源的一部分。我不担心别人部署我们的模型来跟我们竞争，我还希望他们能够部署起来。我只担心他部署不起来，有些细节没做对，效果变差，或者成本会比较高。
17. 我们给的开源模型，跟我们自己部署的模型是不是一样？是一样的。我们不会说开源一个差点的模型，然后我们自己部署的时候用一个更好的模型。去年一整年，在 C 端我基本就是开源了，然后 C 端的服务没有看到冲突。
克制与定价："克制是一种战略。十个月收回成本，这是合理利润。"
18. 如果说我们想在我们手上把 AI 这个事情做成，首先第一个，我觉得是需要克制的。不能够想着人类 GDP 的百分之多少都归我了。你越这么想，越做不成。
19. 对我来讲，克制是一种战略。就在于有时候你可以舍弃一些，来换更多其他的东西。
20. 我们的 API 定价，觉得一个合理的利润，大概是我们到市场上买一批设备回来，十个月收回成本，我觉得这是一个合理的利润。它其实不是利润最大化的，如果利润最大化，应该把价格设得更高。因为在这个价格区间，用户的需求是没有弹性的，我价格再翻一半，token 的消耗量区别不大。
21. 我跟你们讲个故事，我们那个 DCP（解码上下文并行）模型，一开始担心需求太多，所以一开始把价格定得比较高，团队里大家不是很高兴。后来我把价格又降下来了，降到四分之一，大家就很开心。降价的时候，公司群里面很多人是欢呼的。
22. 刚刚有人在屏幕上留言说，十个月回本这个利润太高了。确实是还有降价的空间。在模型的优化上也还有空间，所以整体降价空间还是比较大的。
元股证券:ygzq.hk23. 这个成本，十个月回本，我们自己能做到，其他家做不到。像阿里或者腾讯，他不是我们的优化，成本应该是要比这个高好几倍的。
24. 我再降价，需求不会更多了，或者再降价，需求增加得很少了。因为这个价格所有人都用得起了，大家都觉得这个价格是满意的。降价，首先公司不会有更多的收入，对社会来讲也没有更多的价值。价格再低，对这个社会的幸福感也没有增加很多。
25. 成本越低，我就越能训练更大的模型，我就越能承担起更大的模型。在算力有限的情况下，如果我的计算效率更高，我就能够承担起更大的模型。
券商股票配资26. 一个商业化公司，没有动力去追求模型的效率，因为模型效率高一点 …… 低成本了，你还赚什么钱？相反，这是我们愿景的一部分。我们的同学都是普通人，他知道用这个都是要花钱的。他能够有这个同理心：别人要花钱来用，那么如果便宜一点，别人能够接受的程度会更高。
商业化与 C 端 /B 端：" C 端和 B 端都是我们做 AGI 路上的副产物。"
27. 我们做 AGI 是为了做 AGI，刚好能产出这个东西，我就把它拿来做商业化了。这跟其他公司不一样。其他公司就是为了做这个，为了服务 C 端用户，或者服务 B 端用户而去做这个模型。C 端和 B 端，都是我们做 AGI 路上的副产物。
28. 去年春节我们突然火的时候，那不在我们的剧本里面。我们完全没有想过那个东西。我们就是想把这个技术做好。
29. 我们去年春节用户突然很多，但是我们并没有去追求我要留这些用户，或者说拿这些用户来变现，要去抢这些商业利益。我们没有去抢用户，没有去赚钱，但我们很努力想办法把用户服务好。
30. 我们没有把它当一个优先来做。这个我们会做，但它不是我们第一优先考虑的。
31. 去年我们选择是一种非常克制的做法，我不跟你去争这个东西，因为后面还有西瓜，前面的可能都是芝麻。去年的 C 端日活这些，我觉得可能就是个小事。但我们也捡了，我们也用一个比较低的成本维持了用户的使用。
32. 今年很有可能我们在 API 或者 AI 方面的收入，如果这个需求可以继续扩大，显卡可以买到更多的显卡，那么 ARR 做到几个亿美金是很有可能的。如果说 AI 能做到十亿美金的话，那么基本上我公司的现金流可能就能够回正了。
33. 在过去三年，任何一个时候你来跟我说商业化路径、产品线，都是浪费时间，因为你并不能够预测未来。
34. 假如说我今年能够有几个亿美金的 B 端收入，明年我们 B 端有收入，如果这个需求可以再增大的话，公司离净利润已经不远了。最坏情况卖 API，可能都能够支撑一个上市公司。就如果说，技术后面没有新的进步了，我们的技术就冻结在这里了，那么最后我们就全力卖 API，把这些服务做好，我觉得也够的。
35. 现在这个价格，所有人都用得起了，大家都觉得这个价格是满意的，不会因为这个价格贵而不用了。
AGI 技术路线图：" AI 现在不缺品位和直觉，它缺的是持续学习的能力。"
36.AI 的发展，我们可以理解成它是一个阶梯。去年走的阶梯是 CoT，就是思维链。今年的阶梯就是 Agent。为什么是阶梯呢？因为后面的每一步都是基于前面的基础上的。Agent 要用到 CoT，然后 CoT 也要用到前面的阶梯，前面的阶梯就是语言模型。
37. 在 Agent 之后，我们觉得应该要解决的问题是持续学习，怎么让模型可以持续地学习。而不是说你要给它一个很强的训练，它应该能够像人一样做一个比较长时间的持续学习。
38. 持续学习之后，可能我们就会来到一个奇点。这个奇点就是，当这个模型能够持续学习之后，它已经能够做人类能做的所有事情了。它就能够自己开发自己的版本，能够自己再研究，然后开发自己的下一个版本，开发更前的人工智能模型。
39. 这个奇点，它并不是一个奇点，它也是一个渐进的过程。这个过程可能也是一个比较长的渐变，它不是个突变。
40. 这一步走完之后，我觉得才是具身智能。到具身智能之后，它就走进现实世界，可以给你做家务，可以给你养老。
41. 我们觉得这个路线图是最轻松的。这个路线图我们可以不用加班。但是如果路线图是反过来的，比如说它要先实现具身智能，那么这里自己做得很累，这是一个很苦的活。
42.AI 现在不缺品位和直觉，它缺的是持续学习的能力。AI 的品位和直觉没有问题。你让它写个文章，它的品位和直觉，我觉得没有什么问题。
持续学习："投资人看 Agent，我们看怎么解决学习。"
43. 现在全世界都在研究这个问题。对投资人来讲，现在投资人看到的最多的是 Agent；但对于我们这些研究的人来讲，现在看到更多的是学习，以及怎么解决学习这个问题。
44. 其实学习可能不是一项技术，它是一个问题。怎么解决这个问题，可能有很多种技术。
45. 至少得能够持续学习吧。在那之前，我们能做的就是成本，然后效果做得更好，速度做得更快。但是要有大突破，它应该是具备持续学习的。
46. 现在我们内部比较看重这样一个叙事：训练我们的下一版模型，我们希望它能够帮助我们自己的开发。它能够提升 DeepSeek 的效率，我们的模型最首先是提高 DeepSeek 自己的工作效率。首先是对我们自己有用，然后这是实现 AGI 最快的方法。
算力、芯片与中美差距："我们跟美国只差资源，人上面几乎没差距。"
47. 我们现在大概是两万张 H 等效算力，这其中大部分是刚到，最近一两个月刚到。
48. 我们跟美国的差距主要在资源上面，人上面几乎没有差距，因为就是同一批人。人才不是瓶颈，资源是最大的瓶颈。人才的差距，本质上也是因为算力的差距。
49. 在现在最大的模型上，我们其实训不起的。现在最大的模型，激活大概是 800B；国内的话，我们还在几十 B 的这个规模。如果我要训练跟 AI 同样大的模型，应该需要五万张 GB300，或者华为 950，二十万卡。这只是训练，还没有考虑做研究。
50. 在我们能够承受的范围内，肯定是卡越多越好。在合理的价格里面，能买到多少卡就买多少卡。如果我半年之内就把这个钱花完的话，可能是最理想的。因为我把钱变成英伟达卡，肯定是比放在银行里面好。
51. 我们跟美国的差距可能是落后美国 12 个月，落后美国可能 12 到 18 个月，或者说 6 到 12 个月。简单说，就是落后美国两年，然后只用美国二十分之一的算力把这个事情做出来。未来我们要把这个叙事改写，就是用几分之一的算力，但是把时间缩得更短，缩到 6 个月、3 个月。甚至我们可以在某一些方面超越他们。
52. 英伟达 CUDA 的护城河在快速地被瓦解。一方面是现在有了 AI，AI 可以写代码，我可以用 AI 来构建这个生态；第二个，有一些新的技术，比如说我们出了一个技术叫 TileLang（由北京大学计算机学院团队开发的开源高性能 AI 算子编程语言），用这个高级语言来写 CUDA 的算子，可以很快地把英伟达的整套生态全部都写一遍。还有一点，以前计算卡的市场比游戏卡小，现在计算卡的市场已经比游戏卡更大了，就没有理由这两个还需要耦合起来。
53. 国产 AI 芯片替代现在是有个历史性机会的。我们认为，未来一年之内，我们能够看到一个事情被验证：国产芯片的生态完全没有问题。之前认为是有问题的，认为是用不起来、不好用，但是未来我觉得一年之内，我们能够扭转这个认知。
54. 我们买华为 950 的目的，还是希望帮华为把这个生态做好。华为 950 超节点，在性能和价格上可以完全平替英伟达的 GB200、GB300。价格肯定要贵，但贵得有限。唯一的代价是，四张华为卡顶一张英伟达的卡，同时落后两年。落后两年是时间上落后两年。华为 950 超节点是今年 Q3 还是 Q4 的货，英伟达 GB200 是两年前 Q3 的货。
55. 英伟达的卡基本上你可以按照五年折旧。华为的卡最多按三年折旧吧。华为 950 今年能用还挺好的，明年用我觉得还可以，后面再用，可能就真的太费电了。
多模态、视频生成与世界模型："视频生成、3D、世界模型，这些跟智能的上限没关系。我们不做。"
56.AI 领域很广泛，有很多东西我们觉得它不在这个主线上面，比如说 3D、视频生成，我觉得可能跟智能的主线没有太大的关系，我们不会去做。
57. 视频生成一开始出来的时候就很火，好像这是必须要做的，如果你不做，你就不是一个 AI 公司一样。但事实上你也发现，那个视频生成一开始 Sora 出来之后，所有人都做，大公司、小公司都做。但是小公司后来都把它砍掉了。它跟智能的上限没有关系。但在商业上，它是个好生意，但这跟智能没有什么关系。我们不会因为它是一个好商业而去做它。
58. 世界模型，我觉得现在跟智能的上限也没有太大的关系，所以我们也不会去做。从我们的判断，世界模型和智能还不是现在这个阶段最重要的事情。
59. 多模态，对产品来讲很重要，对 C 端用户产品来讲很重要。但是对智能的上限，它是一个组件，它不是主线本身。多模态我们肯定会做，而且我们也在做。V4、V4 的后续版本会支持原生的多模态。
数据标注："中国标数据没有成本优势，高端数据标注太贵了。公司最重要的人里面，有一半在标数据。"
60. 美国数据标注的成本跟中国数据标注成本没有什么区别。中国去标数据并没有成本优势，尤其是标高端数据上并不会有成本优势，使得我们很难投入去像美国这样标数据。这条路在中国是很难的，因为标数据实在太贵了。
61. 现在公司有一半的人，最重要的人，有一半在标数据。
62. 瓶颈不是说我能够马上有更多的人，并不卡在钱上，也不卡在卡上。但是它确实是在一个快速扩张的过程。所以我们觉得一年之内，高质量数据这个问题做得比较好，我国内应该是可以预期的。
竞争格局、核心利益与终局判断："国内做基模的公司太多了，肯定会收敛。"
63. 我们最大的核心利益是要保持团队的稳定性。这是我们最大的核心利益，甚至可以认为是唯一的核心利益。只要我能够保持团队的稳定性，我一定能做成 AGI。钱肯定不是问题，资源不是问题，其他要素都是容易获得的。
64. 我们一直非常克制，不愿意跟任何一家互联网大厂或者小厂成为对手。我希望我能够给他赋能，或者希望我能够协助大家去做这个事情。
65. 我并没有因为开源，并没有因为我们的善意或者说我对其他人提供帮助，而导致我们少拿了任何东西。完全没有影响，反而可能还有加分。
66. 国内现在做模型的公司有点太多了，还是太多了。美国可能就三家，中国做基模的东西太多了。每一家都要做同样的事情，资源分得很散，每一家拿到的资源就更少。我觉得这个肯定是会收敛的。
67. 如果说我的目标是，我要占 AI 全人类 GDP 的百分之五，会被另外一个愿意只占百分之一的人打败。因为另外一个人说，我做得这么好，但是我只要拿全球 GDP 的百分之一就可以了。这时候如果又出来另外一个人，说我只要百分之零点一就可以了，那么又会把前面的人给打败。拿得多的人会被拿得少的人打败。OpenAI 从一开始觉得他真的能够垄断这个世界，但是实际上会遇到很多很多挑战者。中国也会有人愿意拿得更少一点。
68. 在 AI 这个事情上，国内一两年是能够做到跟国外差不多的，或者可能今年就能做到平替国外的模型。在现在这个范式，不是很难的事情，所以今年应该就能做到的。但它还不是 AGI。
69. 国产硬件方面，国内首先得解决生态的问题，然后再解决产能的问题，我觉得应该是能够逐步解决的。我不太相信未来五年之后，我们还卡在产能的问题上。
70.150B，我觉得按照我们现在训练的进度，乐观的是今年年底可以开始去训练，至少是明年。模型 Office 是一个比较确定的目标，但是模型 MIS，我觉得还不好说是确定的，只能说是一个目标。
71. 我们是信 Scaling，肯定是规模越大，效果越好，能够解锁更多的功能。阻止我们 Scaling 的其实就是算力，并不是我们不想 Scaling，是我们没有那么多的算力去做。我们没有触摸到这个上限在哪里。我们训练这么大的模型，并不是因为我觉得这么大的模型就够了，而是我刚好有这么多资源。我是按照我的资源来算，我能够接受、能够训练的模型是多大，是这样算出来的，并不是这个模型就够了。
72. 目前来看，模型收益还是非常明显的。我们还没有机会碰到这个 Scaling 的墙，离我们还很远。硅谷在说 Scaling 到头的时候，那是对硅谷来说；对中国人来讲，我们离那个还很远，我们根本就没有 Scaling 到那个程度。
文字来源：梁文锋 2026 年 5 月 20 日投资者交流会录音文字稿配资工具平台
配资推荐网提示：本文来自互联网，不代表本网站观点。
