梁文锋投资者交流会：克制是战略，开源和商业化不冲突，AGI 是唯一的正事

本文整理自 DeepSeek 创始人梁文锋的投资者交流会实录。前半段为梁文锋的主题分享，后半段为投资人自由提问。全文为精华整理，按主题重新组织，保留所有核心判断、关键数字与原话金句。

说明，原交流会涉及部分内部数据（算力规模、定价口径、产能等），主持人曾要求与会者不外传、不录屏。本文按公开流传的实录整理，引用时请自行判断边界。

01 愿景驱动，怀善意做 AI

开场，梁文锋把公司的出发点讲得很清楚，不是商业利益。

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。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。

他引用杰克·韦尔奇，管理一个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，愿景是你怎么做，不是怎么说，就是你怎么实际运行。

DeepSeek「没有组织」，是愿景驱动的。没有 KPI，没有考核，只有愿景，而这个愿景甚至不是成文的。

我们并没有以「我要实现什么 KPI」的方式来做，只有愿景。这个愿景甚至不是成文的，没有写出来过任何东西，它在我们做事情的方法、对待这个世界的态度里。

他反复强调团队是「一群平凡的人」。

我们真的就是一群平凡的人。如果你喜欢一个叙事，是一群平凡的人做出了不平凡的事情，而不是一群天才做出了不平凡的事情——这个跟我们的克制很有关系，跟我们的愿景是一脉相承的。

02 开源是克制的一部分

开源是被问得最多的问题。梁文锋把它放进一个更大的框架，克制。他的逻辑起点是 AI 的体量。

AI 这个事情足够大，最终它可能占掉人类社会 GDP 的百分之十。一个人独占这个事情，你不可能独占，你一定得跟别人分享，否则你肯定活不下来。如果说我们想独占这个利益，那么一定是要被历史抛弃的。

不是我不开源就能独占这个市场，这在理论上就不符合客观事实。你一定会遇到很多阻力，一定会有其他的方法阻止你实现这个目标。

所以他选择克制，并把克制当成战略。

你越克制，你越有可能能够做成。开源是属于克制的一部分。

开源和商业化冲突吗？他认为在 AI 上没有，前提是只赚合理利润。

我们只赚六倍利润，十个月收回成本，大概对应的就是六倍利润。在这种情况下，开源是长期可以持续的。

对比其他公司的开源，他认为性质不同。

有的公司也开源，但有一种被迫的感觉，觉得这不是本意。但对我们来讲，这就是我们的本意。

他不担心别人部署 DeepSeek 的模型来竞争。

我一点都不担心别人部署我们的模型跟我们竞争，我还希望他们能部署起来。市场足够大，我只担心他部署不起来，有些细节没做对，效果变差，或者成本比较高。

开源模型和自己部署的模型是否一样？一样。

我们不会开源一个差点的模型，然后自己部署一个更好的，是一样的。去年一整年，我们在 C 端基本就是开源了，没有看到冲突。

03 十个月回本的定价逻辑

这是全场最具体的一节。API 怎么定价。

我们 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，这是一个合理的利润。我们的 V3.2 Flash 跟其他的，都是十个月收回设备的成本。

为什么不再降价？因为需求没有弹性。

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。如果价格再贵一倍，我的总收入接近一倍。

为什么不定更高？因为那不是出发点。

我们在定价这个事情上，肯定不是以公司收入最高或利润最高为出发点的。这是克制的一部分。

他讲了一个降价的故事。

我们的一款模型，一开始担心需求太多，把价格定得比较高，团队里大家不是很高兴。后来我把价格降到四分之一，大家就很开心，公司群里很多人是欢呼的。

因为这是我们花了这么多精力、这么用心把模型做好的目的，能够非常便宜、效果非常好，让大家都充分地用。这是我们公司内部的共识。这一点应该比较特殊，因为降价对我们竞争对手来讲肯定不是好事，他们一定不是欢呼的。

这个成本控制别人做不到。

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，他的成本应该比这个高好几倍。

这个价格所有人都用得起了。再降价，公司不会有更多收入，对社会也没有更多价值，因为大家都满意了。

04 克制是战略，芝麻和西瓜

克制不止体现在定价和开源。去年春节 C 端流量爆发，DeepSeek 没有去抢。

我们并没有去追求留这些用户、拿这些用户变现。我们很努力想办法把用户服务好，但没有去抢用户、去赚钱。

我们并不会有「我要做成下一个超级 App、去跟谁竞争、做成下一个字节、做成下一个腾讯」这样的想法。我们是可以这么做，但我们没有这么做。

逻辑是，前面是芝麻，后面有西瓜。

后面的 AI 可能前面都不算大。去年我们没有在 C 端去发力，可能是对的，因为后面真的是有更大的西瓜，前面真的只是一些小芝麻。

前面的芝麻我们也会捡，随手捡一点，但不会停下来，不会把它当成重要事情来做。

克制是一种战略。有时候你可以舍弃一些，来换更多其他的东西。从长远上讲，这种克制能够增加我们做成 AGI 的概率。

我毫不怀疑 AGI 会有非常大的商业价值。在这个基础上，我优先考虑的不是怎么多加一点份额、多拿一些份额，而是怎么增加我能够做成的概率。

05 AGI 路线图，先持续学习，再奇点，最后具身

技术路线图。AI 的发展是阶梯式的。

去年走的阶梯是 CoT（思维链）。通过它自己思考，可以让智能达到更高的水平。

今年的阶梯是 Agent。用 Agent 的方式，能力范围会更大，智能上限会更高。

后面的每一步都是基于前面的基础上的。Agent 要用到 CoT，CoT 也要用到前面的阶梯（语言模型），并没有一步是白走的。

Agent 之后是什么？持续学习。

在 Agent 之后，要解决的问题是持续学习，怎么让模型可以持续地学习，而不是要给它一个很强的训练，它应该能够像人一样做比较长时间的持续学习。

为什么持续学习是关键？他用「招员工」打比方。

你招一个员工，他花两个月时间熟悉公司环境、熟悉工作，就能上手，他能听懂你说的话。你说「叫那个小王来」，他就知道小王是谁。但 AI 没有这两个月的学习，你得告诉它小王是谁、什么职务、在哪里、怎么找它。

AI 并不能替代你的员工。但如果 AI 具有持续学习的能力，它跟你的员工一样学习两个月，那它就可以替代天下的人了。我们离下一步还差一个持续学习。

持续学习之后，是自我迭代的「奇点」。

当模型能够持续学习之后，它已经能做人类能做的所有事情了。它能够自己开发自己的版本，自己研究，开发更前的人工智能模型，到一个奇点，能实现自己的迭代。

但他强调，这不是突变。

它不是一个奇点，它是一个连续的过程，可能在比较长的一段时间里渐变。但习惯性地，我们都认为它可能是个奇点。

奇点走完之后，才是具身智能。到具身智能之后，它走进现实世界，可以给你做家务、给你养老。

为什么是这个顺序？因为轻松。

这条路线图每一步要做新的都很少，我们可以不用加班。如果反过来先做具身智能，那是个很苦的活。奇点之后再做具身，那个就不用人来做，模型自己就可以出来。

至于多模态、世界模型、视频生成，都不在智能的主线上。

现在重要的是训练，下一步是持续学习，再下一步是让它自己问问题。这个路线图里没有世界模型，没有视频生成。视频生成跟智能的上限没有关系，商业上是个好生意，但我们不会因为它是一个好商业而去做它。

06 核心利益只有一个，团队稳定

被问到核心利益是什么。

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，就这么简单。只要大家都不走，我们能够继续做，基本上没有什么风险，只是早点晚一点。

钱肯定不是问题，资源不是问题，其他要素都是容易获得的。

团队稳定也是最大的风险，但近期融资很大程度上解除了这个风险。

大家拿到的期权都还是比较多的。只要最重要的、最老的员工能够稳定，其他人不太会走。因为他们不是全奔着钱来的，大家都希望在一个能够做成 AGI 的环境里做这个事情。

从历史上看，我们的人才流动永远比同行少。

为此他们非常克制，不愿跟任何一家互联网大厂或小厂成为对手。

我希望我能给他赋能、协助大家去做这个事情。我们并不损失什么东西，我们本来也是开源的。在大的利益上面是没有冲突的。

07 中美差距只在算力

我们跟美国的差距，其实差距只有一点，就是资源。我们没有那么多卡。

人方面没有差距。

人上面几乎没有差距，因为就是同一批人，可能是中国人。中国人出去的时候，有些人留在国内，有些人去国外，并不是聪明的人去国外，其实它是比较随机的。

最聪明的人可能有一半多一点去国外，有一半少一点留在国内。国内人才不缺，而且我们基数大。人才不是瓶颈，资源是最大的瓶颈。

资源差距具体到数字。

我们现在大概两万张 H 等效算力，其中大部分是最近一两个月刚到。接下来几个月还会有大批量的机器买过来，基本上都是英伟达。在合理的价格里面，能买到多少卡就买多少卡。

要训练跟美国同样大的模型，需要多少？

如果我要训练八百 B 激活的模型，应该需要五万张 GB300，或者华为 950，二十万卡。这只是训练，还没考虑做研究。

现在国内最大模型可能就几十 B 激活，差一个数量级。我们离训八百 B 的模型还比较远，时间还非常多。

他的叙事是，落后，但用少得多的算力。

我们跟美国的差距可能是落后一到两年，但只用它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，用几分之一的算力，把时间缩到 6 个月、3 个月。在某些有取舍的地方超越可能可以，但全面超越不现实。

算力落后的解法有三条。

第一，我们承受模型落后，只能用比他们更小的模型；第二，落后意味着你有更多时间，可以用巧妙的方法；第三，把效率做到极致。

08 国产芯片的历史性机会

这是技术含量最高的一节。CUDA 的护城河正在被瓦解。

英伟达 CUDA 的护城河在快速被瓦解，原因有三方面。

第一，AI 让建生态比以前容易。

有了 AI 之后，我要建立起这个生态比以前容易很多了，因为 AI 可以写代码。我可以用 AI 来构建一个跟英伟达一模一样的生态。

第二，新的编译器技术。他提到 DeepSeek 自研的 TileLang。

我们出了一个技术叫 TileLang，是一种高级语言。用它来写 CUDA 算子，可以很快地把英伟达整套生态全部写一遍，再结合 AI，看起来没有什么障碍。

第三，专用芯片的趋势。

CUDA 是从游戏卡演变出来的，兼容游戏卡。以前 AI 计算比游戏卡市场小，所以合理。但现在计算卡市场已经比游戏卡更大了，没有理由这两个还需要耦合。

以后都是专用芯片，跟 CUDA 没有什么关系。原来英伟达生态的作用就大幅度减少了。

所以他判断，国产 AI 芯片替代有历史性机会，一年内扭转「生态不好」的认知。

未来一年之内，我们能够看到国产芯片的生态完全没有问题。国产 AI 芯片的硬件和生态都没有问题，唯一有问题的是产能不够。英伟达挡不住。

具体到华为。

华为的 950 超节点，在性能和价格上可以完全平替英伟达的 GB200、GB300。价格贵百分之一百无所谓，贵百分之两百都无所谓。

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。四张 950 能顶一张 GB300，落后两年是时间上落后两年。

V3 的训练已经不用英伟达生态了。

V3 训练用的还是英伟达的卡，但已经不用英伟达的生态了。我们先写一个高级编译器 TileLang，基于它完成所有事情，已经几乎不依赖英伟达的生态。

在这一点上，英伟达是在掘自己的坟墓。

华为产能方面。

华为给我们大概是一万六千张卡的产能，互联网大厂可能是十几万张。一万六千卡只相当于四千卡的 B 系列，不是一个很大的量，意义在于帮华为把生态做好。

09 降维打击，C 端 B 端都是副产品

我们心里面想着 AGI，做的是 AGI。那我们再做 C 端、B 端的时候，根本不用太多心思，花很少的精力就可以了。站在一个技术的高位上来做相对低一级别的技术，是降维打击。

我们去年没有在 C 端花很多力气，甚至一度都不想维护那些用户，但用户赶都赶不走，因为真的赶不走。

C 端和 B 端都是 AGI 路上的副产物。

我并不是为了做 C 端、为了做 B 端而去做模型。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。这跟其他公司不一样，其他公司是为了服务 C 端用户而去做模型。

AGI 是更大的愿景，能够凝聚起更多优秀的人，有更强的凝聚力。其他公司在产品、用户服务、流量上有优势，但在技术上没有优势。

降维打击的前提是「现在模型技术最重要」。

现在比较有利的形势是，模型技术是最重要的。你要把模型做好，其他都是次要的。

10 终局差距，成本、时间、体验

大模型竞争终局的差距，应该是没有太大差距。最终的差距可能是三方面，一方面成本，一方面时间，一方面用户体验。

成本排第一。

成本是排在第一位的区别。同等技术量的情况下，其他家能不能按这个价格来提供，这是个较难的事情，肯定是壁垒。

第二是时间，你什么时候能做到，早几个月晚几个月不一样。第三是体验，有用户粘性和壁垒，但它可能不本质。

大模型公司不会有暴利。

我绝对不认为大模型公司可以拿走大部分利润。差距只有两个东西，一个是时间，一个是成本。成本控制得好的人就多赚一点，差的就少赚一点，不至于哪一家有暴利。

中国公司的结构性优势。

中国公司很可能扮演的角色还是产量最大。中国人会把这产品做到最便宜，中国产的 AI 价格会更便宜，这个便宜可能是系统性的低，跟其他行业中国提供的服务更便宜是一样的。

在成本和产品这两方面，中国确实有结构性优势。因为他们（美国）不追求效率，所以他们不发展这个能力。

11 组织，没有架构，共识驱动

DeepSeek 的管理是两条线。

一条线是从上到下，一条线是从下到上。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。

从上到下，就是做正事，我们要集体做一个什么事情，需要全公司配合。我们希望「正事」不要占用员工所有时间的一半。

他还有一半的时间不被安排，想做什么就做什么，按他觉得什么重要去探索，没有前置的要求。这是一个研究的范围。

为什么不加班？两个原因。

第一，做研究需要一个比较松弛的环境，逼得很紧没法做研究。既然要你自己有这个兴趣、自己平时要去想这些问题，就得在一个比较松弛的环境里才有可能探索。第二，我们非常聚焦，要做的事情很少，那就不需要加班。

看到我们的产品很多都不完善，我们也没去补它，这也是一种文化。

决策机制是寻求共识。

我并不是说我一个人决定所有事情，我要寻求共识。我在公司内的权威和影响力，是建立在共识的基础上。

这是一种寻求共识的机制，不是我能推动一个什么事情，它一定是共识才能推得下去。

跟 Bell Labs 不同。

我们跟 Bell Labs 不一样，它明确不需要商业化。我们明确要有商业化，我们归根结底是一个公司，政府不会给我一分钱。

很多公司做得很伟大，因为它有一种利润以外的追求，那个追求最后不但没影响商业化，反而让商业化更好。我们本质上还是一个公司，只是有取舍。

12 Q&A 精选

持续学习什么时候突破

投资人，持续学习什么时候带来突破？还需要哪些架构、算法创新？

梁文锋，人少，需要研究，现在全世界都在研究这个问题。学习可能不是一项技术，它是一个问题，解决它会有很多种技术。

我们有很多思路，有很多现在看起来有前途的想法，但都还没有做通。

他给出一个内部叙事，下一代模型首先要对自己有用。

训练下一版模型，我们希望它能够帮助我们自己开发。我们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。首先对我们自己有用，开发下一版模型就会更快。

先把持续学习做完，通用智能就很容易了，用它来做就很容易。否则现在人工做通用智能，是数据密集、人力密集的事情，性价比不高。

国产硬件什么时候追上

投资人，国内硬件多久能追上？

梁文锋，在 AI 这个事情上，国内一两年能做到跟国外差不多，可能今年就能做到平替国外的模型，但它还不是 AGI。

国产硬件可能需要几年。首先要解决生态（一个信心的问题），再解决产能。今年、明年、后年可能还卡在产能，但五年之后我觉得不一定。

Anthropic 还是 OpenAI 会赢

Anthropic 现在的优势不是长期的，应该是阶段性的。OpenAI 和 Google 未来大概率会交替上升。Anthropic 有先发优势，但这优势很快会没了。这三家都很厉害，其中效率最高、烧掉的钱最少的会占优。

数据与标注

数据几乎等于模型的一半。

现在公司有一半的核心研究员在标数据。解决 AI 这个问题，在现阶段靠的就是标数据。

但中国标数据没有成本优势。

美国数据标注的成本跟中国没有区别，中国去标数据不会有成本优势，尤其是高端数据。这条路在中国很难，所以现在基本两条腿走路，先标成本低的。

Coding Agent 优先级最高

现阶段我们觉得最重要的，应该还是 Coding Agent。全力做通用的 Agent，其他 Agent（金融、医生等）优先级应该更低。要先做 Coding，因为 Coding Agent 能做到很多，还有很多垂直的 Agent。

模型尺寸与发版

50B 激活这个尺度，最终我们跟现在的开源不会有太大差别。但跟那个没公开的大尺寸模型差距还是比较大的，可能得是 150B。

150B 按现在的训练进度，乐观是今年年底可以开始训练。一个舒适的发版节奏，大概两三个月发一版。

AI 什么时候自进化

投资人，AGI 是渐进、没有临界点的过程吗？

梁文锋，它没有临界点，但它是非线性的。

我们现在比较相信一个叙事，AI 可以加速 AI 的研究。到后面可能是非线性的。

投资人，语言模型继续 scaling 够吗？

语言模型的 scaling，我现在没有看到上限。无论是我们的还是美国的智力水平，都没看到上限。

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，根本就没有 Scaling 到那个程度。

具身智能是终点

对一个正常人来讲，他的需求并不是电脑。他吃喝玩乐、衣食住行，他不需要电脑，他还是需要具身智能来解决具体人力的需求。具身我觉得绕不过去。

资本市场与科研的平衡

我现在觉得应该是能做到的，都要。假如今年有几个亿美金的 B 端收入，加上 C 端有用户，这本身已经有一定商业基础。明年如果 B 端需求继续增大，公司离净利润已经不远了。

最坏情况卖 API，可能都够支撑一个上市公司。我们有保底可以拿出来的业绩。

延伸阅读

• 梁文锋投资者交流会（原文全文）
• 姚顺雨长谈，在 Anthropic 和 Gemini 训练模型，英雄主义已经过时