只想实现 AGI，不跟任何一家大厂成为对手。
DeepSeek 创始人梁文锋在一场投资者交流会上，长达四小时的分享与问答引发热议。
期间，梁文锋金句频出：「我们完全没有想过要做成下一个超级 App，去跟谁竞争，或者做成下一个字节、腾讯。」「你越克制，越有可能做成AGI。」「只要能够保持团队的稳定性，我一定能做成 AGI，就这么简单。」
基于交流会的内容，我们在保留原话的基础上，梳理出十问，以直观呈现梁文锋的思考路径：
梁文锋：开源这个事情上，我们一开始就想得非常清楚。首先是跟我们的愿景相关（我们的愿景是怀着对世界非常大的善意来做这个事，要对人类有用）。第二，我们认为要把 AI 在商业上做成，开源是有好处的。
这听起来有点矛盾和反直觉，因为在历史上，开源跟商业化都是冲突的。但我觉得 AI 跟以前不一样，AI 足够大，最终它可能占人类GDP 的百分之十，是非常大的数字。一个公司不可能独占，一定得跟别人分享。如果我们想独占，一定是要被历史抛弃的。我觉得这是客观规律，是历史观。
在这种情况下，我觉得不一定要按传统的商业思维思考。你需要有一套机制确保你自己能获得的利益是有限的，你才有可能做成。
因此，我觉得需要克制。如果你想着人类 GDP 的百分之多少都归我了，你越这么想，越做不成。所以我们一开始就觉得需要克制。你越克制，越有可能做成AGI。
梁文锋：我觉得在 AI 上，开源是克制的一部分。你越克制，可能就越容易做成，至少到目前为止是印证过的。否则没有办法解释为什么我们之前能够做成：我们并没有什么武器，起点又非常低，资源又非常少，其实就是随机的一群平凡人。我自己也就是一个大学毕业生，也不是最顶级的学校毕业。
AI 的利益太大了，我们只赚取一个合理的利润，而不是利润最大化。我们的 API 定价是一个合理的利润，大概是我们到市场上买一批设备回来，十个月收回成本。
在当前的情况下，考虑到风险还有前期的投入，如果一个服务器在财务上按照三年或者五年的摊销，但在商业上，我们觉得十个月收回成本就够了。这是我们现在 API 定价的逻辑。
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。价格再抬高一倍，token 的消耗量区别不大，总收入能接近一倍。
我跟你们讲个故事。我们之前发布的一版模型，一开始担心需求太多，所以把价格定得比较高，团队里大家不是很高兴。后来把价格又降下来了，降到四分之一，大家就很开心。
我觉得这个才是我们真实的想法。就是我前面说的愿景：我们还是让这个东西对人有用，而不是我们赚最多的钱；而是在能够赚到合理利润的情况下，大家都用得起。我们那时候降价，公司群里面很多人是欢呼的，大家都觉得很开心。
因为这是我们花了这么多精力、用心把模型做好的目的。就是能够非常便宜、效果非常好，让大家都能够充分地用。这是我们的动力和愿景，也是公司能够凝聚到一起去做这个事情的内部共识。
梁文锋：对我来讲，克制是一种战略。有时候你可以舍弃一些，来换取更多其他的东西。开源这个事其实也是一样的，可以认为是我们的让利。
这种让利，公司内部员工有成就感，因此会有凝聚力；同时对社会、同行和普通人都有好处。从长远来看，这种克制能够增加我们做成 AGI 的概率。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拿一点份额，而是怎么增加做成的概率。
克制还体现在很多其他方面。比如去年春节，用户突然增多，但我们并没有去追求留存、变现，或者在用户身上抢夺商业利益。我们只是很努力想办法把用户服务好。我们完全没有想过要做成下一个超级 App，去跟谁竞争，或者做成下一个字节、腾讯。
我们是可以这么做，但没有这么做，这也是克制的一部分。不要想什么钱都赚，好像有了用户，就能做成下一个字节，把一切都吃了。虽然这在商业上是行得通的，如果去年我们用大笔钱去抢用户，也是一种打法。但我们选择了非常克制的做法：不跟你去争。因为后面还有西瓜，前面的可能都是芝麻。
我们不应该什么芝麻都抢。当然，这个芝麻可能比较大，但和后面的 AI 相比都不算大。现在来看，去年我们没有在 C 端发力可能是对的，如果去年我们花很多钱把这事做大，其实并没有得到什么。
AGI 的机会永远是非常大的。我甚至不用考虑到时候在里面占什么位置、商业模式是什么。只要有那么大的商业机会，一定有办法。
前面的芝麻我们也会捡，既然能随手拿到，我们就顺手拿着。但我们不会停下来，把它当成最重要的事情来做。
包括今年，我们在 API 方面的 ARR（年度经常性收入）也是有机会的。如果需求继续扩大，能买到更多显卡，ARR 做到几个亿美金是很有可能的。如果能做到十亿美金，公司的现金流可能就回正了，但我们没有把它当做最优先的事。
去年的 C 端、今年的 B 端，这事要做，也能做好，但这不是我们的终极目标。公司大部分人都不认为，这是一个能与 AGI 同等重要的事情。
梁文锋：我们在很多方面都要非常克制。但我们的核心利益只有一点：保持团队的稳定性。这是我们最大、甚至唯一的核心利益。
只要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，能够继续做，基本上就没有什么风险。只是早一点晚一点，如果遇到挫折大家都不走，我就可以继续。
钱肯定不是问题，资源不是问题，其他要素都是容易获得的。对我们来讲，唯一没法退让的：必须要保持团队的稳定性。
这也是我们面临的非常大的挑战，或者说是最大的风险。当然，随着近期的融资，这个风险得到了比较大的解除，因为大家拿到的期权金额还是比较大的。
只要最重要、最老的员工能够稳定，其他人哪怕期权少一点、收入少一点，也不会走。因为大家不是全奔着钱来的，都希望在一个能够做成 AGI 的环境里做事。所以这对人才是有吸引力的。
从历史上看，跟同行比，我们的人才流动是比较少的。但这依然是我们最大、也是唯一的挑战。
其他都是时间问题，最多导致我们晚半年、一年，但不会做不出来。肯定是不缺钱，也不缺资源。
所以我们现在做的很多事情，都是为了保持团队的稳定性。除了这点以外，其他都是可以不要的、可以克制的。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。我希望能给大家赋能，协助和帮助大家去做这个事情。
梁文锋：从技术路线上来看，其实 AGI 这条路线图是比较清晰的。跟目前这一代 AI 技术相比，如果能够把一个问题描述得很清楚，给它完整的上下文和指令，它已经超过人类了。但有个前提是：你必须给它完整的上下文和指令。
但这个定义很难达到。现在 AI 能具备的是，在一个局限的上下文里面，它能做得比人更好。
但它还是替代不了人类，这里面还差一个地方，就是持续学习。人能够持续学习：你招一个员工，他花两个月时间熟悉公司的环境和工作就能上手。他能听懂你说的话，比如叫小王来，他就知道小王是谁。但如果换成 AI，因为前面没有这两个月的学习，你跟他说叫小王过来，就得告诉他小王是谁、什么职务、在哪里、怎么找他、注意什么。你得给 AI 所有的上下文，而这种情况下不可能给他所有的上下文，这不现实。
所以 AI 并不能替代你的员工。但如果 AI 具有持续学习的能力，跟员工一样到公司学习两个月，就可以替代天下的人了。所以我们离下一步还差一个「学会如何学习」(Learning to Learn)。
AI 的发展可以理解成一个阶梯。去年走的阶梯是 CoT（思维链），通过思维链可以让智能达到更高的水平，让 AI 做更多的事情。今年跨过的阶梯是 Agent，用 Agent 的方式，能力范围会更大，智能上限会更高。
为什么是阶梯？因为后面的每一步都基于前面的基础。Agent 要用到 CoT，CoT 又用到语言模型，所以并没有一步是白走的。
AI 智能的走向是有迹可循的。在 Agent 之后，我们觉得应该要解决的问题是持续学习（Continuous Learning），怎么让模型像人一样做一个比较长时间的持续学习。我们现在站在 Agent 这个地方，能看到的下一个瓶颈就是持续学习，这是相对比较明确的。
卡在前面的这个障碍必须要跨过去，一定有办法，但需要时间。持续学习之后，就会来到一个奇点。这个奇点就是：当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。
它能够自己去研究，开发自己的下一个版本、更先进的人工智能模型，从而实现自己的迭代。
梁文锋：我说的是在现在这个阶段，这是我们的判断，是我们自己的 AI 路线图，但不是唯一的路线图。
从我们的理解和判断来看，当前最重要的是把 AI 训练做好。把 AI 训练做好，并不需要世界模型，甚至不用多模态。因为你把 AI 训练范围缩小一点，没有多模态，只是有一部分任务你做不了，但不影响这个算法的成立。
多模态最终还是要做的。现在重要的是训练，下一步要解决的是持续学习的问题，再下一步是它自己问问题。但这个路线图里面没有世界模型，没有视频生成。
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，就不是一个 AI 公司一样。我就很奇怪，其实你只要仔细去想一下，它跟智能的路线图是没有什么关系的。
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，我们只会因为它是智能路线图上的东西，才会去做。
世界模型的含义就没那么清楚，因为很多东西都可以说它是世界模型。
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。最重要的是 AI 训练，以及 AI 训练之后怎么解决持续学习。这是我们的判断，当然每个公司的判断是不一样的。
梁文锋：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就自己做，没有人管他，没有 KPI。
从上到下就是正式的工作，我们要集体做一个什么事情，需要全公司的人一起来配合。比如说我们要发DeepSeek V4，那么就得分工，每个人得做一部分，那个是从上到下，这个我们叫做正式。
一般我们希望这正式工作不要占用员工所有时间的一半。他还有一半的时间是不被安排的，想做什么就做什么。这是一个研究的范围，让他可以自己去探索，按照他觉得什么重要去探索什么，没有前置的要求。
只要公司能够支持，公司算力能够支持他做，或者他不需要算力、需要做得很少，那么他根本就不用来协调。所以我们现在是这样的一个组织方式。
我们一般也不太加班，有两个原因。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。因为既然需要你自己有这个兴趣，平时要去想这些问题，所以得是在一个比较松弛的环境里，才有可能探索。这是出于研究文化的需要。
第二个是，我们非常聚焦。非常聚焦就意味着我们要做的事情很少，那我就没那么多事情要做，就不需要加班。
我们为什么这么做？这就回到了我们的愿景。
我们一开始来做这个公司，初衷是没有想到说最后要赚多少钱，要到资本市场上去，要上市，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，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。
管理一个大公司，靠的不是规章制度，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，就是你怎么实际运行。
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，靠一个愿景来组织。我们是没有组织的。
这个有好处，也有坏处。未来我们会想办法扬长避短，但这个是我们的特色。我们并不是以一个「我要实现什么 KPI、没有考核」的方式来做，只有愿景。
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。这个愿景是在我们做事情的方法、我们对待这个世界的态度里。可能我们公司每个人对这个愿景的理解也不一样，每一个人的愿景也是有差别的，但是在一个大的方向上是一致的。我觉得还是怀着对这个世界非常大的善意，然后想做一点事情。我们是用这个来组织起来的。
梁文锋：我们在做全球领先的 AGI 研究，并在适当时候进行商业化。我觉得我们一直在做商业化，只是没有以商业化为目标，而是以 AGI 为目标。
从历史经验来看，这个策略是成功的。我觉得，我们离彻底转向商业化的时间点应该是很遥远的。所以最大的还是技术的延伸，做下一代的技术，更多地解决现在的问题。
这也是我们克制的一部分。我希望这些商业机会能够让其他人来做，希望这些商业机会、怎么用这个 AI，是整个社会、我们所有的合作伙伴一起来做，大家一起来分享这个收益，而不是我独吞，这不可能。而且我们没有那么多精力，组织也没有那么多人去做这个事。
对于融资，我们是精心挑选的。首先利益是比较一致的，就是跟我们利益最一致的、对我们最没有敌意的、最希望我们能够做成功的。不是所有人都希望我们能做成功的，因为我们还是损害了很多其他人的利益的。
至于公司重大战略、技术业务决定的流程和决策机制，我们整体上是建立在共识的基础上的。并不是说我一个人决定所有事情，而是我要寻求共识。我在公司内的权威和影响力，是建立在共识的基础上的。
比如说我要做一件事情，肯定是先看大家的共识是什么，大家想不想做。然后我可能会有一些引导或者倾向，但引导的作用非常有限，还是建立在共识的基础上。这个决策机制其实是一种寻求共识的机制，一定是有了共识，我才能够推得下去，我才会去推。
梁文锋：我们希望不用这个，我希望是其他人来做这个事情。我不希望把所有东西都吃了，我只要吃一块就好，吃最擅长的那一块，或者我们自己认为最核心的那一块，然后跟用户直接相关的那一块。
未来我们会不会自建大型的集群？这是肯定要的，我们自己一直在做这个事情，所有的集群都是自己建的。但是未来要不要自研芯片，取决于这里的收益有多大。
假如说你是运营发电厂的，并不一定需要去造发电机，对不对？发电设备可以是别人造的，只要价格合理，为什么要自己造？
我希望能够以合理的价格买到芯片，这样我就不用去做芯片。AI 这个事情很大，并不需要我什么都做，我只做一块。如果聚焦，并且这里的生意利益已经足够大，如果是 AI 时代会产生很多家万亿级别的公司，我希望我们是其中一家。
我们一直做其中一小块，成为其中一家已经没有什么问题了。我们的态度是，如果你真的想做别的，可能会有更多的主意。
譬如说，至少在toB、toC 这两个业务上，目前能看到的，真的想做 toC 闭环的，反而我们做得好；真的想做 toB 闭环的，说不定也没有我们做得好。
ToB 业务的上限应该还是需求，在现在这一代 AI 技术的背景下，toB 的需求应该是有限的。它会快速增长，但并不是一个无穷大的事情，最终还是受制于需求，不是算力。
在当前技术的条件下，收入有多大，最终还是取决于需求。如果随着技术持续有突破，这个需求会越来越大。
来源：微信公众号“蓝洞商业”（ID：value_creation），作者：沈岩
-END-
收藏
