内容来源：本文内容根据网传 PDF 文字稿整理。

责编  | 柒  

第 9750篇深度好文：7451字 | 15 分钟阅读

AI 天演论

笔记君说：

在一场 3 个多小时的投资者交流会上，DeepSeek 创始人梁文锋系统讲透了这家公司的全部逻辑。

从愿景与克制，到组织与团队；从持续学习、奇点到具身智能的 AGI 路线图，再到 " 成本、时间、体验 " 的终局判断，梁文锋的话里，没有公关话术，没有概念包装，只有一位技术理想主义者的深度思考。

读完这篇文章，你会理解 DeepSeek 为什么能做成，也会重新思考：在一个追逐快钱的时代，" 慢 " 与 " 克制 "，为什么反而成了最锋利的竞争力。

本文内容根据网传 PDF 文字稿整理，未经梁文锋本人及 DeepSeek 方面确认，笔记侠未获原始录音核验。原稿由语音识别转写并经人工整理，在不改变原录音文字稿的基础上略做行文修改及增加备注；专有名词、数字及表述可能有误，请谨慎参考。

以下是我们摘录到的 60 条言语，希望对你有所帮助。

一、初心与愿景

1. 我们一开始做（DeepSeek）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。

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

2. 大概二十年前，我在管理上最崇拜的是杰克 · 韦尔奇（GE 的前 CEO）。现在来看，他说的大部分东西可能都已经不对了，但是他有一点说对了：一个公司最重要的是愿景。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。

3. 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。这个愿景甚至不是成文的，它在我们做事情的方法、我们对待这个世界的态度里。

可能公司每个人对这个愿景的理解不一样，每一个人的愿景也有差别，但在大的方向上是一致的。

4. 两年前成立这个公司的时候，我们又没有很多钱，又没有很多卡，又没有什么知名度，又没有什么号召力，我们就是一群非常平凡的人。

如果说（我）喜欢的一个叙事，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、跟我们的愿景是一脉相承的。

5.AGI 是更大的愿景，这个愿景能够凝聚起更多优秀的人，它有更强的凝聚力。但如果你是一个商业公司，愿景就是服务好 C 端用户，那么他在产品上、用户服务上、流量上会有优势，但在技术上没有优势。现在比较有利的形势是，模型技术是最重要的。

6. 公司的长期目标应该是 AGI。每个人对 AI 定义不一定一样，但不妨碍我们把 AGI 当做我们的目标。

二、克制的商业哲学

1.AI 这个事情足够大，最终它可能得占掉人类社会 GDP 的百分之十，那其实是一个非常大的数字。一个人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。

2.如果说我们想独占这个利益，那么一定是要被历史抛弃的。这是一个客观的规律，是一个历史观。

3. 在这种情况下，不一定要按照传统的商业思维。你需要有一套机制来确保你自己能够获得的利益是有限的，那么你才有可能做成。需要克制。你越想 " 人类 GDP 的百分之多少都归我了 "，越做不成；你越克制，越有可能能够做成。

4. 克制也是一种战略，就在于有时候你可以舍弃一些，来换更多其他的东西。

AI 这个事情太大了，利益太大了，只要能做成，最后利益都会非常大，你随便分一点就已经很足够，所以现在根本不用考虑拿这里面的哪一部分利益、怎么拿。所以我们之前说，我们只赚取一个合理的利润。

5. 我毫不怀疑 AGI 会有非常大的商业价值。在这个基础上，我优先考虑的不是我怎么多拿一些份额，而是我怎么增加我能够做成的概率。这种克制，从长远上来讲，能够增加我们做成 AGI 的概率，让我们更从容。

6. 外面可能看起来我们选了一个很难的模式，要做研究、做最难的事情，好像是个 hard 模式，但其实我们在其他地方舍弃了很多，使得我们还是做得非常轻松的。

7. 我们的克制还体现在很多其他的方面。比如去年春节用户突然很多，但我们并没有去追求留住这些用户、拿这些用户来变现、去抢商业利益。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。

8. 我们并不会有 " 我要做成下一个超级 App、下一个字节、下一个腾讯 " 这样的想法，完全没有。

9. 我们选择了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。我不应该什么芝麻都抢。

10. 后面的 AGI 机会永远是非常大的，我甚至不用考虑我到时候在里面占一个位置、商业模式是什么。只要有那么大的商业机会，你一定是有办法的。

11. 去年春节我们突然火的时候，那不在我们的剧本里面。

12. 我不希望把所有东西都吃了，我只要吃我最擅长、最核心、跟用户直接相关的那一块。我觉得 AI 这个事情很大，如果 AI 时代会产生很多家万亿级别的公司，我们就是其中一家，一直做其中一小块已经没有什么问题了。

13. 历史上也有很多公司有利润以外的追求，那个追求最后不但没有影响到它的商业化，反而能让它商业化得更好。我们本质上还是一个公司，只是说我们在考虑赚哪些钱、什么时候赚钱、赚多少钱、靠什么赚钱，我们有取舍。

三、开源战略

1. 开源是属于克制的一部分，我们的克制还表现在很多方面上。具体到商业模式：我们是会开源的，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必然的好处。

2. 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。别人要用起来很难；其次要用起来还要成本做得很低，也很难。并不是我开源了，他就能轻易做到跟我一样的部署成本，这里边还是有很多工作要做的。

3. 我们按十个月回本定价，就已经能够让独立部署的第三方无利可图，他们做不到这个成本，所以开源并不会影响我的收入。当然，前提是我们只赚六倍的利润：十个月收回成本，大概对应六倍的利润。

六倍利润看起来很高，但其实不高。现在 AI 的效率这么高，一个合理利润可能就是这么多。未来它可能会降到四倍、三倍，但到底它还是会有很大的利润。

4. 我也不担心别人部署我们的模型然后跟我们来竞争，一点都不担心，我们还希望他们能够部署起来。我们尽可能给开源社区提供帮助，协助大家能够把我们的模型部署起来。

我不担心他会跟我抢这个生意，因为这个市场足够大；我只担心他部署不起来，有些细节没做对，效果变得比较差，或者成本比较高。

四、组织文化与团队管理

1. 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；如果遇到挫折，大家都不走，那么又可以继续。这也是我们面临的最大挑战和风险。这个风险随着近期的这一次融资得到了比较大的解除。

2. 我们公司的管理其实是两条线：一条是从上到下，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；从上到下，是正式的、要集体做一个什么事情，需要全公司的人一起来配合，比如我们要发 V4，就得分工，每个人做一部分。

一般我们希望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，按照他觉得什么重要去探索什么，没有前置的要求。

3. 做研究需要一个比较松弛的环境，你如果逼得很紧就没法做研究，得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。

4. 我们非常聚焦，聚焦就意味着要做的事情很少，每个人分到的工作就少了，就不需要加班。这个跟前面的克制是一脉相承的——因为我克制，所以很多时候我就不做了。你看到我们的产品很多都不完善的，我们也没有去补它。

5.我们公司整体上是建立在共识的基础上的，我在公司内的权威和影响力是建立在共识的基础上的。

比如我要做一个事情，肯定是先看大家的共识是什么、大家想不想做，然后可能我会有一些引导或者倾向，但引导的作用是非常有限的。这个决策机制是一种寻求共识的机制，一定是共识，我才能够推得下去，然后我才会去推。

6. 我们之前的组织架构是非常分散的，因为没有组织架构。但人进一步扩大之后，肯定是需要做出一些改变的。

最后应该还是要分不同的部门：有些部门需要建立起比较严谨的层级结构，另外一些部门可能还是会维持比较松散、比较扁平的结构。

五、定价与 API 服务

1. 我们 API 定价的逻辑是：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。

在当前情况下，考虑到风险、前期的投入等，一个服务器我们在财务上按三年或者五年摊销，但商业上大概十个月收回成本，我们觉得够了。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，我的总收入就接近一倍。

我们不继续降价，也是因为它没有弹性，再降价需求不会更多了，因为这个价格所有人都用得起了，不会因为这个价格贵而不用了。

2. 我们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：我们还是让这个东西对人是有用的，而不是我们赚最多的钱；是在能够赚到合理利润的情况下，大家都用得起。

3. 通往 AGI 的路上，这些台阶是我必须走的，我把这些技术都通过 API 给大家服务。这是一个副产品，我只要搞几个人维护这个 API 就可以了，甚至客服都没有，也不用销售，用户自己就会来。

六、AGI 技术路线与关键阶梯

1. 从技术路线上看，AGI 这条路线图是比较清晰的：如果你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。

但这个前提很难达到，比如我们今天开会，前面有很长很强的上下文，可能大家有几十年的上下文，这是 AI 不具备的。

2. 现在 AI 能具备的是在一个局限的上下文里面做得比人更好，但它还是替代不了人类。

3.AI 的发展可以理解成一个阶梯：去年走的阶梯是 CoT，通过思维链可以让智能达到一个更高的水平。今年的阶梯是 Agent，用 Agent 的方式，它的能力范围会更大、智能上限会更高。

4. 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 也要用到前面的语言模型这个前面的阶梯，所以没有一步是白走的。

5. 现在 AI 跟人类之间还差一个地方，是持续学习。你招一个员工，他可能花两个月熟悉公司环境、熟悉工作，然后就能做很多事情，能听懂你说的话。

但对 AI 来说，因为它前面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、怎么去找、注意什么，你得给它所有的上下文。在这种情况下 AI 是能做的，但你不可能给它所有的上下文，这不现实。

所以 AI 并不能替代你的员工。但如果说 AI 具有持续学习的能力，它跟你的员工一样到公司学习两个月，那就可以替代天下的人了。

6. 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。

7. 持续学习之后，可能我们就会来到一个奇点：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，能够自己开发自己的版本、自己再研究、开发更前的人工智能模型，实现自己的迭代。

但这个奇点并不是一个突变，它也是一个渐进的、连续的过程。这一步走完之后才是具身智能——到具身智能之后，它就走进现实世界，可以给你做家务、养老。

8. 对一个正常人来讲，他的需求是吃喝玩乐、衣食住行，还是需要具身智能来解决具体人力的需求，所以具身是绕不过去的。

9. 我们的时间表应该是：先解决持续学习，再到能自我迭代的奇点，然后才是具身智能。

这个路线图是最轻松的，每一步要做的新的东西很少，可以不用加班，到后面可以用前面的技术来帮助开发后面的技术，奇点之后再做具身智能，那个模型自己就可以出来了。

10. 我们只做 AGI 的主线，就是语言模型、CoT、Agent 等等。AI 领域很广泛，很多东西不在这个主线上面。视频生成一开始出来就很火，好像你不做就不是一个 AI 公司一样。

其实只要仔细想一下，它跟智能的路线图没有什么关系。

11. 大模型的幻觉问题是有方法可以解决的，可以认为是一个能通过更好的 Post-training 解决的、能解、能够改善的问题，只是大家没有花很大的力气去做。

对我来讲，幻觉是一个问题，但我们归结可能是产品问题，我们会去解决它，但不是重点的问题。

12.AI 现在不缺品位和直觉，它缺的是持续学习的能力。

七、研发理念：效率、成本与数据

1. 为什么好像我们特别在乎模型的计算效率？低成本了，你还赚什么钱？一个商业化公司没有动力去追求模型的效率。你没有听到他们说低成本是他们追求的东西，因为那不符合他们的利益。

相反，这是我们愿景的一部分，因为大家都是普通人，知道用这个都是要花钱的：如果便宜一点，别人能够接受的程度会更高。

2. 成本越低，我就越能训练更大的模型，在算力有限的情况下，计算效率更高，就能够承担起更大的模型。对大公司来讲，资源是可以加的，可以通过加资源来解决；但我们会优先考虑成本效率。

3.我们做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。我们自己好用之后，开发下一版模型就会更快，这是实现 AGI 最快的方法。

4. 为什么先解决持续学习、再进入通用智能？因为解决持续学习可以大大加快研发进度。现在的 Agent 能力受限，是因为它不能有效地持续学习。

如果先把持续学习做完，AI 的能力是非常强的，用它来做通用智能就很容易了，我们就比较省力。否则现在人工去做通用智能，是一个比较累、比较苦、数据密集、人力密集的事情，性价比也不高。

5. 持续学习不占资源：做研究不消耗卡，只需要很少的卡，需要的是想法；也不消耗人才资源，因为不需要有人一直在那里做，它不是一个项目，而是需要有很多人都在那里想这个问题。

你要训模型、做模型、发模型，做模型的效率实验才需要资源。

6.AI 能不能超越人类过往的真实数据？我觉得是能超越的。比如说围棋，AlphaGo 下了一手人类从来没有见到过的棋，它肯定是在一定范围内超越人类的。它可能也有上限、有局限性，但这个局限性我们现在看不到。

所以我们笼统地认为，它是可以基于人类已有的、我们已经能说出来的知识上予以超越的。至于是靠真实数据还是仿真数据，会有很多方法。

7. 数据几乎等于模型的一半。在数据标注方面，以我们的资本投入结构，支撑不起那么多高质量数据标注的成本。

美国数据标注的成本跟中国没有什么区别，中国标数据并没有成本优势，尤其是标高端数据，所以很难像美国这样投入去标数据。现在基本上是两条腿走路：标数据有一些成本低、有一些成本高，我们先标成本低的。

现在我们公司有一半的核心研究员、最重要的人有一半在标数据。

八、竞争格局、算力瓶颈与国产芯片

1.我们跟美国的差距是什么？只有一点，就是资源。人才上面差距不是很大，资源是最大的瓶颈。算力少，我们能做的实验机会比较少，所以人才整体上比美国有差距。人才的差距，本质上也是因为算力的差距。

2. 我们算力落后，这是一个事实，这个事实通过几方面来消解：我们承受一定的模型落后、模型的尺寸更小；落后也意味着你有更多时间、有一定的技术，可以用巧妙的方法。

所以我们跟美国的差距可能是落后 12 个月，未来我们要把这个叙事改写：把时间缩到 6 个月、3 个月。甚至我们可以在某一些方面超越他们。

3.所有大模型竞争，终局的差距会体现在三方面：成本、时间、用户体验。

4. 我们跟美国比，在很多体验方面有可能能做得更好，产品能力上不一定会比美国差。如果说有结构性的优势，可能就是成本和产品这两方面。

成本很好理解：他们都不用做（低成本优化），所以就不发展这个能力，我们可以把它当做一个非常重要的事情。

5. 中国做基模的太多了，最终一定是不需要那么多人去做基模的，一定会收敛。现在资源分得很散，每一家拿到的资源就更少，某种程度上也比较浪费。

6.Anthropic 现在超过 OpenAI，这不是长期的，是阶段性的。OpenAI 和 Google 未来大概率还是会交替上升。

Anthropic 在 CodeAgent 上有先发优势，但这先发优势应该很快就没了，并不是它能够长期占得住的优势。这三家都很厉害，其中 Anthropic 效率是最高的，烧掉的钱应该是最少的。

7. 在全球 AI 主导分工的时候，中国公司很有可能扮演的角色还是产量最大。常理来讲，我们产能最大——芯片产能最大、电力最多，所以我们的 AI 很有可能是三体之一。

中国人会把产品做到最便宜：现在很多商品中国产跟美国产没有太大区别，未来 AI 可能也是这样，中国产的 AI 价格会更便宜，这个便宜可能是系统性的低。

8. 未来一年之内能够看到有一个事情被验证：国产芯片的生态完全没有问题。之前认为是有问题的、用不起来、不好用，但未来一年之内能够用事实扭转这个认知。

9. 如果是在一个正常的商业环境里面能买到英伟达的卡，那么国产替代是比较难的；

但在英伟达的卡买不到的情况下，所有人都迫不得已要去做国产芯片，这个背景下国产卡的适配没有任何障碍，建立起跟英伟达一样、甚至比英伟达还好的生态没有障碍，但还需要时间。现在天时地利基本上都全了，就差时间。

* 文章为作者独立观点，不代表笔记侠立场。

读完全文，你会明白：真正强大的组织，不靠 KPI 驱动，而靠信念凝聚；真正长久的竞争力，不在于抢下眼前的芝麻，而在于看清远方的西瓜。

风物长宜放眼量——中美 AI 竞争现在已经到了深水区，算力可以追赶，生态可以重建，人才可以培养，唯有技术理想主义与商业理性的统一，才是中国 AI 走向世界的真正底气，也是这个时代最值得被书写的商业精神。

读懂这场世纪较量最好的方式，是亲身走到风暴的中心。

笔记侠PPE书院美国站 26 级「创新英雄・AI+出海专题」课程，将于 2026 年 9 月 26 日正式启程。 这一次，我们不是去美国打卡，也不是简单参观几家公司，而是带着一个更具体的问题出发：AI 进入下半场之后，企业家到底应该怎样理解技术、组织和全球市场的变化？如何抓住美国市场的机会？ 

10 天时间里，我们将带你走进美国硅谷与西雅图，深度参访英伟达、谷歌、微软、亚马逊等全球顶尖公司。 

我们还将邀请斯坦福名师、硅谷行业实战派、华人科技与出海领域专家，围绕 AI 产业趋势、企业 AI 落地、组织重构、全球市场规则和中国企业出海机会，做一手分享和深度交流。 

这趟行程会帮你建立一套判断框架：未来三年，你的企业该如何使用 AI，哪些流程必须被重写，哪些能力必须保留，哪些出海机会值得下注，哪些风险必须提前看见。 

如果你正在思考 AI 转型、企业出海、组织升级和下一轮增长，这一次美国站，值得你带着问题亲自去看一次。 

欢迎了解课程详情，提交报名信息。

分享、点赞、在看，3 连 3 连！