会议发生于 2026 年 5 月 20 日，总时长约 3 小时 44 分钟，梁文锋现场回答了约 118 个问题。

需要注意，这不是 DeepSeek 官方发布的正式逐字稿，现有内容来自投资人速记、录音转写及媒体整理，不同版本在数字和个别措辞上存在差异。

整场讲话的核心，可以概括成一句话：DeepSeek 不准备靠流量、应用和短期商业化做大，而是集中资源冲击 AGI；开源、低价、不抢用户、不过度扩张，都是服务于这条路线。

一、DeepSeek 只做一条主线：AGI

梁文锋反复强调，DeepSeek 的主线不是做更多产品，也不是成为一家传统互联网平台，而是研究通往 AGI 的技术路径。

在他看来，C 端聊天产品、B 端解决方案、搜索、多模态等业务都可以做，但属于 AGI 研究过程中的附属产品。DeepSeek 不会投入太多精力补齐所有产品功能，也不会围绕用户规模开展大规模竞争。

他的判断是：" 产品是在 AGI 路上的副产物。"

现阶段最重要的产品方向是 Coding Agent，其次是通用 Agent。金融 Agent、医疗 Agent 等垂直方向优先级较低，因为 Coding Agent 可以直接参与软件开发、模型研发和内部生产流程，对 DeepSeek 自身的帮助最大。

模型能够参与下一代模型开发，才是加快 AGI 研发速度的关键。

二、技术路线：CoT → Agent → 持续学习 → AI 自我迭代 → 具身智能

这是讲话中最重要的一部分。

梁文锋给出的 AGI 路线图分为五个阶段。

1）大语言模型。

模型通过预训练获得知识和基本能力。

2）CoT（思维链）。

模型开始进行较长时间的推理，在数学、编程等明确任务中超过顶尖人类。

3）Agent。

模型不再只回答一个问题，而是调用工具、执行步骤、完成更长时间的任务。

梁文锋将 Agent 视为当前一年最重要的技术台阶。

4）持续学习。

梁文锋认为，这才是下一代模型真正需要突破的能力。

现在的 AI 每次处理任务，都需要用户重新提供完整背景。公司里的员工工作几个月后，会记住同事、流程、业务规则和历史决策；AI 却很难形成这种连续记忆和长期学习能力。

因此，当前 AI 即使在很多单项能力上超过人类，也很难真正替代一名长期工作的员工。

他认为，只有 AI 能进入一家企业，经过一段时间持续学习并掌握环境，才可能真正成为员工级别的智能体。

5）AI 自我迭代。

当模型具备持续学习能力后，AI 就可能参与开发自己的下一代版本，研究新的算法和模型架构。

梁文锋将这一过程称为 " 渐进的奇点 "。它不会突然发生，而是一个较长的连续过程。

完成自我迭代后，才进入具身智能阶段。届时，AI 可以进入物理世界，从事家务、养老和其他现实劳动，甚至参与机器人的设计和开发。

所以 DeepSeek 的顺序不是先造机器人，再提升智能，而是先解决持续学习，让 AI 帮助开发更强的 AI，最后再进入机器人和具身智能。 

三、不做视频生成、3D 和世界模型

梁文锋明确表示，3D、视频生成和世界模型不属于 DeepSeek 的技术主线。

这些方向可能拥有较好的商业前景，也可能产生大型公司，但他认为，它们与智能上限的关系不大。

多模态会继续做，V4 及后续模型预计支持原生多模态，但 DeepSeek 将多模态视为一个组件，地位类似搜索，不是智能本身。

DeepSeek 会做多模态，但不会将多模态、视频生成或世界模型设为公司的核心方向。 

四、相信 Scaling，目前没有看到模型规模上限

梁文锋表示，DeepSeek 仍然相信 Scaling Law，即模型规模、数据量和训练计算量继续扩大，模型能力还会继续上升。

他认为，国内模型距离讨论 "Scaling 是否到头 " 还很远。

DeepSeek 没有训练更大模型，不是因为当前规模已经足够，而是受算力资源限制。模型规模是按照可获得的算力倒推出来的。

梁文锋称，当时 DeepSeek 大约拥有 2 万张 H 系列等效算力，国内外头部模型在激活参数规模上仍有明显差距。DeepSeek 当前只能先在几十 B 激活参数规模内进行更多实验，未来资源增加后，再逐步提升至 150B、250B 甚至更大规模。 

五、AI 差距主要在算力，不在人才

梁文锋认为，AI 的主要差距是资源，而不是人才。

他给出的判断是，中国头部模型整体落后美国约 12 至 18 个月。

DeepSeek 的目标，是使用美国头部实验室几分之一甚至二十分之一的算力，将差距压缩至 6 个月、3 个月，并在部分重点能力上实现领先。

但他也承认，在总体算力相差一个数量级的情况下，短期内全面超过美国并不现实。

关于人才，他认为国内并不缺少聪明人，人才差距也与算力有关。算力少，实验数量少，研究人员得到的训练机会和反馈也会减少。 

六、国产芯片有机会，主要问题是产能

梁文锋认为，英伟达 CUDA 的生态壁垒正在减弱。中国企业由于长期无法获得足够的先进英伟达 GPU，已经开始主动适配国产芯片。

他表示，DeepSeek 当时主要与华为合作，并深入参与相关软件生态建设。DeepSeek 获得的国产芯片数量仍然有限，足以训练当前一代模型，但难以支持下一代超大规模模型。

他的判断是，国产芯片的软件生态可以逐渐补齐，长期限制主要是芯片性能和产能。

七、算力采购：价格合理，有多少买多少

梁文锋对算力采购的态度十分直接。

梁文锋表示，DeepSeek 对算力的需求 " 越多越好 "。在价格合理、公司能够承受的情况下，能买到多少卡就买多少卡，融资资金也会优先用于采购卡。

他称，如果半年内能够将资金全部用于买卡，是最理想的状态，但现实中显卡供应紧张、价格较高，很难完成这一目标。DeepSeek 愿意为获得算力支付一定溢价；如果今年能够花掉 200 亿元采购设备，已经属于采购部门 " 业绩超级好 "。

DeepSeek 融资后的主要资金是购买芯片、扩大训练规模和稳定核心员工。 

八、API 只赚 " 合理利润 "，约 10 个月收回设备成本

梁文锋首次较详细地解释了 DeepSeek 的 API 定价方法。

网传版本称，DeepSeek 的内部标准是：采购一批服务器后，大约 10 个月通过 API 收回设备成本。

他认为，这已经属于合理利润。

如果以收入最大化为目标，DeepSeek 完全可以提高价格。因为在一定价格范围内，用户的 Token 使用量不会明显下降，价格上涨后收入会直接增加。

但 DeepSeek 没有选择这条路线。

梁文锋举例称，一款模型刚发布时，由于担心访问量过高，价格定得较高。后来价格降到原来的四分之一，公司内部很多员工反而在群里欢呼，因为团队做出低成本模型的目的，就是让更多人能够使用。 

他还表示，当前价格仍有下降空间，但如果继续降价，使用需求不会明显增加，对用户和社会产生的额外价值也有限，因此没有必要无限降价。

九、不会全面转向商业化

梁文锋称，DeepSeek 一直在商业化，但商业化不是公司的目标。

API、C 端产品和 B 端服务都会继续运营，公司也可能获得数亿美元级别的年度收入。如果技术长期停留在当前水平，单靠 API 业务也足以支撑一家上市公司。

但 DeepSeek 不会将销售收入、客户数量或利润作为最高优先级。

他认为，彻底转向商业化仍然非常遥远。

C 端用户、B 端收入和 API 生意都是 " 前面的芝麻 "，AGI 才是 " 后面的西瓜 "。 

十、不想成为下一个腾讯、字节或超级 App

梁文锋明确表示，DeepSeek 没有成为下一个腾讯、字节跳动或超级 App 的计划。

DeepSeek 爆火后，公司没有通过补贴、营销和产品扩张抢夺用户，也没有急于将流量变现。

在他看来，即使 DeepSeek 可以进入搜索、办公、内容、社交等大量业务，也没有必要全部自己做。

DeepSeek 更希望向其他公司提供模型能力，而不是与所有互联网平台竞争。

他的原意是，当前的用户入口和应用收入可能很大，但与未来 AGI 的机会相比，仍然只是 " 芝麻 "。 

十一、坚持开源，最强模型也可能开源

梁文锋对开源的态度非常坚定。

他表示，目前看不到闭源带来的必然好处。DeepSeek 未来最强的模型，大概率仍然会开源。

DeepSeek 对外开源的模型与自己部署的模型相同，不会提供一个性能较差的开源版本，再将更好的版本留给自家产品。

他也不担心其他公司部署 DeepSeek 模型后与其竞争，因为模型落地、推理优化和低成本部署本身仍有很高门槛。

梁文锋甚至表示，DeepSeek 愿意帮助阿里、智谱、月之暗面等同行部署和改进相关模型。 

他的逻辑是，AI 市场足够大，不可能由一家企业独占。如果一家公司希望获得上百倍利润，开源会影响其商业模式；DeepSeek 只追求合理利润，开源与收入并不冲突。

十二、大模型行业最终只会剩三四家

梁文锋认为，国内基础模型公司数量过多，大家重复建设相似技术，有限的算力和人才被分散。

行业最终会收敛，可能只需要两家大型公司和两家中小型公司，或者三至四家主要基础模型厂商。

他不认为基础模型公司可以获得 AI 产业的大部分利润。

未来模型厂商之间的差距，主要体现在三个方面：

成本：同等质量下，谁能以更低价格提供服务；

时间：同一种能力早几个月还是晚几个月推出；

用户体验：存在一定黏性，但不是最根本的壁垒。

其中，成本排在第一位。 

梁文锋认为，基础模型公司不能期待从 AI 产业中获取过高利润。一家公司希望拿得越多，越容易被愿意少拿一些、以更低价格提供同类服务的竞争对手击败。甚至不需要真的获得高额利润，只要公司从一开始就希望获取更多利益，就会面临更大的竞争压力。" 你愿景是拿得多，你就先输了。"

十三、对 OpenAI、Anthropic 和 Google 的判断

梁文锋认为，Anthropic 当前阶段可能超过 OpenAI，但这种领先不会长期固定。

OpenAI 和 Google 未来可能交替上升，三家美国头部公司都很强。Anthropic 的优势之一是组织效率较高，花费的资金相对较少。

他不认同一家模型公司长期垄断全球 AI 市场的判断。美国公司会受到美国同行竞争，未来也会面对中国公司的低成本竞争。 

十四、团队稳定是唯一不能退让的利益

这是整场讲话中梁文锋语气最强硬的部分。

他表示，DeepSeek 在利润、流量、商业份额、产品完整度等方面都可以克制，唯独核心团队稳定不能退让。

" 只要大家不走，我一定能做成 AGI。"

在他看来，资金不足、算力不足或技术遇到挫折，最多导致项目晚半年或一年；核心员工离开，才会真正影响公司长期路线。

此次融资的重要用途之一，就是为核心团队的期权提供明确价值，降低人员流失风险。 

十五、没有传统 KPI，员工一半时间自由研究

梁文锋称，DeepSeek 的组织管理分为两条线。

一条是自上而下的正式项目，例如模型发布、训练任务和工程协作。原则上，这部分工作不应占员工全部时间的一半以上。

另一条是自下而上的自由探索。员工可以根据自己的判断研究问题，没有固定 KPI，也不需要等待管理层分配课题。

DeepSeek 一般不鼓励高强度加班。

原因一是研究工作需要相对松弛的环境；原因二是公司选择不做很多非核心业务，工作量自然较少。部分产品功能即使不完善，也不会立即投入大量人员补齐。 

十六、数据标注仍然是关键投入

完整实录中，梁文锋还谈到数据。

他认为，数据的重要性可能接近模型的一半。

高质量数据标注成本非常高，DeepSeek 的资本规模过去不足以支持大规模高端标注。

DeepSeek 最重要的一批员工中，有相当一部分时间用于数据标注或数据质量工作。

DeepSeek 并非只靠模型架构和低成本训练，人工数据处理依然占据较高比重。 

云头条声明：如以上内容有误或侵犯到你公司、机构、单位或个人权益，请联系我们说明理由，我们会配合，无条件删除处理。