愿景与克制

DeepSeek的出发点不是商业利益最大化，而是源于一种对世界的善意——做一件对人类真正有用的事。这种初心并非写在纸上的口号，而是渗透在日常决策、组织方式与技术取舍中的真实逻辑。公司没有传统意义上的组织架构或KPI考核，而是由共同愿景自然驱动。这个愿景甚至从未成文，却清晰体现在团队如何协作、如何对待用户、如何面对诱惑。

成立之初，团队既无雄厚资本，也无行业号召力，只有一群平凡但信念一致的人。正因资源匮乏，反而催生出极致的克制：不争用户、不抢流量、不追热点。去年春节用户激增时，团队选择优先服务好每一位用户，而非急于变现；面对视频生成等热门方向，他们冷静判断——‘这跟智能主线无关’，便果断不做。克制不是退让，而是一种战略选择：舍短期利益，换长期概率。梁文锋直言：‘只要AGI能做成，分一点利益就足够大，根本不用抢。’

AGI路线图：阶梯式演进

DeepSeek将AGI发展视为清晰的阶梯进程：去年是思维链（CoT），今年是Agent，下一步是持续学习——这是当前最关键的突破点。只有模型具备像人一样长期、自主、低成本的学习能力，才能真正迈向通用智能。在此之后，才可能迎来自我迭代的奇点，最终走向具身智能，进入物理世界解决实际问题。

他们拒绝分散精力：3D、视频生成虽是好生意，但不在智能主线上；世界模型虽重要，却非当下最紧迫任务。真正的重心只有一个——加速AI训练，并攻克持续学习。他们相信‘AI可以加速AI的研究’，这条路一旦打通，研发效率将呈非线性跃升，人力与数据密集的瓶颈也将被打破。

团队与人才：共识驱动，松弛生长

团队稳定性是DeepSeek唯一不可妥协的核心利益。钱不是问题，资源不是问题，唯有人心不能散。融资带来的期权激励缓解了这一最大风险，而更深层的凝聚力来自共识文化：重大决策必须达成共识，而非自上而下推行；员工一半时间自由探索，没有KPI束缚；加班被主动避免——因为研究需要松弛环境，更因为团队极度聚焦，只做主线之事。

他们不认为人才是瓶颈，差距本质在于算力资源。中国AI人才质量不逊于美国，但受限于卡少、实验机会少，成长速度被拖慢。不过这一局面正在快速改善：AI人才培养周期短，国内基模公司虽多，但终将收敛，留下真正聚焦AGI主线的少数玩家。

算力与国产替代：用更少，跑更快

算力是当前最大制约。DeepSeek明确信奉Scaling定律，但现实是‘不是不想扩，而是卡买不到、价格不合理’。他们与美国的差距被量化为‘落后12–18个月，仅用其约1/20的算力’。这不是劣势陈述，而是战略宣言——未来目标是用几分之一的算力，把时间差压缩至3–6个月。

国产芯片正迎来历史性窗口。V3模型已脱离英伟达生态，转而构建自有编译器TileLang；华为超节点在性能与成本上已可平替GB200。生态壁垒正在瓦解，产能才是当前瓶颈，但梁文锋判断：五年内，这一卡点必将突破。

竞争与商业化：合理利润，共赢姿态

DeepSeek不追求暴利，API定价以‘十个月回本’为合理基准；To B业务看重真实需求上限，而非无限想象；C端用户积累与B端收入并进，公司已接近盈利临界点。即便技术停滞，专注API服务亦足以支撑一家上市公司。

他们主动开源最强模型，不设门槛，不藏私货——‘开源不影响收入，反而扩大生态’；甚至愿协助阿里、智谱等竞争对手提升能力，因为‘我们不做对手，只做赋能者’。在他们看来，真正的护城河不是代码封闭，而是持续领先的技术节奏与坚定的主线定力。

数据与组织：务实前行，不做模仿

数据标注是现阶段攻坚重点，公司近半核心研究员投入其中。高端数据标注成本高昂，中美并无差异，因此采取‘低成本优先、分阶段推进’策略。幻觉问题被视为可通过后训练持续优化的工程命题，而非不可逾越的理论障碍。

DeepSeek没有对标对象，每一步都从现实条件出发：不模仿硅谷，也不复制国内同行。它是一家有商业底线的公司——要活下去，但更清楚该赚什么钱、不该碰什么钱。万亿级AI时代的主角不会是全员选手，而是极少数真正坚守主线、保持克制、并用时间验证信念的践行者。DeepSeek正走在其中一条路上。