风险提示:理性看待区块链,提高风险意识!
USDT USDT $1.00 0.01%
XRP XRP $1.43310000 0.19%
BNB BNB $637.54000000 0.02%
USDC USDC $0.99963000 0.01%
SOL SOL $86.49000000 0.99%
TRX TRX $0.32360000 1.25%
BTC BTC $67,234.00 2.34%
ETH ETH $3,456.00 1.23%
CoinMeta Skill
限时免费体验

让 AI 更快获取有效、准确、可行动的币圈全景信息

DeepSeek创始人梁文锋首次系统阐述AGI愿景:克制、开源与持续学习

摘要

愿景与克制DeepSeek的出发点并非商业利益最大化,而是一种对人类有价值的善意。我们没有成文的愿景,它存在于做事的方式、对待世界的态度中。公司由愿景驱动,而非KPI或考核体系;组织松散,不设传统层级,靠共识运...

DeepSeek创始人梁文锋首次系统阐述AGI愿景:克制、开源与持续学习

愿景与克制

DeepSeek的出发点并非商业利益最大化,而是一种对人类有价值的善意。我们没有成文的愿景,它存在于做事的方式、对待世界的态度中。公司由愿景驱动,而非KPI或考核体系;组织松散,不设传统层级,靠共识运转。

我们是一群平凡的人,起点低、资源少、无名气、无资本优势。正因如此,克制成为核心战略——不争用户、不抢市场、不跟大厂竞争,而是选择赋能他人。开源不是让利,而是降低整个生态门槛;不追求短期变现,是因为AGI本身的商业价值足够巨大,无需提前切割。

克制的本质,是优先提升做成AGI的概率,而非抢占份额。我们做商业化,但只为支撑研发:C端服务用户、B端获取收入,都是为了更专注地走通AGI主线。

AGI路线图

AI发展是一阶一阶向上:去年是思维链(CoT),今年是Agent,下一步必须突破的是持续学习能力。只有模型能像人一样长期自主学习,才能真正迈向通用智能。

持续学习之后,将自然走向自我迭代奇点——模型可自主优化自身、开发下一代模型;再往后是具身智能,进入物理世界解决真实需求。这不是突变,而是渐进过程。

我们只聚焦AGI主线。视频生成、3D建模等虽是好生意,但与智能演进无关,故不投入。当前最关键的,是训练效率与持续学习机制,而非世界模型或多模态表层能力。

团队与人才

团队稳定性是我们唯一不可退让的核心利益。只要关键骨干稳定,其他问题只是时间问题。融资后期权大幅增加,已显著缓解这一最大风险。

管理采用双轨制:自上而下明确方向,自下而上自由探索。员工一半时间无任务约束,鼓励自发研究;不强制加班,因研究需要松弛环境与高度聚焦。

中美人才差距不在智力,而在算力资源。算力不足限制实验频次,进而影响成长速度。但AI人才短缺已是阶段性现象,国内培养能力正在快速补位。

算力与资源

卡越多越好,但现实是买不到、价格高、采购难。我们目前投入规模受限于供应链,而非意愿。与美国相比,我们落后约6–18个月,却仅用其约1/20的算力达成相近效果。

Scaling仍是铁律——更大模型、更多数据、更高训练成本,仍能解锁新能力。我们训练多大模型,取决于手头资源,而非认为‘够用了’。对中国而言,Scaling远未到极限。

国产芯片与生态

英伟达CUDA护城河正在瓦解。AI自动写代码的能力,极大降低了新生态构建门槛。专用AI芯片已成趋势,游戏卡与计算卡正加速解耦。

国产芯片硬件与软件生态已无本质障碍,瓶颈仅在产能。V3版本已完全脱离CUDA生态,通过自研TileLang编译器实现全栈可控。华为超节点在性能与性价比上已可平替GB200/GB300,四张华为卡≈一张英伟达卡。

芯片差距是‘四倍加两年’:性能差四倍,量产慢两年。但五年内,产能瓶颈有望根本性缓解。

竞争格局与行业判断

全球AI终局不会是垄断,而是分工协作。中国最可能的优势在于规模化交付能力——同样效果下成本更低、部署更快、服务更贴近本地场景。

真正的差异不在技术上限,而在成本、时效与体验。暴利不可能长期存在,赢家属于成本控制最优者。OpenAI的先发优势会被持续挑战,而‘愿拿更少’的愿景本身,就是一种战略优势。

模型研发与技术

我们坚持‘先对自己有用’原则:模型首要服务内部研发闭环,确保下一代迭代更快。多模态是重要组件,但非智能主线;V4及后续版本将原生支持,但重心仍在语言模型纵深突破。

语言模型Scaling尚未见顶。内部共识是:只要算力允许,继续扩大仍是提升能力最确定路径。所谓‘摸奖’机制,即低门槛开放探索,依赖个体直觉与天赋,而非集中分配资源。

商业化与定价

API定价锚定十个月回本周期,追求合理利润而非最大化收益。曾因定价过高引发团队不满,下调至原价1/4后士气明显回升。

To B业务有明确天花板,受真实需求制约,非算力瓶颈。当前B端+ C端已形成可持续商业基础,净利润可期。现阶段最优先的Agent是Coding Agent——它具备最强泛化能力,是通往垂直场景的杠杆支点。

低成本是结果,更是手段:更高计算效率,意味着同等算力下可训练更大模型,形成正向循环。

开源策略

最强模型也会开源。闭源无法构筑实质性壁垒,反而抬高生态门槛、延缓整体进展。我们不担心他人部署竞争,反而乐见社区复用;开源模型与自用模型完全一致,无降级版本。

我们愿协助所有同行——包括阿里、智谱、月之暗面——哪怕他们是竞争对手。因为AGI不是零和游戏,开源与合作不损害自身,反能增强信任与影响力。

数据与后训练

数据质量决定模型成败,标注成本已成为关键瓶颈。中美高端数据标注成本相当,中国并无价格优势。我们采取‘两条腿走路’:集中核心人力攻坚低成本标注项,同时等待高质量标注成本曲线自然下降。

幻觉问题本质是后训练不足,可通过更精细的Post-training持续改善,属可解命题,非原理性缺陷。

组织与公司定位

DeepSeek没有对标对象,每一步决策都源于现实约束与实事求是。我们是一家公司,必须盈利生存,但盈利方式有坚定取舍——不做偏离主线的事,不为短期利益牺牲长期概率。

融资方经严格筛选,核心标准是利益一致、无战略敌意、真心希望DeepSeek成功。AI时代不需要百家争鸣,需要的是几家万亿级公司深耕主干。我们只做一块,也只够做一块——但这一块,足以支撑一家伟大的公司。

评论 (8)

登录 后即可发表评论
小的无名

国产芯片有进步,但产能瓶颈得重视,五年内缓解的目标得努力实现才行

0 回复
天真的橡皮

这愿景挺实在,不追短期利益,专注AGI主线,克制发展思路清晰,开源也能推动行业进步

0 回复
意中人
意中人 1周前

模型研发坚持先服务自己,多模态为辅,方向明确,持续扩大语言模型是对的

0 回复
八方来财万事顺意心想事成

全球AI分工协作的判断有道理,中国成本优势明显,就看怎么发挥了

0 回复
@༊ღ᭄战国•豪情꧔ꦿ᭄

商业化定价合理,追求回本周期,Coding Agent选得好,能带动业务发展

0 回复
更多