梁文鋒投資人閉門會實錄（全）：DeepSeek的AGI之路與“剋制”哲學

未來我們的目標是縮短到6個月、3個月，甚至在某些重點地方超越他們——但總體算力有數量級差距的情況下，全面超越不現實。終局差距，成本、時間、體驗。大模型競爭的終局差距應該體現在三個方面：中國AI的定位。在全球AI分工中，中國公司很有可能扮演的角色還是產量最大、價格最便宜，就跟其他行業一樣。中國產的AI價格會是系統性的低，但效果跟美國不會有太大區別。國內格局判斷。國內做基模的公司太多了，美國可能就三家，資源集中。中國資源分散，每一家拿到的更少。最終一定會收斂到三四家。不需要那麼多家，因為利潤率沒有那麼高。這不符合客觀規律。成本控制好的多賺一點，差的少賺一點，僅此而已。Part 05 算力與國產替代現在算力採購策略是：在合理價格內，能買多少卡就買多少卡。花錢速度不在計劃裡，只要價格合理，有多少買多少。如果半年內把錢花完，是最理想的——把現金變成英偉達卡，肯定比放銀行好。十個月就能收回成本，IRR極高。我們願意付一定溢價去買卡，因為太划算了。今年如果能花掉兩百億，採購部門業績就超級好了。國產芯片替代是歷史性機遇。英偉達CUDA的護城河在快速被瓦解，原因有三：在英偉達卡買不到的情況下，所有人都迫不得已要做國產芯片。國產卡適配沒有障礙。一年之內，我們會看到"國產芯片生態沒問題"被事實扭轉。唯一的問題是產能不夠。我們現在主要是跟華為合作，深入參與華為生態。華為給我們大概一萬六千張卡——比互聯網大廠少一個數量級。一萬六千張華為950只相當於四千張B系列，不夠訓下一代模型，只夠訓現在這一代。但可以讓華為先把生態跑通。華為950超節點在性能和價格上可以平替GB200/GB300——價格貴100%-200%無所謂。四張華為950頂一張GB300，落後兩年。華為950是今年Q3/Q4的貨，GB200是兩年前Q3的貨，差兩年。英偉達今年Q3可能有新一代。我們對國產算力比較樂觀：生態上以後不會有差距，芯片上是四倍加兩年。五年之後產能問題大概率也能解決。是否自研芯片？我們希望不用做芯片。假如你是運營發電廠的，不一定需要去造發電機——只要價格合理，為什麼自己造？AI時代會產生很多家萬億級別的公司，我們希望是其中一家，只做最擅長的那一塊，聚焦。Part 06 組織管理我們的管理有兩條線：從上到下（正式） ：集體配合做大事，比如發V4，需要分工，不超過員工一半時間。從下到上（非正式） ：每個人自己想做什麼就做什麼，沒有KPI，沒有前置要求——另一半時間正式最好不要超過一半。有些人覺得我們從上而下，有些人覺得從下而上，我覺得兩個都對。為什麼不加班？這跟剋制一脈相承。剋制意味著很多事情不做，工作少了，產品很多不完善也沒去補。我們最大的核心利益只有一點：保持團隊的穩定性。甚至可以認為是唯一的核心利益。只要大家不走，一定能做成AGI。錢不是問題，資源不是問題。遇到挫折大家不走，又可以繼續。融資的主要目的也是讓核心團隊拿到期權穩定下來。只要最重要的老員工穩定，其他人哪怕期權少一點也不會走。因為大家希望在一個能做AGI的環境裡做事。歷史上我們的人才流動率比同行少得多。這依然是最大的挑戰，唯一的挑戰。其他都是時間問題，最多晚半年一年，不會做不出來。我們整體建立在共識基礎上。我做事情先看大家的共識是什麼，想不想做。可能有一些引導，但作用有限。引導非常有限，一定是共識，我才會去推。我們沒有模仿的對象，每一步都是根據實際情況做決策。跟Bell Labs不一樣——他們不需要商業化，但我們明確要商業化，要活下去，政府不會給一分錢。B端對我們重要，因為可能以後得靠它活著，只是現在不重要。很多偉大的公司有利潤以外的追求。那個追求不但沒影響商業化，反而讓商業化更好。我們本質上還是公司，只是對賺哪些錢、什麼時候賺、賺多少、靠什麼賺錢有取捨。Part 07 商業化與財務展望商業化是副產物。C端和B端都是我們做AGI路上的副產物、中間產出。我們做AGI剛好能產出這個東西，就拿來做商業化。其他公司是為了服務C端或B端去做模型，初衷不一樣。這在某種程度上是降維打擊。AGI是更大的願景，能凝聚更多優秀的人，組織上有優勢。去年C端搶得頭破血流，結果被一個沒有去搶的人牽走了，確實說明人才和組織上有優勢。去年春節突然火的時候完全不在劇本里。我們沒有在C端花很多力氣，一度甚至不想維護了，但用戶趕都趕不走。今年B端收入增長也比較樂觀，但並沒有花很大精力，就是順便做的，連客服和銷售都沒有，用戶自己就來。如果今年API收入能做到幾個億美金，公司現金流可能就能回正，覆蓋研發和所有費用。最壞情況——即使技術不再進步，全力賣API也足以支撐一個上市公司。所以我們有信心，沒有那麼難。希望有更大的夢想，但也有保底業績。Part 08 問答交流精選Q：持續學習什麼時候能帶來突破？A：全世界都還沒找到好的方法，大家都在摸索。我們有很多看起來有前途的想法，但都還沒做通。現在還在探索階段。持續學習不是一項技術，是一個問題，可能有很多種技術來解決。Q：開源後有多少夥伴能復現我們的成果？未來生態怎麼發展？A：人才短缺是階段性的——每個行業初期都這樣，但很快會被解決，兩三年就培養出來了。國內做基模的公司太多了，最終會收斂到三四家。不需要那麼多家，因為利潤率沒那麼高。在生態上，我們願意扶持，但沒有那麼多精力。至少沒有利益衝突，希望合作共贏。大模型公司不可能拿走大部分利潤——差距只有時間和成本，成本控制好的多賺一點而已。Q：AGI靠真實數據還是仿真數據？會不會限制在人類已有知識範圍內？A：能超越。AlphaGo下出了人類從沒見過的棋——在一定範圍內可以超越人類。但可能有上限，這個上限我們現在看不到。仿真數據有很多方法可以用。Q：現在建的萬卡集群，三年後會不會變陳舊？A：英偉達卡可按五年折舊，華為卡最多三年。華為950今年能用、明年還可以、後面再用可能就太費電了。B系列如果能買到合理價格，肯定都划算。Q：關於數據標註怎麼看？A：高質量數據標註的瓶頸不是資本，是時間。中國標數據沒有成本優勢——高端數據標註成本中美差不多。現在有一半的核心研究人員在標數據，先標成本低的。Q：關於To B垂直應用A：國內商業模式還沒想明白。目前最合理的做法是全力做通用Agent，優先做Coding Agent，金融、醫療等垂直Agent優先級更低。Q：關於融資與上市的平衡A：應該能做到"都要"。如果今年B端有幾個億美金收入，公司離淨利潤不遠了。最壞情況賣API也能支撐上市公司。希望有更大夢想，但也有保底業績。Q：關於組織形態的學習對象A：沒有模仿對象。每一步都是根據實際情況做決策，不是模仿誰。我們本質上還是公司，要考慮怎麼活著。很多偉大的公司有利潤以外的追求——那個追求反而讓商業化更好。Q：關於下一代模型參數A：下一代可能在150到250B激活。樂觀的話今年年底可以開始訓練，至少明年。跟美國大尺寸模型的差距還比較大。Q：用TileLang替代CUDA會有效率損失嗎？A：是大幅提高效率，損失1%-2%可接受。以前離不開CUDA生態，現在可以拋棄它用更簡單的方法——TileLang是高級語言，代碼量小，可以快速重寫。這是技術發展的大機會。