克制即战略：梁文锋投资者交流会谈 DeepSeek 的愿景、路线图与终局
本文基于 2026 年 5 月 20 日梁文锋投资者交流会录音文字稿（约 3 小时 44 分钟，语音识别自动转写，个别专有名词与数字可能存在误差）整理。
一、背景：这场发言发生在什么坐标
1. AI 产业当下
大模型竞赛已进入第四个年头。行业的技术叙事从语言模型（LM）演进至思维链（CoT）推理，再到 2025–2026 年的 Agent 范式；与此同时，资本开支进入千亿美元量级，算力成为最稀缺的生产资料，出口管制则将全球 AI 产业切割为两条供应链。模型能力仍在沿 Scaling 曲线爬升，但"智能的上限在哪里"开始取代"如何做出更大的模型"，成为研究端的核心问题。
2. DeepSeek所处阶段
深度求索成立于 2023 年 7 月，由量化基金幻方（High-Flyer）出资，梁文锋任 CEO。公司轨迹有几个关键节点：
- 2025 年 1 月：DeepSeek-R1 发布，以极低训练成本达到对标 OpenAI o1 的推理能力，被外媒称为美国 AI 的"斯普特尼克时刻"（Sputnik moment），英伟达单日市值蒸发约 6000 亿美元，创美股历史纪录；
- 2025 年：V3 系列持续迭代（V3-0324、V3.1、V3.1-Terminus、V3.2 及推理特化版 V3.2-Speciale），全线以 MIT 协议开源权重；
- 2026 年 4 月：V4 系列预览版发布（V4-Flash / V4-Pro，百万 token 上下文），并开始接触约 3 亿美元融资，估值约百亿美元；7 月，彭博社与 FT 报道其已启动 IPO 筹备。
也就是说，发言发生在 DeepSeek 从"纯研究组织"向"研究驱动 + 初步商业化 + 资本市场"过渡的拐点。
3. 关键词 AGI
AGI（Artificial General Intelligence，通用人工智能）指在几乎所有认知任务上达到或超越人类能力的假想 AI 系统——区别于只能在特定任务上工作的窄智能（ANI），AGI 能够跨领域泛化知识、迁移技能、无需针对性重编程即可解决新问题。它是 OpenAI、Google、xAI、Meta 等公司公开宣称的目标，而"递归自我改进"（recursive self-improvement）——AI 加速 AI 自身的研究——被广泛视为通往 AGI 乃至智能奇点的关键机制。
梁圣在这场发言中给出的定义更朴素、更可操作：AI 在"给定完整上下文和指令"时已超过人类，但它缺少人类员工那种"入职两个月即可上手"的持续学习能力。补上这一块拼图，就是通往 AGI 的最后一级台阶。 整场发言，本质上是围绕这个判断展开的公司战略自述。
二、核心观点
1. 愿景不是标语，是运行方式
问题：一家没有 KPI、没有成文制度的公司，靠什么组织起来？
"我们是没有组织的，就是愿景驱动的，靠一个愿景来组织……这个愿景甚至也不是成文的，这个愿景是在我们做事情的方法、我们对待这个世界的态度里。"
"管理一个大公司，靠的不是你的规章制度，靠的是愿景。愿景不是挂在墙上的标语，愿景是你怎么做，不是怎么说。"
梁文锋把杰克·韦尔奇"愿景优先"的管理思想推到了极致：DeepSeek 没有成文使命，没有 KPI 考核，组织凝聚力完全来自"怀着对这个世界非常大的善意，做对人类有用的事"这一共享方向。他坦承这有利有弊——规模扩大后必须建立部分层级结构——但强调这是公司一切"反常"决策（开源、降价、不抢用户）的唯一解释框架。如果你不能用愿景解释 DeepSeek 的行为，你就会误读它的每一步棋。
2. 开源不是情怀，是克制的一部分
问题：开源与商业化天然冲突，DeepSeek 为什么敢把最强模型开源？
"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……一个人独占这个事情，你不可能独占，你一定得跟别人分享，否则你肯定活不下来。"
"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，这是一个历史观。"
"开源和商业付费之间没有冲突，前提是六倍利润的情况下没有冲突……我只赚六倍利润的情况下，开源不会有什么影响。如果说你要赚一百倍利润，那么开源确实会影响你赚一百倍利润。"
他的论证链条是：AI 的市场规模是 GDP 级别，远超历史上任何软件市场，因此"独占"在客观上不成立，试图独占只会招致系统性阻力；既然必须分享，主动开源就不是让利而是顺势。更精妙的是商业闭环——API 定价锚定"十个月收回设备成本"（约六倍利润），这个价格已低到让第三方独立部署无利可图，开源因此不侵蚀收入。克制不是道德姿态，是经过计算的战略：你越克制，做成的概率越大。
3. 合理利润：定价的锚是成本，不是需求弹性
问题：DeepSeek 的 API 为什么定这么低，又为什么不继续降价？
"我们 API 定价觉得一个合理的利润，大概是我们到市场上买一批设备回来，十个月收回成本……如果利润最大化，应该把价格设得更高。"
"如果有一个非常高的利润率，这一定不符合客观规律。"
"（降价时）公司群里面很多人是欢呼的……这次我们降价的时候，公司群里面很多人是欢呼的。因为这是我们花了这么多精力把这个模型做好的目的。"
定价逻辑彻底反硅谷：不以收入最大化为目标，而以"合理利润 + 人人用得起"为目标。值得注意的是不继续降价的理由同样冷静——需求已无价格弹性，再降价既不增加公司收入，也不增加社会效用。这里有一个锋利的产业判断：超额利润是暂时的幻觉，行业终将收敛于合理利润；与其被规律打败，不如主动站在规律一边。 他甚至推演了一个"愿景博弈"：声称要拿 GDP 5% 的公司，会被只拿 1% 的公司打败，后者又会被只拿 0.1% 的公司打败——"你愿景是拿得多，你就先输了。"
4. 芝麻与西瓜：C 端、B 端都是 AGI 的副产品
问题：为什么 DeepSeek 在用户暴涨时不做增长、不做超级 App？
"因为后面还有西瓜，前面的可能都是芝麻……去年的 C 端、今年的 B 端，这事要做，要把它做好，但这不是我们的目标。"
"C 端和 B 端，都是我们做 AGI 路上的副产物……我们做 AGI 是为了做 AGI，刚好能产出这个东西，我就把它拿来做商业化了。"
"你站在一个技术的高位上来做相对低一级别的技术，是有这样降维打击的。"
2025 年春节的流量洪峰，DeepSeek 没有选择烧钱留存、对标字节腾讯，而是以极低成本"顺手维护"。事后来看这一判断被验证：真正的价值增量在模型能力本身。这构成了他所谓的降维打击——以 AGI 愿景凝聚的组织，做应用层竞争时几乎不费力；而以应用为愿景的公司，在技术上没有还手之力。 "那时候 C 端大家都抢得头破血流，结果被一个没有去抢的人牵走了。"
5. AGI 路线图：阶梯、持续学习与"不是奇点的奇点"
问题：从今天的 Agent 到 AGI，中间还差什么？
"去年走的阶梯是 CoT……今年的阶梯就是 Agent……它没有一步是白走的。"
"我们现在站在 Agent 这个地方，能看到的是下一个瓶颈，就是持续学习……这个问题你必须要跨过去，而且一定是有办法能跨过去的，但需要时间。"
"持续学习之后，可能我们就会来到一个奇点……但这个奇点，它并不是一个奇点，它也是一个渐进的过程。"
"先解决学习去学习，然后再到那个智能的奇点，能自我迭代的奇点，然后才是具身智能。"
这是整场发言技术含量最高的部分。路线图是清晰的四级台阶：LM → CoT → Agent → 持续学习（continual learning）→ 自我迭代 → 具身智能。关键洞察有三：其一，当前 Agent 的能力天花板源于无法持续学习——它能执行被完整描述的任务，却无法像新员工一样在环境中积累上下文；其二，持续学习是"一个问题而非一项技术"，全世界都在摸索，尚未有 work 的方法，DeepSeek 称之为"摸奖"——不耗卡、不耗人，靠想法密度；其三，"奇点"被重新定义为非突变、非线性但连续的加速过程，因为 AI 可以加速 AI 的研究——"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。"这个内部叙事，正是递归自我改进的工程化表达。
6. 什么不在主线上：世界模型、视频生成与多模态的位置
问题：所有人都追的方向，DeepSeek 为什么不做？
"视频生成……你只要仔细去想一下，它跟智能的路线图是没有什么关系的。我们不会因为它是一个好商业而去做它，我们只会因为它是智能路线图上的东西，才会去做。"
"多模态对智能来讲是个组件，我们不把它当作智能本身，它的主线跟搜索一样。"
"Sora 出来之后，所有人都做，大公司、小公司都做。但是小公司后来都把它砍掉了。它跟智能的上限没有关系。"
取舍标准只有一条：是否推高智能上限。视频生成是好生意但不是智能主线，世界模型"现阶段与智能上限无关"，多模态是必要组件（V4 后续版本将原生支持）而非主线本身。Scaling 则被明确背书——"语言模型的 scaling，我现在没有看到有上限……硅谷在说 Scaling 到头的时候，那是对硅谷来说；对中国人来讲，我们根本就没有 Scaling 到那个程度。"判断方向的品位（taste），本质是敢于在共识最汹涌的地方说不。
7. 唯一的核心利益：团队稳定性
问题：一家可以处处克制的公司，有什么是绝不退让的？
"我们最大的核心利益是要保持团队的稳定性。这是我们最大的核心利益，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。"
"钱肯定不是问题，资源不是问题，其他要素都是容易获得的……其他最多导致我们晚半年、晚一年，但是不会说做不出来。"
所有的克制都有价格，而所有的价格都用同一个账户支付：人。只要核心团队不散，一切挫折都只是时间成本；反之则满盘皆输。近期融资的首要功能也因此不是买卡，而是期权——解除团队稳定性这一"最大风险"。这是理解 DeepSeek 组织设计的钥匙：克制腾出的战略冗余，最终全部兑换为研发环境的松弛感——"我们根本都不用加班，因为就没那么难。"
8. 中美差距的本质：不是人才，是算力
问题：中国 AI 与美国的真实差距在哪里？
"我们跟美国的差距主要在资源上面……人才不是瓶颈，资源是最大的瓶颈。人才的差距，本质上也是因为算力的差距。"
"现在最大的模型，它激活大概是八百 B；国内的话，我们还在几十 B 的这个规模……差一个数量级。"
"落后美国一到两年，但是只用它二十分之一的算力把这个事情做出来。未来我们要把这个叙事改写：用它几分之一的算力，但是把时间缩到 6 个月、3 个月。"
他给出了一组罕见直白的数字：DeepSeek 当前约两万张 H 等效算力；训练对标美国最大模型（约 800B 激活）需要五万张 GB300 或二十万张华为 950；公司策略是"价格合理的前提下能买多少买多少"，甚至愿意付溢价把钱变成卡。差距的归因同样彻底：人才分布是随机的，中美人才几乎无差距，所有可见差距——人才厚度、模型能力、应用生态——都可还原为算力差距，因为算力决定实验次数，实验次数决定人才成长速度。 应对路径是"承受模型落后"：在训得起的规模（几十 B 激活）上把效率做到极致，用巧算换时间。
9. CUDA 护城河正在瓦解，国产芯片的窗口已开
问题：国产算力卡"生态不好用"的死结，怎么解？
"英伟达 CUDA 的护城河在快速地被瓦解……因为有 AI，我要建立起这个生态比以前容易很多了。"
"V3 用英伟达的卡，但是没有用英伟达的生态——我们先写一个高级编译器叫 TileLang，然后基于 TileLang 的生态来完成其他所有的事情。"
"四张华为 950 能顶一张 GB300，落后两年……在芯片上是四倍加两年。生态以后不会再有差距。"
"我不太相信未来五年之后，我们还卡在产能的问题上。"
瓦解逻辑有三层：AI 编程大幅降低了生态重建成本；TileLang 这类高级编译语言可以用极小代码量重写整套算子生态（效率损失仅 1–2%）；计算卡市场已超过游戏卡，专用芯片与 CUDA 解耦成为产业趋势。DeepSeek 买华为 950 的战略意图也不在算力本身（1.6 万张仅等效 4000 张 B 系列，不够训下一代模型），而在帮华为把生态跑通——"未来一年之内，我们能够扭转（国产卡生态不好用的）认知。"剩下的硬约束只有一个：产能。
10. 行业终局：差距只剩三样东西
问题：大模型竞争的终局，护城河到底在哪里？
"最终的差距应该是三方面：一方面成本，一方面时间，一方面用户体验……本质还是第一个成本，第二个时间。"
"中国最后有个三四家竞争，竞争就很充分了……成本控制得好的人就多赚一点，成本控制得差的人就少赚一点，仅此而已。"
"Anthropic 超过 OpenAI，这不是长期的……这三家里面（DeepSeek）的效率是最高的。"
没有模型崇拜，没有护城河幻觉。终局形态被压缩为制造业式的竞争：同质量服务比成本，同成本比速度，外加一层非本质的用户粘性。由此推出两个产业判断：其一，中国做基模的公司"太多了"，资源分散必然收敛至三四家；其二，中国的结构性优势在成本与产品体验——"中国人会把这产品做到最便宜"，AI 大概率重演其他行业的故事。OpenAI、Anthropic、Google 之间则将交替上升，不存在长期赢家。
11. 数据是另一半模型，也是最贵的瓶颈
问题：后训练时代，DeepSeek 的资源投向哪里？
"数据应该几乎就等于模型的一半……现在我们公司有一半的人在标数据。有一半的核心研究员，最重要的人，有一半在标数据。解决 AI 这个问题，在现在这个阶段靠的就是标数据。"
"高质量数据标注的瓶颈是时间……不卡在钱上，也不卡在卡上。"
在高质量数据标注上，中国没有成本优势，只能"两条腿走路"——先标成本低的数据。这个反直觉的事实（一半核心研究员在做数据）揭示了后训练时代的竞争实质：智能的边际增量越来越依赖人工密度的精工活，而非纯算力堆叠。 国内在这块落后约半年起步，预计一年内可以追上。
12. 科研与资本之间：保底卖 API
问题：纯粹的 AGI 研究如何与资本市场共存？
"最坏情况卖 API，可能都能够支撑一个上市公司……我们希望有更大的梦想，但是我们也有保底可以拿出来的业绩。"
"我们本质上还是一个公司，政府不会给我一分钱。我们可以有非常远大的使命，但归根结底要考虑怎么活着。"
"我们没有模仿的对象……跟 Bell Labs 还是不一样的，它不需要商业化，我们明确是要有商业化的。"
面对"科研理想 vs 资本市场"的经典张力，他的回答是拒绝二选一：B 端收入若达数亿美元即可覆盖全部研发开支，公司接近盈亏平衡；即便技术冻结，API 业务本身也足以支撑上市。DeepSeek 不是 Bell Labs——伟大的公司可以有利润以外的追求，而这种追求恰恰让它商业化得更好。
三、一场关于"克制"的完整论证
把三个半小时的发言压缩：
愿景 → 克制 → 聚焦 → 效率 → 概率。
因为目标是 AGI 而非利润，所以克制（开源、低价、不抢用户、不做视频生成、不垂直整合）；因为克制，所以要做的事极少，组织得以松弛、聚焦、不加班；因为聚焦，所以成本效率做到极致，成为中美三强中烧钱最少的一家；而这一切最终收敛于同一个目标函数——不是最大化份额，而是最大化做成 AGI 的概率。
这套逻辑的自洽性在于：它承认 AI 是 GDP 级别的超大赛道，因此"独占"既不可能也不必要；只要留在牌桌上并持续推高智能上限，回报自然足够大。换言之，梁文锋把公司战略建立在两个第一性判断上——智能上限远未触顶，超额利润必不持久。 前者决定做什么，后者决定不做什么。
需要清醒指出的是，这套叙事同样内含风险：持续学习尚无被验证的技术路径，"摸奖"式研究存在高度不确定性；团队稳定性是单点依赖；算力差距是数量级的、且在短期内无解；而"克制换概率"的兑现，最终取决于路线图判断本身是否正确。这是一场用战略耐心对冲技术不确定性的豪赌。
四、对未来的启示
- 持续学习的突破时点：全球研究端共同的下一块拼图。谁先让模型具备"入职两个月即上手"的长时程学习能力，谁就拿到通往自我迭代的门票。关注 DeepSeek 及主要实验室在此方向上的论文与架构创新。
- V4 系列的迭代节奏：公司自认舒适的发版周期为两至三个月，且"V4 及后续版本将支持原生多模态"。观察版本间隔与能力斜率是否兑现"一版比一版好"。
- 更大激活规模模型的启动：当前主力在几十 B 激活规模，下一代 150B–250B 激活模型乐观情况下 2026 年底开训。这是检验算力扩充与训练效率的直接信号。
- 国产芯片生态的一年验证期：TileLang + 华为 950 超节点能否在一年内扭转"国产卡生态不好用"的共识，以及华为产能爬坡速度——这将决定中国 AI 算力短板的时间表。
- "AI 加速 AI 研究"的非线性迹象：DeepSeek 内部将"模型首先对自己有用"作为下一代模型的第一目标。若研发迭代速度出现可观测的加速，递归自我改进的飞轮即开始转动。
- 商业化底线的验证：B 端 ARR 能否达到数亿美元量级并覆盖研发开支，关系公司现金流转正与 IPO 叙事（公开报道显示其已筹备最早 2027 年上市）。
- 行业收敛进程：中国基模公司是否会如预期收敛至三四家；价格战与"合理利润"均衡何时到来。
- 具身智能的入场时机：路线图的终点被明确指向具身（"终点都是具身"）。持续关注 DeepSeek 何时、以何种方式将模型能力延伸至物理世界——按当前路线图，这应当发生在自我迭代之后，而非之前。
浙公网安备 33010602011771号