作者： 千问整理：价值投资老虎
一、公司愿景与组织文化
1. 愿景驱动而非 KPI 考核
初心与善意：公司创立初衷并非为了上市或赚钱，而是怀着对世界的善意，希望做对人类有用的事情。
管理哲学：不依赖规章制度或 KPI 考核，而是靠“愿景”来组织和管理团队。愿景不是挂在墙上的标语，而是体现在做事方法和对待世界的态度中。
平凡人的不凡：团队成员多为平凡人，通过愿景凝聚，做出了不平凡的事。
2. 克制战略与合理利润
克制即策略：认为 AI 市场足够大（可能占 GDP 的 10%），独占利益不符合客观规律。只有保持克制，不追求利润最大化，才能提高做成 AGI 的概率。
定价逻辑：API 定价基于“合理利润”，标准是 10 个月收回硬件成本（约 6 倍利润）。即使需求无弹性（涨价收入更高），也坚持低价，目的是让大家都用得起。
拒绝短期诱惑：去年春节用户暴增时，没有刻意追求 C 端流量变现，认为那是“芝麻”，后面的 AGI 才是“西瓜”。
3. 团队稳定性为核心利益
唯一核心：公司最大的核心利益是保持团队稳定性。只要核心团队不走，做成 AGI 只是时间问题。
融资目的：近期融资主要是为了通过期权激励稳定老员工，解除人才流失风险。
二、技术路线与 AGI 演进
1. 发展阶梯
当前阶段：AI 发展呈阶梯状。去年是思维链（CoT），今年是 Agent。
下一步关键：Agent 之后的瓶颈是“持续学习”。目前的 AI 缺乏像人类员工那样通过长期上下文学习的能力。
未来图景：持续学习 -> 智能奇点（自我迭代） -> 具身智能。具身智能是最终走进现实世界（如做家务、养老）的阶段。
2. 核心瓶颈与突破
持续学习：这是通往 AGI 的必经之路。解决后，AI 能辅助自身研发，加速技术迭代。
数据策略：目前高质量数据标注成本高，国内缺乏成本优势。采取“两条腿走路”，一半核心研究员参与标数据，同时探索仿真数据。
幻觉问题：属于产品问题，可通过 Post-training 解决，但不是当前技术攻关的最高优先级。
三、商业模式与市场策略
1. API 定价与开源
定价逻辑：坚持 10 个月回本原则，认为这是合理的商业利润。
开源策略：最强模型也会开源。开源与商业化不冲突，因为第三方很难做到同样的低成本部署。开源是为了建立生态，而非单纯让利。
闭源看法：看不到闭源的好处，字节等公司的闭源策略并未显示出明显优势。
2. 降维打击
AGI 副产物：C 端和 B 端业务是通往 AGI 路上的副产物。因为技术领先（降维打击），即使不刻意运营，用户和收入也会自然增长。
不做垂直应用：目前专注于通用 Agent（尤其是 Coding Agent），不急于做金融、医疗等垂直领域应用，认为那是合作伙伴的事。
四、算力资源与国产替代
1. 中美差距
资源瓶颈：与美国的差距主要在于算力资源（卡的数量）。美国在训练超大模型（如 800B 激活）上有优势，国内目前还在几十 B 规模。
人才误区：人才不是根本差距，人才差距本质上也是算力差距导致的（实验机会少）。
2. 国产替代与华为合作
生态破局：英伟达 CUDA 护城河正在瓦解。通过 AI 写代码和新技术（如 TileLang 高级语言），可以快速构建替代生态。
华为合作：与华为深度合作，参与生态建设。华为 950 超节点在性能上可平替英伟达 GB200/300，代价是 4 张顶 1 张，时间落后约 2 年。
硬件观点：未来是专用芯片的时代，不再需要兼容游戏卡生态，这给国产芯片提供了历史性机遇。
五、行业竞争与未来展望
1. 竞争终局
三大差异：模型最终差距体现在成本、时间（推出早晚）和用户体验上。
利润回归：行业利润率会回归合理水平，暴利不可持续。愿意拿少份额（如 1% GDP）的玩家会打败想拿大份额的玩家。
2. 人才与生态
人才短缺：是阶段性现象，预计 2-3 年内会缓解。
行业收敛：目前国内做基模的公司太多，资源分散，未来会收敛到 3-4 家。
3. 资本与科研平衡
商业化信心：即使技术冻结，仅靠卖 API 也能支撑公司生存和上市。
组织形式：没有模仿对象（如 Bell Labs），是根据实际情况探索出的“愿景驱动 + 克制”的独特组织形式。
此次交流展现了 DeepSeek 独特的“长期主义”价值观，即通过牺牲短期商业利益（低价、开源）来换取技术生态的长期繁荣和 AGI 的最终实现。梁文锋对算力瓶颈的清醒认知及对国产替代的乐观预期，为理解中国 AI 产业的突围路径提供了重要视角。
