DeepSeek引发AGI反思潮 技术价值被低估与重估
二月，AI行业发生了一些耐人寻味的变化。
一、DeepSeek 反思潮
一场由DeepSeek引发的集体反思，正在席卷整个行业。无论是大厂内部的“AGI创业团队”，还是那些明星创业公司，都不得不重新审视自己的战略。这个不花一分钱推广、仅凭技术实力就冲到DAU 4000万的玩家，给所有人上了一课：在AGI这场游戏里，过去的玩法可能不灵了。
最直接的变化，是战略重心的回调。大模型创业公司开始把“技术突破”重新摆到最高优先级，其重要性甚至超越了产品迭代。有接触过月之暗面（Moonshot）联合创始人张予彤的VC反馈，DeepSeek的崛起让团队深刻反思了过去一年“类互联网打法”的局限性——过度依赖产品投流，而在基础模型上的投入相对不足。接下来，Moonshot计划将更多资源倾斜到技术研发上。
这并非个例。对于那些以技术生态位为目标的AGI公司来说，这几乎成了一种普遍转向。与之相伴的，是产品团队地位的微妙变化。DeepSeek的成功似乎传递出一个信号：在AGI时代，极致的模型能力本身或许就是最好的增长引擎，产品经理和流量投放的传统角色，正在被重新定义。
2024年那场轰轰烈烈的“投流大战”，最终以DeepSeek的“零投放”神话画上句号。投入越多，此刻的反思可能就越深。例如，MiniMax前产品一号位的离职，据传就与创始人在市场投放策略上存在分歧有关。这家公司早期的组织架构完全遵循互联网产品逻辑，按产品线划分团队，产品人员一度超过200人。但从2024年年中开始，调整就已启动，产品团队的规模预计将进一步收索。
另一个值得玩味的现象，是巨头之间攻守态势的逆转。
过去一周，腾讯元宝接入了DeepSeek的模型能力后，在中国区苹果应用商店的免费榜排名迅速攀升至第二，仅次于DeepSeek，将此前势头正猛的字节豆包甩在身后。在这场“DeepSeek+”的浪潮中，相比百度、阿里、字节等拥有自研模型“技术包袱”的大厂，腾讯反而显得轻装上阵。其元宝产品连同微信等生态，迅速拥抱外部最强模型，一举从过去两年的被动追赶，转向了主动进攻。
要知道，过去两年腾讯在大模型和AIGC领域虽持续投入，但声量始终不温不火，甚至因为资源向基础模型倾斜，影响了文生视频等方向的投入，导致部分核心人才流向快手、字节等竞争对手。某种程度上，DeepSeek的出现，意外地“助攻”了腾讯的大模型业务。
这种局面甚至催生了一种极端论调：基础模型的研究，最终可能只需要DeepSeek一家就够了。随之而来的，是投资圈开始出现老股东寻求退股的声音，认为“智谱、阶跃甚至字节、阿里等公司的大模型都没戏了”。对于这种观点，需要保持警惕，现在下结论为时过早。
有个比喻或许能形象地描绘当前中国大模型创业的格局：
一个天赋与资源俱佳的“富二代学霸”，做出了一份接近满分的答卷，并且把答案公开了。另一个能承担资源与面子成本的“富二代学渣”，直接抄了答案，也拿到了高分。现在，剩下一群靠自身努力、原本能考七八十分的“寒门学子”，以及同样出身优越但努力方向错了的“学生”，站在原地，不知所措。
现实世界的竞争往往无关公平，只论结果。打破这种结构性困境极其困难，可能需要“一命二运三风水四积阴德五读书”般的多重因素叠加，但对于场上的玩家而言，除了继续前行，别无选择。
回到现实层面，字节跳动大模型团队的调整，正是对竞争格局剧变的直接回应。在DeepSeek横空出世之前，行业内外对字节豆包的评价颇高，其增长势头也一度对Kimi形成了合围之势。然而，DeepSeek霸屏整个春节后，字节内部清醒地认识到，AGI依然是一个高悬枝头的果实，需要更具战斗力的将领带队攻坚。
据验证，字节的基础模型技术研发负责人近期发生了变更。此前由朱文佳负责的这部分工作，在春节后调整为由吴永辉接手。包括黄文灏等2024年新加入的技术骨干，都将向吴永辉汇报。而朱文佳则转向负责模型应用方向，两人均向梁汝波汇报。
回顾2023年字节大模型团队组建之初，核心成员多来自内部业务线，如搜索、抖音、西瓜视频、TikTok等，这些成员在字节过往的成功产品中屡经战阵。朱文佳麾下各小组的负责人，也少有外部空降的高阶人才。
但从2024年年中开始，情况发生了变化，越来越多AGI领域的知名技术人才被招入麾下，团队开始“换血”。知情人士分析，这背后的原因在于，以朱文佳为代表的、拥有搜索广告推广背景的团队，其技术范式与需要碘伏性创新的大模型研发，可能存在不适配的情况。字节和MiniMax等公司早期对强化学习（RL）技术路线的低估，就是一个例证。吴永辉的上任，意味着字节换血的决心更加彻底。
吴永辉此前在谷歌的职级仅次于Jeff Dean，是Gemini项目的核心贡献者之一。据硅谷华人技术圈的信源，他擅长模型工程。谷歌自发布Transformer以来，在大模型赛道上的创新是系统性的，涵盖从底层框架、算力集群到上层算法的全栈能力。从知识结构和经验来看，吴永辉确实更契合大模型技术掌舵人的角色。
有信息显示，朱文佳在主导技术研发期间，在人才任用上更倾向于倚重曾并肩作战的“老战友”，同时在基础研究的创新想法采纳上，风格相对保守。这种逻辑不难理解：面对AGI极高的不确定性，使用熟悉的团队能最大程度降低沟通成本。如果AGI是一个触手可及的“低垂果实”，那么依靠成熟团队和资源碾压的策略或许可行，但现实显然更为复杂。
据了解，新加入字节的技术人员曾提出过诸如SPPO强化学习、火星优化器等高效训练方向的技术方案，但一些方案在自行验证有效后，经朱文佳移交身边团队复现，却被反馈“不work”而搁置。此前字节内部文生视频方向曾进行赛马，其他团队胜出，但后续成果被划归到了朱文佳直接领导的Seed团队。
大模型是一项有极高门槛的创新技术，无论在大厂还是创业公司，都需要真正的创业者心态。第一批低估AGI技术难度的人已经被市场教育，但并非所有人都已吸取教训。
二、AGI 的壁垒在哪？
“算法是没有壁垒的。”一位专注大模型领域的风险投资人这样评论道。类似的论调还有：“DeepSeek现象只是昙花一现，6个月后就会被追上”，以及“大模型创业公司必然消亡，最终赢家只有DeepSeek和互联网大厂，看看腾讯元宝就知道了”。
在匆忙下结论之前，或许应该先回答一个更根本的问题：DeepSeek已经实现终极的AGI了吗？答案显然是否定的。即便是DeepSeek官方也承认，其最新的R1模型仍存在通用能力不足、语言混淆、提示词敏感、软件工程能力欠缺等缺陷。
如果在这个问题上能达成共识，那么接下来的思考就顺理成章：
第一，DeepSeek是否必然能解决通向AGI的所有技术难题？
第二，实现终极AGI，是否仅凭DeepSeek一己之力就已足够？
第三，中国是否只有DeepSeek一家，具备攻克AGI各项技术难关的实力？
以腾讯元宝为例。虽然接入DeepSeek让它赢得了阶段性胜利，但没人能保证DeepSeek会永远“开源”或保持领先。一旦“开卷考试”的规则改变，竞争格局必将再次翻转。
对于上述问题，持怀疑态度是合理的。原因很简单：DeepSeek并未，也不可能汇聚中国乃至全球所有的顶尖AGI人才。即便是曾经群星璀璨的OpenAI，也在2023至2024年间经历了核心人才的大量流失，其发展进程同样受到影响。
如果将AGI视为整个AI行业共同奔赴的终极目标，而非某一家公司的专属责任，就会产生一种朴素的预感：这场AGI的大航海时代，需要的不仅仅是一个“DeepSeek”，最终也不会只有一个“DeepSeek”。AGI是一个需要庞大生态的行业，而非一个单一的产品。
在近期的行业交流中，一个观点被反复提及：造成从业者这种“既高度重视，又下意识低估”的矛盾心理，根源或许在于互联网思维的强大惯性。
有经历过互联网大战的从业者举例：“互联网产品的竞争，到最后往往只剩一家，比如出行大战、3Q大战。”但这种类比可能并不恰当。因为互联网时代的产品技术，如搜索广告推荐，当其范式从谷歌确立再传入国内时，技术天花板已大致可见。而DeepSeek的出现恰恰证明，AGI的天花板远比OpenAI目前所触及的更高，前方仍是未知的星辰大海。
能与AGI或大模型在技术难度和不确定性上类比的，或许是自动驾驶的L4级别，或是英伟达的GPU芯片。虽然L4自动驾驶至今未能完全实现，但从L2到L4的演进过程中，已经催生了不同维度的商业化产品（如扫地机器人）。同样，AGI也将是一个逐步取得突破、并在此过程中持续催生新商业形态的漫长旅程。
有些团队确实不具备参与最终AGI角逐的技术实力，但这并不能推导出“DeepSeek是唯一有资格的创业团队”或“中国只需要一家AGI公司”的结论。即便是海外的基础模型阵营，也在能力上形成了差异化分工，例如GPT更擅长理解指令，而Claude在代码生成上表现突出。
回顾更大的行业规律：如果说搜索广告推荐技术由谷歌开启，在字节跳动手中推至巅峰；那么，由OpenAI开启的大模型技术，又将由谁推向极致？互联网时代用了二十年才得出答案，期间故事无数。AGI时代，又怎会在短短两年内就决出最终的胜者？
那么，AGI的真正壁垒究竟是什么？
一个核心观点是：算法的优势与技术的创新，虽然无法构成永恒的壁垒，但却能赢得至关重要的“时间差”。
以月之暗面为例。事实上，Moonshot与DeepSeek均成立于2023年上半年，前后相差仅一个月。
更早之前，在2021年智源研究院的“悟道”大模型项目中，Moonshot创始人杨植麟便是悟道2.0的核心开发者之一，从底层Transformer到上层大模型训练，拥有系统性的研究背景。相比之下，DeepSeek创始团队，包括梁文锋，虽是计算机科班出身，但在NLP、Transformer与预训练等大模型核心技术的积累上，与Moonshot团队客观上存在一个学习与追赶的时间差。
如果从Moonshot成立之初就具备训练千亿参数模型的能力算起，到DeepSeek于2024年5月发布V2模型，这个时间差粗略估算大约是一年；如果严格考量V2模型在训练成本大幅降低上的研发周期，这个差距也至少在半年以上。
然而，由于Moonshot在过去两年将战略重心偏向了产品增长与市场投放，而非底层技术的持续突破，它与DeepSeek在基础模型上的差距，从2023年的“领先半年以上”，戏剧性地变成了2025年的“落后XXX年”。在互联网思维的过度指导下，一进一退之间，Moonshot至少丧失了一年的先发优势，从主动陷入了被动。
据知情人士透露，DeepSeek内部计划在今年3月发布V3.5模型，并在6月前发布V4。这意味着，即便其他团队的基础模型能力在6月追平了当前的V3或R1，作为先行者，DeepSeek已经利用这个时间差，赢得了宝贵的下一代技术研发窗口，以及这半年内构建起的生态护城河。模型效果可以追赶，但用户习惯和生态优势却难以轻易撼动。
是坐享其成，还是投身竞争，亦或是认清形势、及早转向自身优势领域？这对所有参与者来说，都是一道不易回答的选择题。尽管DeepSeek当前风头无两，但AGI依然是一个高悬的果实，它的成熟离不开持续不断的底层创新。
在这条漫长的跋涉之路上，一定会有人退出，无论是投资人、创业者还是技术人员。但无论如何，这条路上不会，也不应该只有DeepSeek一个身影。
相关攻略
提升DeepSeek回答准确性的关键在于优化提问方式。应使用STAR法则结构化描述问题，明确情境、任务、动作和结果。需主动限定回答边界，如指定角色、信息源和时效，以抑制模型幻觉。遇到错误时可进行精准反向纠错。处理复杂问题时应分步拆解，每一步给出具体约束，以获得扎实可用的答案。
DeepSeek网页版因缺乏文档索引能力，不适合直接构建企业文档检索系统。搭建此类系统需自建核心RAG链路，包括文档加载器、嵌入模型和向量数据库。具体实现可选用LangChain框架整合各模块，并针对扫描件单独进行OCR处理。系统需注意配置细节，如持久化存储和元数据管理，以确保检索结果的可追溯性。
DeepSeek在中文任务上表现出色，这得益于其针对中文的深度适配。模型训练数据主要来自中文互联网，内置中文分词与语义理解模块，能精准把握成语、政策术语及中文表达习惯。其在长文本解析、公文写作、技术文档本地化及口语转书面语等需要高语义精度和强上下文保持的任务上优势突出。使用。
要让DeepSeek生成可直接剪辑的视频脚本，需通过精确提示词强制规定输出结构。必须明确指定分镜编号、画面描述、口播文案和时长等字段的格式，以表格化呈现，时长需精确。口播文案应限定句长并标注停顿，分镜描述需拆解为具体动作指令。批量生成时可使用变量模板和脚本自动化处理，以确保
编写DeepSeek系统提示时，并非越详细越好。模型更倾向于简短、动词开头的指令，长篇提示易被截断或稀释注意力。用户指令的优先级通常高于系统提示。有效的系统提示主要用于锁定输出格式、定义角色行为或过滤干扰，且不应与用户指令矛盾。
热门专题
热门推荐
近日，中国汽车流通协会联合精真估发布了《2026年4月纯电动车型一年车龄保值率排行榜》。这份数据对于正在选购新能源车的消费者具有重要参考价值，能帮助大家更清晰地了解当前热门电动车的残值表现。 该榜单统计的是车龄满一年的纯电动车型。位居榜首的是问界M9，其一年保值率高达80 4%。这一夺冠成绩含金量十
科技行业近期迎来一场备受瞩目的创新盛宴。以智能清洁机器人闻名的追觅科技（Dreame），在旧金山隆重举办了“Dreame Next 2026”未来愿景发布会。活动不仅前瞻性地展示了涵盖智能手机、智能穿戴乃至概念电动车的全系列产品，更邀请到苹果联合创始人史蒂夫·沃兹尼亚克亲临助阵。这场为期四天的盛会，
SpaceX最快下周披露招股书，6月初启动全球路演，估值或达1 75万亿美元，募资规模有望创纪录。公司以垂直整合与成本控制为核心优势，布局商业航天、AI基础设施与卫星互联网，其“太空数据中心”构想融合太空太阳能与AI算力，开辟新赛道。此次IPO或引发科技板块资金结构性变动，标志资本正加速拥抱太空与AI融。
NVIDIA在SIGGRAPH上宣布扩展其微服务库，以加速人形机器人开发。其核心是将生成式AI深度集成至OpenUSD语言体系，推出相关模型与NIM微服务，从而提升数字孪生与机器人工作流效率。公司还开放了机器人技术栈，并联合合作伙伴推动OpenUSD的工业应用，为开发者提供从仿真到部署的端到端平台支持。
OKX作为全球领先的数字资产交易平台，其风险主要来源于市场波动、技术安全与合规环境。平台通过多重安全机制、资产储备证明和严格的合规流程来管理风险。用户需理解加密货币的高波动性本质，并采取自主保管资产、启用安全功能等策略，以在参与Web3生态时更好地保护自身权益。