大模型竞争，最终的差距会落在哪里？答案很简单：成本、时间、体验。

这是一份来自DeepSeek投资者交流会的实录，发生在5月20日，总时长约3小时44分钟。会上，梁文锋详细阐述了公司的愿景、开源战略、AGI技术路线、中美算力差距、国产芯片替代机遇，以及组织管理哲学等核心议题，并与投资人进行了深入互动问答。以下内容根据一位投资人提供的会议速记整理，仅供参考。

愿景驱动的初心

我们当初做这家公司，初衷其实很简单——没想过要赚多少钱，更没想过上市。完全不是奔着这些去的。最开始的几十个人，如果带着这种想法，根本不会来。总的来说，我们怀着对这个世界极大的善意来做这件事，觉得这是对人类有用的，是金钱以外的东西。

当然，后来事情发展起来，利益巨大，诱惑也随之而来，那是另一回事。但出发时的初衷、愿景，以及一直保持到现在的这个愿景，不是按照商业利益最大化的方式来做——这一点很关键。

二十年前，我管理上最崇拜的是杰克·韦尔奇。现在回头看，他说的很多东西可能都不对了，但有一点他说对了：一个公司最重要的是它的愿景。管理一个大公司，靠的不是规章制度，而是愿景。愿景不是挂在墙上的标语，愿景是你怎么做，不是怎么说——就是你怎么实际运行。

所以，我们是怎么管理这么多人、怎么组织起来的？其实没有组织，就是愿景驱动的，靠一个愿景来组织。没有KPI、没有考核，只有愿景。这个愿景甚至也不是成文的，没有写出来过任何东西。它存在于我们做事情的方法、对待世界的态度里。每个人对愿景的理解可能有差别，但大方向上是一致的——怀着对世界极大的善意，想做一点事情。这个愿景是真的，不是编出来的，否则你没法解释我们的很多事情。

开源与商业化

为什么坚持开源？这其实和我们的愿景紧密相连。愿景本身就要求我们开源。你没有这个愿景，没法把人组织起来。

比如，智谱也开源，但他们的开源有一种被迫的感觉，那不是他们的本意。但对我们来说，这就是我们的本意。我们在开源这件事上想得很清楚：第一是愿景；第二，我们认为要把AI在商业上做成，开源是有好处的。

这听起来有点违反直觉，因为历史上开源跟商业化有冲突。但AI和以前不一样——以前一个软件公司，市场一年可能就几十亿美金，离开源就没有了。但AI这个事情足够大，最终可能占人类社会GDP的百分之十甚至更多。你不可能独占，一定得和别人分享，否则肯定活不下来。如果想独占利益，一定会被历史抛弃。这是一个客观规律，不是我不开源就能独占的——在理论上就不符合客观事实。

你需要一套机制来确保自己能够获得的利益是有限的，这样才有可能做成。需要克制。不能想着人类GDP的百分之多少都归我了——越这么想，越做不成。越克制，越有可能做成。我们没有比别人有钱，没有比别人卡多，没有知名度，没有号召力——我们就是一群非常平凡的人。两年前成立的时候，什么都没有。如果喜欢一个叙事，那就是“一群平凡的人做出了不平凡的事情”，而不是“一群天才做出了不平凡的事情”。这跟我们的克制、跟我们的愿景一脉相承。

AI这个事情太大了，利益太大了。只要能够做成，最后利益都会非常大，你随便分一点就够了。所以现在根本不用考虑拿哪一部分、怎么拿。我们只赚取一个合理的利润。

我们的API定价，大概是在市场上买一批设备回来，十个月收回成本——这是一个合理的利润。如果利润最大化，应该把价格设得更高，因为在这个价格区间需求是没有弹性的——价格再翻一倍，token消耗量区别不大，总收入接近一倍。讲个故事：一开始我们担心需求太多，把价格定得比较高，团队里大家不是很高兴。后来我把价格降到四分之一，大家就很开心。那时候公司群里很多人欢呼。因为这是我们花了这么多精力把模型做好的目的：能够非常便宜、效果非常好，让大家都能够充分地用。这是我们的动力，是我们的愿景，是公司内部能够凝聚到一起的共识。

十个月回本这个利润，我们自己能做到，其他家做不到。阿里、腾讯的成本要比这个高好几倍。为什么不继续降价？因为再降价需求不会更多了。这个价格所有人都用得起了，再低对社会的幸福感也没有增加很多。

开源对我们的商业模式没有任何影响。前提是我们只赚六倍的利润（十个月回本对应约六倍利润）。如果说要赚一百倍利润，那开源确实会有影响——因为第三方部署可能只要二十倍成本，比你低。这个模式长期可以持续。开源让我们更从容。

我们根本不用加班，因为没那么难。对其他家来说可能很难，因为他们想得太多。外面看起来我们选了一个hard模式，但其实我们在其他地方舍弃了很多，反而做得很轻松。我不担心别人部署我们的模型来跟我们竞争，反而希望他们能够部署起来。我们尽可能给开源社区提供帮助。这个市场足够大，我只担心他部署不起来、细节没做对、效果变差、成本太高。去年一整年，在C端开源后没有看到冲突。腾讯有流量优势部署了我们的开源模型，也没有把我们的C端用户抢走。我们给的开源模型和我们自己部署的模型是一样的，不会开源一个差点的、自己用更好的。

技术路线图，通向AGI的阶梯

我们的目标是AGI。从技术路线上看，AGI的路线图比较清晰。当前的AI，如果你能把一个问题描述得很清楚，给它完整的上下文和指令，它已经超过人类了。但前提是“给它完整的上下文和指令”。这个前提很难达到。比如今天开会，大家有几十年的上下文，这是AI不具备的。

AI还差一个地方：持续学习。你招一个员工，花两个月熟悉环境就能上手。你跟他说“叫小王来”，他知道小王是谁。但AI的话，你得告诉它小王是谁、什么职务、在哪里、怎么找、注意什么——你得给AI所有上下文。这不现实。所以AI并不能替代你的员工。但如果AI具有持续学习的能力，跟员工一样到公司学习两个月，那就可以替代天下的人了。我们离下一步还差一个“学习去学习”。

AI的发展是一个阶梯：去年走的阶梯是CoT（思维链），通过AI自己思考，让智能达到更高水平，做奥数题、写程序已经超过最顶尖的人类。今年的阶梯是Agent，用Agent方式，能力范围更大，智能上限更高。下一步是持续学习，这是看得到的下一个瓶颈，必须跨过去，而且一定有办法，但需要时间。每一步都建立在前面基础上——Agent要用CoT，CoT要用语言模型，没有一步是白走的。

持续学习之后，我们会来到一个“奇点”——模型能够持续学习后，它能做人类能做的所有事情，能够自己开发自己的下一个版本。但这个奇点不是突变，是一个渐进的过程，可能比较长。这一步走完之后，才是具身智能——走进现实世界，做家务、养老。我们的时间表是：先解决持续学习，再到自我迭代的奇点，然后才是具身智能。这个路线图最轻松。每一步要做的新的东西都很少，而且到后面可以用前面的技术帮助开发后面的技术。奇点之后做具身智能，就不用人来做了，模型自己就能设计出来。如果反过来先做具身智能，那是一个很苦的活。

关于多模态与世界模型的定位。我们只做AGI主线——GPT、CoT、Agent。AI领域很广泛，但3D、视频生成、世界模型，跟智能的主线没有太大关系，我们不会去做。视频生成一开始Sora出来之后所有人都做，但后来小公司都砍掉了——它跟智能的上限没有关系。商业上是好生意，但我们不会因为它好商业就去做。多模态我们肯定会做，V4及后续版本会支持原生多模态，但它是“组件”，不是智能本身——跟搜索一样，是个组件。

竞争格局与中美差距

中美之间的差距，归根结底，其实是资源差距。我们现在大概有两万张H等效算力，大部分是最近一两个月才到的。接下来几个月还会有大批机器过来，基本上都是英伟达。人才上差距不大，因为就是同一批中国人，最聪明的人并没有说一半多去了国外。国内人才基数大，每年有很多人补充。人才的差距本质上也是算力的差距——算力少，能做的实验少，人才整体上就有差距。

现在美国最大的模型激活大概是800B，国内最大模型可能就几十B激活，差一个数量级。要训练跟美国同样大的模型，需要五万张GB300或二十万张华&为950——这只是训练，还没考虑做研究。我们现在的资源只足够在几十B激活的规模里做更多实验。离训800B的模型还比较远。所以我们现在根本不会考虑到那么大的规模上去跟美国竞争。我们要在能够训练得起、用得起的规模上先做好，再等更多资源时逐步推进到150B、250B。

落后美国12到18个月，用美国二十分之一的算力把事情做出来。未来我们的目标是缩短到6个月、3个月，甚至在某些重点地方超越他们——但总体算力有数量级差距的情况下，全面超越不现实。大模型竞争的终局差距应该体现在三个方面：成本、时间、体验。在全球AI分工中，中国公司很有可能扮演的角色还是产量最大、价格最便宜，就跟其他行业一样。中国产的AI价格会是系统性的低，但效果跟美国不会有太大区别。

国内格局方面，做基模的公司太多了，美国可能就三家，资源集中。中国资源分散，每一家拿到的更少。最终一定会收敛到三四家。不需要那么多家，因为利润率没有那么高。这不符合客观规律。成本控制好的多赚一点，差的少赚一点，仅此而已。

算力与国产替代

现在算力采购策略是：在合理价格内，能买多少卡就买多少卡。花钱速度不在计划里，只要价格合理，有多少买多少。如果半年内把钱花完，是最理想的——把现金变成英伟达卡，肯定比放银&行好。十个月就能收回成本，IRR极高。我们愿意付一定溢价去买卡，因为太划算了。今年如果能花掉两百亿，采购部门业绩就超级好了。

国产芯片替代是历史性机遇。英伟达CUDA的护城河在快速被瓦解，原因有三：在英伟达卡买不到的情况下，所有人都迫不得已要做国产芯片。国产卡适配没有障碍。一年之内，我们会看到“国产芯片生态没问题”被事实扭转。唯一的问题是产能不够。我们现在主要是跟华&为合作，深入参与华&为生态。华&为给我们大概一万六千张卡——比互联网大厂少一个数量级。一万六千张华&为950只相当于四千张B系列，不够训下一代模型，只够训现在这一代。但可以让华&为先把生态跑通。

华&为950超节点在性能和价格上可以平替GB200/GB300——价格贵100%-200%无所谓。四张华&为950顶一张GB300，落后两年。华&为950是今年Q3/Q4的货，GB200是两年前Q3的货，差两年。英伟达今年Q3可能有新一代。我们对国产算力比较乐观：生态上以后不会有差距，芯片上是四倍加两年。五年之后产能问题大概率也能解决。

是否自研芯片？我们希望不用做芯片。假如你是运营发电厂的，不一定需要去造发电机——只要价格合理，为什么自己造？AI时代会产生很多家万亿级别的公司，我们希望是其中一家，只做最擅长的那一块，聚焦。

组织管理

我们的管理有两条线：一条是自上而下的正式组织，用来配合做大事，比如发V4，需要分工，但不超过员工一半时间；另一条是自下而上的非正式组织，每个人自己想做什么就做什么，没有KPI，没有前置要求——另一半时间。正式最好不要超过一半。有些人觉得我们从上而下，有些人觉得从下而上，我觉得两个都对。

为什么不加班？这跟克制一脉相承。克制意味着很多事情不做，工作少了，产品很多不完善也没去补。我们最大的核心利益只有一点：保持团队的稳定性。甚至可以认为是唯一的核心利益。只要大家不走，一定能做成AGI。钱不是问题，资源不是问题。遇到挫折大家不走，又可以继续。

融资的主要目的也是让核心团队拿到期权稳定下来。只要最重要的老员工稳定，其他人哪怕期权少一点也不会走。因为大家希望在一个能做AGI的环境里做事。历史上我们的人才流动率比同行少得多。这依然是最大的挑战，唯一的挑战。其他都是时间问题，最多晚半年一年，不会做不出来。

我们整体建立在共识基础上。我做事情先看大家的共识是什么，想不想做。可能有一些引导，但作用有限。引导非常有限，一定是共识，我才会去推。我们没有模仿的对象，每一步都是根据实际情况做决策。和Bell Labs不一样——他们不需要商业化，但我们明确要商业化，要活下去，政府不会给一分钱。B端对我们重要，因为可能以后得靠它活着，只是现在不重要。很多伟大的公司有利润以外的追求。那个追求不但没影响商业化，反而让商业化更好。我们本质上还是公司，只是对赚哪些钱、什么时候赚、赚多少、靠什么赚钱有取舍。

商业化与财务展望

商业化是副产物。C端和B端都是我们做AGI路上的副产物、中间产出。我们做AGI刚好能产出这个东西，就拿来做商业化。其他公司是为了服务C端或B端去做模型，初衷不一样。这在某种程度上是降维打击。AGI是更大的愿景，能凝聚更多优秀的人，组织上有优势。去年C端抢得头破血流，结果被一个没有去抢的人牵走了，确实说明人才和组织上有优势。

去年春节突然火的时候完全不在剧本里。我们没有在C端花很多力气，一度甚至不想维护了，但用户赶都赶不走。今年B端收入增长也比较乐观，但并没有花很大精力，就是顺便做的，连客服和销售都没有，用户自己就来。如果今年API收入能做到几个亿美金，公司现金流可能就能回正，覆盖研发和所有费用。最坏情况——即使技术不再进步，全力卖API也足以支撑一个上市公司。所以我们有信心，没有那么难。希望有更大的梦想，但也有保底业绩。

问答交流精选

Q：持续学习什么时候能带来突破？

A：全世界都还在摸索，没找到好方法。我们有很多看起来有前途的想法，但都还没做通。现在还在探索阶段。持续学习不是一项技术，是一个问题，可能有很多种技术来解决。

Q：开源后有多少伙伴能复现我们的成果？未来生态怎么发展？

A：人才短缺是阶段性的——每个行业初期都这样，但很快会被解决，两三年就培养出来了。国内做基模的公司太多了，最终会收敛到三四家。不需要那么多家，因为利润率没那么高。在生态上，我们愿意扶持，但没有那么多精力。至少没有利益冲突，希望合作共赢。大模型公司不可能拿走大部分利润——差距只有时间和成本，成本控制好的多赚一点而已。

Q：AGI靠真实数据还是仿真数据？会不会限制在人类已有知识范围内？

A：能超越。AlphaGo下出了人类从没见过的棋——在一定范围内可以超越人类。但可能有上限，这个上限我们现在看不到。仿真数据有很多方法可以用。

Q：现在建的万卡集群，三年后会不会变陈旧？

A：英伟达卡可按五年折旧，华&为卡最多三年。华&为950今年能用、明年还可以、后面再用可能就太费电了。B系列如果能买到合理价格，肯定都划算。

Q：关于数据标注怎么看？

A：高质量数据标注的瓶颈不是资本，是时间。中国标数据没有成本优势——高端数据标注成本中美差不多。现在有一半的核心研究人员在标数据，先标成本低的。

Q：关于To B垂直应用

A：国内商业模式还没想明白。目前最合理的做法是全力做通用Agent，优先做Coding Agent，金融、医疗等垂直Agent优先级更低。

Q：关于融资与上市的平衡

A：应该能做到“都要”。如果今年B端有几个亿美金收入，公司离净利润不远了。最坏情况卖API也能支撑上市公司。希望有更大梦想，但也有保底业绩。

Q：关于组织形态的学习对象

A：没有模仿对象。每一步都是根据实际情况做决策，不是模仿谁。我们本质上还是公司，要考虑怎么活着。很多伟大的公司有利润以外的追求——那个追求反而让商业化更好。

Q：关于下一代模型参数

A：下一代可能在150到250B激活。乐观的话今年年底可以开始训练，至少明年。跟美国大尺寸模型的差距还比较大。

Q：用TileLang替代CUDA会有效率损失吗？

A：是大幅提高效率，损失1%-2%可接受。以前离不开CUDA生态，现在可以抛弃它用更简单的方法——TileLang是高级语言，代码量小，可以快速重写。这是技术发展的大机会。