梁文锋4小时内部对话：DeepSeek的克制哲学与AGI路线

文章正文

近日，一段DeepSeek创始人梁文锋面对内部投资者的交流录音在网络上广泛流传。这场长达4个小时的对话虽然是面向投资者的内部沟通，但内容坦诚、逻辑硬核，为我们理解这轮AI浪潮的底层逻辑提供了极为宝贵的视角。本文根据B站UP主整理的重点内容，梳理出梁文锋对开源、定价、算力、组织和AGI路线的核心思考。

创业初心：善意驱动，而非利润最大化

整场对话给人最强烈的感受是两个字——克制。而这种克制并非刻意包装，而是渗透在公司骨子里的东西。

梁文锋说得很直白：最开始创业的那几十个人，压根没想过要赚多少钱、什么时候上市。在他看来，真正做事业的逻辑是先做到足够专业，赚钱只是顺带的结果。"只要做到足够专业，赚钱就是理所当然的事情。"

他坦言，创业的出发点是"对世界的善意"，觉得这件事对人类有用，是钱以外的事情。虽然后来发现AI市场的利益巨大、诱惑随之而来，但出发点始终不是商业利益最大化。正是这一初心，最终导向了开源的选择。

愿景驱动的组织文化

梁文锋多次谈到"愿景"。他提到20年前自己最崇拜的管理者是GE前CEO杰克·韦尔奇，后者有一句名言：管理大公司靠的不是章程制度，而是愿景。

"我们其实没有组织，就是靠愿景驱动的。"梁文锋说。这个愿景甚至不是成文的，没有白纸黑字写下来，而是体现在做事的方法和对待世界的态度里。每个人对愿景的理解可能不完全一样，但大方向是一致的。

这种管理哲学在科技公司中并非孤例，但实施程度如此彻底的极为罕见。历史上最接近的案例或许是贝尔实验室（Bell Labs）——研究人员自由探索方向，不与短期产品目标挂钩，最终诞生了晶体管、信息论、Unix操作系统等改变世界的发明。认知科学也支持这一模式：心理学家德西（Edward Deci）的"自我决定理论"证明，外部奖惩机制会削弱内在动机（即"过度合理化效应"），而创造性思维需要"认知松弛"状态，过度的绩效压力会缩窄思维广度。对于以算法研究为核心竞争力的AI公司而言，保护研究人员的内在驱动力，可能比任何激励制度都更有价值。

开源即本意：不是被迫，而是必然选择

关于"为什么坚持开源"，梁文锋的回答很有意思。他认为，愿景本身就要求必须开源。

他特别对比了其他公司的做法："有些大厂开源是一种被迫的，觉得这不是它的本意。但对我们来说，开源就是本意。"

更关键的是，他认为把AI在商业上做成开源反而是有好处的。这听起来违反直觉——历史上开源与商业化往往存在冲突。但开源软件的商业化历史为理解DeepSeek的策略提供了重要参照：Linux基金会、Red Hat（年收入超30亿美元后被IBM以340亿美元收购）和MongoDB等案例证明，开源并不必然意味着放弃商业价值。其核心逻辑在于——通过开放代码降低用户迁移成本、快速扩大生态规模，再通过企业服务、API调用或云端部署实现变现。在AI领域，Meta的LLaMA系列模型开源后迅速成为行业基础设施标准，反而巩固了Meta在AI生态中的话语权。

梁文锋认为AI不一样，因为AI的市场足够大，最终可能占掉人类社会GDP的10%甚至更多。"这么大的市场你不可能独占。如果想着什么都自己吞掉，一定会被历史抛弃。"

这不仅是情怀，也是他眼中的客观规律：越想独占，越做不成。

定价逻辑：只赚10个月回本的利润

DeepSeek的克制在API定价上体现得最为直接。大模型API通常以"Token"为计价单位——Token是模型处理文本的基本单元，大致对应0.75个英文单词或约1.5个汉字，定价分为输入Token和输出Token两部分，输出通常更贵，因为生成计算量远高于读取。OpenAI GPT-4发布时的定价约为每百万Token 30美元，而DeepSeek API定价仅为其十分之一甚至更低。

梁文锋表示，公司从来没考虑过利润最大化，只是把利润设定为"10个月收回设备成本"这一标准。他透露了一个细节：在这个价格区间，用户需求是没有弹性的——用经济学术语来说，"需求价格弹性"趋近于零，意味着涨价不会减少用量，理论上可以无限提价。哪怕价格翻一倍，Token消耗量也差不多，收入几乎能翻倍。但他们没有这么做。

他还讲了个故事：一开始担心用户太多把价格定得较高，团队里大家都不太高兴；后来他把价格直接降到四分之一，公司群里一片欢呼。"这就是我们真实的想法——让这个东西对人有用，而不是赚最多的钱。在合理的利润下，大家都用得起，这才是动力，是凝聚力。"

对于"克制是战略还是情怀"的问题，梁文锋认为克制本身就是一种战略：短期看价格高、收入多，但长期看，舍弃一些利益能换来更多东西。开源让利、团队高兴、社会高兴，这种凝聚力反而增加了做成AGI的概率。

AGI五阶段路线图：从思维链到具身智能

在对话中，梁文锋清晰地勾勒了AI的五个发展阶段，这一路线图与学界主流框架高度吻合：

• 第一阶段：思维链——让AI学会像人一样思考，目前在写代码、数学上已超越人类。思维链（Chain-of-Thought，CoT）由谷歌研究员于2022年论文中系统提出，指通过引导模型逐步推理而非直接输出答案来提升复杂任务表现，DeepSeek-R1正是此方向的代表作。
• 第二阶段：智能体（Agent）——当下AI所处的阶段，让AI能调用外部工具、浏览网页、执行代码，自主完成多步骤任务。目前OpenAI的Operator和Anthropic的Claude均已在此方向积极布局。
• 第三阶段：持续学习——现在的AI没有记忆、不了解背景知识，像个新员工；未来的AI要像老员工一样，在工作中不断学习、拥有长期记忆。这对应机器学习中的"终身学习"（Continual Learning）难题——如何在推理阶段实时更新知识、避免"灾难性遗忘"，至今仍是未解难题。
• 第四阶段：自我进化——AI能自己写代码、自己更新自己，即AI自动化研究（AI for AI Research），已有AlphaCode等初步实践。
• 第五阶段：具身智能——AI拥有身体，走进物理世界，以实体帮助人类做事。将语言模型与机器人物理控制结合，Figure AI、波士顿动力等公司正积极探索这一方向。

算力差距与国产芯片机遇

谈到绕不开的算力话题，需要首先了解这一话题的政策背景：2022年10月，美国商务部将英伟达A100、H100列入出口管制名单；2023年10月进一步收紧，H800、A800等"降配版"也被纳入限制；2024年管制范围再度扩大至几乎所有高性能AI芯片。梁文锋的判断相当务实。他认为，中美之间的差距其实只有一点——资源，人力资源差距几乎没有，因为国内人才储备相当充裕。

他透露，DeepSeek目前大概有2万张H系列等效算力（即此前采购的H800或等效计算能力），大部分是最近一两个月才到位的。策略是"在合理价格下能买多少卡就买多少卡"，甚至愿意付出一定溢价，因为性价比依然划算。但问题是，有钱也买不到那么多卡。相比之下，微软为OpenAI承诺部署超过10万张H100，算力悬殊可见一斑。

他算了一笔账：美国最大模型的激活参数大概800亿，国内还在几十亿量级，差了一个数量级。要训练一个800亿的模型，需要5万张GB300或20万张华为最新卡，而这还只是训练、没做研究。正是这种资源约束，反而倒逼DeepSeek在算法效率上极致优化，发展出MLA（Multi-head Latent Attention，多头潜在注意力）等节省显存的创新技术，在国际学术界引发广泛关注。他们的策略是先在几十亿规模上把实验做透，等资源多了再往上走。

大模型竞争的三大终局要素

关于竞争终局，梁文锋认为差距体现在三个维度：

1. 成本——排在第一位，同样质量的服务能否比别人便宜。
2. 时间——早几个月、晚几个月就是不一样。
3. 用户体验——排在第三。

对于国产芯片，梁文锋认为现在是"历史性的机遇"。以前英伟达、CUDA的护城河很强——CUDA（Compute Unified Device Architecture）并非单纯的驱动程序，而是一套从硬件指令集、编译器、数学库（cuBLAS、cuDNN）到开发者生态的完整技术栈，超过400万开发者基于CUDA编写了大量深度学习框架底层代码，PyTorch、TensorFlow的核心算子均深度依赖CUDA。这种"生态锁定"效应使得即便竞争对手芯片硬件性能接近，软件兼容性缺失也会导致实际可用性大打折扣。

但梁文锋认为这一护城河现在正在快速瓦解，原因有三：其一，AI代码助手大幅降低了重写底层算子的人力成本；其二，Triton等高级语言允许开发者绕过CUDA直接编写硬件无关的GPU内核，新技术可以快速把CUDA整套生态用高级语言重写；其三，AI计算市场已比游戏卡市场更大，专用芯片不再与CUDA绑定，华为昇腾、寒武纪、燧原科技等厂商有充足动力投入软件生态建设，形成正向飞轮。

他判断一年之内看到国产芯片生态没有问题，唯一的瓶颈是产能。目前主要与华为合作，华为的950超节点在性能和价格上可平替英伟达GB200/GB300，代价是四张华为卡顶一张英伟达，时间上落后两年。但他认为，生态问题解决后就只差产能，五年后应该不会再卡在产能上。

组织管理：没有KPI，不鼓励加班

DeepSeek的组织方式也很特别。梁文锋描述为"两条线"：一条从上到下，叫"做正事"，大家分工协作；另一条从下到上，每个人自己想做什么就做什么，没有KPI。

他有个明确标准：正事不要占用员工一半以上的时间，另一半留给大家自由探索。这也是为什么他们不太加班——一是研究需要松弛的环境，二是做的事情足够聚焦，每个人分到的工作量自然就少。

这种去KPI化的管理方式有其深厚的理论基础。谷歌早期以OKR（目标与关键结果）著称，但本质上仍是量化考核体系；而贝尔实验室则是历史上最接近DeepSeek模式的案例——正是这种自由探索的文化，孕育了晶体管、信息论等划时代发明。心理学研究也提供了佐证：外部奖惩机制会产生"过度合理化效应"，削弱研究人员原本强烈的内在好奇心，而这恰恰是AI基础研究最需要保护的东西。

利润分配的哲学：拿得多就会输

当被问到AI最终的利润分配格局时，梁文锋给出了一个颇具哲学意味的回答：

"如果OpenAI想拿全球GDP的5%，一定会被只想拿1%的公司打败；而拿1%的又会被只想拿0.1%的打败。拿得多就会被拿得少的打败。甚至你愿景是拿得多，那你就已经先输了。"

他认为最后会有一个平衡点：拿太少的活不下去，拿太多的会被挑战，所以他们只赚合理的利润。这与"10个月回本"的定价逻辑一脉相承——"不是算出来的，是愿景决定的"。

核心利益只有一个：保持团队稳定

在对话的最后，梁文锋提到了一个很真诚的点：公司的核心利益只有一个，就是保持团队的稳定。"只要核心团队不走，一定能做成AGI，钱和资源都不是问题。"

他坦言最大的风险就是人员流动，虽然过去人才流动一直比同行少，但仍是最大挑战。最近一轮融资让团队拿到的期权比较可观，稳定性得到了很大缓解。

关于长期主义，他反复强调DeepSeek反其道而行之：很多公司在抢C端用户、想做下一个微信或抖音，而DeepSeek认为C端和B端收入只是追求AGI路上的副产品。"技术如果做到极致，用户自然就来，收入自然就产生。"他们不想跟互联网大厂抢流量，而是希望把底座做好，让合作伙伴去赚钱。

"AI这个事情太大了，你随便分一点点就足够大，所以不用着急，不用什么都想要。"梁文锋最后笑着说："我们真的就是一群平凡的人，只不过恰好做了一件不平凡的事。"

结语：一条中国特色的AGI之路

综合来看，梁文锋这番话传递了一个清晰信号：DeepSeek不急于变现，而是在下一盘很大的棋。通过极致的成本控制、开源的生态策略和对AGI核心技术的聚焦，他们试图在资源受限的情况下，走出一条中国特色的AGI之路。

有意思的是，这种开源策略也在西方引发了争议。近期有部分美国政客和硅谷人士将中国的开源AI称为"AI共产主义"，这从侧面反映出中国开源模型正在对既有格局形成实质性冲击。无论评价如何，梁文锋所展现的"克制、愿景、长期主义"经营哲学，确实为观察这轮AI竞争提供了一个有别于硅谷叙事的独特样本。

核心要点