梁文锋闭门会实录：DeepSeek的克制哲学与AGI战略路线

一场4小时闭门会，为何引发行业热议

2026年5月，DeepSeek创始人梁文锋举办了一场时长约4小时的投资者闭门交流会。这份完整文稿在时隔两个月后外流，迅速引发行业热议。与外界预期的商业化路线图、增长目标不同，这场发言的核心关键词只有一个——克制。

梁文锋在会上反复强调，公司不以盈利、上市为终极目标，坚持愿景驱动的无KPI管理模式，主张只赚取合理利润，并持续开源包括最强模型在内的所有成果。这份实录清晰展现了DeepSeek长期聚焦通用人工智能（AGI）的发展定力，也罕见披露了其对算力差距、国产芯片、竞争终局的判断。

本文基于该录音文字稿，梳理其中最值得关注的战略逻辑与技术判断。

愿景驱动的组织：没有KPI，不太加班

DeepSeek的管理哲学与硅谷主流AI公司形成鲜明对比。OpenAI、Anthropic等公司均采用严格的OKR或里程碑驱动模式，背后是风险投资对增长速度的强烈诉求。梁文锋对公司文化的描述近乎理想主义。他坦言，公司从创立之初就没有想过要赚多少钱、要上市，最初的几十个人"如果这么想就不会来"。

他引用二十年前崇拜的通用电气前CEO杰克·韦尔奇的观点：管理一个大公司靠的不是规章制度，而是愿景。 韦尔奇以"无边界组织"著称，核心是打破官僚体系、激发员工内驱力，其1981至2001年在通用电气的实践被视为现代管理学的标杆。将这一制造业时代的管理哲学移植到AI研究组织，本身就是一种反流行的选择。

更具体地，他描述了一套两条线并行的管理机制：一条自上而下，一条自下而上。自下而上的部分意味着每个人自己想做什么就做，没有KPI。公司希望正式任务不要占用员工超过一半的时间，剩余时间由员工自由支配，"我们一般也不太加班"。

他给出的理由很务实：做研究需要松弛的环境，"逼得很紧就没法做研究"；同时研究本身不太消耗算力，"需要的是想法，门槛很低，谁都可以去摸"。这种低资源占用、高思想密度的研究模式，正是DeepSeek在算力受限环境下依然保持竞争力的底层逻辑。

开源与克制：只赚合理利润的战略选择

关于开源，梁文锋态度明确：最强的模型也会开源，因为看不到闭源有什么好处。 他特别区分了自己与其他同类公司的开源动机——有些公司开源"有一种被追的感觉"，并非本意，而对DeepSeek来说"这就是我们的本意"。

他给出了开源不影响商业的关键论据："我们只赚六倍利润的情况下，开源不会有什么影响。但如果你要赚一百倍利润，那么开源确实会影响。"换言之，开源与暴利之间存在天然矛盾，而DeepSeek主动选择了前者。他还强调开源模型与自部署模型完全一致，不会"开源一个差点的"。

在定价上，这种克制体现得更为具体。DeepSeek的API定价逻辑是"买一批设备回来，十个月收回成本"，这被他视为合理利润，而非利润最大化。"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用户需求没有弹性。"他甚至透露，团队降价时公司群里"很多人是欢呼的"。

梁文锋将克制上升为战略高度："克制是一种战略，在于有时候你可以舍弃一些，来换更多其他的东西。"更深层的逻辑在于成本与规模的关系——成本越低，就越能训练更大的模型，这本身就是愿景的一部分。

C端B端只是AGI路上的副产物

对于外界最关心的商业化，梁文锋的表述颇为反直觉：C端和B端都是做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。"

他回顾DeepSeek突然爆火时的心态："那不在我们的剧本里面，我们完全没想过。"面对涌入的用户，公司并没有去追求留存或变现，"我们没有去抢用户，没有去赚钱，但很努力想办法把用户服务好"。他将C端日活形容为"芝麻"，"因为后面还有西瓜"。

即便如此，商业前景依然被他描述得相当稳健。他预判若需求持续扩大、显卡供应跟上，API与AI收入做到几个亿美金很有可能；若能做到十亿美金，公司现金流基本就能回正。他还给出了最坏情况的兜底方案："如果技术后面没有新进步，冻结在这里，那么我们就全力卖API，我觉得也够支撑一个上市公司。"

AGI路线图：下一个阶梯是持续学习

梁文锋将AGI的发展描述为一个层层递进的"阶梯"：CoT（思维链）之后是Agent，而下一个要解决的核心问题是持续学习。

这一技术阶梯对应了AI研究界近年来的核心演进路径。CoT（Chain-of-Thought，思维链）由谷歌研究员Jason Wei等人于2022年系统性提出，通过引导模型逐步分解推理过程，显著提升了数学、逻辑等复杂任务的表现——DeepSeek-R1正是这一范式的集大成者之一。Agent则指具备自主规划、工具调用和多步骤执行能力的AI系统，目前仍受制于上下文长度限制和错误累积问题。而"持续学习"（Continual Learning）是学术界长期悬而未决的难题：如何让模型在不断获取新知识的同时，避免"灾难性遗忘"（Catastrophic Forgetting）——即学习新任务后旧知识急剧退化——是打通从专用工具到通用智能最后一公里的关键技术壁垒。梁文锋将其定位为当前最核心的研究方向，与Meta首席AI科学家LeCun等人的判断高度一致。

他的判断非常鲜明："现在不缺品味和直觉，缺的是持续学习的能力。"在他看来，让模型写文章的品味和直觉已经没问题，真正的瓶颈在于如何让模型像人一样进行长时间的持续学习，而不是依赖一次性的强训练。

他描绘了持续学习突破后的图景：模型将能做人类能做的所有事情，进而"自己开发自己的下一个版本"，开发更强的AI模型。再往后走完这一步，才是他所说的"通用智能"——那时它才真正走进现实世界，"可以给你做家务，可以给你养老"。

你可能没注意到投资人与研究者的视角差异。梁文锋指出："投资人看到最多的是Agent，但对我们研究的人来讲，现在看到更多的是学习，以及怎么解决学习这个问题。"他还强调，训练下一版模型的首要目标是"提高DeepSeek自己的工作效率"，因为"这是实现AGI最快的方法"。

算力与芯片：与美国只差资源，帮华为完善生态

在算力问题上，梁文锋给出了坦诚的量化判断。DeepSeek目前大约有两万张等效算力，大部分是最近一两个月才到货。他明确表示："我们跟美国的差距主要在资源上，人上面几乎没有差距，因为就是同一批人。" 人才不是瓶颈，资源才是最大的瓶颈。

他给出了差距的具体度量：落后美国约12到18个月，"只用美国二十分之一的算力把事情做出来"。未来的目标是改写这一叙事——用几分之一的算力，把时间差缩短到六个月、三个月，甚至在某些方面实现超越。

对于国产芯片，梁文锋表现出明确的战略支持。他直言购买华为昇腾950的目的"还是希望帮华为把生态做好"。华为昇腾950超节点采用达芬奇架构，通过高带宽互联实现多卡协同，是华为当前面向大模型训练的旗舰产品。他认为华为950超节点在性能和价格上可以完全平替英伟达GB200，唯一代价是"四张华为卡顶一张英伟达卡"，且时间上落后约两年。

更关键的判断是英伟达CUDA护城河的瓦解。CUDA（Compute Unified Device Architecture）自2006年发布以来，凭借庞大的开发者生态、成熟的编译工具链和深度优化的算子库（cuDNN、cuBLAS），构筑起竞争对手难以逾越的软件壁垒——传统观点认为，即便硬件性能追平，十几年积累的软件生态仍是不可复制的竞争优势。梁文锋列举了三个瓦解因素：一是AI可以写代码来构建生态；二是北京大学团队开发的开源高性能算子编程语言TileLang（由TVM框架原作者陈天奇等人参与推动），通过声明式编程大幅降低跨硬件平台的算子开发成本，可以快速把英伟达整套生态"全部写一遍"；三是计算卡市场已经超过游戏卡，两者没有理由继续耦合。他大胆预判："未来一年之内，国产芯片的生态完全没有问题这件事会被验证。"

竞争终局：拿得多的人会被拿得少的人打败

梁文锋对行业终局有一套独特的博弈逻辑。他认为国内做基础模型的公司"太多了，肯定会收敛"——美国可能就三家，而中国每家都做同样的事，资源分得很散，每家能拿到的份额就更少。

他提出了一个耐人寻味的"低占比制胜"理论："如果我的目标是占全人类GDP的5%，会被另一个只愿意占1%的人打败；出来一个只要0.1%的，又会把前面的人打败。拿得多的人会被拿得少的人打败。"这在经济学上对应一种"慷慨均衡"博弈策略——在赢家通吃的平台经济中，主动压低利润率、扩大生态覆盖，往往比追求短期利润最大化更能获得长期市场地位。亚马逊AWS长期以极低利润率运营云服务直到竞争对手无力追赶，是这一策略的经典案例。这也是他将克制视为战略的深层原因——独占AI这个可能占人类GDP 10%的市场根本不可能。

谈到公司的核心利益，他的回答简洁而坚定："保持团队的稳定性，这是我们最大的、甚至可以认为是唯一的核心利益。只要能保持团队稳定，我一定能做成AGI。钱肯定不是问题，资源不是问题。"

对于Scaling Law（规模定律），他明确表示相信规模越大效果越好。Scaling Law由OpenAI的Kaplan等人于2020年系统化提出，核心结论是模型性能随参数量、数据量和算力的增加呈现幂律提升，但边际收益递减。2024年底硅谷出现"Scaling到头"的讨论，根源在于高质量预训练数据即将耗尽以及推理成本居高不下。梁文锋区分了"美国视角的Scaling极限"与"中国视角的仍有空间"，实质是指出两者所处的算力规模区间根本不同：阻止DeepSeek扩大规模的只是算力，而非理念。"硅谷在说Scaling到头的时候，那是对硅谷来说；对中国人来讲，我们离那个还很远，根本就没有Scaling到那个程度。"他透露，1.5T参数规模的模型乐观估计在不远的将来可以开始训练。

有所不为：视频生成与世界模型不做

除了明确要做的方向，梁文锋也划出了清晰的边界。对于视频生成和世界模型，他的态度是"不做"，理由是"跟智能的上限没有关系"。

他回顾Sora出来后所有公司一拥而上的现象，但"小公司后来都把它砍掉了"。他承认视频生成"在商业上是个好生意，但我们不会因为它是好商业而去做它"。同样，世界模型"跟智能的上限也没有太大关系"，不是现阶段最重要的事。

唯一的例外是多模态——他将其定位为"一个组件，不是主线本身"，但因为对C端产品重要，所以肯定会做，后续版本将支持原生多模态。

此外他还坦言了一个鲜为人知的瓶颈：数据标注。"中国标数据并没有成本优势，尤其是标高端数据，实在太贵了。"目前公司"最重要的人里面有一半在标数据"，但他乐观预期高质量数据问题在可见的未来能得到较好解决。

结语：一份罕见的战略自白

这份实录之所以引发热议，在于它展现了一家AI公司少见的长期主义与克制姿态。在行业普遍追逐流量、变现与估值的语境下，梁文锋反复强调的"合理利润""愿景驱动""帮友商赋能""团队稳定是唯一核心利益"，构成了一套完整而自洽的价值体系。

无论这些判断最终能否兑现，DeepSeek所选择的这条以持续学习为技术主线、以开源和克制为战略、以国产芯片生态为长期方向的道路，都为观察中国AI产业的另一种可能性提供了珍贵样本。