梁文鋒3小時44分鐘閉門會聊了什么？全干貨來了：十大核心主題+六大焦點問答

近兩天，DeepSeek創始人梁文鋒與投資人的閉門交流實錄在網上刷屏，并引發廣泛關注。

7月23日，《每日經濟新聞》記者（以下簡稱每經記者）獲取了上述投資者交流會的實錄，經參與投資DeepSeek的機構核實，閉門會于今年5月召開，其內容真實可信。

每經記者梳理發現，整場交流長達3小時44分鐘，前兩個半小時為梁文鋒的專題講解，圍繞公司愿景、開源邏輯與AGI（通用人工智能）技術路線展開；后續約1個小時的問答環節中，梁文鋒就中美算力差距、團隊穩定性及國產芯片生態等問題與投資人進行了深入交流。

梁文鋒 圖片來源：視覺中國（資料圖）

完整的實錄有3.4萬字，為便于抓取核心要點，每經記者特將梁文鋒的專題講解精煉為“十大核心主題”，涵蓋克制戰略、10個月回本的定價法則、AGI不是突變是階梯等；同時，將其與投資人的問答互動濃縮成“六大焦點對談”，涉及數據標注瓶頸、與OpenAI的差距時間表等直擊市場最關切的議題。一次性完整呈現了梁文鋒關于經營底層邏輯、算力博弈、組織增長的獨家判斷。

針對上述閉門會的交流內容等，《每日經濟新聞》記者向DeepSeek發去采訪函，截至發稿，暫未收到回應。以下為每經記者根據實錄梳理的核心干貨。

梁文鋒專題講解“十大核心主題”

1. “克制”是核心戰略，后面會有更大的“西瓜”

我們從?開始就覺得需要克制。你越克制，越有可能做成這件事。這是?個商業上的考量，當然這是?個宏觀的考慮。

這跟之前開源做?個軟件可能是不?樣的，因為那個軟件的市場就沒那么?。但是AI這個事情實在太?了。如果說我們想獨占這個利益，那么?定是要被歷史拋棄的。我覺得這是?個客觀的規律。

這種克制，我理解從長遠上來講，能夠增加我們做成AGI的概率。

去年我們沒有在C端去發?，可能是對的。 因為能看到后?真的是有更大的“西瓜”，前?真的只是一些小“芝麻”。

更?的機會應該還在后?， 前?的機會包括去年的C端、今年的B端，我覺得這事要做，要把它做好，但這不是我們的?標。

我們離徹底轉向商業化的時間點，應該是很遙遠的。在過去3年，任何一個時候你來跟我說商業化路徑、產品線，都是浪費時間，因為你并不能預見未來。

2. 開源就是“我們的本意”，對商業模式沒有任何影響

在開源這個事情上?，我們?開始就想得?常清楚。?先，第?個就是愿景；第?個，我們認為要把AI這個事情在商業上做成，開源是有好處的。

智譜也開源，但是智譜的開源跟我們的開源不完全一樣。對我們來講，這就是我們的本意。

開源，我覺得對我們的商業模式是沒有任何影響的。前提是我們只賺6倍的利潤，10個?收回成本。在我們只賺6倍利潤的情況下，開源是不會有什么影響的。但如果說你要賺100倍利潤，那么開源確實會產生影響，因為第三?會部署，他可能是20倍，就?你低了。

我按10個?回本來評估，就能夠讓獨?部署的第三??利可圖，因為第三?他做不到這個成本，所以開源并不會影響我的收?。而10個?收回成本，我覺得這是?個合理的利潤。

我們的V3.2 Flash跟其他的，都是10個?收回設備的成本，這就是我們的標準。它其實不是利潤最?化的，如果利潤最?化，應該把價格設得更?。因為在這個價格區間，?戶的需求是沒有彈性的，就是我價格再提升?半，甚至說再抬??倍，Token（詞元）的消耗量區別不?。

我們為什么不繼續降價，是因為它沒有彈性。就是我再降價，需求不會更多了；或者我再降價，需求增加得很少了。因為這個價格所有?都?得起了，?家對這個價格是滿意的，不會因為這個價格貴?不?了。

3. 只做AGI主線，3D、視頻?成不在這個主線上

在對外?打交道的時候，我們的態度是：只做AGI的主線。這就是我剛剛說的這個GPT（生成式預訓練變換器）、CoT（思維鏈）、Agent（智能體）等等，就只做主線。AI領域很?泛，有很多東西我們覺得它不在這個主線上?，?如說3D、視頻?成，我覺得可能跟智能的主線沒有太?的關系，我們不會去做。

C端和B端，都是我們做AGI道路上的副產物，都是?個中間的產出，跟我做AGI沒有沖突。我并不是為了做C端，或者為了做B端?去做它，?是我們做AGI是為了做AGI，剛好能產出這個東西，我就把它拿來做商業化了。

你站在?個技術的?位上來做相對低?級別的技術，是有這樣降維打擊的。?少在去年的C端，我們看到確實是這樣。我們沒有在C端上花很多??，甚??度我們都不想維護那些?戶了，但是?戶“趕都趕不?”。

4. AI的發展是?個階梯

AI的發展，我們可以理解成它是?個階梯。去年?的階梯是CoT，就是思維鏈。因為我們發現，通過思維鏈的?式，可以讓智能達到?個更?的?平。通過它??思考，可以讓AI能做更多的事情。

今年的階梯就是Agent，因為我們發現，?Agent的?式，即便有更多的事情也可以做，它的能?范圍會更?，它的智能上限會更?。

在Agent之后，我們覺得應該要解決的問題是持續學習，就是怎么讓模型可以持續地學習。

持續學習之后，可能我們就會來到?個奇點——當這個模型能夠持續學習之后，已經能夠做?類幾乎所有能做的事情了，它就能夠??開發??的版本，能夠??再研究，然后開發??的下?個版本，開發更前衛的??智能模型。所以它就會到?個奇點，能夠實現??的迭代。

這是我們的推測，我們覺得這個時間表應該是：先解決學習，然后再到那個智能的奇點，能?我迭代的奇點，然后才是具?智能。到具?智能之后，它就可以?進現實世界，可以給你做家務，可以給你養?。

5. 中美大模型競爭差距主要在算力資源

（大模型競爭）最終的差距應該是三??：???是成本，???是時間，???是?戶體驗。除此以外，可能沒有什么其他的差距。

對于現在最?的模型來說，我們其實是“訓”不起的。我們哪怕把500億元全花掉，其實也訓不起。哪怕能堆起來也?不起?，F在全球最?的模型，它的激活?概是800B（Billion，10億參數）；國內最?的模型可能就??B激活，還差著?個數量級。

如果我要訓練跟AI同樣?的模型，應該需要5萬張GB300，或者華為950，20萬卡。這只是訓練，還沒有考慮做研究。所以我們跟美國之間最?的差距是在資源上?。

所以我們跟美國的區別，我認為就是資源上的區別。我們可能會認為，我們看到的所有區別，包括?才的區別、模型能?的區別、應?的區別，都可以認為是因為算?資源上的區別。

在全球AI主導分?的時候，中國公司很有可能扮演產量最?的那個角色。常理來講，我們的產能最?，包括芯?，芯?可能我們的產能最?，我們的電?最多。

中國?會把一件產品做到最便宜，然后在效果上，現在很多中國產的商品跟美國產的其實可能并沒有太?的區別。未來AI可能也是這樣，中國產的AI價格會更便宜。這個便宜應該是系統性的低，就跟其他?業中國提供的服務更便宜是?樣的。

OpenAI和Google，未來?概率還是會交替上升，應該是會交替上升。其實現在Anthropic在Code Agent上的優勢沒有那么?，并沒有說它可以碾壓OpenAI。

Anthropic它有先發優勢，但這先發優勢應該很快就沒了，并不是?個它能夠長期占得住的優勢。

國產卡現在有?個歷史性的機遇。因為之前國產卡適配有?個難題，叫?態不好。就買了卡之后?不起來，它沒有英偉達那個?態。但是這個事情正在發?變化。英偉達CUDA的護城河在快速?解。現在有了AI之后，要建?起一個?態?以前容易很多了，因為AI可以寫代碼。

6.To B的需求會快速增?，但最終受制于需求

未來我們會不會?建?型的集群？我覺得?建?型的集群是肯定要的，我們???直在做這個事情，我們所有的集群都是??建的。

但是未來要不要?研芯?，我覺得取決于這?的收益有多?。我希望不?去做芯?。我希望能夠以合理的價格買到芯?。

我覺得AI這個事情很?，我們希望只做?塊。我認為這?的?意利益已經?夠?，AI時代可能會產?很多家萬億級別的公司，我覺得如果我們是其中?家就非常不錯了，這就是我們的態度。

譬如說，?少在To B（面向企業）、To C（面向個人消費者）這兩個業務上，?前能看到的，真的想做To C閉環的，反?我們做得好；真的想做To B閉環的，說不定也沒有我們做得好。

To B業務的上限應該還是需求，在現在這?代 AGI、AI技術的背景下，To B的需求應該是有限的。它會快速增?，但并不是?個?窮?的事情，最終還是受制于需求，不是算?。 在當前技術的條件下，收?有多?，最終還是取決于需求。

7. 我們還沒有機會碰到Scaling的墻，但會不遺余?去推進它的上限

我們相信Scaling Law（規模化法則），肯定是規模越?，效果越好，能夠解鎖更多的功能。阻?我們Scaling的其實就是算?，并不是我們不想Scaling，是我們沒有那么多算?去做這個Scaling。

我們沒有觸摸到這個上限在哪?。我們訓練這么?的模型，并不是因為我覺得這么?的模型就夠了，?是我剛好只有這么多資源。我們還沒有機會碰到Scaling的墻，這離我們還很遠。硅?在說Scaling到頭的時候，那是對硅?來說；對中國來講，我們離那個還很遠，我們根本就沒有Scaling到那個程度。

這個Scaling包括數據的Scaling、模型規模的Scaling，然后訓練成本。我們離探索這個Scaling 的上限還?較遠，就是沒有那么多算?。但我們也會不遺余?地去推進這個Scaling的上限。

8. 下?代模型的核?能?是必須要有持續學習的能?

下?代模型的核?能?，我覺得它必須要有持續學習的能?，這樣才能叫下?代模型。在那之前，我們能做的就是成本，然后效果做得更好，速度做得更快。但是要有?突破，它應該是具備持續學習能力的。

現在Agent的能?受限，是因為它不能持續學習，它不能有效地持續學習。如果說能先把持續學習做完，那AI的能?是?常強的，它能夠?常?地提升我們??研究的效率。持續學習先做出來，通?智能可能就很容易了。

9. 商業化公司很難有動力追求模型效率，但我們會優先考慮成本效率

我們發現，不是所有?都很在乎這個模型的效率。對于?個商業化公司來講，沒有動?去追求模型效率要?常?。都低成本了，商業化公司還賺什么錢？那樣可能就收不到什么錢了。

相反，這卻是我們愿景的?部分。我們的同學在乎這個成本，因為我們的同學都是普通?，他知道?這個都是要花錢的。他能夠有這個同理?：別?要花錢來?，那么如果便宜?點，別?接受的程度會更?。所以我們有很多同學還是希望我們能把成本做到更低。

我希望它是?個負擔得起的，特別是在中國算?緊缺的背景下，是可以負擔得起的，能在國產卡上?的。我覺得低成本?先是?個結果。我們的模型確實?直在模型架構上往更低成本的?向?，這跟我們的愿景有關系。我們還有很多在算法上的?法，成本還可以往下?。

成本往下?還有?個原因是，成本越低，就越能訓練更?的模型，就越能承擔起更?的模型。在同樣算?上，如果算?有限，那么計算效率越?就越能夠承擔起更?的模型。對?公司來講，他不?定會這么考慮，但我們會優先考慮成本效率。

10. 國內?前最合理的做法應該是全?做通?Agent

未來我們國內的商業模式是怎樣的，或者說最順利的路徑是怎樣的，我們還沒有到那個階段。國內和國外的情況不完全?樣，以?前的情況來看，我覺得最合理的做法應該是全?做通?的Agent，其他Agent的優先級應該更低，包括?融、醫?這些 Agent。要先做Coding（編程），因為Coding Agent 能夠做到很多，還有很多垂直的Agent?，F階段我們覺得最重要的，應該還是Coding Agent。

如何在純粹科研、純粹做AGI的?向和資本市場之間找到平衡，我覺得應該是能夠做到的。假如說我今年能夠有?億美元的B端收?，再加上我們C端有?戶，那么這本?就已經有?定的商業基礎。如果明年我們B端的需求還可以再增?的話，公司離實現凈利潤就已經不遠了，可能就不再是?個純燒錢的階段了。所以我感覺后?能做的的動作應該還是?較?的。

或者說，最壞情況賣API（應用程序編程接口?），可能都能夠?撐?個上市公司。如果說后面技術沒有取得新的進步，就凍結在這?了，那么最后我們就全?賣API，把這些服務做好，我覺得也是足夠的。

所以我覺得還是有信?的，確實沒有那么難。因為確實是在?個杠桿?的地?，?在?個發展??？斓念I域，它可能就是沒有那么難。只能講，我們希望有更?的夢想，但是我們也有保底可以拿出來的業績。

“六大焦點”對話梁文鋒：AI人才短缺是短期現象，很快將大幅緩解

焦點一

問：能否分享持續學習在什么時候能帶來突破的時間線？如果實現持續學習，還需要哪些架構、算法的創新，以及其他關鍵要素？

梁文鋒：現在全世界都在研究這個問題。或者說，對投資?來講，現在投資?看到最多的是Agent；但對于研究人員來講，現在看到更多的是學習，以及怎么解決學習這個問題。

其實學習可能不是?項技術，而是?個問題。怎么解決這個問題，可能有很多種技術，不是?項技術。或者說，AGI是由很多東?組成的，需要模型，然后還需要很多其他東?。其實這也是?個?程和算法問題。這個問題?較專業，但有很多?法，也有很多研究。

焦點二

問：現在開源之后，這個?業?有多少伙伴、?才、團隊，能夠?較好地復現開源?前的?些模型和成果？未來在?態進?步發展時，您感覺在哪?個??，需要更多?質量的?才來銜接到我們的模型？還是說現在GPU（圖形處理器）的算?相對有?些稀缺？未來您感覺會?成?個什么樣的?態？

梁文鋒：第?個問題是?態的問題。我們覺得，可能每個企業?臨的問題都是?才不夠。但我覺得這個?才短缺會是階段性的。在每個?業發展的初期，?才都是不夠的。包括以前做?站、互聯網、做服務端等，剛開始?才也都是很缺的。但是這種?才短缺都會很快得到解決，也就兩三年就會培養出?量的?才。

AI?才的短缺也是階段性的，是一個短期現象，我們已經看到，實際上現在已經?幅度緩解了。每個公司都會很快把?培養出來。歷史上也很少出現?期缺某?類?的情況。我還記得??年前說飛行員很缺，培養周期很?，但這個問題也很快得到解決了。

所以?家不?擔?，國內現在做基礎模型的公司很多，資源也?較分散，某種程度上也帶來一定的浪費。最終應該不需要那么多?去做基模，?定會收斂?，F在可能?家覺得做這個事情的利潤率?常?，所以都想要??做。但當他發現這個利潤可能沒有那么?的時候，可能就不做了。

這意味著我們正處在這樣?個階段：如果有?個?常?的利潤率，這?定不符合客觀規律。最后如果有個三四家公司參與競爭，競爭就很充分了，絕對夠打價格戰了。?模型可能兩家?公司、兩家?公司，可能就已經?較夠了。

我不認為?模型公司可以拿??部分利潤，這個不太可能。這么多家?模型公司，差距最主要就體現在兩點：?個是時間，?個是成本。所以不?于哪?家會產生暴利，成本控制得好的?就多賺?點，成本控制得差的?就少賺?點。

焦點三

問：AGI理想的狀態是模型可以?我迭代、?我學習，就是??訓練??。?前，您感覺仿真數據是不是可以?起來，還是說真實數據的質量最?？通過模擬數據、仿真數據、創造數據等?式，能否讓這個模型能?去超越?類過往的所有真實？

梁文鋒：我覺得是能超越的。我覺得有兩點可以超越，?如說圍棋，AlphaGo（谷歌旗下DeepMind公司開發的人工智能）下了???類從來沒有?到過的棋，也就是說，他在?定的范圍內肯定是可以超越?類的。

但是他可能也有上限，也有局限性。但是這個局限性我們現在看不到。所以籠統地認為，AGI是可以基于?類已經有的、我們已經能說出來的知識上，予以超越的。

焦點四

問：對于 AI Infra（人工智能基礎設施）這?塊，尤其是算?領域，現在?家都是千億美元級別地在投?，但在實踐的過程當中，會不會現在去建了萬卡集群，但過了兩三年，它就變成了?個陳舊器件？

梁文鋒：英偉達的卡基本上可以按照5年折舊。國內的卡，?命周期會短?點，但差距也沒那么?。

我們算?落后是?個事實，但可以通過一些方法來消解。我們跟美國的差距可能是落后美國12個月~18 個?，但是假如我們能夠只?美國幾分之?的算?把這個事情做出來，那么未來我們也能改寫這個敘事改寫。

我覺得這是?個?標，我們甚?可以在某?些??超越美國。在總體算?還是有數量級差距的情況下，全?超越是不現實的；但是在某?些重點、有取舍的地?，我們實現超越是有可能的。

焦點五

問：剛才提到我們這?階段要解決的核?問題是持續學習，也是?前國外研究的熱點，叫Recursive Improvement（持續學習）。?前來看，技術上最?的難點是什么？這個什么時候可以解決？

梁文鋒：它的難點在于，全世界都還沒有找到好的?法，?家都還在摸索階段，就是不知道誰能摸到下?個解決這個問題的?法?，F在還在探索階段，雖然我們有很多思路，有一些想法看起來非常有前途，但到目前為止都還沒有做通。

現在我們內部?較看重這樣?個敘事：訓練我們的下?版模型，我們希望它能夠幫助我們??實現開發。我們的模型?先是要提?DeepSeek??的?作效率，讓我們開發下?版模型的時候，它能夠提供更多的幫助。

我們做的模型，第??標不是?家?起來好?，?是我們???起來好?，對我們??有?之后，我在開發下?版模型的時候就會更快。這是實現AGI最快的?法。

雖然這個敘事有點奇怪，但確實有很多?就是這么想的?，F在?常確定，我們確實需要??智能來幫助我們實現AGI。雖然說它還不是?主地?作，它還只是跟?搭配，但是已經很有?了。

焦點六

問：您剛才提到先解決持續學習，然后再去做智能。這背后的技術根源是什么？是不是意味著解決完持續學習問題以后，DeepSeek后續也會做通?智能？

梁文鋒：先解決持續學習這個問題，就可以??加快我們的研發進度，通?智能這個問題就不在話下了。在有AI輔助的情況下，如果AI能夠持續學習，它的能?應該是?常強的。

現在的Agent的能?受限，是因為它不能持續學習，它不能有效地持續學習。如果說能先把持續學習做完，AI就能夠提升我們??研究的效率，通?智能可能就很容易了，這是我們希望看到的結果。否則現在要去??做通?智能，它是?個?較累、?較苦的活兒，是?個數據密集、??密集的事情，性價?不?。