梁文锋投资者交流会 · 录音文字稿

这份材料是2026年5月20日DeepSeek创始人梁文锋投资者交流会的录音文字稿，总时长约3小时44分钟，核心围绕公司愿景、开源战略、技术路线、商业化逻辑、算力硬件、组织管理与行业判断展开，核心内容总结如下：

一、公司愿景与核心价值观

1. 初心与组织驱动 公司成立之初不以上市、商业利益最大化为目标，核心愿景是“怀着对世界的善意，做对人类有用的事”。组织不靠规章制度、KPI考核驱动，完全以愿景凝聚共识；愿景无成文表述，体现在做事方式与对外态度中，是团队最核心的凝聚力来源。
2. “克制”是核心战略 认为AI产业规模极大（未来或占全球GDP的10%），任何主体都不可能独占利益，过度逐利反而会被历史淘汰；主动克制、让利是提升AGI研发成功率的长期战略，而非短期商业妥协。
3. 唯一核心利益：团队稳定性 资金、算力、资源都不是核心瓶颈，唯一不可退让的核心利益是保持团队稳定；只要核心团队不散，就一定能做成AGI。融资后员工期权保障充足，历史人才流失率远低于同行。

二、开源战略与商业化逻辑

1. 开源是主动选择，而非被动应对 开源是愿景的必然要求，与部分厂商“被迫开源”有本质区别；公司最强模型也会开源，且开源版本与自部署版本完全一致，不会做功能、效果降级。
2. 开源与商业化无冲突 前提是只赚取合理利润：API定价遵循“10个月收回设备成本”的标准（对应约6倍利润），该成本水平下第三方独立部署无利可图，不会冲击自身API业务；只有追求百倍暴利时，开源才会形成威胁。
3. 定价与商业化定位
   • 主动放弃利润最大化：即使token需求价格弹性极低（涨价一倍收入接近翻倍），仍选择主动降价（如DDCP模型曾降至原价1/4），内部对降价高度认同。
   • 商业化是AGI的副产品：C端流量、B端API收入都不是核心目标，只是AGI研发过程中的顺手产出；仅用极少人力维护，不做超级App、不抢C端留存、不铺销售团队。
   • 收入预期：若算力充足，API业务ARR可达数亿美金，有望覆盖全部研发支出，实现现金流回正。

三、技术路线与AGI长期规划

1. AGI阶梯式发展路径 认为AI能力是阶梯式递进，依次为：语言模型 → 思维链（CoT） → Agent → 持续学习 → 自我迭代奇点 → 具身智能。
   • 当前处于Agent阶段，下一个核心瓶颈是持续学习：解决后模型可像人类一样长期积累知识，真正替代员工角色，是AGI的关键门槛；目前全球尚无成熟方案，处于探索阶段。
   • 持续学习突破后，模型可辅助研发下一代模型，形成“AI加速AI研究”的非线性增长，进入渐进式奇点（非突变式奇点）。
   • 具身智能是最终方向（解决现实世界人力需求，如养老、家务），但需在奇点之后落地，届时可由AI自主研发迭代。
2. 技术取舍：只聚焦AGI主线 不做3D、视频生成、世界模型等非主线方向；多模态、搜索都只是智能的组件而非核心，V4及后续版本会支持原生多模态，但不作为研发重心。
3. 模型迭代与规模
   • 坚信Scaling定律有效，尚未触达规模上限；当前模型大小由算力决定，而非技术判断。
   • 迭代节奏约2-3个月一个版本；当前深耕几十B激活规模，下一代目标150B-250B激活，乐观预计2026年底可启动训练。
   • 幻觉问题可通过后训练优化解决，属于产品级问题，不是核心研究重点。

四、算力硬件与国产替代判断

1. 当前算力与扩量策略 现有约2万张H级等效算力，大部分为近期到位；策略是在合理价格下尽可能多采购显卡，优先把资金转化为算力资产，认为“半年花完融资买卡是最理想状态”。
2. 中美算力差距 核心差距在算力资源，而非人才：美国已落地800B激活规模模型，国内仍在几十B级别，相差一个数量级；训练同等大模型需5万张GB300或20万张华为950，国内暂不具备该算力条件。
3. 国产芯片的历史性机遇 认为英伟达CUDA生态护城河正在快速瓦解，三大驱动因素：
   • AI可辅助代码迁移，大幅降低生态构建难度；
   • TileLang等高级语言可快速重写算子生态，脱离CUDA依赖；
   • AI计算卡与游戏卡解耦，专用芯片不再需要绑定CUDA生态。
4. 与华为的深度合作 深度参与华为昇腾生态，核心研发TileLang高级编译器，实现对英伟达生态的替代；V3训练已脱离英伟达生态，基于TileLang运行。 华为950超节点可平替英伟达GB200/GB300，约4张华为卡性能对标1张英伟达卡，技术代差约2年；当前华为给公司的产能约1.6万张卡，核心瓶颈是产能。
5. 硬件周期判断 英伟达卡可按5年折旧，华为卡约3年；国产芯片生态问题1年内可验证解决，产能瓶颈预计5年内可逐步缓解。

五、行业竞争与终局判断

1. 大模型终局差异 最终各家模型效果差距不大，核心竞争维度按重要性排序为：成本 > 落地时间 > 用户体验。
2. 全球与国内格局
   • 全球：OpenAI、Google、Anthropic将交替领先，Anthropic当前的Code Agent优势是短期的；中国公司将凭借低成本、高产能成为全球AI“三体”之一，中国AI产品会系统性更便宜。
   • 国内：当前基模公司过多，未来会收敛至3-4家，资源逐步集中；行业高利润不可持续，最终回归合理利润，成本控制能力决定盈利差异。
3. 竞争底层逻辑 “想独占更多利益的公司，会被愿意拿更少利益的公司打败”；公司不与任何厂商为敌，愿意赋能包括竞争对手在内的所有参与者，全力支持开源社区第三方部署。

六、组织、人才与资本化

1. 组织与人才
   • 双轨制组织：一半时间是自上而下的正式项目协作（如版本发布），一半时间是自下而上的自由探索；不强制加班，保持松弛的研究环境。
   • 决策机制：以共识为基础，而非个人独断；随团队规模扩大，正在逐步调整组织架构，部分部门建立严谨层级，研究部门保持扁平松散。
   • 人才判断：AI人才短缺是阶段性现象，2-3年即可大量培养，国内人才基数充足，人才不是核心瓶颈。
2. 科研与资本化的平衡 认为二者可兼顾：当前B端收入增长乐观，若需求持续扩大，公司接近净利润水平；即使技术停滞，仅靠API业务也足以支撑上市，既有AGI长期梦想，也有商业化保底能力。