界面新闻记者 | 伍洋宇
界面新闻编辑 | 文姝琪
数月前，DeepSeek成功完成首次外部融资，募集金额逾500亿元人民币（约合74亿美元），投后估值攀升至500亿美元（约合3380亿元人民币）。
这一轮融资中，创始人梁文锋个人出资约200亿元，成为最大出资方。此外，腾讯投资额达约100亿元；宁德时代体系出资约50亿元，其中包含宁德时代及溥泉资本；网易、京东、Monolith砺思资本、IDG资本各投资约30亿元；正心谷投资、拾象科技各出资约15亿元。
这一事件迅速成为AI领域一级市场的热议话题。业内人士关注为何这家一度远离资本市场的头部模型厂商，最终接受了投资方的邀约。更有吸引力的是，除传承已久的光环外，梁文锋真实剖析的DeepSeek，其技术路线和商业理念究竟蕴含何等分量？
近期，一份Deepseek融资期间会议实录意外曝光，细致入微地展现了梁文锋所认知的这家公司、这项技术乃至整个行业的发展脉络，其中饱含大量关于组织文化、技术路径、商业博弈及算力基建的核心观点，足以让人懂得这家公司过往那些看似反常却可能正确的审慎决策。
以下为会议实录精要，经界面新闻整理编辑：
人才、组织与公司愿景
1、我们当初创立这家公司，起初并未设想要赚多少钱，也无意走向资本市场。最初的几十位员工完全没有这些念头，否则他们不会加入。
总体而言，我们是怀着对世界极大的善意来做这件事的，觉得这是对人类有益的，超越金钱范畴的事。
2、管理一家大企业，关键不在于规章制度，而在于愿景。愿景并非墙上悬挂的标语，而是体现在实际行动中，而非仅仅是口头上。
因此，我们缺少正式的组织架构，完全依靠愿景驱动、由愿景凝聚起来的团队。我们并非通过设定KPI考核来运营，而是纯粹依靠愿景。
3、AGI是更宏大的愿景，它能吸引更多优秀人才，凝聚更强的向心力。在组织上我们具备优势，以此优势……便形成降维打击。
但如果你是一家纯粹的商业公司，你的愿景若仅限于服务C端用户，那在产品和流量上会有优势，但在技术上难以领先。目前最有利的形势是，模型技术才是核心与关键。
4、在很多方面我们保持高度克制，但核心利益是什么？其实只有一点：维持团队的稳定性。
只要我能够保持团队的稳定，我一定能实现AGI。无非是时间问题，若遭遇挫折大家都不离开，我就能继续推进。
5、我们始终非常克制，不愿与任何互联网大厂或小厂形成对峙。我们希望赋能或协助大家发展，在此前提下，我们很乐意协助任何人，甚至包括阿里、智谱、月之暗面等竞争对手，做得更好。
我们并不因此受损，因为DeepSeek本来就是开源的，你若想复现，我们告诉你如何操作。这本身就是开源的一部分，不会因你是竞争对手而有何不同。
6、我们公司的管理其实是双向的：一是自上而下，二是自下而上。自下而上就是每个人自主探索，无人监管，无KPI。自上而下就是正式项目，需要集体协作，例如发V4版本。
我们希望这部分正式工作不超过员工一半的时间，剩下的一半时间是自由的，想探索什么就探索什么，只要公司算力支持，无需协调。
7、我们一般不太加班。加班只有两个原因：第一，研究需要较宽松的环境。若压力过大，大家就无法做研究。研究需基于兴趣，平时自我琢磨，必须放松。
第二，我们非常专注。
由于克制，我们选择不做许多事情。我要做的事情变少，每个人分到的工作也就减少。你看到我们的产品很多都不完善，但我们并未急于补全，这也是我们的一种文化。
8、目前大家可能面临的问题是人才不足，但我认为这种短缺是阶段性的，每个行业初期的普遍现象。以前做网站、互联网服务端，开始时都极度缺人，但这种人才短缺很快会被解决，也就两三年，因为会培养出大量人才。
9、我们没有模仿的对象，每一步决策都是基于实际情况、实事求是地分析利弊，而非模仿他人。我认为我们与贝尔实验室（Bell Labs）有所不同，前者明确不追求商业化，而我们是明确要商业化的。
我们最终还是要能生存，毕竟是一家公司，政府不会拨款。归根结底要考虑如何生存。很多公司做得很大，是因为有超越利润的追求，但那个追求最终不但没有影响商业化，反而使其商业化得更好。
大模型技术路径与AGI
1、从技术路径来看，AGI的路线图是比较清晰的。AI的发展，我们可以看作是阶梯式的。去年走的阶梯是CoT（思维链），我们发现通过思维链的方式，可以将智能提升到更高水平，让上限更高。
今年的阶梯就是Agent，因为发现用Agent的方式，AI的能力范围会更大，智能上限会更高。为什么是阶梯？因为每一步都基于前一步的基础，Agent要用到CoT，CoT也要用到前面的语言模型，没有一步是白费的。
国内目前的情况来看，我觉得最合理的做法应该是全力打通通用的Agent，其他的Agent优先级应该更低，包括金融、医疗等Agent。要先做Coding，因为Coding Agent能实现很多功能。
2、但在Agent之后，它仍然无法替代人类员工。因为AI还缺少一个关键点，即持续学习。人能持续学习，你招一个员工，花两个月熟悉公司环境和工作，就能上手。若说“叫小王来”，他知道小王是谁。但若AI没有这两个月的学习，你必须提供所有上下文信息，这不太现实。
所以我们在Agent之后能看到的下一个瓶颈，也是必须解决的问题，就是如何让模型实现持续学习。
3、持续学习之后，我们可能就会来到一个奇点。这个奇点是：当模型能够持续学习时，它已经能够完成人类能做的所有事情。
它能自主开发自己的版本，自己研究开发下一代更强大的人工智能模型，实现自我迭代。这一步完成后，我认为才算是具身智能。到具身智能阶段，它就能进入现实世界，为你做家务，为你养老。这是我们的推测。
4、多模态布局我们一直在推进，对C端用户产品很重要。但对智能上限，它只是个组件，不是主线。多模态我们肯定会做，后续版本也会支持原生的多模态，但我们不把它当作智能本身，它的主线与搜索类似，搜索是组件，多模态也是组件。
5、AI领域非常广阔，有很多东西我们觉得不在智能的主线上。比如3D、视频生成，这些与智能主线关联不大，我们不做。像世界模型，目前与智能上限提升关系也不大，所以我们也不做。
像Sora出现后所有大公司、小公司都做，但小公司后来都停了。它在商业上是个好生意，但与智能关联不大，我们只会因为它是智能路线图上的部分才会做。
6、我们是相信Scaling的，规模越大，效果越好，能解锁更多功能。阻碍我们Scaling的其实是算力，不是我们不想Scaling，是我们缺乏算力。
我们现在还没触及上限。硅谷说Scaling到头了，那是对硅谷而言；对中国而言，我们离那还远得很，根本没Scaling到那个程度。所以我们也会竭尽全力推进Scaling的上限。
7、在标数据方面，这与我们的资本投入有关。以我们资本投入的结构，支撑不起美国那么高的高质量数据标注成本，因为太昂贵了，无论是外包还是自标。
我们现在主要是双管齐下，先标成本低的。但解决AI问题，在当前阶段，靠的就是标数据。你可以认为，现在公司有一半核心研究员，最重要的人，有一半在标数据。我们就集中精力做标数据。
8、现在我们内部比较看重这样的想法：训练我们下一版模型，希望它能够协助我们开发，提升DeepSeek的效率。
我们做的模型，首要目标不是用户是否好用，而是我们自己用得好不好用。如果先解决了持续学习问题，那么通用智能问题就不在话下了。有了AI持续学习的辅助，它能够极大提升我们自己研究的效率。
开源、商业化与低成本战略
1、在开源方面，我们一开始就想得很清楚。第一是愿景，第二是我们认为要实现AI的商业化，开源是有益的。
AI这件事足够大，最终它可能占到人类社会GDP的百分之十。这个数字如此之大，一个人不可能独占，必须分享，否则无法生存。这和之前开源普通软件不同，因为市场没有那么大。
如果我们想独占利益，那么注定会被历史淘汰。这需要克制，你必须有一套机制确保自己获得的利益是有限的，才有可能做成。
2、你越克制，越有可能做成这件事。克制是一种战略，有时可以舍弃一些，来换取更多其他的东西。AI这件事太大了，利益太大了。只要能做成，最终利益会非常大，你随便分一点，已经足够。
所以我们之前说，我们只赚取合理利润，只看你的意愿，而非利润多少，这和普通商业思维不同。
3、关于API定价，我们认为合理利润大约是我们到市场上采购一批设备后，十个月收回成本。这就是合理的。
这个成本，十个月回本，我们自己能做到，其他家做不到。像阿里或腾讯，由于没有我们这样的优化，他们的成本应该比我们高好几倍，其中有很多优化空间。
4、在这个价格区间，用户的需求是没有弹性的，即使价格再翻倍，token的消耗量区别也不大。如果贵一倍，我们的总收入接近翻倍。但我们一开始担心需求太多，把模型价格定高了，团队里大家不是很高兴。后来我把价格降下来，降到四分之一，大家就很开心。
我觉得这才是我们真实的想法。在赚取合理利润的情况下，让大家都用得起。降价时，公司群里很多人欢呼，因为这是我们花了大量精力把模型做好，让大家充分使用的目的。
5、去年春节用户突然增多，但我们并未追求留住这些用户或变现，没有在用户身上争夺商业利益，但我们很努力服务好用户。
我们没有想法要做成下一个超级App，去做成下一个字节或腾讯。我不去争夺这些，因为后面还有西瓜，前面的可能都是些小芝麻，不应该什么都抢。
6、去年的C端、今年的B端，我觉得这事要做，要做好，但这不是我们的目标。公司大部分人认为这不是与AGI同等重要的问题。
C端和B端都是我们做AGI路线上的副产品，是中间产物。我并不是为了做C端或B端而做它，而是我们为了做AGI，正好能产出这些东西，我就把它拿来做商业化。
7、开源对我们的商业模式没有任何影响。我也不担心别人部署我们的模型来与我们竞争，一点都不担心。我只担心他部署不起来，有些细节没做好，效果变差了，或者他的成本比较高。这里没有利益冲突。
8、半年前大家讨论的商业化是什么？一定是我要做广告、做电商，或者在产品中植入电商，然后与本地生活结合，肯定没用的，因为变化太快了。你这个产品，花很多时间做商业化考虑、商业化路径，它的生命周期会很短。
我觉得还没到这个时候。在过去三年，任何时候你跟我说商业化路径、产品线，都是浪费时间，因为你无法预测未来。在任何时候你聚焦产品太早了，最大的还是技术延伸。
算力、中美差距与底层基建
1、我们与美国的差距主要在资源上，人才差距不大。因为就是同一批人，可能有些留在国内，有些去国外，去国外的人也并没有更聪明，是比较随机的。
而且我们的基数大，每年有那么多人的补充。人才不是瓶颈，资源是最大瓶颈。资源首先影响人才培养，因为算力少，我们能做的实验机会较少，所以人才整体上比美国有差距。人才的差距，本质上也是算力差距。
2、国内现在做基模的东西太多了，美国可能就三家在做，资源只集中在这三家，而中国资源分得很散，每家拿到的资源更少，我觉得这肯定是要收敛的，某种程度上也较浪费。不需要那么多家，目前大家觉得做这个事情利润高，所以一定要自己做。
但当他发现这个事情利润没有那么高时，可能就不做了。我不相信有暴利，这不符合客观规律。中国最后可能有个三四家竞争，价格绝对够打价格战的，可能就已经差不多了。
3、大模型竞争，终局的差距应该体现在三方面：一方面成本，一方面时间，一方面用户体验。除此以外，可能没什么差距。
成本肯定有差异，我觉得成本是排在第一位的区别。然后是时间，你什么时候能实现，早几个月、晚几个月，都不一样。第三可能是体验，中间会有一些用户粘性，但它可能不本质。
4、英伟达CUDA的护城河正在快速瓦解，原因可能有三方面。一方面是现在有了AI，要建立生态比以前容易很多，因为AI可以写代码。
第二，有一些新技术，比如我们出的TileLang技术，是一种高级语言。用这种高级语言来写CUDA的算子，可以很快地把英伟达的整个生态全部都写一遍，再结合AI，这看起来没有什么障碍。
还有一点是，计算卡的市场已经比游戏卡大了，以后计算芯片都不再和CUDA耦合，都是专用芯片了。在这个背景下，原来英伟达生态的作用就大幅度减少了。
5、国产AI芯片替代现在是个历史性机会。我们认为，未来一年内，国产芯片的生态完全没有问题这件事能够被验证。之前认为是有问题的，认为用不起来、不好用，但未来我觉得一年之内，能够用事实来扭转这些认知。
国产AI芯片的硬件和生态都没有问题，唯一的问题是产能不够。国产卡适配这一点没有障碍，英伟达挡不住。在英伟达的卡买不到的情况下，所有人迫于无奈，都必须去做国产芯片。在这个背景下，国产卡的适配是没有障碍的，但需要时间。
6、华为给我们的大约是一万六千张卡的产能，互联网大厂可能是十几万张。一万六千张的华为950，只相当于四千张的英伟达B系列。所以说这不是一个很大的量，意义不是很大，它只够训练我们现在这一代模型，不够训练下一代。
华为卡生命周期肯定是会短一点的，因为它本来就已经比英伟达晚两年了。华为950今年能用还挺好的，明年用我觉得还可以，后面再用我觉得可能就太费电了。但我对国产算力是比较乐观的，英伟达是在掘自己的坟墓。
7、AGI还需要多久？国内硬件在这个时间能追上吗？我觉得在AI这件事上，应该国内一两年是能够做到和国外差不多的，或者可能今年就能做到平替国外的模型。所以今年应该就能做到的，但它还不是AGI。
华为的950超节点，在性能和价格上可以完全平替英伟达的GB200、GB300。价格肯定要贵一些，但贵得有限，比如贵百分之一百，我觉得已经可以在价格上认为平替了，所有GB300能做的任务，华为超节点都能做。
8、我们算力落后是一个事实。这个事实通过三方面来消解。第一方面是我们接受模型落后，我们只能用比他们更小的模型。但这落后有一个好处，落后意味着你有更多的时间，你有一定的技术，你就可以用巧妙的方法。
所以我们跟美国的差距可能是落后12到18个月。简单说，就是落后美国两年，然后只用美国二十分之一的算力把这个事情做出来。那么未来我们要把这个叙事改写，就是我们用它几分之一的算力，但把这个时间缩得更短，缩到6个月、3个月。
9、关于公司重大战略、技术业务决定的流程和决策机制。我们公司整体上是建立在共识的基础上的。我并不是说我一个人决定所有事情，而是我要寻求共识。我在公司内的权威以及影响力，是建立在共识之上的。
比如说我要做一个事情，我肯定是先看大家的共识是什么，大家想不想做。然后有可能我会进行一些引导或者倾向，但这个引导的作用是非常有限的，必须建立在共识的基础上，我才能够推得下去。
