梁文锋投资者会议精华：DeepSeek 真正押注的七件事

“后面还有西瓜，前面的可能都是芝麻。”

近四个小时的投资者会议里，产品、收入、GPU、华为、加班制度都被谈到。把这些话串起来的，往往还是同一个问题：哪件事更可能让 DeepSeek 做成通用人工智能（AGI）？

本文读的是 drjingle.com 收录的《梁文锋投资者交流会·录音文字稿》。文件约 42 页，自称来自 3 小时 44 分钟录音，语音转写后再经机器整理，未区分说话人，数字和型号可能有错，也不是 DeepSeek 官方公告。下文是主题整理，不是逐字实录；收入、芯片数量、时间表一类说法，请别当成公司指引。

转写里的整体印象是：DeepSeek 不是不要流量、不要企业收入，只是把这些排在 AGI 后面。开源、低价、业务聚焦、给研究员留空白时间——听起来像四件不相干的事，其实是同一场长赌的不同侧面。

AGI 在前，聊天和 API 只是顺路产物

梁文锋反复区分“目标”和“副产品”。DeepSeek 的目标是 AGI；C 端聊天、企业 API、以后可能出现的 Agent，都是模型往前走时自然长出来的能力。能力既然有了，当然可以拿去服务用户、换现金流——但没必要为把某一项中间产品做到最大，把主线研发晾在一边。

西瓜和芝麻的比喻，说的就是这个意思。芝麻并不小：日活、B 端收入、上市基本盘都是真钱。梁文锋的判断是，只要 AGI 后面的经济空间足够大，现在就不该为抢一个入口，把自己做成下一家字节或腾讯。

所以 DeepSeek 会维护 C 端、也会接 B 端，却不把超级 App、重销售、垂直闭环当成最高优先级。研发继续往前推，商业化能发生就发生。

Agent 之后，难的是持续学习

转写把 AI 进步讲成一段楼梯：语言模型打底，思维链（Chain of Thought）让模型先想再说，Agent 负责调工具、跑长任务；再往上，卡点变成持续学习。

模型在上下文给全时，有时比人干得好。可人进公司几周后，会慢慢知道同事是谁、流程怎么绕、哪些习惯没写进手册。AI 缺这层积累。每次任务都要重新解释“小王是谁”“方案为什么改过”，它就很难真正成为组织里的一员。

持续学习不是把聊天记录无限拉长。模型得在长期工作里吸收经验，又不能忘掉旧本事，还得扛住偶然错误和恶意反馈——全球都还没解决好，会上也没说 DeepSeek 已经搞定。

梁文锋仍把它放在下一代模型的中心，因为如果走得通，可能出现一个反馈环：AI 帮研究员做下一代 AI，更强的 AI 再加速后面的研发。AGI 未必某天突然“开关亮起”，更像一条慢慢变陡的曲线。

先做 Coding Agent：让 AI 先帮自己研发

金融、法律、医疗和通用 Agent 都在菜单上，但转写里的近期优先级很清楚：先把 Coding Agent 做好。

不只是因为程序员肯付钱。代码是 AI 参与 AI 研发最直接的入口——能读工程、改代码、跑实验、追 bug 的模型，先抬的是 DeepSeek 自己的研发效率。

这和普通 ToC 公司的产品标准不一样：下一代模型先得让自家研究员觉得好用，再谈好不好卖给所有人。能缩短下一版模型的周期，它就不只是产品，也是生产工具。

多模态会做，但更像组件；视频、3D、“世界模型”没被当成当前抬智能上限的主线。幻觉要治，转写里更多把它归到后训练和产品体验，而不是眼下最核心的基础研究。

这套排序可能错，但至少听得懂：不会因为某个方向热、或者好卖，就自动写进 AGI 路线图。

开源和低价，不是不要商业

DeepSeek 讲开源，愿景和商业是缠在一起的。AI 的影响可能大到没法独占；想把利益攥太满，容易招来对手、监管和舆论反弹。分享模型能力，也是他们口里的“善意”和“克制”。

商业上，权重公开以后，别人还得自己解决部署、算子、集群、延迟和成本——公开飞机设计图，不等于立刻能开廉价航空。DeepSeek 不想只靠藏权重吃饭，而是看谁更快、更便宜地跑出同等能力。

转写提到 API 定价时，有个参照：设备大约十个月回本（未经官方确认，别写进模型当硬数）。意思大概是：要覆盖风险和研发的合理利润，而不是把价格顶到用户还能接受的上限。

梁文锋还有一句很狠的话：想多拿的人，可能被肯少拿的人打败。 开源和低价因此不全是姿态，也是在提前压低后来者的利润空间。

算力：国内 AI 最缺的是实验次数

谈中美差距，转写把话收在一个词上：资源。不是说中国人不够聪明，而是团队能用到多少卡、能跑多少实验、能训多大的模型。卡少，模型尺度上不去；实验少，研究员也少了一次次试出来的手感。所谓人才差距，有时其实就是实验预算的差距。

DeepSeek 并没有因为资源紧就否定 Scaling。梁文锋在会上说，价格合理的话，公司仍想尽量买卡、自建集群、把模型做大——现在的尺寸，更多是预算和供应的结果，不是觉得“已经够大”。

硬碰硬拼不过的时候，效率就是另一条路：同样一批卡，算得更省，就能多训一版、多跑几轮实验。低成本因此不只体现在 API 账单上，也体现在研发节奏上。

国产芯片：生态也许松动，产能还是硬约束

转写对国产 AI 芯片偏乐观，但留了一个现实口子。英伟达难替代，历来不只有芯片，还有 CUDA 那套软件生态。梁文锋认为，更高级的编程语言、编译器和 AI 写代码，正在降低重建生态的成本。会上提到 TileLang，用意是用更高层的方式描述计算，再适配不同硬件，而不是整条软件链绑死在某一家芯片上。

若这条路线走得通，“国产芯片难用”可能会缓一缓，更硬的反而变成产能：能不能造够、能不能以可接受的电费和总成本拼成大集群。

转写里关于华为芯片数量、性能换算的数字，特别容易转写错，别当确认事实。相对稳妥的两点倒是：DeepSeek 愿意深做国产算力的软件适配；短期内，国产供应仍难完全撑起最前沿的大规模训练。

公司会自建集群，却不急着自研芯片。梁文锋的比喻是运营发电厂不必自己造发电机——市场能以合理价格供卡，就把精力放在自己最擅长的一层。

团队：唯一不想退的那一步

在所有商业利益里，梁文锋只把一件事说成不能退：团队稳定。

训练失败，可能亏几个月；芯片晚到，路线往后拖；核心研究员走了，带走的是论文和代码里写不进来的共同经验。人还在，时间和资源往往还能补；人散了，组织积累才是真断档。

这也对应 DeepSeek 的组织做法：发版、上线这类正式项目自上而下推；研究员同时保留不少不被排满的时间，自己判断什么问题值得摸。KPI 和加班不是研究效率的主要来源——未知问题需要松一点、好奇一点、偶尔撞对路。

公司变大以后，层级和责任制躲不掉。难点在于：工程和运营要变严谨，别把前沿研究变成按季度交作业。小团队靠默契传愿景，大公司得靠制度还能留住那种默契——这比挖一个明星更费神。

鱼头朝哪儿，已经不够占满创始人的脑子

转写流传开之后，耐人寻味的不一定是某条技术预测，而是梁文锋的说话方式：少宏大叙事，少管理黑话，多直白的取舍——产品是路上的副产品，克制可以是战略，合理利润就够，团队比抢市场重要，更愿意讲“平凡的人做成不平凡的事”而不是天才神话。

材料是自动转写，这些句子宜当观点压缩，不宜当逐字引语。但它们连起来有一种很实的确定性：做什么、不做什么，似乎不必再套一层复杂的管理词汇来背书。

十年前，互联网创业者饭局上常开玩笑：一条鱼上桌，鱼头朝老板还是朝客户？说的是座次，其实是权力、关系和组织信号。很多老板爱造管理哲学、企业文化和组织方法论。AI 公司当然逃不掉管理——DeepSeek 也承认人多了得建部门、分权责——只是重心变了：管理不再像上一代那样，被当成创始人最重要的“作品”；技术判断才是。

对研究型公司，组织被压成几个朴素目标：懂问题的人留下，有探索空间，该发版时能协同。鱼头朝哪儿不是没意义，只是团队追 AGI、芯片又永远不够用时，它不值得占满创始人最好的注意力。等团队从几百人涨到几千人，鱼头会不会又游回来，只能以后再看。

投资人真正拿到的是什么

别指望从转写里抠准 ARR 或某款芯片的精确数量——又敏感，又容易转写错。

更有用的是一套可以日后对照的说法：技术上，Agent 之后押持续学习，再谈 AI 帮 AI；商业上，用 API 和 C 端换现金流，但别让短期收入改研究方向；竞争上，靠开源、低价和效率，而不是只靠保密；资源上，承认算力差距，能买就买，同时用软件和国产适配省着用；组织上，团队稳定排在流量和利润前面。

乐观的情形，是这些方向互相喂饱；悲观的也同样具体——持续学习迟迟没突破、API 很快卷成白菜价、算力差距拉大、组织一长就钝，所谓“克制”最后变成错过窗口。

以后看 DeepSeek，不妨少问它有没有把眼前的芝麻捡干净，多问：下一次发版、调价、扩产品线、改组织，还是不是在往 AGI 那条线上走？

公开转写材料的整理与分析，不代表梁文锋或 DeepSeek 正式立场，也不构成投资建议。财务与芯片数字、产品时间表请以一手资料和正式披露为准。