DeepSeek創辦人梁文鋒四小時會議曝光：拒當下一個騰訊，低成本與開源如何重塑AGI賽局

DeepSeek 創辦人梁文鋒近期在一場長達四小時的投資人會議中，詳述了公司的發展願景，明確表態不追求成為字節跳動或騰訊等應用巨頭，而是將資源集中於通用人工智慧（AGI）的底層技術突破。

關鍵事實摘要

根據公開報導與外媒整理的會議實錄，本次會議內容涵蓋以下核心資訊：

• 會議時間與形式：近期在業內流傳，由平臺 elsewhere 於 7 月 22 日公開長達四小時的投資人會議整理實錄。
• 核心人物：DeepSeek 創辦人梁文鋒。
• 商業定位：明確表示不追求利潤最大化，僅獲取合理利潤，且無意成為「下一個字節」或「下一個騰訊」。
• 技術路線：當前重心置於思維鏈、通用型代理與持續學習能力，不盲目跟進三維生成或世界模型。
• 開源策略：內部使用的模型與對外開源的版本完全一致，拒絕透過閹割版本進行降維打擊。
• 競爭態勢：中美人工智慧差距主要在於算力資源總量，而非人才庫；國內大模型行業未來必定走向整併。

拒絕超級應用迷思：克制與專注的技術降維

當前生成式人工智慧領域，多數企業亟欲將技術轉化為面向消費者（C 端）或企業端（B 端）的超級應用，藉由流量變現支撐龐大的研發開銷。梁文鋒在會議中卻反其道而行，多次強調「克制」的理念。他指出，產品並非 DeepSeek 當前的主線，而是通往 AGI 道路上的階段性成果。企業不需要投入過多資源去開發下遊應用產品。

這種策略的邏輯基礎在於「降維打擊」。梁文鋒認為，只要站在更高的技術位階，去處理相對低級別的技術應用便輕而易舉。與其將精力分散於金融、醫療等垂直領域的客製化代理，不如集中力量發展具備泛用性的通用代理。這與我們過去在中國升學策略與就業導向熱議中觀察到的放棄傳統路徑、直攻核心優勢的現象有著相似的底層邏輯。

在具體的研發方向上，DeepSeek 展現了極強的戰略定力。梁文鋒明確表示，公司不會將研發重心放在三維生成、視訊生成或世界模型等當前產業熱門領域。他強調，多模態能力對於終端產品與一般使用者至關重要，但這些能力在人工智慧系統中僅扮演組件角色，並非智慧本身發展的核心路線。

低成本不是商業話術，是架構優化的必然結果

在算力禁令與晶片取得受限的環境下，中國人工智慧企業普遍面臨硬體資源瓶頸。DeepSeek 卻以極低的訓練成本與推論價格在市場上突圍。針對外界對其低價策略的解讀，梁文鋒澄清，低成本並非單純的商業競爭手段，而是模型架構最佳化帶來的必然結果。

他表示，更低的成本讓企業能夠在算力有限的情況下，訓練更大規模的模型，而非單純依賴堆疊計算資源。在商業模式上，DeepSeek 曾因模型需求過高而設定較高的呼叫價格，但隨後主動將價格降至原本的四分之一。梁文鋒透露，降價後團隊成員感到相當振奮，因為公司只希望獲取合理利潤，而非追求絕對的利潤最大化。這也與全球半導體供應鏈板塊位移中，企業面對硬體成本壓力時的應對策略形成對比。

對於中美兩國在人工智慧領域的競爭，梁文鋒的看法與主流「人才匱乏論」不同。他直言，雙方差距主要體現在資源層面。中國並不缺乏人工智慧人才，真正的差距來自於算力資源的投入總量。面對這種資源不對等，他希望透過提高計算效率，用更少的算力來縮短差距。在未來的模型競爭中，成本、時間與使用者體驗將是三大關鍵，其中成本更是決勝點。

這套以成本為核心的競爭敘事，也決定了 DeepSeek 對待行業整合的態度。梁文鋒預判，國內大模型企業數量過多且資源分散，行業必然經歷一輪殘酷的整併。如果企業的目標僅是獲取合理利潤，市場最終根本不需要如此多公司同時投入基礎模型的研發。

解構 AGI 路線：從思維鏈到持續學習能力

實現通用人工智慧（AGI）是 DeepSeek 唯一的長期目標。梁文鋒在會議中將這條發展路徑比喻為爬樓梯，並畫出了清晰的技術演進時間表。

去年，DeepSeek 解決的核心問題是思維鏈技術。今年，公司的發展重心轉向代理技術。而在代理技術成熟之後，下一代模型必須解決當前人工智慧最大的缺陷：缺乏持續學習能力。

梁文鋒觀察到，人類能夠在生活與工作中持續積累經驗，但現階段的人工智慧模型必須依賴輸入完整的上下文才能完成任務。這種缺乏記憶積累與經驗迭代的特性，嚴重限制了人工智慧替代人類工作的潛力。

一旦模型跨越持續學習的門檻，人工智慧的發展將進入一個漸進式突破階段。屆時，模型不僅能完成更多複雜的人類工作，還能參與並加速人工智慧本身的研發過程，實現「AI 輔助 AI 研究」的自動化飛輪。梁文鋒認為，唯有在軟體層面的通用人工智慧完全成熟後，才具備進一步發展具身智慧的基礎。

這種對底層能力的極致追求，也延伸到了 DeepSeek 的開源策略。梁文鋒強調，開源是公司的重要戰略，儘管這意味著必須讓渡部分商業利益，但能夠極大增強研發團隊的成就感與組織凝聚力。更重要的是，DeepSeek 對外開源的模型與內部實際使用的模型完全一致，絕不會為了商業保護而向外界發布性能閹割版本。公司並不擔心其他企業部署其模型帶來競爭，因為基礎模型的研發需要極高的技術門檻與持續投入的決心，這並非所有企業都能輕易複製。

常見問題 FAQ

DeepSeek 為什麼不專注開發消費級應用？ 根據梁文鋒的說法，開發終端應用屬於較低級別的技術應用。DeepSeek 希望站在更高的技術位階專注於 AGI 研發，只要底層模型足夠強大，未來對下遊應用將形成降維打擊的優勢。

DeepSeek 的低成本是因為惡意削價競爭嗎？ 梁文鋒表示，低成本並非單純的商業定價策略，而是來自於模型架構的深層次優化。這種架構優化讓 DeepSeek 能夠在有限的算力下訓練大規模模型，並將節省的成本反映在 API 呼叫價格上。

中美人工智慧發展的最大障礙是什麼？ 梁文鋒認為當前的主要障礙是算力資源的差異，而非人才數量。他計畫透過提升計算效率來突破算力總量的限制。

DeepSeek 的長期目標是什麼？ 公司的長期目標是實現具備持續學習能力的通用人工智慧（AGI），並未將成為字節跳動或騰訊等應用巨頭作為發展方向。

結論

這場四小時的會議實錄，揭示了 DeepSeek 在喧囂的 AI 泡沫中極度理性的技術本位思想。當多數新創公司忙於包裝故事、爭奪 C 端流量並尋求高估值變現時，DeepSeek 選擇將資源全數押注於底層架構優化與 AGI 的核心挑戰。透過絕對的技術克制、徹底的開源策略以及對低成本的不懈追求，梁文鋒正在嘗試建立一套以研發效率對抗算力總量的全新競爭規則。這不僅重新定義了 DeepSeek 的企業邊界，也為處於算力限制下的中國人工智慧產業提供了一條截然不同的發展路徑。