梁文锋 3 小时长谈还原：DeepSeek 的克制与押注

DeepSeek 创始人梁文锋近期一场长达约 3 小时 44 分钟的内部交流会内容被泄露，原文未能公开流传，但雷科技从中梳理出梁文锋关于技术路线、算力约束与商业化克制的核心论述，呈现了一家被估值数百亿美元的国产大模型公司，如何在资金、算力、生态均不占优的条件下，押注一条相对独特的发展路径。

战略取舍：不做视频生成与世界模型

梁文锋承认，2024 年初 Sora 发布后，国内外同行纷纷跟进视频生成，「如果你不做，你就不是一个 AI 公司一样」，但他判断视频生成只是「跟搜索一样的组件」，与智能本身的上限无关。3D 生成、世界模型在他看来也都不是 DeepSeek 的主线，多模态会被做，但定位是工具而非智能进化本身。

在此基础上，梁文锋勾勒出一条相对收敛的路线图：

• 底层：语言模型
• 上层：思维链
• 再上层：Agent
• 关键节点：持续学习
• 终极目标：「自我迭代的奇点」
• 最后一步：具身智能

他的取舍标准非常直接：「一件事在不在这条路线上？不在就不做，哪怕它在商业上是个好生意。」梁文锋同时承认，「每个公司它的判断是不一样的」，并提示 OpenAI、Anthropic 与 DeepSeek 三家未来会「交替上升」。

核心难题：持续学习是全行业未解之题

梁文锋对当前 AI 能力边界有一个清晰的概括：在给定上下文内，AI 表现已可超过人类，「但前提是你必须把完整的上下文给它，现实中做不到这一点」。他以新员工入职需要两个月熟悉环境为例，说明 AI 缺乏这种渐进式学习过程，并把这一差距归结为核心问题——持续学习。

目前全行业都没有找到「非常 work 的方法」。DeepSeek 的差异化应对，是组织层面的：研究文化允许员工用一半时间自由探索，「谁都可以去摸」这个问题。但梁文锋也承认这个机制更接近于「摸奖」，更大概率可能摸不到。

算力账本：二十分之一算力追 12 到 18 个月差距

梁文锋给出了几个非常具体的数字：

• DeepSeek 现有约两万张 H 等效算力
• 美国头部模型激活参数 800B，国内「还在几十 B 的规模，差一个数量级」
• 训练同样规模模型需要五万张 GB300 或二十万张国产算力卡
• DeepSeek 获得的国产配额是一万六千张，比互联网大厂少一个数量级

应对策略分两层：一是承认差距但追求效率，目标是用「几分之一的算力」把时间差从 12–18 个月缩到 3–6 个月；二是押注国产替代，通过自研 TileLang 编译器绕过英伟达 CUDA 生态，他判断一年内国产芯片生态问题可基本解决。但他也明确表示「根本不会考虑到那么大的规模上去跟美国竞争」，只能「在几十 B 激活的规模上先把它做好」。

克制商业化：与 OpenAI 同样承诺的不确定性

梁文锋反复强调克制：「OpenAI 一开始觉得他真的能够垄断这个世界……他会被另外一个愿意只占百分之一的人打败。」他本人给 DeepSeek 设定的目标是「只赚一个合理的利润，十个月收回硬件成本就够了」，并把团队稳定定义为「唯一的核心利益」。

但雷科技指出，OpenAI 从非营利到有限利润再到全面商业化的转变，本身就是「知易行难」的注脚。梁文锋的期权激励建立在公司估值持续增长之上，又与「克制」形成内在张力。开源方面他同样加了前提：「前提是我们只赚六倍利润」。目前 DeepSeek 的 API 定价已使其成为大量开发者的默认选择，但未来资本市场是否仍接受这一回报上限，是悬而未决的问题。

梁文锋自己其实也为最坏情况准备了保底：即便技术不再突破，「靠卖 API 也能支撑一家上市公司」。在一个更看重 Agent 落地与性价比的行业阶段，DeepSeek 的定价策略本身已经构成一种结构性优势。