# 梁文锋投资者交流会 · 观点与思维链路提炼 > **材料**：《梁文锋投资者交流会 · 录音文字稿》。音频《deepseek 0520.m4a》，总时长约 3 小时 44 分钟。录音日期 5 月 20 日，整理日期 2026-07-16。本稿由语音识别自动转写并经 AI 整理，**未区分说话人**；方括号内为音频时间位置。个别专有名词与数字可能存在识别误差，**以原录音为准**。 > **本报告做法**：只提取梁文锋本人陈述中的判断、他所给出的理由，以及这些判断之间的推导顺序。不补心理动机，不改写成投资备忘录。引号内为去空格后的原文；数字一律按文字稿照录，并在文末单列 ASR 风险项。 > **双语**：[English edition](./Liang-Wenfeng-Investor-Meeting-Views.html) ## 一、材料与读法 ### 1.1 这份材料是什么 这是一场面向投资者的交流，不是论文、也不是经过讲者审定的书面声明。文字稿页眉写明：自动转写、说话人未切分、专有名词与数字可能出错。交流后半段，现场主持人提醒与会者不要外传敏感数字（含卡量）和录屏。本报告仍按用户要求整理公开可读的观点结构；凡涉及产能、卡数、回本周期、利润倍数的数字，一律标注为**文字稿数字**，不作外部交叉验证。 ### 1.2 提炼规则 | 规则 | 操作 | |---|---| | 只收他给出的判断 | 投资者提问、客套、中场休息不作为观点 | | 判断与依据分开写 | 「他认为什么」与「他拿什么当理由」分栏 | | 不改强度 | 「我觉得」「应该」「可能」保留为或然判断 | | 不统一术语 | 文稿中的「持续学习」「学习去学习」「continuous learning」并存时，不强行合并为同一学术概念 | | 数字不四舍五入 | 「十个月」「六倍」「两万张 H 等效」按稿照录 | ### 1.3 主次怎么排 他开场即声明：后面内容将**围绕愿景**展开，并说「这个愿景是真的，不是编出来的……否则你没法解释我们的很多事情」。因此本报告把「愿景 → 克制 → AGI 主线」作为一级结构；产品、定价、芯片、组织、融资是这条链上的推论，不是并列的独立战略清单。
Axis I愿景如何推出行为
## 二、一条主思维链路 ### 2.1 他反复走的因果顺序 交流中，同一条链被用在开源、定价、C 端、B 端、组织、芯片垂直整合等多个问题上。顺序如下。 ```mermaid flowchart TD A["出发点: 对世界的善意
不是上市或利润最大化"] --> B["愿景组织人
愿景等于实际怎么做"] B --> C["AI 足够大
或占人类社会 GDP 约 10%"] C --> D["无法独占
独占会被历史抛弃"] D --> E["必须克制:
开源 / 合理利润 / 不抢相邻生意"] E --> F["提高做成 AGI 的概率"] F --> G["AGI 的商业价值被当作前提
份额与变现后置"] G --> H["C 端 / B 端 / API
是主线上的副产物"] B --> I["唯一不可退让:
团队稳定性"] I --> F ``` ### 2.2 链上每一跳的原文依据 | 跳跃 | 判断 | 他给出的依据 | |---|---|---| | 出发点 | 创办时没有「赚多少钱、上市」的初衷 | 最初几十个人若这么想就不会来；「对这个世界非常大的善意」；「对人类有用」「金钱以外的事情」 | | 愿景 | 公司最重要的是愿景；愿景不是墙上标语 | 引用杰克·韦尔奇：管理大公司靠愿景不靠规章制度；「愿景是你怎么做，不是怎么说，就是你怎么实际运行」 | | 组织 | 「我们是没有组织的」，靠愿景组织 | 没有 KPI、没有成文愿景；各人对愿景理解有差别，大方向一致 | | 市场结构 | AI 最终可能占人类社会 GDP 的约 10% | 与传统软件对比：软件市场一年可能几十亿美元，开源会把市场做没；AI「实在太大了」 | | 独占不可能 | 「一个人独占……你不可能独占」 | 「客观规律」「历史观」：想独占一定被历史抛弃；会遇到阻力与其他阻止方式 | | 克制 | 「需要有一套机制来确保你自己能够获得的利益是有限的」 | 「你越这么想（GDP 归我），越做不成」；「你越克制，越有可能做成」 | | 概率优先 | 不怀疑 AGI 有很大商业价值；优先提高做成的概率，而不是多拿份额 | 春节流量不抢超级 App；「后面还有西瓜，前面的可能都是芝麻」 | | 副产物 | C 端、B 端、API 不是目标 | 「通往 AGI 的路上，我要经过这个台阶」；「我并不是为了做 C 端或 B 端而去做它」 | | 核心利益 | 团队稳定是最大、甚至唯一的核心利益 | 「只要大家都不走……一定能做成 AGI」；钱和资源「肯定不是问题」 | ### 2.3 他用来自我检验的标准 他多次说：若没有这条愿景，很多行为无法解释——坚持开源、降价时内部欢呼、不把春节用户做成超级 App、不去做视频生成这种「好生意」。他把「能解释已发生的行为」当作愿景为真的证据，而不是事后包装。 > 「这个愿景是真的，不是编出来的，我们是真的这么想，真的这么做的。否则你没法解释我们的很多事情。」 ## 三、愿景如何组织公司 ### 3.1 观点 创办动机不是商业利益最大化，也不是资本市场路径。组织手段不是成文制度或 KPI，而是未成文的愿景。愿景的内容被他概括为：对世界有很大善意、做对人类有用且在金钱以外的事情。愿景甚至没有写下来；各人理解可以有差别，大方向一致。 ### 3.2 判断依据 1. **人员自选择**：最初几十人若冲着赚钱上市就不会来。 2. **管理史**：约二十年前最崇拜杰克·韦尔奇；现认为韦尔奇大部分说法可能已不对，但「一个公司最重要的是它的愿景」仍对。 3. **可观察行为**：开源是本意（对比他所说的智谱开源「有一种被迫的感觉」）；降价时公司群里有人欢呼。 4. **凝聚力功能**：AGI 作为更大愿景，能凝聚更优秀的人，从而在人才与组织上相对产品导向公司有优势。 > 「愿景不是挂在墙上的标语，愿景是你怎么做，不是怎么说，就是你怎么实际运行。」 > 「这个愿景甚至也不是成文的，并不是写出来的，没有写出来过任何东西。」 ### 3.3 他承认的代价 「没有组织」有好处也有坏处，未来会扬长避短，但「这是我们的特色」。后文又说：人员扩大后必须调整，部分部门要建立较严谨的层级，部分维持松散扁平；「马上就得做这个调整」。 ## 四、克制：从历史观推出的战略 ### 4.1 观点 克制不是道德点缀。他给出两层理由：一层是**历史观**——AI 过大，独占在理论上不符合客观事实；一层是**战略**——舍弃一些利益，换取做成 AGI 的更高概率，并换取从容（「根本都不用加班」）。 > 「你需要有一套机制来确保你自己能够获得的利益是有限的，那么你才有可能做成。需要克制。」 > 「对我来讲，克制是一种战略。就在于有时候你可以舍弃一些，来换更多其他的东西。」 ### 4.2 「拿得多的人会被拿得少的人打败」 这是同一历史观的微观版。他的推导是： 1. 即使某家公司按「占人类 GDP 的 5%」算账在理论上成立（他提到 OpenAI 好像能算过来），也会被愿意只拿 1% 的人打败；再被愿意拿 0.1% 的人打败。 2. 「甚至你还不用真的拿得多，愿景如果是拿得多的话，你就会被愿景是拿得少的人给打败。」 3. 下限：拿太少则商业逻辑不成立，公司活不下去。因此落点是**合理收益**，不是利润最大化，也不是零利润。 4. 他把中国愿意「拿得更少」视为对美国参与者的潜在挑战来源之一。 ### 4.3 克制在行为上的清单（他点名的） | 表现 | 他怎么说 | 他怎么解释「为什么仍能拿到东西」 | |---|---|---| | 开源 | 愿景要求开源；也是克制的一部分 | 见第五节：六倍利润前提下与收入无冲突 | | API 不按利润最大化定价 | 十个月收回设备成本 | 该价格区间需求缺乏弹性；再降价对社会幸福感增加很少 | | 不把春节用户做成超级 App | 不跟字节抢用户 | 「后面还有西瓜」；去年 C 端发力「可能是对的」——回头看前面是芝麻 | | 不抢相邻生意 | 不愿与互联网大厂或小厂成为对手；希望赋能 | 「我们并没有因此而少拿到任何东西」 | | 不做视频生成 / 世界模型（现阶段） | 好生意但与智能上限关系不大 | 「我们只会因为它是智能路线图上的东西，才会去做」 | | 不向上游垂直整合应用 | 「我希望不要」「只要吃一块」 | AI 足够大，做最擅长、最核心的一块即可 | | 产品线与广告电商 | 半年前讨论的广告、电商、本地生活「肯定没用」 | 变化太快，产品生命周期短 | > 「我不应该什么芝麻都抢了。……现在来看，去年我们没有在 C 端去发力，可能是对的。因为能看到后面真的是有更大的西瓜。」 ### 4.4 克制与「平凡人」叙事 他说公司起点低：钱少、卡少、无名、无号召力，「就是一群非常平凡的人」；他自己「也就是一个大学毕业的学生，也不是最顶级的那个学校毕业的」。他把「平凡人做出不平凡的事」与克制、愿景视为一脉相承，并用来解释「我们并没有什么武器」却做成了一些事。这是他的自我解释，不是外部评功。
Axis II开源、定价与商业副产物
## 五、开源、定价与「六倍利润」 ### 5.1 开源：愿景要求 + 商业判断 **观点**：开源首先是愿景本身的要求；其次，要把 AI 在商业上做成，开源有好处。他承认这「听起来有点矛盾」，因为历史上开源与商业化冲突；他认为 AI 不同。 **依据**： - 传统软件：市场一年可能几十亿美元，开源后「可能就只剩下几千万或几亿美元」。 - AI：可能占人类社会 GDP 约 10%，无法独占。 - 「并不是说我不开源，我就能够独占这个市场，这在理论上就不符合客观事实。」 - 对比：智谱也开源，但「有一种被迫的感觉」；「对我们来讲，这就是我们的本意」。 - 「看不到闭源什么好处」；举例「字节它的模型是闭源的，它有什么好处？我看不到」。 - 开源权重门槛仍高：别人部署、并把成本做低「很难」；「并不是我开源了，他就能够轻易地做到跟我一样的部署成本」。他把这种成本控制能力称为该规模创业公司的「甜区」（原文 *sweet point*）。 **最强模型是否开源**：「我们是会开源的，然后我们最强的模型可能也是会开源的。」或然语气保留。 **开源权重是否降级**：「我们给的开源模型，跟我们自己部署的模型是不是一样？是一样的。」不会开源较差模型、自用较好模型。依据：去年全年 C 端基本开源，「C 端的服务没有看到冲突」。 **对第三方部署的态度**：不担心竞争；「只担心他部署不起来」导致效果变差或成本偏高。希望尽量给开源社区提供帮助。对阿里、智谱、月之暗面：愿意协助其做得更好，「我们并不损失什么东西」。 ### 5.2 定价标准：十个月收回设备成本 **观点**：API 定价对应「合理利润」，不是利润最大化。标准是：到市场上买一批设备，**十个月收回成本**。V3.2 Flash 及其他均按此。财务上服务器可按三年或五年摊销；商业上觉得十个月够了。 他把「十个月回本」与「六倍利润」对应起来：「按十个月回本，大概对应的是六倍的利润。」六倍「看起来很高，其实不高」；未来可能降到四倍、三倍，再往下「也不可能再降了」，但仍会有很大利润。 > 「我们只赚取一个合理的利润，只看你的意愿，而不是利润之大。」 ### 5.3 为什么不继续降、也不按利润最大化提价 | 方向 | 判断 | 依据 | |---|---|---| | 不提价 | 当前价格不是利润最大化 | 「如果利润最大化，应该把价格设得更高」；该区间「用户的需求是没有弹性的」；价格再贵一倍，token 消耗区别不大，总收入接近一倍 | | 不继续大降 | 再降价需求增加很少 | 「这个价格所有人都用得起了」；再低「对公司不会有更多的收入，对社会来讲也没有更多的价值」 | | 仍承认有空间 | 有人留言「十个月回本这个利润太高了」 | 他同意「确实还有降价的空间」，模型优化上也还有空间；但「十个月回本我们自己能做到，其他家做不到」，并点名阿里或腾讯成本「应该是要比这个高好几倍」——此为他的比较，不是第三方财报 | 他讲了一个内部故事：某模型（文字稿作 **DDCP**，专有名词存疑）因担心需求过多一开始定价较高，团队不高兴；他把价格降到四分之一，群里有人欢呼。他把这当作「真实想法」的证据：目的是「非常便宜、效果非常好，能够让大家都能够充分地用」。他同时指出：对竞争对手而言降价「肯定不是个好事」，ARR 会掉。 ### 5.4 开源与收入何时冲突、何时不冲突 **不冲突的前提**：只赚约六倍利润。该定价已使独立部署的第三方「无利可图」，因为第三方做不到同样成本。 **会冲突的情形**：若要赚一百倍利润，第三方即使以二十倍成本部署，仍可能低于一百倍，从而影响暴利。 > 「前提是我们只赚六倍的利润，十个月收回成本……开源是不会有什么影响的。」 他称这一模式在其愿景下「长期可以持续」，或「我们是打算这么做的」。 ### 5.5 C 端 / B 端 / API：副产物，不是目标 **观点**：C 端用户、B 端收入、API 都是做 AGI 路上的中间产出。会做、要做好，但公司大部分人「不认为这是一个跟 AGI 比较起来同等重要的问题」。 **依据与例证**： - 去年 C 端：「没有在 C 端上花很多力气，甚至一度我们都不想维护那些用户了，但是用户赶都赶不走。」春节突然火「不在我们的剧本里面」。 - 维持用户是「纯成本的支出」，但「以后可能是有用的」，「随手能够拿到的，我们就会顺手拿到」。 - 今年 B 端 ARR：若需求继续扩大且能买到更多显卡，「ARR 做到几个亿美金是很有可能的」；若 AI 能做到十亿美金，「基本上我公司的现金流可能就能够回正」。这些「会做」，但「不是我们第一优先考虑的」。 - API：「通往 AGI 的路上，我要经过这个台阶。那么我把这些技术都通过 API 给大家服务，我没有干额外的事情。」「只要搞几个人维护这个 API 就可以了，甚至客服都没有，也不用销售……用户自己就会来。」 - 「降维打击」：站在 AGI 技术高位做相对低一级的应用；相对以服务 C 端/B 端为愿景的公司，后者在产品、服务、流量上有优势，在技术上没有优势。「现在比较有利的形势是，模型技术是最重要的。」 **To B 上限**：在「现在这一代 AGI、AI 技术」背景下，To B 需求会快速增长但有限，「最终还是受制于需求，不是算力」。十个月能收回成本，若有去处会一块买，但「没有那么多事情」。需求会随技术突破变大。 **To C / To B 闭环**：他观察到「真的想做 To C 闭环的，反而我们做得好；真的想做 To B 闭环的，说不定也没有我们做得好。」接着说「你想要得越多……」（此处录音中断感较强，不作延伸）。 ## 六、AGI 技术阶梯与副产物逻辑 ### 6.1 长期目标 「公司的长期 vision，我觉得我们目标应该是 AGI。」各人对 AI 定义不一，不妨碍把 AGI 当作目标。 ### 6.2 能力边界：完整上下文前提下已超过人 **判断**：与当前这一代技术相比，若问题描述清楚、并给完整上下文和指令，「它已经超过人类了」。前提很难满足：人有几十年上下文；AI 只在局限上下文里比人更好，仍替代不了员工。 **员工类比**：招一个员工约两个月熟悉环境和岗位即可上手；「叫那个小王来」知道小王是谁。AI 若无这两个月的学习，必须被告知小王是谁、职务、位置、如何找、注意什么。「你不可能给他所有的上下文，也不现实。」 **下一步**：差「持续学习」。文稿另有一句「我们离下一步还差一个学习去学习」——与「持续学习」在同一段落中混用，本报告不作概念强行对齐。 ### 6.3 阶梯：每一步都用到上一步 ```mermaid flowchart LR LM["语言模型"] --> CoT["CoT / 思维链
去年"] CoT --> Ag["Agent
今年"] Ag --> CL["持续学习
下一个瓶颈"] CL --> S["自我迭代
他称为奇点
但是渐变"] S --> E["具身智能"] ``` 他给出的理由： | 阶梯 | 他怎么界定 | 为何是阶梯 | |---|---|---| | 语言模型 | 更前一步 | CoT 用到它 | | CoT | 自己思考，提高智能上限 | 在奥数、写程序上「已经超过最顶尖的人类」；到上限后仍到不了 AGI | | Agent | 能力范围更大、智能上限更高 | 要用到 CoT；走完后仍替代不了员工 | | 持续学习 | 像人一样较长时段学习，不必每次给极强训练 | 与「完成任务」是同一问题；Agent 之后「能看到的下一个瓶颈」 | | 「奇点」 | 模型能做人类能做的所有事情，能自己开发下一版本 | 他立即修正：不是突变，是较长渐变；只是习惯称为奇点 | | 具身智能 | 走进现实世界：做家务、养老 | 放在自我迭代之后；「对一个正常人来讲，他的需求并不是电脑」 | **为何按此顺序**：后面的技术可用前面的技术来开发。「奇点之后再做具身智能，那个就不用人来做了。」若先做具身，「这是一个很苦的活」。「这个路线图是最轻松的」「可以不用加班」。 **自我迭代的第一用途**：没有具身时，对 AGI 的定义/希望是「能帮我迭代下一版模型」；有具身后，希望它迭代下一版具身、做下一版机器人。 ### 6.4 多模态、搜索、Scaling - **多模态**：对 C 端产品重要；对智能上限「是一个组件，它不是主线本身」，「跟搜索一样」。会做，且「V4、V4 的后续版本会支持原生的多模态」。 - **Scaling**：相信规模越大效果越好、能解锁更多功能。阻止 Scaling 的是算力，不是不想做。训练多大是按资源算出来的，「并不是这个模型就够了」。尚未碰到 Scaling 的墙；「硅谷在说 Scaling 到头的时候，那是对硅谷来说；对中国人来讲，我们离那个还很远」。Scaling 包括数据、模型规模、训练成本。 - **下一代模型的定义**：「必须要有持续学习的能力，它才能叫下一代模型。」在那之前能做的是成本、效果、速度。
Axis III核心利益、主线与算力
## 七、唯一核心利益：团队稳定 ### 7.1 观点 在多方面克制之后，他给出不可退让项：「我们最大的核心利益是要保持团队的稳定性……甚至可以认为是唯一的核心利益。」 > 「只要我能够保持团队的稳定性，我一定能做成，一定能做成 AGI，就这么简单。」 > 「钱肯定不是问题，资源不是问题，其他要素都是容易获得的。」 延迟（晚半年、晚一年）可以接受；「不会说做不出来」。最大风险是人走。近期融资后，「大家拿到的期权都还是比较多的」，风险「得到了比较大的解除」。稳定性逻辑：最重要、最老的员工稳定，其他人即使期权少一点也不会走——「他不是全奔着钱来的」。历史上人才流动相对同行较少，但「依然是我们最大的挑战，是唯一的挑战」。 「除了这一点以外，其他我觉得我们都是可以不要的，都是可以克制的。」 ## 八、主线之外明确不做什么 ### 8.1 只做 AGI 主线 对外态度：「我们只做 AGI 的主线」——他列举 GPT、CoT、Agent 等。AI 领域很广，不在主线上的不做。 | 不做（现阶段） | 他的判断 | 限定 | |---|---|---| | 3D、视频生成 | 跟智能主线没有太大关系 | 商业上「是个好生意」；Sora 之后大小公司都做，小公司后来砍掉 | | 世界模型 | 「现在跟智能的上限也没有太大的关系」 | 「我说的是在现在这个阶段」；含义「没那么清楚」，很多东西都可被称为世界模型 | | 广告 / 电商 / 本地生活植入 | 半年前的商业化讨论「肯定没用」 | 变化太快；过去三年谈产品线「都是浪费时间」 | | 应用侧垂直整合 | 希望由别人做 | 「我不希望我把所有东西都吃了」 | | 自研芯片（默认） | 希望以合理价格买到芯片 | 发电厂类比：运营发电厂不一定要造发电机 | 当前最重要：「把 AI 训练做好」，并不需要世界模型，「甚至不用多模态」——缩小任务范围不影响算法成立。下一步持续学习，再下一步「它自己问问题」。该路线图里没有世界模型、没有视频生成。 ### 8.2 产品化时机 「现在最值得做、最值得花精力的，还是做 AGI……把智能的下限往上推。」比做更多产品线、考虑更多商业化路径「收益更大」。他习惯问：「我现在这个时候做什么收益最大？」结论是现在做产品不是收益最大。 「我们一直在做商业化，只是没有以商业化为目标。」「离彻底转向商业化的时间点，应该是很遥远的。」「在现在能看到的未来，在任何一个时候你聚焦在产品上都太早了。」希望商业机会由社会与合作伙伴来做。 融资对象：精心挑选，利益较一致、「对我们最没有敌意的，或者说最希望我们能够做成功的」——「不是所有人都希望我们能做成功的，因为我们还是损害了很多其他人的利益的。」 ### 8.3 垂直应用优先级 尚未想明白国内最顺利的商业模式；国内外情况不一定一样。以目前情况，「最合理的做法应该是全力做通用的 Agent」，金融、医疗等 Agent 优先级更低；「现阶段我们觉得最重要的，应该还是 Coding Agent」。 ## 九、算力、中美差距、国产芯片 ### 9.1 与美国的差距：资源，不是人才 **判断**：「我们跟美国的差距只有一点，就是资源。」人上面「几乎没有差距」：同一批人较随机地留在国内或出国；「国内人才是不缺的」，基数大、每年有补充。 **人才差距的本质**：算力少 → 实验机会少 → 人才培养受影响。「我们看到的所有区别，包括人才的区别、模型能力的区别、应用的区别，可以认为都是因为算力资源上的区别。」 资源缺口来自两方面：国内买不到那么多卡；资本投入比美国少。人才薪水占比很低，「大头还是算力」。美国「开的薪水一个亿美金这种」——按文字稿照录。 ### 9.2 文字稿中的算力与规模数字 下列数字均为录音转写，未经验证。 | 项目 | 文字稿数字 | 他的用法 | |---|---|---| | 现有算力 | 约 **两万张 H 等效**；其中大部分最近一两个月刚到，可能还有机器未到 | 去年较少，今年「非常激进地扩充」；接下来几个月大批量机器，「基本上都是英伟达」 | | 买卡策略 | 合理价格内能买多少买多少；融资用完也如此 | 「如果我在半年之内把钱都花完了，我觉得是个好事」；现金约「存两个点」；买卡对应「十个月的社会成本」 | | 溢价 | 愿意付一定溢价把钱变成卡 | 「太划算了」；仍很难买到那么多 | | 采购量级 | 「如果我今年能够花掉两百亿」，属于采购部门业绩「超级好」 | 愿望而非承诺 | | 最大模型 | 激活约 **八百 B**；国内还在 **几十 B** 激活，差一个数量级 | 「哪怕把五百亿全花掉，其实也训不起」 | | 若训同等大模型 | **五万张 GB300**，或华为 950 **二十万卡**；「只是训练，还没有考虑做研究」 | 用来说明差距，不是采购计划 | | 近期能做的实验 | 十几 B 到几十 B 激活 | 离训 800B「还比较远」 | | 下一步规模 | 更多资源后再做 **150B、156B，或 250B** 激活 | 「到这么大的一个规模上去跟美国竞争」目前根本不考虑 | | 叙事目标 | 现叙事：落后美国约 6–12 或 12–18 个月（又说「简单说就是落后美国两年」），用约二十分之一算力 | 希望改写为：用几分之一算力，把时间缩到 6 个月、3 个月；可在有取舍的点上超越，全面超越「不现实」 | 策略：先在训得起、用得起的几十 B 激活规模上做好；硬训更大模型「能训」，但训前没法做充分研究。 「落后意味着你有更多的时间」，可以用更巧妙的方法——此处录音被打断，后文接到「落后一到两年、二十分之一算力」的叙事。 ### 9.3 国产芯片、CUDA、TileLang **判断**：国产卡适配曾因生态不好而难用；NVIDIA CUDA 护城河「在快速地被瓦解」。原因有三： 1. 有了 AI，「可以用 AI 来构建这个生态」。 2. 新的技术，点名自家 **TileLang**：用该高级语言写 CUDA 算子，「可以很快地把英伟达的整套生态全部都写一遍」，再结合 AI，「这个看起来没有什么障碍」，但「现在还没有完成」。 3. CUDA 从游戏卡演变而来，计算卡市场已大于游戏卡，「没有理由这两个还需要耦合」；专用芯片（华为或英伟达自己）将与 CUDA 解绑。 **一年内要验证的事实**：「国产芯片的生态完全没有问题。」之后唯一问题是产能。买得到英伟达卡时国产替代较难；买不到则「所有人都迫不得已」。 **华为**：主要合作对象。文字稿：华为给他们约 **一万六千张** 产能；互联网大厂可能十几万张。一万六千张 950「只相当于四千卡的 B 系列」，「不够训一个下一代的模型，它只够训我们现在这一代模型」。买 950 的目的「还是希望帮华为把这个生态做好」；「对互联网大厂来讲，它更需要。对我们来讲，我们可以买一些不合规的卡。」——按原文照录，不作法律或合规推断。 **平替关系（文字稿）**：华为 950 超节点在性能和价格上「可以完全平替」GB200、GB300；价格更贵但「贵得有限」；「贵百分之一百，我觉得已经可以认为在价格上可以平替了」。代价：**四张华为卡顶一张英伟达卡，同时落后两年**。950 超节点是今年 Q3 或 Q4 的货；GB200 是两年前 Q3 的货。结论：「生态上以后不会再有差距，但是在芯片上是四倍加两年。」 **V3 训练**：用英伟达的卡，但「已经不用英伟达的生态」，而是先写 TileLang，「就已经几乎不依赖英伟达的生态了」。把同一过程在华为卡上重做一遍即完成迁移。 **TileLang 与推理效率**：被问是否会大幅降低 inference 效率。回答：「是提高效率，是大幅提高效率。」硬件底层执行「损失 1% 到 2%，我觉得是可以接受的。」另有一个项目「在用 AI 来写 TileLang」；目前 TileLang 都是人写的，但已比写 CUDA 快很多。 **自建集群 / 自研芯片**：集群「肯定要」，「我们所有的集群都是自己建的」。自研芯片取决于收益；希望不必做，「以合理价格买到芯片」。 ### 9.4 卡的折旧（回答投资者关于「三年后算力变旧」） 「英伟达的卡基本上你可以按照五年折旧。华为的卡最多按三年折旧吧。」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真的太费电了。」生命周期更短是因为「本来就已经比英伟达晚两年了」，但「差距没那么大」。B200「现在能买到多少，我觉得都划算」。 ### 9.5 中国在全球分工中的角色 「中国公司很有可能扮演的一个角色还是产量最大。」产能最大、电力最多，「我们的 AI 最终很有可能我们是三体之一」。中国会把产品做到最便宜；效果上「很多商品中国产跟美国差并没有太大的区别」；便宜「可能是系统性的低」。 相对美国的结构性优势，他只明确点了两项：**成本**和**产品/用户体验**。成本：对方「都不用做，所以他们就不发展这个能力」。产品：国内「原生通过很多公司，产品能力还是可以的」。其他方面「如果有结构性的优势，我觉得可能也没有」。 ## 十、终局竞争与对照系 ### 10.1 终局差距三件事 「当大模型最终差距会体现在哪里？我觉得这个差距最终可能是没有太大差距的。」若有，是三方面：**成本、时间、用户体验**。成本第一（比亚迪电池类比：同等质量下按该价格提供不容易）；时间第二（早几个月、晚几个月不一样）；体验有用户粘性，但「可能不本质」。 比模型效果「肯定是得在相同的成本上来比较」。好坏差别「应该不是在具体某个环节，它应该是整体上的」。 产业含义：「不至于哪一家有暴利」；「成本控制得好的人就多赚一点，成本控制得差的人就少赚一点，仅仅此而已。」中国做基模的公司「有点太多了」；美国「可能就三家」。资源分散是浪费；最终会收敛到「三四家竞争就很充分了」，「价格绝对已经够打价格战了」。高利润率「一定不符合客观规律」。人才短缺是阶段性的，约两三年会被培养解决；「历史上从来没有出现过长期缺某一类人的情况」。 ### 10.2 Anthropic / OpenAI / Google Anthropic 超过 OpenAI「我觉得这不是长期的，这肯定是极端性的」。「OpenAI 和 Google，未来大概率还是会交替上升。」Anthropic 在 Code Agent 上的优势「没有那么大」，「并没有说它碾压 OpenAI」。公司内部「可能有一半的人……觉得 OpenAI 是更好的」。Anthropic 有先发优势，「应该很快就没了」。三家都很厉害；其中效率最高的「它烧掉的钱应该是最少的」——未点名是哪一家。 ### 10.3 为何他们特别在乎计算效率 他观察到商业化公司「没有动力去追求模型的效率」：低成本则「你还赚什么钱」。创业公司「你没有听到他们说低成本是他们追求的东西」。对他们：愿景的一部分；「同学都是普通人」，有同理心；中国算力紧缺背景下希望负担得起、能在国产卡上用。低成本还使他能在有限算力上训练更大模型。大公司「资源是可以加的」；他们「会优先考虑成本效率」。
Axis IV组织、研究与资本路径
## 十一、组织与研究文化 ### 11.1 决策：寻求共识 「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。」权威与影响力建立在共识上。引导作用「非常有限」；「一定是共识，我才能够推得下去，然后我才会去推」。 ### 11.2 两条线：正式不超过一半 - **自上而下（「正式」）**：集体任务，如发 V4，需全公司配合、分工。 - **自下而上**：每人自己想做什么就做什么，「没有人管他，没有 KPI」。 - 标准：「正式最好不要超过一半」——一半时间不被安排，用于按自己判断探索。算力能支持或几乎不需要算力，则不必协调。 ### 11.3 不加班的两个原因 1. 研究需要较松弛的环境；逼得紧没法做研究。 2. 「我们非常聚焦……要做的事情很少。」与克制一脉相承。「你看到我们的产品很多都不完善的，我们也没有去补它。」这是一种文化。 ### 11.4 不是 Bell Labs，仍是公司 没有模仿对象。「每一步都是我们从实际情况出发，实事求是。」与美国几家公司都不同；那些公司「至少会从一个商业公司的角度出发去探索」。与 Bell Labs 不同：Bell Labs「明确是不需要有商业化的」；「我们明确是要有商业化的……政府不会给我一分钱。」「B 端对我们肯定是重要的，因为可能以后可能得靠它活着。只是说现在不重要，因为它现在是个成本线。」「我们本质上还是一个公司」，只是在赚哪些钱、何时赚、赚多少、靠什么赚上有取舍。历史上「有利润以外的追求」的公司，那种追求「最后不但没有影响到它的商业化，反而能让它商业化得更好」。 人员扩大后：部分部门建立较严谨层级，部分维持松散扁平；「已经在做这个调整」。 ## 十二、持续学习、数据、幻觉 ### 12.1 持续学习：问题，不是一项技术 投资者看到最多的是 Agent；「对于我们这些研究的人来讲，现在看到更多的是学习」。持续学习「可能不是一项技术，它是一个问题」，会有很多种技术。「现在全世界都还没有找到好的方法……还在摸索阶段。」内部有「看起来有前途的一些想法，但是都还没有做通」。 与 Recursive Improvement 的关系：提问者把持续学习与国外热点 Recursive Improvement 并提；梁文锋按「还没找到非常 work 的方法」回答，未在稿中把二者定义为同一术语。 **为何必须先做**：Agent 能力受限是因为不能有效持续学习；先做完则 AI 能力会非常强，可大幅提升他们自己的研究效率。「持续学习先做出来，通用智能可能就很容易了」；否则「人工做通用智能」是数据密集、人力密集，「性价比也不高」。 **第一用户是自己**：「我们做的模型，第一目标不是大家用得好用，而是我们自己用得好用。」用模型提高 DeepSeek 开发下一版的效率。「我们确实需要人工智能来帮助我们实现 AGI。虽然说它还不是自主地工作，它还是只是跟人搭配，但是已经很有用了。」 **资源分配（「摸奖」）**：相对确定的 Scaling 目标（提问中出现 Office / MIS / MILES 等，ASR 不清）与未解决的持续学习如何分人。回答：这类研究「不消耗卡，只需要很少的卡，他需要的是想法」；「不是一个项目，而是需要有很多人都在那里想这个问题」。「我们叫这个叫『摸奖』。门槛很低，谁都可以去摸。」与其他公司不同的是「会花时间去讨论这个问题……当做一个重要的事情」，但「并不需要花很多资源去做」。训模型、做效率实验才消耗人与卡。 **品味与直觉**：被问自进化之后品味是否仍重要。「AI 现在不缺品位和直觉，它缺的是持续学习的能力。」「你让它写个文章，它的品位和直觉，我觉得没有什么问题。」 ### 12.2 数据 「数据应该几乎就等于模型的一半。」高质量标注成本很高；「美国数据标注的成本跟中国数据标注成本没有什么区别」，高端数据「并不会有成本优势」。资本结构「支撑不起那么多高质量数据标注的成本」。两条腿：先标成本低的。「现在我们公司有一半的人在标数据。有一半的核心研究员，最重要的人，有一半在标数据。」「解决 AI 这个问题，在现在这个阶段靠的就是标数据。」 融资后会加大后训练投入，但高质量标注「典型不是资本投入」；瓶颈是**时间**。国内「可以认为是最近半年才开始做」；「哪怕没有更多的资本投入，原来的资本也够它以最快的速度在扩张了」，但速度有上限，「并不卡在钱上，也不卡在卡上」。一年之内高质量数据「做得比较好……国内应该是可以预期的」。 **能否超越人类已有知识**：认为能超越。依据：AlphaGo「下了一手人类从来没有见到过的棋」。可能也有上限，「这个局限性我们现在看不到」。「笼统地认为，它是可以基于人类已经有的、我们已经能说出来的知识上，予以超越的。」真实数据还是仿真数据：「不可能就有很多方法。」 ### 12.3 幻觉 「幻觉问题可以认为是一个可以通过更好的 Post-training 解决的，是一个能解、能够改善的问题。」大家没有花很大力气。「对我们来讲，幻觉是一个问题，但我们归结可能是产品问题。我们会去解决它，但是不是重点的问题。」 ## 十三、时间表、发版、资本路径 ### 13.1 AGI 要多久；国内硬件能否追上 - AGI：**没有临界点，但是非线性**。相信「AI 可以加速 AI 的研究」，因此后面可能非线性。至少「它得能够持续学习吧」。 - 「现在这个范式」追上国外模型：「应该国内一两年是能够做到跟国外差不多的，或者可能今年就能做到平替国外的模型。」「但它还不是 AGI。」 - 国产硬件：需要几年。先解决生态（「生态是一个信心的问题」），再解决产能。不相信五年之后还卡在产能上；「今年、明年、后年……可能都还是卡在产能问题上」。 语言模型 Scaling：「我现在没有看到有上限。」美国训得起 800B 激活「也用不起来……确实有点贵」——此为他的判断。 ### 13.2 发版节奏与 50B / 150B 「一个比较舒适的发版节奏，大概是两三个月发一版。上次发版可能是四月底，那么下次发版可能是六月底。」「应该还是会一版比一版好的。」 在 **50B 激活**尺度上，与「现在的这波开源」在推理速度和效果上「不会有太大差别」。与对方「一个没公开的模型」差距较大，需要更大尺寸，「比如说是 150B」。按当时训练进度，「乐观的是今年年底可以开始去训练，至少是明年四……」——后半句被切断。差距对象文字稿作 **OCE**。另有提问将 150–250B 与「O4.7」对标，他未在可见回答里完成该对标（随后转向 TileLang）。线上版本文字稿作 **GCV4**，「还是比较粗糙的」。 ### 13.3 科研与资本市场 「我现在觉得应该是能够做到的，就都要。」若今年有「几个亿美金的 B 端收入」再加上 C 端用户，已有一定商业基础；明年 B 端若需求再增大，「公司离净利润已经不远了」。「最坏情况卖 API，可能都能够支撑一个上市公司」——若技术冻结、全力卖 API、把服务做好。「我们希望有更大的梦想，但是我们也有保底可以拿出来的业绩。」理由：「在一个杠杆高的地方，又在一个发展非常快的领域，它可能就是没有那么难。」 ## 十四、观点总表 下表按他本人的因果顺序排列，便于检索。依据栏只用他在会上给出的理由。 | # | 观点 | 判断依据（会上给出的） | |---|---|---| | 1 | 创办初衷不是赚钱、上市、利润最大化 | 早期人员自选择；善意与「金钱以外」；愿景可解释开源与降价欢呼 | | 2 | 愿景组织人，不是 KPI 或成文标语 | 韦尔奇；愿景=实际运行；未成文 | | 3 | AI 过大，无法独占，独占会被历史抛弃 | 或占人类 GDP 约 10%；与传统软件市场对比 | | 4 | 必须用机制限制自己拿的利益；克制是战略 | 「越想独占越做不成」；克制提高做成 AGI 的概率 | | 5 | 拿得多的愿景会被拿得少的人打败 | 5% vs 1% vs 0.1% 的递推；下限是公司要活 | | 6 | 开源是愿景要求，也是商业判断 | 闭源看不到必然好处；部署成本门槛；去年 C 端开源未见冲突 | | 7 | 合理利润 ≈ 十个月设备回本 ≈ 六倍 | 需求在该区间缺乏弹性；自有成本他人难及 | | 8 | 六倍利润下开源不影响收入；一百倍则会 | 第三方或二十倍成本，打不进六倍，打得进一百倍 | | 9 | C/B/API 是 AGI 路上的副产物 | 少投入仍有用户；API 几乎无销售客服；「降维打击」 | | 10 | 春节不抢超级 App 是克制 | 芝麻与西瓜；回头看去年 C 端发力可能是对的 | | 11 | 唯一核心利益是团队稳定 | 人不走则 AGI 只是时间问题；钱和卡不是硬约束 | | 12 | 技术阶梯：LM → CoT → Agent → 持续学习 → 渐变「奇点」→ 具身 | 每步基于上一步；后步可被前步加速；先具身会很苦 | | 13 | 现阶段不做视频生成、世界模型 | 与智能上限关系不大；视频生成是好生意但不是主线 | | 14 | 多模态是组件，不是主线 | 类比搜索；V4 起原生多模态仍要做 | | 15 | 信 Scaling，墙还远，卡的是算力 | 模型大小按资源算；硅谷喊到头不等于中国到头 | | 16 | 中美差距主要是资源/算力 | 人才随机分布；实验机会随卡量；800B vs 几十 B | | 17 | 买卡：合理价能买尽买，半年花完是好事 | 现金约 2% vs 卡十个月社会成本 | | 18 | CUDA 护城河在瓦解；TileLang + AI 写代码 | 游戏卡与计算卡解耦；V3 已几乎不依赖 NVIDIA 生态 | | 19 | 国产生态一年内可被验证；剩余是产能 | 买不到 NVIDIA 则被迫国产；华为 950：四张顶一张、落后两年 | | 20 | 终局比的是成本、时间、体验 | 电池价格类比；体验不本质 | | 21 | Anthropic 的 Code Agent 领先不长期 | 内部约一半人更看好 OpenAI；三家交替 | | 22 | 中国可能是「三体之一」：产能、电、更便宜 | 与其他中国商品的系统性低价类比 | | 23 | 现在做产品线、广告电商太早 | 过去三年经验；生命周期短 | | 24 | 垂直应用先 Coding Agent | 国内商业模式未想明白；金融医疗更低优先级 | | 25 | 正式工作不超过一半；少加班 | 研究要松弛；克制导致事情少 | | 26 | 不是 Bell Labs，要靠商业活着 | 政府不给钱；B 端将来或是活路，现在是成本线 | | 27 | 持续学习尚未做通；「摸奖」；先给自己用 | 全球无好方法；想法不耗卡；用 AI 加速下一版 | | 28 | 幻觉可靠更好的 post-training 改善 | 产品问题，非当前研究重点 | | 29 | 数据约等于模型一半；标注瓶颈是时间不是资本 | 中美标注成本接近；约一半核心研究员在标数据 | | 30 | 基模公司将收敛到约 3–4 家 | 高利润不符合规律；美国约三家 | | 31 | 人才短缺是阶段性的（约两三年） | 网站、飞行员历史类比 | | 32 | 今年或一两年可在「当前范式」上平替国外模型，不是 AGI | 当前方式「不是很难」；AGI 至少要持续学习 | | 33 | 舒适发版节奏两三个月 | 上次约四月底，下次约六月底 | | 34 | 50B 与当前开源差距小；对未公开大模型需约 150B | 乐观今年底开始训 150B（后半句 ASR 切断） | | 35 | 科研与资本可以同时要 | 几个亿美金 B 端 + C 端用户；最坏卖 API 可支撑上市 | | 36 | TileLang 大幅提高效率，硬件执行损失约 1–2% 可接受 | 高级语言代码量小，可重写；另有 AI 写 TileLang 的项目 | ## 十五、ASR 不确定项与术语对照 ### 15.1 文字稿中应审慎对待的符号 | 文稿用词 | 风险 | 本报告处理 | |---|---|---| | DDCP | 模型名，可能误识 | 照录 | | GCV4 / OCE / O4.7 | 版本或竞品代号 | 照录 | | MILES / MILOS / MIS / Office | 同一问里多次出现，无法还原 | 照录并标明不清 | | 「学习去学习」 | 与「持续学习」混用 | 分列，不强行等同 | | GDP 百分之十 / 百分之二十 / 百分之五 / 百分之一 | 论证用的量级，前后不完全同一 | 各留在原论证里 | | 两万张 H 等效、一万六千张 950、八百 B、五十万/二十万卡等 | 主持人要求勿外传的数字类型 | 作为文字稿数字列出，不交叉验证 | | 「不合规的卡」 | 语义含混 | 照录，不作法律解释 | | 三体之一 | 口语比喻 | 保留原喻，不展开科幻文本 | ### 15.2 中英术语（供英文本对齐） | 原文 | 英文本采用 | |---|---| | 愿景 | vision | | 克制 | restraint | | 开源 | open source | | 合理利润 | reasonable profit | | 十个月收回成本 | ten-month payback | | 六倍利润 | ~6× profit | | 持续学习 | continual learning | | 思维链 / CoT | chain of thought (CoT) | | Agent | agent | | 具身智能 | embodied intelligence | | 激活参数 | active parameters | | 主线 | technical mainline | | 副产物 | by-product | | 降维打击 | advantage of operating from a higher technical plane | | 奇点（他强调渐变） | “singularity” (stated as gradual) | | 摸奖 | lottery-style exploration | | 正式（自上而下工作） | formal (top-down) work | | 后训练 | post-training | | 幻觉 | hallucination | | 三体之一 | “one of the three bodies” (his wording) | 本报告不替代原录音。若数字、产品名或竞争对照与公开信息冲突，以录音及当事人后续书面说明为准。