梁文锋反复说“不”：DeepSeek 真正的战略，是把克制变成组织能力

作者 / 来源：中智凯灵 / AiDD

“我们不想做成下一个超级 App。做成下一个字节？下一个腾讯？完全没有这样的想法。”

在一场面向投资人的交流里，这不是最常见的答案。

更不寻常的是，它并非孤立的一句。近日流出的《梁文锋四小时投资人会议实录》整理了 52 条梁文锋的相关表达。在这些表达里，他反复说“不”：不以利润最大化定价，不追求用户量，不闭源，不做 3D、视频生成和世界模型，不把金融、医疗等垂直 Agent 放在最高优先级，也不想成为下一个超级 App。

与此同时，他又反复强调几件事：AGI、成本、时间、开源，以及团队稳定。

但把这 52 条表达放在一起，仍然能看见一种非常清晰的战略结构。

它最值得讨论的，不是梁文锋又给出了一个多么激进的 AGI 时间表，而是 DeepSeek 如何围绕一个长期目标，建立一套彼此咬合的“不做系统”：技术路线决定产品取舍，资源约束逼出成本效率，开源和低价塑造外部生态，组织文化维持人才稳定，所有环节最后都服务于同一个问题——怎样提高做成 AGI 的概率。

图 1：52 条表达背后的五层战略结构——主线、路线、效率、生态与组织

战略不是“什么都重要”，而是先决定什么可以不做

整理实录把第一组表达概括为：“DeepSeek 只有一条主线。”

梁文锋说，通往 AGI 的路上会经过产品，但“产品是在 AGI 路上的副产物”；多模态对产品和 C 端用户很重要，却“只是一个组件，不是主线和智能本身”；3D、视频生成、世界模型等方向“不在我们的主线上”。谈到 Agent，他给出的优先级同样明确：“现阶段最重要的还是 Coding Agent”，在国内更合理的做法是先全力做通用 Agent，金融、医疗等垂直 Agent 优先级更低。

这些说法当然可以争论。多模态、世界模型、垂直 Agent 是否真的不触及智能上限，行业不会只有一种答案。关键不在于所有人都同意 DeepSeek 的技术判断，而在于它把判断转化成了资源分配。

很多企业也有 AI 战略，但最终往往变成一张不断加长的项目清单：知识库要做，客服要做，营销要做，数据分析要做，研发提效也要做。每个项目都能讲出价值，每个部门都有理由争取预算。结果是，组织拥有了很多“AI 项目”，却没有形成一条真正的 AI 主线。

DeepSeek 的做法恰好相反。它先接受一个可能被批评、也可能被证明错误的长期判断，然后允许这个判断排除大量看起来正确的机会。

“不争这个东西，是因为后面还有西瓜，前面的可能都是芝麻。”

这句话很容易被当成理想主义宣言，但它其实是一条严格的资源纪律：如果“西瓜”是 AGI，那么今天的流量、API 收入、垂直应用和超级 App 想象，即使都是真金白银，也不能自动获得同等优先级。

图 2：DeepSeek 的“不做清单”不是消极放弃，而是围绕唯一主线设置资源过滤器

不追求利润最大化，不等于拒绝商业化

整理实录中，梁文锋用了一组看似矛盾的表述：“我们一直在商业化，只是不以商业化为目标。”

他称，DeepSeek “只赚一个合理的利润”，定价不是为了利润最大化；一款模型曾因担心需求太多而定价偏高，后来价格降到四分之一，公司群里很多人反而欢呼，因为让更多人充分使用模型，本来就是团队做模型的目的。

这不是第一次出现这样的表达。2024 年 7 月的公开采访中，梁文锋在谈 DeepSeek-V2 定价时就表示，其原则是“不亏本销售，也不追求过高利润”；降价一方面来自模型架构探索带来的成本下降，另一方面是因为 AI 和 API 服务应当“人人都能负担得起、随时可用”。

两次表达的共同点是：商业化并没有消失，它被放到了一个从属位置。收入要覆盖合理成本，产品要成为技术进入现实世界的台阶，但商业指标不能反过来重写技术路线。

这是一种主动延迟局部最优的选择。

如果把 API 当成核心利润池，最自然的动作是提高毛利、做销售、建客户成功体系、增加产品粘性、保护模型差异；如果把目标放在 AGI，API 则更像一个低摩擦的技术分发接口。梁文锋在整理实录中甚至说，卖 API “只要搞几个人维护”即可，“甚至客服都没有，也不用销售，用户自己就会来”。

这套模式是否长期成立，取决于一个极强的前提：基础模型能力持续进步，并且未来产生的价值足够大，足以补偿今天主动放弃的收入和控制权。换言之，克制并不是没有成本，而是在用确定的短期收益，换一个不确定但更大的长期概率。

开源不是姿态，而是把竞争优势从模型搬到组织

整理实录里，梁文锋把开源直接称为“让利”。但他的逻辑并不是“让利所以高尚”，而是让利如何反过来增强做成 AGI 的概率。

“开源就是让利：对内，员工有成就感，公司有凝聚力；对社会也有好处，同行或者普通人都会高兴。”

在 2024 年的公开采访中，他已经表达过近乎相同的判断：颠覆性技术领域里，封闭式护城河并不持久；真正的护城河在于团队成长、技术 Know-how 和创新文化。开源不仅是商业策略，也是一种文化，被同行采用和追随会给技术人员带来成就感，并帮助公司吸引人才。

2025 年 1 月，DeepSeek 发布 R1 时，又用产品行动补了一条证据：官方同步开放模型权重，仓库采用 MIT License，允许商用和蒸馏；官方说明中还特意解释，非标准开源协议会增加开发者理解成本，因此改用标准化、宽松的许可证。

开源在这里同时完成三件事。

第一，它降低了技术扩散的摩擦，让更多开发者、企业和研究者使用、检验并延展模型能力。第二，它把员工的工作从内部项目变成公共技术贡献，增加研究者的成就感与吸引力。第三，它迫使公司把护城河从“别人拿不到的权重”，迁移到“别人短时间复制不了的团队与组织”。

这也解释了为什么梁文锋说，DeepSeek 不愿与互联网大厂或其他模型公司为敌，反而愿意帮助同行做得更好。对于依赖封闭份额的公司，竞争者变强意味着威胁；对于把长期优势放在持续创新能力上的公司，一个更繁荣的生态也可能成为人才、反馈和技术进步的来源。

图 3：从 CoT、Agent、持续学习到 AI 自迭代与具身智能，整理实录呈现的长期技术路线

成本排在第一位，因为效率就是被资源逼出来的技术路线

谈到模型竞争，梁文锋给出的三个维度是“成本、时间、用户体验”，并明确说成本排在第一位。

这不是简单的价格战逻辑。整理实录中，他解释得很直接：成本越低，有限算力就越能承担更大的模型；大公司可以靠增加资源解决问题，DeepSeek 更优先考虑成本效率。谈中美 AI 差距时，他也把主要差距归因于资源，同时强调希望“用几分之一的算力，把差距缩得更短”。

DeepSeek-V3 技术报告可以为这条思路提供一个公开的工程注脚。报告称，V3 通过 MLA、DeepSeekMoE、FP8 训练、通信与硬件协同等设计，在完整官方训练中使用了 278.8 万 H800 GPU 小时。报告同时明确提醒：这个数字只包括 V3 的正式训练，不包括此前的架构、算法和数据研究以及消融实验，因此不能把它误读为 DeepSeek 全部研发成本。

重要的也不是拿一个训练数字与其他公司做简单横向比较，而是它展示了另一种创新动力：当资源不像头部公司那样充裕时，组织必须在模型架构、训练框架、通信、精度和部署上同时找效率。

资源约束并不天然带来创新。约束也可能带来保守、短视和低水平重复。只有当组织有明确主线，允许研究人员长期探索，又能把有效探索迅速配置资源做大时，约束才可能转化成工程突破。

这正是成本效率与组织方式相互咬合的地方。

图 4：成本效率、低价开源、生态反馈、人才成就与团队稳定形成战略飞轮

真正不能退让的，不是某个产品，而是团队稳定

整份整理实录里，梁文锋语气最强的一句话，可能不是关于模型，而是关于人。

“只有一个是没法退让的：必须要保持团队的稳定性。”

他进一步说，DeepSeek 做很多事情都是为了团队稳定：不想树敌，希望外部环境更好；开源和低价让员工有成就感；组织既有自上而下的“正事”，也保留自下而上的自由探索，而且“正事”最好不要占掉员工一半以上的时间；团队一般不太加班，因为研究需要松弛环境，同时公司足够聚焦，许多产品不完善也没有急着补齐。

把这些表达连起来，会发现“团队稳定”并不只是薪酬、股权或融资后的留人问题。它由一整套选择共同维护：研究什么、拒绝什么，成果是否开放，员工有没有自由探索空间，组织是否被大量产品需求拖拽，公司是否陷入四处树敌的竞争状态。

2024 年公开采访中，梁文锋曾把 DeepSeek 的组织描述为“自下而上”：研究人员不预设角色，分工自然形成；有潜力的想法一旦被证明，上层再集中投入资源。整理实录则补上了另一半：组织并非完全没有自上而下的方向，而是用主线保证“做正事”，再为非计划探索留下足够空间。

这不是无管理，而是用愿景减少管理密度，用人才密度承接更大的自由度。

它也暴露了这套模式最大的风险。梁文锋把“只要能够保持团队的稳定性，我一定能做成 AGI”说得极其确定，但团队稳定从来不是静态状态。融资可以缓解资源压力，开放文化可以提升成就感，聚焦可以减少组织摩擦，可一旦规模扩大、产品需求上升、外部竞争加剧，原有的扁平协作和自由探索仍会面对结构化管理的压力。整理实录中，他也承认，公司变大后可能增加必要结构，但“不完全变成传统层级制”和“愿景驱动”不会改变。

所以，DeepSeek 真正押注的不只是一条技术路线，还包括一种组织路线：一群被长期目标吸引的人，可以在较少 KPI、较多自主性和高度聚焦的环境中，持续做出前沿创新。

对企业真正有价值的，不是照抄 DeepSeek，而是重写自己的“不做清单”

普通企业不需要、也不可能照搬 DeepSeek。

大多数企业的目标不是 AGI，业务收入也不能长期退居次位；企业 AI 项目必须面对客户、流程、合规、交付与投资回报；成熟组织也无法仅靠愿景替代责任、预算和治理。

但这场交流仍然提供了一个很有价值的反问：企业所谓的 AI 战略，究竟是一张“要做什么”的清单，还是一套能够持续做取舍的系统？

一套真正可执行的 AI 战略，至少要回答四个问题。

第一，唯一主线是什么？是研发效能、客户服务、供应链决策，还是面向某类业务的智能化交付？如果所有场景优先级都一样，战略就没有过滤能力。

第二，哪些收益可以暂时不拿？例如，为了形成真实业务数据闭环，是否愿意放弃一个更容易展示但难以运营的 Demo；为了沉淀组织能力，是否愿意让最佳实践进入共享平台，而不是留在个人手里。

第三，护城河究竟放在哪里？是某个模型、某个供应商、某套提示词，还是业务语义、真实反馈、评估体系、系统集成和能持续改进的团队？前者容易购买，也容易被复制；后者才需要组织长期建设。

第四，什么是不能退让的约束？可能是数据权限，可能是质量底线，可能是关键人才稳定，也可能是某条端到端业务链路的闭环。没有不能退让的东西，AI 项目就会被短期需求不断改写。

图 5：企业 AI 战略不应停在项目清单，而要形成“主线—取舍—护城河—底线”的决策系统

梁文锋在整理实录中说：“克制是一种战略：舍弃一些，换更多其他的东西。”

这句话也许比“DeepSeek 会不会做成 AGI”更适合企业管理者带回去。

因为战略最难的部分，从来不是发现更多机会，而是在机会都看起来正确的时候，仍然知道什么不能分散自己的资源；不是写出更宏大的愿景，而是让定价、产品、技术、开源、人才与组织方式都承担同一种选择。

DeepSeek 的答案是 AGI，是开源，是成本效率，是团队稳定，也是反复说“不”。

它最终是否正确，仍要交给时间验证。

但至少在这份整理实录里，我们看见了一种很少见的战略一致性：不是每件事都做到最好，而是每一个关键选择，都在提高同一件事做成的概率。

相参考来源

1. elsewhere 别处发生，《梁文锋四小时投资人会议实录》，2026-07-22/23：https://mp.weixin.qq.com/s/AWsSjcT9NYbj1W8SWXgb_w

2. DeepSeek，《DeepSeek-R1 发布，性能对标 OpenAI o1 正式版》，2025-01-20：https://api-docs.deepseek.com/zh-cn/news/news250120/

3. DeepSeek-AI, *DeepSeek-V3 Technical Report*, arXiv:2412.19437：https://arxiv.org/abs/2412.19437

4. 梁文锋 2024 年 7 月公开采访转载，《DeepSeek 创始人梁文锋的独家采访》：https://finance.sina.com.cn/2025-02-10/doc-ineiyprh3677882.shtml

为了帮助企业在人工智能的浪潮中抓住机遇，“AI+研发数字峰会（AiDD）”应时而生，致力于协助企业利用AI技术深化计算机对现实世界的理解，推动研发进入智能化和数字化的新时代。8月21-22日AiDD峰会北京站即将启航，欢迎扫码了解更多会议详情！