AGI

原文来源：金融界 原文作者：深蓝财经 原文发布时间：2026-07-23 13:41:23 阅读提示：文章开头为 AI 总结；总结之后附有约 2.5 万字完整原文，便于对照阅读。 点击展开 AI 总结（GPT-5.6-sol × MiniMax-M3） AI 总结 本段由 GPT-5.6-sol 与 MiniMax-M3 分别对全文独立总结后综合整理，仅用于帮助快速理解文章。原始文稿未经梁文锋本人确认；融资、算力规模、芯片采购、合作计划及产品路线等信息，均应以 DeepSeek 与相关企业的官方披露为准。 一、愿景与方法论：以善意和克制组织“平凡人” 全文的主线并非某一项具体技术，而是 DeepSeek 如何理解自身使命。文中称，公司成立之初并未以利润最大化、上市或争夺流量为目标，而是希望做一件对社会有用的事情。“克制”因此既是价值观，也是战略：不试图独占 AI 时代的全部价值，不把每次流量与商业机会都变成必须争抢的市场，也不为了短期收入偏离 AGI 研究主线。文中认为，AI 的潜在空间足够大，开源、让利和聚焦反而有助于提高做成 AGI 的概率。 二、开源与定价：合理利润而非收益最大化 文中表示 DeepSeek 将继续开源，最强模型也“可能”开源，且开源模型与自行部署的版本保持一致。其逻辑是，即使模型开放，第三方仍需解决部署、推理效率和成本控制等工程问题，因此开源不会自动消除公司的竞争力。文中把 API 定价锚定在购入设备后约十个月收回成本，并称这大致对应六倍利润；这些数字是访谈整理稿中的说法。文章认为，当价格已经低到用户普遍能够接受时，继续降价不会显著扩大需求，而刻意提高价格虽然能增加短期收入，却不符合公司的长期取舍。 三、AGI 路线图：持续学习是下一道关键门槛 文章把 AI 能力演进描述为阶梯：语言模型之后是思维链，随后是 Agent；当 Agent 能解决的问题逐渐被充分开发后，下一道关键门槛将是持续学习。现有模型在获得完整上下文和明确指令时可以完成许多复杂任务，却无法像员工一样在长期工作中逐步理解组织、人物和环境。按照文中的路线判断，模型具备持续学习能力后，才可能进一步实现自我迭代，并最终走向具身智能。多模态和搜索被视为重要组件，但并非智能演进的主线；Scaling 的潜力则尚未被当前算力条件充分探索。 四、组织与人才：团队稳定是不可退让的核心利益 文中称，公司最大的核心利益是保持团队稳定。组织管理同时保留自上而下与自下而上的两条路径：发布重要模型时进行统一分工，同时尽量让研究人员保留约一半时间自由探索，不以 KPI 和长期加班驱动研究。文章认为，中美 AI 人才本身的差异并不大，真正限制国内研究的主要是算力、资本投入和实验机会；算力不足既限制模型规模，也会影响研究人员的试错与成长。 五、算力差距与国产替代：生态门槛下降，产能仍是瓶颈 文中称公司拥有约两万张 H 等效算力，多数为近期到位，并仍在扩大采购；文稿还以约五万张 GB300 或二十万张华为 950，估算训练美国头部大模型量级所需的资源。上述数字均未经本文独立核实。文章认为，AI 辅助编程、TileLang 等高级编译技术以及计算芯片走向专用化，正在降低迁移 CUDA 生态的难度；但国产芯片在性能、供给规模和代际时间上仍存在明显差距。文中对比称四张华为 950 约等于一张 GB300、时间上落后约两年，并判断国产算力未来更大的瓶颈可能从软件生态转向产能。 ...