梁文锋，yyds ！！

DeepSeek创始人梁文锋

这是一位从浙大毕业的 85 后学霸，在创立 DeepSeek 之前，梁文锋就曾创立并成功运营了领域内极具知名度的 幻方量化 ，其专注于以数学和AI为核心的量化投资策略的开发与应用。

怪不得以前搞量化的时候，大家就曾一度称他为低调的“量化天王”。

上周末晚在家网上冲浪的时候，无意中刷到了一篇和梁文锋有关的访谈，其来源于之前暗涌Waves与梁文锋的深度对话。

我完整地看完了有关梁文锋的访谈内容，不得不说， 里面的很多 观点思考 、 技术洞察 、 行业理解 对我们还是非常有启发的 。

所以今天这篇文章我们也 专门梳理了 其中比较 核心的50条思考 ，相信这也能从一定程度上来解释为何 DeepSeek 这家公司能够脱颖而出并一鸣惊人，所以这里也分享给大家，大家可以感受一下。

关于DeepSeek做的事情

1、我们做大模型，跟量化和金融都没有直接关系。我们要做的是通用人工智能，也就是AGI。

2、语言大模型是通往AGI的必经之路，并且初步具备了AGI的特征，所以我们选择从这里开始。

3、我们不会过早设计基于模型的一些应用，会专注在大模型上。从长期看，大模型应用门槛会越来越低，初创公司在未来20年任何时候下场，也都有机会。我们的目标很明确，就是不做垂类和应用，而是做研究，做探索。

4、只做复刻的话，可以在公开论文或开源代码基础上，只需训练很少次数，甚至只需finetune（微调）一下，成本很低。而做研究，要做各种实验和对比，需要更多算力，对人员要求也更高，所以成本更高。

5、我们希望更多人，哪怕一个小App都可以低成本去用上大模型，而不是技术只掌握在一部分人和公司手中，形成垄断。大厂的模型，可能会和他们的平台或生态捆绑，而我们是完全自由的。

6、从商业角度来讲，基础研究是投入回报比很低的。我们比较确定的是，既然我们想做这个事，又有这个能力，这个时间点上，我们就是最合适人选之一。

7、如果目标是做应用，那沿用Llama结构，短平快上产品也是合理选择。但我们的目的地是AGI，这意味着我们需要研究新的模型结构，在有限资源下，实现更强的模型能力。这是scale up到更大模型所需要做的基础研究之一。除了模型结构，我们还做了大量其他的研究，包括怎么构造数据，如何让模型更像人类等，这都体现在我们发布的模型里。

8、我们认为当前阶段是技术创新的爆发期，而不是应用的爆发期。长远来说，我们希望形成一种生态，就是业界直接使用我们的技术和产出，我们只负责基础模型和前沿的创新，然后其它公司在DeepSeek的基础上构建toB、toC的业务。如果能形成完整的产业上下游，我们就没必要自己做应用。

9、如果需要，我们做应用也没障碍，但研究和技术创新永远是我们第一优先级。

10、提供云服务不是我们的主要目标，我们的目标是去实现AGI。

11、大厂有现成的用户，但它的现金流业务也是它的包袱，也会让它成为随时被颠覆的对象。

12、大模型创业公司可能活下来2到3家。现在都还处在烧钱阶段，那些自我定位清晰、更能精细化运营的，更有机会活下来。其它公司可能会脱胎换骨。有价值的东西不会烟消云散，但会换一种方式。

13、我主要的精力在研究下一代的大模型，还有很多未解决的问题。

14、我们经历了一个漫长的积累过程，外部看到的是幻方2015年后的部分，但其实我们做了16年。

关于AI及行业的理解

1、我们理解人类智能的本质就是语言，人的思维就是一个语言的过程。你以为你在思考，其实可能是你在脑子里编织语言。这意味着，在语言大模型上可能诞生出类人的人工智能（AGI）。

2、从最早的1张卡，到2015年的100张卡、2019年的1000张卡，再到一万张，这个过程是逐步发生的。很多人会以为这里边有一个不为人知的商业逻辑，但其实，主要是好奇心驱动，对AI能力边界的好奇。

3、对很多行外人来说，ChatGPT这波浪潮冲击特别大；但对行内人来说，2012年AlexNet带来的冲击已经引领一个新的时代。AlexNet的错误率远低于当时其他模型，复苏了沉睡几十年的神经网络研究。虽然具体技术方向一直在变，但模型、数据和算力这三者的组合是不变的，特别是当2020年OpenAI发布GPT3后，方向很清楚，需要大量算力。那之后，我们有意识地去部署尽可能多的算力。

4、AGI可能是2年、5年或者10年，总之会在我们有生之年实现。至于路线图，即使在我们公司内部，也没有统一意见。但我们确实押注了三个方向：一是数学和代码，二是多模态，三是自然语言本身。数学和代码是AGI天然的试验场，有点像围棋，是一个封闭的、可验证的系统，有可能通过自我学习就能实现很高的智能。另一方面，多模态、参与到人类的真实世界里学习，对AGI也是必要的。我们对一切可能性都保持开放。

5、未来会有专门公司提供基础模型和基础服务，会有很长链条的专业分工。更多人在之上去满足整个社会多样化的需求。

6、所有的套路都是上一代的产物，未来不一定成立。拿互联网的商业逻辑去讨论未来AI的盈利模式，就像互联网创业时，你去讨论通用电气和可口可乐一样，很可能是一种刻舟求剑。

关于技术与创新

1、创新是昂贵且低效的，有时候伴随着浪费。所以经济发展到一定程度之后，才能够出现创新。很穷的时候，或者不是创新驱动的行业，成本和效率非常关键。OpenAI也是烧了很多钱才出来的。

2、最重要的是参与到全球创新的浪潮里去。过去很多年，大家习惯了别人做技术创新，我们拿过来做应用变现，但这并非是一种理所当然。这一波浪潮里，我们的出发点，就不是趁机赚一笔，而是走到技术的前沿，去推动整个生态发展。

3、我们大部分公司习惯follow，而不是创新。

4、随着经济发展，我们也要逐步成为贡献者，而不是一直搭便车。过去三十多年IT浪潮里，我们基本没有参与到真正的技术创新里。我们已经习惯摩尔定律从天而降，躺在家里18个月就会出来更好的硬件和软件。但其实，这是西方主导的技术社区一代代孜孜不倦创造出来的，只因为之前我们没有参与这个过程，以至于忽视了它的存在。

5、创新的成本肯定不低，过去那种拿来主义的惯例和过去的情况有关。但现在，无论经济体量，还是字节、腾讯这些大厂的利润，放在全球都不低。我们创新缺的不是资本，而是缺乏信心以及不知道怎么组织高密度的人才实现有效的创新。

6、过去三十年，我们都只强调赚钱，对创新是忽视的。创新不完全是商业驱动的，还需要好奇心和创造欲。我们只是被过去那种惯性束缚了，但它也是阶段性的。

7、更多的投入并不一定产生更多的创新，否则大厂可以把所有的创新包揽了。

8、技术没有秘密，但重置需要时间和成本。英伟达的显卡，理论上没有任何技术秘密，很容易复制，但重新组织团队以及追赶下一代技术都需要时间，所以实际的护城河还是很宽。

9、我经常思考的是，一个东西能不能让社会的运行效率变高，以及你能否在它的产业分工链条上找到擅长的位置。只要终局是让社会效率更高，就是成立的。中间很多都是阶段性的，过度关注必然眼花缭乱。

10、创新首先是一个信念问题。为什么硅谷那么有创新精神？首先是敢。Chatgpt出来时，整个国内对做前沿创新都缺乏信心，从投资人到大厂，都觉得差距太大了，还是做应用吧。但创新首先需要自信，这种信心通常在年轻人身上更明显。

11、未来产业结构的调整，会更依赖硬核技术的创新。当很多人发现过去赚快钱很可能来自时代运气，就会更愿意俯身去做真正的创新。

12、未来硬核创新会越来越多，现在还不容易被理解，是因为整个社会群体需要被事实教育。当这个社会让硬核创新的人功成名就，群体性想法就会改变，我们只是还需要一堆事实和一个过程。

13、按照教科书的方法论来推导创业公司，在当下，他们做的事，都是活不下来的。但市场是变化的，真正的决定力量往往不是一些现成的规则和条件，而是一种适应和调整变化的能力。很多大公司的组织结构已经不能快速响应和快速做事，而且他们很容易让之前的经验和惯性成为束缚，而这波AI新浪潮之下，一定会有一批新公司诞生。

关于招人与考核

1、人工成本是对未来的投资，是公司最大的资产。我们选的人相对朴实一点，有好奇心，来我们这里有机会去做研究。大厂很难单纯去做研究，做训练，它更多会是业务需求驱动。如果不能很快应用，大厂不一定能持续坚持，因为它更需要看到结果。