4時間、118の回答、梁文鋒内部交流がすべてに応じる
核心的な視点
DeepSeekの初回外部資金調達は500億元を超え、梁文鋒はオープンソースが収入に影響しないと述べ、国産チップのエコシステムは1年以内に追いつくことができるが、計算能力は依然としてアメリカに12〜18ヶ月遅れているとしています。整理｜顾翎羽，腾讯科技
DeepSeekは最近、設立以来初の外部資金調達ラウンドを完了しました。このラウンドの調達総額は500億元人民币（約74億ドル）を超え、投資前の評価額は約3675億元（約543億ドル）です。投資者の中には、DeepSeekの創業者である梁文鋒が個人で200億元を出資し、Tencentが100億元、CATLが50億元、NetEase、JD.com、IDGキャピタルがそれぞれ30億元、国家人工知能産業投資基金が10億元を出資しています。
それ以前、梁文鋒は「資金調達せず、上場せず、商業化しない」という原則を提唱していました。今回の大規模な資金調達は、DeepSeekが正式に資本市場に進出することを示しており、その商業化の道筋と技術ビジョンについて業界の広範な関心を引き起こしました。
最近の投資家交流会では、梁文鋒がDeepSeekの組織文化、オープンソースの論理、技術ロードマップ、業界競争の見解について詳しく説明しました。
以下は、Tencent科技が入手した約4時間の交流会における梁文鋒の発言実録の整理で、テーマ別に分類され、合計118条です。テキストは可能な限り原意を保持し、わずかに編集されています。
01 ビジョンと抑制
私たちがこの会社を始めたとき、最初の思いは、最終的にどれだけお金を稼ぐか、資本市場に出るか、上場するか、そういったことを考えていませんでした。最初の数十人は全くそんなことを考えていませんでした。もしそう考えていたら、来なかったでしょう。
私たちは、この世界に対して非常に大きな善意を持ってこの事業を行っています。これは人類にとって有用であり、金銭以外の事柄です。私たちの出発点、ビジョン、そして今まで保持しているこのビジョンは、商業利益の最大化に基づいているわけではありません。
大企業を管理するには、規則や制度ではなく、ビジョンが必要です。ビジョンは壁に掲げられたスローガンではなく、実際にどう行動するか、つまりどう運営するかです。
私たちは組織を持たず、ビジョンによって駆動されています。KPIを達成するために何かを実現するという考え方ではなく、ただビジョンだけです。
このビジョンは、成文化されているわけではなく、書かれたものはありません。このビジョンは、私たちの行動の方法や世界に対する態度の中にあります。
私たちには特に多くの他の優位性はありません。私たちは他の人よりもお金があるわけでもなく、他の会社よりも優れた人材がいるわけでもありません。実際、私たちがこの会社を設立した2年前には、お金も少なく、名声もなく、影響力もない、非常に普通の人々の集まりでした。
抑制すればするほど、成功する可能性が高くなるかもしれません。少なくとも今のところはそれが証明されています。そうでなければ、なぜ私たちが成功できたのか説明できません。私たちには武器もなく、出発点も非常に低く、資源も非常に少なく、私たちの人々は実際にはランダムに集まった普通の人々です。
AIは非常に大きな事柄であり、利益も非常に大きいです。私たちは非常に抑制的であり、成功さえすれば、最終的には利益も非常に大きくなります。少し分けるだけで、利益は非常に大きくなるので、どの部分の利益をどう取るかを考える必要は全くありません。この利益は十分に大きいのです。
昨年の春節にユーザーが突然増えましたが、私たちはそのユーザーを留めようとしたり、ユーザーを収益化しようとしたり、商業利益を追求したりすることはありませんでした。私たちはユーザーを奪ったり、利益を追求したりするのではなく、ユーザーに良いサービスを提供するために努力しました。
私たちは「次のスーパーアプリを作る」とか「誰かと競争する」とか「次のByteDanceやTencentを作る」という考えは全く持っていません。私は、今後のAGIの機会は非常に大きいと思っています。今後のAGIの機会は常に非常に大きいです。
抑制は戦略の一つです。時には何かを犠牲にして、他の多くのものを得ることができるということです。オープンソースにしないということも同様で、私たちのプレッシャーとも考えられますし、私たちの利益を譲るとも考えられます。
この抑制は、長期的に見てAGIを実現する確率を高めると理解しています。何かを考えるとき、私はAGIが非常に大きな商業価値を持つことに疑いを持っていません。その基盤の上で、私が優先的に考えるのは、どうやって実現の確率を高めるかです。
私たちは常に非常に抑制的であり、どのインターネット大手や小規模企業とも競争相手になりたくありません。私は彼らに力を与えたり、協力したりして、この事業を進めることを望んでいます。
私たちは以前この態度を貫いてきましたが、その結果、何かを失ったわけではありません。オープンソースにしたからといって、他の人に助けを提供したからといって、私たちが何かを失ったわけではありません。むしろ、プラスになることもあると思います。これは直感に反するように見えますが、実際にはそうなのです。
私たちはAGIを目指していますが、商業化も進めています。そのため、C向けのユーザーがいて、B向けの収入もあります。歴史的な経験から見て、この戦略は成功しています。
02 AGIロードマップ
もしあなたが問題を非常に明確に説明し、完全な文脈と指示を与えることができれば、それは人間を超えています。しかし、ここには定義と前提があります：あなたが完全な文脈を与え、完全な指示を与えることです。
AIはあなたの従業員を置き換えることはできません。しかし、もしAIが持続的に学習する能力を持っているなら、従業員と同じように会社で2ヶ月学べば、世界中の人々を置き換えることができるでしょう。したがって、私たちは次のステップに進むために持続的な学習が必要です。
AIの発展は、階段を上ることと理解できます。昨年の階段は思考の連鎖でした。なぜなら、思考の連鎖を通じて、知能をより高いレベルに引き上げることができることがわかったからです。
今年の階段はエージェントです。なぜなら、エージェントの方法を使うことで、より多くのことができ、その能力範囲が広がり、知能の上限が高くなることがわかったからです。エージェントはCoTを使用し、CoTは前の階段を使用します。前の階段は言語モデルですので、無駄なステップはありません。
エージェントの後に解決すべき問題は持続的な学習です。つまり、モデルが持続的に学習できるようにする方法です。強力なトレーニングを与えるのではなく、人間のように長期間持続的に学習できるべきです。
持続的な学習の後、私たちは奇点に到達するかもしれません。この奇点は、モデルが持続的に学習できるようになったときに、人間ができるすべてのことを行えるようになることです。自分自身のバージョンを開発し、再研究し、次のバージョンを開発し、より先進的な人工知能モデルを開発できるようになります。
この奇点は、実際には奇点ではなく、漸進的なプロセスです。このプロセスは、比較的長い漸変であり、突発的なものではありません。しかし、習慣的に私たちはそれが奇点であると考えています。
これは私たちの推測です。このタイムラインは、まず学習を解決し、次に知能の奇点、自我反復の奇点を解決し、最後に具身知能に至るべきだと考えています。具身知能に到達すれば、現実世界に入り、家事を手伝ったり、介護をしたりすることができます。
もし持続的な学習を先に解決し、自我反復の奇点を解決し、具身知能を解決すれば、この道は非常に楽になります。なぜなら、後の段階で前の技術を使って後の技術を開発することができるからです。
私たちはAGIの主線だけを追求します。AIの分野は非常に広範であり、私たちが主線にないと考える多くのことがあります。例えば、3Dや動画生成などは、知能の主線とはあまり関係がないと思いますので、私たちはそれを行いません。
動画生成は最初に登場したとき非常に人気があり、まるでこれをやらなければAI企業ではないかのようでした。ですので、私は不思議に思います。実際には、よく考えれば、それは知能のロードマップとはあまり関係がありません。
商業的には良いビジネスですが、知能とは関係ありません。私たちはそれが良い商業であるからやるのではなく、それが知能のロードマップにあるからやるのです。
私たちの判断では、世界モデルと知能は現在の段階で最も重要なことではありません。最も重要なのはAIのトレーニングと、AIのトレーニング後に持続的な学習をどう解決するかです。これは私たちの会社の判断であり、もちろん各社の判断は異なります。
私たちは現在、AIがAIの研究を加速できるというストーリーを信じています。つまり、それは線形ではなく、AIを使って自分の研究を加速できるため、後の段階では非線形になる可能性があります。
具身知能は必ず入るべきであり、最終的には具身化されるべきです。なぜなら、普通の人にとって、彼のニーズはコンピュータではないからです。普通の人は、食事や娯楽、衣食住が必要であり、コンピュータは必要ありません。彼が必要とするのは、具体的な人力のニーズを解決するための具身知能です。
私たちはAGIに何をしてほしいかというと、次のモデルのバージョンを反復する手助けをしてほしいのです。具身化が実現すれば、次の具身のバージョンを反復することを期待しています。
次世代モデルの核心能力は、持続的な学習の能力を持つことです。それが次世代モデルと呼ばれるためには、持続的な学習が必要です。それ以前に、私たちができるのはコストを下げ、効果を高め、速度を速めることです。しかし、大きな突破口が必要であり、それは持続的な学習を備えているべきです。
現在のエージェントの能力が制限されているのは、持続的に学習できないからです。効果的に持続的に学習できないのです。もし持続的な学習を先に完成させることができれば、AIの能力は非常に強力であり、私たちの研究の効率を大幅に向上させることができるでしょう。
持続的な学習が先に実現すれば、汎用知能は非常に容易に実現できるでしょう。それを使って実現するのは簡単です。ですので、これは私たちが比較的見たい結果であり、私たちが楽になることを期待しています。さもなければ、今、人工的に汎用知能を作るのは非常に疲れる、苦しい、データ集約的で人力集約的な作業であり、コストパフォーマンスも高くありません。
03 チームと人材
私たちの前の経験は、AGIのビジョンが非常に強力であることを示しています。この人材の優位性は、私の人が彼よりも賢いということではなく、これらの人材をどう組織し、どう刺激し、どう協力するかです。
賢い人を集めても、彼らが自然に協力し、情熱を持って目標を達成するわけではありません。だからこそ、ビジョンが必要です。
私たちの最大の核心利益は、チームの安定性を維持することです。これは私たちの最大の核心利益であり、唯一の核心利益とも考えられます。チームの安定性を維持できれば、必ず成功し、AGIを実現できるのです。それはとても簡単なことです。
お金は確かに問題ではなく、資源も問題ではありません。他の要素はすぐに手に入ります。私たちにとって唯一の核心利益は、譲れないことです：チームの安定性を維持しなければなりません。
これは私たちが直面している非常に大きな挑戦でもあり、最大のリスクだと思います。このリスクは、最近の資金調達によってかなり軽減されました。なぜなら、皆が比較的多くのオプションを得ており、金額も大きいからです。
チームの安定性に関して言えば、最も重要な従業員や最も古い従業員が安定していれば、他の人はあまり離れません。他の人がたとえオプションが少なくても、収入が少なくても、彼らは離れません。なぜなら、彼らは全てお金のために来ているわけではなく、AGIを実現できる環境でこの事業を行いたいと思っているからです。
他のことは時間の問題です。他のことはせいぜい半年遅れるか、1年遅れるだけですが、実現できないことはありません。お金が不足することはなく、資源も不足することはありません。実際、これらは不足していません。
私たちとアメリカの違いは主に資源にありますが、人材に関してはあまり差はありません。人材に関してはほとんど差がなく、同じグループの人々です。中国人が海外に出るとき、何人かは国内に残り、何人かは海外に行きますが、賢い人が海外に行くわけではありません。
人材はボトルネックではなく、資源が最大のボトルネックです。資源はまず人材の育成に影響を与えます。計算能力が少ないため、実験の機会が比較的少なく、私たちの人材は全体的にアメリカに比べて差があります。人材の差は本質的に計算能力の差によるものです。
AI人材の不足も一時的なものであり、私たちはすでに大幅に緩和されているのを見ています。AI人材は本当に不足しているわけではなく、各社はすぐに人を育成できるため、人を育てるのは非常に早いです。
国内でモデルを作っている会社は少し多すぎます。アメリカにはおそらく3社しかありませんが、中国では基礎モデルを作っている会社が多すぎます。最終的には、そんなに多くの人が基礎モデルを作る必要はなく、必ず収束します。
私たちの会社の管理は実際には2つのラインがあります：一つは上から下へのライン、もう一つは下から上へのラインです。下から上へのラインは、各自が何をしたいかを自分でやり、誰も管理せず、KPIもありません。
一般的に、私たちは従業員が半分の時間を自由に使えることを望んでいます。彼が何をしたいかを自由にやることができるのです。これは研究の範囲であり、彼が重要だと思うことを探求できるようにするためのものです。事前の要求はありません。
私たちは一般的にあまり残業しません。残業には2つの理由があります。第一に、研究には比較的リラックスした環境が必要です。もし強く押し付けられれば、研究はできません。なぜなら、興味を持って自分で問題を考える必要があるからです。だから、比較的リラックスした環境が必要です。
第二に、私たちは非常に集中しています。私たちは非常に集中しているため、やるべきことが少ないのです。だから、あまり多くのことをする必要がなく、残業する必要がありません。これは前述の抑制と一貫しています。
私たちの会社全体は合意の基盤の上に築かれています。私はすべてのことを一人で決定するのではなく、合意を求めます。私の会社内での権威や影響力は、合意の基盤の上に築かれています。
この意思決定メカニズムは、合意を求めるメカニズムです。これは、私が何かを推進できるということではなく、必ず合意が必要であり、合意がなければ推進できません。
人員が増えるにつれて、私たちはこの調整を行います。すぐにこの調整を行う必要があります。すでにこの調整を行っています。この調整を行わなければ、多くのことを進めることはできません。確かに多くの部門には組織構造が必要です。
04 計算能力と資源
どれだけのカードが必要ですか？今は確実に多い方が良いです。私たちが耐えられる範囲内で、カードが多いほど良いのは間違いありません。したがって、私たちの現在の戦略は、合理的な価格の範囲内で、どれだけのカードを購入できるかを購入することです。
実際には、これだけの資金を使い切るのは非常に難しく、そんなに多くのカードを買うことはできません。非常に難しく、価格も高いです。非常に高い価格で購入することはできず、その価格が合理的であることを保証する必要があります。今年200億元を使い切ることができれば、私たちの調達部門の業績は非常に良いことになります。
私たちとアメリカの間の最大の違いは資源にあります。一方で、国内ではカードが買えないという問題があり、もう一方では、私たちの資本投入がアメリカよりも少ないのです。資本投入の面で、私たちは多くを失っています。人材の給与はこの中で占める割合が非常に低いです。彼らが1億ドルの給与を支払っているのに対し、計算すると人材の給与は占める割合が非常に少なく、主要な部分は計算能力です。
私たちが見ているすべての違い、包括的な人材の違い、モデル能力の違い、アプリケーションの違いは、計算リソースの違いによるものと考えられます。
私たちとアメリカの違いは、アメリカに12ヶ月遅れている可能性があります。アメリカに12〜18ヶ月遅れているか、6〜12ヶ月遅れているかもしれません。とにかく簡単に言えば、アメリカに2年遅れており、アメリカの20分の1の計算能力でこの事業を実現しています。
このストーリーは1〜2年遅れているが、計算能力は20分の1しか使っていないということです。将来的には、このストーリーを改訂し、私たちがその数分の1の計算能力を使いながら、時間を短縮し、6ヶ月、3ヶ月に縮めることが目標だと思います。
スケーリング、私たちはスケーリングを信じています。規模が大きくなるほど、効果が良くなり、より多くの機能が解放されます。私たちのスケーリングを妨げているのは、実際には計算能力であり、私たちがスケーリングを望んでいないのではなく、そんなに多くの計算能力がないからです。
私たちがこれほど大きなモデルを訓練しているのは、単にこの大きなモデルが必要だと思っているからではなく、ちょうどそのだけのリソースがあるからです。私のリソースに基づいて、受け入れ可能で訓練できるモデルの大きさを計算しています。それがこのモデルが必要だというわけではありません。
シリコンバレーがスケーリングの限界について話しているとき、それはシリコンバレーにとってのことです。中国人にとっては、私たちはまだその程度には達していません。私たちはスケーリングのその程度には達していません。このスケーリングには、データのスケーリング、モデルのスケーリング、訓練コストが含まれます。
05 国産チップとエコシステム
NVIDIAのCUDAの堀は急速に崩壊しています。一方では、今AIがあり、AIがあることで、以前よりもエコシステムを構築するのがはるかに容易になりました。なぜなら、AIがコードを書くことができるからです。
現在、計算カードの市場はゲームカードよりも大きくなっており、これら2つが結びつく必要はありません。今後のトレンドは、結びつかなくなることです。したがって、専用チップは、HuaweiでもNVIDIAでも、今後は専用チップとなり、以前のものとは異なるものになります。
国産AIチップの代替には歴史的な機会があります。私たちは、今後1年以内に、国産チップのエコシステムに問題がないことが証明されると考えています。以前は問題があると考えられていましたが、使えない、使いにくいとされていました。しかし、今後1年以内に、この認識を変えることができると思います。
国産AIチップのハードウェアとエコシステムには問題がなく、唯一の問題は生産能力が不足していることです。国産カードの適合には障害がなく、NVIDIAは阻止できません。正常な商業環境であれば、NVIDIAのカードを購入できるので、国産の代替は難しいですが、NVIDIAのカードが手に入らない場合、誰もがやむを得ず国産チップを使用することになります。
V3の訓練時には、まだNVIDIAのカードを使用していますが、NVIDIAのエコシステムは使用していません。V3はNVIDIAのカードを使用していますが、NVIDIAのエコシステムを使用せず、まず高級コンパイラであるTileLangを作成し、そのTileLangのエコシステムに基づいて他のすべてのことを完成させています。これにより、ほぼNVIDIAのエコシステムに依存しなくなっています。
私は国産の計算能力に対して比較的楽観的です。この点において、NVIDIAは自らの墓を掘っていると思います。Huaweiの超ノード、Huaweiの950超ノードは、性能と価格の面でNVIDIAのGB200、GB300に完全に匹敵します。
4枚のHuaweiカードは1枚のNVIDIAカードに相当します。
私たちとアメリカのチップの差は、エコシステムにおいては今後差がなくなると考えていますが、チップに関しては4倍の差があり、2年の差があります。
私たちは現在、Huaweiと主に協力しています。Huaweiは自ら適合させていますが、私たちもこのエコシステムに参加し、Huaweiの中に深く関与します。Huaweiの問題は依然として生産能力不足です。
私は、今後5年後に私たちが生産能力の問題に悩まされるとはあまり信じていません。今は確かに生産能力の問題に直面しています。今年、来年、再来年もおそらく生産能力の問題に直面するでしょうが、5年後には必ずしもそうではないと思います。私は比較的楽観的です。
06 競争環境と業界判断
各社のモデルの最終的な効果の差は、総合的なものになるはずです。モデルの効果を比較する場合、同じコストで比較することが意味があります。なぜなら、2台の車を比較する場合も、同じ価格帯の車で比較するからです。
Anthropicが現在OpenAIを超えているのは、長期的なものではないと思います。これは確実に一時的なものであり、OpenAIとGoogleは、将来的には交互に上昇する可能性が高いです。
世界のAIにおける主導的な役割を果たす際、中国企業が果たす可能性のある役割は、最大の生産量を持つことです。常識的に考えて、私たちの生産能力は最大であり、チップも最大であり、電力も最も多いです。
中国人はこの製品を最も安く作り、効果においても、結局のところ、外国の商品は現在、多くの中国製とアメリカ製に大きな違いはありません。将来的にはAIも同様ですが、中国製のAIは価格がより安くなる可能性があります。この安さは、他の業界で中国が提供するサービスがより安いのと同じように、システム的な低さかもしれません。
最終的な差は、3つの側面に分けられるべきです。一つはコスト、一つは時間、一つはユーザー体験です。それ以外には、あまり差はないかもしれません。
コストは確かに差異の一つであり、コストが第一位の違いであると思います。次に重要なのは時間です。いつ実現できるかです。数ヶ月早く、数ヶ月遅れると、全く異なります。
OpenAIは最初から本当にこの世界を独占できると思っていましたが、実際には多くの挑戦者に直面することになります。彼は挑戦に直面し、そんなに楽にはいかないでしょう。アメリカは挑戦に直面し、将来的には中国の挑戦にも直面するかもしれません。なぜなら、中国人はより少ない報酬でサービスを提供することを望んでいるからです。
多くの報酬を得る人は、少ない報酬を得る人に打ち負かされるでしょう。実際には、多くの報酬を得る必要はなく、ビジョンが多くの報酬を得るものであれば、少ない報酬を得る人に打ち負かされるでしょう。実際には、誰もお金を得ていないのです。ただのビジョンです。あなたのビジョンが多くの報酬を得るものであれば、あなたは先に負け、より大きな困難に直面するでしょう。
私たちにとって、利益を最大限に得ることや、収益を最大化する価格設定をすることではなく、合理的な利益を得ることが重要です。これは説明です。私はこのことを信じており、このために理由を探す必要はありません。
私は多くの体験の面で、アメリカよりも優れている可能性があると思います。製品の面では、製品能力がアメリカに劣るとは限りません。コストもアメリカよりも低いはずですので、中国には競争力があります。
コストは非常に理解しやすいです。なぜなら、彼らはそれを行う必要がないため、彼らはその能力を発展させていないからです。彼らは確かに私たちほどこの事柄を重視していません。私たちはこれを非常に重要な事柄として扱うことができますが、彼らにとっては重要ではありません。
大モデルは、2社の大企業や2社の小企業の間で、すでに十分である可能性があります。差は2つの要素だけです：一つは時間、もう一つはコストです。したがって、どの企業も暴利を得ることはないと思います。コストをうまく管理できる人は多くの利益を得るでしょうが、コストをうまく管理できない人は少ししか得られません。それだけのことです。
07 モデル開発と技術
私たちの会社には、半分の人が普段OpenAIがより優れていると考えています。実際、Anthropicには先発の優位性がありますが、この先発の優位性はすぐに失われるはずで、長期的に維持できるものではありません。これらの3社はどれも優れており、この3社の中で効率が最も高いのは、彼らが費やすコスト、使ったお金、燃やしたお金が最も少ないからです。
マルチモーダルの配置は、私たちはずっと行っています。製品にとっては非常に重要です。C向けユーザー製品にとっても非常に重要です。しかし、知能の上限にとっては、これはコンポーネントであり、主線そのものではありません。
私たちは関連するモデルを上げるべきであり、私たちのV4、V4の後続バージョンはネイティブのマルチモーダルをサポートします。しかし、私たちにとってマルチモーダルは知能のコンポーネントであり、知能そのものとは見なしていません。
言語モデルのスケーリングについては、現在上限が見えていません。私たちの知能レベル、またはアメリカの知能レベルも上限が見えていません。
私たち内部の多くの人の考えは、まず自分たちに役立つことが重要であり、まずは自分たちのために使うべきだということです。そして、これはAGIを実現する最も早い方法です。私たち自身が使いやすい場合、それは他の人にも使いやすいことを意味しますが、まずは自分たちが使いやすいことを保証する必要があります。
私たちが作るモデルの第一の目標は、皆が使いやすいことではなく、私たち自身が使いやすいことです。まずは自分たちに役立つことです。自分たちに役立った後、次のモデルの開発がより迅速に進むでしょう。
私たちはこれを「摸奖」と呼んでいます。ハードルは非常に低く、誰でも挑戦できますが、誰が何を得られるかは、才能や他の要素によるかもしれません。したがって、ここでリソースを分配する必要はありません。ただし、私たちが他の会社と異なる点は、この問題について時間をかけて議論し、考えることを重要視していることです。
08 商業化と価格設定
私たちのAPIの価格設定は合理的な利益であり、約10ヶ月でコストを回収できるような価格です。これは合理的な利益だと思います。
利益を最大化するのであれば、価格をもっと高く設定すべきです。なぜなら、この価格帯ではユーザーの需要は弾力的ではなく、価格を半分にしたり、倍にしたりしても、トークンの消費量に大きな違いはないからです。
私たちのモデルは、最初は需要が多すぎるのではないかと心配していたため、最初は価格を高く設定しましたが、チームの皆はあまり喜んでいませんでした。その後、価格を四分の一に下げたところ、皆が非常に喜びました。
B向けビジネスの上限は需要であり、現在のAGI、AI技術の背景の中で、B向けの需要は限られています。需要は急速に増加しますが、無限大のものではなく、最終的には需要に制約され、計算能力ではありません。
私は今、達成可能だと思っています。もし今年、数億ドルのB向け収入が得られ、C向けにユーザーがいるなら、それ自体が一定の商業基盤を持っています。来年B向けに収入があれば、この需要がさらに増大するなら、会社は純利益に近づいているかもしれません。
最悪のシナリオではAPIを販売することで、上場企業を支えることができるかもしれません。もし技術が進歩しなければ、私たちの技術がここで凍結されるなら、最後には全力でAPIを販売し、これらのサービスを提供することで十分だと思います。
現在の状況から見ると、最も合理的なアプローチは、全力で汎用エージェントを作ることです。他のエージェントの優先順位は低く、金融や医療のエージェントも含まれます。まずはコーディングを行います。なぜなら、コーディングエージェントは多くのことを実現でき、他にも多くの垂直的なエージェントがあります。現段階で最も重要なのは、コーディングエージェントであると考えています。
私は低コストがまず結果であると考えています。私たちのモデルは常にモデルアーキテクチャをより低コストの方向に進めており、これは私たちのビジョンに関連しています。私たちはまだ多くのアルゴリズム上の方法を持っており、コストはさらに下がる可能性があります。
コストが下がるもう一つの理由は、コストが低ければ低いほど、より大きなモデルを訓練でき、より大きなモデルを担うことができるからです。同じ計算能力の下で、計算能力が限られている場合、私の計算効率が高ければ高いほど、より大きなモデルを担うことができます。
09 オープンソース戦略
私たちはオープンソースにするつもりです。そして、私たちの最も強力なモデルもオープンソースになる可能性があります。なぜなら、クローズドソースの利点が見えないからです。ByteDanceのモデルはクローズドソースですが、何の利点があるのでしょうか？私はその利点が見えません。
モデルをオープンソースにして、すべてのことを他の人に伝えても、そのハードルは非常に高いです。他の人が使うためには、そのハードルも非常に高いです。彼が使うためには非常に難しく、さらにコストを低くする必要があり、それも非常に難しいです。簡単ではありません。
オープンソースは収入に影響を与えません。オープンソースは、私たちのビジネスモデルには何の影響もないと考えています。
他の人が私たちのモデルを展開し、私たちと競争することを心配していません。全く心配していません。私たちは彼らが展開できることを望んでいます。私たちはできる限りオープンソースコミュニティに支援を提供し、皆が私たちのモデルを展開できるように協力します。
私たちが外部と接触する際の態度は、AGIの主線だけを追求することです。外部と接触する際には、私たちは誰にでも協力し、助けることを非常に望んでいます。競争相手であるAlibaba、Zhiyu、Yuezhianmianを含めて、より良い成果を上げることを望んでいます。なぜなら、私たちは何も失うことはなく、元々オープンソースであるからです。
私たちが提供するオープンソースモデルは、私たちが自ら展開するモデルと同じですか？同じです。私たちは、劣ったモデルをオープンソースにし、自ら展開する際により良いモデルを使用することはありません。全く同じです。
10 データと後訓練
データはほぼモデルの半分に等しいはずです。前にはデータのラベリングの問題があります。私たちのデータラベリングに関しては、資本投入に関係しています。私たちの資本投入の構造では、高品質のデータラベリングのコストを支えることができません。なぜなら、コストが非常に高いからです。
アメリカのデータラベリングのコストは、中国のデータラベリングのコストとあまり違いがありません。中国でデータをラベリングすることにはコストの優位性がなく、特に高級データのラベリングにおいてはコストの優位性がないため、私たちはアメリカのようにデータをラベリングするために投入することが非常に難しいです。この道は中国では非常に難しいです。なぜなら、データのラベリングは非常に高価であり、外部でラベリングしても自分たちでラベリングしても非常に大変です。
現在、基本的には二本の足で歩いています。完全にラベリングできないわけではなく、ラベリングにはコストが低いものと高いものがあります。私たちはまずコストが低いものをラベリングします。
あなたは、今私たちの会社の半分の人がデータをラベリングしていると考えることもできます。半分のコア研究者、最も重要な人々が半分データをラベリングしています。私たちはデータラベリングに集中しています。AIの問題を解決するためには、現在の段階ではデータラベリングが頼りです。
高品質のデータラベリングのボトルネックは、時間だと思います。時間が必要です。なぜなら、OpenAIや海外のAnthropicにとっては、彼らは早く、資本も多く、カードも多いからです。
大モデルの幻覚問題は、ユーザーの体験に影響を与えます。幻覚問題は解決できる方法がありますが、これは長期的な課題です。幻覚問題は、より良い後訓練によって解決できる問題であり、改善できる問題です。
11 組織と会社の位置付け
まず、私たちには模倣する対象がありません。すべてのステップは、実際の状況に基づいて、実事求是で、実際の状況に基づいて意思決定を行い、私たちがどうすべきかを見つけることです。したがって、これは時代の産物であり、現実の状況の反映であり、模倣の結果ではありません。
私たちは明確に商業化を目指しています。最終的には生き残る必要があります。私たちは結局のところ会社であり、政府は私に一銭もくれません。
私たちは本質的には会社ですが、どのようにお金を稼ぐか、いつお金を稼ぐか、どれだけ稼ぐか、何に依存するかを考えています。多くの会社が非常に素晴らしいことを成し遂げているのは、利益以外の追求があるからです。その追求は、最終的には商業化に影響を与えず、むしろ商業化をより良くすることができます。
パートナーに関しては、私たちのこの資金調達は慎重に選ばれています。まず、利益が比較的一致していること、私たちに対して敵意が最も少ないこと、または私たちが成功することを最も望んでいることです。すべての人が私たちの成功を望んでいるわけではありません。なぜなら、私たちは多くの他の人の利益を損なっているからです。
AIは今、センスや直感に欠けているわけではなく、持続的な学習の能力が欠けています。AIのセンスや直感には問題がありません。あなたが文章を書かせると、彼のセンスや直感には問題がないと思います。
私たちは一つの分野だけを追求したいと考えています。AIは非常に大きな事柄であり、私がすべてを行う必要はありません……私は一つの分野だけを追求します。もし集中し、ここに生まれるビジネスの利益が十分に大きいと考えれば、AI時代には万億規模の企業が多く生まれるでしょう。その中の一つであると考えています。
私たちはより多くの人を支援したいと考えていますが、それほど多くのエネルギーはありません。私たちはその意志を持っており、利益相反はありませんが、実際に行動するかどうかは別の話です。しかし、少なくともここには利益相反はなく、私たちは協力してウィンウィンを望んでいます。
リスク警告
