4 giờ, 118 câu trả lời, Liang Wenfeng nội bộ giao lưu phản hồi mọi thứ
Quan điểm cốt lõi
DeepSeek vòng gọi vốn bên ngoài đầu tiên vượt quá 500 tỷ nhân dân tệ, Liang Wenfeng cho biết việc mở nguồn không ảnh hưởng đến doanh thu, hệ sinh thái chip nội địa có thể theo kịp trong vòng một năm, nhưng sức mạnh tính toán vẫn tụt hậu so với Mỹ từ 12 đến 18 tháng.整理｜顾翎羽，腾讯科技
DeepSeek gần đây đã hoàn thành vòng gọi vốn bên ngoài đầu tiên kể từ khi thành lập. Tổng số tiền huy động trong vòng này vượt quá 500 tỷ nhân dân tệ (khoảng 74 tỷ USD), với định giá trước đầu tư khoảng 367,5 tỷ nhân dân tệ (khoảng 54,3 tỷ USD). Trong danh sách các nhà đầu tư, người sáng lập DeepSeek, Lương Văn Phong, đã đầu tư 20 tỷ nhân dân tệ, Tencent đầu tư 10 tỷ nhân dân tệ, Ningde Times đầu tư 5 tỷ nhân dân tệ, NetEase, JD.com và IDG Capital mỗi bên đầu tư 3 tỷ nhân dân tệ, Quỹ đầu tư công nghiệp trí tuệ nhân tạo quốc gia đầu tư 1 tỷ nhân dân tệ.
Trước đó, Lương Văn Phong đã đưa ra nguyên tắc "không huy động vốn, không niêm yết, không thương mại hóa". Việc huy động vốn quy mô lớn lần này đánh dấu việc DeepSeek chính thức bước vào thị trường vốn, đồng thời đã thu hút sự quan tâm rộng rãi từ ngành công nghiệp về con đường thương mại hóa và tầm nhìn công nghệ của họ.
Trong một buổi giao lưu với các nhà đầu tư gần đây, Lương Văn Phong đã giải thích chi tiết về văn hóa tổ chức, logic mã nguồn mở, lộ trình công nghệ cũng như quan điểm của ông về cấu trúc cạnh tranh trong ngành.
Dưới đây là bản ghi chép gần 4 giờ phát biểu của Lương Văn Phong trong buổi giao lưu mà Tencent Technology thu thập được, được phân loại theo chủ đề, tổng cộng 118 mục, văn bản cố gắng giữ nguyên ý nghĩa ban đầu, chỉ chỉnh sửa nhẹ.
01 Tầm nhìn và Kiềm chế
Chúng tôi bắt đầu làm công ty này, ban đầu không nghĩ rằng cuối cùng mình sẽ kiếm được bao nhiêu tiền, sẽ ra thị trường vốn, sẽ niêm yết như thế nào. Những người đầu tiên tham gia hoàn toàn không nghĩ như vậy, nếu họ nghĩ như vậy, họ đã không đến đây.
Chúng tôi làm việc này với một thiện chí rất lớn đối với thế giới, chúng tôi cảm thấy đây là điều hữu ích cho nhân loại, đây là một việc ngoài tiền bạc. Nguyên tắc khởi đầu của chúng tôi, tầm nhìn của chúng tôi, và tầm nhìn mà chúng tôi giữ đến bây giờ, không phải là theo cách tối đa hóa lợi ích thương mại.
Quản lý một công ty lớn không phải dựa vào quy định của bạn, mà dựa vào tầm nhìn. Tầm nhìn không phải là khẩu hiệu treo trên tường, tầm nhìn là cách bạn làm, không phải là cách bạn nói, mà là cách bạn thực sự vận hành.
Chúng tôi không có tổ chức, mà là được điều động bởi tầm nhìn, dựa vào một tầm nhìn để tổ chức. Chúng tôi không làm theo cách "tôi muốn đạt được KPI nào đó, không có đánh giá", chỉ có tầm nhìn.
Tầm nhìn này thậm chí không phải là văn bản, không phải là viết ra, chưa bao giờ viết ra bất cứ điều gì. Tầm nhìn này nằm trong cách chúng tôi làm việc, trong thái độ của chúng tôi đối với thế giới.
Chúng tôi không có nhiều lợi thế khác, chúng tôi không có khả năng gì đặc biệt, chúng tôi không có nhiều tiền hơn người khác, cũng không phải là nhân viên của chúng tôi tốt hơn các công ty khác, thực tế là không có. Khi chúng tôi thành lập công ty này hai năm trước, chúng tôi không có nhiều tiền, không có nhiều thẻ, không có danh tiếng, không có sức hút, chúng tôi chỉ là một nhóm người rất bình thường.
Bạn càng kiềm chế, có thể càng dễ dàng thành công, hoặc ít nhất cho đến nay là đã được chứng minh, cho đến nay là có thể giải thích được. Nếu không, không thể giải thích tại sao chúng tôi có thể thành công: chúng tôi không có vũ khí, điểm khởi đầu rất thấp, tài nguyên rất ít, và nhân viên của chúng tôi thực sự chỉ là một nhóm người bình thường ngẫu nhiên.
AI là một vấn đề quá lớn, lợi ích quá lớn. Chúng tôi rất kiềm chế, chỉ cần có thể thành công, cuối cùng lợi ích sẽ rất lớn. Bạn chỉ cần chia sẻ một chút, lợi ích đã rất lớn, vì vậy bây giờ hoàn toàn không cần phải xem xét lấy phần lợi ích nào trong số này, làm thế nào để lấy, tôi cảm thấy hoàn toàn không cần phải xem xét vấn đề này, vì lợi ích đã đủ lớn.
Năm ngoái vào dịp Tết, số lượng người dùng đột nhiên tăng lên rất nhiều, nhưng chúng tôi không theo đuổi việc giữ lại những người dùng này, hoặc nói rằng lấy những người dùng này để kiếm tiền, hoặc nói rằng tôi muốn giành lấy lợi ích thương mại từ người dùng. Chúng tôi không giành lấy người dùng, không kiếm tiền, nhưng chúng tôi rất nỗ lực tìm cách phục vụ tốt cho người dùng.
Chúng tôi không có suy nghĩ rằng mình muốn trở thành một siêu ứng dụng tiếp theo, rồi muốn cạnh tranh với ai, tôi muốn trở thành một ByteDance tiếp theo, trở thành một Tencent tiếp theo, hoàn toàn không có suy nghĩ như vậy. Tôi nghĩ cơ hội AGI phía sau sẽ rất lớn, cơ hội AGI phía sau luôn luôn rất lớn.
Kiềm chế là một chiến lược. Đó là đôi khi bạn có thể từ bỏ một số thứ để đổi lấy nhiều thứ khác hơn. Việc không mã nguồn mở cũng tương tự, có thể coi đó là áp lực của chúng tôi, cũng có thể coi đó là sự nhượng bộ của chúng tôi.
Sự kiềm chế này, tôi hiểu là sự kiềm chế này về lâu dài có thể tăng khả năng thành công của chúng tôi trong việc đạt được AGI. Khi xem xét một vấn đề, tôi không nghi ngờ gì rằng AGI sẽ có giá trị thương mại rất lớn. Vậy trên cơ sở này, tôi ưu tiên xem xét không phải là làm thế nào để tăng thêm một chút thị phần, tôi làm thế nào để lấy thêm một chút thị phần, mà tôi ưu tiên xem xét là làm thế nào để tăng khả năng thành công của tôi.
Chúng tôi luôn rất kiềm chế, không muốn trở thành đối thủ của bất kỳ công ty Internet lớn hoặc nhỏ nào. Tôi hy vọng tôi có thể trao quyền cho họ, hoặc hy vọng tôi có thể hỗ trợ mọi người làm việc này, hy vọng có thể giúp mọi người làm việc này.
Tôi nghĩ trước đây chúng tôi giữ thái độ này, thực sự chúng tôi không vì vậy mà mất đi bất kỳ thứ gì, không vì tôi mã nguồn mở, không vì thiện chí của chúng tôi hoặc nói tôi giúp đỡ người khác mà dẫn đến việc chúng tôi mất đi bất kỳ thứ gì. Ngược lại, có thể còn được điểm cộng. Điều này có vẻ trái ngược với trực giác, nhưng thực sự là như vậy.
Chúng tôi lấy AGI làm mục tiêu, nhưng chúng tôi luôn làm thương mại hóa, vì vậy chúng tôi mới có người dùng C-end, mới có doanh thu B-end. Từ kinh nghiệm lịch sử, chiến lược này là thành công.
02 Lộ trình AGI
Nếu bạn có thể mô tả một vấn đề rất rõ ràng, cung cấp đầy đủ ngữ cảnh và chỉ dẫn, nó đã vượt qua con người. Nhưng ở đây có một định nghĩa, một tiền đề là: bạn cung cấp cho nó ngữ cảnh đầy đủ, cung cấp cho nó chỉ dẫn đầy đủ.
AI không thể thay thế nhân viên của bạn. Nhưng nếu AI có khả năng học tập liên tục, nó giống như nhân viên của bạn, học trong công ty hai tháng, thì nó có thể thay thế tất cả mọi người, vì vậy chúng tôi còn thiếu một bước học tập liên tục.
Sự phát triển của AI, chúng tôi có thể hiểu là một bậc thang. Bậc thang mà chúng tôi đã đi năm ngoái là chuỗi tư duy. Bởi vì chúng tôi phát hiện ra rằng, thông qua cách chuỗi tư duy, có thể nâng cao trí thông minh lên một cấp độ cao hơn.
Bậc thang của năm nay là Agent, vì chúng tôi phát hiện ra rằng, bằng cách sử dụng Agent, ngay cả khi có nhiều việc hơn cũng có thể làm được, phạm vi khả năng của nó sẽ lớn hơn, giới hạn trí thông minh của nó sẽ cao hơn. Agent cần sử dụng CoT, và CoT cũng cần sử dụng bậc thang trước đó, bậc thang trước đó chính là mô hình ngôn ngữ, vì vậy không có bước nào là vô ích.
Sau Agent, chúng tôi cảm thấy vấn đề cần giải quyết là học tập liên tục, tức là làm thế nào để mô hình có thể học tập liên tục, chứ không phải là bạn phải cung cấp cho nó một đào tạo mạnh mẽ, nó nên có thể học tập liên tục trong một khoảng thời gian dài như con người.
Sau khi học tập liên tục, có thể chúng tôi sẽ đến một điểm kỳ dị. Điểm kỳ dị này chính là, khi mô hình có thể học tập liên tục, nó đã có thể làm tất cả những gì con người có thể làm. Nó có thể tự phát triển phiên bản của mình, có thể tự nghiên cứu, rồi phát triển phiên bản tiếp theo của mình, phát triển mô hình trí tuệ nhân tạo tiên tiến hơn.
Điểm kỳ dị này không phải là một điểm kỳ dị, mà cũng là một quá trình dần dần. Quá trình này có thể cũng là một biến đổi dần dần khá dài, nó không phải là một sự đột biến. Nhưng theo thói quen, chúng ta đều cho rằng nó có thể là một điểm kỳ dị.
Đây là suy đoán của chúng tôi, đây là thời gian biểu mà chúng tôi nghĩ rằng: trước tiên giải quyết việc học tập, rồi đến điểm kỳ dị thông minh, có thể tự lặp lại, rồi mới đến trí thông minh thể chất. Đến trí thông minh thể chất, nó sẽ bước vào thế giới thực, có thể giúp bạn làm việc nhà, có thể chăm sóc người già.
Nếu chúng tôi trước tiên giải quyết học tập liên tục, rồi giải quyết điểm kỳ dị tự lặp lại, rồi giải quyết trí thông minh thể chất, thì con đường này sẽ rất dễ dàng. Bởi vì đến giai đoạn sau, bạn có thể sử dụng công nghệ trước đó để giúp phát triển công nghệ sau này.
Chúng tôi chỉ làm dòng chính AGI. Lĩnh vực AI rất rộng lớn, có nhiều thứ mà chúng tôi cảm thấy không nằm trong dòng chính này, chẳng hạn như 3D, tạo video, tôi cảm thấy có thể không liên quan nhiều đến dòng chính trí thông minh, chúng tôi sẽ không làm.
Khi tạo video mới xuất hiện, nó đã rất hot, dường như đây là điều phải làm, nếu bạn không làm, bạn sẽ không phải là một công ty AI. Vì vậy tôi cảm thấy rất kỳ lạ, điều này thực ra nếu bạn suy nghĩ kỹ, nó không liên quan gì đến lộ trình trí thông minh.
Về mặt thương mại, đây là một công việc tốt, về mặt thương mại là một công việc tốt. Nhưng điều này không liên quan gì đến trí thông minh. Chúng tôi sẽ không làm vì nó là một thương mại tốt, chúng tôi chỉ làm vì nó là thứ nằm trong lộ trình trí thông minh.
Theo đánh giá của chúng tôi, mô hình thế giới và trí thông minh hiện tại không phải là điều quan trọng nhất ở giai đoạn này. Điều quan trọng nhất là đào tạo AI, và sau khi đào tạo AI, làm thế nào để giải quyết học tập liên tục. Đây là đánh giá của công ty chúng tôi, tất nhiên mỗi công ty có đánh giá khác nhau.
Chúng tôi hiện tại khá tin tưởng vào một câu chuyện rằng, AI có thể tăng tốc nghiên cứu AI. Nói cách khác, nó không phải là tuyến tính, vì bạn có thể sử dụng AI để tăng tốc nghiên cứu của chính mình, vì vậy đến giai đoạn sau có thể là phi tuyến tính.
Tôi nghĩ trí thông minh thể chất chắc chắn vẫn phải vào, cuối cùng là trí thông minh thể chất. Bởi vì đối với một người bình thường, nhu cầu của họ không phải là máy tính, đúng không? Bởi vì người bình thường, họ ăn uống, vui chơi, sinh hoạt, họ không cần máy tính. Họ cần, vì vậy họ vẫn cần trí thông minh thể chất để giải quyết nhu cầu nhân lực cụ thể.
Chúng tôi hy vọng AGI có thể làm gì? Nó có thể giúp tôi lặp lại phiên bản mô hình tiếp theo, có thể giúp tôi lặp lại phiên bản mô hình tiếp theo. Nếu có trí thông minh thể chất, chúng tôi hy vọng điều nó làm cũng là để cho nó lặp lại phiên bản thể chất tiếp theo, để nó làm robot phiên bản tiếp theo.
Năng lực cốt lõi của mô hình thế hệ tiếp theo phải có khả năng học tập liên tục, thì mới có thể gọi là mô hình thế hệ tiếp theo. Trước đó, những gì chúng tôi có thể làm chỉ là giảm chi phí, rồi làm cho hiệu quả tốt hơn, tốc độ nhanh hơn. Nhưng để có bước đột phá lớn, nó nên có khả năng học tập liên tục.
Hiện tại, khả năng của Agent bị hạn chế, là vì nó không thể học tập liên tục, nó không thể học tập liên tục một cách hiệu quả. Nếu có thể hoàn thành học tập liên tục trước, thì khả năng của AI sẽ rất mạnh, nó có thể nâng cao hiệu quả nghiên cứu của chúng tôi rất lớn.
Nếu học tập liên tục được thực hiện trước, thì trí thông minh tổng quát có thể sẽ rất dễ dàng, sử dụng nó để làm sẽ rất dễ dàng. Vì vậy tôi nói đây là một kết quả mà chúng tôi khá hy vọng thấy, chúng tôi khá nhẹ nhàng, chúng tôi sẽ dễ dàng hơn. Nếu không, bây giờ bạn phải làm trí thông minh tổng quát bằng tay, đó là một việc khá mệt mỏi, khá khổ sở, là một việc tập trung dữ liệu, tập trung nhân lực, chi phí hiệu quả cũng không cao.
03 Đội ngũ và Nhân tài
Kinh nghiệm trước đây của chúng tôi cho tôi thấy, tầm nhìn AGI là rất mạnh mẽ. Lợi thế nhân tài không phải là người của tôi thông minh hơn, mà là tôi tổ chức những nhân tài này như thế nào, làm thế nào để khuyến khích họ, rồi làm thế nào để hợp tác.
Bạn tập hợp những người thông minh lại với nhau không có nghĩa là họ tự nhiên có thể hợp tác, tự nhiên có thể rất nhiệt huyết để theo đuổi một mục tiêu, hoàn thành, vì vậy bạn cần một tầm nhìn.
Lợi ích cốt lõi lớn nhất của chúng tôi là duy trì sự ổn định của đội ngũ. Đây là lợi ích cốt lõi lớn nhất của chúng tôi, thậm chí có thể coi là lợi ích cốt lõi duy nhất. Chỉ cần tôi có thể duy trì sự ổn định của đội ngũ, tôi nhất định có thể thành công, nhất định có thể đạt được AGI, đơn giản là như vậy.
Tiền chắc chắn không phải là vấn đề, tài nguyên không phải là vấn đề, các yếu tố khác đều dễ dàng có được. Đối với chúng tôi, chỉ có một lợi ích cốt lõi, chỉ có một điều không thể nhượng bộ: chúng tôi phải duy trì sự ổn định của đội ngũ.
Đây cũng là một thách thức rất lớn mà chúng tôi phải đối mặt, hoặc nói rằng, tôi nghĩ đây là rủi ro lớn nhất. Tất nhiên, rủi ro này đã được giảm bớt đáng kể với lần huy động vốn gần đây của chúng tôi. Bởi vì mọi người nhận được quyền chọn vẫn khá nhiều, số tiền vẫn khá lớn.
Về sự ổn định của đội ngũ, chỉ cần một số nhân viên quan trọng nhất, những nhân viên lâu năm nhất có thể ổn định, thì những người khác sẽ không rời đi. Những người khác dù có quyền chọn ít hơn, thu nhập ít hơn, họ cũng sẽ không rời đi. Bởi vì họ không hoàn toàn chạy theo tiền, mọi người đều hy vọng làm việc trong một môi trường có thể đạt được AGI.
Những thứ khác chỉ là vấn đề thời gian, những thứ khác tối đa chỉ khiến chúng tôi chậm lại nửa năm, chậm lại một năm, nhưng sẽ không nói rằng không thể làm ra. Chắc chắn không thiếu tiền, chắc chắn không thiếu tài nguyên, thực tế những thứ này đều không thiếu.
Chúng tôi và Mỹ có khoảng cách chủ yếu ở tài nguyên, còn khoảng cách về con người không lớn. Về con người gần như không có khoảng cách, vì đó là cùng một nhóm người, có thể là người Trung Quốc. Khi người Trung Quốc ra nước ngoài, có một số người ở lại trong nước, một số người ở lại nước ngoài, một số người ra nước ngoài, họ không phải là những người thông minh ra nước ngoài, không có điều đó.
Nhân tài không phải là nút thắt, tài nguyên mới là nút thắt lớn nhất. Tài nguyên trước tiên ảnh hưởng đến việc đào tạo nhân tài, vì sức mạnh tính toán ít, chúng tôi có ít cơ hội thực nghiệm, vì vậy nhân tài của chúng tôi tổng thể có khoảng cách so với Mỹ. Khoảng cách về nhân tài, bản chất cũng là do khoảng cách về sức mạnh tính toán.
Sự thiếu hụt nhân tài AI cũng là tạm thời, và chúng tôi đã thấy, đã được giảm bớt đáng kể. Bởi vì thực sự không thiếu nhân tài AI, mỗi công ty sẽ nhanh chóng đào tạo ra nhân tài, việc đào tạo nhân tài là rất nhanh.
Hiện tại có quá nhiều công ty trong nước làm mô hình, vẫn còn quá nhiều. Mỹ có thể chỉ có ba công ty, trong khi Trung Quốc có quá nhiều công ty làm mô hình cơ bản. Cuối cùng chắc chắn không cần nhiều người làm mô hình cơ bản như vậy, chắc chắn sẽ thu hẹp lại.
Quản lý công ty của chúng tôi thực sự có hai dòng: một dòng từ trên xuống, một dòng từ dưới lên. Từ dưới lên, tức là mỗi người tự nghĩ xem mình muốn làm gì, tự làm, không ai quản, không có KPI.
Thông thường chúng tôi hy vọng nhân viên có một nửa thời gian không bị sắp xếp, họ muốn làm gì thì làm. Đây là một phạm vi nghiên cứu, cho phép họ tự khám phá, theo những gì họ cảm thấy quan trọng, họ tự khám phá những gì, không có yêu cầu trước.
Chúng tôi cũng không thường xuyên làm thêm giờ. Làm thêm giờ có hai lý do. Lý do đầu tiên là, làm nghiên cứu cần một môi trường khá thoải mái. Nếu bạn ép quá chặt, sẽ không thể làm nghiên cứu. Bởi vì nếu đã yêu cầu bạn có hứng thú, bạn phải tự nghĩ về những vấn đề này, vì vậy phải ở trong một môi trường khá thoải mái, mới có khả năng khám phá.
Lý do thứ hai là, chúng tôi rất tập trung. Chúng tôi rất tập trung, có nghĩa là những việc chúng tôi cần làm rất ít. Vậy tôi không có nhiều việc để làm, tôi không cần làm thêm giờ. Điều này liên quan đến sự kiềm chế trước đó.
Công ty chúng tôi tổng thể được xây dựng trên cơ sở đồng thuận, tôi không phải là người quyết định mọi việc, mà là tôi tìm kiếm đồng thuận. Quyền lực của tôi trong công ty và ảnh hưởng của tôi trong công ty được xây dựng trên cơ sở đồng thuận.
Cơ chế quyết định này thực sự là một cơ chế tìm kiếm đồng thuận, điều này không có nghĩa là tôi có thể thúc đẩy một việc gì đó, nó nhất định phải là đồng thuận, tôi mới có thể thúc đẩy được, rồi tôi mới đi thúc đẩy.
Khi số lượng nhân viên tăng lên, chúng tôi sẽ thực hiện điều chỉnh này. Chắc chắn chúng tôi sẽ phải thực hiện điều chỉnh này ngay, vì tôi đã bắt đầu thực hiện điều chỉnh này. Nếu không thực hiện điều chỉnh này, nhiều việc sẽ không thể tiến triển. Thực sự có nhiều bộ phận, nên có cấu trúc tổ chức.
04 Sức mạnh tính toán và Tài nguyên
Chúng tôi cần bao nhiêu thẻ? Bây giờ chắc chắn là càng nhiều càng tốt. Trong phạm vi mà chúng tôi có thể chịu đựng, chắc chắn là thẻ càng nhiều càng tốt, điều này không có gì phải bàn cãi. Vì vậy, chiến lược hiện tại của chúng tôi là, trong mức giá hợp lý, có thể mua được bao nhiêu thẻ thì mua bấy nhiêu.
Thực tế, để tiêu hết số tiền này rất không dễ, không mua được nhiều thẻ như vậy, rất khó mua, và giá cũng rất cao, cũng không thể nói là chi một mức giá rất cao để mua, còn phải đảm bảo rằng mức giá này là hợp lý. Nếu năm nay có thể tiêu hết 20 tỷ, thì sẽ thuộc về bộ phận mua sắm của chúng tôi có thành tích rất tốt.
Khoảng cách lớn nhất giữa chúng tôi và Mỹ nằm ở tài nguyên. Về sức mạnh tính toán, một mặt là trong nước không mua được thẻ, mặt khác là vốn đầu tư của chúng tôi ít hơn Mỹ. Chúng tôi đã giảm nhiều về mặt đầu tư vốn, dựa trên mức lương của nhân tài trong đó chiếm tỷ trọng rất thấp. Bạn thấy họ trả lương một triệu USD, nhưng tính ra, lương của nhân tài vẫn chiếm tỷ lệ rất ít, phần lớn vẫn là sức mạnh tính toán.
Tất cả những khác biệt mà chúng tôi thấy, bao gồm sự khác biệt về nhân tài, sự khác biệt về khả năng mô hình, sự khác biệt về ứng dụng, có thể coi là do sự khác biệt về tài nguyên sức mạnh tính toán.
Chúng tôi có thể bị tụt lại khoảng 12 tháng so với Mỹ, có thể tụt lại từ 12 đến 18 tháng, hoặc nói từ 6 đến 12 tháng. Nói chung, đơn giản là tụt lại hai năm so với Mỹ, rồi chỉ sử dụng một phần hai mươi sức mạnh tính toán của Mỹ để làm việc này.
Câu chuyện này là tụt lại từ một đến hai năm, nhưng chỉ sử dụng một phần hai mươi sức mạnh tính toán của họ. Vậy trong tương lai, chúng tôi muốn viết lại câu chuyện này, tức là chúng tôi sử dụng một phần bao nhiêu sức mạnh tính toán của họ, nhưng rút ngắn thời gian hơn, rút ngắn xuống 6 tháng, 3 tháng, tôi nghĩ đó là một mục tiêu.
Scaling, chúng tôi tin vào Scaling, chắc chắn là quy mô càng lớn, hiệu quả càng tốt, có thể mở khóa nhiều chức năng hơn. Điều ngăn cản chúng tôi Scaling thực sự chính là sức mạnh tính toán, không phải là chúng tôi không muốn Scaling, mà là chúng tôi không có đủ sức mạnh tính toán để thực hiện Scaling này.
Chúng tôi đào tạo mô hình lớn như vậy không phải vì tôi nghĩ mô hình lớn như vậy là đủ, mà là tôi vừa có đủ tài nguyên này. Tôi tính toán theo tài nguyên của tôi, mô hình mà tôi có thể chấp nhận, có thể đào tạo là bao nhiêu, là như vậy, không phải là mô hình này là đủ.
Silicon Valley nói rằng Scaling đã đến giới hạn, đó là đối với Silicon Valley; đối với người Trung Quốc, chúng tôi còn xa lắm, chúng tôi hoàn toàn chưa đạt đến mức Scaling đó. Scaling này bao gồm Scaling dữ liệu, Scaling quy mô mô hình, rồi chi phí đào tạo.
05 Chip nội địa và hệ sinh thái
Hào quang của NVIDIA CUDA đang nhanh chóng bị phá vỡ. Một mặt là bây giờ có AI, rồi sau khi có AI, việc xây dựng hệ sinh thái này dễ dàng hơn nhiều so với trước đây, vì AI có thể viết mã.
Hiện tại, thị trường thẻ tính toán đã lớn hơn thẻ chơi game, không có lý do gì mà hai cái này vẫn cần phải liên kết với nhau. Xu hướng hiện tại là, sau này sẽ không còn liên kết nữa. Vậy chip chuyên dụng, bất kể là Huawei hay NVIDIA, sau này đều là chip chuyên dụng, không còn là những thứ trước đây nữa.
Chip AI nội địa hiện đang có một cơ hội lịch sử để thay thế. Chúng tôi tin rằng, trong vòng một năm tới, chúng tôi có thể thấy một điều được xác nhận: hệ sinh thái chip nội địa hoàn toàn không có vấn đề. Trước đây cho rằng có vấn đề, cho rằng không sử dụng được, không tốt, nhưng trong tương lai tôi nghĩ trong vòng một năm, chúng tôi có thể đảo ngược nhận thức này, hoặc sẽ dùng thực tế để đảo ngược những điều này.
Phần cứng và hệ sinh thái của chip AI nội địa không có vấn đề, vấn đề duy nhất là năng lực sản xuất không đủ. Việc thích ứng chip nội địa này không có trở ngại, NVIDIA không thể ngăn cản. Nếu trong một môi trường thương mại bình thường, tôi có thể mua được thẻ của NVIDIA, thì việc thay thế chip nội địa sẽ khó khăn; nhưng trong trường hợp không mua được thẻ của NVIDIA, mọi người đều buộc phải làm chip nội địa.
Khi đào tạo V3, nó vẫn sử dụng thẻ của NVIDIA, nhưng đã không còn sử dụng hệ sinh thái của NVIDIA. V3 sử dụng thẻ của NVIDIA, nhưng không sử dụng hệ sinh thái của NVIDIA, mà là chúng tôi trước tiên viết một trình biên dịch cao cấp gọi là TileLang, rồi dựa trên hệ sinh thái của TileLang để hoàn thành tất cả các công việc khác, đã gần như không phụ thuộc vào hệ sinh thái của NVIDIA.
Tôi khá lạc quan về sức mạnh tính toán nội địa. Tôi nghĩ rằng ở điểm này, NVIDIA đang tự đào mồ chôn mình. Siêu nút của Huawei, siêu nút 950 của Huawei, về hiệu suất và giá cả có thể hoàn toàn thay thế cho GB200, GB300 của NVIDIA.
Bốn thẻ của Huawei tương đương với một thẻ của NVIDIA.
Khoảng cách giữa chúng tôi và Mỹ về chip, tôi cho rằng trong hệ sinh thái sau này sẽ không còn khoảng cách, nhưng về chip thì là gấp bốn lần cộng thêm hai năm.
Hiện tại chúng tôi chủ yếu hợp tác với Huawei. Huawei tự thích ứng, nhưng chúng tôi sẽ tham gia vào hệ sinh thái này, sẽ tham gia sâu vào trong đó. Vấn đề của Huawei vẫn là năng lực sản xuất không đủ.
Tôi không quá tin rằng sau năm năm nữa, chúng tôi vẫn còn mắc kẹt trong vấn đề năng lực sản xuất. Bây giờ chắc chắn là mắc kẹt trong vấn đề năng lực sản xuất, năm nay, năm sau, năm sau nữa, tôi nghĩ có thể vẫn mắc kẹt trong vấn đề năng lực sản xuất, nhưng sau năm năm, tôi nghĩ có thể không nhất thiết, tôi vẫn khá lạc quan.
06 Cấu trúc cạnh tranh và Đánh giá ngành
Hiệu quả cuối cùng của các mô hình sẽ tạo ra sự khác biệt, nên là một sự tổng hợp. So sánh hiệu quả mô hình, chắc chắn phải so sánh trên cùng một chi phí, điều này mới có ý nghĩa. Bởi vì bạn so sánh hai chiếc xe, cũng phải là những chiếc xe cùng mức giá.
Anthropic hiện tại vượt qua OpenAI, điều này có phải là lâu dài không? Tôi nghĩ điều này không phải là lâu dài, chắc chắn là tạm thời. OpenAI và Google, trong tương lai có khả năng lớn vẫn sẽ luân phiên tăng trưởng.
Khi phân công thống trị AI toàn cầu, các công ty Trung Quốc rất có khả năng đóng vai trò là nhà sản xuất lớn nhất. Theo lẽ thường, năng lực sản xuất của chúng tôi lớn nhất, bao gồm cả chip, chip có thể là năng lực sản xuất của chúng tôi lớn nhất, điện lực cũng nhiều nhất.
Người Trung Quốc sẽ làm sản phẩm này rẻ nhất, rồi về hiệu quả, dù sao hàng hóa nước ngoài, hiện tại nhiều hàng hóa sản xuất tại Trung Quốc và sản xuất tại Mỹ không có sự khác biệt lớn. Trong tương lai có thể AI cũng như vậy, nhưng AI sản xuất tại Trung Quốc có thể sẽ rẻ hơn. Điều này rẻ có thể là giảm giá hệ thống, giống như các ngành khác mà dịch vụ do Trung Quốc cung cấp rẻ hơn có thể cũng giống như vậy.
Cuối cùng, sự khác biệt nên là ba khía cạnh: một là chi phí, một là thời gian, một là trải nghiệm người dùng. Ngoài ra, có thể không có sự khác biệt nào khác.
Chi phí chắc chắn là một sự khác biệt, tôi nghĩ có thể chi phí đứng ở vị trí đầu tiên trong sự khác biệt. Rồi thứ hai là thời gian, bạn khi nào có thể làm được. Bạn sớm vài tháng, muộn vài tháng, thì nó đã khác rồi.
OpenAI từ đầu đã nghĩ rằng họ thực sự có thể độc quyền thế giới, nhưng thực tế họ sẽ gặp rất nhiều thách thức. Họ sẽ gặp thách thức, họ sẽ không dễ dàng như vậy. Mỹ sẽ gặp thách thức, vì vậy trong tương lai có thể họ sẽ còn gặp thách thức từ Trung Quốc, vì người Trung Quốc sẵn sàng nhận ít hơn, vẫn có thể cung cấp dịch vụ này cho bạn.
Những người nhận nhiều sẽ bị những người nhận ít đánh bại. Thậm chí bạn không cần thực sự nhận nhiều, nếu tầm nhìn là nhận nhiều, bạn sẽ bị tầm nhìn là nhận ít đánh bại. Thực ra mọi người đều không nhận được tiền, chỉ là một tầm nhìn. Nếu tầm nhìn của bạn là nhận nhiều, bạn đã thua trước, bạn sẽ phải đối mặt với khó khăn lớn hơn.
Đối với chúng tôi, chúng tôi không phải là lợi nhuận phải nhận được nhiều tiền nhất, hoặc nói rằng định giá tối đa hóa lợi nhuận, mà chỉ kiếm một lợi nhuận hợp lý. Đây là một giải thích. Tôi tin vào điều này, tôi không phải tìm lý do cho điều này, vì không cần thiết phải tìm lý do.
Tôi nghĩ trong nhiều khía cạnh trải nghiệm, có thể chúng tôi làm tốt hơn Mỹ. Về sản phẩm, khả năng sản phẩm không nhất định sẽ kém hơn Mỹ. Chi phí cũng nên thấp hơn Mỹ, vì vậy Trung Quốc vẫn sẽ có sức cạnh tranh.
Chi phí này rất dễ hiểu, là vì họ không cần làm, vì vậy họ không phát triển khả năng này. Họ chắc chắn không coi trọng điều này như chúng tôi. Chúng tôi có thể coi đây là một điều rất quan trọng, nhưng đối với họ, điều này không quan trọng.
Mô hình lớn có thể không nói hai công ty lớn, hai công ty nhỏ, có thể đã đủ rồi. Sự khác biệt chỉ có hai thứ: một là thời gian, một là chi phí. Vì vậy không đến mức có công ty nào có lợi nhuận khổng lồ, tôi nghĩ không đến mức có lợi nhuận khổng lồ. Những người kiểm soát chi phí tốt thì kiếm được nhiều hơn một chút, những người kiểm soát chi phí kém thì kiếm được ít hơn một chút, chỉ đơn giản như vậy.
07 Nghiên cứu mô hình và Công nghệ
Có thể một nửa số người trong công ty chúng tôi, thường có một nửa số người cảm thấy OpenAI là tốt hơn. Thực ra Anthropic có lợi thế tiên phong, nhưng lợi thế tiên phong này sẽ nhanh chóng không còn, không phải là một lợi thế mà họ có thể duy trì lâu dài. Tất cả ba công ty này đều rất xuất sắc, trong ba công ty này, hiệu suất là cao nhất, chi phí mà họ bỏ ra, số tiền họ tiêu tốn chắc chắn là ít nhất.
Chúng tôi luôn làm việc với đa mô hình. Đối với sản phẩm, điều này rất quan trọng; đối với sản phẩm người dùng C-end, điều này rất quan trọng. Nhưng đối với giới hạn trí thông minh, nó là một thành phần, không phải là dòng chính bản thân nó.
Chúng tôi nên lên các mô hình liên quan, tức là phiên bản V4, phiên bản tiếp theo của V4 sẽ hỗ trợ đa mô hình nguyên bản. Nhưng đối với đa mô hình, đối với trí thông minh, nó là một thành phần, chúng tôi không coi nó là trí thông minh bản thân.
Chỉ có thể nói rằng việc Scaling mô hình ngôn ngữ, tôi hiện tại không thấy có giới hạn. Mức độ trí tuệ hiện tại của chúng tôi, hoặc gây ra mức độ trí tuệ của Mỹ, đều không thấy có giới hạn.
Nhiều người trong nội bộ chúng tôi có suy nghĩ như vậy: trước tiên phải có ích cho chính chúng tôi, trước tiên là để chúng tôi sử dụng. Sau đó, đây là cách nhanh nhất để đạt được AGI. Khi chúng tôi sử dụng tốt, điều đó có nghĩa là có thể người khác cũng sử dụng tốt, nhưng trước tiên phải đảm bảo chúng tôi sử dụng tốt.
Mô hình mà chúng tôi làm, mục tiêu đầu tiên không phải là mọi người sử dụng tốt, mà là chúng tôi sử dụng tốt. Trước tiên là có ích cho chính chúng tôi. Sau khi có ích cho chính chúng tôi, khi tôi phát triển phiên bản mô hình tiếp theo sẽ nhanh hơn.
Chúng tôi gọi điều này là "sờ thưởng". Rào cản rất thấp, ai cũng có thể tham gia, nhưng ai có thể sờ ra điều gì, điều này có thể tôi cũng không biết là do thiên phú hay do điều gì khác. Vì vậy ở đây không cần chúng tôi phân bổ tài nguyên. Chỉ là nói, điều khác biệt giữa chúng tôi và các công ty khác là, chúng tôi sẽ dành thời gian để thảo luận vấn đề này, sẽ suy nghĩ về vấn đề này, rồi coi đây là một việc quan trọng.
08 Thương mại hóa và Định giá
Định giá API của chúng tôi là một lợi nhuận hợp lý, khoảng là chúng tôi mua một lô thiết bị về, thu hồi chi phí trong mười tháng, tôi nghĩ đây là một lợi nhuận hợp lý.
Nếu tối đa hóa lợi nhuận, nên đặt giá cao hơn. Bởi vì trong khoảng giá này, nhu cầu của người dùng là không linh hoạt, tức là nếu tôi tăng giá gấp đôi, hoặc nói rằng tôi nâng giá lên gấp đôi, lượng tiêu thụ token không khác biệt nhiều.
Một mô hình của chúng tôi, ban đầu chúng tôi lo lắng nhu cầu quá nhiều, vì vậy ban đầu đã đặt giá khá cao, mọi người trong đội không vui lắm. Sau đó tôi đã giảm giá xuống, giảm xuống còn một phần tư, mọi người rất vui.
Giới hạn của doanh nghiệp To B chắc chắn vẫn là nhu cầu, trong bối cảnh công nghệ AGI, AI hiện tại, nhu cầu To B chắc chắn là có hạn. Nó sẽ tăng trưởng nhanh chóng, nhưng không phải là một điều vô hạn, cuối cùng vẫn bị hạn chế bởi nhu cầu, không phải sức mạnh tính toán.
Tôi hiện tại cảm thấy điều này có thể đạt được, thì đều phải có. Giả sử năm nay tôi có thể có vài trăm triệu USD doanh thu B-end, cộng thêm chúng tôi có người dùng C-end, thì điều này đã có một nền tảng thương mại nhất định. Nếu năm sau chúng tôi có doanh thu B-end, nếu nhu cầu này có thể tăng lên, thì công ty đã không còn xa với lợi nhuận ròng, có thể đã là lợi nhuận ròng rồi.
Tình huống xấu nhất là bán API, có thể vẫn đủ để duy trì một công ty niêm yết. Nếu nói rằng công nghệ sau này không có tiến bộ mới, công nghệ của chúng tôi bị đóng băng ở đây, thì cuối cùng chúng tôi sẽ toàn lực bán API, làm tốt các dịch vụ này, tôi nghĩ cũng đủ.
Theo tình hình hiện tại, tôi nghĩ cách hợp lý nhất nên là toàn lực làm Agent tổng quát, các Agent khác có ưu tiên thấp hơn, bao gồm tài chính, bác sĩ. Trước tiên phải làm Coding, vì Coding Agent có thể làm được nhiều việc, còn nhiều Agent chuyên biệt khác. Ở giai đoạn hiện tại, chúng tôi cảm thấy điều quan trọng nhất vẫn là Coding Agent.
Tôi nghĩ chi phí thấp trước tiên là một kết quả. Mô hình của chúng tôi thực sự luôn đi theo hướng kiến trúc mô hình với chi phí thấp hơn, điều này liên quan đến tầm nhìn của chúng tôi. Chúng tôi còn nhiều phương pháp trong thuật toán, chi phí vẫn có thể giảm xuống.
Một lý do khác mà chi phí giảm xuống là, chi phí càng thấp, tôi càng có thể đào tạo mô hình lớn hơn, tôi càng có thể chịu đựng mô hình lớn hơn. Trong cùng một sức mạnh tính toán, trong trường hợp sức mạnh tính toán có hạn, nếu hiệu suất tính toán của tôi cao hơn, tôi có thể chịu đựng mô hình lớn hơn.
09 Chiến lược mã nguồn mở
Tôi nghĩ chúng tôi sẽ mã nguồn mở, và mô hình mạnh nhất của chúng tôi cũng có thể sẽ mã nguồn mở. Bởi vì tôi không thấy lợi ích gì từ việc đóng mã, không thấy lợi ích tất yếu nào. Mô hình của ByteDance là đóng mã, nó có lợi ích gì? Tôi không thấy có lợi ích gì.
Ngay cả khi mô hình mã nguồn mở, bạn nói cho người khác tất cả mọi thứ, thì rào cản cũng rất cao. Người khác muốn sử dụng, rào cản cũng rất cao. Họ muốn sử dụng, thì rất khó; thứ hai, họ muốn sử dụng, còn phải làm cho chi phí thấp, cũng rất khó, rất khó, không dễ dàng như vậy.
Mã nguồn mở sẽ không ảnh hưởng đến doanh thu. Mã nguồn mở, tôi nghĩ không có bất kỳ ảnh hưởng nào đến mô hình kinh doanh của chúng tôi.
Tôi cũng không lo lắng rằng người khác triển khai mô hình của chúng tôi, rồi cạnh tranh với chúng tôi, hoàn toàn không lo lắng. Chúng tôi còn hy vọng họ có thể triển khai. Chúng tôi sẽ cố gắng hết sức để hỗ trợ cộng đồng mã nguồn mở, giúp mọi người có thể triển khai mô hình của chúng tôi.
Khi chúng tôi giao tiếp với bên ngoài, thái độ của chúng tôi là: chúng tôi chỉ làm dòng chính AGI. Khi giao tiếp với bên ngoài, chúng tôi rất sẵn lòng hỗ trợ, giúp đỡ bất kỳ ai, thậm chí cả đối thủ cạnh tranh của chúng tôi, bao gồm Alibaba, Zhiyu, Yue Zhi An Mian, để làm tốt hơn. Bởi vì chúng tôi không mất gì, chúng tôi vốn đã là mã nguồn mở.
Mô hình mã nguồn mở mà chúng tôi cung cấp có giống với mô hình mà chúng tôi triển khai không? Là giống nhau. Chúng tôi sẽ không nói mã nguồn mở một mô hình kém hơn, rồi khi chúng tôi triển khai thì sử dụng một mô hình tốt hơn, sẽ không như vậy, là giống nhau.
10 Dữ liệu và Đào tạo sau
Dữ liệu nên gần như bằng một nửa mô hình. Phía trước còn có một vấn đề về dữ liệu được gán nhãn. Chúng tôi trong việc gán nhãn dữ liệu này, liên quan đến đầu tư vốn của chúng tôi. Với cấu trúc đầu tư vốn của chúng tôi, không thể hỗ trợ nhiều chi phí gán nhãn dữ liệu chất lượng cao, vì chi phí rất cao.
Chi phí gán nhãn dữ liệu ở Mỹ và chi phí gán nhãn dữ liệu ở Trung Quốc không có gì khác biệt. Trung Quốc đi gán nhãn dữ liệu không có lợi thế chi phí, đặc biệt là gán nhãn dữ liệu cao cấp sẽ không có lợi thế chi phí, khiến chúng tôi rất khó đầu tư để gán nhãn dữ liệu như Mỹ. Con đường này ở Trung Quốc rất khó khăn, vì gán nhãn dữ liệu thực sự quá đắt, bất kể là gán nhãn bên ngoài hay tự gán nhãn, đều rất khó chịu.
Hiện tại cơ bản là đi bằng hai chân. Không phải là chúng tôi hoàn toàn không thể gán nhãn, mà là vì gán nhãn dữ liệu có một số chi phí thấp, có một số chi phí cao. Chúng tôi trước tiên gán nhãn những cái có chi phí thấp.
Bạn cũng có thể coi rằng, hiện tại công ty chúng tôi có một nửa số người đang gán nhãn dữ liệu. Một nửa các nhà nghiên cứu cốt lõi, những người quan trọng nhất, có một nửa đang gán nhãn dữ liệu. Chúng tôi tập trung vào việc gán nhãn dữ liệu. Giải quyết vấn đề AI này, ở giai đoạn hiện tại dựa vào chính là gán nhãn dữ liệu.
Nút thắt của việc gán nhãn dữ liệu chất lượng cao, tôi nghĩ là thời gian, tức là cần thời gian. Bởi vì đối với OpenAI, đối với nước ngoài, đối với Anthropic, họ đều sớm hơn, rồi vốn nhiều hơn, thẻ cũng nhiều hơn.
Vấn đề ảo giác của mô hình lớn ảnh hưởng khá nhiều đến trải nghiệm của người dùng. Vấn đề ảo giác cũng có một phương pháp có thể giải quyết, nhưng đây là một đề tài dài. Vấn đề ảo giác có thể coi là một vấn đề có thể giải quyết thông qua đào tạo sau tốt hơn, là một vấn đề có thể giải quyết, có thể cải thiện.
11 Tổ chức và Định vị công ty
Trước tiên, chúng tôi không có đối tượng bắt chước. Mỗi bước đều xuất phát từ thực tế, thực tế, dựa trên tình hình thực tế để đưa ra quyết định, tìm ra cách chúng tôi nên làm. Vì vậy, đây là sản phẩm của một thời đại, hoặc nói là phản ánh tình hình thực tế, nó không phải là kết quả của việc bắt chước.
Chúng tôi rõ ràng là phải có thương mại hóa. Cuối cùng chúng tôi vẫn phải sống sót,毕竟 chúng tôi là một công ty, chính phủ sẽ không cho tôi một xu nào.
Về bản chất, chúng tôi vẫn là một công ty, chỉ là chúng tôi đang xem xét kiếm tiền từ đâu, khi nào kiếm tiền, kiếm bao nhiêu tiền, dựa vào cái gì để kiếm tiền, chúng tôi có sự lựa chọn. Nhiều công ty làm được rất vĩ đại, vì họ có một loại theo đuổi ngoài lợi nhuận. Theo đuổi đó cuối cùng không chỉ không ảnh hưởng đến thương mại hóa của họ, mà còn có thể giúp họ thương mại hóa tốt hơn.
Đối với các đối tác, thực ra việc huy động vốn này là được chọn lọc kỹ càng. Trước tiên tôi nghĩ rằng, lợi ích là khá nhất quán, tức là những người có lợi ích nhất quán với chúng tôi, hoặc nói là không có thù địch với chúng tôi, hoặc nói là hy vọng chúng tôi có thể thành công. Không phải tất cả mọi người đều hy vọng chúng tôi có thể thành công, vì chúng tôi vẫn đã làm tổn hại đến lợi ích của nhiều người khác.
AI hiện tại không thiếu gu thẩm mỹ và trực giác, nó thiếu khả năng học tập liên tục. Gu thẩm mỹ và trực giác của AI không có vấn đề gì. Bạn để nó viết một bài báo, gu thẩm mỹ và trực giác của nó, tôi nghĩ không có vấn đề gì.
Chúng tôi hy vọng chỉ làm một mảng. Tôi nghĩ AI là một vấn đề rất lớn, không cần tôi… tôi chỉ làm một mảng. Nếu tập trung, và tôi nghĩ lợi ích thương mại ở đây đã đủ lớn, nếu thời đại AI sẽ tạo ra nhiều công ty có giá trị hàng nghìn tỷ, tôi nghĩ chúng tôi là một trong số đó.
Chúng tôi hy vọng có thể hỗ trợ nhiều người hơn, nhưng chúng tôi không có nhiều năng lượng như vậy. Chúng tôi có ý chí này, và sẽ không có xung đột lợi ích, nhưng việc chúng tôi có làm hay không là một chuyện khác. Nhưng ít nhất trong này không có xung đột lợi ích, chúng tôi hy vọng hợp tác cùng có lợi.
Cảnh báo rủi ro
