4小時、118個回答，梁文鋒內部交流回應一切

整理｜顧翎羽，騰訊科技

DeepSeek近日完成成立以來的首輪外部融資。本輪募資總額超500億元人民幣（約合74億美元），投前估值約3675億元（約543億美元）。在投資方陣容中，DeepSeek創始人梁文鋒個人出資200億元，騰訊出資100億元，寧德時代出資50億元，網易、京東和IDG資本分別出資30億元，國家人工智能產業投資基金出資10億元。

在此之前，梁文鋒曾提出"不融資、不上市、不商業化"的原則。此次大規模融資標誌著DeepSeek正式走向資本市場，也引發了業界對其商業化路徑與技術願景的廣泛關注。

在近期的一場投資者交流會上，梁文鋒詳細闡述了DeepSeek的組織文化、開源邏輯、技術路線圖以及對行業競爭格局的看法。

以下為騰訊科技獲得的近4小時的交流會中梁文鋒發言實錄整理，按主題分類，共計118條，文本盡可能保留原意，仅略作編輯。

01 願景與克制

1.我們一開始來做這個公司，初衷沒有想到說我最後要賺多少錢，要到資本市場上去，要上市，要怎麼樣的。最開始的幾十個人完全沒有這麼想過，如果他這麼想，他就不會來。

2.我們是懷著一個對這個世界非常大的善意來做這個事情，我們覺得這是對人類有用的，這是一個金錢以外的事情。我們出發的初衷、我們的願景，以及我們保持到現在的這個願景，不是按照一個商業利益最大化的方式來做的。

3.管理一個大公司，靠的不是你的規章制度，靠的是願景。願景不是掛在牆上的標語，願景是你怎麼做，不是怎麼說，就是你怎麼實際運行。

4.我們是沒有組織的，就是願景驅動的，靠一個願景來組織。我們並不是以一個"我要實現什麼KPI、沒有考核"的方式來做，只有願景。

5.這個願景甚至也不是成文的，並不是寫出來的，沒有寫出來過任何東西。這個願景是在我們做事情的方法、我們對待這個世界的態度裡。

6.我們並沒有非常多的其他優勢，我們沒有什麼本事，我們並沒有比別人有錢，也沒有說我們人員比其他公司更好，其實沒有的。我們兩年前成立這個公司的時候，我們又沒有很多錢，又沒有很多卡，又沒有什麼知名度，又沒有什麼號召力，我們就是一群非常平凡的人。

7.你越克制，可能就越容易做成，或者說至少到目前為止是印證的，到目前為止是能解釋得通的。否則沒有辦法能夠解釋為什麼我們能夠做成：我們並沒有什麼武器，起點又非常低，資源又非常少，我們的人其實也就是隨機的一群平凡的人。

8.AI這個事情太大了，利益太大了。我們非常克制，只要能夠做成，最後利益都會非常大。你隨便分一點，利益就非常大，所以現在根本不用考慮拿這裡面的哪一部分利益、怎麼拿，我覺得根本不用考慮這件事情，因為這個利益足夠大了。

9.我們去年春節用戶突然很多，但是我們並沒有去追求我要留這些用戶，或者說拿這些用戶來變現，或者說我要去搶這些商業利益，在用戶上面兌現。我們沒有去搶用戶，沒有去賺錢，但我們很努力想辦法把用戶服務好。

10.我們並不會有這樣的想法，說我要做成下一個超級App，然後我要去跟誰競爭，我要做成下一個字節、做成下一個騰訊，完全沒有這樣的想法。我覺得後面的AGI機會應該是非常大的，後面的AGI機會永遠是非常大的。

11.克制是一種戰略。就在於有時候你可以捨棄一些，來換更多其他的東西。不開源這事，其實也是一樣的，也可以認為是我們的壓力，也可以認為是我們的讓利。

12.這種克制，我理解是這種克制從長遠上來講，能夠增加我們做成AGI的概率。在考慮一件事的時候，我是毫不懷疑AGI會有非常大的商業價值。那么在這個基礎上，我優先考慮的不是我怎麼多加一點份額，我怎麼多拿一些份額，我優先考慮的是我怎麼增加我能夠做成的概率。

13.我們一直非常克制，不願意跟任何一家互聯網大廠或者小廠成為對手。我希望我能夠給他賦能，或者希望我能夠協助大家去做這個事情，希望能夠幫助大家做這個事情。

14.我覺得我們之前秉持這種態度，其實我們並沒有因此而少拿到任何東西，並沒有因為我開源，並沒有因為我們的善意或者說我對其他人提供幫助，而導致我們少拿了任何東西。反而可能還有加分。這個看起來違反直覺，但它確實是這樣的。

15. 我們是以AGI為目標，但是我們一直在做商業化，所以我們才有C端的用戶，才有B端的收入。從歷史經驗來看，這個策略是成功的。

02 AGI路線圖

16.如果說你能夠把一個問題描述得很清楚，給它完整的上下文和指令，它已經超過人類了。但這裡有個定義，有個前提是：你給它完整的上下文，給它完整的指令。

17.AI並不能夠替代你的員工。但如果說AI具有持續學習的能力，它跟你的員工一樣，到公司學習兩個月，那麼就可以替代天下的人了，所以我們離下一步還差一個持續學習。

18.AI的發展，我們可以理解成它是一個階梯。去年走的階梯是思維鏈。因為我們發現，通過思維鏈的方式，可以讓智能達到一個更高的水平。

19.今年的階梯就是Agent，因為我們發現，用Agent的方式，即便多些事情也可以做，它的能力範圍會更大，它的智能上限會更高。Agent要用到CoT，然後CoT也要用到前面的階梯，前面的階梯就是語言模型，所以它並沒有一步是白走的。

20.在Agent之後，我們覺得應該要解決的問題是持續學習，就是怎麼讓模型可以持續地學習，而不是說你要給它一個很強的訓練，它應該能夠像人一樣做一個比較長時間的持續學習。

21.持續學習之後，可能我們就會來到一個奇點。這個奇點就是，當這個模型能夠持續學習之後，它已經能夠做人類能做的所有事情了。它就能夠自己開發自己的版本，能夠自己再研究，然後開發自己的下一個版本，開發更前的人工智能模型。

22.這個奇點，它並不是一個奇點，它也是一個漸進的過程。這個過程可能也是一個比較長的漸變，它不是個突變。但是習慣性地，我們都認為它可能是個奇點。

23.這是我們的推測，這是我們覺得這個時間表應該是：先解決學習去學習，然後再到那個智能的奇點，能自我迭代的奇點，然後才是具身智能。到具身智能之後，它就走進現實世界，可以給你做家務，可以給你養老。

24.如果說我們先解決持續學習，再解決那個自我迭代的奇點，再解決具身智能，這個路上就很輕鬆。因為到後面之後，你可以用前面的技術來幫助開發後面的技術。

25.我們只做AGI的主線。AI領域很廣泛，有很多東西我們覺得它不在這個主線上面，比如說3D、視頻生成，我覺得可能跟智能的主線沒有太大的關係，我們不會去做。

26.視頻生成一開始出來的時候就很火，好像這是必須要做的，如果你不做，你就不是一個AI公司一樣。所以我就很奇怪，這個其實你只要仔細去想一下，它跟智能的路線圖是沒有什麼關係的。

27.在商業上，它是一個好生意，在商業上是一個好生意。但是這跟智能沒有什麼關係。我們不會因為它是一個好商業而去做它，我們只會因為它是智能路線圖上的東西，才會去做。

28.從我們的判斷，世界模型和智能還不是現在這個階段最重要的事情。最重要的才是AI訓練，以及AI訓練之後怎麼解決持續學習。這是我們公司的判斷，當然每個公司它的判斷是不一樣的。

29.我們現在比較相信一個敘事是，AI可以加速AI的研究。就是說，它不是線性的，因為你可以用AI來加速你自己的研究，所以它到後面可能是非線性的。

30.我覺得具身肯定還是要進入，最終具身。因為對一個正常人來講，他的需求並不是電腦，對不對？因為正常的人，他吃喝玩樂、衣食住行，他不需要電腦。他需要的是，所以他還是需要具身智能來解決具體人力的需求。

31.我們希望AGI能做什麼呢？它能幫我迭代下一版模型，能幫我迭代下一版模型一樣。如果有了具身之後，我們希望它做的也是，讓它來迭代下一版的具身，它來做下一版機器人。

32.下一代模型的核心能力，必須要有持續學習的能力，它才能叫下一代模型。在那之前，我們能做的就是成本，然後效果做得更好，速度做得更快。但是要有大突破，它應該是具備持續學習的。

33.現在的Agent的能力受限，是因為它不能持續學習，它不能有效地持續學習。如果說能夠先把持續學習做完，那AI的能力是非常強的，它能夠非常大地提升我們自己研究的效率。

34.持續學習先做出來，通用智能可能就很容易了，用它來做就很容易。所以我說這是一個我們比較希望看到的結果，我們比較省力，我們就輕鬆。否則現在你要去人工做通用智能，它是一個比較累、比較苦，是一個數據密集、人力密集的事情，性價比也不高。

03 團隊與人才

35.我們前面的經歷給我的啟示是，AGI這個願景是很強大的。這個人才優勢不是說我的人比他更聰明，而是這些人才我怎麼組織起來，怎麼激勵他，然後怎麼合作。

36.你把聰明的人聚在一起，並不是說他自然而然就能夠合作，自然而然就能夠非常有激情地去奔一個目標、去完成的，所以你需要一個願景。

37.我們最大的核心利益是要保持團隊的穩定性。這是我們最大的核心利益，甚至可以認為是唯一的核心利益。只要我能夠保持團隊的穩定性，我一定能做成，一定能做成AGI，就這麼簡單。

38.錢肯定不是問題，資源不是問題，其他要素都是容易獲得的。對我們來講，只有一個核心利益，只有一個沒法退讓的：我們必須要保持團隊的穩定性。

39.這也是我們面臨的一個非常大的挑戰，或者說，我覺得是最大的風險。當然，這個風險隨著我們近期的這一次融資，得到了比較大的解除。因為大家拿到的期權都還是比較多的，金額還是比較大的。

40.從團隊穩定性來講，只要最重要的一些員工、最老的員工能夠穩定，那麼其他人是不太會走的。其他人哪怕期權少一點、收入少一點，他也不會走。因為他不是全奔著錢來的，大家都希望在一個能夠做成AGI的環境裡面去做這個事情。

41.其他都是時間問題，其他最多導致我們晚半年、晚一年，但是不會說做不出來。肯定是不缺錢，肯定是不缺資源，其實這些都是不缺的。

42.我們跟美國的差距主要在資源上面，然後人上面差距不是很大的。人上面幾乎沒有差距，因為就是同一批人，可能是中國人。中國人出去的時候，有一些人留在國內，有些人留在國外，有些人去國外，他並沒有說是聰明的人去國外，沒有的。

43.人才不是瓶頸，資源是最大的瓶頸。資源首先影響到人才培養，因為算力少，我們能做的實驗機會比較少，所以我們的人才整體上比美國有差距。人才的差距，本質上也是因為算力的差距。

44.AI人才的短缺也是階段性的，並且我們已經看到，大幅度被緩解了。因為AI人真的不缺，每個公司很快會把人培養出來，培養人是很快的。

45.國內現在做模型的公司有點太多了，還是太多了。美國可能就三家，中國做基模的東西太多了。最終一定是不需要那麼多人去做基模的，一定會收斂。

46.我們公司的管理其實是兩條線：一條線是從上到下，一條是從下到上。從下而上，就是每個人自己想做什麼，自己做，沒有人管他，沒有KPI。

47.一般我們希望員工還有一半的時間，是不被安排的，他想做什麼就做什麼。這是一個研究的範圍，讓他可以自己去探索，按照他覺得什麼重要，他去探索什麼，沒有前置的要求。

48.我們一般也不太加班。加班有兩個原因。第一個是，做研究是需要一個比較鬆弛的環境。你如果逼得很緊，就沒法做研究。因為既然就是要你自己有這個興趣，你自己平時要去想這些問題，所以得是在一個比較鬆弛的環境裡，才有可能能夠探索。

49.第二個是，我們非常聚焦。我們非常聚焦，就意味著我們要做的事情很少。那我就沒那麼多事情要做，我就不需要加班。這個跟前面的克制是一脈相承的。

50.我們公司整體上是建立在共識的基礎上的，我並不是說我一個人決定所有事情，而是我要尋求共識。我在公司內的權威以及在公司內的影響力，是建立在共識的基礎上的。

51.這個決策機制其實是一種尋求共識的機制，這並不是說我能夠推動一個什麼事情，它一定是共識，我才能夠推得下去，然後我才會去推。

52.隨著人員的增加，我們會做這個調整。應該是我們馬上就得做這個調整，因為我已經在做這個調整。已經不做這個調整的話，很多事情是沒法推進下去的。確實有很多部門，是應該有組織架構的。

04 算力與資源

53.我們需要多少卡？現在肯定是越多越好。在我們能夠承受的範圍內，肯定是卡越多越好，這是毫無疑問的。所以我們現在策略是，在合理的價格裡面，能買到多少卡就買多少卡。

54.實際上，要把這麼多錢花完非常不容易，買不到那麼多卡，很難買，而且價格也很高，也不能說花非常高的價格去買，還得確保這個價格是合理的。如果今年能夠花掉兩百億，那麼就屬於我們的採購部門業績超級好了。

55.我們跟美國之間最大的差距是在資源上面。算力資源一方面是國內本身卡就買不到，另外一方面是我們的資本投入比美國要少。我們在資本投入層面上少了很多，基於人才的工資在這裡面占的比重是很低的。你看他們開的薪水一個億美金這種，但算起來，人才的薪水還是占比很少，大頭還是算力。

56.我們看到的所有區別，包括人才的區別、模型能力的區別、應用的區別，可以認為都是因為算力資源上的區別。

57.我們跟美國的差距可能是落後美國12個月，落後美國可能12到18個月，或者說6到12個月。反正簡單說，就是落後美國兩年，然後只用美國二十分之一的算力把這個事情做出來。

58.這個敘事就是落后一到兩年，但是只用它二十分之一的算力。那么未來我們要把這個敘事改寫，就是我們用它幾分之一的算力，但是把這個時間縮得更短，縮到6個月、3個月，我覺得這是一個目標。

59.Scaling，我們是信Scaling，肯定是規模越大，效果越好，能夠解鎖更多的功能。阻止我們Scaling的其實就是算力，并不是我們不想Scaling，是我們沒有那麼多的算力去做這個Scaling。

60.我們訓練這麼大的模型，並不是因為我覺得這麼大的模型就夠了，而是我剛好有這麼多資源。我是按照我的資源來算，我能夠接受、能夠訓練的模型是多大，是這樣算出來的，並不是這個模型就夠了。

61.矽谷在說Scaling到頭的時候，那是對矽谷來說；對中國人來講，我們離那個還很遠，我們根本就沒有Scaling到那個程度。這個Scaling包括數據的Scaling、模型規模的Scaling，然後訓練成本。

05 國產芯片與生態

62.英偉達CUDA的護城河在快速地被瓦解。一方面是現在有了AI，然後有了AI之後，我要建立起這個生態比以前容易很多了，因為AI可以寫代碼。

63.現在計算卡的市場已經比遊戲卡更大了，就沒有理由這兩個還需要耦合起來。現在的趨勢是，以後就不再耦合了。那么專用芯片，不管是華為還是英偉達自己，以後都是專用芯片，都不是之前的這些東西了。

64.國產AI芯片替代現在是有個歷史性機會的。我們認為，未來一年之內，我們能夠看到有一個事情被驗證：國產芯片的生態完全沒有問題。之前認為是有問題的，認為是用不來、不好用，但是未來我覺得一年之內，我們能夠扭轉這個認知，或者會用事實來扭轉這些。

65.國產AI芯片的硬體和生態都沒有問題，唯一有問題的是產能不夠。國產卡適配這一點，沒有障礙，英偉達擋不住。如果是在一個正常的商業環境裡面，我能買到英偉達的卡，那麼國產替代是比較難的；但是在英偉達的卡買不到的情況下，所有人都迫不得已，都要去做國產芯片。

66.V3訓練的時候，它用的還是英偉達的卡，但是已經不用英偉達的生態了。V3用英偉達的卡，但是沒有用英偉達的生態，而是我們先寫一個高級編譯器叫TileLang，然後基於TileLang的生態來完成其他所有的事情，就已經幾乎不依賴英偉達的生態了。

67.我對國產算力是比較樂觀的。我覺得在這一點上，英偉達是在掘自己的墳墓。華為的超節點，華為的950超節點，在性能和價格上可以完全平替英偉達的GB200、GB300。

68.四張華為卡頂一張英偉達的卡。

69.我們跟美國在芯片上的差距，我認為生態上以後不會再有差距，但是在芯片上是四倍加兩年。

70.我們現在主要是跟華為有合作。華為他們自己適配，但我們自己會參與這個生態，會深入參與到華為這個裡面去。華為的問題還是產能不足。

71.我不太相信未來五年之後，我們還卡在產能的問題上。現在肯定是卡在產能問題上，今年、明年、後年，我覺得可能都還是卡在產能問題上，但五年之後，我覺得可能不一定，我還是比較樂觀的。

06 競爭格局與行業判斷

72.各家模型最終效果拉開差距，應該是一個綜合上的。比較模型效果，肯定是得在相同的成本上來比較，這個才是有意義的。因為你比較兩輛車，也是同價位的車來比較。

73.Anthropic跟現在超過OpenAI，這是不是長期的？我覺得這不是長期的，這肯定是階段性的。OpenAI和Google，未來大概率還是會交替上升。

74.在全球AI中主導分工的時候，中國公司很有可能扮演的角色還是產量最大。常理來講，我們的產能最大，包括芯片，芯片可能我們的產能最大，我們的電力最多。

75.中國人會把這產品做到最便宜，然後再在效果上，畢竟國外的商品，現在很多商品中產跟美產並沒有太大的區別。未來可能AI也是這樣，但是中產的AI可能價格會更便宜。這個便宜可能是系統性的低，就跟其他行業中國提供的服務更便宜可能是一樣的。

76.最終的差距應該是三方面：一方面成本，一方面時間，一方面用戶體驗。除此以外，可能是沒有什麼差距的。

77.成本肯定是一個差異，我覺得可能成本是排在第一位的區別。然後第二個就是時間，你什麼時候能夠做到。你早幾個月、晚幾個月，它就不一樣了。

78.OpenAI從一開始覺得他真的能夠壟斷這個世界，但是實際上他會遇到很多很多挑戰者。他會遇到挑戰，他就不會那麼輕鬆。美國會遇到挑戰，那麼他在未來可能還會遇到中國的挑戰，因為中國人願意拿得更少，就可以給你提供這個服務。

79.拿得多的人會被拿得少的人打敗。甚至你還不用真的拿得多，願景如果是拿得多的話，你就會被願景是拿得少的人給打敗。其實大家都沒有拿到錢，只是一個願景。你願景是拿得多，你就先輸了，你就會面臨著更大的困難。

80.對我們來講，我們並不是利潤要拿最多的錢，或者說算收益最大化的定價，而是只賺一個合理的收益。這是一個解釋。我是相信這個事的，我並不是去為這個事情找理由，因為沒必要找理由。

81.我覺得在很多體驗方面，有可能我們是能比美國做得好的。在產品方面，產品能力上不一定會比美國差。成本應該也會比美國低，所以中國還是會有競爭力的。

82.成本這個很好理解，是因為他們都不用做，所以他們就不發展這個能力。他們肯定沒有我們重視這個事情。我們可以把它當做一個非常重要的事情，但對於他們來講，這個是不重要的。

83.大模型可能不說兩家大公司、兩家小公司，可能就已經比較夠了。差距只有兩個東西：一個是時間，一個是成本。所以不至於哪一家有暴利，我覺得不至於有暴利。成本控制得好的人就多賺一點，成本控制得差的人就少賺一點，僅僅此而已。

07 模型研發與技術

84.我們公司可能有一半的人，平時有一半的人覺得OpenAI是更好的。其實Anthropic它有先發優勢，但這先發優勢應該很快就沒了，並不是一個它能夠長期占得住的優勢。大家這三家都很厲害，這三家裡面的效率是最高的，它花的成本、它花掉的、它燒掉的錢應該是最少的。

85.多模態佈局，我們一直在做。對產品來講，它很重要；對C端用戶產品來講，它很重要。但是對智能的上限，它是一個組件，它不是主線本身。

86.我們應該會上相關的模型，就是我們V4、V4的後續版本會支持原生的多模態。但是我們對多模態、對智能來講，它是一個組件，我們不把它當作智能本身。

87.只能說語言模型的Scaling，我現在沒有看到有上限。我們現在的智力水平，或造成美國的智力水平，都沒有看到上限。

88.我們內部很多人的想法是這樣的：首先要對我們自己有用，首先是給我們自己用。然後這是實現AGI最快的方法。當我們自己好用，那意味著可能別人也好用，但是首先得保證我們自己好用。

89.我們做的模型，第一目標不是大家用得好用，而是我們自己用得好用。首先是對我們自己有用。對我們自己有用之後，我在開發下一版模型的時候就會更快。

90. 我們叫這個叫"摸獎"。門檻很低，誰都可以去摸，但是誰能摸出什麼來，這個可能我也不知道是看天賦還是看什麼。所以這裡並不需要我們去分配資源。只是說，我們跟其他公司不一樣的地方，就是我們會花時間去討論這個問題，會去想這個問題，然後把它當作一個重要的事情。

08 商業化與定價

91.我們的API定價是一個合理的利潤，大概是我們到市場上買一批設備回來，十個月收回成本，我覺得這是一個合理的利潤。

92.如果利潤最大化，應該把價格設得更高。因為在這個價格區間，用戶的需求是沒有彈性的，就是我價格再翻一半，或者說我價格再抬高一倍，token的消耗量區別不大的。

93.我們的一個模型，一開始我們擔心需求太多，所以一開始把價格定得比較高，團隊裡大家不是很高興。後來我把價格又降下來了，降到四分之一，大家就很開心。

94.To B業務的上限應該還是需求，在現在這一代AGI、AI技術的背景下，To B的需求應該是有限的。它會快速增長，但並不是一個無窮大的事情，最終還是受制於需求，不是算力。

95.我現在覺得應該是能做到的，就都要。假如說我今年能夠有幾個億美金的B端收入，再加上我們C端有用戶，那麼這本身就已經有一定的商業基礎。以明年我們B端有收入，如果這個需求可以再增大的話，公司離淨利潤已經不遠了，可能就已經是淨利潤了。

96.最壞情況賣API，可能都能夠支撐一個上市公司。就如果說技術後面沒有新的進步了，我們的技術就凍結在這裡了，那麼最後我們就全力賣API，把這些服務做好，我覺得也夠的。

97.我們現在以目前的情況來看的話，我覺得最合理的做法應該是全力做通用的Agent，其他的Agent優先級應該更低，包括金融、醫生這些Agent。要先做Coding，因為Coding Agent能夠做到很多，還有很多垂直的Agent。現階段我們覺得最重要的，應該還是Coding Agent。

98.我覺得低成本首先是一個結果。我們的模型確實一直在模型架構上往一個更低成本的方向走，這跟我們的願景有關係。我們還有很多在算法上的方法，成本還可以往下走。

99.成本往下走還有一個原因是，成本越低，我就越能訓練更大的模型，我就越能承擔起更大的模型。在同樣算力上，在算力有限的情況下，如果我的計算效率更高，我就能夠承擔起更大的模型。

09 開源策略

100.我覺得我們是會開源的，然後我們最強的模型可能也是會開源的。因為我看不到閉源什麼好處，看不到必然的好處。字節它的模型是閉源的，它有什麼好處？我看不到有什麼好處。

101.哪怕是模型開源，你把所有東西都告訴別人，這個門檻也非常高。別人要用起來，這個門檻也非常高。他要用起來，就很難；其次，他要用起來，還要成本做得很低，也很難很難，沒有那麼容易。

102.開源並不會影響收入。開源，我覺得對我們的商業模式是沒有任何影響的。

103.我也不擔心別人部署我們的模型，然後跟我們來競爭，一點都不擔心。我們還希望他們能夠部署起來。我們儘可能給開源社區提供幫助，協助大家能夠把我們的模型部署起來。

104.我們在對外面打交道的時候，我們的態度是：我們只做AGI的主線。在對外面打交道的時候，我們是很願意協助、幫助任何人，甚至我們的競爭對手，包括阿里、智譜、月之暗面，去做得更好。因為我們並不損失什麼東西，我們本來也是開源的。

105.我們給的開源模型，跟我們自己部署的模型是不是一樣？是一樣的。我們不會說開源一個差點的模型，然後我們自己部署的時候用一個更好的模型，是不會的，是一樣的。

10 數據與後訓練

106.數據應該幾乎就等於模型的一半。前面還有一個標數據的問題。我們在數據標註方面，這跟我們的資本投入有關。以我們這個資本投入的結構，支撐不起那麼多高質量數據標註的成本，因為成本很高。

107.美國數據標註的成本跟中國數據標註成本沒有什麼區別。中國去標數據並沒有成本優勢，尤其是標高端數據上並不會有成本優勢，使得我們很難投入去像美國這樣標數據。這條路在中國是很難的，因為標數據實在太貴了，不管是我們外標還是我們自己標，都很難受。

108.現在基本上是兩條腿走路。並不是說我們完全不能標，而是因為標數據有一些成本低，有一些成本高。我們先標成本低的。

109.你也可以認為，現在我們公司有一半的人在標數據。有一半的核心研究員，最重要的人，有一半在標數據。我們就集中在標數據。解決AI這個問題，在現在這個階段靠的就是標數據。

110.高質量數據標註的瓶頸，我覺得是時間，就是需要時間。因為對OpenAI來講、對國外來講、對Anthropic來講，他們都更早，然後資本更多，卡也更多。

111.大模型的幻覺問題比較影響用戶的體驗。幻覺問題也是有一個方法可以解決的，但是這是一個長命題。幻覺問題可以認為是一個可以通過更好的Post-training解決的，是一個能解、能夠改善的問題。

11 組織與公司定位

112.首先，我們沒有模仿的對象。每一步都是我們從實際情況出發，實事求是，根據實際情況來做決策，找到我們應該怎麼做。所以它是一個時代的產物，或者說是現實情況的一個反應，它並不是一個模仿的結果。

113.我們明確是要有商業化的。我們最終還是要能活下去，我們畢竟是一個公司，政府不會給我一分錢。

114.我們本質上還是一個公司，只是說我們在考慮賺哪些錢、什麼時候賺錢、賺多少錢、靠什麼賺錢，我們有取捨。很多公司做得很偉大，因為它有一種利潤以外的追求。那個追求最後不但沒有影響到它的商業化，反而能讓它商業化得更好。

115.對於合作夥伴，其實我們這個融資是精心挑選的。首先我覺得，利益是比較一致的，就是跟我們利益最一致的、對我們最沒有敵意的，或者說最希望我們能夠做成功的。不是所有人都希望我們能做成功的，因為我們還是損害了很多其他人的利益的。

116.AI現在不缺品位和直覺，它缺的是持續學習的能力。AI的品位和直覺沒有問題。你讓它寫個文章，它的品位和直覺，我覺得沒有什麼問題。

117.我們希望只做一塊。我覺得AI這個事情很大，並不需要我……我只做一塊。如果聚焦，並且我認為這裡的生意利益已經足夠大，就如果是AI時代會產生很多家萬億級別的公司，我覺得我們是其中一家。

118.我們希望能夠扶持更多的人，但是我們並沒有那麼多的精力。我們是有這個意願，並且不會有利益衝突，但是我們有沒有去做是另外一回事。但至少這裡邊是沒有利益衝突的，我們是希望合作共贏的。