最近在网上看到一份 DeepSeek 创始人梁文锋在投资者交流会上的录音整理稿。整个过程大概4个小时，内容很多，从最初到现在的目标，开头就把我深深吸引了，因为他的“发心”纯粹，按他的话说就是“愿景”。

虽然我目前还在职场中，但至少我还有时间和空间去思考真正想做的事，而且在这个环境中这份经历对我来说也是非常可贵的，我从中意识到了很多事情，过去的我从来没思考过的，这里面包含历史的遗留（或者说因果），还有生而为人，作为普通人的局限和窘迫。梁文锋团队的经历提醒我：方向比速度重要，发心比聪明重要，而克制可能是把这两者连起来的那根线。

这份录音不是完美的商业教科书，但它提供了一种难得的样本——在 AI 时代，如何既保持理想主义，又在现实中走得扎实。

（原文录音整理稿我附在文末，有兴趣的朋友可以完整看一看。很多细节比我这里总结得更丰富。）

也许我们每个普通人的人生阶段都不同，但当你偶尔停下来，问问自己“到底想为什么而做”的时候，这份对话里传递的善意、克制和专注，或许能给你一些安静却坚定的力量。

他反复强调公司从一开始就没有上市、赚大钱的初衷。他们一开始做公司，就没想着上市、赚最多钱、抢所有流量。几十个人聚在一起，初衷是对这个世界怀着很大的善意，想做一件对人类真正有用的事。不是挂在墙上的标语，而是真正渗透到决策里的愿景——用这个愿景，而不是 KPI，把人组织起来。这不是空话——后面他用降价，DDCP 从高价降到1/4，公司的人跟着欢呼、不开源冲突的处理、C端不抢流量等例子来印证。很多创始人后期会“变”，但这里感觉他们至少到现在还守住了这条线。

可能也是因为人家早期做量化积累了大量财富，不那么缺钱，但是富有之后仍能以这种发心去做事情，我觉得还是非常可贵的。我喜欢这种人。

克制作为战略，这是全文精华。他把克制看成一种长期概率最大化的策略：不独占利益，因为AI市场太大，独占会被历史抛弃、只赚合理利润（10个月回本）、不开源不影响核心收入、甚至愿意主动帮助竞争对手复现技术。

这里的克制，我理解的就是平衡，也是我主张的思想之一。在欲望之下，人们都以增长为目标，但是不要忘了平衡的重要。

这是一种“舍得”智慧——舍弃短期多拿，换取生态支持、人才凝聚、降维打击。专注AGI主线，其他是副产品。在AI这个赢家通吃但又极度需要协作的领域，这非常聪明，也很“道家”（利万物而不争）。所以说，他绝对在早期做量化的时候“悟”了，哈哈哈哈哈。

谈到公司的发展路线也很实际，CoT → Agent → 持续学习（learning to learn）→ 奇点/自我迭代 → 具身智能。不追求花里胡哨的世界模型/视频生成，除非服务主线。强调资源（算力）是中美最大差距，但人才差距不大，中国有机会在成本和产量上胜出。

整体上，这份交流让我觉得DeepSeek（梁文锋的公司）在当前中国AI创业环境中是珍贵的异类：既有技术野心，又有哲学高度，还在商业上找到了自洽的平衡点（开源 + 合理盈利 + 副产品变现）。

很多人（包括我观察到的）在财富自由后反而迷失，因为没了外部压力。梁的分享可以作为镜子：定义一个大愿景（对人类/自己有意义的事），然后用克制来聚焦——不什么都想抓，不追求最大化，舍弃芝麻捡西瓜。

后面问答环节，有个公司的投资人说得很好（我猜应该是宁德时代的），他们公司的文化“修己达人”（完善自己以达济他人）和DeepSeek的善意+开源高度契合。榕树比喻特别贴切：它不争资源，却提供广阔生态，让鸟、其他植物共生，最终无处不在。DeepSeek的开源策略就是在种这样的“榕树”——模型开源、帮助复现、合理定价，让更多人/团队基于它构建应用，而他们专注主线（AGI研究）。这能形成正反馈：生态越繁荣，他们的模型影响力越大，人才/数据/反馈也越多。穷则独善其身，达则兼济天下。

我认为文字稿中关于AI发展最有价值的部分，是他们对AI技术路线图（roadmap）的系统性拆解和对“持续学习”（learning to learn / 持续学习能力）的精准定位。 这部分内容务实、清晰、有前瞻性，远超一般的“Scaling会解决一切”或“Agent就是未来”的泛泛而谈。

为什么这一方面最有价值？

因为他提供了可追踪、可验证的“阶梯式”发展路径，梁文锋把AI智能进步描述为一系列明确的阶梯：

• 过去：语言模型基础 → CoT（思维链，让模型通过自我思考提升上限）
• 现在：Agent（用工具、规划解决更复杂任务）
• 下一步核心瓶颈：持续学习（模型像人一样，在真实环境中长时间积累经验、适应新上下文，而非每次都给完整prompt）
• 之后：自我迭代的奇点（模型自己改进自己）→ 具身智能（进入物理世界）

每一步都建立在前一步基础上，没有白走的路。这避免了很多公司常见的“到处撒网、追热点”，视频生成、世界模型等被明确视为“组件”而非主线。这种路线图让研究和投资都有了清晰的优先级判断标准，非常实用。

准确抓住了当前到AGI之间的关键缺失环节，他反复强调：当前模型在有限上下文里已经很强，但缺少持续学习能力，就无法真正替代人类（例如无法像新员工那样花两个月熟悉公司环境）。 解决持续学习，就能跨越“给完整指令才能工作”的限制，走向真正的通用智能。这是一个高价值洞见——很多讨论还停留在Agent或多模态上，而DeepSeek把持续学习视为下一个必须攻克的“看得见的瓶颈”。

AGI 对他们来说是一个长期愿景和主线目标，而非短期商业产品。它代表 AI 从“需要大量人工提示的聪明工具”进化到“能自主学习、适应、迭代，像人类一样可靠工作”的阶段。他们公司的一切（开源、克制、专注路线图）都是为了提高实现这个 AGI 的概率。

这个定义相对务实且有具体路径（不像有些人把 AGI 说得很虚），也解释了为什么他们不急于在 C 端/B 端全面扩张——那些是通往 AGI 路上的“副产品”。

如果你正在思考自己的AI相关方向，投资、研究、应用，强烈建议把“持续学习”作为重点观察窗口——谁先在这一步取得实质突破，谁就可能掌握下一阶段的主导权。

原文录音整理稿

录音 5月20日 · 整理 2026-07-16

音频《deepseek 0520.m4a》，总时长约 3 小时 44 分钟。本稿由语音识别自动转写并经AI 整理，未区分说话人，方括号内为音频时间位置；个别专有名词与数字可能存在识别误差，请以原录音为准。