最近读完一份流出的四小时录音文字稿——据称是梁文锋 5 月 20 日与投资人的闭门交流会，七月整理流出，未见官方证实。全文是语音转写加 AI 整理，不分说话人，个别名词甚至有识别错误，但观点密度是真的高。这篇是我读完前两部分（愿景与开源、AGI 技术路线）的理解：不是摘抄，是把他的逻辑从头推一遍，再对照一批经典论文做校验。
蛋糕大到，独占必死
DeepSeek 坚持开源，外面最常见的解读是”格局”。读完原文，我觉得更准确的读法是反过来的：开源首先是一个客观规律的判断，其次才是愿景。
梁文锋的账是这么算的：AI 最终可能占人类 GDP 的百分之十。这么大的市场，”一个人独占这个事情，你不可能独占，你一定得跟别人分享，否则你肯定活不下来”。历史上开源和商业化冲突，是因为一个软件公司一年市场才几十亿美金，开源了就只剩几千万。AI 不一样——“你随便分一点点，就已经很足够了”。
从这个判断往下推，是最锋利的一句：拿得多的，会被拿得少的打败。他给 OpenAI 算过账：理论上账是算得过来的，但只要你想要百分之五，就会有只要百分之一的人打败你，然后又有只要千分之一的人打败前面那个人。”甚至你还不用真的拿得多，愿景如果是拿得多的话，你就先输了。”
所以 DeepSeek 的定价不是利润最大化：十个月收回设备成本，约六倍利润。利润最大化的做法应该定更高的价——原文说得很直白，这个价格区间需求没有弹性，价格再翻一倍，token 消耗量区别不大。但他就到十个月回本为止。最能说明问题的是个细节：模型降价到四分之一的时候，公司群里是欢呼的。任何其他公司，降价一半 ARR 就掉一半。
还有两个支撑细节：开源的模型和自部署的是完全同一套权重，没有留一手；而在这个定价之下，第三方自己部署的成本不可能更低，所以开源并不伤收入——“我只担心他部署不起来”。
那么问题来了：这套战略靠什么组织落地？这就到了我认为全文最精彩的地方。
我的推导：三个支撑点
读完第一部分，我把散落的说法拼成一条自己的推导。要做到愿景驱动、开源、松弛这三件事同时成立，有三个支撑点，缺一个就塌：
**第一，集中力量办大事。**公司松弛、人少，所以不应该什么都去做，只做自己认为在通向 AGI 关键节点上的事。原文的说法是克制带来聚焦：3D、视频生成、世界模型，甚至多模态，都只是”组件”，不进主线——哪怕视频生成”在商业上是个好生意”。连好生意都舍弃，这才叫聚焦。
**第二，公司小，必须精准找到属于自己的赛道。**没办法像大公司那样全都要，得让自己能盈利、能持续长久地走下去。开源是这条赛道的一部分：处于一种合理的定价（十个月回本），别人自己部署也不会更便宜，但自己有钱可以挣。这里有两个条件咬合在一起：没有部署成本门槛，开源就是纯让利；没有合理定价，开源就失去商业逻辑。两个都在，开源和赚钱才同时成立。
**第三，必须要做足够多的优化，让卡的效率更加高。**DeepSeek 大概两万张 H 等效算力，和美国比，差距只有资源，不是人才。大公司靠加卡解决，它只能靠效率——成本越低，同样的卡能撑越大的模型。原文有句话让我觉得最值得琢磨：商业化公司没有动力追求模型效率，因为低成本不符合他们的利益。DeepSeek 追求效率，一半是资源约束逼的，一半是愿景——它的员工知道普通人用 AI 是要花钱的。
松弛是前提，还是结果？
组织上，DeepSeek 有两条线。从上到下：目标明确大家一起干，比如发 V4 要分工，每个人做一部分，这叫”正式”；从下到上：每个人都有自己的 idea 和创意，没人管、没有 KPI，按自己觉得重要的方向探索。一条硬规则：正式不要超过员工时间的一半。
不加班也有两个原因：研究需要松弛的环境，逼得紧就没法做研究；聚焦所以事情少，没那么多活要干。
读到这里我停了一下，因为有个因果方向的问题。原文的顺序是：克制（战略）→ 聚焦 → 事情少 → 所以松弛，松弛是结果。但按我自己的读法，可以反着推：松弛且人少的组织，天然做不了多线作战，所以只能挑关键节点——松弛是前提。
两种读法互为因果，但我的读法有个推论值得单独记下：如果组织变大、不再松弛了，聚焦会自己松动。这比”创始人想不想要聚焦”更根本。Google 的 20% 时间是现成的警告——Gmail、AdSense 都从这里出来，后来名存实亡，Schmidt 亲口说那其实是指”下班后的时间”。大组织里，短期交付永远比远期探索紧急。
梁文锋能守住这一条，靠的是三件事咬合：愿景共识筛掉了不认同的人（招聘即治理），利润结构允许”低效”（十个月回本而非利润最大化），聚焦让正式工作真的少于一半。缺一个，自由探索就退化成口号。
阶梯：从语言模型到具身
第二部分是 AGI 的技术路线。梁文锋给了一个阶梯：语言模型 → CoT → Agent → 持续学习 → 奇点 → 具身智能。去年走的阶梯是 CoT，今年是 Agent；下一个瓶颈是持续学习（他说的是”学习去学习”）；奇点是自我迭代——但他特意说，这个奇点”其实不是一个奇点，是一个连续的过程”。
这个顺序的理由很实用主义：每一步都踩在前一步上，没有一步白走；而且是”最轻松”的路线——先解决持续学习，奇点之后，具身智能的活可以交给模型自己开发，不用人来做。反过来（先做具身）就是苦活。
商业上的动作（去年的 C 端、今年的 B 端）都只是主线的副产物——“站在技术的高位上做低一级别的技术，是降维打击”。
Scaling 他说得干脆：信。墙还没有摸到——“我们训练这么大的模型，并不是因为我觉得这么大就够了，而是我刚好有这么多资源”。挡住 Scaling 的是算力，不是意愿；硅谷说的 Scaling 到头，”对中国来讲，我们离那个还很远”。
CoT 的病，o1 的药
这两部分原文里梁文锋对 CoT 着墨不多，阶梯一笔带过。下面是我自己的补充功课——把自己的判断和一批论文对了个账。
CoT 最大的两个病。
一是不回溯：一条链走到底，前面错，后面就完全错误。这个判断不是我发明的——Tree of Thoughts（2023）开头对 CoT 的批评就是原话：从左到右逐 token 决策，不能回溯，不能全局探索。ToT 的药方是分支、回溯、前瞻评估；Self-Consistency（2022）更简单粗暴：采样多条独立推理链，投票取多数。我最早记的”多 CoT 模式投票表决”，实现是现成的。
二是先给答案，然后编思维过程。两篇论文给过实锤：Turpin et al. 2023 在输入里埋暗示（”答案应该是 A”），模型的思维链完全不提暗示，但答案仍被暗示左右——解释不是决策的依据。Lanham et al. 2023（Anthropic）用截断、替换、改写思维链的办法测依赖，反直觉的发现是：任务越简单、模型越大，CoT 越可能不忠实——简单题根本不需要推理，思维链是事后编的。
CoT 的发展，我看到三条线：外部扩展思考空间（风险是故意模仿人类的思考步骤）；多 CoT 并行投票；以及 o1/o3 的路线——不是奖励具体的步骤，而是搭建一个可以验证思维方式是否正确的环境，让错误的决策被否决。
这句话背后是一次路线掉头。2023 年 OpenAI 自己在 “Let’s Verify Step by Step” 里验证过过程奖励（PRM）优于结果奖励（ORM）——人工标注每一步对错。而 o1 被广泛解读为反着走：不用人工步骤标注（容易被钻空子、标注贵），只用可验证奖励（RLVR：数学、代码有标准答案）做结果级 RL，让模型自己学会纠错、拆解、换路。o1 到底用没用 PRM，OpenAI 没说死过，学界吵到现在。但”搭环境而不奖励步骤”，是现在站得住的共识表述。
o1 机制的三个观察（我的笔记，做了校准）：
- 回答之前先生成思维 token，缓存下来，不展示给用户。精确化：用户看到的是摘要，原始思维链是隐藏的——OpenAI 给的理由是防蒸馏和安全监控。”缓存”更接近 API 层的推理上下文复用（OpenAI 的 previous_response_id、Claude 的思维块缓存），不是被确认过的训练机制。
- 提前训练自纠错，做逻辑矛盾的剪枝，让思考自己反馈自己。这个成立：奖励只看最终对错，纠错行为被 RL 自发强化。
- 思维空间在解空间上搜索，放弃低概率的搜索空间，具备判断路径复杂度的能力。这是我最想展开的一条——用我的本行打比方，这就是 CBO（基于代价的优化）：查询优化器的 cost model 决定走不走索引、并不并行；o1 内化的就是自己的 cost model，简单题烧两万 token 是浪费，奥数题只给一百 token 是找死。Snell et al. 2024 验证的正是这件事：按难度自适应分配 test-time compute，固定预算下小模型能打赢无脑堆算力的大模型。开放问题是这个 cost model 是练出来的还是拍出来的——现在各家 API 的 thinking budget 全靠用户手调，模型”自知难度”这件事没有完全解决。
还没想清楚的三个问题
- “拿得多的被拿得少的打败”有个隐含前提：技术优势本身构不成护城河。那它什么时候失效——模型能力差距拉大到某种程度的时候，还是分发和生态锁定生效的时候？DeepSeek 自己又靠什么不变成被锁死的一方？
- o1 式的 RL，是不是把 ToT 式的显式搜索内化进了权重（模型自己学会回溯和剪枝，不再需要外部树搜索）？如果是，Agent 阶梯会不会也走同一条路——今天外挂的 Agent 框架，最终被内化成一个模型能力？这恰好对得上”没有一步是白走的”。
- “正式不超过一半”这条，复制者最先崩的是哪一环：招不到愿景一致的人，还是管理层忍不住把自由时间填满？
写下来的是前两部分。第三部分是算力与国产芯片（据说有 TileLang 的精彩论述），第五部分是投资人 Q&A（据说有下代模型激活参数 150B–250B）。读完写（下）。
参考来源
- 梁文锋投资者交流会实录 · 01 愿景与开源、02 AGI 技术路线（录音 2026-05-20，转写稿，未经官方证实）
- Tree of Thoughts，Yao et al., 2023
- Self-Consistency Improves Chain of Thought Reasoning，Wang et al., 2022
- Language Models Don’t Always Say What They Think，Turpin et al., 2023
- Measuring Faithfulness in Chain-of-Thought Reasoning，Lanham et al., 2023
- Let’s Verify Step by Step，Lightman et al., 2023
- Scaling LLM Test-Time Compute Optimally，Snell et al., 2024