就在DeepSeek V4山雨欲来的前夜，晚点LatePost的更新爆了不少料： - 最近半年，DeepSeek的核心员工，包括DeepSeek第一代模型作者王炳宣、DeepSeek-OCR系列作者魏浩然、DeepSeek-R1作者郭达雅、Janus-Pro贡献者阮翀等人，都被各家大厂给挖走了，更不用说已经在小米做出了成果的前研究员罗福莉； - 尽管如此，DeepSeek依然不怎么卷，同行的每周工作时间都奔着80小时去了，DeepSeek的大多数员工还是遵循着早上不打卡、下午6-7点走人的规律，因为老板梁文锋相信一个人每天高质量输出的时间不会超过8小时，员工加班疲劳引起的昏庸工作质量，反而会浪费宝贵的算力资源，给公司造成损失； - 搞AI和做量化之间的关系其实相当紧密，2016年，DeepMind的创始人哈萨比斯就组建过量化团队，希望能为刚刚脱离Google的公司创收，结果没赚到钱，而幻方则是倒过来的，也是在同一年开始用GPU的深度学习算力去干实盘交易，成功让梁文锋以30岁的年纪实现财富自由，再才组建了DeepSeek； - 2023年的时候，梁文锋小范围见过一些投资人，但提出的构想类似OpenAI和微软的投资协议，投资方需要接受一个回报上限，这在投资者看来是没道理的，所以见完一轮之后，没有任何机构愿意投DeepSeek，而在大模型火了之后，梁文锋把和投资人建联的通道直接关闭了； - 在公司里，梁文锋参与最多的是基模架构工作，然后就是充当不同团队之间的粘合剂，DeepSeek内部鼓励交叉协作，一个团队的周会也会向其他团队开放，这种开放组织很容易被规模扩张给破坏，所以DeepSeek对于核心团队的增加相当谨慎； - 去年以来，外部世界发生巨变，既有DeepSeek-V3/R1的一炮走红，也有竞争烈度的大幅升级，DeepSeek没有加入任何战局，依然在自己重视的效率优化（注意力机制）、架构改进（mHC）和非主流探索（OCR）上面努力，梁文锋甚至招进了一些神经科学和脑科学背景的顾问，对人脑原理兴趣大增； - 这也意味着DeepSeek错过了去年最重要的两条主线，一个是AI Coding，这里不只有商业价值的爆发，还引发了以龙虾为代表的Agentic应用形态，DeepSeek-V3.2完全被其他国产模型盖过了风头，另一个是多模态生成，从GPT-4o到Nano Banana再到Seedance 2.0，全都颠覆性的创造了海量增长，但梁文锋认为多模态「不是智能的主线」； - 外界期待DeepSeek每次出手都能像去年年初那样石破天惊，这可能有些强人所难，也未必是梁文锋的目标，而他也需要稳定团队抗拒财富诱惑的心力，猎头给DeepSeek员工开出2-3倍的薪水，而且这还是建立在DeepSeek本身工资就不低的前提下，确实也有员工做出了跳槽去参与更确定性的、持续参与业界最强模型工作的选择； - 留下的人当然还是占了大多数，他们习惯了相对宽松的研究氛围，也愿意做非竞争驱动的探索，在DeepSeek的价值体系里，原创的排序是要比最强更靠前的，它们本质上并不冲突，有时候实现了原创也就自然实现了最强，但在进入Agentic版本后，工程能力变得更重要了，而这正好进入了DeepSeek没有过多投入的地方； - 于是梁文锋也比较少见的做出了应变回应，最近一段时间，他开始启动了对公司的估值，这意味着可以给团队更有刺激性的财富预期，同时也开始招揽模型策略产品经理，明确要求深度使用过Claude Code、OpenClaw、Manus； - 坚持该坚持的，改变该改变的，至于什么是该坚持的、什么是该改变的，这个判断还是得由梁文锋来拿捏，「奇迹之所以是奇迹，就是因为它不常发生，是小概率事件。在中国这个崇尚竞争和结果说话的环境里，敢于追求独特目标的 DeepSeek 的存在本身，是一个令人惊喜的小概率事件。」

DeepSeek 老板梁文峰面向投资者内部的讲话实录文章，已经在网上疯传了一整天了， 下午在国内公众平台网络陆续被下架。 我看到是群友的文档，不过还是津津有味！ 42页文字稿里，谈了AGI、开源、商业化、算力、国产芯片，也谈了组织管理和人才。 信息很多，不过我觉得他反复讲的其实只有一件事：怎么提高最终把AGI做成的概率。 比如让我印象比较深的就是 DeepSeek 选择的不是四处进攻，而是不断做减法。 不急着抢用户，不做下一个超级App； 不为了收入，把C端和B端什么都吃下来； 视频生成、3D、世界模型再热，也不跟； 模型可以闭源多赚钱，仍然选择开源； 价格明明可以定得更高，也只赚自己认为合理的利润。 这不是因为他不想赚钱。 恰恰相反，是因为他知道，哪些钱可以赚，哪些钱现在赚了，反而会拖慢自己。 1️⃣克制是一种战略！ 有句话我印象很深：克制是一种战略。 很多人理解的商业竞争，是抢用户、抢入口、抢收入，凡是能拿到的，都先拿到手里。 但梁文锋的理解完全相反。 AI这件事足够大，大到没有任何一家公司可以真正独占。既然后面的西瓜足够大，就没必要为了眼前的芝麻停下来。 C端用户可以做，B端收入也可以赚，但这些都只是通往AGI路上的副产品，不应该反过来成为公司的目标。 这其实也是整场交流里最有哲思的地方： 你想要得越多，最后可能越难得到；你愿意主动少拿一点，反而更容易走到最后。 开源也是这个逻辑。 很多人认为开源就是放弃护城河，梁文锋却认为，只要DeepSeek在成本和效率上始终有优势，开源不但不会伤害商业，反而能吸引人才、建立生态、减少敌人。 他甚至判断，如果一家公司想拿走AI时代过多的利益，最终一定会被另一个愿意少拿一点的人打败。 拿得太少，公司活不下去； 拿得太多，又会被新的竞争者挑战。 最后能长期存在的，一定是那个“合理的利润”。 所以他的克制并不是佛系，更不是无欲无求。 而是一种极强的目标感： 利润可以少拿，热门业务可以不做，短期用户可以不抢，但真正不能失去的东西只有两个：AGI这条主线，以及核心团队的稳定。 这才是克制真正锋利的地方。 他不是没有欲望，而是把全部欲望压在了一件事上。 2️⃣技术路线 技术上，梁文锋给出的路线也很清晰： 语言模型之后是思维链，思维链之后是Agent，Agent之后真正需要解决的是“持续学习”。 现在的AI能力已经很强，但它仍然需要人类提供完整的上下文。它不能像一个新员工一样，进入公司学习两个月，理解这里的人、关系、规则和工作习惯，然后持续成长。 一旦AI拥有持续学习的能力，就可以开始帮助人类研究下一代AI，形成“AI加速AI”的循环。再往后，才是自我迭代和具身智能。 当然，他也非常诚实地承认： 持续学习现在还没有被真正解决，全世界都还在摸索。 这种坦诚也很难得。 一边相信AGI一定会发生，一边承认具体路径仍然充满未知。不是为了融资，硬给投资者画一个确定的时间表。 3️⃣中美差距 对于中美AI的差距，他的判断也很直接： 最大的差距不是人才，而是算力和资源。 在算力仍然存在数量级差距的情况下，中国不可能全面超越，只能靠更高的效率、更低的成本和更明确的取舍，在部分方向上追赶甚至领先。 他判断未来大模型真正的差距，也不会是什么永远无法复制的神秘技术，而是三件事： 成本、时间和用户体验。 谁能更早做出来，谁能以更低成本提供，谁的产品让人用得更舒服，谁就能留下来。 4️⃣长期主义 这场交流对我最大的启发，也不是应该去买哪一家AI公司，而是重新理解了“长期主义”这四个字。 真正的长期主义，不是嘴上说自己看得远。 而是当短期利益真的摆在面前时，你有没有能力拒绝。 投资也是一样。 每一个热点都想参与，每一段行情都想赚到，每一次上涨都害怕错过，最后资金、注意力和判断力全部被分散。 一个人真正的能力圈，可能不只是知道自己擅长什么，还要知道： 哪些钱，本来就不属于自己。 但是梁文锋的这套模式，也不能被简单浪漫化。 DeepSeek敢于克制，是因为它有技术效率、有团队、有资金，也相信后面的市场足够大。开源、不设KPI、让员工自由探索，并不是任何公司照抄都能成功。 梁文锋自己也承认，随着公司规模扩大，部分部门仍然需要更明确的组织结构；DeepSeek也必须依靠API和商业收入活下去。 所以真正值得学习的，不是表面上的“不赚钱”“不加班”和“不设KPI”。 而是先想清楚： 什么是自己绝对不能失去的，什么又是可以主动放弃的。 对DeepSeek来说，不能失去的是AGI和核心团队。 对普通人来说，可能是健康、家庭、现金流、判断力，以及那个自己真正愿意长期投入的方向。 今天所有人都在讨论怎么拥有更多，梁文锋却用了接近四个小时，讲自己为什么可以不要那么多。 我觉得这可能才是整场交流最有力量的地方： 不是抓住每一次机会才叫厉害，而是面对无数机会，仍然知道自己真正要去哪里。 很多人以为长期主义最难的是坚持。 其实更难的，可能一直都是放弃。

DeepSeek 梁文锋 4 小时内部交流干货： 1. 产品只是通往AGI的副产物。现阶段不求收益最大化，站在技术高位做低级别应用是降维打击，无需在C端和B端耗费过多精力。 2. 3D、视频生成甚至世界模型，都不在我们的主线上，它们与智能的上限关系不大。 3. 多模态对C端产品很重要，但它仅是组件，并非主线与智能本身。 4. 大模型幻觉是长命题，必然有解。内部视其为产品问题会去解决，但绝非当前核心重点。 5. 现阶段重中之重是 Coding Agent。国内最合理的打法是全力攻克通用 Agent，金融、医疗等垂直领域优先级靠后。 6. 未来AI时代必有万亿级巨头，DeepSeek只需占一席之地。路径明确：持续学习 -> AI自迭代 -> 具身智能。 7. AI目前不缺品味和直觉，唯一缺的是“持续学习”的能力。 8. 人类能持续学习，但AI目前依赖全量上下文，无法真正替代员工。下一代模型必须跨越“持续学习”这道坎。 9. 下一代模型的第一目标：我们自己觉得好用，用来辅助自身开发。这是通往AGI的最快捷径。 10. “学习”机制极其复杂，目前全球都还没找到完美的解法。 11. DeepSeek的终极愿景是AGI。爬楼梯策略：去年是CoT（思维链），今年是Agent，下一步就是“持续学习”。 12. 攻克持续学习将迎来渐进式奇点：AI能接管人类所有工作，甚至自主研发前沿AI模型。走完这步，才是具身智能。 13. 智能的终局大概率是具身。人类真正渴求的是“人力”而非“电脑”。彻底转向商业化，依然遥远。 14. 拒绝利润最大化定价，我们只赚合理利润。 15. 好模型就该被充分使用。我们曾主动将模型价格降至四分之一，全公司为此欢呼。 16. 成本领先是架构优化的必然结果。算力紧缺下，极致的计算效率意味着能训出更庞大的模型。我们靠效率取胜，大厂靠资源堆砌。 17. 外界看我们模式极难，内部其实极其轻松。降价让对手难受，但对我们而言，卖API无需繁重运营和销售，用户自会用脚投票。 18. 商业化一直在做，但绝不以其为终极目标。彻底转向商业化的那一天，还极其遥远。 19. 只要有巨大的商业价值，根本不用提前抢位。DeepSeek是顺应时代现实的产物，绝非盲目跟风模仿。 20. 克制即战略：用舍弃换取更多。开源即让利：对内聚人心、聚成就，对外利社会、惠同行。 21. AI是个占据人类GDP 10%的宏大叙事。想在商业上成事，开源必不可少。妄图独占利益，必定被历史抛弃。 22. 开源无套路。我们开源的模型与自己部署的完全一致，绝不藏私。 23. 无惧开源被抄袭竞争。大厂组织臃肿，小厂财力不足，有意愿且有能力的对手寥寥无几。 24. 只要坚守“只赚合理利润”，开源就不会伤害商业模式。想赚百倍暴利？那开源确实不适合你。 25. 不树敌。我们不愿跟任何互联网大中小厂作对，反而乐意协助所有人（包括阿里、智谱、月之暗面等）做得更好。 26. 必须改写中美AI叙事：用几分之一的算力，把技术代差缩短到6个月，甚至3个月内。 27. 中美AI差距仅在资源，不在技术。信奉Scaling Law，当前规模的限制仅仅是因为资源只够做这么大。 28. 人才零差距！中美就是同一批人。国内绝不缺人才，短缺只是一时的阶段性现象。 29. Anthropic反超OpenAI只是暂时的。未来大概率是OpenAI与Google双雄交替领跑。 30. 国内大模型赛道太挤，资源极度分散。终局必然收敛，两家大厂、两家小厂足矣。 31. 我断言：大模型公司绝对拿不走AI行业的绝大部分利润。 32. 大模型终极竞争只看三点：第一是成本（同质量下成本多低），第二是时间（早晚几个月天壤之别），第三才是用户体验。 33. 绝不想做下一个超级App。成为下一个字节或腾讯？我们毫无兴趣。 34. 不争眼前的芝麻，因为我们死盯的是背后的西瓜（AGI）。 35. 去年抢C端，今年抢To B，我们都不在乎。内部只死磕AGI路线图。奇妙的是：越不求名利，往往越容易得到。 36. 去年春节的突然爆火，完全是剧本之外的意外。 37. 唯一不退让的底线：团队稳定性。这是最大风险，好在最新一轮融资已将其彻底化解。 38. 不树敌、广结善缘、主动赋能，一切商业动作都是为了给团队创造最稳定、最纯粹的研发环境。 39. 管理亦正亦邪。50%时间自上而下“干正事”，50%时间自下而上“瞎折腾”——无要求、无限制，尽情探索前沿。 40. 极少加班。科研需要松弛感；我们极度聚焦，产品有瑕疵也不盲目补救，这也是一种克制。 41. 组织随公司成长而动态演进。未来会有必要结构，但绝不搞传统僵化层级，愿景驱动的内核永不改变。 42. 初衷绝非为了赚钱上市。第一批核心团队如果只想发财压根就不会来。我们是带着对世界极大的善意在做这件事。 43. 不死盯KPI，纯靠愿景驱动。这是我们的双刃剑，更是DeepSeek刻在骨子里的特色。 44. 愿景不落于纸面，而融于做事态度。哪怕千人千面，大方向永远一致。 45. 曾经崇拜杰克·韦尔奇，如今看来他多数理论已过时，但有一句永远正确：公司最核心的是愿景。怎么做，远比怎么说重要。 46. AGI是唯一最大收益。有余力就做点别的，没精力就果断砍掉。克制，早已写进我们的愿景。 47. AI蛋糕太庞大。越是克制、越不贪婪，最后做成这件大事的概率就越高。 48. 坚守克制符合我的直觉。除了愿景，我们并没有比别人多出什么逆天的优势。 49. 两年前，没钱、没卡、没名气。我最爱的叙事是：“一群最平凡的人，做出了最不平凡的事”，而不是天才改变世界。 50. 开源和低价都是克制。短期看少赚了钱，长期看却能极大提升通往AGI的成功率。战略克制，是我们的终极武器。 51. 开源让员工骄傲，让同行受惠，让大众受益。这种克制，正在无限放大我们实现AGI的概率。 52. 如果你的愿景只是“拿走更多”，你已经输在起跑线了。这就是世界运转的底层逻辑。

腾讯、阿里、字节的 AI 办公大战：赛马与变阵内幕 - 过去三年，AI 行业留下了两个教训：面向普通消费者的产品迟迟找不到商业模式，耗光了巨头的耐心；抖音、小红书、淘宝甚至微信则验证了另一件事，在原有产品里加 AI，影响有限，旧产品的功能、组织和商业模式早已成型，很难靠一个 AI 入口脱胎换骨。 - “智能体出现后，钉钉、飞书、企业微信已经是上一代的产物了。”一位钉钉人士说。这轮整合发生时，飞书收入增速还在涨、钉钉已在下滑，但都不重要了。上一轮办公战争打了近十年难言胜负，三家公司在办公上重新站回了起跑线。 - 最早下注的不是巨头。2025 年春节前 DeepSeek R1 发布，打乱了场上所有玩家节奏。月之暗面停止投放、把资源集中回模型本身，转向打造万亿参数模型和智能体方向。智谱在学 OpenAI 做科学家，还是学 Claude 做工程师两条路之间选了编程方向。 - 巨头们当时还在追 OpenAI：通用、聊天机器人、超级入口。字节高层判断 AI 最先颠覆的是搜索；腾讯管理层更关心 Perplexity。大厂的编程产品经历了漫长沉寂期：腾讯 CodeBuddy 只是个十人左右的 IDE 插件，字节的 Trae 虽已上线但投入不多，阿里的通义灵码投入很高收入却十分有限。 - 转折发生在去年年中。Cursor 年化收入超 5 亿美元、Claude Code 上线半年后年化收入达到 10 亿美元，编程突然被证明是数百亿元收入的生意。这改变了大公司的态度，阿里通义灵码团队封闭开发数月，新产品命名 Qoder；腾讯元宝将智能体列为优先级最高的业务方向，CodeBuddy 也在这一时期变成腾讯最受重视的 AI 项目之一，团队核心成员经常加班至凌晨两三点，算力资源也越来越多。 - 但是与美国相比，AI 编程在中国尚未形成同等规模的用户需求，用户规模始终没有明显增长。很快，大厂又回到追逐超级入口的老路。2025 年底，字节拿下春晚，腾讯准备 10 亿红包通过元宝发放，阿里投 30 亿让千问 App 免费送奶茶。 - 结果春节大战碰壁，元宝和千问日活冲到峰值后快速下滑，豆包日活破 2 亿、回落最小，但每天烧数千万元算力、收入不足百万元。春节后三家都开始收缩面向普通用户的投入。竞争再次回到智能体和 to B。 - 和之前不一样的是，今年三家公司都更坚定。马化腾在总办会提到应更重视编程与智能体，3 月 OpenClaw 爆火后，腾讯各大业务倾巢而出上线自己的智能体；字节高层赴美调研 Anthropic 后反思押注消费产品的策略，决定调整资源转向企业服务，但豆包由于娱乐心智太强，转型不顺；飞书转向更为激进，此前卖得比较顺利的智能会议纪要功能，一年只要一万多。而飞书智能伙伴及创建平台 Aily，价格升至近 10 万元甚至近 30 万元，买的人很少，销售团队后来用更强硬的策略：“不买 AI，就不给折扣。” - 阿里内部则至少有三条并行智能体产品线（QoderWork、悟空、MuleRun）在赛马，它们先要争取的是公司内部阿里云的支持，尤其是销售资源，于是得经常和销售吃饭喝酒拉关系，还通过各种办法做高 ARR。 腾讯的 WorkBuddy 是这轮跑出来的黑马。据我们了解，WorkBuddy 的日活跃用户数在周中与周末波动明显，但平均已达百万量级，超过所有国内的对手。这与团队一开始的决策有关。他们坚持做一个简单易上手的产品，只保留一个对话窗口，用户说出需求，系统自行执行，界面上没有任何开发者术语。 - 阿里的赛马因一场意外加速收场：6 月陈航（无招）因管理争议被免去钉钉 CEO 后离职，1992 年的陈宇森接手，上任第一周就整合悟空与 MuleRun，把悟空自研的 Harness 换成 Claude Code 的 Harness，效果明显改善。不到一个月，QoderWork 也被划入，统一为"千问办公"。Qoder 编程业务保留，吴泳铭希望把 Qoder CLI 逐步升级为阿里集团基础设施，未来阿里新推出的 Agent 都尽量复用。 - 字节最后完成整合。飞书在内部一直处于“需要不断证明自身价值的状态”，2023 年就讨论过与火山引擎销售合并， 直到 2026 年各家集中整合 to B 业务，飞书的独立地位才真正走到终点。 - 飞书和豆包在底层技术和产品生态上有大量可以打通的部分。飞书在云端闭环里加 My AI，豆包也逐步进入办公场景，两者出现了不少重合。飞书对 AI 态度相对保守：坚持在云端闭环做功能，不开放本地文件和系统权限，但这恰恰是 WorkBuddy、OpenClaw 这类桌面智能体的核心卖点。飞书在 AI 时代最应该开放的能力，恰恰是它组织基因里最抗拒的事情。 - 赵祺是这轮调整中上升最快的人：北大计算机博士，做过豆瓣产品经理，也创过业，2017 年加入字节后先后负责增长中台和穿山甲广告平台，被认为是字节「最会花钱的人」，2022 年转入 HR 部门为字节 AI 搭建人才体系，2025 年 9 月才回到业务一线接手豆包。 - 火山引擎负责人谭待则接手了飞书的战略、市场和销售体系。据我们了解，目前火山引擎超过 40% 的 Token 消耗量来自 Seedance；超过 10% 来自 Seedream；Coding 和 Agent 的占比不高。如何把模型能力转化为更多企业场景中的实际用量，也是谭待接下来要解决的问题。 - 三家巨头在半年内先后完成了办公 AI 的组织整合，但竞争才刚刚开始。 - AI 提供了重塑格局的机会，上一代办公平台以即时通讯为中心，而下一代大概率围绕 AI 和智能体展开。过去先讨论再动手，现在先出结果再评审对齐。沟通不会消失，但即时通信在办公中的权重可能大幅缩小，它有可能不再是工作的起点。企业微信目前最稳，靠微信关系链做销售客服私域，但智能体执行任务靠的是审批、文档、业务系统这些上下文，仅有关系链，在 AI 时代可能不够用了。 - 在国内做 SaaS 生意仍然是个难题。新产品要面对的，还是那些老问题：在国内，企业付费生态差。何况大多数人并不像研究 AI 的工程师那样忙碌到愿意花钱省时间——不然，也不会每天有 8 亿多人刷两小时抖音，4 亿人刷快手，1 亿多人刷小红书。 - 据我们了解，三个产品都计划出海，最大挑战是与 Anthropic 和 OpenAI 正面竞争，便宜的国产模型是手里为数不多的优势。“上一代的仗打完了，大家发现打下来的城池不值钱了。”这一次，所有人都有机会重新证明自己的价值。

梁文锋敢想敢说，四小时闭门发言曝光，颠覆整个商业逻辑🔥 据称流传出的梁文锋四小时投资人闭门交流内容里，藏着不少大胆判断，整理如下： ⠀ 一、英伟达生态一年内就会被颠覆，华为芯片一年后足以完全替代，哪怕贵一到两倍也无所谓 ⠀ 二、想靠AI赚取暴利的公司注定失败，拿得少的反而能击败拿得多的，OpenAI正是因为想独占市场而遭到围攻 ⠀ 三、奇点不是瞬间爆发，而是漫长的渐进过程，顺序必须先解决持续学习，再走向自我迭代，最后才是具身机器人 ⠀ 四、技术演进路径是：语言模型→思维链→智能体→持续学习→智能奇点（自我迭代）→具身智能。目前进度停在智能体阶段中段，持续学习是下一道必须跨越的门槛，跨过去才算真正进入自我迭代的奇点期 ⠀ 五、克制被当作核心战略，主动放弃C端流量争夺，不做超级应用，短期商业化只是保底手段，全部资源都押注在通往AGI的主线上 ⠀ 六、中美AI差距其实只有一年，国内使用的算力仅为对方的二十分之一，真正稀缺的不是人才，而是芯片 ⠀ 七、公司近半数核心研究员都在参与数据标注，这被认为是当前最关键的工作，高端数据的瓶颈不在资金，而在时间 ⠀ 八、即便技术进展停滞，仅靠API收入也足以支撑一家上市公司的运转，商业化前景并不令人担忧 ⠀ 九、内部不强制加班、不设KPI、不搞层级架构，完全依靠愿景驱动，因为做研究需要松弛的环境，逼得太紧反而适得其反 ⠀ 十、国产芯片产能瓶颈会持续困扰未来两三年，但五年后大概率能够解决 ⠀ 十一、国内几十家做基础模型的公司最终只会剩下三四家跑出来，而且谁都别想靠此攫取暴利 ⠀ 十二、视频生成、3D建模、世界模型这些方向与智能上限没有直接关系，本质是商业噱头，公司坚决不碰 ⠀ 十三、只要员工期权到位、核心团队稳定，AGI几乎是必然结果，其余都是细节问题，最多延迟一年半载 ⠀ 十四、中国AI的终极竞争力在于”系统性成本优势”，与制造业逻辑相同，属于结构性壁垒 ⠀ 十五、一旦率先攻克持续学习，通用智能的实现难度会大幅下降，届时可以让AI自己参与自身的研究迭代 ⠀ 最颠覆的一条判断，是他反复强调的：拿得少的人，终将击败拿得多的人。哪怕还没开始盈利，只要脑子里想的是垄断和暴利，就已经输了。OpenAI今天的困境正源于此——当初执意独占AI，注定引来四面围攻。反观DeepSeek主动放弃暴利、开源最强模型、不抢流量不搞垄断，胜算反而更大。这套逻辑，几乎把整个商业世界的常识全部颠倒过来

梁文峰胆子真大 四小时投资人会议实录流出，我发现他的预判真大胆： 1）英伟达那套生态一年内就废了，华为的卡一年后完全能平替英伟达，贵一倍两倍都无所谓。 2）谁想着靠AI暴利谁就死，拿得少的人一定打败拿得多的人，OpenAI就是因为想独占才被围攻。 3）奇点不是什么爆炸，是个漫长的温水煮青蛙过程，而且顺序不能乱——先解决持续学习，再到自我迭代，最后才做机器人。 4）Ai技术路线是这样：语言模型 → 思维链(CoT) → Agent → 持续学习 → 智能奇点(自我迭代) → 具身智能 现在处于Agent走一半，持续学习是下一个必须跨过去的坎，跨过去才能进入AI自己迭代自己的奇点阶段。 5）克制是核心战略，主动放弃C端流量争夺战，不做超级App，短期商业化只是保底，全部资源主线聚焦AGI。 6）中美AI差距就一年，但国内只用了人家二十分之一的算力，人才根本不缺，差的就是卡。 7）公司一半的核心研究员都在标数据，这就是现阶段最重要的事，高端数据瓶颈不是钱，是时间。 8）最坏情况技术冻结了，光卖API也够撑起一家上市公司，商业化根本不用愁。 9）不加班、没KPI、没组织架构，全靠愿景驱动，因为做研究就得松弛，逼太紧反而没用。 10）国产芯片产能问题今年明年后年都卡，但五年后肯定解决了。 11）国内几十家做基模的公司太多了，最后就剩三四家，而且谁也别想有暴利。 12）视频生成、3D、世界模型这些东西跟智能上限没关系，纯粹是商业噱头，坚决不做。 13）员工期权拿够、团队稳住，AGI（通用人工智能）就一定能成，其他全是小事，最多晚个一年半载。 14）中国AI最终拼的是“系统性便宜”，就跟制造业一样，成本优势是结构性的。 15）持续学习要是先做出来了，通用智能就很简单，让AI自己帮自己研究就行。 最后，梁文峰最大胆的判断： 「拿得少的人，一定打败拿得多的人。」 他说哪怕你还没赚到钱，只要脑子里想的是“我要垄断、我要暴利”，你就已经输了。OpenAI今天的困境就源于此，当初想独占AI，所以一定会被无数人围攻。反过来，DeepSeek主动放弃暴利、最强模型开源、不抢用户、不搞垄断，反而赢面最大。这套逻辑把整个商业世界的常识都翻过来了

🚨DeepSeek 被曝正在开发轻量级开源小模型。 据知情人士透露，梁文锋近期向投资人表示， @deepseek_ai 内部正在测试一款轻量化模型，而且这东西已经可以在普通游戏显卡上稳定运行。 更关键的是，内部测试显示，这款模型已经能够处理用户绝大多数日常任务（Agentic任务？）。 这就有意思了🤔 DeepSeek 过去给人的印象一直是：用更少的算力，把大模型做到尽可能强。 现在看，他们可能还在继续往另一个方向做：轻量级开源小模型。 不只是把模型做便宜，而是直接把模型压到消费级 GPU 上（但5090和4090现在已经不算消费级显卡了🤣）。 目前这款模型还没有公布参数、名称和发布时间。 如果最后真的能做到“一张游戏显卡（别5090就行），本地解决大部分日常任务”，那 DeepSeek 下一步卷的可能就不是 API 价格了，而是本地 AI 的成本底线。 真做成了，我愿意把梁圣纹在身上😭

2026年AI卷疯了，但我卷不动了。 GPT、DeepSeek、Gemini……一个比一个能打。 多模态、上万亿参数，一个比一个牛逼。 但你有没有发现一个问题——会用AI和用不上好AI的人，差距正在以肉眼可见的速度拉大？ 作为一个普通币圈人，我每天要看线、收集信息、撸交互、盯数据……光这些就够累了。想着用AI帮我省点事吧，结果呢？ 我得先学会怎么跟AI「说话」。 同一个模型，大佬用出来是专业级作品，我用出来就是请您再说清楚一点，光教AI怎么干活的时间，比我自己干还长。 这还没完。我自己的数据、本地的文件、浏览器记录、日程安排——想用AI自动化处理？先担心隐私问题吧。搞复杂了要开好几个窗口切换，搞简单了AI根本不懂我在说什么。 中登老登们更难受，学不动了，真的学不动了。 币圈混久了都信一件事：认知差就是印钞机。可问题是，现在的认知门槛「不在知道AI能干什么」，而在「有没有时间精力学会怎么用它」。 那有没有一款产品，让普通人直接就能用上好AI，不用学、不用磨、不用调试？ Yizilabs投资的 @dappOS_com 早在2025年就开始做AI转型尝试。最近他们推出了「低Prompt AI代理系统」xBubble。 核心理念很戳我：别学AI了，你就说你要什么，让AI自己去干。 我用一句话，30秒，搞定了一张海报，我平时要写文章、做贴图、弄梗图，搓AI是刚需。这次标题图就是用xBubble做的。而且这些海报都能商用，对比传统的llm来说直接免去后顾之忧了 我就直接发了一句： 「帮我设计一个以「现在AI太聪明了，但是我真的卷不动了」为标题的海报」 同样一句话，拿去喂给grok还要我手动更改几次才能生成，对比下来还没有xBubble更灵动（下方是grok生图） 👉 先知也附上基础的交互指引给大家使用 1.进入 2.选择运行环境（Computer / Personal）发出请求 3.系统自动处理：匹配SOP → 执行 → 输出结果 看上去很省事儿吧，让我们看看背后的逻辑。是两套核心引擎在跑 1️⃣ Bubble Pilot：你说一句话，它跑一遍流程 Pilot做的事很简单：读取你的需求，判断任务类型，然后去系统里找有没有现成的SOP 有，直接调用，秒出结果。没有？它自己兜底干。 这就是AI使用AI——你不需要知道背后用了哪个模型、调了哪些工具，Pilot帮你把路走通。 2️⃣ Bubble Engine：AI自己攒经验，越用越懂你 Engine是 xBubble 最不一样的地方。 它会在后台为任务自动生成多套方案，拿不同模型反复试、反复比，找出最优的那条路，固化成SOP。下次再来同样的事，直接走成熟流程，又快又稳。 这意味着什么？AI在学习AI，AI在使用AI。 你不需要研究GPT-5和Claude-4哪个更适合做海报，Engine早就帮你测试过了。你不需要积累什么提示词宝典，Engine把最优路径固化好了直接给你用。 系统的进化速度比你快，用AI的效率比你高，而你只需要做一件事：说出你要什么。 还有就是两种运行环境：隐私和安全都想到了，不同场景、不同信任度 1️⃣Bubble Computer：端到端项目工作空间。当你需要研究+写作+设计+验证一套流程跑完时，Computer模式在沙盒环境里把全链路打通，不用你手动切换工具。 2️⃣Bubble Personal：本地环境模式。需要操作你本地文件、浏览器、日程？Personal模式在沙盒化执行模型下处理：安装、下载、系统级改动都在云容器里完成，任务结束即销毁。你的机器上只执行明确授权的操作，重活儿留在云端，干净结果流回本地。 说白了：信云就选Computer模式，想保护隐私就选Personal模式。你自己说了算。 目前xBubble支持10+种任务类型： 快速模式（日常小任务）→ 语音听写、文本转语音、对话头像、深度研究 工作模式（SOP驱动，稳定专业）→ 幻灯片创作、文档创作、事实核查、定时任务、海报创作、图像创作、视频创作、网站开发 覆盖主流需求，关键是——每个任务都不需要你调提示词。 确实XBubble算不上什么颠覆世界的东西。 但它确实解决了一个让我头疼很久的问题：让普通人不用跟AI墨迹，就能把事办了。 AI应该学习AI，AI应该使用AI。 你只需要说出目标，能解决普通人的需求，我认为这就已经做得很棒了。

中国人能飞，中国模型也能飞 中国人能飞。DeepSeek V4 Pro刚出，中国模型也在飞。 国产模型现在两条线并着跑，一条卷价格，一条卷智能。 今天聊后面这条线，K3发布有一段时间了，至今还在模型斩杀线外，美国那边的反应才叫有意思。 前两天刷到一个播客切片。一个顶级投资人公开说：他投的公司里十家有九家已经在换模型了，要么走 Kimi，要么去 DeepSeek。他自己团队换了 Kimi，成本直接降 90%。他预测 Anthropic 和 OpenAI 那些年花几千万美金的大客户，接下来会集体出走。 然后这两天连着看到几件事，越看越觉得他不是在说大话。 8月11号，Anthropic 宣布 Sonnet 5开始永久打折。 这个动作放在平时可能只是商业策略调整，但放在如今的背景下看，意思就很明确了。他们终于急了。 再往前两天，a16z发了一条推，说了句很微妙的话：美国人还在争论，全世界已经在下单中国AI。 a16z是什么？美国最大的科技风投之一，投了 OpenAI 的那个。连他们都这么说，说明这不是中国人自嗨，是对面也看到了。 然后8月10号，苹果把 Kimi 携K3模型挂上了 App Store 首页Today推荐位。 苹果的Today推荐大家应该都知道，是编辑手动挑选的，全球每天就那么几个坑位。 一个中国 AI 产品拿到这个位置，本身就是个信号。 还有一张图最近在海外传得挺广。把各家模型的融资额和能力排名放在一起对比，K3 用远低于 Anthropic、OpenAI 的融资额，做到了第一梯队的能力。DeepSeek 更狠，开源直接把成本打穿。 这张图之所以传播力强，是因为它把一个模糊的感受变成了一个清晰的事实：中国模型不是靠烧钱烧出来的。 所以现在的局面是什么？ 客户在用脚投票，平台在用手投票，资本在用嘴投票。三方同时指向同一个方向。 从TikTok到今天的 K3 和 V4 Pro，中国产品一次次用同一个姿势撕开美国市场。 一个卷智能把对手逼到墙角，一个卷价格把门槛打到地板，整个生态越变越好。只不过这一次，战场不在短视频，是美国最引以为傲的AI高地。 中国人能飞，中国模型会飞。 一条路卷价格，一条路卷智能，你觉得哪条先跑通？

Kimi K3引发的这轮抛售，短期利空、长期利好——跟DeepSeek那次是同一个剧本 Kimi K3开源 这两天美股风声鹤唳，根本催化剂是中国月之暗面公司宣布，其Kimi K3大模型(2.8万亿参数)将于7月27日开源。这是继DeepSeek之后，中国AI第二次冲击美股牛市的底层逻辑。 美股此前上涨的主线很清楚，科技巨头通过大举发债和资本支出(今年预计上万亿美元)，疯狂购买高价芯片去卷"参数和算力"，谁堆的算力多、谁的模型就更强。Kimi K3的颠覆性在于，它证明了不需要像西方那样投入极端恐怖的资金去堆算力，通过架构创新、合成数据和强化学习这类后训练技术，用很少的钱也能做出3万亿参数级别的顶尖模型。这直接打掉了华尔街对AI硬件基础设施开支需要无限制疯狂增长这个预期。 Kimi K3这个消息之所以吓坏华尔街，是因为它也极大加速了前沿AI模型的商品化，对OpenAI、Anthropic这类闭源头部实验室的利润率构成了严重压榨。既然能用极低成本自托管接近顶尖性能的开源模型，软件开发商会迅速转向最便宜的方案，导致这些大厂的商业化变现被迫减速。 为什么说这只是短期利空、长期反而利好？ 短期利空是因为投资者担心AI模型效率提升会降低对GPU、HBM和数据中心的需求，资本开支预期被下修，资金先撤离硬件板块避险。但中长期看，更高效、更低成本的模型历史上从来没有真正阻止过AI应用的普及，反而会因为使用成本下降而带来更多推理需求、把整个AI市场的蛋糕做得更大。 这就是典型的杰文斯悖论：效率提升不会减少总消耗，反而会因为使用门槛降低而刺激总需求暴涨。DeepSeek当时也吓了市场一跳，但最终并没有改变科技巨头持续扩张AI基础设施的趋势，反而让AI的使用量和整体算力需求进一步走高。这次Kimi K3大概率也是同一个剧本。 硬币的另一面，模型价格被打下来，对下游软件和应用端反而是长期重大利好，因为它们是模型不可知论者，谁的Token便宜好用就用谁的，成本降低只会加速它们的商业化落地。 这一周银行财报给的几个经济健康的信号 银行财报陆续出炉，说下三个信号。 第一个信号跟消费有关，喜忧参半。四大银行的信用卡消费额度同比涨了超过10%，表面看消费很旺，但拆开看会发现这里面很大一块是靠循环贷款撑起来的。说白了就是很多人在透支消费。这意味着不少美国家庭的消费增长，靠的是信用卡欠着钱在维持生活水平，某种程度上反映出普通人的生活压力其实在加大，这是消费数据里一个不太健康的结构性隐患，值得留意。 第二个信号在企业端，相当积极。企业贷款需求稳步上升，投行业务(IPO、并购这类咨询收入)同比暴涨30%到50%，企业愿意借钱扩张，说明它们对未来经营是有信心的，愿意扩库存、招人、加大投资。这次银行整体业绩能录得双位数增长，很大程度上就是靠这块投行业务复苏拉动的。 第三个信号是坏账端，风险目前还算可控。银行的坏账冲销金额和信贷损失准备金都在同比下降，这说明银行自己并不认为接下来会出现大规模的信用违约或者失业潮，所以没有额外多计提风险准备金。这本身就是银行系统对当前宏观环境投的一张信任票。目前也看不到贷款收紧的迹象，整个银行体系依然健康、依然在赚钱，没有出现系统性风险的苗头。 经济周期判断 历史数据告诉我们一个挺有意思的规律，每当IPO和并购活动在牛市中后段扎堆爆发，往往意味着企业在借着高股价融一把钱。 在我看来，现在离真正的顶点还有距离。真正值得警惕的信号，应该是OpenAI和Anthropic完成上市之后。那才是这一轮AI叙事里最后两个还没兑现的超级IPO，一旦它们也上市了、市场把这个预期彻底消化完，才更接近牛市周期真正见顶的时间窗口。 我自己的判断是，历史大顶更可能出现在2027年底到2028年初这个区间，不是现在。所以只要确定不是在走向熊市，眼下这轮波动就只是牛市里一次正常的中继回调，短期三季度会有震荡，但四季度标普年底看8000到8200点这个目标，我没有改变。 接下来7月底，科技巨头的资本开支才是真正的考验 我的判断是资本开支一定不会减，而且五大巨头没有一家有理由主动踩刹车。 谷歌最不可能减，它的搜索业务未来会被AI取代，所以谷歌只能加大投入去革自己的命，用AI Overview、AI Mode、Gemini深度整合进搜索、Workspace、Cloud这些核心产品，每多一个AI用户，推理算力需求就多一份，只能持续扩建TPU和数据中心。 微软的Azure AI云需求一直供不应求，OpenAI、企业Copilot、Azure AI Foundry都需要大量GPU集群，微软自己也多次说算力受限，没有理由主动削减投资。 亚马逊的AWS AI需求同样远大于现有算力，Bedrock、SageMaker、Trainium这些业务持续增长，如果减少资本开支，反而是把客户拱手让给Azure和Google Cloud。苹果的Apple Intelligence还处在大规模部署的初期，未来几年要持续训练和推理更强的端云混合AI，需要建设更多自研AI基础设施，虽然苹果在这轮军备竞赛里显得最克制(靠庞大的硬件终端和苹果税这种稳固收入结构撑底气)，但它未来要花的钱也只会逐渐增加。 Meta这边扎克伯格已经明确表态要投入数千亿美元建设AI超级集群，目标是打造领先的超级智能基础设施，在竞争格局没有定局之前，Meta几乎没有主动削减硬件投资的动力。 这五家的共同逻辑其实是同一个核心：现在削减AI硬件资本开支，不只是放弃未来增长，更是把市场份额拱手让给竞争对手。在AI平台竞争还没分出胜负之前，谁先踩刹车，谁就可能永远失去领先优势，所以这场军备竞赛只能继续，谁先停，谁未来就落伍。 这周还有三个AI相关正面消息 一是Meta传出打算把算力租给Anthropic，涉及金额可能高达100亿美元。 二是特朗普在社交媒体上公开肯定台积电在亚利桑那追加投资(总额或达2650亿美元)并承接其大幅上调的资本支出，这条消息缓和了地缘政治引发的科技股恐慌。 三是SpaceX虽然因为技术原因(V3发射被自动终止)导致股价一度破发，但据报道其Starlink正在和美国国防部谈判一份数年期、每年数十亿美元的AI数据中心算力合同。