今天小編分享的教育經驗：DeepSeek創始人梁文鋒的60條思考，歡迎閱讀。
作者 | 梁文鋒
來源 | 中國企業家俱樂部 管理智慧
咨詢合作 | 13699120588
文章僅代表作者本人觀點
在整個 2025 年春節期間，DeepSeek 熱度持續攀升，超預期的產品體驗帶來了口碑裂變。
DeepSeek 創始人梁文鋒的公開報道并不多。但在 DeepSeek 火爆之前，他曾于 2023 和 2024 年兩次接受 36 氪旗下《暗湧》專訪，從這兩篇專訪中，可以清晰看出無論是在技術洞見，還是理想主義的思維模式上，梁文鋒許多與眾不同之處。本文匯總了他最核心的 60 條思考，一定程度上也可以幫助我們更加直觀的理解 DeepSeek 這家企業脫穎而出的底層邏輯。希望對您有所幫助。
1. 我們做大模型，跟量化和金融都沒有直接關系。我們要做的是通用人工智能，也就是 AGI。
2. 語言大模型是通往 AGI 的必經之路，并且初步具備了 AGI 的特征，所以我們從這裡開始。
3. 我們不會過早設計基于模型的一些應用，會專注在大模型上。從長期看，大模型應用門檻會越來越低，初創公司在未來 20 年任何時候下場，也都有機會。我們的目标很明确，就是不做垂類和應用，而是做研究，做探索。
4. 我們理解人類智能的本質就是語言，人的思維就是一個語言的過程。你以為你在思考，其實可能是你在腦子裡編織語言。這意味着，在語言大模型上可能誕生出類人的人工智能（AGI）。
5. 只做復刻的話，可以在公開論文或開源代碼基礎上，只需訓練很少次數，甚至只需 finetune（微調）一下，成本很低。而做研究，要做各種實驗和對比，需要更多算力，對人員要求也更高，所以成本更高。
6. 我們希望更多人，哪怕一個小 App 都可以低成本去用上大模型，而不是技術只掌握在一部分人和公司手中，形成壟斷。大廠的模型，可能會和他們的平台或生态捆綁，而我們是完全自由的。
7. 從商業角度來講，基礎研究是投入回報比很低的。我們比較确定的是，既然我們想做這個事，又有這個能力，這個時間點上，我們就是最合适人選之一。
8. 從最早的 1 張卡，到 2015 年的 100 張卡、2019 年的 1000 張卡，再到一萬張，這個過程是逐步發生的。很多人會以為這裡邊有一個不為人知的商業邏輯，但其實，主要是好奇心驅動，對 AI 能力邊界的好奇。
9. 對很多行外人來說，ChatGPT 這波浪潮衝擊特别大；但對行内人來說，2012 年 AlexNet 帶來的衝擊已經引領一個新的時代。AlexNet 的錯誤率遠低于當時其他模型，復蘇了沉睡幾十年的神經網絡研究。雖然具體技術方向一直在變，但模型、數據和算力這三者的組合是不變的，特别是當 2020 年 OpenAI 發布 GPT3 後，方向很清楚，需要大量算力。那之後，我們有意識地去部署盡可能多的算力。
10. 一件激動人心的事，不能單純用錢衡量。就像家裡買鋼琴，一來買得起，二來是因為有一群急于在上面彈奏樂曲的人。
11. 人工成本是對未來的投資，是公司最大的資產。我們選的人相對樸實一點，有好奇心，來我們這裡有機會去做研究。大廠很難單純去做研究，做訓練，它更多會是業務需求驅動。如果不能很快應用，大廠不一定能持續堅持，因為它更需要看到結果。
12. 我們招人有條原則是，看能力，而不是看經驗。如果追求短期目标，找現成有經驗的人是對的。但如果看長遠，經驗就沒那麼重要，基礎能力、創造性與熱愛等更重要。
13. 我們的核心技術崗位，基本以應屆和畢業一兩年的人為主。做一件事，有經驗的人會不假思索告訴你，應該這樣做，但沒有經驗的人，會反復摸索、很認真去想應該怎麼做，然後找到一個符合當前實際情況的解決辦法。
14. 我們招人的條件是熱愛，這些人的熱情通常會表現出來，因為他真的很想做這件事，所以這些人往往同時也在找你。
15. 我們的考核标準和一般公司不太一樣。我們沒有 KPI，也沒有所謂的任務。
16. 創新需要盡可能少的幹預和管理，讓每個人有自由發揮的空間和試錯機會。創新往往都是自己產生的，不是刻意安排的，更不是教出來的。我們交給員工重要的事，并且不幹預他。讓他自己想辦法，自己發揮。
17. 招人時确保價值觀一致，然後通過企業文化來确保步調一致。當然，我們并沒有一個成文的企業文化，因為所有成文的東西，又會阻礙創新。更多時候，是管理者的以身示範，遇到一件事，你如何做決策，會成為一種準則。
18. 按照教科書的方法論來推導創業公司，在當下，他們做的事，都是活不下來的。但市場是變化的，真正的決定力量往往不是一些現成的規則和條件，而是一種适應和調整變化的能力。很多大公司的組織結構已經不能快速響應和快速做事，而且他們很容易讓之前的經驗和慣性成為束縛，而這波 AI 新浪潮之下，一定會有一批新公司誕生。
19. 最讓我們興奮的是去搞清我們的猜想是不是事實，如果是對的，就會很興奮了。
20. 信仰者會之前就在這裡，之後也在這裡。他們更會去批量買卡，或者跟雲廠商籤長協定，而不是短期去租。
21. 創新是昂貴且低效的，有時候伴随着浪費。所以經濟發展到一定程度之後，才能夠出現創新。很窮的時候，或者不是創新驅動的行業，成本和效率非常關鍵。OpenAI 也是燒了很多錢才出來的。
22. 這個世界存在很多無法用邏輯解釋的事，就像很多程式員，也是開源社區的瘋狂貢獻者，一天很累了，還要去貢獻代碼。類似你徒步 50 公裡，整個身體是癱掉的，但精神很滿足。
23. 不是所有人都能瘋狂一輩子，但大部分人，在他年輕的那些年，可以完全沒有功利目的，投入地去做一件事。
24. 我們的大模型服務降價只是按照自己的步調來做事，然後核算成本定價。我們的原則是不貼錢，也不賺取暴利，在成本之上稍微有點利潤。
25. 搶用戶并不是我們的主要目的。我們降價一方面是因為我們在探索下一代模型的結構中，成本先降下來了，另一方面也覺得無論 API，還是 AI，都應該是普惠的、人人可以用得起的東西。
26. 如果目标是做應用，那沿用 Llama 結構，短平快上產品也是合理選擇。但我們的目的地是 AGI，這意味着我們需要研究新的模型結構，在有限資源下，實現更強的模型能力。這是 scale up 到更大模型所需要做的基礎研究之一。除了模型結構，我們還做了大量其他的研究，包括怎麼構造數據，如何讓模型更像人類等，這都體現在我們發布的模型裡。
27. 最重要的是參與到全球創新的浪潮裡去。過去很多年，中國公司習慣了别人做技術創新，我們拿過來做應用變現，但這并非是一種理所當然。這一波浪潮裡，我們的出發點，就不是趁機賺一筆，而是走到技術的前沿，去推動整個生态發展。
28. 随着經濟發展，中國也要逐步成為貢獻者，而不是一直搭便車。過去三十多年 IT 浪潮裡，我們基本沒有參與到真正的技術創新裡。我們已經習慣摩爾定律從天而降，躺在家裡 18 個月就會出來更好的硬體和軟體。但其實，這是西方主導的技術社區一代代孜孜不倦創造出來的，只因為之前我們沒有參與這個過程，以至于忽視了它的存在。
29. 大部分中國公司習慣 follow，而不是創新。
30. 創新的成本肯定不低，過去那種拿來主義的慣例和過去的國情有關。但現在，無論中國的經濟體量，還是字節、騰訊這些大廠的利潤，放在全球都不低。我們創新缺的不是資本，而是缺乏信心以及不知道怎麼組織高密度的人才實現有效的創新。
31. 過去三十年，我們都只強調賺錢，對創新是忽視的。創新不完全是商業驅動的，還需要好奇心和創造欲。我們只是被過去那種慣性束縛了，但它也是階段性的。
32. 在颠覆性的技術面前，閉源形成的護城河是短暫的。即使 OpenAI 閉源，也無法阻止被别人趕超。所以我們把價值沉澱在團隊上，我們的同事在這個過程中得到成長，積累很多 know-how，形成可以創新的組織和文化，這就是我們的護城河。
33. 開源，發論文，并沒有失去什麼。對于技術人員來說，被 follow 是很有成就感的事。開源更像一個文化行為，而非商業行為。給予是一種額外的榮譽，一個公司這麼做也會有文化的吸引力。
34. 美國最賺錢的公司，都是厚積薄發的高科技公司。
35. 中國 AI 和美國真實的 gap 是原創和模仿的差距。如果這個不改變，中國永遠只能是追随者，所以有些探索也是逃不掉的。
36. 英偉達的領先，不只是一個公司的努力，而是整個西方技術社區和產業共同努力的結果。他們能看到下一代的技術趨勢，手裡有路線圖。中國 AI 的發展，同樣需要這樣的生态。很多國產芯片發展不起來，是因為缺乏配套的技術社區，只有第二手消息，所以中國必然需要有人站到技術的前沿。
37. 我們不會閉源，我們認為先有一個強大的技術生态更重要。
38. 我們短期内沒有融資計劃，我們面臨的問題從來不是錢，而是高端芯片被禁運。
39. 更多的投入并不一定產生更多的創新，否則大廠可以把所有的創新包攬了。
40. 我們認為當前階段是技術創新的爆發期，而不是應用的爆發期。長遠來說，我們希望形成一種生态，就是業界直接使用我們的技術和產出，我們只負責基礎模型和前沿的創新，然後其它公司在 DeepSeek 的基礎上構建 toB、toC 的業務。如果能形成完整的產業上下遊，我們就沒必要自己做應用。
41. 如果需要，我們做應用也沒障礙，但研究和技術創新永遠是我們第一優先級。
42. 技術沒有秘密，但重置需要時間和成本。英偉達的顯卡，理論上沒有任何技術秘密，很容易復制，但重新組織團隊以及追趕下一代技術都需要時間，所以實際的護城河還是很寬。
43. 提供雲服務不是我們的主要目标，我們的目标是去實現 AGI。
44. 大廠有現成的用戶，但它的現金流業務也是它的包袱，也會讓它成為随時被颠覆的對象。
45. 大模型創業公司可能活下來 2 到 3 家。現在都還處在燒錢階段，那些自我定位清晰、更能精細化運營的，更有機會活下來。其它公司可能會脫胎換骨。有價值的東西不會煙消雲散，但會換一種方式。
46. 我經常思考的是，一個東西能不能讓社會的運行效率變高，以及你能否在它的產業分工鏈條上找到擅長的位置。只要終局是讓社會效率更高，就是成立的。中間很多都是階段性的，過度關注必然眼花缭亂。
47. 我們發布的 V2 模型沒有海外回來的人，都是本土的。前 50 名頂尖人才可能不在中國，但我們能自己打造這樣的人。
48.DeepSeek 也全是自下而上的。而且我們一般不前置分工，而是自然分工。每個人有自己獨特的成長經歷，都是自帶想法的，不需要 push 他。探索過程中，他遇到問題，自己就會拉人讨論。不過當一個 idea 顯示出潛力，我們也會自上而下地去調配資源。
49. 我們每個人對于卡和人的調動是不設上限的。如果有想法，每個人随時可以調用訓練集群的卡無需審批，同時因為不存在層級和跨部門，也可以靈活調用所有人，只要對方也有興趣。
50. 我們選人的标準一直都是熱愛和好奇心，所以很多人會有一些奇特的經歷，很有意思。很多人對做研究的渴望，遠超對錢的在意。
51. 創新首先是一個信念問題。為什麼矽谷那麼有創新精神？首先是敢。Chatgpt 出來時，整個國内對做前沿創新都缺乏信心，從投資人到大廠，都覺得差距太大了，還是做應用吧。但創新首先需要自信，這種信心通常在年輕人身上更明顯。
52. 我們在做最難的事。對頂級人才吸引最大的，肯定是去解決世界上最難的問題。其實，頂尖人才在中國是被低估的。因為整個社會層面的硬核創新太少了，使得他們沒有機會被識别出來。我們在做最難的事，對他們是有吸引力的。
53.OpenAI 不是神，不可能一直衝在前面。
54.AGI 可能是 2 年、5 年或者 10 年，總之會在我們有生之年實現。至于路線圖，即使在我們公司内部，也沒有統一意見。但我們确實押注了三個方向：一是數學和代碼，二是多模态，三是自然語言本身。數學和代碼是 AGI 天然的試驗場，有點像圍棋，是一個封閉的、可驗證的系統，有可能通過自我學習就能實現很高的智能。另一方面，多模态、參與到人類的真實世界裡學習，對 AGI 也是必要的。我們對一切可能性都保持開放。
55. 未來會有專門公司提供基礎模型和基礎服務，會有很長鏈條的專業分工。更多人在之上去滿足整個社會多樣化的需求。
56. 我主要的精力在研究下一代的大模型，還有很多未解決的問題。
57. 所有的套路都是上一代的產物，未來不一定成立。拿互聯網的商業邏輯去讨論未來 AI 的盈利模式，就像馬化騰創業時，你去讨論通用電氣和可口可樂一樣，很可能是一種刻舟求劍。
58. 我們經歷了一個漫長的積累過程，外部看到的是幻方 2015 年後的部分，但其實我們做了 16 年。
59. 未來中國產業結構的調整，會更依賴硬核技術的創新。當很多人發現過去賺快錢很可能來自時代運氣，就會更願意俯身去做真正的創新。
60. 未來硬核創新會越來越多，現在還不容易被理解，是因為整個社會群體需要被事實教育。當這個社會讓硬核創新的人功成名就，群體性想法就會改變，我們只是還需要一堆事實和一個過程。
