【梁文锋四小时交流会内容（轻整理版）】

1. 英伟达这套生态并非不可替代，一年内可能出现明显动摇；华为等国产方案一年后有望实现功能层面的对标，哪怕价格贵一到两倍也可以接受。
2. 谁想靠AI赚暴利，最后大概率会失败；分配更克制的一方，反而更有可能胜出。OpenAI当前的处境，本质上也和其“独占思路”有关。
3. 所谓“奇点”不是突然爆发，而是一个缓慢演进的过程，而且顺序不能错：先解决持续学习 → 再实现自我迭代 → 最后才是机器人。
4. AI技术路线大致为：
   语言模型 → 思维链（CoT）→ Agent → 持续学习 → 自我迭代（智能奇点）→ 具身智能
   当前处在Agent阶段的中期，持续学习是下一个必须跨越的关键门槛。
5. “克制”是核心战略：主动放弃C端流量竞争，不做超级App；短期商业化只作为保底，核心资源全部聚焦AGI。
6. 中美AI差距大约在一年左右，但国内只用了对方约1/20的算力；人才不是问题，核心瓶颈仍然是算力（芯片）。
7. 当前阶段最重要的是数据，高质量数据的瓶颈不在钱，而在时间；甚至有一半核心研究人员在参与数据标注。
8. 即使在最坏情况下技术进展停滞，仅靠API服务，也足以支撑一家上市公司规模，商业化不构成生存问题。
9. 组织上不过度强调加班、KPI或复杂结构，更依赖愿景驱动；研究需要一定“松弛感”，过度压榨反而降低效率。
10. 国产芯片在未来1-3年仍会受制于产能问题，但从5年周期看，基本可以解决。
11. 国内做基础模型的公司数量过多，最终会收敛到3-4家，同时行业整体不会形成高利润格局。
12. 视频生成、3D、世界模型等方向，与智能上限关系不大，更偏商业展示属性，因此不会作为核心投入方向。
13. 只要核心团队稳定、激励到位，AGI大概率能够实现，其他问题更多是时间节奏上的差异（可能提前或延后一年左右）。
14. 中国AI的长期竞争优势在于“系统性低成本”，类似制造业，是一种结构性优势。
15. 一旦“持续学习”被突破，AI就可以参与自身研究与迭代，通用智能将进入加速发展阶段。

梁文锋 发言

我们一开始来做这个公司，初衷是没有想到说我最后要赚多少钱，要到资本市场上去，要上市，要怎么样的，所以我们是没有这个初衷的。
最开始的几十个人完全没有这么想过。
如果他这么想，他就不会来。
所以总体讲，我们是怀着一个对这个世界非常大的善意来做这个事情，然后我们觉得这是对人类有用的，这是一个金钱以外的事情。
当然，到了后面，这个事情发现利益非常大之后，又有其他的诱惑，这个是另外的事情。
但是我们出发的初衷、我们的愿景，以及我们保持到现在的这个愿景，不是按照一个商业利益最大化的方式来做的。
我觉得这点比较关键。
大概二十年前，在管理上我最崇拜的是杰克·韦尔奇，就是 GE 的前 CEO。
现在回来看，他说的大部分东西可能都已经不对了，但是他最重要的一点说对了：一个公司最重要的是它的愿景。
管理一个大公司，靠的不是你的规章制度，靠的是愿景。
愿景是什么呢？
愿景不是挂在墙上的标语，愿景是你怎么做，不是怎么说，就是你怎么实际运行。
反正杰克·韦尔奇说的原话我忘了，大概是这个意思。
所以，我们是怎么管理这么多人、怎么组织起来的？
其实我们没有组织，就是愿景驱动的，靠一个愿景来组织。
我们是没有组织的。
这个有好处，也有坏处。
未来我们会想办法扬长避短，但这是我们的特色。
我们并不是以一个“我要实现什么 KPI、没有考核”的方式来做，只有愿景。
这个愿景甚至也不是成文的，并不是写出来的，没有写出来过任何东西。
这个愿景是在我们做事情的方法、我们对待这个世界的态度里。
可能我们公司每个人对这个愿景的理解也不一样，可能每一个人的愿景也是有差别的，但是在一个大的方向上是一致的。
我觉得还是怀着对这个世界非常大的善意，然后想做一点事情。
我们是用这个来组织起来的。
接下来我先讲，讲完之后大家再提问。
我可能会围绕着这个愿景来讲后面的事情。
这个愿景是真的，不是编出来的，我们是真的这么想，真的这么做的。
否则你没法解释我们的很多事情。
为什么我们这么坚持开源？
因为这个愿景本身就要求开源。
你没有这个愿景，你没法把人组织起来。
比如说，

智谱也开源，但是智谱的开源跟我们的开源不一样。
智谱的开源有一种被迫的感觉，他们觉得这不是本意，但是对我们来讲，这就是我们的本意。
然后在开源这个事情上面，我们一开始就想得非常清楚。
首先，第一个就是愿景；
第二个，我们认为要把 AI 这个事情在商业上做成，开源是有好处的。
这听起来有点矛盾，有点违反直觉，因为在历史上，开源跟商业化都是有冲突的。
但我觉得 AI 跟以前不一样。
因为在历史上，一个 软件公司，它的市场一年可能就几十亿美金，离开源了，它就没有了，可能就只剩下几千万或几亿美金了。
但是 AI 这个事情足够大，最终它可能得占掉人类社会 GDP 的百分之十，比如说。
那么它其实是一个非常大的数字。
一个人独占这个事情，你不可能独占这个事情，你一定得跟别人分享，否则你肯定活不下来。
这跟之前开源做一个软件可能是不一样的，因为那个软件的市场就没那么大。
但是 AI 这个事情实在太大了。
如果说我们想独占这个利益，那么一定是要被历史抛弃的。
我觉得最主要这是一个客观的规律，这是一个历史观。
并不是说我不开源，我就能够独占这个市场，这在理论上就不符合客观事实。
你一定会遇到很多阻力，一定会有其他的方法阻止你实现这个目标。
在这种情况下，我觉得不一定要按照传统的商业思维。
你需要有一套机制来确保你自己能够获得的利益是有限的，那么你才有可能做成。
需要克制，我觉得是需要克制。
如果说我们想在我们手上把 AI 这个事情做成，首先第一个，我觉得是需要克制的。
不能够想着人类 GDP 的百分之多少都归我了，或者说中国 GDP 百分之多少都归我了。
你越这么想，越做不成。
所以我们从一开始就觉得需要克制。
你越克制，你越有可能能够做成这层事。
这是一个商业上的考量，当然这是一个宏观的考虑。
我觉得这是符合直觉的，至少是符合我的直觉，或者说至少我是真的这么想的。
我们并没有非常多的其他优势，我们没有什么本事，我们并没有比别人有钱，也没有说我们人员比其他公司更好，其实没有的。
你想，我们两年前成立这个公司的时候，我们又没有很多钱，又没有很多卡，又没有什么知名度，又没有什么号召力，我们就是一群非常平凡的人。
我们真的就是一群平凡的人。
如果说喜欢的一个叙事是一群平凡的人做出了不平凡的事情，而不是一群天才做出了不平凡的事情，这个跟我们的克制是很有关系的，跟我们的克制、跟我们的愿景是一脉相承的。
那么，开源跟商业化会不会有冲突？
我觉得在 AI 这个事情上面，你不克制，你就不起。
开源是属于克制的一部分，那么我们的克制不仅表现在开源上面，我们还表现在很多方面上。
但总体上来讲，我们是不用考虑开源这个事，不用考虑克制这个事情。
你越克制，可能就越容易做成，或者说至少到目前为止是印证的，到目前为止是能解释得通的。
否则没有办法能够解释为什么我们能够做成：我们并没有什么武器，起点又非常低，资源又非常少，我们的人其实也就是随机的一群平凡的人。
我自己也就是一个大学毕业的学生，也不是最顶级的那个学校毕业的。
这个克制也是我们愿景里的一部分。
AI 这个事情太大了，利益太大了。
我们非常克制，只要能够做成，最后利益都会非常大。
你随便分一点，利益就非常大，所以现在根本不用考虑拿这里面的哪一部分利益、怎么拿，我觉得根本不用考虑这件事情，因为这个利益足够大了。
你只要分一点点，就已经很足够了。
所以我们之前说，我们只赚取一个合理的利润，只看你的意愿，而不是利润之大，这个是不一样的。
这不是我们的 API 定价。
我们 API 定价觉得一个合理的利润，大概是我们到市场上买一批设备回来，十个月收回成本，我觉得这是一个合理的利润。
在当前的情况下，考虑到你有风险、还有前期的投入等等，如果一个服务器我们在财务上按照三年或者五年的摊销，但在商业上，我们觉得大概十个月收回成本，我们觉得够了，OK，我们觉得够了。
所以这个是我们现在 API 定价的逻辑。
我们的 V3.2 Flash 跟其他的，都是十个月收回设备的成本。
这就是我们的标准。
它其实不是利润最大化的，如果利润最大化，应该把价格设得更高。
因为在这个价格区间，用户的需求是没有弹性的，就是我价格再翻一半，或者说我价格再抬高一倍，token 的消耗量区别不大的。
如果我价格再贵一倍，我的总收入接近一倍。
稍等一下，我对一下。
哎呀，太好了。
我跟你们讲个故事，就是我们的一款模型。
一开始我们担心需求太多，所以一开始把价格定得比较高，团队里大家不是很高兴。
后来我把价格又降下来了，降到四分之一，大家就很开心。
我觉得这个才是我们真实的想法。
就是我前面说的愿景，我们还是让这个东西对人是有用的，而不是我们赚最多的钱，而是我们在能够赚到合理利润的情况下，大家都用得起。
我觉得这次我们公司其他人的想法，就是我们那时候降价的时候，公司群里面很多人是欢呼的，大家都觉得很开心。
因为这是我们花了这么多精力，这么用心把这个模型做好的目的。
目的就是能够非常便宜、效果非常好，能够让大家都能够充分地用。
我们就觉得这很开心，这是我们的动力，这是我们的愿景，这是我们公司能够凝聚到一起去做这个事情的共识吧，这是我们公司内部的共识。
这点应该是比较特殊的，因为降价这样对于我们其他的竞争对手来讲，肯定不是个好事，他们一定不是欢呼的。
因为你的收入、你的 ARR，那个你降一半，ARR 就掉一半。
对，这是一个我们不一样的地方。
我们觉得这就够了。
从我们公司内部来讲，我十个月收回成本，这个商业上我已经非常满意了。
对于公司外部来讲，我们也觉得这个价格是大家比较开心、比较乐意看到的，大家是双赢的，公司跟社会、跟所有人都双赢的。
我觉得，OK，刚刚有人在屏幕上留言说，十个月回本这个利润太高了。
确实是还有降价的空间，确实还有降价空间。
在模型的优化上也还有空间，所以整体降价空间还是比较大的。
但是这个成本，十个月回本，我们自己能做到，其他家做不到。
像可能阿里或者腾讯，他不是我们的优化，他的成本应该是要比这个高好几倍的。
这里还是有很多优化的工作。
刚刚说我们为什么不继续降价，是因为它没有弹性。
就是我再降价，需求不会更多了，或者我再降价，需求增加得很少了。
因为这个价格所有人都用得起了，大家都觉得这个价格是满意的，不会因为这个价格贵而不用了。
所以降价首先公司不会有更多的收入，对社会来讲也没有更多的价值，因为这个价格大家都满意了。
你价格再低，对这个社会的幸福感也没有增加很多。
对，OK，不过刚刚这个问题上，就是我们在定价这个事情上面，我们肯定不是以公司收入最高或者利润最高，不是最出发点的。
这是我们克制的一部分，因为从短期来讲，你价格高一点，你可能收入多一点；
但从长期来讲，还真不好说。
因为我觉得克制是一种策略。
对我来讲，克制是一种战略。
就在于有时候你可以舍弃一些，来换更多其他的东西。
开源这个事，其实也是一样的，也可以认为是我们的压力，也可以认为是我们的让利。
首先，这个让利对于我们公司内部来讲，我们很高兴，大家都很开心，员工觉得很有成就感，我们会因此有凝聚力。
以及这个让利对社会是有好处的，社会也很高兴，其他同行或者说普通人都会很高兴。
所以这种克制，我理解是这种克制从长远上来讲，能够增加我们做成 AGI 的概率。
在考虑一件事的时候，我是毫不怀疑 AGI 会有非常大的商业价值。
那么在这个基础上，我优先考虑的不是我怎么多加一点份额，我怎么多拿一些份额，我优先考虑的是我怎么增加我能够做成的概率。
这个克制可能还体现在很多其他的方面。
比如说，我们去年春节用户突然很多，但是我们并没有去追求我要留这些用户，或者说拿这些用户来变现，或者说我要去抢这些商业利益，在用户上面兑现。
我们没有去抢用户，没有去赚钱，但我们很努力想办法把用户服务好。
我们并不会有这样的想法，说我要做成下一个超级 App，然后我要去跟谁竞争，我要做成下一个字节、做成下一个腾讯，完全没有这样的想法。
我们是可以这么做，但是我们没有这么做。
我的理解是，这也是克制的一部分。
你不要想什么都要赚了，你好像有了用户之后，好像就能够做成下一个字节了，然后你就把那个吃了。
我觉得这个在商业上是行得通的，是有可能的。
如果去年时候我们用了大笔钱，就跟字节去抢用户，也是一种打法。
但是我们选择是一种非常克制的做法，就是我不跟你去争这个东西，因为后面还有西瓜，前面的可能都是芝麻。
我不应该什么芝麻都抢了。
当然，可能这个芝麻比较大，但我觉得后面的 AI 可能前面都不算大。
现在来看，去年我们没有在 C 端去发力，可能是对的。
因为能看到后面真的是有更大的西瓜，前面真的只是一些小芝麻。
如果去年我就有很多钱，然后把这个事情做得非常大的话，有什么好处？
你并没有得到什么东西。
这些是我的真实想法，因为我觉得后面的 AGI 机会应该是非常大的，后面的AGI 机会永远是非常大的。
我甚至不用考虑我到时候在里面是占一个位置，或者说在那里面我的商业模式是什么，我们根本就不用考虑。
只要有那么大的商业机会，你一定是有办法的。
那么前面的芝麻，我们也会捡，但是我们就随手捡一点，并不会说我停下来，或者说我把它当成重要事情来做。
所以去年的 C 端日活这些，我觉得可能就是个小事。
但我们也捡了，我们也用一个比较低的成本维持了用户的使用，因为有可能以后是有用的。
虽然现在不知道这用户有什么用，现在它是一个纯成本的支出，但是以后可能是有用的。
既然是随手能够拿到的，我们就会顺手拿到。
包括今年来看，很有可能我们在 API 或者AI 方面的 ARR 收入，也是有一个机会的。
就是如果这个需求可以继续扩大，如果继续扩大，显卡可以买到更多的显卡，那么 ARR 做到几个亿美金是很有可能的。
如果说 AI 能做到十亿美金的话，那么基本上我公司的现金流可能就能够回正了，能够cover 我的研发费用，能够 cover 我的所有费用。
所以说这个也是有可能的，但是我们没有把它当一个优先来做。
这个我们会做，但我觉得这个是个重要事情。
它不是我们第一优先考虑的，或者不是我们今天真的关心的。
更大的机会应该还在后面，前面的机会包括去年的 C 端、今年的 B端，我觉得这事要做，要把它做好，但这不是我们的目标。
或者说，我们公司大部分人不认为这是一个非常重要的事情，不认为这是一个跟 AGI 比较起来同等重要的问题。
开源那个可以多说一下，因为之前有很多问题问的都是开源。
首先，我觉得我们是会开源的，然后我们最强的模型可能也是会开源的。
因为我看不到闭源什么好处，看不到必然的好处。
字节它的模型是闭源的，它有什么好处？
我看不到有什么好处。
哪怕是模型开源，你把所有东西都告诉别人，这个门槛也非常高。
别人要用起来，这个门槛也非常高。
他要用起来，就很难；
其次，他要用起来，还要成本做得很低，也很难很难，没有那么容易。
并不是我开源了，他就能够轻易地做到跟我一样的部署成本。
这里边还是有很多工作要做的。
虽然说这些工作原理都明白，但是不是每一家公司都愿意，或者都有这个意愿和能力来组织人力去达到这个目标的。
这点我也很习惯。
它可能就不擅长做这个事情，因为它阻力太大了。
它要控制这个成本很难，它有很多管理上的以及物理上的制约。
这也是创业公司的优势，因为创业公司如果太小的话，你没有这个力量来做这个事情；
如果你是大公司的话，你很难组织。
这个事情都有难点，所以这是属于我们这个规模的公司的一个甜区，sweet point。
然后如果我们更大了，可能我们没有其他问题；
如果更小的话，朋友们力量又会不足。
所以，至于开源，我觉得我们应该定价。
目前我们应该认识到，不会逼人。
因为定价的模型，我也不会收一个非常高的费用，我也是可能按照十个月回本来收这个费。
按十个月回本，就已经能够把竞争对手……我按十个月回本这个，就能够让独立部署的第三方无利可图。
第三方他做不到，他做不到这个成本，他肯定做不到。
所以开源并不会影响我的收入。
当然，如果说我要赚一百倍的利润，那么开源是...

就是开源，我觉得对我们的商业模式是没有任何影响的。
前提是我们只赚六倍的利润，十个月收回成本，大概对应的是六倍的利润。
我们只赚六倍利润的情况下，开源是不会有什么影响的。
但如果说你要赚一百倍利润，那么开源确实会影响你赚一百倍利润，因为第三方会部署，他可能是二十倍成本，就比你低了。
这个模式是不是长期可以持续的？
我觉得是可以的。
就在我们这个愿景下，我觉得开源是长期可以持续的，或者我们是打算这么做的。
你可以认为，就是有克制，也是有让你比较长利。
这个策略是能够在技术前面让我们有更多的机会，我们能够做成 AGI 的概率也是更大的。
我们更从容。
你想，我们根本都不用加班，因为就没那么难。
但是对其他家来讲，可能就很难，因为你想的也太多了。
其实不难的，根本就不难。
才开始是一个……外面可能看起来，我们选了一个很难的模式，我们要做研究，我们去做最难的事情，好像是个 hard 的模式。
但其实我们在外地方舍弃了很多，使得我们还是非常有力的，我们还是做得非常轻松的。
所以对开源这件事情，实际上我的判断是，它是持续的。
开源和商业付费之间没有冲突，前提是六倍利润的情况下没有冲突的。
六倍利润看起来很高，但其实不高。
因为现在 AI 的效率这么高的情况下，现在一个合理利润可能就是这么多。
未来它可能会降到，比如说四倍、三倍，我觉得这已经是……再到底也不可能再降了。
但就是它还是会有很大的利润。
就光是看卖 API 这个事情，但我并不觉得卖 API 这个事情有那么大吸引力。
但是就这个事情，你可以说明，没有，我没有看到有什么冲突。
然后我也不担心别人部署我们的模型，然后跟我们来竞争，一点都不担心。
我们还希望他们能够部署起来。
我们尽可能给开源社区提供帮助，协助大家能够把我们的模型部署起来。
我不担心他会跟我抢这个生意，因为这个市场足够大。
我只担心他部署不起来，他有些细节没做对，效果变得比较差，或者说他的成本会比较高。
对，这里是没有冲突的。
然后去年的时候，我问的，去年有 To B 这个生意的时候会问得比较多的是：我们那个 C端，我开源，那么 C 端是不是跟我这个 C 端又会冲突了呢？
因为我没有流量的优势，或者说腾讯自己流量很多，他部署我们的开源模型，他就把所有的 C 端用户都接过去了，就把我的 C 端用户都抢走了。
但其实并不会，这个还是有很多原因的。
然后问题是：我们给的开源模型，跟我们自己部署的模型是不是一样？
是一样的。
我们不会说开源一个差点的模型，然后我们自己部署的时候用一个更好的模型，是不会的，是一样的。
这也说明它其实没有冲突。
我们去年一整年，在 C 端我基本就是开源了，然后 C 端的服务没有看到冲突，真的没有看到冲突。
所以，这是开源的这部分。
然后下面还有就是，公司的长期 vision，我觉得我们目标应该是 AGI。
每个人对 AI 定义不一定一样，但是不妨碍我们把 AGI 当做我们的目标。
从技术路线上来看，其实 AGI 这条路线图是比较清晰的。
跟目前的这一代 AI 技术，如果说你能够把一个问题描述得很清楚，给它完整的上下文和指令，它已经超过人类了。
但这里有个定义，有个前提是：你给它完整的上下文，你给它完整的指令。
然后这个定义是很难达到的。
比如说我们今天开会，其实我们前面有很长很强的上下文，可能大家有几十年的上下文，然后这是 AI 不具备的。
那么现在 AI 能具备的是，在一个局限的上下文里面，它能做得比人更好。
但它还是替代不了人类。
这里面还差一个地方，是持续学习。
因为人也能够持续学习。
你招一个员工，他可能花两个月时间来熟悉这公司的环境，熟悉他的工作，他谈两个月的，你这样他就可以上手了。
他就能做很多事情。
他能够听懂你说的话，比如说你说，叫那个小王来，他就知道小王是谁。
但如果 AI 的话，因为这个上下文，他前面没有这两个月的学习。
你跟他说，叫小王过来，你得告诉他小王是谁、什么职务、他在哪里、要怎么去找他、要找他的时候注意什么。
你得给 AI 所有的上下文。
那么在这种情况下，AI 是能做的，但是你不可能给他所有的上下文，也不现实。
所以 AI 并不能够替代你的员工。
但如果说 AI 具有持续学习的能力，它跟你的员工一样，到公司学习两个月，那么但就可以替代天下的人了，所以我们离下一步还差一个学习去学习。
AI 的发展，我们可以理解成它是一个阶梯。
去年走的阶梯是 CoT，就是思维链。
因为我们发现，通过思维链的方式，可以让智能达到一个更高的水平。
通过它自己思考，可以让这个上限，可以让这个 AI 能做更多的事情。
那么我们又跨过了一个阶梯。
今年的阶梯就是 Agent，因为我们发现，用 Agent 的方式，即便多有事情也可以做，它的能力范围会更大，它的智能上限会更高。
为什么是阶梯呢？
因为后面的每一步都是基于前面的基础上的。
Agent 要用到 CoT，然后CoT 也要用到前面的阶梯，前面的阶梯就是语言模型，所以它并没有一步是白走的。
所以，AI 的发展，智能的走向是有迹可循的。
说今年走的这个阶梯是 Agent，但是 Agent这个阶梯，它也是会走完的。
就是它把所有可能解决的问题都解决完之后，但是它还是不能替代你的员工，但是它已经到它能力的上限了。
就好像 CoT 一样，CoT 到它的上限之后，它已经超过最顶尖的人类了，在做奥数题、写程序上面已经超过最顶尖的人类了。
但是它还是停在那个地方，它那个技术并没有能够到达 AGI。
所以你看，AI 这个智能的走向，它是有迹可循的。
然后在 Agent 之后，我们觉得应该要解决的问题是持续学习，就是怎么让模型可以持续地学习，而不是说你要给它一个很强的训练，它应该能够像人一样做一个比较长时间的持续学习。
这个问题跟完成任务等等是同一回事，它们相关，解决的是同一个问题。
我们现在站在Agent 这个地方，能看到的是下一个瓶颈，就是持续学习。
下一个要解决的问题，就是解决怎么持续学习，这个是看得到的，是相对来讲比较明确的。
就是卡在前面的这个障碍，你必须要跨过去，而且一定是有办法能跨过去的，但需要时间。
持续学习之后，可能我们就会来到一个奇点。
这个奇点就是，当这个模型能够持续学习之后，它已经能够做人类能做的所有事情了。
它就能够自己开发自己的版本，能够自己再研究，然后开发自己的下一个版本，开发更前的人工智能模型。
所以它就会到一个奇点，能够实现自己的迭代。
但这个奇点，它并不是一个奇点，它也是一个渐进的过程。
这个过程可能也是一个比较长的渐变，它不是个突变。
但是习惯性地，我们都认为它可能是个奇点。
因为在很早之前，那些预言家认为这里会有个奇点，但其实它不是一个奇点，它是一个连续的过程。
然后这一步走完之后，我觉得才是具身智能。
这是我们的推测，这是我们觉得这个时间表应该是：先解决学习去学习，然后再到那个智能的奇点，能自我迭代的奇点，然后才是具身智能。
到具身智能之后，它就走进现实世界，可以给你做家务，可以给你养老。
我们觉得这是一个比较理想的路线图，但每个人的观点不一样，没有对错之分。
只是我们觉得，这个路线图是最轻松的。
这个路线图是因为每一步你要做新的都很少。
这个路线图我们可以不用加班。
但是如果路线图是反过来的，比如说它要先实现具身智能，那么这里自己做得很累，这是一个很苦的活。
我们不希望是这样的路线图，我们希望做得轻松一点。
如果说我们先解决持续学习，再解决那个自我迭代的奇点，再解决具身智能，这个路上就很轻松。
因为到后面之后，你可以用前面的技术来帮助开发后面的技术。
奇点之后再做具身智能，那个就不用人来做，就不用我们来做了，那个模型自己就可以出来了。
所以这个是回答我们的长期目标是什么。
我就跟他说，这就是我们的长期目标，就是我们说的 AGI。
大家回到现实。
去年最重要的现实就是，大家都要做 Chatbot，要抢 C 端的流量。
那么今年的现实是，大家都要抢 To B 的收入，要参与到这里面去，因为如果不参与的话，根本就不在牌桌上，对不对？
但我们并不认为它是一个重要事情，或者说，在我们公司内部，我们真正关心的，其实是刚刚我说的这些 AGI 的路线图，以及下一步这个技术怎么突破。
但是有一点很奇怪的是，最想得到的东西，反而你就得不到。
那个并没有那么在意的事情，反而是还蛮容易能够得到。
这里边有一个战略上的优势，就是我们心里面想着 AGI，我们做的是 AGI。
那我们再做那个应用，再做那个 C 端、B 端的时候，根本就不用太多的心思去做那个事情，其实花很少的精力就可以了。
我觉得是说，你站在一个技术的高位上来做相对低一级别的技术，是有这样降维打击的。
至少在去年的 C 端，我们看到确实是这样。
我们没有在 C 端上花很多力气，甚至一度我们都不想维护那些用户了，但是用户赶都赶不走。
因为真的是赶不走，所以最终都还在。
但稍微……然后今年 B 端的这个收入，现在看起来这个增长还比较乐观。
我觉得可能这个数字跟同行比的话，应该也是比较好的，我估计。
但是我们并没有花很大的精力去做这事情，我们根本就没有做一件事情，就是顺便做的。
做 互联网智能的上线，走的时候，AGI 这一步是我必须走的，是个台阶。
通往 AGI 的路上，我要经过这个台阶。
那么我把这些技术都通过 API 给大家服务，我没有干额外的事情。
我们还是在做 AI，这是一个副产品。
我只要搞几个人维护这个 API 就可以了，甚至客服都没有，也不用销售，什么都不需要，用户自己就会来。
或者说，被认为是 C 端的用户，C 端和 B 端，都是我们做 AGI 路上的副产物，都是一个中间的产出，跟我做 AGI 没有冲突。
我并不是为了做 C 端，或者为了做 B 端而去做它，而是我们做 AGI 是为了做 AGI，刚好能产出这个东西，我就把它拿来做商业化了。
这跟其他公司不一样。
其他公司就是为了做这个，为了服务 C 端用户，或者服务 B 端用户而去做这个模型。
但对我们来讲，初衷不是这样的，我们初衷还是去追求 AGI。
我觉得这个在一定程度上是一种降维打击。
AGI 是更大的愿景，这个愿景能够凝聚起更多优秀的人，它有更强的凝聚力。
所以我在组织上有优势，然后我利用这个优势去……它就是一种降维打击。
但如果你是一个商业公司，你的愿景就是服务好 C 端用户，那么是另外一个故事。
他有其他的优势，在产品上、用户服务上、流量上会有优势，但是在技术上没有优势。
现在比较有利的形势是，模型技术是最重要的。
你要将模型做好，其他……对，然后这个可以解释我们之前发展的轨迹。
我们真的是选择 AGI，然后我根本没有想着说要做很多的用户。
去年春节我们突然火的时候，那不在我们的剧本里面，我们完全没有想过那个东西。
我们就是想把这个技术做好。
但是那时候我发现，其实我们这个组织相对于完全商业化、以产品为目标的组织来讲，在人才跟组织上是有额外优势的。
这也很神奇。
那时候 C 端大家都抢得头破血流，结果被一个没有去抢的人牵走了。
这个也确实说明我前面说的逻辑是有道理的，确实是有人才和组织上的优势。
这个人才优势不是说我的人比他更聪明，而是这些人才我怎么组织起来，怎么激励他，然后怎么合作。
这个东西是有优势的。
因为你把聪明的人聚在一起，并不是说他自然而然就能够合作，自然而然就能够非常有激情地去奔一个目标、去完成的，所以你需要一个愿景。
我们前面的经历给我的启示是，AGI 这个愿景是很强大的。
OK，这是问题。
然后下一个问题是，核心利益的重要性是什么？
我前面说，我们在很多方面都要非常克制。
但是我们的核心利益是什么？
其实我们的核心利益只有一点：我们最大的核心利益是要保持团队的稳定性。
这是我们最大的核心利益，甚至可以认为是唯一的核心利益。
只要我能够保持团队的稳定性，我一定能做成，一定能做成 AGI，就这么简单。
只要大家都不走，我们能够继续做，我就一定能……基本上没有什么风险。
只是说早点晚一点，将遇到挫折；
如果遇到挫折，大家都不走，那么我又可以继续。
钱肯定不是问题，资源不是问题，其他要素都是容易获得的。
对我们来讲，只有一个核心利益，只有一个没法退让的：我们必须要保持团队的稳定性。
这也是我们面临的一个非常大的挑战，或者说，我觉得是最大的风险。
当然，这个风险随着我们近期的这一次融资，得到了比较大的解除。
因为大家拿到的期权都还是比较多的，金额还是比较大的。
从团队稳定性来讲，只要最重要的一些员工、最老的员工能够稳定，那么其他人是不太会走的。
其他人哪怕期权少一点、收入少一点，他也不会走。
因为他不是全奔着钱来的，大家都希望在一个能够做成 AGI 的环境里面去做这个事情。
所以对人才来讲，还是有吸引力的。
从历史上来看，我们的人才流动是比较少的，跟同行比，我们人才流动永远是比较少的。
但是，这依然是我们最大的挑战，是唯一的挑战，可以这么讲。
其他都是时间问题，其他最多导致我们晚半年、晚一年，但是不会说做不出来。
肯定是不缺钱，肯定是不缺资源，其实这些都是不缺的。
所以我们现在做的很多事情，都是为了保持团队的稳定性。
除了这一点以外，其他我觉得我们都是可以不要的，都是可以克制的。
我们一直非常克制，不愿意跟任何一家 互联网大厂或者小厂成为对手。
我希望我能够给他赋能，或者希望我能够协助大家去做这个事情，希望能够帮助大家做这个事情。
这也是我们前面说的，我们的商业意义的一部分。
前提是大家不要管……在这个前提下，我们是很愿意协助、帮助任何人，甚至我们的竞争对手，包括阿里、智谱、月之暗面，去做得更好。
因为我们并不损失什么东西，我们本来也是开源的，开源也是没有把边界尽可能说清楚，对怎么做，希望你能够复现；
你如果复现不了，你讲，我告诉你怎么复现。
这本来就是开源的一部分，不会因为你是竞争对手就怎么样。
当然，如果是合作伙伴，我会做更多的事情。
但是在大的利益上面是没有冲突的。
在对外面打交道的时候，我们的态度是：我们只做 AGI 的主线。
这就是我刚刚说的这个GPT、CoT、Agent 等等，就只做主线。
AI 领域很广泛，有很多东西我们觉得它不在这个主线上面，比如说 3D、视频生成，我觉得可能跟智能的主线没有太大的关系，我们不会去做。
还有一些，比如说世界模型，我觉得现在跟智能的上限也没有太大的关系，所以我们也不会去做。
但是其他人做，我们也很乐意帮忙。
有没有时间是一回事，但是利益上是没有冲突的。
我们也希望这些 AI 技术能够用到各种生产环境里面去，能够提高社会的生产效率，能够帮助各行各业去提高生产效率。
我们是非常有动力做这个事情的。
我有没有时间、有没有人手，或者我们的同学自己感不感兴趣，那是另外一回事。
但是在利益上是没有冲突的，我们是希望能够达到这个目的。
并且我们认为，这个跟商业没有任何冲突，我该拿到的利益还是没有少。
我觉得我们之前秉持这种态度，其实我们并没有因此而少拿到任何东西，并没有因为我开源，并没有因为我们的善意或者说我对其他人提供帮助，而导致我们少拿了任何东西。
比如说去年的 C 端用户，我们现在 C 端用户还是比较多的，也还是比较稳固的。
我们今年的 B 端，我觉得也是比较乐观的。
我并没有因为我们的善意而影响到我的商业利益，完全没有影响，反而可能还有加分。
这个看起来违反直觉，但它确实是这样的。
或者我们反过来想，如果违背它，也是必然的，我能够拿到更多东西吗？
没有。
有个问题是，怎么理解世界模型和 AI 智能上限提高没有关系？
我说的是在现在这个阶段，这是我们的判断。
我们有看到，这是我们自己的 AI 路线图，不是唯一的路线图。
从我们的理解、从我们的判断来看，当前最重要的是把 AI 训练做好。
把 AI 训练做好，并不需要世界模型，甚至不用多模态。
因为你把 AI 训练范围缩小一点，没有多模态，只是有一部分任务你做不了，但是不影响这个算法的成立。
多模态最终还是要做的。
现在重要的是训练，然后下一步要解决的是持续学习的问题，再下一步要解决的是它自己问问题。
但是这个路线图里面没有世界模型，没有视频生成。
视频生成一开始出来的时候就很火，好像这是必须要做的，如果你不做，你就不是一个AI 公司一样。
所以我就很奇怪，这个其实你只要仔细去想一下，它跟智能的路线图是没有什么关系的。
事实上，你也发现，那个视频生成一开始 Sora 出来之后，所有人都做，大公司、小公司都做。
但是小公司后来都把它砍掉了。
它跟智能的上限没有关系。
但在商业上，它是个好生意，在商业上是个好生意。
但是这跟智能没有什么关系。
我们不会因为它是一个好商业而去做它，我们只会因为它是智能路线图上的东西，才会去做。
视频生成那个，因为那个相对比较清楚，就拿它举例。
然后世界模型，世界模型这个含义就没那么清楚，因为很多东西都可以说它是世界模型。
从我们的判断，世界模型和智能还不是现在这个阶段最重要的事情。
最重要的才是 AI 训练，以及 AI 训练之后怎么解决持续学习。
这是我们公司的判断，当然每个公司它的判断是不一样的。
我刚说的是，我们公司对公司来讲最重要的问题，就是人员的稳定性。
从另外一个维度来讲，我们缺什么呢？
我们跟美国的差距是什么？
其实差距只有一点，就是资源。
我们没有那么多卡，我们的卡的数量还是比较少的。
我们现在大概是两万张 H 等效算力，这其中大部分是刚到，最近一两个月刚到，可能还有很多机器还没有来。
我们总的算力去年比较少，今年我们在非常激进地扩充这个算力。
我们现在大概是两万张H 等效，接下来几个月我们还会有大批量的机器买过来，基本上都是英伟达。
我们需要多少卡？
现在肯定是越多越好。
在我们能够承受的范围内，肯定是卡越多越好，这是毫无疑问的。
所以我们现在策略是，在合理的价格里面，能买到多少卡就买多少卡。
如果说这笔融资用完之后，我能买多少卡，我就买多少卡。
花钱的速度不在计划里面，而是只要价格合理，有多少我都买。
那么如果说我在半年之内就把钱花完了，我觉得是个好事。
如果说我在半年之内把钱都花完，那这个太幸福了，这太理想了。
实际上，要把这么多钱花完非常不容易，买不到那么多卡，很难买，而且价格也很高，也不能说花非常高的价格去买，还得确保这个价格是合理的。
如果我半年之内就把这个钱花完的话，可能是最理想的。
因为我把钱变成英伟达卡，肯定是比放在银行里面好。
放银行里面，我现在已经可能是存两个点，好像就要。
但是买英伟达卡，十个月的社会成本。
所以肯定是你能买到多少就买到多少。
最先如果买了卡之后，后面我有很多空间，我通过提供服务或者我怎么样，我总是能够有现金流的。
我有现金流我就可以活，我就不需要在我账上面放很多很多钱。
所以说，我们只担心买不到那么多卡。
如果能够把钱都变成卡的话，那我们会毫不犹豫把所有的钱都变成卡，并且在这里面我们是愿意付一定的溢价的。
就是我们愿意付一定的溢价去把它变成卡，因为这太划算了。
哪怕我们在付完溢价之后，其实我们也很难实现这个目标。
那么客观上来讲，如果说我今年能够花掉两百亿，那么就属于我们的采购部门业绩超级好了。
我们跟美国的差距主要在资源上面，然后人上面差距不是很大的。
人上面几乎没有差距，因为就是同一批人，可能是中国人。
中国人出去的时候，有一些人留在国内，有些人留在国外，有些人去国外，他并没有说是聪明的人去国外，没有的。
其实它是比较随机的。
最聪明的那些人，可能不是说一半多一点去国外的，但有一半少一点留在国内。
国内人才是不缺的，而且我们的基数大，我们每年有那么多人的补充。
人才不是瓶颈，资源是最大的瓶颈。
资源首先影响到人才培养，因为算力少，我们能做的实验机会比较少，所以我们的人才整体上比美国有差距。
人才的差距，本质上也是因为算力的差距。
在现在最大的模型上，我们其实训不起的。
我们哪怕把五百亿全花掉，其实也训不起。
哪怕能堆起来也用不起。
现在最大的模型，它激活大概是八百 B；
国内的话，我们还在几十B 的这个规模，国内最大模型可能就几十 B 激活，那么差一个数量级。
如果我要训练跟 AI 同样大的模型，应该需要五万张 GB300，或者华为 950，二十万卡。
这只是训练，还没有考虑做研究。
所以我们跟美国之间最大的差距是在资源上面。
我们现在的资源，以及我们今年之内、接下来几个月的资源，包括马上大资源，也只足够我们在十 B 激活的这个规模里面去做更多的实验。
因为我在几十 B 激活的这个规模里面，还有很多实验要做，还有很多事情需要搞清楚的。
我们应该离能够训八百 B 的模型还比较远，时间还非常多，没有那么多卡。
所以我们跟美国的区别，我认为就是资源上的区别。
我们可能会认为，我们看到的所有区别，包括人才的区别、模型能力的区别、应用的区别，可以认为都是因为算力资源上的区别。
算力资源一方面是国内本身卡就买不到，另外一方面是我们的资本投入比美国要少。
我们在资本投入层面上少了很多，基于人才的工资在这里面占的比重是很低的。
你看他们开的薪水一个亿美金这种，但算起来，人才的薪水还是占比很少，大头还是算力。
这个问题目前基本上无解，因为华为的产量也是有限的。
因为我要训八百 B 的话，我就得二十万张华为最新的卡，这只是训练，还没有考虑做研究。
所以我们现在根本就不会考虑，到这么大的一个规模上去跟美国竞争。
我们现在输，还是在我们能够训练得起、能够用得起的规模上，就几十 B 激活的规模上要先把它做好。
再等下一步有更多的资源的时候，再把它做到一百五十 B、一百五十六 B，或者两百五十 B激活的这个规模。
所以我们跟美国在这里面有一个目前看起来很难弥补的差距。
你要硬要训那么大模型也是能训，但是你没法做充分的研究。
就是你在训之前，没法做充分的研究。
还有个大家比较关心的问题是，所有大模型竞争，它终局的差距会体现在什么地方？
就是当大模型最终差距会体现在哪里？
我觉得这个差距最终可能是没有太大差距的。
最终的差距应该是三方面：一方面成本，一方面时间，一方面用户体验。
除此以外，可能是没有什么差距的。
成本比较好理解，你提供同样的服务、同样质量的服务，你能够以什么成本来提供。
同样一件服务，不如说比亚迪的电池，在同等技术量的情况下，其他家是不是能够按照这个价格来提供，我觉得这个是个较难的事情。
不是那么容易做到的，肯定是壁垒。
所以成本肯定是一个差异，我觉得可能成本是排在第一位的区别。
然后第二个就是时间，你什么时候能够做到。
你早几个月、晚几个月，它就不一样了。
第三个可能是体验，用户体验还是有些不一样的。
这个用户中间还是会有一些用户粘性和用户壁垒的，但它可能不本质。
本质还是第一个成本，第二个时间。
你先做出来还是后做出来，你做到同样东西，是快点还是慢一点。
长期商业化路径和产品线进一步丰富后，怎么定价？
我们觉得现在最值得做、最值得花精力的，还是做 AGI。
现在要把 AGI 往前再往前推，就是把智能的下限往上推，往前推。
这个应该是在现阶段，比做更多的产品线、考虑更多商业化路径更划算，或者说它是一个收益更大的路径。
我觉得在未来的一段时间，以及过去的任何一段时间，可能都是这样的。
就是说，如果说我们我们花了很多时间去思考，丰富我们的产品有什么用吗？
半年前讨论出来的商业化是什么？
一定是我要去做广告，然后我要去做电商，我要去在产品里面植入电商，然后要跟本地生活什么很大一体。
肯定没用的，因为变化太快了。
你这个产品，如果说你在前面，或者我们现在这个阶段，去花很多时间做商业化考虑、商业化路径，产品线它生命周期很短。
我觉得没有到这个时候。
这是我们的判断，或者至少前面的这些经验都是支持这个判断的。
在过去三年，任何一个时候你来跟我说商业化路径、产品线，都是浪费时间，因为你并不能够预测、不能够预见未来。
你能够预见的是很少的。
在做全球领先的 AGI 研究，并在适当时候进行商业化。
我觉得我们一直在做商业化，我认为一直在做商业化，只是没有以商业化为目标。
我们是以 AGI 为目标，但是我们一直在做商业化，所以我们才有 C 端的用户，才有 B 端的收入。
从历史经验来看，这个策略是成功的。
然后我觉得，我们离彻底转向商业化的时间点，应该是很遥远的。
所以最大的还是技术的延伸，然后做下一代的技术，更多地解决现在的问题。
这些收益比，我个人觉得，就在现在能看到的未来，在任何一个时候你聚焦在产品上都太早了。
所以这也是我们克制的一部分。
我希望这些商业机会能够让其他人来做，我们希望这些商业机会、怎么用这个 AI，是整个社会、我们所有的合作伙伴一起来做，大家一起来分享这个收益，而不是我想独吞，这不可能。
而且我们没有那么多精力，我们的组织也没有那么多人去做这个事情。
对于合作伙伴，其实我们这个融资是精心挑选的。
具体怎么合作的这个提议，但首先我觉得，利益是比较一致的，就是跟我们利益最一致的、对我们最没有敌意的，或者说最希望我们能够做成功的。
不是所有人都希望我们能做成功的，因为我们还是损害了很多其他人的利益的。
公司重大战略、技术业务决定的流程和决策机制。
我们公司整体上是建立在共识的基础上的，我并不是说我一个人决定所有事情，而是我要寻求共识。
我在公司内的权威以及在公司内的影响力，是建立在共识的基础上的。
比如说我要做一个事情，我肯定是先看我们大家的共识是什么，大家想不想做。
然后有可能我会有一些引导或者倾向，但是这引导的作用是有限的，引导的作用是非常有限的，还是建立在一个共识的基础上。
这个决策机制其实是一种寻求共识的机制，这并不是说我能够推动一个什么事情，它一定是共识，我才能够推得下去，然后我才会去推。
目前主要精力基本上都在 DeepSeek 这边。

--休息五分钟。--