Was in der Aufnahme des Investorentreffens mit DeepSeek-Gründer Liang Wenfeng gesagt wurde

Seit gestern Abend verbreiten WeChat-öffentliche Konten hektisch die Aufnahme von DeepSeek's Liang Wenfeng, wobei sie KI nutzen, um Zusammenfassungen zu erstellen und Artikel zu schreiben.

Laden Sie das PDF-Transkript der Originalaufnahme herunter

📎

https://xiangyangqiaomu.feishu.cn/wiki/Ojsuw8gE6ieBZJkYOMtcOcaenwq

DeepSeek hat ein Modell namens DDCP. An dem Tag, als der Preis auf ein Viertel des ursprünglichen Preises gesenkt wurde, war der Gruppenchat des Unternehmens voller Jubel.

In einem normalen Unternehmen bedeutet eine Preissenkung in der Finanzbesprechung einen Umsatzrückgang und ist eine schlechte Nachricht, die zu einer Rüge führt.

DeepSeek behandelte es als einen Moment, der es wert ist, gefeiert zu werden.

In diesem dreistündigen und vierundvierzigminütigen Austauschtreffen sagte Liang Wenfeng immer wieder eines: Sie haben kein Geld, keine Karten, keinen Ruhm, keine Spitzentalente im Team, und selbst er selbst hat nicht die beste Schule absolviert.

Wie hat eine Gruppe gewöhnlicher Menschen in zwei Jahren etwas geschaffen, das die ganze Welt nervös gemacht hat?

Liang Wenfengs kontraintuitives Urteil: In der Sache der KI werden diejenigen, die am meisten nehmen wollen, zuerst verlieren.

Je mehr du nimmst, desto schneller stirbst du

Liang Wenfeng hat eine Berechnung durchgeführt. Angenommen, KI kann irgendwann 10 % des globalen BIP verbrauchen, und OpenAI möchte 5 % davon nehmen; diese Berechnung ist theoretisch sinnvoll. Aber sobald ein Konkurrent auftaucht, der bereit ist, nur 1 % zu nehmen, kann er den Ersteren mit einem niedrigeren Preis zerschlagen. Dann kommt jemand anderes, der nur 0,1 % will, und zerschlägt den Vorherigen ebenfalls. Diese Kette wird sich weiter nach unten fortsetzen, bis ein Gleichgewichtspunkt erreicht ist: Wenn du zu wenig nimmst, hält das Geschäftsmodell nicht und du wirst auf natürliche Weise eliminiert; wenn du zu viel nimmst, wirst du Schicht für Schicht von denen verdrängt, die weniger nehmen.

Liang Wenfeng sagte es unverblümt: Er hat keinen Zweifel daran, dass AGI einen enormen kommerziellen Wert haben wird, aber statt sich darum zu kümmern, wie er einen größeren Anteil bekommt, kümmert er sich mehr darum, wie er die Wahrscheinlichkeit erhöhen kann, dass es passiert.

Und der Weg, diese Wahrscheinlichkeit zu erhöhen, besteht genau darin, den Anteil, den er nehmen möchte, aktiv zu verkleinern.

Wenn man diese Logik auf die Preisgestaltung anwendet, ist DeepSeek's API so ausgelegt, dass sie in zehn Monaten die Gewinnschwelle erreicht, was etwa dem sechsfachen Gewinn entspricht.

Das ist keine Gewinnmaximierung. Wenn sie den Gewinn wirklich maximieren wollten, sollte der Preis höher angesetzt werden, da die Benutzernachfrage im aktuellen Bereich unelastisch ist; eine Preiserhöhung würde den Verbrauch nicht signifikant reduzieren.

Aber der sechsfache Gewinn wird aus einem sehr praktischen Grund aktiv an dieser Obergrenze gehalten: Indem die Gewinnmarge niedrig genug gehalten wird, wird es für Dritte unrentabel, durch den Einsatz eigener Open-Source-Modelle Geschäfte zu stehlen.

Open Source und niedriger Gewinn sind zwei Seiten derselben Medaille.

Anstatt sich auf Closed Source zu verlassen, um Gewinne zu sichern, verlassen sie sich darauf, die Gewinne auf ein Niveau zu komprimieren, das andere nicht nachahmen können, und bewahren so den Markt selbst.

Liang Wenfeng berechnete, dass, wenn sie wirklich den hundertfachen Gewinn erzielen wollten, Open Source zu einer Hintertür werden würde, da die Drittanbieter-Bereitstellungskosten möglicherweise nur ein Zwanzigstel ihrer Kosten betragen.

Aber DeepSeek hatte von Anfang an nie vor, diesen Weg einzuschlagen.

Er macht sich keine Sorgen um Open Source, weil er nie daran gedacht hat, durch vertikales Monopol den hundertfachen Gewinn zu erzielen.

Diese Logik des „absichtlich weniger Verdienens" erklärt fast jede scheinbar unrentable Entscheidung, die dieses Unternehmen trifft.

Sesamkörner vorne, Wassermelonen hinten

Letztes chinesisches Neujahr explodierte die Nutzerbasis von DeepSeek auf der Verbraucherseite (C-End) plötzlich.

Das war nicht geplant. Das Team überlegte sogar, diese Nutzer nicht zu betreuen, aber die Nutzer „ließen sich nicht vertreiben" und blieben schließlich.

Liang Wenfengs Erklärung für dieses Phänomen ist unkompliziert: Die Dinge, die du direkt vor dir greifen kannst, als oberste Priorität zu behandeln, wird dazu führen, dass du größere Chancen verpasst.

Er nennt das „Sesamkörner aufsammeln". Der C-End-Traffic des letzten Jahres und die diesjährigen Einnahmen auf der Geschäftsseite (B-End) sind seiner Ansicht nach nur Sesamkörner – sie im Vorbeigehen aufzusammeln reicht; es lohnt sich nicht, dafür anzuhalten.

Die echte Wassermelone ist AGI, und die Gelegenheit für AGI ist immer groß genug, dass es nicht nötig ist, genau zu berechnen, wie viel Anteil man gerade jetzt besetzen kann.

Das führt zu einem interessanten Ergebnis: DeepSeek entwickelt Produkte fast zufällig.

Liang Wenfeng sagte, dass der Ausgangspunkt für das Training und die API des Unternehmens nie war, die Benutzer gut zu bedienen, sondern weil dieser Schritt auf dem Weg zur AGI absolviert werden muss. Benutzer und Einnahmen sind nur Nebenprodukte, die auf dem Weg entstehen.

Diese Strategie ist seiner Ansicht nach eine Form des Dimensionsreduktionsangriffs: Eine Organisation mit AGI als Ziel steckt weit weniger Gedanken in C-End- und B-End-Produkte als Unternehmen, die das Produkt selbst als Ziel betrachten, und dennoch sind die Ergebnisse nicht unbedingt schlechter.

Seine Erklärung ist, dass eine größere Vision Top-Talente besser vereinen kann; der daraus resultierende Talentvorteil wird natürlich auf die Produktebene überfließen und zu einem Dimensionsreduktionsangriff werden.

Umgekehrt wird ein Unternehmen, das „ein gutes Produkt herstellen" als Endziel betrachtet, Vorteile in Produkterfahrung, Traffic und Benutzerservice haben, aber in Bezug auf die vorgelagerten technischen Fähigkeiten wird es möglicherweise nie ein Unternehmen einholen, das die Technologie selbst als Endziel betrachtet.

Dieselbe Zurückhaltung bestimmt auch die Dinge, die DeepSeek nicht tut.

Keine Chip-Herstellung, keine vollständige Industriekette

Ein Investor fragte Liang Wenfeng, ob er vorgelagert in die Chip-Herstellung oder nachgelagert in vertikale Anwendungen wie Finanzen oder Gesundheitswesen einsteigen würde.

Seine Antwort war nein.

Der Grund ist eine Metapher für ein Kraftwerk: Der Betreiber des Kraftwerks muss den Generator nicht selbst bauen. Solange er ihn zu einem vernünftigen Preis kaufen kann, warum sollte er ihn bauen?

Das ist eine Erweiterung derselben Logik der „Zurückhaltung".

Liang Wenfeng sagte, der KI-Kuchen sei groß genug, dass in Zukunft viele Billionen-Dollar-Unternehmen entstehen werden. DeepSeek muss nur eines davon sein, das nur den Teil isst, den es am besten kann, ohne die gesamte Industriekette schlucken zu müssen.

Zu viel zu essen wird stattdessen zu einem vorzeitigen Ausscheiden führen.

Dieselbe Haltung gilt gegenüber Wettbewerbern.

Liang Wenfeng sagte, DeepSeek sei bereit, Alibaba, Zhipu und Moonshot AI dabei zu helfen, Open-Source-Modelle besser zu reproduzieren, da dies ihren eigenen Interessen nicht schadet.

Es klingt höflich, aber der zugrunde liegende Algorithmus ist konsistent: Wenn der Markt groß genug ist, ist es keine Bedrohung, wenn andere gut abschneiden; wenn andere schlecht abschneiden und das Vertrauen des gesamten Ökosystems ruinieren, das ist der wahre Verlust.

Zurückhaltung erklärt, was DeepSeek nicht tut.

Was es tun wird, die Antwort ist eine technische Leiter, die lange durchdacht wurde.

Eine Leiter, die ohne Überstunden erklommen werden kann

Liang Wenfeng beschreibt die Evolution der KI-Technologie wie das Erklimmen einer Leiter Schicht für Schicht, wobei jeder Schritt auf dem vorherigen aufbaut und kein Schritt verschwendet wird.

Der Schritt des letzten Jahres war die Chain of Thought (CoT), die das Modell lehrte, selbstständig zu denken, die Obergrenze der Intelligenz einen Schritt weiter zu treiben, und bereits übertrifft es Top-Menschen bei Programmier- und Mathematik-Olympiade-Aufgaben.

Der Schritt dieses Jahres sind Agents, die die Grenzen der Fähigkeiten durch mehrstufige Aufgabenausführung weiter verschieben.

Aber der Agent-Weg wird auch sein Ende erreichen.

Nach Erreichen des Endes kann das Modell immer noch keinen echten Mitarbeiter ersetzen.

Liang Wenfeng gab ein sehr treffendes Beispiel: Wenn ein neuer Mitarbeiter anfängt, verbringt er zwei Monate damit, sich mit der Umgebung vertraut zu machen. Danach, wenn du sagst „ruf Xiao Wang herbei", versteht er.

Der KI fehlen diese zwei Monate Ansammlung; du musst erklären, wer Xiao Wang ist, wo er ist und welche Position er hat, bevor sie ausführen kann.

Diese Einschränkung des „vollständigen Kontexts bereitstellen müssen" ist die unsichtbare Mauer zwischen aktueller KI und wahrer Intelligenz.

Der nächste zu überwindende Schritt ist kontinuierliches Lernen: Kann das Modell wie ein neuer Mitarbeiter durch ständigen Kontakt mit der Umgebung selbstständig Erfahrungen sammeln, anstatt darauf angewiesen zu sein, dass Menschen ihm jedes Mal den Kontext einflößen?

Sobald kontinuierliches Lernen gelöst ist, wird eine Phase erscheinen, die Liang Wenfeng die „Singularität" nennt: Die Fähigkeit des Modells wird stark genug sein, um die nächste Version des Modells selbst zu iterieren, eigene Forschung zu betreiben und eine fortschrittlichere nächste Generation zu entwickeln.

Er betonte ausdrücklich, dass diese Singularität keine plötzliche Mutation ist, sondern ein allmählicher, kontinuierlicher Prozess, obwohl sie konventionell als Singularität bezeichnet wird.

Erst danach kommt die verkörperte Intelligenz, bei der Roboter wirklich in die physische Welt eintreten, um Hausarbeit und Altenpflege zu erledigen.

Warum sie dieser Reihenfolge folgen, sagte Liang Wenfeng: Dies ist der arbeitsparendste Weg.

Indem sie zuerst kontinuierliches Lernen lösen, kann KI jeden nachfolgenden Schritt der Forschung und Entwicklung beschleunigen, sodass Menschen nicht alles selbst tragen müssen.

Umgekehrt, wenn sie zuerst verkörperte Intelligenz machen würden, wäre das ein bitterer und mühsamer Weg, der auf menschlicher Arbeit aufbaut, den DeepSeek nicht wählen möchte.

Hier gibt es ein Detail, das es wert ist, verweilt zu werden: DeepSeek's Hauptziel beim Training der nächsten Version des Modells ist nicht, dass externe Benutzer es gut nutzen können, sondern dass ihr eigenes Team schneller entwickeln kann.

Das Modell dient zuerst der internen F&E-Effizienz und kommt dann beiläufig externen Benutzern zugute.

Diese Prioritätenordnung bestimmt zu einem gewissen Grad die Reihenfolge fast aller Ressourcenzuweisungen in diesem Unternehmen.

20.000 Karten und ein sich auflösender Burggraben

Als er über die Kluft zwischen China und den USA sprach, war Liang Wenfengs Urteil sehr unverblümt: Talente sind nicht der Engpass; Rechenleistung ist es.

China mangelt es nicht an KI-Talenten; die Basis ist groß genug, und die Verteilung kluger Menschen ist zufällig. Es gibt nicht so etwas wie „alle klügsten Leute gingen in die USA".

Der wirkliche Engpass sind Ressourcen.

Die Zahlen sind sehr direkt: DeepSeek hat derzeit etwa 20.000 Rechenkarten der H-Serie-Äquivalente, von denen die meisten erst in den letzten ein oder zwei Monaten eingetroffen sind.

Um ein Modell derselben Klasse wie die derzeit größten Modelle (mit etwa 800B aktivierten Parametern) zu trainieren, benötigt man 50.000 GB300-Karten, oder 200.000 von Huaweis neuesten Karten. Dies gilt nur für das Training selbst, ohne die massiven experimentellen Kosten während der Forschungsphase.

DeepSeek's derzeitige Ressourcen können Experimente im Maßstab von Dutzenden von Milliarden aktivierten Parametern unterstützen, was noch eine Größenordnung von 800B entfernt ist.

Hinsichtlich einheimischer Chips war Liang Wenfengs Urteil unerwartet optimistisch.

Er glaubt, dass CUDAs ökologischer Burggraben gleichzeitig von drei Kräften abgebaut wird: KI selbst kann beim Schreiben von Code helfen, was die Schwelle für den Aufbau eines Ökosystems senkt; Hochsprachen wie TileLang können CUDAs gesamtes Operatorsystem schnell umschreiben; Gaming-Karten und Rechenkarten teilten ursprünglich eine Architektur, weil der KI-Rechenmarkt kleiner war als der Gaming-Markt, aber jetzt ist der Rechenmarkt größer, und die beiden müssen nicht mehr aneinander gebunden sein – spezialisierte Chips werden zum Mainstream.

Er gab eine spezifische Zeitangabe: Im Laufe des nächsten Jahres wird die Tatsache, dass das einheimische Chip-Ökosystem in Ordnung ist, durch Fakten bewiesen werden.

Das einzige verbleibende Hindernis ist die Produktionskapazität.

Der spezifische Kosten-Leistungs-Vergleich ist auch sehr direkt: Huaweis 950-Superknoten kann NVIDIA's GB200 und GB300 in Bezug auf Leistung und Preis ersetzen, auf Kosten von vier Karten, um eine zu erreichen, während er zwei Jahre hinterherhinkt. Es spielt keine Rolle, ob es 50 % bis 200 % teurer ist, solange es gekauft werden kann.

DeepSeek bezieht derzeit etwa 16.000 Karten Kapazität von Huawei. Diese Menge entspricht nur 4.000 NVIDIA-Karten, was nicht einmal ausreicht, um die nächste Generation von Modellen zu trainieren, aber es reicht aus, um Huawei zu helfen, das Ökosystem zuerst zum Laufen zu bringen.

Liang Wenfeng nennt das „Huawei dabei helfen, das zuerst gut zu machen". Er erwartet nicht, sich auf diese Karten zu verlassen, um größere Modelle zu trainieren; er ebnet den Weg für die Zukunft.

Noch interessanter ist die Aufhol-Erzählung, die er liefert: In der Vergangenheit nutzte die chinesische KI ein Zwanzigstel der Rechenleistung anderer, um Vergleichbares zu produzieren, während sie ein bis zwei Jahre hinterherhinkte.

In Zukunft muss diese „Verzögerungszeit" von ein bis zwei Jahren auf drei bis sechs Monate komprimiert werden, während die Rechenleistungslücke genauso groß bleibt.

Nicht durch mehr Ressourcen, sondern durch klügere Methoden.

Dieser Ansatz „mit kluger Kraft die Lücke zu überbrücken" spiegelt sich auch darin wider, wie das Unternehmen sich selbst verwaltet.

Die Hälfte der Kernforscher labelt Daten

Jemand fragte Liang Wenfeng, ob das Halluzinationsproblem großer Modelle die Benutzererfahrung beeinträchtigen würde. Seine Antwort war sehr offen: Halluzination ist kein unlösbares Problem. Es kann mit besserem Post-Training verbessert werden; es ist nur so, dass noch niemand viel Mühe darauf verwendet hat.

Innerhalb von DeepSeek wird dies als Produktproblem eingestuft; es wird gelöst werden, aber es steht nicht im Fokus.

Ein Detail, das es mehr wert ist, sich zu merken als das Halluzinationsproblem, ist: Die Hälfte von DeepSeeks Kernforschern labelt Daten.

Das liegt nicht daran, dass das Labeln von Daten in China billig ist. Im Gegenteil, Liang Wenfeng sagte, dass die Kosten für hochwertiges Datenlabeln in China sich nicht von denen in den USA unterscheiden, insbesondere bei hochwertigen Daten, wo es überhaupt keinen Kostenvorteil gibt.

Die derzeitige Strategie ist also ein zweigleisiger Ansatz: zuerst die kostengünstigen labeln und die teuren vorerst beiseitelegen.

Er beurteilt dies als eine Frage der Zeit, nicht des Kapitals.

OpenAI und Anthropic haben früher angefangen und laufen schon lange. China hat erst vor etwa sechs Monaten ernsthaft investiert, aber es wird erwartet, dass der größte Teil der Lücke innerhalb eines Jahres geschlossen werden kann.

Ein Unternehmen ohne Organisation: Was hält die Leute zusammen?

Liang Wenfeng sagte, DeepSeek habe „keine Organisation" und werde von einer Vision angetrieben.

Der spezifische Betrieb: Das Unternehmensmanagement ist in zwei Linien unterteilt. Eine ist Top-Down für kollektive Projekte, wie die Veröffentlichung von V4, die die Zusammenarbeit aller Mitarbeiter und Arbeitsteilung erfordert; dieser Teil wird „formell" genannt. Die andere ist Bottom-Up, wo jeder forscht, was er will; niemand managt sie, und es gibt keine KPIs.

Der Standard, den Liang Wenfeng für sich selbst setzt, ist: Formelle Arbeit sollte nicht mehr als die Hälfte der Zeit eines Mitarbeiters in Anspruch nehmen.

Dahinter stecken zwei Überlegungen.

Erstens erfordert Forschung eine entspannte Umgebung. Zu viel Druck macht es unmöglich, Neues zu erkunden. Da das Ziel darin besteht, spontanes Interesse zu wecken, muss Raum für „wildes Denken" gelassen werden.

Zweitens ist DeepSeek fokussiert genug, dass es nur wenige Dinge zu tun gibt. Die Produkte des Unternehmens sind im Allgemeinen unvollkommen, und sie haben keine Mühe darauf verwendet, sie zu reparieren, was selbst eine aktive Wahl ist.

Dieser Organisationsstil hat keine Vorlage zum Kopieren.

Liang Wenfeng sagte, DeepSeek habe kein Unternehmen nachgeahmt, einschließlich Bell Labs, das oft als Vergleich herangezogen wird, weil Bell Labs nicht für seine eigenen Gewinne und Verluste verantwortlich sein musste, während DeepSeek letztendlich ein Unternehmen ist, das überlegen muss, wie es überleben kann. Die Regierung wird ihnen keinen einzigen Cent geben.

Jede Wahl ist ein Ergebnis, das auf der Grundlage der tatsächlichen Situation berechnet wurde, nicht eine kopierte Antwort.

Zurück zu diesem Jubel

Wenn wir jetzt auf den Jubel am Tag der DDCP-Preissenkung zurückblicken: Das war keine isolierte Geschichte; es war ein Mikrokosmos des gesamten Überlebensalgorithmus dieses Unternehmens.

Zurückhaltung bei der Nichtverfolgung des maximalen Anteils liegt daran, dass in einem ausreichend großen Markt diejenigen, die gierig sind, zuerst verdrängt werden.

Sesamkörner aufsammeln, ohne zu verweilen, liegt daran, dass das Starren auf unmittelbare Gewinne dich daran hindert, die größeren Wassermelonen dahinter zu sehen.

Keine Chips oder vertikale Anwendungen herzustellen liegt daran, dass zu viel Essen zu einem vorzeitigen Ausscheiden führt.

Die arbeitsparendste Reihenfolge für den technischen Weg zu wählen liegt daran, dass die gesparte Energie dort eingesetzt werden kann, wo die wirklichen Engpässe sind.

Die Hälfte der Forscher Daten labeln zu lassen liegt daran, dass die Lücke, die Rechenleistung nicht füllen kann, nur mit einer solideren Grundlage gefüllt werden kann.

Diese Entscheidungen scheinen oberflächlich betrachtet unzusammenhängend, aber sie sind tatsächlich verschiedene Wege, denselben Satz zu schreiben: In einer ausreichend großen Bahn ist es die Voraussetzung für mehr, nicht genau zu berechnen, wie viel du jetzt bekommen kannst.

Dies ist eine Urteilsmethode, die von jedem in einer wettbewerbsintensiven Branche direkt angewendet werden kann.

Wenn du das nächste Mal vor einer Wahl zwischen „wie viel kann ich jetzt bekommen" und „wie viel kann ich in Zukunft bekommen" stehst, beeile dich nicht, die unmittelbare Rechnung zu machen.

Stelle eine grundlegendere Frage: Wird diese Angelegenheit, weil du jetzt zu viel nimmst, vorzeitig einen Konkurrenten anziehen, der bereit ist, weniger zu nehmen?

Wenn die Antwort ja ist, dann ist es, egal wie verlockend der kurzfristige Gewinn ist, nicht wert, die Überlebenswahrscheinlichkeit dafür einzutauschen.