Qué se dijo en la grabación de la reunión de inversionistas de Liang Wenfeng, fundador de DeepSeek

Desde anoche, las cuentas públicas de WeChat han estado repitiendo frenéticamente la grabación de Liang Wenfeng de DeepSeek, usando IA para resumir y escribir artículos.

Descarga el PDF de la transcripción original de la grabación

📎

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

DeepSeek tiene un modelo llamado DDCP. El día que su precio se redujo a una cuarta parte del original, el chat grupal de la empresa se llenó de vítores.

En una reunión financiera de una empresa normal, un recorte de precio significa una caída en los ingresos y es una mala noticia que lleva a regaños.

DeepSeek lo trató como un momento digno de celebrar.

En esta reunión de intercambio de tres horas y cuarenta y cuatro minutos, Liang Wenfeng repitió una cosa una y otra vez: No tienen dinero, no tienen cartas, no tienen fama, no tienen talento de primer nivel en el equipo, e incluso él mismo no se graduó de la mejor escuela.

¿Cómo logró un grupo de personas comunes crear en dos años algo que puso nervioso al mundo entero?

El juicio contraintuitivo de Liang Wenfeng: En el tema de la IA, quien más quiere tomar, primero pierde.

Cuanto Más Tomas, Más Rápido Mueres

Liang Wenfeng hizo un cálculo. Supongamos que la IA puede consumir eventualmente el 10% del PIB global, y OpenAI quiere tomar el 5% de eso; este cálculo es teóricamente sólido.

Pero tan pronto como aparezca un competidor que esté dispuesto a tomar solo el 1%, puede aplastar al primero con un precio más bajo.

Luego vendrá otro que solo quiera el 0.1%, aplastando también al anterior.

Esta cadena continuará rodando hacia abajo hasta llegar a un punto de equilibrio: si tomas muy poco, el modelo de negocio no se sostiene y eres eliminado naturalmente; si tomas demasiado, serás exprimido capa por capa por aquellos que toman menos.

Liang Wenfeng lo dijo sin rodeos: No tiene ninguna duda de que la AGI tendrá un enorme valor comercial, pero más que cómo obtener una mayor parte, le importa más cómo aumentar la probabilidad de que esto suceda.

Y la forma de aumentar esa probabilidad es precisamente reducir activamente la porción que quiere tomar.

Aplicando esta lógica a los precios, la API de DeepSeek está diseñada para alcanzar el punto de equilibrio en diez meses, lo que corresponde aproximadamente a seis veces la ganancia.

Esto no es maximización de ganancias. Si realmente quisieran maximizar la ganancia, el precio debería ser más alto porque la demanda de los usuarios en el rango actual es inelástica; un aumento de precio no reduciría significativamente el consumo.

Pero la ganancia de seis veces está bloqueada activamente como este límite superior por una razón muy práctica: Al mantener el margen de ganancia lo suficientemente bajo, deja de ser rentable para terceros robar negocio implementando ellos mismos modelos de código abierto.

El código abierto y la baja ganancia son dos caras de la misma moneda.

En lugar de depender del código cerrado para asegurar las ganancias, dependen de comprimir las ganancias a un nivel que otros no puedan permitirse replicar, preservando así el mercado mismo.

Liang Wenfeng calculó que si realmente quisieran ganar cien veces la ganancia, el código abierto se convertiría en un agujero, ya que los costos de implementación de terceros podrían ser solo una veinteava parte de los suyos.

Pero DeepSeek nunca tuvo la intención de tomar ese camino desde el principio.

No le preocupa el código abierto porque nunca pensó en ganar cien veces la ganancia a través de un monopolio vertical.

Esta lógica de "ganar intencionalmente menos" explica casi cada decisión aparentemente no rentable que toma esta empresa.

Semillas de Sésamo Adelante, Sandías Atrás

El Año Nuevo Chino pasado, la base de usuarios del lado consumidor (C-end) de DeepSeek explotó repentinamente.

Esto no estaba en el plan. El equipo incluso consideró no mantener a esos usuarios, pero los usuarios "no se podían ir" y finalmente se quedaron.

La explicación de Liang Wenfeng para este fenómeno es directa: Tratar las cosas que puedes agarrar justo delante de ti como la máxima prioridad te hará perder oportunidades más grandes.

Él llama a esto "recoger semillas de sésamo". El tráfico del lado C del año pasado y los ingresos del lado empresarial (B-end) de este año son, en su opinión, solo semillas de sésamo; recogerlas de paso es suficiente; no vale la pena detenerse.

La verdadera sandía es la AGI, y la oportunidad de la AGI es siempre lo suficientemente grande como para que no sea necesario calcular precisamente cuánta parte puedes ocupar ahora mismo.

Esto lleva a un resultado interesante: DeepSeek crea productos casi por accidente.

Liang Wenfeng dijo que el punto de partida para el entrenamiento y la API de la empresa nunca fue servir bien a los usuarios, sino porque este paso debe superarse en el camino hacia la AGI. Los usuarios y los ingresos son solo subproductos generados en el camino.

Esta estrategia es, a sus ojos, una forma de ataque de reducción dimensional: una organización que tiene la AGI como objetivo pone mucho menos esfuerzo en los productos del lado C y B que las empresas que tratan el producto mismo como objetivo, sin embargo, los resultados no son necesariamente peores.

Su explicación es que una visión más grande puede unir mejor al talento de primer nivel; la ventaja de talento resultante se desbordará naturalmente al nivel del producto, convirtiéndose en un ataque de reducción dimensional.

Por el contrario, una empresa que trata "hacer un buen producto" como el objetivo final tendrá ventajas en la experiencia del producto, el tráfico y el servicio al usuario, pero en términos de capacidades técnicas ascendentes, puede que nunca alcance a una empresa que trata la tecnología misma como el objetivo final.

La misma moderación también determina las cosas que DeepSeek elige no hacer.

Sin Fabricación de Chips, Sin Cadena Industrial Completa

Un inversor le preguntó a Liang Wenfeng si se movería aguas arriba para fabricar chips o aguas abajo hacia aplicaciones verticales como finanzas o salud.

Su respuesta fue no.

La razón es una metáfora de la planta de energía: la persona que opera la planta de energía no necesita construir el generador ellos mismos. Mientras puedan comprarlo a un precio razonable, ¿por qué construirlo?

Esto es una extensión de la misma lógica de "moderación".

Liang Wenfeng dijo que el pastel de la IA es lo suficientemente grande como para que surjan muchas empresas de billones de dólares en el futuro. DeepSeek solo necesita ser una de ellas, comiendo solo la parte que mejor saben hacer, sin necesidad de tragarse toda la cadena industrial.

Comer demasiado llevará a una salida temprana.

La misma actitud se aplica a los competidores.

Liang Wenfeng dijo que DeepSeek está dispuesto a ayudar a Alibaba, Zhipu y Moonshot AI a reproducir mejores modelos de código abierto porque no perjudica sus propios intereses.

Suena cortés, pero el algoritmo subyacente es consistente: Si el mercado es lo suficientemente grande, que otros lo hagan bien no es una amenaza; que otros lo hagan mal y arruinen la confianza de todo el ecosistema es la verdadera pérdida.

La moderación explica lo que DeepSeek no hace.

En cuanto a lo que hará, la respuesta es una escalera técnica que ha sido pensada durante mucho tiempo.

Una Escalera que se Puede Subir Sin Hacer Horas Extras

Liang Wenfeng describe la evolución de la tecnología de IA como subir una escalera capa por capa, donde cada paso se construye sobre el anterior y ningún paso se desperdicia.

El paso del año pasado fue la Cadena de Pensamiento (CoT), dejando que el modelo aprenda a pensar por sí mismo, empujando el límite superior de la inteligencia un paso más allá, ya superando a los mejores humanos en codificación y problemas de la Olimpiada de Matemáticas.

El paso de este año son los Agentes, empujando los límites de la capacidad aún más a través de la ejecución de tareas de múltiples pasos.

Pero el camino de los Agentes también llegará a su fin.

Después de llegar al final, el modelo aún no puede reemplazar a un empleado real.

Liang Wenfeng dio un ejemplo muy acertado: Cuando un nuevo empleado se une, pasan dos meses familiarizándose con el entorno. Después de eso, si dices "llama a Xiao Wang", lo entienden.

A la IA le faltan estos dos meses de acumulación; tienes que explicar quién es Xiao Wang, dónde está y cuál es su puesto antes de que pueda ejecutar.

Esta limitación de "debes proporcionar el contexto completo" es el muro invisible entre la IA actual y la verdadera inteligencia.

El siguiente paso a superar es el aprendizaje continuo: ¿Puede el modelo, como un nuevo empleado, acumular experiencia por sí mismo a través del contacto continuo con el entorno, en lugar de depender de que los humanos le introduzcan el contexto en la boca cada vez?

Una vez que se resuelva el aprendizaje continuo, aparecerá una etapa que Liang Wenfeng llama la "singularidad": La capacidad del modelo será lo suficientemente fuerte como para iterar la siguiente versión del modelo por sí mismo, hacer su propia investigación y desarrollar una próxima generación más avanzada.

Él enfatizó específicamente que esta singularidad no es una mutación repentina, sino un proceso gradual y continuo, aunque convencionalmente se llame singularidad.

Solo después de eso viene la inteligencia encarnada, donde los robots realmente entran en el mundo físico para hacer tareas domésticas y cuidado de ancianos.

En cuanto a por qué siguen este orden, Liang Wenfeng dijo: Este es el camino que menos esfuerzo requiere.

Al resolver primero el aprendizaje continuo, la IA puede ayudar a acelerar cada paso posterior de investigación y desarrollo, para que los humanos no tengan que cargar con todo ellos mismos.

Por el contrario, si hicieran primero la inteligencia encarnada, ese sería un camino amargo y agotador construido sobre el trabajo humano, que DeepSeek no quiere elegir.

Hay un detalle aquí que vale la pena considerar: El objetivo principal de DeepSeek al entrenar la siguiente versión del modelo no es que los usuarios externos lo usen bien, sino que su propio equipo desarrolle más rápido.

El modelo sirve primero a la eficiencia interna de I+D, y luego, incidentalmente, beneficia a los usuarios externos.

Este orden de prioridades, en cierta medida, determina la secuencia de casi toda la asignación de recursos en esta empresa.

20,000 Tarjetas y un Foso que se Disuelve

Al hablar de la brecha entre China y EE. UU., el juicio de Liang Wenfeng fue muy directo: El talento no es el cuello de botella; la capacidad de cómputo lo es.

A China no le falta talento en IA; la base es lo suficientemente grande y la distribución de personas inteligentes es aleatoria. No existe eso de que "todas las personas más inteligentes se fueron a EE. UU."

El verdadero cuello de botella son los recursos.

Los números son muy directos: DeepSeek tiene actualmente alrededor de 20,000 tarjetas de cómputo equivalentes a la serie H, la mayoría de las cuales llegaron solo en el último mes o dos.

Para entrenar un modelo del mismo nivel que los modelos más grandes actuales (con unos 800B de parámetros activados), se necesitan 50,000 tarjetas GB300, o 200,000 de las tarjetas más nuevas de Huawei. Esto es solo para el entrenamiento en sí, sin incluir los masivos costos experimentales durante la fase de investigación.

Los recursos actuales de DeepSeek pueden soportar experimentos a la escala de decenas de miles de millones de parámetros activados, lo que aún está un orden de magnitud lejos de 800B.

En cuanto a los chips domésticos, el juicio de Liang Wenfeng fue inesperadamente optimista.

Él cree que el foso ecológico de CUDA está siendo desmantelado por tres fuerzas simultáneamente: la IA misma puede ayudar a escribir código, reduciendo significativamente el umbral para construir un ecosistema; lenguajes de alto nivel como TileLang pueden reescribir rápidamente todo el sistema de operadores de CUDA; las tarjetas gráficas y las tarjetas de cómputo originalmente compartían una arquitectura porque el mercado de cómputo de IA era más pequeño que el de juegos, pero ahora el mercado de cómputo es más grande, y ya no necesitan estar atadas juntas: los chips especializados se están volviendo mainstream.

Dio un juicio de tiempo específico: En el próximo año, el hecho de que el ecosistema de chips doméstico está bien será probado por los hechos.

El único obstáculo restante es la capacidad de producción.

La comparación específica de costo-rendimiento también es muy directa: El supernodo 950 de Huawei puede reemplazar los GB200 y GB300 de NVIDIA en términos de rendimiento y precio, a costa de necesitar cuatro tarjetas para igualar una, y estar dos años por detrás. No importa si es 50% a 200% más caro, siempre que se pueda comprar.

DeepSeek actualmente obtiene alrededor de 16,000 tarjetas de capacidad de Huawei. Este volumen es equivalente a solo 4,000 tarjetas NVIDIA, que ni siquiera es suficiente para entrenar la próxima generación de modelos, pero es suficiente para ayudar a Huawei a poner en marcha el ecosistema primero.

Liang Wenfeng llama a esto "ayudar a Huawei a hacer esto bien primero". No espera depender de estas tarjetas para entrenar modelos más grandes; está allanando el camino para el futuro.

Aún más interesante es la narrativa de recuperación que proporciona: En el pasado, la IA china usaba una veinteava parte de la capacidad de cómputo de otros para producir cosas comparables, estando uno o dos años por detrás.

En el futuro, este "tiempo de retraso" debe comprimirse de uno o dos años a tres o seis meses, mientras que la brecha de capacidad de cómputo sigue siendo igual de grande.

No dependiendo de más recursos, sino de métodos más inteligentes.

Este enfoque de "usar la fuerza inteligente para cerrar la brecha" también se refleja en cómo la empresa se gestiona a sí misma.

La Mitad de los Investigadores Principales Están Etiquetando Datos

Alguien le preguntó a Liang Wenfeng si el problema de alucinación de los modelos grandes afectaría la experiencia del usuario. Su respuesta fue muy franca: La alucinación no es un problema irresoluble. Se puede mejorar con un mejor post-entrenamiento; es solo que nadie ha puesto mucho esfuerzo en hacerlo todavía.

Dentro de DeepSeek, esto está clasificado como un problema de producto; se resolverá, pero no es el foco.

Un detalle más digno de recordar que el problema de la alucinación es: La mitad de los investigadores principales de DeepSeek están etiquetando datos.

Esto no es porque etiquetar datos sea barato en China. Por el contrario, Liang Wenfeng dijo que el costo del etiquetado de datos de alta calidad en China no es diferente al de EE. UU., especialmente para datos de alto nivel donde no hay ninguna ventaja de costo.

Por lo tanto, la estrategia actual es un enfoque de dos frentes: etiquetar primero los de bajo costo y dejar de lado los de alto costo por ahora.

Él juzga que esto es una cuestión de tiempo, no de capital.

OpenAI y Anthropic comenzaron antes y han estado funcionando durante mucho tiempo. China solo comenzó a invertir en serio hace unos seis meses, pero se espera que la mayor parte de la brecha se pueda cerrar en un año.

Una Empresa Sin Organización: ¿Qué Mantiene Unidas a las Personas?

Liang Wenfeng dijo que DeepSeek "no tiene organización" y está impulsada por la visión.

La operación específica: La gestión de la empresa se divide en dos líneas. Una es de arriba hacia abajo para proyectos colectivos, como el lanzamiento de V4 que requiere colaboración de todo el personal y división del trabajo; esta parte se llama "formal". La otra es de abajo hacia arriba, donde cada uno investiga lo que quiere; nadie los gestiona y no hay KPIs.

El estándar que Liang Wenfeng se fija a sí mismo es: El trabajo formal no debe ocupar más de la mitad del tiempo de un empleado.

Hay dos consideraciones detrás de esto.

Primero, la investigación requiere un ambiente relajado. Presionar demasiado hace imposible explorar cosas nuevas. Dado que el objetivo es estimular el interés espontáneo, se debe dejar espacio para el "pensamiento salvaje".

Segundo, DeepSeek está lo suficientemente enfocada como para que haya pocas cosas que hacer. Los productos de la empresa son generalmente imperfectos, y no han puesto esfuerzo en arreglarlos, lo que en sí mismo es una elección activa.

Este estilo organizativo no tiene una plantilla para copiar.

Liang Wenfeng dijo que DeepSeek no ha imitado a ninguna empresa, incluidos los Laboratorios Bell que a menudo se usan como comparación, porque los Laboratorios Bell no necesitaban ser responsables de sus propias pérdidas y ganancias, mientras que DeepSeek es, en última instancia, una empresa que debe considerar cómo sobrevivir. El gobierno no les dará ni un solo centavo.

Cada elección es un resultado calculado en función de la situación real en cuestión, no una respuesta copiada.

Volviendo a Ese Vítores

Mirando hacia atrás ahora a los vítores del día del recorte de precio de DDCP: Esa no fue una historia aislada; fue un microcosmos de todo el algoritmo de supervivencia de esta empresa.

Moderación al no perseguir la participación máxima es porque, en un mercado lo suficientemente grande, los codiciosos serán exprimidos primero.

Recoger semillas de sésamo sin detenerse es porque mirar las ganancias inmediatas te impedirá ver las sandías más grandes detrás.

No fabricar chips ni aplicaciones verticales es porque comer demasiado lleva a una salida temprana.

Elegir el orden que menos esfuerzo requiere para la ruta técnica es porque la energía ahorrada se puede usar donde están los verdaderos cuellos de botella.

Tener a la mitad de los investigadores etiquetando datos es porque la brecha que la capacidad de cómputo no puede llenar solo se puede llenar con una base más sólida.

Estas decisiones parecen no estar relacionadas en la superficie, pero en realidad son diferentes formas de escribir la misma oración: En un camino lo suficientemente grande, no calcular precisamente cuánto puedes obtener ahora mismo es el requisito previo para obtener más.

Este es un método de juicio que cualquiera en una industria competitiva puede usar directamente.

La próxima vez que enfrentes una elección entre "cuánto puedo obtener ahora" y "cuánto puedo obtener en el futuro", no te apresures a calcular la cuenta inmediata.

Haz una pregunta más fundamental: ¿Hará que este asunto, porque estás tomando demasiado ahora, atraiga prematuramente a un competidor que esté dispuesto a tomar menos?

Si la respuesta es sí, entonces no importa cuán tentadora sea la ganancia a corto plazo, no vale la pena intercambiar la probabilidad de supervivencia por ella.