Desde anoche, las cuentas públicas de WeChat han estado republicando frenéticamente la grabación de Liang Wenfeng, el fundador de DeepSeek, utilizando IA para resumir y redactar artículos.
Descargar 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 estalló en 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 provoca 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 hizo un grupo de personas comunes para crear en dos años algo que puso nervioso al mundo entero?
El juicio contraintuitivo de Liang Wenfeng: En el tema de la IA, aquellos que quieren tomar más perderán primero.
Cuanto Más Tomas, Más Rápido Mueres
Liang Wenfeng hizo un cálculo. Supongamos que la IA puede consumir eventualmente el 10% del PIB mundial, y OpenAI quiere tomar el 5% de eso; este cálculo es teóricamente sólido.
Pero en cuanto aparece un competidor que está dispuesto a tomar solo el 1%, puede aplastar al anterior 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 alcanzar un punto de equilibrio: si tomas muy poco, el modelo de negocio no se sostiene y serás eliminado de forma natural; 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 participación, le importa más cómo aumentar la probabilidad de que 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 el beneficio.
Esto no es maximización de beneficios. Si realmente quisieran maximizar el beneficio, 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 el beneficio de seis veces está activamente fijado en este límite superior por una razón muy práctica: Al mantener el margen de beneficio lo suficientemente bajo, no es rentable para terceros robar negocio implementando ellos mismos modelos de código abierto.
El código abierto y el bajo beneficio son dos caras de la misma moneda.
En lugar de depender del código cerrado para asegurar las ganancias, confían en comprimir los beneficios a un nivel que otros no puedan permitirse replicar, preservando así el mercado mismo.
Liang Wenfeng calculó que si realmente quisieran ganar cien veces el beneficio, el código abierto se convertiría en una laguna, ya que los costos de implementación de terceros podrían ser solo una vigésima 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 el beneficio a través de un monopolio vertical.
Esta lógica de "ganar intencionalmente menos" explica casi todas las decisiones aparentemente no rentables que toma esta empresa.
Semillas de Sésamo Delante, Sandías Detrás
El pasado Año Nuevo chino, la base de usuarios del lado del consumidor (lado C) 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.
A esto lo llama "recoger semillas de sésamo". El tráfico del lado C del año pasado y los ingresos del lado empresarial (lado B) de este año son, en su opinión, solo semillas de sésamo; basta con recogerlas de paso; no vale la pena detenerse por ellas.
La verdadera sandía es la AGI, y la oportunidad de la AGI siempre es lo suficientemente grande como para que no sea necesario calcular con precisión qué parte se puede ocupar ahora mismo.
Esto lleva a un resultado interesante: DeepSeek fabrica 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 por reducción de dimensionalidad: una organización que tiene la AGI como objetivo dedica mucho menos pensamiento a los productos del lado C y del lado B que las empresas que tratan el producto en sí como el objetivo, y 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 consiguiente ventaja de talento se desbordará naturalmente al nivel del producto, convirtiéndose en un ataque por reducción de dimensionalidad.
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 aguas arriba, quizás 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 que no.
La razón es una metáfora de la planta eléctrica: la persona que opera la planta eléctrica no necesita construir el generador él mismo. Siempre que pueda 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 con valor de billones de dólares en el futuro. DeepSeek solo necesita ser una de ellas, comiendo solo la parte en la que es mejor, sin necesidad de tragarse toda la cadena industrial.
Comer demasiado llevará, en cambio, a una salida prematura.
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 mejor los 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 del Agente 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 incorpora, pasa dos meses familiarizándose con el entorno. Después de eso, si dices "llama a Xiao Wang", lo entienden.
La IA carece de estos dos meses de acumulación; tienes que explicar quién es Xiao Wang, dónde está y cuál es su puesto antes de que pueda ejecutarlo.
Esta limitación de "debe proporcionar contexto completo" es el muro invisible entre la IA actual y la inteligencia verdadera.
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 contexto en la boca cada vez?
Una vez que se resuelve 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 en sí mismo, hacer su propia investigación y desarrollar una próxima generación más avanzada.
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 incorporada, 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 requiere menos esfuerzo.
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 incorporada, 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, hasta cierto punto, determina la secuencia de casi todas las asignaciones de recursos en esta empresa.
20,000 Tarjetas y un Foso que se Disuelve
Al hablar de la brecha entre China y Estados Unidos, el juicio de Liang Wenfeng fue muy directo: El talento no es el cuello de botella; la potencia 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 Estados Unidos".
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 recientes de Huawei. Esto es solo para el entrenamiento en sí, sin incluir los enormes costos experimentales durante la fase de investigación.
Los recursos actuales de DeepSeek pueden apoyar experimentos a la escala de decenas de miles de millones de parámetros activados, lo que todavía está un orden de magnitud lejos de 800B.
Con respecto a los chips nacionales, el juicio de Liang Wenfeng fue inesperadamente optimista.
Cree que el foso ecológico de CUDA está siendo desmantelado por tres fuerzas simultáneamente: la propia IA 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 de juego 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 es necesario que estén vinculadas: los chips especializados se están convirtiendo en la corriente principal.
Dio un juicio de tiempo específico: En el próximo año, el hecho de que el ecosistema de chips nacional 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 al GB200 y GB300 de NVIDIA en términos de rendimiento y precio, a costa de necesitar cuatro tarjetas para igualar una, y va dos años por detrás. No importa si es un 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 vigésima parte de la potencia de cómputo de otros para producir cosas comparables, yendo de uno a 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 potencia 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 Estados Unidos, especialmente para datos de alto nivel donde no hay ninguna ventaja de costo.
Por lo tanto, la estrategia actual es un enfoque doble: 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 seriamente hace unos seis meses, pero se espera que la mayor parte de la brecha pueda cerrarse 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 y división del trabajo de todo el personal; esta parte se llama "formal". La otra es de abajo hacia arriba, donde cada uno investiga lo que quiera; 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 entorno 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 organizacional no tiene una plantilla que 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 ganancias y pérdidas, 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 base a la situación real en cuestión, no una respuesta copiada.
Volviendo a Ese Vítores
Mirando hacia atrás ahora al vítores del día del recorte de precio del DDCP: Esa no fue una historia aislada; fue un microcosmos de todo el algoritmo de supervivencia de esta empresa.
La moderación al no buscar 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 fijamente 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 prematura.
Elegir el orden que requiere menos esfuerzo para la ruta técnica es porque la energía ahorrada se puede usar donde están los verdaderos cuellos de botella.
Tener la mitad de los investigadores etiquetando datos es porque la brecha que la potencia 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 frase: En un camino lo suficientemente grande, no calcular con precisión 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 te enfrentes a 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 esto que, porque estás tomando demasiado ahora, atraigas 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 intercambiarla por la probabilidad de supervivencia.
