Ce qui a été dit dans l'enregistrement de la réunion des investisseurs de Liang Wenfeng, fondateur de DeepSeek

Depuis hier soir, les comptes publics WeChat republient frénétiquement l'enregistrement de Liang Wenfeng, fondateur de DeepSeek, en utilisant l'IA pour résumer et rédiger des articles.

Téléchargez le PDF de la transcription originale de l'enregistrement

📎

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

DeepSeek a un modèle appelé DDCP. Le jour où son prix a été réduit au quart du prix initial, le groupe de discussion de l'entreprise était en liesse.

Dans une réunion financière d'une entreprise normale, une baisse de prix signifie une chute des revenus et c'est une mauvaise nouvelle qui entraîne des réprimandes.

DeepSeek a considéré cela comme un moment digne d'être célébré.

Au cours de cette réunion d'échange de trois heures et quarante-quatre minutes, Liang Wenfeng a répété une chose : Ils n'ont pas d'argent, pas de cartes, pas de renommée, pas de talents de premier ordre dans l'équipe, et même lui-même n'est pas diplômé de la meilleure école.

Comment un groupe de gens ordinaires a-t-il créé en deux ans quelque chose qui a rendu le monde entier nerveux ?

Le jugement contre-intuitif de Liang Wenfeng : Dans le domaine de l'IA, ceux qui veulent prendre le plus perdront en premier.

Plus on prend, plus on meurt vite

Liang Wenfeng a fait un calcul. Supposons que l'IA puisse finalement consommer 10 % du PIB mondial, et qu'OpenAI veuille en prendre 5 % ; ce calcul est théoriquement valable.

Mais dès qu'un concurrent apparaît, prêt à n'en prendre que 1 %, il peut écraser le premier avec un prix plus bas.

Puis quelqu'un d'autre viendra qui ne voudra que 0,1 %, écrasant le précédent à son tour.

Cette chaîne continuera de descendre jusqu'à atteindre un point d'équilibre : si vous prenez trop peu, le modèle économique ne tient pas et vous êtes naturellement éliminé ; si vous prenez trop, vous êtes laminé couche par couche par ceux qui prennent moins.

Liang Wenfeng a été direct : Il ne doute pas que l'AGI aura une énorme valeur commerciale, mais plutôt que de savoir comment obtenir une part plus grande, il se soucie davantage de la façon d'augmenter la probabilité qu'elle se réalise.

Et la façon d'augmenter cette probabilité est précisément de réduire activement la part qu'il veut prendre.

En appliquant cette logique à la tarification, l'API de DeepSeek est conçue pour atteindre le seuil de rentabilité en dix mois, ce qui correspond à environ six fois le profit.

Ce n'est pas une maximisation du profit. S'ils voulaient vraiment maximiser le profit, le prix devrait être plus élevé car la demande des utilisateurs dans la fourchette actuelle est inélastique ; une augmentation de prix ne réduirait pas significativement la consommation.

Mais le profit multiplié par six est activement verrouillé à cette limite supérieure pour une raison très pratique : En maintenant la marge bénéficiaire suffisamment basse, il devient non rentable pour des tiers de voler des parts de marché en déployant eux-mêmes des modèles open source.

L'open source et le faible profit sont les deux faces d'une même pièce.

Au lieu de compter sur le code fermé pour verrouiller les profits, ils comptent sur la compression des profits à un niveau que les autres ne peuvent pas se permettre de reproduire, préservant ainsi le marché lui-même.

Liang Wenfeng a calculé que s'ils voulaient vraiment gagner cent fois le profit, l'open source deviendrait une faille, car les coûts de déploiement par des tiers pourraient n'être qu'un vingtième des leurs.

Mais DeepSeek n'a jamais eu l'intention d'emprunter cette voie depuis le début.

Il ne s'inquiète pas de l'open source parce qu'il n'a jamais pensé à gagner cent fois le profit grâce à un monopole vertical.

Cette logique de « gagner intentionnellement moins » explique presque toutes les décisions apparemment non rentables que cette entreprise prend.

Des graines de sésame devant, des pastèques derrière

Lors du dernier Nouvel An chinois, la base d'utilisateurs grand public (C-end) de DeepSeek a soudainement explosé.

Cela ne faisait pas partie du plan. L'équipe a même envisagé de ne pas maintenir ces utilisateurs, mais les utilisateurs « ne pouvaient pas être chassés » et sont finalement restés.

L'explication de Liang Wenfeng pour ce phénomène est simple : Traiter les choses que vous pouvez attraper juste devant vous comme la priorité absolue vous fera perdre des opportunités plus grandes.

Il appelle cela « ramasser des graines de sésame ». Le trafic C-end de l'année dernière et les revenus professionnels (B-end) de cette année sont, à son avis, juste des graines de sésame — les ramasser au passage suffit ; cela ne vaut pas la peine de s'arrêter.

La vraie pastèque, c'est l'AGI, et l'opportunité de l'AGI est toujours suffisamment grande pour qu'il n'y ait pas besoin de calculer précisément la part que l'on peut occuper maintenant.

Cela conduit à un résultat intéressant : DeepSeek fabrique des produits presque par accident.

Liang Wenfeng a déclaré que le point de départ de la formation et de l'API de l'entreprise n'a jamais été de bien servir les utilisateurs, mais parce que cette étape doit être franchie sur la route de l'AGI. Les utilisateurs et les revenus ne sont que des sous-produits générés en cours de route.

Cette stratégie est, à ses yeux, une forme de frappe dimensionnelle : une organisation ayant l'AGI pour objectif accorde beaucoup moins d'attention aux produits C-end et B-end que les entreprises qui considèrent le produit lui-même comme un objectif, mais les résultats ne sont pas nécessairement moins bons.

Son explication est qu'une vision plus large permet de mieux unir les talents de premier plan ; l'avantage de talents qui en résulte se répercutera naturellement sur le niveau du produit, devenant une frappe dimensionnelle.

Inversement, une entreprise qui considère « faire un bon produit » comme objectif final aura des avantages en termes d'expérience produit, de trafic et de service client, mais en termes de capacités techniques en amont, elle ne pourra jamais rattraper une entreprise qui considère la technologie elle-même comme objectif final.

La même retenue détermine également les choses que DeepSeek choisit de ne pas faire.

Pas de fabrication de puces, pas de chaîne industrielle complète

Un investisseur a demandé à Liang Wenfeng s'il envisageait de remonter la chaîne pour fabriquer des puces ou de descendre vers des applications verticales comme la finance ou la santé.

Sa réponse a été non.

La raison est une métaphore de la centrale électrique : la personne qui exploite la centrale n'a pas besoin de construire elle-même le générateur. Tant qu'elle peut l'acheter à un prix raisonnable, pourquoi le construire ?

C'est une extension de la même logique de « retenue ».

Liang Wenfeng a déclaré que le gâteau de l'IA est suffisamment grand pour que de nombreuses entreprises de mille milliards de dollars émergent à l'avenir. DeepSeek n'a besoin d'être que l'une d'entre elles, ne mangeant que la partie qu'elle maîtrise le mieux, sans avoir à avaler toute la chaîne industrielle.

Manger trop mène au contraire à une sortie précoce.

La même attitude s'applique aux concurrents.

Liang Wenfeng a déclaré que DeepSeek est prêt à aider Alibaba, Zhipu et Moonshot AI à reproduire des modèles open source de meilleure qualité, car cela ne nuit pas à leurs propres intérêts.

Cela semble poli, mais l'algorithme sous-jacent est cohérent : Si le marché est suffisamment grand, que les autres réussissent bien n'est pas une menace ; que les autres échouent et ruinent la confiance de tout l'écosystème est la vraie perte.

La retenue explique ce que DeepSeek ne fait pas.

Quant à ce qu'il fera, la réponse est une échelle technique qui a été longuement réfléchie.

Une échelle que l'on peut gravir sans faire des heures sup'

Liang Wenfeng décrit l'évolution de la technologie de l'IA comme l'escalade d'une échelle couche par couche, où chaque étape est construite sur la précédente et aucune n'est perdue.

L'étape de l'année dernière était la Chaîne de Pensée (CoT), qui permet au modèle d'apprendre à penser par lui-même, repoussant un peu plus la limite supérieure de l'intelligence, dépassant déjà les meilleurs humains en codage et en problèmes des Olympiades de mathématiques.

L'étape de cette année est celle des Agents, repoussant les limites des capacités grâce à l'exécution de tâches en plusieurs étapes.

Mais le chemin des Agents atteindra aussi sa fin.

Après avoir atteint la fin, le modèle ne peut toujours pas remplacer un véritable employé.

Liang Wenfeng a donné un exemple très pertinent : lorsqu'un nouvel employé arrive, il passe deux mois à se familiariser avec l'environnement. Après cela, si vous dites « appelle Xiao Wang », il comprend.

L'IA manque de ces deux mois d'accumulation ; vous devez expliquer qui est Xiao Wang, où il se trouve et quel est son poste avant qu'elle puisse exécuter.

Cette limitation de « devoir fournir un contexte complet » est le mur invisible entre l'IA actuelle et la véritable intelligence.

La prochaine étape à franchir est l'apprentissage continu : Le modèle peut-il, comme un nouvel employé, accumuler de l'expérience par lui-même grâce à un contact continu avec l'environnement, plutôt que de compter sur les humains pour lui fournir le contexte à chaque fois ?

Une fois l'apprentissage continu résolu, apparaîtra une étape que Liang Wenfeng appelle la « singularité » : La capacité du modèle sera suffisamment forte pour itérer la version suivante du modèle lui-même, faire ses propres recherches et développer une génération suivante plus avancée.

Il a souligné que cette singularité n'est pas une mutation soudaine mais un processus graduel et continu, bien qu'on l'appelle conventionnellement une singularité.

Ce n'est qu'après cela que vient l'intelligence incarnée, où les robots entrent véritablement dans le monde physique pour faire le ménage et les soins aux personnes âgées.

Quant à la raison pour laquelle ils suivent cet ordre, Liang Wenfeng a déclaré : C'est le chemin le plus économique en termes d'effort.

En résolvant d'abord l'apprentissage continu, l'IA peut aider à accélérer chaque étape ultérieure de la recherche et du développement, afin que les humains n'aient pas à tout porter eux-mêmes.

Inversement, s'ils faisaient d'abord l'intelligence incarnée, ce serait un chemin pénible et fatigant construit sur le travail humain, ce que DeepSeek ne veut pas choisir.

Il y a un détail ici qui mérite qu'on s'y attarde : l'objectif principal de DeepSeek en formant la prochaine version du modèle n'est pas que les utilisateurs externes l'utilisent bien, mais que leur propre équipe se développe plus rapidement.

Le modèle sert d'abord l'efficacité de la R&D interne, puis accessoirement profite aux utilisateurs externes.

Cet ordre de priorité détermine, dans une certaine mesure, la séquence de presque toute l'allocation des ressources dans cette entreprise.

20 000 cartes et un fossé qui se dissout

En parlant de l'écart entre la Chine et les États-Unis, le jugement de Liang Wenfeng a été très direct : Le talent n'est pas le goulot d'étranglement ; la puissance de calcul l'est.

La Chine ne manque pas de talents en IA ; la base est suffisamment grande et la répartition des personnes intelligentes est aléatoire. Il n'y a pas de « tous les plus intelligents sont allés aux États-Unis ».

Le vrai goulot d'étranglement, ce sont les ressources.

Les chiffres sont très directs : DeepSeek dispose actuellement d'environ 20 000 cartes de calcul équivalentes à la série H, dont la plupart sont arrivées au cours des deux derniers mois seulement.

Pour former un modèle de la même classe que les plus grands modèles actuels (avec environ 800B de paramètres activés), il faut 50 000 cartes GB300, ou 200 000 des dernières cartes de Huawei. C'est juste pour la formation elle-même, sans compter les coûts d'expérimentation massifs pendant la phase de recherche.

Les ressources actuelles de DeepSeek peuvent soutenir des expériences à l'échelle de quelques dizaines de milliards de paramètres activés, ce qui est encore un ordre de grandeur inférieur à 800B.

Concernant les puces domestiques, le jugement de Liang Wenfeng a été étonnamment optimiste.

Il pense que le fossé écologique de CUDA est démantelé par trois forces simultanément : l'IA elle-même peut aider à écrire du code, abaissant considérablement le seuil pour construire un écosystème ; des langages de haut niveau comme TileLang peuvent rapidement réécrire l'ensemble du système d'opérateurs de CUDA ; les cartes gaming et les cartes de calcul partageaient à l'origine une architecture car le marché du calcul IA était plus petit que celui du gaming, mais maintenant le marché du calcul est plus grand, et les deux n'ont plus besoin d'être liés — les puces spécialisées deviennent courantes.

Il a donné un jugement temporel précis : Dans l'année à venir, le fait que l'écosystème des puces domestiques va bien sera prouvé par les faits.

Le seul obstacle restant est la capacité de production.

La comparaison spécifique coût-performance est également très directe : Le super-nœud 950 de Huawei peut remplacer les GB200 et GB300 de NVIDIA en termes de performances et de prix, au prix de devoir utiliser quatre cartes pour égaler une, tout en ayant deux ans de retard. Peu importe que ce soit 50 % à 200 % plus cher, tant qu'on peut l'acheter.

DeepSeek obtient actuellement environ 16 000 cartes de capacité de Huawei. Ce volume équivaut seulement à 4 000 cartes NVIDIA, ce qui n'est même pas suffisant pour former la prochaine génération de modèles, mais c'est assez pour aider Huawei à faire fonctionner l'écosystème en premier.

Liang Wenfeng appelle cela « aider Huawei à bien faire cela d'abord ». Il ne s'attend pas à utiliser ces cartes pour former de plus grands modèles ; il prépare le terrain pour l'avenir.

Encore plus intéressant est le récit de rattrapage qu'il fournit : Dans le passé, l'IA chinoise utilisait un vingtième de la puissance de calcul des autres pour produire des choses comparables tout en ayant un à deux ans de retard.

À l'avenir, ce « temps de retard » doit être compressé d'un ou deux ans à trois à six mois, tandis que l'écart de puissance de calcul reste tout aussi grand.

Pas en comptant sur plus de ressources, mais en comptant sur des méthodes plus intelligentes.

Cette approche « utiliser la force intelligente pour combler le fossé » se reflète également dans la façon dont l'entreprise se gère elle-même.

La moitié des chercheurs principaux étiquettent des données

Quelqu'un a demandé à Liang Wenfeng si le problème d'hallucination des grands modèles affecterait l'expérience utilisateur. Sa réponse a été très franche : L'hallucination n'est pas un problème insoluble. On peut l'améliorer avec un meilleur post-entraînement ; c'est juste que personne n'a encore mis beaucoup d'efforts pour le faire.

Chez DeepSeek, cela est classé comme un problème de produit ; il sera résolu, mais ce n'est pas la priorité.

Un détail plus mémorable que le problème d'hallucination est : La moitié des chercheurs principaux de DeepSeek étiquettent des données.

Ce n'est pas parce que l'étiquetage de données est bon marché en Chine. Au contraire, Liang Wenfeng a déclaré que le coût de l'étiquetage de données de haute qualité en Chine n'est pas différent de celui des États-Unis, en particulier pour les données haut de gamme où il n'y a aucun avantage de coût.

La stratégie actuelle est donc une approche à deux volets : étiqueter d'abord les données à faible coût et mettre de côté les données à coût élevé pour le moment.

Il juge que c'est une question de temps, pas de capital.

OpenAI et Anthropic ont commencé plus tôt et fonctionnent depuis longtemps. La Chine n'a commencé à investir sérieusement qu'il y a environ six mois, mais on s'attend à ce que la majeure partie de l'écart puisse être comblée en un an.

Une entreprise sans organisation : qu'est-ce qui rassemble les gens ?

Liang Wenfeng a déclaré que DeepSeek « n'a pas d'organisation » et est motivé par la vision.

Le fonctionnement concret : La gestion de l'entreprise est divisée en deux lignes. L'une est descendante pour les projets collectifs, comme la sortie de V4 qui nécessite une collaboration et une division du travail à l'échelle de l'entreprise ; cette partie est appelée « formelle ». L'autre est ascendante, où chacun fait ce qu'il veut ; personne ne les gère, et il n'y a pas de KPI.

Le standard que Liang Wenfeng se fixe est : Le travail formel ne doit pas prendre plus de la moitié du temps d'un employé.

Il y a deux considérations derrière cela.

Premièrement, la recherche nécessite un environnement détendu. Forcer trop rend impossible l'exploration de nouvelles choses. Puisque l'objectif est de stimuler l'intérêt spontané, il faut laisser de la place pour des « idées folles ».

Deuxièmement, DeepSeek est suffisamment concentré pour qu'il y ait peu de choses à faire. Les produits de l'entreprise sont généralement imparfaits, et ils n'ont pas mis d'efforts à les corriger, ce qui est en soi un choix actif.

Ce style organisationnel n'a pas de modèle à copier.

Liang Wenfeng a déclaré que DeepSeek n'a imité aucune entreprise, y compris Bell Labs qui est souvent utilisé comme comparaison, car Bell Labs n'avait pas besoin d'être responsable de ses propres profits et pertes, alors que DeepSeek est en fin de compte une entreprise qui doit considérer comment survivre. Le gouvernement ne leur donnera pas un centime.

Chaque choix est un résultat calculé en fonction de la situation réelle, pas une réponse copiée.

Retour à cette liesse

En repensant maintenant à la liesse du jour de la baisse de prix du DDCP : Ce n'était pas une histoire isolée ; c'était un microcosme de tout l'algorithme de survie de cette entreprise.

La retenue à ne pas poursuivre la part maximale est parce que, dans un marché suffisamment grand, ceux qui sont avides seront éliminés en premier.

Ramasser des graines de sésame sans s'attarder, c'est parce que regarder les gains immédiats vous empêche de voir les plus grosses pastèques derrière.

Ne pas fabriquer de puces ni d'applications verticales, c'est parce que manger trop mène à une sortie précoce.

Choisir l'ordre le plus économique pour la route technique, c'est parce que l'énergie économisée peut être utilisée là où se trouvent les vrais goulots d'étranglement.

Avoir la moitié des chercheurs à étiqueter des données, c'est parce que le fossé que la puissance de calcul ne peut pas combler ne peut être comblé qu'avec une base plus solide.

Ces décisions semblent sans rapport en surface, mais elles sont en fait différentes façons d'écrire la même phrase : Dans une voie suffisamment grande, ne pas calculer précisément combien vous pouvez obtenir maintenant est la condition préalable pour en obtenir plus.

C'est une méthode de jugement qui peut être directement utilisée par quiconque dans une industrie concurrentielle.

La prochaine fois que vous serez confronté à un choix entre « combien puis-je obtenir maintenant » et « combien puis-je obtenir à l'avenir », ne vous précipitez pas pour calculer le compte immédiat.

Posez une question plus fondamentale : Cette affaire, parce que vous en prenez trop maintenant, va-t-elle attirer prématurément un concurrent prêt à en prendre moins ?

Si la réponse est oui, alors quelle que soit la tentation du gain à court terme, cela ne vaut pas la peine d'échanger la probabilité de survie contre elle.