Что обсуждалось на записи встречи основателя DeepSeek Лян Вэньфэна с инвесторами

С прошлой ночи публичные аккаунты WeChat в бешеном темпе перепечатывают запись выступления Лян Вэньфэна из DeepSeek, используя ИИ для создания кратких пересказов и статей.

Скачать PDF-расшифровку оригинальной записи

📎

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

У DeepSeek есть модель под названием DDCP. В день, когда её цену снизили до четверти от первоначальной, в общем чате компании царило ликование.

На обычном финансовом совещании любой компании снижение цены означает падение доходов — это плохая новость, за которую обычно ругают.

DeepSeek же воспринял это как повод для праздника.

В ходе этой трёхчасовой сорокачетырёхминутной встречи Лян Вэньфэн неоднократно повторял одно: У них нет денег, нет козырей, нет известности, в команде нет топ-специалистов, и даже он сам не окончил лучший вуз.

Как группа обычных людей за два года смогла создать нечто, заставившее весь мир нервничать?

Парадоксальное суждение Лян Вэньфэна: В сфере ИИ тот, кто хочет забрать больше всех, проиграет первым.

Чем больше берёшь, тем быстрее погибаешь

Лян Вэньфэн провёл расчёт. Предположим, что в конечном итоге ИИ сможет потреблять 10% мирового ВВП, и OpenAI хочет забрать себе 5% от этого объёма; теоретически такой расчёт верен.

Но как только появляется конкурент, который готов взять лишь 1%, он может раздавить первого за счёт более низкой цены.

Затем найдётся кто-то ещё, кто захочет лишь 0,1%, и тоже раздавит предыдущего.

Эта цепочка будет катиться вниз до тех пор, пока не достигнет точки равновесия: если ты берёшь слишком мало, бизнес-модель не выдерживает, и ты естественным образом отсеиваешься; если берёшь слишком много, тебя слой за слоем выдавливают те, кто берёт меньше.

Лян Вэньфэн сказал прямо: Он нисколько не сомневается, что AGI будет иметь огромную коммерческую ценность, но его больше волнует не то, как получить большую долю, а то, как повысить вероятность её появления.

А способ повысить эту вероятность — как раз активно сокращать долю, которую он хочет забрать.

Применяя эту логику к ценообразованию, API DeepSeek рассчитан на окупаемость за десять месяцев, что соответствует примерно шестикратной прибыли.

Это не максимизация прибыли. Если бы они действительно хотели максимизировать прибыль, цену следовало бы установить выше, потому что спрос пользователей в текущем диапазоне неэластичен: повышение цены не приведёт к значительному снижению потребления.

Но шестикратная прибыль активно зафиксирована в качестве верхнего предела по очень практической причине: Если удерживать маржу прибыли достаточно низкой, третьим лицам станет невыгодно перехватывать бизнес, разворачивая собственные модели с открытым исходным кодом.

Открытый исходный код и низкая прибыль — две стороны одной медали.

Вместо того чтобы полагаться на закрытый исходный код для запирания прибыли, они полагаются на сжатие прибыли до уровня, который другие не могут себе позволить воспроизвести, тем самым сохраняя сам рынок.

Лян Вэньфэн подсчитал, что если бы они действительно захотели заработать стократную прибыль, открытый исходный код стал бы уязвимостью, поскольку затраты на развёртывание у третьих сторон могли бы составлять всего одну двадцатую от их собственных.

Но DeepSeek с самого начала и не собирался идти по этому пути.

Он не беспокоится об открытом исходном коде, потому что никогда не думал о том, чтобы заработать стократную прибыль за счёт вертикальной монополии.

Эта логика «намеренного заработка меньшего» объясняет почти каждое, на первый взгляд, убыточное решение, принимаемое этой компанией.

Кунжут впереди, арбузы позади

В прошлый китайский Новый год потребительская аудитория DeepSeek (C-сегмент) внезапно резко выросла.

Это не входило в планы. Команда даже подумывала не обслуживать этих пользователей, но те «не уходили» и в итоге остались.

Объяснение Лян Вэньфэна этого феномена просто: Если считать приоритетом то, что можно схватить прямо перед носом, вы упустите более крупные возможности.

Он называет это «собиранием кунжута». Прошлогодний трафик C-сегмента и нынешняя выручка B-сегмента (бизнес-сегмента) — это, по его мнению, всего лишь кунжут; подобрать его по пути достаточно, и не стоит останавливаться ради этого.

Настоящий арбуз — это AGI, а возможность для AGI всегда достаточно велика, так что нет нужды точно высчитывать, какую долю можно занять прямо сейчас.

Это приводит к интересному результату: DeepSeek создаёт продукты почти случайно.

Лян Вэньфэн сказал, что отправной точкой для обучения и API компании никогда не было хорошее обслуживание пользователей, а то, что этот этап необходимо пройти на пути к AGI. Пользователи и выручка — всего лишь побочные продукты, возникающие по ходу дела.

Эта стратегия, по его мнению, является формой удара по понижающему измерению: организация, ставящая целью AGI, вкладывает гораздо меньше мыслей в продукты C-сегмента и B-сегмента, чем компании, для которых сам продукт является целью, однако результаты не обязательно хуже.

Его объяснение: более масштабное видение позволяет лучше объединять талантливых специалистов; возникающее преимущество в талантах естественным образом перетекает на уровень продукта, становясь ударом по понижающему измерению.

И наоборот, компания, которая считает конечной целью «создание хорошего продукта», будет иметь преимущества в пользовательском опыте, трафике и обслуживании, но в плане вышестоящих технических возможностей она может никогда не догнать компанию, для которой технология сама по себе является конечной целью.

Та же самая сдержанность определяет и то, что DeepSeek выбирает не делать.

Никакого производства чипов, никакой полной производственной цепочки

Один инвестор спросил Лян Вэньфэна, не планирует ли он двигаться вверх по цепочке, чтобы делать чипы, или вниз, в вертикальные приложения вроде финансов или здравоохранения.

Он ответил «нет».

Причина — метафора с электростанцией: человеку, управляющему электростанцией, не нужно самому строить генератор. Пока он может купить его по разумной цене, зачем его строить?

Это продолжение той же логики «сдержанности».

Лян Вэньфэн сказал, что пирог ИИ достаточно велик, и в будущем появится много компаний стоимостью в триллионы долларов. DeepSeek нужно быть лишь одной из них, съедая только ту часть, в которой они сильны, и не нужно проглатывать всю отраслевую цепочку.

Чрезмерное потребление, наоборот, приведёт к преждевременному уходу.

То же отношение применяется и к конкурентам.

Лян Вэньфэн сказал, что DeepSeek готов помочь Alibaba, Zhipu и Moonshot AI лучше воспроизводить модели с открытым исходным кодом, потому что это не вредит их собственным интересам.

Звучит вежливо, но базовый алгоритм последователен: Если рынок достаточно большой, то успехи других — не угроза; плохие результаты других, подрывающие доверие ко всей экосистеме, — вот настоящая потеря.

Сдержанность объясняет, что DeepSeek не делает.

А что касается того, что он будет делать, ответ — это техническая лестница, которая уже давно продумана.

Лестница, по которой можно подняться без переработок

Лян Вэньфэн описывает эволюцию технологий ИИ как подъём по лестнице слой за слоем, где каждый шаг строится на предыдущем, и ни один шаг не пропадает даром.

Прошлогодним шагом была Цепочка Мыслей (CoT), позволяющая модели учиться думать самостоятельно, продвигая верхний предел интеллекта ещё на шаг вперёд, уже превосходя лучших людей в кодировании и задачах математической олимпиады.

Шаг этого года — Агенты, расширяющие границы возможностей за счёт выполнения многошаговых задач.

Но и путь Агентов тоже достигнет своего предела.

После достижения предела модель всё ещё не сможет заменить реального сотрудника.

Лян Вэньфэн привёл очень подходящий пример: когда новый сотрудник приходит на работу, он тратит два месяца на знакомство с обстановкой. После этого, если сказать «позови Сяо Вана», он понимает.

ИИ не хватает этих двух месяцев накопления; вам нужно объяснить, кто такой Сяо Ван, где он находится и какую должность занимает, прежде чем он сможет выполнить задачу.

Это ограничение «необходимости предоставления полного контекста» — невидимая стена между нынешним ИИ и настоящим интеллектом.

Следующий шаг, который нужно преодолеть, — непрерывное обучение: Сможет ли модель, подобно новому сотруднику, самостоятельно накапливать опыт через постоянный контакт с окружающей средой, а не полагаться на то, что люди каждый раз будут вкладывать контекст ей в рот?

Как только непрерывное обучение будет решено, появится этап, который Лян Вэньфэн называет «сингулярностью»: Возможности модели будут достаточно сильны, чтобы итерировать следующую версию самой себя, проводить собственные исследования и разрабатывать более продвинутое следующее поколение.

Он особо подчеркнул, что эта сингулярность — не внезапная мутация, а постепенный, непрерывный процесс, хотя её принято называть сингулярностью.

Только после этого наступает очередь воплощённого интеллекта, когда роботы действительно входят в физический мир, чтобы делать работу по дому и ухаживать за пожилыми.

Что касается того, почему они следуют именно такому порядку, Лян Вэньфэн сказал: это самый энергоэффективный путь.

Решив сначала проблему непрерывного обучения, ИИ может ускорить каждый последующий шаг исследований и разработок, так что людям не придётся тащить всё на себе.

И наоборот, если бы они сначала занялись воплощённым интеллектом, это был бы горький и утомительный путь, построенный на человеческом труде, который DeepSeek не хочет выбирать.

Здесь есть одна деталь, на которой стоит задержаться: основная цель DeepSeek при обучении следующей версии модели — не в том, чтобы внешние пользователи могли хорошо её использовать, а в том, чтобы их собственная команда разрабатывала быстрее.

Модель сначала служит эффективности внутренних исследований и разработок, а затем попутно приносит пользу внешним пользователям.

Этот порядок приоритетов в некоторой степени определяет последовательность почти всех распределений ресурсов в этой компании.

20 000 карт и растворяющийся ров

Говоря о разрыве между Китаем и США, Лян Вэньфэн высказался очень прямо: Таланты — не узкое место; узкое место — это вычислительная мощность.

В Китае нет недостатка в талантах в области ИИ; база достаточно велика, и распределение умных людей случайно. Не существует такого понятия, как «все самые умные люди уехали в США».

Настоящее узкое место — это ресурсы.

Цифры очень прямые: в настоящее время у DeepSeek около 20 000 вычислительных карт, эквивалентных серии H, большинство из которых поступили только за последний месяц или два.

Чтобы обучить модель того же уровня, что и текущие крупнейшие модели (с примерно 800B активированных параметров), нужно 50 000 карт GB300 или 200 000 новейших карт Huawei. Это только для самого обучения, не включая огромные экспериментальные затраты на этапе исследований.

Текущие ресурсы DeepSeek могут поддерживать эксперименты в масштабе десятков миллиардов активированных параметров, что всё ещё на порядок меньше 800B.

Что касается отечественных чипов, оценка Лян Вэньфэна была неожиданно оптимистичной.

Он считает, что экологический ров CUDA одновременно разрушается тремя силами: сам ИИ может помогать писать код, значительно снижая порог для создания экосистемы; языки высокого уровня, такие как TileLang, могут быстро переписать всю систему операторов CUDA; игровые карты и вычислительные карты изначально имели общую архитектуру, потому что рынок ИИ-вычислений был меньше игрового, но теперь рынок вычислений стал больше, и их больше не нужно связывать вместе — специализированные чипы становятся мейнстримом.

Он дал конкретную временную оценку: В течение следующего года факт того, что экосистема отечественных чипов в порядке, будет доказан на деле.

Единственное оставшееся препятствие — производственные мощности.

Конкретное сравнение цена/производительность также очень прямое: Суперузел Huawei 950 может заменить GB200 и GB300 от NVIDIA по производительности и цене, ценой необходимости использовать четыре карты для замены одной, при этом отставая на два года. Неважно, если он на 50–200% дороже, главное, чтобы его можно было купить.

В настоящее время DeepSeek получает от Huawei около 16 000 карт мощностей. Этот объём эквивалентен всего 4 000 картам NVIDIA, чего даже недостаточно для обучения модели следующего поколения, но достаточно, чтобы помочь Huawei сначала запустить экосистему.

Лян Вэньфэн называет это «помочь Huawei сначала сделать это хорошо». Он не рассчитывает полагаться на эти карты для обучения более крупных моделей; он прокладывает путь для будущего.

Ещё более интересна предложенная им нарративная модель догоняющего развития: В прошлом китайский ИИ использовал одну двадцатую вычислительной мощности других, чтобы производить сопоставимые вещи, отставая при этом на один-два года.

В будущем это «время отставания» нужно сжать с одного-двух лет до трёх-шести месяцев, при том что разрыв в вычислительной мощности останется таким же большим.

Не за счёт большего количества ресурсов, а за счёт более умных методов.

Этот подход «использования умной силы для преодоления разрыва» также отражается в том, как компания управляет собой.

Половина ведущих исследователей размечают данные

Кто-то спросил Лян Вэньфэна, не повлияет ли проблема галлюцинаций больших языковых моделей на пользовательский опыт. Его ответ был очень откровенным: Галлюцинации — это не неразрешимая проблема. Её можно улучшить с помощью лучшего пост-тренинга; просто никто ещё не приложил много усилий для этого.

Внутри DeepSeek это классифицируется как проблема продукта; она будет решена, но не является приоритетом.

Деталь, которую стоит запомнить больше, чем проблема галлюцинаций, — это: Половина ведущих исследователей DeepSeek размечают данные.

Это не потому, что разметка данных в Китае дешёвая. Напротив, Лян Вэньфэн сказал, что стоимость качественной разметки данных в Китае не отличается от таковой в США, особенно для высококлассных данных, где нет никакого преимущества в стоимости.

Поэтому текущая стратегия — двойной подход: сначала разметить дешёвые данные, а дорогие пока отложить.

Он считает, что это вопрос времени, а не капитала.

OpenAI и Anthropic начали раньше и работают уже долгое время. Китай начал серьёзно вкладываться только около шести месяцев назад, но ожидается, что большую часть разрыва можно будет закрыть в течение года.

Компания без организации: что удерживает людей вместе?

Лян Вэньфэн сказал, что у DeepSeek «нет организации», и всё движется за счёт видения.

Конкретная работа: Управление компанией разделено на две линии. Одна — сверху вниз для коллективных проектов, например, выпуск V4 требует совместной работы всех сотрудников и разделения труда; эта часть называется «формальной». Другая — снизу вверх, где каждый исследует то, что хочет; никто ими не управляет, и нет KPI.

Стандарт, который Лян Вэньфэн устанавливает для себя: Формальная работа не должна занимать больше половины времени сотрудника.

За этим стоят два соображения.

Во-первых, исследования требуют расслабленной обстановки. Слишком сильное давление делает невозможным исследование нового. Поскольку цель — стимулировать спонтанный интерес, нужно оставлять пространство для «свободных мыслей».

Во-вторых, DeepSeek достаточно сфокусирован, так что дел мало. Продукты компании в целом несовершенны, и они не прилагают усилий для их исправления, что само по себе является активным выбором.

У такого организационного стиля нет шаблона для копирования.

Лян Вэньфэн сказал, что DeepSeek не подражал ни одной компании, включая Bell Labs, которую часто приводят для сравнения, потому что Bell Labs не нужно было отвечать за свои прибыли и убытки, тогда как DeepSeek в конечном счёте — компания, которая должна думать о том, как выжить. Правительство не даст им ни цента.

Каждый выбор — это результат, рассчитанный на основе реальной ситуации, а не скопированный ответ.

Возвращаясь к тому ликованию

Оглядываясь сейчас на ликование в день снижения цен на DDCP: Это была не изолированная история; это был микрокосм всего алгоритма выживания этой компании.

Сдержанность в отказе от максимальной доли — потому что на достаточно большом рынке жадные будут выдавлены первыми.

Собирание кунжута без задержки — потому что, уставившись на сиюминутную выгоду, вы не увидите более крупных арбузов позади.

Отказ от производства чипов или вертикальных приложений — потому что излишнее потребление приводит к преждевременному уходу.

Выбор наиболее энергоэффективного порядка для технического маршрута — потому что сэкономленную энергию можно использовать там, где находятся настоящие узкие места.

Привлечение половины исследователей к разметке данных — потому что разрыв, который не может заполнить вычислительная мощность, можно заполнить только более прочным фундаментом.

Эти решения на первый взгляд кажутся несвязанными, но на самом деле это разные способы написания одного и того же предложения: На достаточно большом треке отказ от точного расчёта того, сколько ты можешь получить прямо сейчас, является предпосылкой для получения большего.

Это метод оценки, который может напрямую использовать любой человек в конкурентной отрасли.

В следующий раз, когда вы столкнётесь с выбором между «сколько я могу получить сейчас» и «сколько я могу получить в будущем», не спешите подсчитывать сиюминутную выгоду.

Задайте более фундаментальный вопрос: Не приведёт ли это дело, из-за того, что вы берёте слишком много сейчас, к преждевременному появлению конкурента, который готов взять меньше?

Если ответ «да», то, какой бы заманчивой ни была краткосрочная выгода, не стоит жертвовать ради неё вероятностью выживания.