Про що йшлося у записі зустрічі засновника DeepSeek Лян Веньфена з інвесторами

Від учорашнього вечора китайські публічні акаунти WeChat шалено репостять запис розмови з Лян Веньфеном із DeepSeek, використовуючи ШІ для підсумовування та написання статей.

Завантажити стенограму оригінального запису у форматі PDF

📎

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

У DeepSeek є модель під назвою DDCP. У день, коли ціну на неї знизили до чверті від початкової, у корпоративному чаті компанії лунали радісні вигуки.

У звичайній компанії на фінансовій нараді зниження ціни означає падіння доходу і є поганою новиною, за яку лають.

DeepSeek сприйняв це як момент, вартий святкування.

Під час цієї тригодинної сорокачотирихвилинної зустрічі Лян Веньфен неодноразово повторював одне: У них немає грошей, немає ресурсів, немає слави, немає найкращих талантів у команді, і навіть він сам не закінчив найкращий університет.

Як групі звичайних людей вдалося за два роки створити те, що змусило весь світ нервувати?

Контрінтуїтивне судження Лян Веньфена: У справі ШІ ті, хто хоче взяти найбільше, програють першими.

Чим більше береш, тим швидше програєш

Лян Веньфен зробив розрахунок. Припустимо, що ШІ врешті-решт зможе споживати 10% світового ВВП, і OpenAI хоче взяти 5% цього обсягу; цей розрахунок теоретично обґрунтований.

Але як тільки з'являється конкурент, який готовий взяти лише 1%, він може знищити попереднього за допомогою нижчої ціни.

Тоді з'явиться хтось інший, хто захоче лише 0,1%, знищуючи попереднього.

Цей ланцюг продовжуватиме котитися вниз, доки не досягне точки рівноваги: якщо береш занадто мало, бізнес-модель не витримує, і ти природним чином вибуваєш; якщо береш занадто багато, тебе поступово витісняють ті, хто бере менше.

Лян Веньфен сказав прямо: Він не сумнівається, що AGI матиме величезну комерційну цінність, але його більше хвилює не те, як отримати більшу частку, а як збільшити ймовірність того, що це станеться.

А спосіб збільшити цю ймовірність якраз і полягає в тому, щоб активно зменшувати частку, яку він хоче взяти.

Застосовуючи цю логіку до ціноутворення, API DeepSeek розрахований на те, щоб окупитися за десять місяців, що відповідає приблизно шестиразовому прибутку.

Це не максимізація прибутку. Якби вони справді хотіли максимізувати прибуток, ціну слід було б встановити вище, тому що попит користувачів у поточному діапазоні нееластичний; підвищення ціни не призвело б до значного зниження споживання.

Але шестиразовий прибуток активно зафіксований як верхня межа з дуже практичної причини: Утримуючи маржу прибутку достатньо низькою, третім сторонам стає невигідно переманювати бізнес, розгортаючи власні моделі з відкритим кодом.

Відкритий код і низький прибуток — це дві сторони однієї медалі.

Замість того, щоб покладатися на закритий код для отримання прибутку, вони покладаються на стиснення прибутку до рівня, який інші не можуть собі дозволити відтворити, тим самим зберігаючи сам ринок.

Лян Веньфен підрахував, що якби вони справді хотіли заробити стократний прибуток, відкритий код став би вразливістю, оскільки витрати на розгортання третьою стороною могли б становити лише одну двадцяту їхніх витрат.

Але DeepSeek ніколи не мав наміру йти цим шляхом від самого початку.

Він не хвилюється через відкритий код, тому що ніколи не думав про заробіток стократного прибутку через вертикальну монополію.

Ця логіка «навмисного заробляння менше» пояснює майже кожне, на перший погляд, невигідне рішення цієї компанії.

Кунжут попереду, кавуни позаду

Минулого китайського Нового року кількість користувачів з боку споживачів (C-end) DeepSeek раптово вибухнула.

Це не входило в плани. Команда навіть розглядала можливість не обслуговувати цих користувачів, але користувачів «не вдалося прогнати», і вони врешті-решт залишилися.

Пояснення Лян Веньфена цього явища було прямолінійним: Ставлення до речей, які можна взяти прямо перед собою, як до найвищого пріоритету, змусить вас втратити більші можливості.

Він називає це «підбиранням кунжуту». Торішній трафік C-end та цьогорічний дохід з боку бізнесу (B-end) — це, на його думку, лише кунжут; підібрати їх мимохідь достатньо; не варто зупинятися заради них.

Справжній кавун — це AGI, і можливість для AGI завжди достатньо велика, щоб не потрібно було точно розраховувати, яку частку можна зайняти прямо зараз.

Це призводить до цікавого результату: DeepSeek створює продукти майже випадково.

Лян Веньфен сказав, що відправною точкою для навчання та API компанії ніколи не було добре обслуговувати користувачів, а тому, що цей крок необхідно пройти на шляху до AGI. Користувачі та дохід — це лише побічні продукти, створені в процесі.

Ця стратегія, на його думку, є формою удару зі зниженням розмірності: організація, яка має AGI своєю метою, приділяє значно менше уваги продуктам C-end та B-end, ніж компанії, які вважають сам продукт метою, але результати не обов'язково гірші.

Його пояснення полягає в тому, що ширше бачення може краще об'єднати найкращі таланти; отримана перевага в талантах природним чином перетече на рівень продукту, ставши ударом зі зниженням розмірності.

І навпаки, компанія, яка вважає кінцевою метою «створення хорошого продукту», матиме переваги в досвіді продукту, трафіку та обслуговуванні користувачів, але з точки зору вищестоящих технічних можливостей вона може ніколи не наздогнати компанію, яка вважає кінцевою метою саму технологію.

Та сама стриманість також визначає речі, які DeepSeek вирішує не робити.

Без виробництва чипів, без повного промислового ланцюга

Один інвестор запитав Лян Веньфена, чи збирається він рухатися вгору по ланцюгу, щоб виробляти чипи, чи вниз, у вертикальні додатки, такі як фінанси чи охорона здоров'я.

Його відповідь була «ні».

Причина — метафора електростанції: людині, яка керує електростанцією, не потрібно будувати генератор самостійно. Якщо вона може купити його за розумною ціною, навіщо його будувати?

Це продовження тієї ж логіки «стриманості».

Лян Веньфен сказав, що пиріг ШІ досить великий, і в майбутньому з'явиться багато компаній вартістю в трильйони доларів. DeepSeek потрібно бути лише однією з них, з'їдаючи лише ту частину, в якій вона найкраща, не потребуючи проковтнути весь промисловий ланцюг.

Занадто велике споживання призведе до передчасного виходу з гри.

Те саме ставлення поширюється на конкурентів.

Лян Веньфен сказав, що DeepSeek готовий допомогти Alibaba, Zhipu та Moonshot AI відтворити кращі моделі з відкритим кодом, тому що це не шкодить їхнім власним інтересам.

Це звучить ввічливо, але основна логіка незмінна: Якщо ринок достатньо великий, успіхи інших не є загрозою; невдачі інших, які підривають довіру до всієї екосистеми, — ось справжня втрата.

Стриманість пояснює, чого DeepSeek не робить.

Щодо того, що він робитиме, відповідь — це технічна драбина, яку давно продумали.

Драбина, якою можна піднятися без понаднормової роботи

Лян Веньфен описує еволюцію технології ШІ як підйом по драбині шар за шаром, де кожен крок побудований на попередньому, і жоден крок не є зайвим.

Минулорічним кроком був Ланцюжок думок (CoT), який дозволив моделі навчитися мислити самостійно, просунувши верхню межу інтелекту на крок далі, вже перевершивши найкращих людей у програмуванні та завданнях Математичної олімпіади.

Цьогорічний крок — це Агенти, які розширюють межі можливостей за допомогою багатокрокового виконання завдань.

Але шлях Агентів також досягне своєї кінцевої точки.

Після досягнення кінцевої точки модель все ще не може замінити реального співробітника.

Лян Веньфен навів дуже влучний приклад: Коли новий співробітник приєднується, він витрачає два місяці на ознайомлення з середовищем. Після цього, якщо сказати «поклич Сяо Вана», він зрозуміє.

ШІ не вистачає цих двох місяців накопичення; ви повинні пояснити, хто такий Сяо Ван, де він знаходиться і яка його посада, перш ніж він зможе виконати завдання.

Це обмеження «необхідності надавати повний контекст» є невидимою стіною між сучасним ШІ та справжнім інтелектом.

Наступний крок, який потрібно подолати, — це безперервне навчання: Чи може модель, як новий співробітник, накопичувати досвід самостійно через постійний контакт із середовищем, а не покладатися на те, що люди щоразу будуть вкладати контекст їй у рот?

Як тільки безперервне навчання буде вирішено, з'явиться етап, який Лян Веньфен називає «сингулярністю»: Можливості моделі будуть достатньо сильними, щоб самостійно ітерувати наступну версію моделі, проводити власні дослідження та розробляти більш просунуте наступне покоління.

Він спеціально підкреслив, що ця сингулярність не є раптовою мутацією, а поступовим, безперервним процесом, хоча її зазвичай називають сингулярністю.

Лише після цього настає черга втіленого інтелекту, коли роботи справді входять у фізичний світ, щоб виконувати домашню роботу та доглядати за літніми людьми.

Що стосується того, чому вони дотримуються такого порядку, Лян Веньфен сказав: Це найбільш енергоефективний шлях.

Вирішивши спочатку безперервне навчання, ШІ може допомогти прискорити кожен наступний крок досліджень і розробок, тому людям не доведеться все тягнути на собі.

І навпаки, якби вони спочатку зайнялися втіленим інтелектом, це був би важкий і виснажливий шлях, побудований на людській праці, який DeepSeek не хоче обирати.

Тут є одна деталь, на якій варто зупинитися: Основна мета DeepSeek при навчанні наступної версії моделі полягає не в тому, щоб зовнішні користувачі добре нею користувалися, а в тому, щоб їхня власна команда розвивалася швидше.

Модель спочатку служить внутрішній ефективності R&D, а потім вже побічно приносить користь зовнішнім користувачам.

Цей порядок пріоритетів певною мірою визначає послідовність майже всіх розподілів ресурсів у цій компанії.

20 000 карт і рів, що тане

Говорячи про розрив між Китаєм та США, судження Лян Веньфена було дуже прямолінійним: Талант не є вузьким місцем; вузьке місце — це обчислювальна потужність.

Китаю не бракує талантів у сфері ШІ; база достатньо велика, і розподіл розумних людей є випадковим. Не існує такого поняття, як «всі найрозумніші люди поїхали до США».

Справжнє вузьке місце — це ресурси.

Цифри дуже прямі: DeepSeek наразі має близько 20 000 обчислювальних карт, еквівалентних серії H, більшість з яких надійшли лише за останній місяць або два.

Щоб навчити модель того ж рівня, що й поточні найбільші моделі (з приблизно 800B активованих параметрів), потрібно 50 000 карт GB300 або 200 000 найновіших карт Huawei. Це лише для самого навчання, не враховуючи величезних експериментальних витрат під час дослідницької фази.

Поточні ресурси DeepSeek можуть підтримувати експерименти в масштабі десятків мільярдів активованих параметрів, що все ще на порядок менше, ніж 800B.

Щодо вітчизняних чипів, судження Лян Веньфена було несподівано оптимістичним.

Він вважає, що екологічний рів CUDA демонтується одночасно трьома силами: сам ШІ може допомогти писати код, значно знижуючи поріг для створення екосистеми; мови високого рівня, такі як TileLang, можуть швидко переписати всю систему операторів CUDA; ігрові та обчислювальні карти спочатку мали спільну архітектуру, оскільки ринок обчислень ШІ був меншим за ігровий, але тепер ринок обчислень став більшим, і вони більше не повинні бути прив'язані один до одного — спеціалізовані чипи стають мейнстримом.

Він навів конкретну часову оцінку: Протягом наступного року той факт, що екосистема вітчизняних чипів у порядку, буде доведений фактами.

Єдиною перешкодою, що залишається, є виробнича потужність.

Конкретне порівняння ціни та продуктивності також дуже пряме: Супервузол Huawei 950 може замінити GB200 та GB300 від NVIDIA за продуктивністю та ціною, ціною необхідності використовувати чотири карти замість однієї, відстаючи на два роки. Неважливо, якщо це на 50% або 200% дорожче, доки його можна купити.

DeepSeek наразі отримує близько 16 000 карт потужності від Huawei. Цей обсяг еквівалентний лише 4 000 карт NVIDIA, чого недостатньо навіть для навчання наступного покоління моделей, але достатньо, щоб спочатку допомогти Huawei запустити екосистему.

Лян Веньфен називає це «допомогти Huawei спочатку зробити це добре». Він не очікує покладатися на ці карти для навчання більших моделей; він прокладає шлях для майбутнього.

Ще цікавішою є наративна лінія наздоганяння, яку він надає: У минулому китайський ШІ використовував одну двадцяту обчислювальної потужності інших, щоб створювати порівнянні речі, відстаючи на один-два роки.

У майбутньому цей «час відставання» потрібно скоротити з одного-двох років до трьох-шести місяців, при цьому розрив в обчислювальній потужності залишатиметься таким же великим.

Не покладаючись на більше ресурсів, а покладаючись на розумніші методи.

Цей підхід «використання розумної сили для подолання розриву» також відображається в тому, як компанія керує собою.

Половина основних дослідників займаються розміткою даних

Хтось запитав Лян Веньфена, чи вплине проблема галюцинацій великих мовних моделей на досвід користувачів. Його відповідь була дуже відвертою: Галюцинація — це не нерозв'язна проблема. Її можна покращити за допомогою кращого пост-тренування; просто ніхто ще не доклав значних зусиль, щоб це зробити.

У DeepSeek це класифікують як проблему продукту; її вирішать, але це не є фокусом.

Деталь, яка запам'ятовується більше, ніж проблема галюцинацій: Половина основних дослідників DeepSeek займаються розміткою даних.

Це не тому, що розмітка даних дешева в Китаї. Навпаки, Лян Веньфен сказав, що вартість високоякісної розмітки даних у Китаї не відрізняється від вартості в США, особливо для високоякісних даних, де взагалі немає переваги у вартості.

Тому поточна стратегія є двостороннім підходом: спочатку розмітити дешевші, а дорожчі поки відкласти.

Він вважає, що це питання часу, а не капіталу.

OpenAI та Anthropic почали раніше і працюють уже давно. Китай почав серйозно інвестувати лише близько шести місяців тому, але очікується, що більшу частину розриву можна подолати протягом року.

Компанія без організації: Що утримує людей разом?

Лян Веньфен сказав, що DeepSeek «не має організації» і керується баченням.

Конкретна робота: Управління компанією поділено на дві лінії. Одна — зверху вниз для колективних проектів, наприклад, випуск V4, який потребує співпраці та розподілу праці всього персоналу; ця частина називається «формальною». Інша — знизу вгору, де кожен досліджує те, що хоче; ніхто ними не керує, і немає KPI.

Стандарт, який Лян Веньфен встановлює для себе: Формальна робота не повинна займати більше половини часу співробітника.

За цим стоять дві міркування.

По-перше, дослідження потребують розслабленого середовища. Занадто сильний тиск унеможливлює дослідження нового. Оскільки мета — стимулювати спонтанний інтерес, необхідно залишити простір для «дикого мислення».

По-друге, DeepSeek досить сфокусований, тому справ для виконання небагато. Продукти компанії загалом недосконалі, і вони не докладають зусиль для їх виправлення, що саме по собі є активним вибором.

Цей організаційний стиль не має шаблону для копіювання.

Лян Веньфен сказав, що DeepSeek не наслідував жодну компанію, включаючи Bell Labs, яку часто використовують для порівняння, тому що Bell Labs не потрібно було відповідати за власні прибутки та збитки, тоді як DeepSeek врешті-решт є компанією, яка повинна думати про те, як вижити. Уряд не дасть їм жодного цента.

Кожен вибір є результатом, розрахованим на основі поточної реальної ситуації, а не скопійованою відповіддю.

Повертаючись до того радісного вигуку

Озираючись зараз на той радісний вигук у день зниження ціни DDCP: Це не була ізольована історія; це була мікрокосмос усієї стратегії виживання цієї компанії.

Стриманість у відмові від максимізації частки — тому що на достатньо великому ринку жадібних витіснять першими.

Підбирання кунжуту без затримки — тому що зосередження на негайній вигоді завадить побачити більші кавуни позаду.

Відмова від виробництва чипів або вертикальних додатків — тому що занадто велике споживання призводить до передчасного виходу з гри.

Вибір найбільш енергоефективного порядку для технічного маршруту — тому що збережена енергія може бути використана там, де знаходяться справжні вузькі місця.

Зайняття половини дослідників розміткою даних — тому що розрив, який не може заповнити обчислювальна потужність, можна заповнити лише більш міцною основою.

Ці рішення здаються непов'язаними на поверхні, але насправді вони є різними способами написання одного й того ж речення: На достатньо великому шляху, відмова від точного розрахунку того, скільки ви можете отримати зараз, є передумовою для отримання більшого.

Це метод судження, який може безпосередньо використовувати будь-хто в конкурентній галузі.

Наступного разу, коли ви зіткнетеся з вибором між «скільки я можу отримати зараз» і «скільки я можу отримати в майбутньому», не поспішайте розраховувати негайний рахунок.

Поставте більш фундаментальне запитання: Чи призведе ця справа, через те, що ви берете занадто багато зараз, до передчасного залучення конкурента, який готовий взяти менше?

Якщо відповідь «так», то, незалежно від того, наскільки привабливим є короткостроковий прибуток, не варто обмінювати ймовірність виживання на нього.