Những nội dung được tiết lộ trong bản ghi âm cuộc họp nhà đầu tư của nhà sáng lập DeepSeek, Lương Văn Phong

Kể từ tối qua, các tài khoản công khai trên WeChat đã liên tục chia sẻ đoạn ghi âm của Liang Wenfeng (DeepSeek), sử dụng AI để tóm tắt và viết bài.

Tải xuống bản PDF ghi chép cuộc trò chuyện gốc

📎

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

DeepSeek có một mô hình tên là DDCP. Vào ngày giá của nó bị cắt giảm xuống còn một phần tư so với ban đầu, group chat của công ty tràn ngập những tiếng reo hò.

Trong một cuộc họp tài chính thông thường, việc giảm giá đồng nghĩa với doanh thu sụt giảm và là tin xấu dẫn đến những lời chỉ trích.

DeepSeek lại coi đó là khoảnh khắc đáng ăn mừng.

Trong cuộc họp kéo dài ba giờ bốn mươi bốn phút này, Liang Wenfeng nhiều lần nhấn mạnh một điều: Họ không có tiền, không có thế mạnh, không có danh tiếng, không có nhân tài hàng đầu trong đội ngũ, và thậm chí bản thân ông cũng không tốt nghiệp từ ngôi trường tốt nhất.

Làm thế nào một nhóm người bình thường lại có thể tạo ra thứ gì đó trong hai năm khiến cả thế giới phải căng thẳng?

Phán đoán phản trực giác của Liang Wenfeng: Trong vấn đề AI, ai muốn lấy nhiều nhất sẽ thua trước.

Càng Lấy Nhiều, Càng Chết Nhanh

Liang Wenfeng đã tính toán. Giả sử AI cuối cùng có thể tiêu thụ 10% GDP toàn cầu, và OpenAI muốn lấy 5% trong số đó; tính toán này về mặt lý thuyết là hợp lý.

Nhưng chỉ cần xuất hiện một đối thủ cạnh tranh sẵn sàng chỉ lấy 1%, họ có thể đè bẹp đối thủ trước bằng mức giá thấp hơn.

Rồi sẽ có người khác chỉ muốn lấy 0.1%, cũng đè bẹp đối thủ trước đó.

Chuỗi này sẽ tiếp tục giảm dần cho đến khi đạt đến điểm cân bằng: nếu bạn lấy quá ít, mô hình kinh doanh không thể duy trì và bạn sẽ bị loại một cách tự nhiên; nếu bạn lấy quá nhiều, bạn sẽ bị chèn ép từng lớp bởi những người lấy ít hơn.

Liang Wenfeng nói thẳng: Ông không nghi ngờ rằng AGI sẽ có giá trị thương mại to lớn, nhưng thay vì cách để có được phần lớn hơn, ông quan tâm nhiều hơn đến cách tăng xác suất biến nó thành hiện thực.

Và cách để tăng xác suất đó chính là chủ động thu hẹp phần mà ông muốn lấy.

Áp dụng logic này vào định giá, API của DeepSeek được thiết kế để hòa vốn trong mười tháng, tương ứng với lợi nhuận khoảng sáu lần.

Đây không phải là tối đa hóa lợi nhuận. Nếu thực sự muốn tối đa hóa lợi nhuận, giá nên được đặt cao hơn vì nhu cầu của người dùng trong phạm vi hiện tại là không co giãn; tăng giá sẽ không làm giảm tiêu dùng đáng kể.

Nhưng lợi nhuận gấp sáu lần được chủ động khóa ở mức trần này vì một lý do rất thực tế: Bằng cách giữ biên lợi nhuận đủ thấp, việc bên thứ ba ăn cắp công việc kinh doanh bằng cách tự triển khai các mô hình mã nguồn mở sẽ không còn sinh lời.

Mã nguồn mở và lợi nhuận thấp là hai mặt của cùng một đồng xu.

Thay vì dựa vào mã nguồn đóng để khóa lợi nhuận, họ dựa vào việc nén lợi nhuận đến mức mà người khác không thể sao chép được, từ đó bảo vệ chính thị trường.

Liang Wenfeng tính toán rằng nếu thực sự muốn kiếm lợi nhuận gấp trăm lần, mã nguồn mở sẽ trở thành lỗ hổng, vì chi phí triển khai của bên thứ ba có thể chỉ bằng một phần hai mươi so với họ.

Nhưng DeepSeek chưa bao giờ có ý định đi theo con đường đó ngay từ đầu.

Ông không lo lắng về mã nguồn mở vì chưa bao giờ nghĩ đến việc kiếm lợi nhuận gấp trăm lần thông qua độc quyền theo chiều dọc.

Logic "cố tình kiếm ít hơn" này giải thích hầu hết mọi quyết định tưởng chừng như không sinh lời của công ty này.

Hạt Vừng Trước Mắt, Quả Dưa Hấu Phía Sau

Tết Nguyên đán năm ngoái, lượng người dùng cuối (C-end) của DeepSeek bùng nổ đột ngột.

Điều này không nằm trong kế hoạch. Nhóm thậm chí đã cân nhắc không duy trì những người dùng đó, nhưng họ "không thể đuổi đi" và cuối cùng vẫn ở lại.

Giải thích của Liang Wenfeng cho hiện tượng này rất thẳng thắn: Coi những thứ bạn có thể nắm bắt ngay trước mắt là ưu tiên hàng đầu sẽ khiến bạn đánh mất những cơ hội lớn hơn.

Ông gọi điều này là "nhặt hạt vừng." Lưu lượng truy cập C-end năm ngoái và doanh thu B-end năm nay, theo quan điểm của ông, chỉ là hạt vừng—nhặt qua đường là đủ; không đáng để dừng lại.

Quả dưa hấu thực sự là AGI, và cơ hội cho AGI luôn đủ lớn đến mức không cần tính toán chính xác mình có thể chiếm bao nhiêu phần ngay lúc này.

Điều này dẫn đến một kết quả thú vị: DeepSeek tạo ra sản phẩm gần như là tình cờ.

Liang Wenfeng nói rằng điểm khởi đầu cho việc đào tạo và API của công ty chưa bao giờ là phục vụ người dùng tốt, mà bởi vì bước này phải được thông qua trên con đường đến AGI. Người dùng và doanh thu chỉ là sản phẩm phụ được tạo ra trên đường đi.

Chiến lược này, trong mắt ông, là một dạng tấn công giảm chiều: một tổ chức có mục tiêu là AGI sẽ dành ít suy nghĩ cho các sản phẩm C-end và B-end hơn nhiều so với các công ty coi sản phẩm là mục tiêu, nhưng kết quả không nhất thiết phải tệ hơn.

Giải thích của ông là một tầm nhìn lớn hơn có thể đoàn kết những nhân tài hàng đầu tốt hơn; lợi thế nhân tài kết quả sẽ tự nhiên tràn vào cấp độ sản phẩm, trở thành một cuộc tấn công giảm chiều.

Ngược lại, một công ty coi "tạo ra sản phẩm tốt" là mục tiêu cuối cùng sẽ có lợi thế về trải nghiệm sản phẩm, lưu lượng truy cập và dịch vụ người dùng, nhưng về khả năng kỹ thuật thượng nguồn, nó có thể không bao giờ bắt kịp một công ty coi công nghệ là mục tiêu cuối cùng.

Sự kiềm chế tương tự cũng quyết định những điều DeepSeek chọn không làm.

Không Sản Xuất Chip, Không Chuỗi Công Nghiệp Đầy Đủ

Một nhà đầu tư hỏi Liang Wenfeng liệu ông có di chuyển ngược dòng để sản xuất chip hay xuôi dòng vào các ứng dụng dọc như tài chính hay chăm sóc sức khỏe hay không.

Câu trả lời của ông là không.

Lý do là một phép ẩn dụ về nhà máy điện: người vận hành nhà máy điện không cần phải tự xây máy phát điện. Miễn là họ có thể mua nó với giá hợp lý, tại sao phải tự xây?

Đây là sự mở rộng của cùng logic "kiềm chế".

Liang Wenfeng nói miếng bánh AI đủ lớn để nhiều công ty trị giá nghìn tỷ đô la sẽ xuất hiện trong tương lai. DeepSeek chỉ cần là một trong số đó, chỉ ăn phần mà họ giỏi nhất, không cần nuốt trọn toàn bộ chuỗi công nghiệp.

Ăn quá nhiều thay vào đó sẽ dẫn đến việc rời đi sớm.

Thái độ tương tự cũng áp dụng cho các đối thủ cạnh tranh.

Liang Wenfeng nói DeepSeek sẵn sàng giúp Alibaba, Zhipu và Moonshot AI tái tạo các mô hình mã nguồn mở tốt hơn vì điều đó không gây hại đến lợi ích của chính họ.

Nghe có vẻ lịch sự, nhưng thuật toán cơ bản là nhất quán: Nếu thị trường đủ lớn, việc người khác làm tốt không phải là mối đe dọa; việc người khác làm kém và phá hỏng lòng tin của toàn bộ hệ sinh thái mới là mất mát thực sự.

Sự kiềm chế giải thích những gì DeepSeek không làm.

Còn về những gì nó sẽ làm, câu trả lời là một bậc thang kỹ thuật đã được suy nghĩ từ lâu.

Một Bậc Thang Có Thể Leo Mà Không Cần Tăng Ca

Liang Wenfeng mô tả sự tiến hóa của công nghệ AI giống như leo từng bậc thang, nơi mỗi bước được xây dựng trên bước trước đó và không có bước nào bị lãng phí.

Bước năm ngoái là Chain of Thought (CoT), giúp mô hình tự học cách suy nghĩ, đẩy giới hạn trên của trí thông minh lên một bước nữa, đã vượt qua con người giỏi nhất trong lập trình và các bài toán Olympic.

Bước năm nay là Agents, đẩy ranh giới khả năng xa hơn thông qua thực thi nhiệm vụ đa bước.

Nhưng con đường Agent cũng sẽ kết thúc.

Sau khi đạt đến cuối, mô hình vẫn không thể thay thế một nhân viên thực sự.

Liang Wenfeng đưa ra một ví dụ rất phù hợp: Khi một nhân viên mới vào làm, họ dành hai tháng để làm quen với môi trường. Sau đó, nếu bạn nói "gọi Tiểu Vương qua đây," họ hiểu.

AI thiếu hai tháng tích lũy này; bạn phải giải thích Tiểu Vương là ai, họ ở đâu, vị trí của họ là gì trước khi AI có thể thực thi.

Giới hạn "phải cung cấp đầy đủ ngữ cảnh" này là bức tường vô hình giữa AI hiện tại và trí thông minh thực sự.

Bước tiếp theo cần vượt qua là học liên tục: Mô hình có thể, giống như một nhân viên mới, tự tích lũy kinh nghiệm thông qua tiếp xúc liên tục với môi trường, thay vì dựa vào con người để đưa ngữ cảnh vào miệng mỗi lần không?

Khi học liên tục được giải quyết, một giai đoạn mà Liang Wenfeng gọi là "điểm kỳ dị" sẽ xuất hiện: Khả năng của mô hình sẽ đủ mạnh để tự lặp lại phiên bản tiếp theo của chính nó, tự nghiên cứu và phát triển thế hệ tiếp theo tiên tiến hơn.

Ông đặc biệt nhấn mạnh rằng điểm kỳ dị này không phải là một đột biến đột ngột mà là một quá trình dần dần, liên tục, mặc dù theo quy ước nó được gọi là điểm kỳ dị.

Chỉ sau đó mới đến trí thông minh nhúng, nơi robot thực sự bước vào thế giới vật lý để làm việc nhà và chăm sóc người già.

Về lý do tại sao họ tuân theo thứ tự này, Liang Wenfeng nói: Đây là con đường ít tốn công sức nhất.

Bằng cách giải quyết học liên tục trước, AI có thể giúp tăng tốc mọi bước nghiên cứu và phát triển tiếp theo, vì vậy con người không phải tự mình gánh mọi thứ.

Ngược lại, nếu họ thực hiện trí thông minh nhúng trước, đó sẽ là một con đường gian khổ và mệt mỏi được xây dựng trên lao động của con người, mà DeepSeek không muốn chọn.

Có một chi tiết ở đây đáng suy ngẫm: Mục tiêu chính của DeepSeek trong việc đào tạo phiên bản tiếp theo của mô hình không phải để người dùng bên ngoài sử dụng tốt, mà để nhóm của họ phát triển nhanh hơn.

Mô hình phục vụ hiệu quả R&D nội bộ trước, và sau đó tình cờ mang lại lợi ích cho người dùng bên ngoài.

Thứ tự ưu tiên này, ở một mức độ nào đó, quyết định trình tự của hầu hết mọi phân bổ nguồn lực trong công ty này.

20.000 Card và Một Con Hào Đang Tan Biến

Khi nói về khoảng cách giữa Trung Quốc và Mỹ, phán đoán của Liang Wenfeng rất thẳng thừng: Nhân tài không phải là nút thắt; sức mạnh tính toán mới là vấn đề.

Trung Quốc không thiếu nhân tài AI; cơ sở đủ lớn và sự phân bố của những người thông minh là ngẫu nhiên. Không có chuyện "tất cả những người thông minh nhất đều đến Mỹ."

Nút thắt thực sự là tài nguyên.

Các con số rất trực tiếp: DeepSeek hiện có khoảng 20.000 card tính toán tương đương dòng H-series, hầu hết chỉ đến trong một hoặc hai tháng qua.

Để đào tạo một mô hình cùng cấp với các mô hình lớn nhất hiện tại (với khoảng 800B tham số được kích hoạt), cần 50.000 card GB300, hoặc 200.000 card mới nhất của Huawei. Đây chỉ là cho việc đào tạo, chưa bao gồm chi phí thử nghiệm lớn trong giai đoạn nghiên cứu.

Tài nguyên hiện tại của DeepSeek có thể hỗ trợ các thử nghiệm ở quy mô hàng chục tỷ tham số được kích hoạt, vẫn còn xa so với 800B.

Về chip nội địa, phán đoán của Liang Wenfeng bất ngờ lạc quan.

Ông tin rằng hào sinh thái CUDA đang bị tháo dỡ bởi ba lực lượng đồng thời: bản thân AI có thể giúp viết mã, hạ thấp đáng kể ngưỡng xây dựng hệ sinh thái; các ngôn ngữ cấp cao như TileLang có thể nhanh chóng viết lại toàn bộ hệ thống toán tử của CUDA; card chơi game và card tính toán ban đầu dùng chung kiến trúc vì thị trường tính toán AI nhỏ hơn thị trường chơi game, nhưng hiện tại thị trường tính toán lớn hơn, và hai loại không còn cần phải gắn kết với nhau nữa—chip chuyên dụng đang trở thành xu hướng chính.

Ông đưa ra một phán đoán thời gian cụ thể: Trong vòng một năm tới, thực tế rằng hệ sinh thái chip nội địa là ổn sẽ được chứng minh bằng sự kiện.

Trở ngại duy nhất còn lại là năng lực sản xuất.

So sánh chi phí-hiệu suất cụ thể cũng rất trực tiếp: Siêu nút 950 của Huawei có thể thay thế GB200 và GB300 của NVIDIA về hiệu suất và giá cả, với cái giá là cần bốn card để sánh ngang một card, trong khi tụt lại hai năm. Sẽ không thành vấn đề nếu nó đắt hơn 50% đến 200%, miễn là có thể mua được.

DeepSeek hiện có khoảng 16.000 card công suất từ Huawei. Số lượng này chỉ tương đương 4.000 card NVIDIA, thậm chí không đủ để đào tạo thế hệ mô hình tiếp theo, nhưng đủ để giúp Huawei khởi động hệ sinh thái trước.

Liang Wenfeng gọi điều này là "giúp Huawei làm tốt điều này trước." Ông không mong đợi dựa vào những card này để đào tạo các mô hình lớn hơn; ông đang mở đường cho tương lai.

Thậm chí thú vị hơn là câu chuyện bắt kịp mà ông đưa ra: Trong quá khứ, AI Trung Quốc sử dụng một phần hai mươi sức mạnh tính toán của người khác để tạo ra những thứ tương đương trong khi tụt lại một đến hai năm.

Trong tương lai, "khoảng thời gian tụt lại" này cần được nén từ một hoặc hai năm xuống còn ba đến sáu tháng, trong khi khoảng cách sức mạnh tính toán vẫn lớn như cũ.

Không phải bằng cách dựa vào nhiều tài nguyên hơn, mà bằng cách dựa vào các phương pháp thông minh hơn.

Cách tiếp cận "dùng sức mạnh thông minh để thu hẹp khoảng cách" này cũng được phản ánh trong cách công ty quản lý chính mình.

Một Nửa Nhà Nghiên Cứu Cốt Lõi Đang Gắn Nhãn Dữ Liệu

Ai đó hỏi Liang Wenfeng liệu vấn đề ảo giác của các mô hình lớn có ảnh hưởng đến trải nghiệm người dùng hay không. Câu trả lời của ông rất thẳng thắn: Ảo giác không phải là vấn đề không thể giải quyết. Nó có thể được cải thiện với hậu huấn luyện tốt hơn; chỉ là chưa ai dành nhiều nỗ lực để làm điều đó.

Bên trong DeepSeek, điều này được phân loại là vấn đề sản phẩm; nó sẽ được giải quyết, nhưng không phải là trọng tâm.

Một chi tiết đáng nhớ hơn vấn đề ảo giác là: Một nửa nhà nghiên cứu cốt lõi của DeepSeek đang gắn nhãn dữ liệu.

Điều này không phải vì gắn nhãn dữ liệu rẻ ở Trung Quốc. Ngược lại, Liang Wenfeng nói chi phí gắn nhãn dữ liệu chất lượng cao ở Trung Quốc không khác gì ở Mỹ, đặc biệt đối với dữ liệu cao cấp, hoàn toàn không có lợi thế về chi phí.

Vì vậy, chiến lược hiện tại là hai hướng: gắn nhãn những cái giá rẻ trước và để lại những cái giá cao cho đến sau.

Ông đánh giá đây là vấn đề về thời gian, không phải vốn.

OpenAI và Anthropic bắt đầu sớm hơn và đã chạy trong một thời gian dài. Trung Quốc chỉ mới bắt đầu đầu tư nghiêm túc khoảng sáu tháng trước, nhưng dự kiến có thể thu hẹp hầu hết khoảng cách trong vòng một năm.

Một Công Ty Không Có Tổ Chức: Điều Gì Giữ Mọi Người Lại Với Nhau?

Liang Wenfeng nói DeepSeek "không có tổ chức" và được thúc đẩy bởi tầm nhìn.

Hoạt động cụ thể: Quản lý công ty được chia thành hai tuyến. Một là từ trên xuống cho các dự án tập thể, chẳng hạn như phát hành V4 đòi hỏi sự hợp tác và phân công lao động toàn bộ nhân viên; phần này được gọi là "chính thức." Tuyến còn lại là từ dưới lên, nơi mọi người nghiên cứu bất cứ thứ gì họ muốn; không ai quản lý họ, và không có KPI.

Tiêu chuẩn mà Liang Wenfeng đặt ra cho bản thân là: Công việc chính thức không nên chiếm quá một nửa thời gian của nhân viên.

Có hai cân nhắc đằng sau điều này.

Đầu tiên, nghiên cứu đòi hỏi một môi trường thoải mái. Thúc đẩy quá mức khiến không thể khám phá những điều mới. Vì mục tiêu là kích thích sự quan tâm tự phát, không gian phải được để lại cho "suy nghĩ hoang dã."

Thứ hai, DeepSeek tập trung đủ để có ít việc phải làm. Các sản phẩm của công ty nói chung là không hoàn hảo, và họ chưa nỗ lực sửa chúng, bản thân điều này là một lựa chọn chủ động.

Phong cách tổ chức này không có khuôn mẫu để sao chép.

Liang Wenfeng nói DeepSeek chưa bắt chước bất kỳ công ty nào, bao gồm cả Bell Labs thường được dùng để so sánh, bởi vì Bell Labs không cần chịu trách nhiệm về lợi nhuận và thua lỗ của chính mình, trong khi DeepSeek cuối cùng là một công ty phải xem xét cách tồn tại. Chính phủ sẽ không cho họ một xu nào.

Mọi lựa chọn đều là kết quả được tính toán dựa trên tình hình thực tế, không phải là câu trả lời sao chép.

Trở Lại Với Tiếng Reo Hò Đó

Nhìn lại bây giờ, tiếng reo hò vào ngày giảm giá DDCP: Đó không phải là một câu chuyện biệt lập; đó là một mô hình thu nhỏ của toàn bộ thuật toán sinh tồn của công ty này.

Kiềm chế trong việc không theo đuổi thị phần tối đa là bởi vì, trong một thị trường đủ lớn, những kẻ tham lam sẽ bị loại trước.

Nhặt hạt vừng mà không dừng lại là bởi vì nhìn chằm chằm vào lợi ích trước mắt sẽ khiến bạn không thấy được những quả dưa hấu lớn hơn phía sau.

Không sản xuất chip hay ứng dụng dọc là bởi vì ăn quá nhiều dẫn đến việc rời đi sớm.

Chọn thứ tự ít tốn công sức nhất cho lộ trình kỹ thuật là bởi vì năng lượng tiết kiệm được có thể được sử dụng ở những nơi thực sự có nút thắt.

Có một nửa nhà nghiên cứu gắn nhãn dữ liệu là bởi vì khoảng cách mà sức mạnh tính toán không thể lấp đầy chỉ có thể được lấp đầy bằng một nền tảng vững chắc hơn.

Những quyết định này bề ngoài có vẻ không liên quan, nhưng thực ra chúng là những cách khác nhau để viết cùng một câu: Trong một đường đua đủ lớn, không tính toán chính xác bạn có thể nhận được bao nhiêu ngay bây giờ là điều kiện tiên quyết để nhận được nhiều hơn.

Đây là một phương pháp phán đoán mà bất kỳ ai trong một ngành cạnh tranh đều có thể sử dụng trực tiếp.

Lần tới khi bạn đối mặt với sự lựa chọn giữa "tôi có thể nhận được bao nhiêu ngay bây giờ" và "tôi có thể nhận được bao nhiêu trong tương lai," đừng vội tính toán tài khoản trước mắt.

Hãy đặt một câu hỏi cơ bản hơn: Liệu vấn đề này, bởi vì bạn đang lấy quá nhiều ngay bây giờ, có sớm thu hút một đối thủ cạnh tranh sẵn sàng lấy ít hơn không?

Nếu câu trả lời là có, thì dù lợi ích ngắn hạn có hấp dẫn đến đâu, nó cũng không đáng để đánh đổi xác suất sống sót.