梁文锋投资人会议全文翻译：谈 AGI、算力与 DeepSeek 为何坚持开源
👀Liang Wenfeng on AGI, Compute, and Why DeepSeek Stays Open Source
DeepSeek CEO 梁文锋在 5 月 20 日投资人会议（四小时、118 段发言）中详述公司战略，作者 Tony Peng 基于 Tencent Technology 版本全文翻译。
梁文锋在投资人会议上详述开源、持续学习和算力判断，读者可借此了解 DeepSeek 的战略取舍与路线主张。
总部位于杭州的 AI 初创公司 DeepSeek 近期完成了其首次融资，融资金额超过 500 亿元人民币（约合 74 亿美元），投前估值超过 500 亿美元。据报道，该公司正就再融资 15 亿美元进行谈判，估值在 710 亿至 740 亿美元之间，并计划于 2027 年 IPO。
在近期的一次投资者会议上，DeepSeek CEO 梁文锋详细阐述了 DeepSeek 的组织文化、开源战略、技术路线图，以及他个人对当今 AI 竞争格局的看法。
多家中国媒体分享了他们对这场长达四小时投资者会议记录的不同版本，我发现腾讯科技版本最为完整，包含 118 条发言。以下是借助 AI 完成并由我进行事实核查的完整翻译。中文原文链接见此处。 和 各自翻译了不同版本，因此我附在此处供参考。
大家好，DeepSeek 创始人兼 CEO 梁文锋与一群投资者之间的投资者电话会议记录泄露了。（顺便说一句，微信链接现在都被删了；会议是在 5 月 20 日进行的，今天才泄露……
DeepSeek 创始人梁文锋自述：DeepSeek 投资者电话会议 64 条语录
01 愿景与克制
我们最初创办这家公司时，初衷从来不是关于我最终能赚多少钱，不是关于进入资本市场、上市之类的。最早那几十个人根本不是那样想的。如果有人那样想，他们就不会来。
我们做这件事是怀着对世界的巨大善意。我们认为这对人类有用，是超越金钱的事情。我们的初衷、我们的愿景，以及我们一直坚持到现在的愿景，都不是围绕商业利益最大化来构建的。
管理一家大公司不是靠你的规章制度运转，而是靠愿景。愿景不是挂在墙上的标语。愿景是你如何行动，而不是你如何说，是你实际如何运作。
我们没有组织架构，我们是愿景驱动的，围绕愿景来组织。我们不是基于“我必须完成某些 KPI”来运作——没有绩效考核。只有愿景。
这个愿景甚至没有写下来，从未被诉诸文字，什么都没有写过。愿景存在于我们做事的方式中，存在于我们对待世界的态度中。
我们没有多少其他优势。我们没有特殊能力，我们不比别人更有钱，也不是我们的人比其他公司的更优秀。真的，不是。两年前我们创办这家公司时，我们没有多少钱，没有多少芯片，没有知名度，没有号召力。我们只是一群非常普通的人。
你越克制，可能越容易成功——至少到目前为止，事实证明确实如此，至少到目前为止，这是说得通的。否则没法解释我们为什么能做成这件事：我们没有武器，起点非常低，资源非常少，我们的人也真的只是一群随机的普通人。
AI 这件事太大了，牵扯的利益太大了。我们非常克制，因为只要我们能做成，最终的回报就会极其巨大。哪怕只分到一小块，也极其巨大。所以现在根本没必要去想该拿哪一块收益，或者怎么去拿。我觉得根本没必要想这些，因为收益已经足够大了。
去年春节我们突然有了很多用户，但我们并没有想着去留住这些用户，也没有想着去变现，或者去抓商业收益、把用户基础变现。我们没有去抢用户，没有去想着赚钱，但我们非常努力地去想怎么服务好这些用户。
我们绝不会有那种想法，说我要做下一个超级 App，我要跟谁竞争，我要成为下一个字节跳动或者下一个腾讯。完全没有这种想法。我觉得前面的 AGI 机会极其巨大，前面的 AGI 机会始终极其巨大。
克制是一种战略。它在于，有时候你可以放弃一些东西，去换取更多别的东西。不开源也是一样的道理——你可以把它看成是对我们的压力，也可以看成是我们在放弃利润空间。
我对这种克制的理解是，从长期来看，它提高了我们实现 AGI 的概率。当我考虑一件事时，我毫不怀疑 AGI 会带来极其巨大的商业价值。在此基础上，我首先考虑的不是怎么多占一点份额、多抢一点份额。我首先考虑的是怎么提高我能做成这件事的概率。
我们一直非常克制，不愿意成为任何互联网巨头或者任何小玩家的对手。我希望我能赋能他们，或者我能帮助大家做这件事，帮助大家完成这件事。
我觉得我们以前就是抱着这种态度，而且我们实际上并没有因此得到更少。开源、我们的善意、我们给别人的帮助——这些都没有让我们得到更少。如果说有什么不同，那可能还是加分项。这看起来反直觉，但事实确实如此。
AGI 是我们的目标，但我们一直在商业化，这就是为什么我们有消费者用户，也有 B2B 收入。从经验来看，这个战略是奏效的。
02 AGI 路线图
如果你能把一个问题描述得非常清楚，并给它完整的上下文和指令，它就已经超越人类了。但这里有一个定义，一个前提：你给它完整的上下文，你给它完整的指令。
AI 不能取代你的员工。但如果 AI 具备持续学习的能力，那么就像你的员工一样，它可以来公司学习两个月——然后它就能取代世界上的所有人。所以我们距离持续学习只差一步。
我们可以把 AI 的发展想象成一段楼梯。去年迈出的那一步是思维链。因为我们发现，有了思维链，你就能把智能推到更高的水平。
今年的这一步是智能体，因为我们发现，采用智能体的方式，它能处理更多事情，能力范围更广，智能上限也更高。智能体必须使用 CoT，而 CoT 必须使用它之前的那一步，也就是语言模型。所以没有一步是浪费的。
在智能体之后，我们认为需要解决的问题是持续学习——如何让模型持续学习，而不是要求你给它一轮沉重的训练。它应该能够像人一样，进行相对长时程的持续学习。
在持续学习之后，我们可能会到达一个奇点。那个奇点就是，一旦模型能够持续学习，它就已经能做人类能做的一切。它可以开发自己的版本，可以做自己的研究，然后开发自己的下一个版本，开发出更好的 AI 模型。
这个奇点其实并不是真正的奇点，它也是一个渐进的过程。这个过程可能是一个相当漫长的渐变，而不是突然的断裂。但出于习惯，我们都倾向于把它看作一个奇点。
这是我们的猜想，这是我们认为的时间线：先解决学习问题，然后到达智能奇点，即自我迭代的奇点，之后才是具身智能。一旦你到达具身智能，它就进入物理世界，它可以做你的家务，可以在你年老时照顾你。
如果我们先解决持续学习，然后是自我迭代奇点，然后是具身智能，这条路就会变得容易。因为之后你可以用早期的技术来帮助开发后期的技术。
我们只做通往 AGI 的主线。AI 领域非常广阔，我们认为有很多东西不在那条主线上——比如 3D、视频生成。我认为那些与智能主线关系不大，所以我们不会做。
视频生成刚出来的时候非常火，好像这是你必须做的东西，好像你不做就不是一家 AI 公司。这让我觉得奇怪，因为如果你真正想清楚，它与智能路线图毫无关系。
商业上这是一门好生意，商业上它确实是一门好生意。但它与智能无关。我们不会因为一门生意好就去做。我们只会因为它处在智能路线图上才去做。
按照我们的判断，世界模型和智能在现阶段并不是最重要的。最重要的是 AI 训练，以及训练之后如何解决持续学习。这是我们公司的判断——当然，每家公司的判断都不同。
目前我们相当强烈地相信 AI 能够加速 AI 研究这一叙事。也就是说，它不是线性的，因为你可以用 AI 来加速你自己的研究，所以再往后它可能会变得非线性。
我认为我们最终肯定要进入具身。因为对一个普通人来说，他需要的不是一台电脑，对吧？一个普通人——吃、喝、娱乐、衣、食、住、行——不需要电脑。他需要的是具身智能来解决人类的具体需求。
我们希望 AGI 能做什么？帮我迭代下一个版本的模型，正是如此。而一旦我们有了具身，我们希望它做的也是一样：让它迭代下一个版本的具身，让它造出下一版本的机器人。
下一代模型的核心能力必须是持续学习——只有这样才配叫下一代。在那之前，我们能做的是降低成本、提升质量、加快速度。但要想有大的突破，就必须具备持续学习能力。
如今的智能体能力有限，因为它们无法持续学习，无法以有效的方式持续学习。如果持续学习先被解决，AI 的能力将会非常强，也会极大提升我们自己研究的效率。
先把持续学习搞定，通用智能或许就会水到渠成，很容易地建立在其之上。那是我更愿意看到的结果，因为我们会省下很多力气，会轻松很多。否则，现在靠人力去硬造通用智能既累又痛苦，是数据密集型和劳动密集型的，投入产出比并不好。
03 团队与人才
我们早前的经验告诉我，AGI 的愿景非常有力量。人才优势不在于我的人比他的人更聪明，而在于我如何组织这些人、如何激励他们，然后他们如何协作。
把聪明人聚在一起，并不意味着他们就会自然协作，也不意味着他们会自然地满怀热情地追逐一个目标并坚持到底。所以你需要一个愿景。
我们最大的核心利益是保持团队的稳定。这是我们最大的核心利益，可以说是唯一的。只要我能让团队保持稳定，我就一定能做成，一定能实现 AGI。就这么简单。
钱肯定不是问题，资源不是问题，其他所有要素都容易获得。对我们来说只有一个核心利益，只有一件事不能妥协：我们必须保持团队稳定。
这对我们来说也是一个非常大的挑战，或者说，我认为这是最大的风险。当然，这个风险已经被我们近期的融资大幅化解了，因为每个人拿到的期权都相当可观，金额相当大。
在团队稳定方面，只要最重要的员工、任职时间最长的员工稳定，那么其他人就不太可能离开。即使期权更少、收入更低，他们也不会走，因为他们并不纯粹是为了钱。每个人都想在一个 AGI 真正能够实现的环境里工作。
其他一切都是时间问题。最坏也就是多花半年或一年，但不会意味着我们做不成。我们肯定不会缺钱，肯定不会缺资源。这些都不缺。
我们与美国的差距主要在资源上。在人才方面，差距不大。人才上几乎没有差距，因为是同一批人，而且很可能就是中国人。中国人出国，有的留在中国，有的留在海外，有的去了国外——并不是聪明的人都出国了。事实并非如此。
人才不是瓶颈，资源才是最大的瓶颈。资源首先影响人才培养，因为算力少，我们跑实验的机会就少，所以我们的人才整体上落后于美国。人才差距本质上是算力差距。
AI 人才短缺也是一个阶段性的问题，我们已经看到它大幅缓解。因为 AI 人才其实并不缺——每家公司都会很快把人培养起来。培养人很快。
在中国做模型的公司有点太多了，还是太多。在美国可能只有三家。中国做基础模型的公司实在太多了。到最后你肯定不需要那么多人做基础模型，一定会整合。
我们公司的管理其实是两条线：一条自上而下，一条自下而上。自下而上就是每个人做自己想做的事，自己去做，没有人管，也没有KPI。
一般来说，我们希望员工有一半的时间是不被分配的——他们想做什么就做什么。这就是研究的范围，让他们自己去探索，追求他们认为重要的东西，不预先设定要求。
我们一般不怎么加班。原因有两个。第一，做研究需要一个相对宽松的环境。如果逼得太紧，就没法做研究，因为它取决于你自己的兴趣，取决于你在平常时间思考这些问题。所以必须是一个相对宽松的环境，才有可能探索。
第二，我们非常专注。非常专注意味着我们要做的事情很少。所以我没有那么多事要做，也不需要加班。这和我之前提到的克制是同一条思路。
我们整个公司是建立在共识之上的。并不是我一个人决定一切。我必须寻求共识。我在公司里的权威，以及我在公司里的影响力，都是建立在共识之上的。
这个决策机制其实是一个寻求共识的机制。并不是我能强行推动某件事——必须先有共识，我才能推动，只有到那时我才会推动。
随着人数增长，我们会做出调整。事实上我们必须马上做出调整，因为我已经在调整了。没有那个调整，很多事情就无法推进。确实有很多部门应该有一个组织架构。
04 计算与资源
我们需要多少芯片？现在，显然是越多越好。在我们能承受的范围内，芯片越多无疑越好。所以我们目前的策略是以合理的价格尽可能多地购买芯片。
实际上，花那么多钱非常难——你买不到那么多芯片，它们很难买，而且价格很高。你也不能不计价格，还是得确保价格合理。如果我们今年能花200亿元人民币，我们的采购部门就算度过了辉煌的一年。
我们和美国最大的差距在资源上。在计算方面，一部分是因为芯片在中国根本买不到，另一部分是我们的资本投入比美国少。我们投入的资本少得多，而工资在其中只占很小一部分。你看到他们开出的上亿美元薪酬包，但算下来，人才薪酬仍然只占一小部分。大头是计算。
我们看到的每一个差异——人才差异、模型能力差异、应用差异——都可以归因于计算资源的差异。
我们和美国的差距可能是落后约12个月，也许12到18个月，或者6到12个月。简单说，我们落后美国两年，而我们是用他们二十分之一的算力做到的。
这个说法是：落后一到两年，但只用了二十分之一的算力。接下来我们想改写这个说法：我们用他们算力的某个零头，但把时间差进一步压缩，压到6个月，压到3个月。我认为这是一个目标。
规模化——我们相信规模化。更大的规模肯定意味着更好的结果，并且能解锁更多能力。阻止我们规模化的，是算力。不是我们不想规模化，而是我们没有足够的算力去做。
我们训练这个规模的模型，不是因为我认这个规模就够了，而是因为我恰好有这么多资源。我是从我的资源倒推，看我能接受、能训练多大的模型。数字就是这么算出来的。不是这个模型规模就够了。
当硅谷说规模化已经触及极限时，那是针对硅谷而言。对中国玩家来说，我们离那一步还远得很，我们还没有规模化到接近那个水平。而这里的规模化包括数据的规模化、模型规模的规模化，以及训练成本。
05 国产芯片与生态
英伟达的CUDA护城河正在被迅速拆除。部分原因是我们现在有了AI，有了AI，构建生态比以前容易得多，因为AI能写代码。
算力芯片市场已经比游戏芯片市场更大，所以两者没有理由继续绑在一起。现在的趋势是，它们今后会解耦。这意味着专用芯片——无论是华为的还是英伟达自己的——今后都将是专用芯片，而不是我们以前那种东西。
当下国产AI芯片替代有一个历史性机遇。我们相信在未来一年内会有一件事被证明：国产芯片生态绝对没有问题。人们之前以为有问题，以为不能用，以为难用。但一年之内我认为我们能扭转这种认知，或者事实会扭转它。
国产AI芯片在硬件和生态上都没有问题。唯一的问题是产能不足。适配国产卡没有任何障碍，英伟达也拦不住。在正常的商业环境里，如果我能买到英伟达的卡，国产替代会相当困难。但当英伟达的卡买不到时，大家别无选择，所有人都得走国产路线。
V3训练时用的还是英伟达的卡，但已经不再用英伟达的生态。V3用了英伟达的卡，但没用英伟达的生态。相反，我们先写了一个叫TileLang的高层编译器，然后在TileLang生态之上构建其他一切。所以我们已经几乎不依赖英伟达的生态了。
我对国产算力相当乐观。在这一点上，我认为英伟达是在自掘坟墓。华为的超级节点，华为的950超级节点，在性能和价格上都能完全替代英伟达的GB200和GB300。
四张华为卡等于一张英伟达卡。
在与美国的芯片差距上，我认为生态方面将不再有差距，但在芯片上是四倍加两年。
目前我们主要和华为合作。华为自己做适配，但我们自己也参与生态，我们深度介入华为这一侧。华为的问题仍然是产能不足。
我并不真的相信五年后我们还会受制于产能。现在我们确实受制于产能——今年、明年、后年，我认为我们可能仍然受制于它。但五年之后，我认为未必如此。我相当乐观。
06 竞争格局与行业判断
最终拉开各家公司模型差距的应该是一种综合差距。只比较模型质量只有在同等成本下比较才有意义，因为比较两辆车时，你比较的是同一价格区间的车。
Anthropic 现在领先 OpenAI——这能持久吗？我认为不会持久，这肯定只是一个阶段。OpenAI 和 Google 未来很可能会不断互换位置。
在 AI 的全球分工中，中国企业很可能扮演的角色仍然是最大的生产者。按常理，我们的产能最大，包括芯片——我们在芯片上的产能可能是最大的，而且我们的电力最多。
中国玩家会把产品做得尽可能便宜，然后在质量上竞争。毕竟如今很多商品，中国制造和美国制造之间没有太大差别。未来的 AI 可能也是如此，但中国制造的 AI 可能更便宜。这种便宜可能是系统性的更低，就像其他行业中中国提供的服务更便宜一样。
最终的差距应该归结为三件事：成本、时间和用户体验。除此之外，大概就没有多大差距了。
成本肯定是一个差异——我认为成本是第一大差异。第二是时间：你什么时候能做到。早几个月或晚几个月都有差别。
OpenAI 从一开始就认为它真的可以垄断世界，但实际上它会遇到许许多多的挑战者。它会面临挑战，所以日子不会轻松。美国会面临挑战，未来它可能也会面临来自中国的挑战，因为中国玩家愿意少拿回报来提供服务。
拿得多的人会被拿得少的人打败。事实上你甚至不必真的拿得多——如果你的愿景是拿得多，你就会被那些愿景是拿得少的人打败。实际上还没有人真正拿到钱，这只是一个愿景。如果你的愿景是拿得多，你就已经输了，你会面临更大的困难。
对我们来说，这不是要攫取最多利润，也不是要定价以最大化回报。而是要赚取合理的回报。这就是解释。我相信这一点，我不是在为此找理由，因为根本不需要理由。
我认为在很多体验方面，我们可能能做得比美国更好。在产品能力上我们可能不比美国差。成本也应该比美国低，所以中国仍然会有竞争力。
成本很容易理解——他们不必做，所以就不去发展这项能力。他们肯定不像我们这样重视它。我们可以把它当作极其重要的事，但对他们来说它并不重要。
对于大语言模型来说，也许两家大公司和两家小公司就已经足够了。只有两个差异：时间和成本。所以没有人会赚取超额利润，我认为不会有超额利润。谁控制成本控制得好就多赚一点，谁控制得差就少赚一点。仅此而已。
07 模型研发与技术
也许我们公司有一半的人在任何一天都会觉得 OpenAI 更好。 Anthropic 确实有先发优势，但这个优势应该很快就会消失。这不是它能长期保持的优势。他们三家都很强，而三者之中，它的效率最高——它花的成本、烧的钱，应该是最少的。
在多模态上，我们一直在做。对产品来说它非常重要，对面向消费者的产品来说它非常重要。但对智能的上限来说，它只是一个组成部分，并不是主线本身。
我们很可能会推出相关模型——V4 以及 V4 的后续版本将支持原生多模态。但对我们来说，多模态是智能的一个组成部分，我们并不把它当作智能本身。
我只能说，随着语言模型的规模化，我还没有看到天花板。无论是我们的智能水平，还是美国达到的水平，都还没有显示出天花板。
在内部，我们很多人是这样想的：首先它必须对我们有用，首先它是给我们自己用的。这是通往 AGI 最快的路径。当它对我们有好处时，那可能意味着它对别人也有好处。但首先我们必须确保它对我们有好处。
对于我们构建的模型，第一个目标不是让每个人都觉得好用，而是让我们自己觉得好用。首先它必须对我们有用。一旦它对我们有用，我在开发下一个版本的模型时就会更快。
我们把这叫做“抽签”。门槛很低，谁都可以试，但谁能从中抽出东西来——我不知道这靠的是天赋还是别的什么。所以我们没有必要在这里分配资源。我们和其他公司的区别只是我们会花时间讨论这个问题，我们会思考它，我们把它当作重要的事。
08 商业化与定价
我们的 API 定价反映了合理的利润——大致来说，我们去市场上买一批设备，十个月收回成本。我认为这是合理的利润。
如果我们要利润最大化，就应该把价格定得更高。因为在这个价格区间，需求是缺乏弹性的。如果我把价格再提高一半，或者翻倍，token 消耗量也不会有太大差别。
对于我们的一款模型，我们一开始担心需求会太高，所以把价格定得相对较高，团队不太高兴。后来我把价格降了回来，降到四分之一，大家都很高兴。
B2B 业务的天花板应该还是需求。在这一代 AGI/AI 技术的背景下，B2B 需求应该是有限的。它会增长得很快，但并不是无限的。最终它受需求约束，而不是受算力约束。
就目前的情况来看，我认为我们能做到——我们可以两者兼得。比如说今年我有几亿美元的 B2B 收入，再加上我们的消费者用户基础——这本身就已经是一个商业基础了。如果明年我们有 B2B 收入，而且需求进一步增长，公司离净利润就不远了，可能已经实现净利润了。
在最坏的情况下，光卖 API 大概就能支撑一家上市公司。如果没有进一步的技术进步，我们的技术冻结在这里，那么最终我们就全力卖 API，把那些服务做好。我认为那就足够了。
从现状来看，我认为最明智的做法是全力投入通用智能体，把其他智能体放在较低的优先级，包括金融智能体和医生智能体。编程必须放在第一位，因为编程智能体能做很多事情，而且有很多垂直智能体。在这个阶段，我们认为编程智能体是最重要的。
我认为低成本首先是一个结果。我们的模型在架构上确实一直在朝着低成本的方向发展，这与我们的愿景有关。我们还有很多算法方法没有用上，成本还可以更低。
成本持续下降还有另一个原因：成本越低，我能训练的模型就越大，我能负担得起的模型就越大。在同样的算力下，在算力有限的情况下，更高的计算效率意味着我能负担得起更大的模型。
09 开源策略
我认为我们会开源，我们最强的模型可能也会开源。因为我看不到闭源有任何好处，我看不到必要的益处。字节跳动的模型是闭源的——它得到了什么好处？我看不到任何好处。
即使模型开源了，你把一切都告诉所有人，门槛仍然很高。要让别人真正用起来，门槛仍然很高。他们很难把它用起来。除此之外，要让他们把成本降得很低也很难，非常难。这并不容易。
开源不影响收入。我认为开源对我们的商业模式没有任何影响。
而且我不担心别人部署我们的模型来和我们竞争——完全不担心。我们实际上希望他们部署。我们尽我们所能帮助开源社区，帮助大家把我们的模型部署起来。
在对外交往中，我们的态度是：我们只做通往AGI的主线。在对外交往中，我们非常愿意协助和帮助任何人，甚至是我们的竞争对手，包括阿里巴巴、智谱（Z.ai）和月之暗面，让他们做得更好。因为我们不会失去什么——我们本来就是开源的。
我们发布的开源模型和我们自己部署的模型是一样的吗？是一样的。我们不会开源一个较弱的模型，然后自己部署时用一个更好的。我们不会那样做，是同一个模型。
10 数据与后训练
数据大概等于模型的一半。而在此之前是标注问题。在数据标注上，这又回到了我们的资本投入。以我们的资本投入结构，我们无法支撑那么多高质量数据标注的成本，因为成本非常高。
美国和中国的数据标注成本差别不大。在中国标注数据没有成本优势，尤其是在高端数据上，这让我们很难像美国那样在标注上投入。这条路在中国很难走，因为标注数据实在太贵了。无论是外包还是自己做，都很痛苦。
现在我们基本上是两条腿走路。不是我们完全不能标注——而是有些标注便宜，有些标注贵。我们先把便宜的部分做了。
你也可以说，现在公司有一半人在标注数据。我们核心研究员中有一半，我们最重要的人，都在标注数据。我们集中精力在标注数据上。在这个阶段解决AI问题，归根结底就是标注数据。
我认为高质量数据标注的瓶颈在于时间——它需要时间。因为对 OpenAI、对国外的玩家、对 Anthropic 来说，他们都起步更早，而且他们有更多的资金和更多的芯片。
大语言模型中的幻觉对用户体验有显著影响。有办法解决幻觉，但这是一个长期的过程。幻觉可以被视为通过更好的后训练可以解决的问题，是一个可以解决和改进的问题。
11 组织与公司定位
首先，我们没有可模仿的模型。每一步都来自我们的实际情况，来自实事求是，根据真实条件做决策，找到我们应该做的事。所以它是时代的产物，或者说是真实情况的反映。它不是模仿的结果。
我们很清楚必须商业化。最终我们还是要生存下去。我们毕竟是一家公司——政府不会给我一分钱。
从根本上说，我们仍然是一家公司。只是我们在赚哪些钱、什么时候赚、赚多少、靠什么赚这些问题上做权衡。许多公司之所以伟大，是因为他们有超越利润的追求。最终这种追求不会损害他们的商业化——反而让他们能更好地商业化。
至于合作伙伴，我们的融资是经过精心挑选的。首先，我认为利益应该相对一致：那些与我们利益最一致、对我们敌意最小、或者最希望我们成功的人。不是每个人都希望我们成功，因为我们确实损害了很多其他人的利益。
现在的 AI 不缺品味或直觉。它缺的是持续学习的能力。AI 的品味和直觉没问题。让它写一篇文章——它的品味和直觉，我认为没问题。
我们只想做一件事。我认为 AI 是一件大事，不需要我……我就做一件事。如果我们保持专注，而且我相信这里的商业潜力已经足够大——如果 AI 时代产生许多万亿级公司，我认为我们会是其中之一。
我们想支持更多人，但我们没有那么大的精力。我们有这个意愿，也不会有利益冲突，但是否真的做到了是另一回事。至少这里没有利益冲突，我们希望合作共赢。
来源：Recode China AI · recodechinaai.com