梁文锋内部讲话：做拿得少的人，才能赢到最后

01 创业初衷 谈愿景驱动

我们一开始来做这个公司，初衷没有想到说我最后要赚多少钱，要到资本市场上去，要上市，要怎么样的。最开始的几十个人完全没有这么想过。如果他这么想，他就不会来。

我们怀着对世界非常大的善意来做这个事情，我们觉得这是对人类有用的，是金钱以外的事情。当然，发现利益非常大之后，又有其他的诱惑。但我们出发的初衷、愿景，不是按照商业利益**化的方式来做的。这点比较关键。

我们是怎么管理这么多人、怎么组织起来的？其实我们没有组织，就是愿景驱动，靠一个愿景来组织。这个有好处，也有坏处。未来我们会想办法扬长避短，但这个是我们的特色。

我们并不是以“我要实现什么KPI、没有考核”的方式来做，只有愿景。这个愿景体现在我们做事情的方法、我们对待这个世界的态度里。可能公司每个人对愿景的理解不一样，但大方向是一致的。

我还是怀着对这个世界非常大的善意，想做一点事情。这个愿景是真的，不是编出来的。我们是真的这么想，真的这么做的。否则你没法解释我们的很多事情。

02 开源 克制的一部分

为什么我们这么坚持开源？因为愿景本身就要求开源。开源的事我们一开始就想得非常清楚。**，就是愿景；第二，要把AI在商业上做成，开源是有好处的。这听起来有点矛盾，有点违反直觉，因为在历史上，开源跟商业化都是有冲突的。但我觉得AI跟以前不一样。

在历史上，一个软件公司，市场一年可能就几十亿美元，开源了，可能就只剩下几千万或几亿美元了。但AI事情足够大，最终可能得占掉人类社会GDP的10%，一个人不可能独占，一定得跟别人分享。

我们没有什么本事，没有比别人有钱，也没有说人才更好。我们两年前成立这个公司的时候，我们没有很多钱，没有卡，没有知名度，没有号召力。我们就是一群非常平凡的人，但我们喜欢的叙事是，一群平凡的人做出了不平凡的事情，而不是一群天才做出了不平凡的事情，这跟我们的克制是很有关系的。

开源跟商业化会不会有冲突？我觉得在AI这个事情上面，你不克制，就做不成。开源是属于克制的一部分。

这也是创业公司的优势，创业公司如果太小的话，没有这个力量来做；大公司的话，又很难组织。事情都各有难点，所以这是属于我们这个规模的公司的一个“甜区”。

开源并不会影响我的收入。如果说我想赚100倍的利润，开源会有影响的。如果我们只赚6倍的利润——10个月收回成本，大概对应的是6倍的利润，开源是不会有什么影响的。

在这个策略下，我们能够做成AGI的概率也是更大的，我们会更从容。我们根本都不用加班，因为就没那么难。但是对其他家来讲，可能就很难，因为你想的太多了。

外面可能看起来，我们选了一个很难的模式，但其实我们舍弃了很多。我们还是非常有力，做得也是非常轻松的。所以对开源，我的判断是它是可持续的。

6倍利润看起来很高，但其实不高。因为现在AI效率这么高的情况下，一个合理利润就是要这么多。未来它可能会降到，比如4倍、3倍的利润，但总归会有很大的利润。

我不担心别人部署我们的模型，一点都不担心——我们希望他们能够部署起来，我们尽可能给开源社区提供帮助。因为这个市场足够大，我只担心他部署不起来，他有些细节没做对，效果变得比较差，或者说成本会比较高。

03 克制 合理利润

克制是我们愿景的一部分。AI这个事情太大了，你随便分一点，利益就非常大。我们只赚取一个合理的利润，我们的API定价，大概是我们买一批设备回来，10个月收回成本。我们的V3.2 Flash跟其他的模型，都是按10个月收回设备成本定的价。如果要追求利润**化，应该把价格设得更高。因为在这个区间里，用户的需求是没有弹性的，价格再抬高一倍，Token的消耗量区别不大的。

一开始我们担心需求太多，把价格定得比较高，团队里大家还不是很高兴。后来我把价格又降下来了，降到四分之一，大家就很开心。这才是我们真实的想法。我们还是希望这个东西对人有用，而不是赚最多的钱，而是我们能够赚到合理利润的情况下，大家都用得起。

10个月回本，我们能做到，其他家还做不到。一些大厂的成本应该要比这个高好几倍，还是有很多优化的工作。

我们的让利，让员工觉得很有成就感，因此有凝聚力。所以这种克制，从长远上来讲，能够增加我们做成AGI的概率。我毫不怀疑AGI会有非常大的商业价值，我优先考虑的不是我怎么多加一点份额，而是我怎么增加我能够做成的概率。

这个克制还体现在其他方面。比如，我们去年春节用户突然很多，但我们没有去追求留住用户，或者说拿他们来变现，我们很努力想办法把用户服务好。

我们不会有这样的想法，要做成下一个超级App，要去跟谁竞争，要做成下一个字节、腾讯。我们是可以这么做，但是我们没有。这也是克制的一部分，你不要想什么都要赚到。

如果去年我们用大笔钱，去跟字节抢用户，也是一种打法。但我们选择克制，不跟你去争这个东西，因为后面还有西瓜，前面的可能都是芝麻。当然，这个芝麻可能比较大，但我觉得跟AGI相比都不算大。

今年，我们在API、ARR收入上，也是有机会的。如果说ARR能做到10亿美元，现金流就能回正了，能够覆盖我的费用。但我们没有把它优先来做。或者说，公司大部分人不认为这是一个跟AGI比起来同等重要的问题。

04 AGI路线图 思维链→Agent→持续学习

目前的这一代AI技术，如果你给它完整的上下文和指令，它已经超过人类了。但这里有个前提是：你给它完整的上下文，这个定义很难达到的。这里面还差一个地方，是持续学习。人能够持续学习。你招一个员工，他会花两个月时间来熟悉环境，熟悉工作。如果AI具有持续学习的能力，就可以替代天下的人了。

AI的发展，我们可以理解成它是一个阶梯。去年走的阶梯是思维链。通过思维链的方式，可以让智能达到一个更高的水平。今年的阶梯是Agent，它的能力范围更大，智能上限更高。Agent要用到思维链，思维链也要用到前面的语言模型，没有一步是白走的。

Agent之后，我们觉得应该要解决的问题是持续学习，而不是要给它一个很强的训练。这个问题跟完成任务是同一回事，解决的是同一个问题。持续学习一定有办法跨过去的，但需要时间。

持续学习之后，我们就会来到一个奇点。当这个模型能够持续学习之后，它能够做人类能做的所有事情。它能够自己开发版本，自己做研究，迭代下一个版本。这个过程可能是一个比较长的渐变，它不是个突变。

这一步走完后，才是具身智能。我们觉得时间表应该是：先解决持续学习，再到智能自我迭代的奇点，然后才是具身智能。到具身智能之后，它就走进现实世界，可以给你做家务，可以给你养老。

我们仍然相信Scaling（规模定律），阻止我们Scaling的就是算力，我们没有那么多的算力去做Scaling。

目前来看，模型收益还是非常明显的，我们还没有机会碰到Scaling的墙。硅谷在说Scaling到头了，我们离那个还很远。Scaling包括数据的Scaling、模型规模的Scaling，以及训练成本。我们融资完后，可以有更多的算力，训练更大的模型。

05 商业化 副产物

去年最重要的现实就是，大家都要做Chatbot，要抢C端的流量。今年的现实是，大家都要抢to B的收入。如果不参与的话，根本就不在牌桌上。但我们并不认为它是一个重要事情，在我们公司内部，我们真正关心的，就是AGI的路线图，以及下一步技术怎么突破。

有一点很奇怪，最想得到的东西，反而你就得不到。当你站在技术高位上去做相对低一级别的技术，是会降维打击的。至少在去年的C端，我们确实是这样。我们没有在C端上花很多力气，甚至一度我们都不想维护那些用户了，但是用户赶都赶不走。今年B端的收入，现在看起来增长还比较乐观。但我们并没有花很大的精力去，我们就是顺便做的。C端和B端，都是我们做AGI路上的副产物。

这也可以解释我们之前的发展轨迹。去年春节我们突然火的时候，并不在我们的剧本里。但那时候我发现，对于以产品为目标的组织来讲，在人才跟组织上是有额外优势的。

这也很神奇。那时候C端大家都抢得头破血流，结果被一个没有去抢的人牵走了。人才优势不是说我的人比他更聪明，而是这些人才我怎么组织起来，怎么激励他，怎么合作。你把聪明的人聚在一起，并不是自然而然就能合作。所以你需要一个愿景，AGI这个愿景是很强大的。

关于最终大模型的差距，应该是三方面：成本、时间、用户体验。成本比较好理解，肯定是壁垒。第二个是时间，早几个月、晚几个月，它就不一样了。第三个是体验，用户中间是会有黏性和用户壁垒的。

Anthropic现在超过了OpenAI，是不是长期的？我觉得不是。OpenAI和Google，未来大概率还是会交替上升。其实现在Anthropic在Code Agent上的优势没有那么大，并没有碾压OpenAI。Anthropic有先发优势，但这优势应该很快就没了。

在全球AI中主导分工的时候，中国公司很有可能扮演的一个角色还是产量**。我们包括芯片在内的产能**，电力最多。中国人会把产品做到***，这个便宜是系统性的低。

06 团队 **核心利益

我们**的核心利益是要保持团队的稳定性，甚至可以说是**的核心利益。只要我能够保持团队的稳定性，我一定能做成AGI，就这么简单。只要大家都不走，我们能够继续做，只是说早一点晚一点。

钱肯定不是问题，资源不是问题，其他要素都是容易获得的。对我们来讲，只有一个核心利益是没法退让的：就是团队的稳定性，甚至是**的风险。这个风险随着我们近期的融资，得到了比较大的解除。大家拿到的期权都比较多，金额比较大。只要最重要的一些员工、最老的员工能够稳定，其他人是不太会走的。因为他不是全奔着钱来的，大家都希望在一个能够做成AGI的环境里面去做事情。

从历史上来看，我们的人才流动是比较少的。我们现在做的很多事情，都是为了保持团队的稳定性。除了这一点以外，其他我觉得都是可以克制的。

07 算力·芯片 历史性机遇

我们跟美国的差距是什么？其实只有一点，就是资源，我们没有那么多卡，今年我们在非常激进地扩充算力。我们现在的策略是，在合理的价格里面，能买到多少卡就买多少卡。如果说我在半年之内就把钱花完了，那是个好事，这太理想了。我们会毫不犹豫把所有的钱都变成卡，并且愿意付一定的溢价。因为这太划算了，客观来讲，如果我今年能够花掉200亿，那就属于采购部门业绩超级好了。

我们跟美国（相比）人上面几乎没有差距，因为就是同一批人，人才是不缺的，而且我们的基数大，我们每年有那么多人的补充。

现在**的模型，我们其实训不起的。我们哪怕把500亿全花掉，其实也训不起。现在**的模型，它激活大概是800B；国内的话，我们还在几十B的这个规模，差一个数量级。如果我要训练跟AI同样大的模型，应该需要五万张GB300，或者华为950，二十万卡。这还没有考虑做研究。

国产卡现在是有历史性的机遇在。因为之前国产卡适配有一个难题，生态不好。买卡之后，用不起来，没有英伟达的生态。但现在CUDA的护城河在快速地被瓦解。因为AI可以写代码，我可以用AI来构建这个生态，可以把跟英伟达一模一样的生态构建出来。第二个，有一些新技术。比如我们出的TileLang，是一种高级语言。用这个高级语言来写CUDA的算子，可以很快地把英伟达的整套生态全部写一遍。但现在还没有完成，不过这个技术路线是没有什么障碍的。

09 多模态·芯片 聚焦主线

AI领域很广泛，很多东西我们觉得不在AGI主线上面，比如3D、视频生成，我们不会去做。还比如世界模型，我觉得跟智能的上限也没有太大的关系，我们也不会去做。但其他人做，我们很乐意帮忙。有没有时间是一回事，但是利益上是没有冲突的。

多模态布局对C端用户产品来讲很重要，但对智能上限来说，只是一个组件，不是主线本身，我们不把它当作智能本身。

我们会不会向上游进行垂直整合？我希望不要。我希望其他人来做这个事情，我只要吃我最擅长那一块。未来我们会不会自建大型的集群？肯定要的。但未来要不要自研芯片，取决于这里的收益有多大。假如说你是运营发电厂的，你并不一定需要去造发电机。所以，我希望不用去做芯片，而是以合理的价格买到芯片。

我们线上发了V4，还是比较粗糙的。我们一般比较舒适的发版节奏，大概是两三个月一版。没有意外的话，会一版比一版好的。

下一代模型的核心能力，我觉得必须要有持续学习的能力。在那之前，我们能做的就是成本，把效果做得更好，速度做得更快。但是要有大突破，是要具备持续学习的。

10 格局 拿得少，赢得久

对于合作伙伴，我们的融资是精心挑选的。首先我觉得，利益是比较一致的，对我们最没有敌意，或者说最希望我们能够做成功的——因为我们还是损害了很多其他人的利益的。

走到了资本化这条路上。在纯粹科研、纯粹做AGI的方向和资本市场之间的平衡，我觉得是能够做到的。明年如果B端有收入，需求可以再增大的话，公司离净利润已经不远了。最坏的情况是卖API，可能都能够支撑一个上市公司，我们也有保底可以拿出来的业绩。

我们没有模仿的对象。每一步都是我们从实际情况出发，实事求是，根据实际情况来作决策，找到我们应该怎么做。所以我们是一个时代的产物。

国内现在做模型的公司有点太多了。美国可能就三家，中国最终一定是不需要那么多人去做基模的，一定会收敛，某种程度也比较浪费，每一家拿到的资源就更少。现在大家觉得做这个事情的利润率非常高，所以要自己做。但当他发现没有那么高利润的时候，可能就不做了。我不相信有那么高利润，因为这不符合客观规律。

为什么我们特别在乎这个模型的计算效率？因为确实不是所有人都很在乎模型的效率。相反，这是我们愿景的一部分。因为我们的员工是普通人，他有这个同理心：别人要花钱来用。但如果你从商业角度讲的话，不用这么考虑，这不是**优先级。

低成本首先是一个结果。我们的模型一直在往更低成本的方向走。我们还有很多算法上的方法，成本还可以往下走。成本越低，我就越能训练更大的模型。对大公司来讲，资源是可以加的，但是我们会优先考虑成本效率。

OpenAI从一开始觉得它真的能够垄断这个世界，但实际上它会遇到很多很多挑战者，未来还会遇到中国的挑战，因为中国人愿意拿得更少。所以对我们来讲，我们不是要拿最多的利润，而是只赚一个合理的收益。