最近网上流出了一段梁文锋跟投资人的内部交流录音。三个多小时，有人整理成了文字稿。

我前阵子写过一篇文章，叫「DeepSeek V4 发出来后我反而更担心它了」。那篇的核心就一个意思，DeepSeek 从一个小团队冲进了全球竞争的深水区，以后要面对融资、扩张、大厂围猎，能不能保持原来那种愿意给「暂时不划算的事」留位置的底色。

我那时候的判断是担心。

听完这段录音之后，我的担心变了。

原来担心的那件事，现在不怎么担心了。但又多了一个新的，而且更具体。

先说为什么不担心了。

梁文锋在录音里反复提到一个词，克制。

这个词我上篇也用了，但我当时理解的克制，是一种选择，一种姿态，一种「我决定不去抢」的价值观表达。这种理解自然会推导出一个担心，就是一旦外部压力够大，钱进来了，报表进来了，退出预期进来了，这种姿态会不会被磨掉。

梁文锋自己理解的克制，比我写的那个要深一层。

他讲的不是姿态，是一笔账。

他的推导大概是这样的。AI 最终可能占掉人类社会 GDP 的百分之十甚至更多。在这么大的市场里，如果一家公司想独占大部分利润，比如想拿全球 GDP 的 5%，它一定会被另一家愿意只拿 1% 的公司打败。因为后者的成本更低，合作伙伴更多，来自社会、监管和竞争对手的阻力也更小。

然后那个只想拿 1% 的公司，又会被一个只想拿 0.1% 的公司挑战。

这个链条一直往下推，最终会到一个均衡。拿太少的公司活不下去，商业逻辑不成立。拿太多的公司会被更克制的人干掉。

他甚至直接点了 OpenAI 的名。他说 OpenAI 从一开始觉得自己能垄断这个世界，但实际上会遇到很多挑战者。美国会遇到中国的挑战，因为中国人愿意拿得更少。而在中国内部，也会有人愿意拿得更少。

然后他把这个逻辑又往前推了一步，你甚至不需要真的多拿了什么，只要你的愿景是拿更多，你就先输了。因为愿景是拿更多的人，会面临更大的困难。

你把这句话翻译成商业竞争的语言，就是，你的战略意图本身就是你的成本。你想吃掉的越多，你要对付的人就越多。

这跟商业教科书讲的完全是反过来的。

教科书说要抢份额、建壁垒、利润最大化。梁文锋说的是，在一个足够大的市场里，利润最大化本身就是一种战略劣势。

你听他聊这些的口气，不像在表态，像在算账。

他做了快二十年量化交易。

量化交易这个行当的核心能力，不是赌一把大的，是在大量重复博弈中找到正期望值的策略，然后纪律性地执行。一个好的量化交易员不会因为某一笔交易可以赚更多就去冒更大的风险。他会算整个策略组合跑下来的期望收益、波动率、最大回撤。他追求的是系统层面的长期期望值最大化，不是某一单的利润最大化。

你把这套框架搬到 AI 行业里，就能理解他的每一个决策。

开源、低价、不抢 C 端、不做视频生成、不做超级 App，表面上是一堆分散的选择。但用期望值框架一串，全部指向同一件事，增加做成 AGI 的概率。

他在录音里有一句话，大意是，我优先考虑的不是怎么多拿一些份额，而是怎么增加我能够做成的概率。

这句话如果写在创业公司的路演 PPT 上，你会觉得是漂亮的套话。

但从一个用真金白银在市场上下注了二十年的人嘴里说出来，分量不一样。说错了是要赔钱的。

他还讲了一个很具体的故事来佐证这一点。

DeepSeek 有个内部代号的模型，一开始团队担心需求太多服务器扛不住，就把价格定得比较高。结果公司内部不太高兴。后来他把价格降到了原来的四分之一，公司群里很多人欢呼。

在一家正常的公司里，降价就是 ARR 缩水，财务会紧张，投资人会追问。

但在 DeepSeek，降价的时候员工欢呼。

因为这些人做模型的初衷，就是做出效果好、价格低、所有人都用得起的东西。价格降下来，目标更近了，大家就开心。

梁文锋接着解释了 API 定价的具体标准。买一批设备回来，十个月收回成本。按设备五年使用周期算，十个月回本大概对应六倍的设备投入产出比。这个数字不能简单理解为净利润率六倍，因为还没有扣掉电费、运维、研发和闲置率，但作为一个设备端的回本速度，已经非常快了。

然后他说了一个关键判断，在当前这个价格水位上，需求已经没有弹性了。价格再降，用量也不会明显增加。价格再涨一倍，token 消耗量差别也不大，总收入确实能接近翻倍。

但他选择不涨。

不是因为不能，是因为没必要。他觉得十个月回本已经够了。而且他说了，按这个成本结构，第三方拿开源模型自己部署，做不到他的成本。所以开源并不影响他的收入，前提是他只赚六倍而不是一百倍。

如果他想赚一百倍，那开源确实会有影响，因为第三方哪怕只做到二十倍成本，也比他便宜。

这就是「克制」在定价层面的具体样子。不是不赚钱，是画一条线，只赚合理的部分，把剩下的空间让出去。

所以我上篇文章担心的第一个事情，现在有了不同的判断。

我原来觉得 DeepSeek 的克制是理想主义，是靠信念和意志力维持的，融资和商业化一来就可能被侵蚀。

但听完这段录音我发现，这个克制不是靠意志力在撑。它是一套计算出来的策略。

这两者的差别很大。

如果克制是意志力驱动的，那它确实脆弱。人的意志力会消耗，会疲劳，会在压力下妥协。

但如果克制是计算结果，它就不需要意志力来维持。因为每次面对「要不要多拿一点」的决策时，你只要重新算一遍就行了。只要市场够大、竞争够激烈、想独占会招来更多阻力这几个前提没变，计算结果就不会变。

他在录音里有一句很轻松的话，「我们根本都不用加班，因为就没那么难。」

乍一听有点凡尔赛。但顺着他的逻辑想，确实是这样。砍掉了 C 端争夺、砍掉了视频生成、砍掉了做超级 App 的念头，剩下要做的事就不多了。聚焦本身就是克制的副产品。

他还举了个例子。去年春节 DeepSeek 突然火的时候，他的原话是，「那不在我们的剧本里面，我们完全没有想过那个东西。」 他如果拿一大笔钱跟字节去抢 C 端用户，也是一种打法。但他没做。他说前面的都是芝麻，后面还有更大的西瓜，不应该停下来什么芝麻都捡。

他还补了一句，现在来看，去年没在 C 端发力，可能是对的。因为确实看到后面真的有更大的西瓜，前面真的只是小芝麻。

这个判断方式，跟「我有情怀所以不抢」完全不是一回事。他是算过 ROI 的。他判断 C 端争夺战在 AI 的长期时间轴上属于早期的小事件，投入产出比不够高，不值得把筹码压在上面。

还是量化交易员的思路。不是不下注，是挑赔率最高的牌面再下。

他还说了一句让我印象很深的话，「我们最大的核心利益只有一点，就是保持团队的稳定性。只要大家都不走，我一定能做成，一定能做成 AGI，就这么简单。」

两个「一定能做成」。你能感觉到他说这句话的时候是真的这么想的。在他的框架里，钱不是问题，资源不是问题，唯一的风险就是人散了。

所以原来那个担心，我放下了。

但新的担心紧跟着就来了。

录音里梁文锋聊到了算力的现状。他自己承认，DeepSeek 的算力规模跟美国头部公司差了一个数量级。国内公司做的最大模型还在几十 B 激活参数的规模，美国已经到了几百 B。

他说了一个大致的说法，我们跟美国的差距可能是落后 12 到 18 个月，只用了美国大概二十分之一的算力。

二十分之一。

这个数字放在过去是光环。DeepSeek 之所以让全球震动，就是因为它用极少的资源做出了接近前沿的成果。V2 的 MLA 架构、R1 的推理能力，都是在资源极度有限的条件下逼出来的。

但放在未来，这个数字是约束。

你可以在十 B 激活的规模上靠算法效率领先，可以在特定任务上用巧妙的架构设计弥补资源不足。但当竞争进入更大规模、更密集投入的阶段，二十倍的算力差距不是光靠聪明能填平的。

他自己也很清楚。他说，Scaling 远没有结束，阻止我们 Scaling 的不是方向不对，是没有那么多算力。他甚至说，如果融资的钱半年之内全花完买成显卡，那是最理想的结果。但实际上没那么多卡可买，价格合适的就更少了。

这让我想到一件事。他的博弈论推导是对的，在足够大的市场里，愿意少拿的人赢面更大。

但博弈论有一个前提条件，你得还坐在牌桌上。

他也许看到了这一点，所以把几乎全部战略重心压在了一个方向上，持续学习。

这个概念可能很多人不太熟。简单说，现在的 AI 不管多聪明，每次干活都需要你把上下文和指令喂全。你让它帮你处理一件事，得告诉它背景是什么、规矩是什么、人物关系怎么样、上次为什么失败。

但一个真正的员工不用你每次都这样交代。梁文锋举了个例子，他说你招一个员工，他花两个月时间熟悉公司，之后你跟他说「叫小王过来」，他就知道小王是谁。但如果是 AI，你得告诉它小王是谁、什么职务、在哪里、怎么找他、找他的时候注意什么。你得给 AI 所有的上下文。

梁文锋认为这是当前 AI 和 AGI 之间最关键的一道坎。他给了一条路线图，语言模型、CoT、Agent、持续学习、自我迭代、具身智能。现在行业都在讲 Agent，但他说 Agent 之后真正卡住的是持续学习这一步。而且他承认，全世界都还没有找到很 work 的方法，还在摸索。

如果这个方向赌对了，算力差距的重要性会下降。因为突破来自算法和架构层面的创新，不是靠暴力堆卡。DeepSeek 过去两年已经证明过一次，用架构创新可以在少得多的资源下做出接近前沿的结果。

但如果赌错了呢。

如果持续学习这条路走不通，或者走得比预期慢很多，而美国公司靠几十万张卡的暴力 Scaling 先一步到了下一个台阶。那时候克制再正确也没用。

所以我现在的判断比上篇文章更具体了。

上一次我担心的是 DeepSeek 会不会在融资和商业化的过程中丢失自己。听完这三个多小时的录音，我觉得这个担心可以放一放。他的克制不是挂在墙上的标语，是他算完账之后的结论。只要那几个前提不变，这个结论不会轻易被改写。

但我换了一个更具体的担心。

他的策略可能是这场 AI 竞赛里最优雅的打法。不抢、不急、只赚合理利润、把精力全压在做成 AGI 的概率上。每一步都在数学上说得通。

就看筹码够不够他把这套打法执行到终局。

德州扑克里，你可以拿着最优的策略，读牌读得比谁都准，但如果你的筹码比对手少太多，连等到好牌的机会都不够。

这不只是 DeepSeek 一家公司的问题。

算法可以比对手更聪明，策略可以比对手更克制，但筹码的差距，得靠别的方式来补。