电话会议纪要关键要点总结 涉及的行业与公司 * 涉及的行业为人工智能（AI）与通用人工智能（AGI）行业 [5][6][26][29] * 涉及的公司为发言人所代表的DeepSeek公司 [1][32][49] 核心观点与论据 公司愿景与组织文化 * 公司成立的初衷并非追求商业利益最大化或上市，而是怀着对世界的善意，希望做对人类有用的事情 [3] * 公司的组织管理依靠愿景驱动，而非严格的规章制度或KPI考核，愿景体现在实际做事的方法和态度中 [3][4] * 公司由一群平凡的普通人组成，通过克制和共同的愿景做出了不平凡的事情 [7][8] 开源战略与商业克制 * 公司坚持开源是愿景的必然要求，也是基于对AI市场规模巨大的判断（可能占人类GDP的10%）[5][6] * 认为在AI领域，克制是核心战略。试图独占巨大利益会被历史抛弃，克制反而能增加做成AGI的概率 [6][8][13] * 开源与商业付费没有冲突，前提是公司只赚取“合理的利润”（当前标准是API定价实现10个月收回设备成本）[9][21][22] * 公司API定价逻辑是追求合理利润（约10个月收回设备成本），而非利润最大化。在需求无弹性的情况下，即使价格翻倍，收入也会接近翻倍，但公司选择不这样做 [9][10][12] * 公司曾因担心需求过多而将模型定价较高，后主动降价至四分之一，公司内部对此表示欢呼，这体现了与追求收入最大化的竞争对手的不同 [11] 商业模式与市场策略 * 将C端和B端业务视为追求AGI路上的副产品或中间产出，并非主要目标。公司主要精力仍放在AGI技术主线上 [15][31][32][33] * 不追求成为下一个超级App（如字节、腾讯），认为当前C端和B端的机会与未来的AGI相比只是“芝麻”，应集中精力抓后面的“西瓜” [14][15] * 预计今年API或AI方面的年度经常性收入（ARR）有机会达到数亿美元，若达到10亿美元，公司现金流可能回正，覆盖所有研发费用 [16] * 公司核心利益和唯一风险是保持团队的稳定性。只要核心团队稳定，做成AGI只是时间问题。近期融资通过发放较多期权，较大程度解除了此风险 [36][37] * 对外合作态度开放，不愿与任何厂商成为对手，希望赋能甚至帮助竞争对手，因为这与开源理念和长远商业利益不冲突 [38] 技术路线与AGI发展观 * 公司的长期目标是实现通用人工智能（AGI） [26][29] * 描绘了清晰的AGI技术发展路线图：当前阶段是Agent（智能体），下一个要解决的瓶颈是持续学习，之后是模型自我迭代的“奇点”，最后才是具身智能。认为这条路径相对轻松，因为后续技术可用前面的技术辅助开发 [27][28][29][30] * 认为多模态、视频生成、世界模型等当前热门方向与提升智能上限的主线关系不大，更多是好的商业机会，因此公司不会重点投入，但会将其作为组件来发展 [39][40][41][61] * 坚信Scaling Law（规模定律），模型规模越大效果越好。限制公司进行更大规模训练的主要因素是算力资源，而非技术或意愿 [61][62] * 下一代模型的核心能力必须是具备持续学习的能力，否则只能是在成本、效果和速度上的优化 [62] 竞争格局与行业分析 * 认为大模型竞争的终局差距将体现在三方面：成本、时间（推出早晚）、用户体验，其中成本是排在第一位的本质差异 [47] * 在全球AI分工中，中国公司很可能扮演产量最大、成本最低的角色，中国产的AI服务价格将更便宜 [51][52] * 对比中美AI差距，认为主要差距在算力资源，而非人才。国内人才基数大，最聪明的人随机分布在海内外 [44][45] * 公司当前拥有约2万张H等效算力，大部分是最近一两个月到货。正在激进扩充算力，策略是在价格合理范围内“能买多少就买多少” [41][42] * 国内目前能训练的最大模型激活参数在几十B（百亿）规模，而美国已达到800B（八千亿）激活，相差一个数量级。训练一个同等规模的模型可能需要20万张华为卡，目前资源无法支持 [45] 国产算力与生态发展 * 认为国产AI芯片替代正面临历史性机遇。英伟达CUDA的生态护城河正在被快速瓦解，原因包括：AI辅助编程、新的高级语言（如公司自研的TileLang）、以及专用AI芯片设计与游戏卡解耦的趋势 [53][54][55] * 公司与华为深度合作参与其生态建设。华为的主要问题是产能不足，分配给公司的产能约为1.6万张卡 [56] * 认为华为950超节点在性能和任务上可以平替英伟达GB300，但代价是“四张顶一张，同时落后两年” [57][58] * 公司自研的TileLang高级语言编译器是关键，使得V3模型训练使用英伟达卡但不再依赖英伟达生态。将此生态迁移到华为卡上即可完成替代 [56] * 对国产算力生态持乐观态度，预计一年内能扭转国产卡生态不好的认知，剩下主要是产能问题 [55][57] 公司运营与未来规划 * 公司决策机制建立在寻求共识的基础上，而非个人独断 [49] * 不希望向上游（芯片）或下游（应用）进行垂直整合，希望只专注于最核心的AGI部分，与产业伙伴合作 [59] * 在To B业务上，认为当前技术条件下的需求上限是有限的，收入规模最终取决于需求而非算力 [60] * 融资后的资金优先用于购买算力，理想情况是半年内将钱全部转化为英伟达卡，因为其投资回报（10个月回本）远高于银行存款利率 [42][43] * 公司特别在乎模型的计算效率与低成本，这既是愿景驱动的结果（让更多人用得起），也是在算力紧缺背景下能训练更大模型的现实需要 [62][63]