如果一款产品突然爆红，多数公司的下一步都很熟悉：留住用户、增加功能、寻找收费入口。DeepSeek给出的答案却是，不做超级App，也不想成为“下一个字节、下一个腾讯”。它宁可少赚一些，把资源继续押在AGI——能够跨领域学习、推理和行动的通用人工智能——上。
这套选择来自一份近期流出的投资者交流会实录。交流据称持续近4小时，文字超过3.4万字。梁文锋集中谈到组织、开源、利润、技术路线和算力计划，为外界理解DeepSeek的长期战略提供了少见窗口。不过，第一财经向DeepSeek求证后，截至发稿未获回应。因此，以下内容应视为多家媒体转述的交流会表态，而不是已经得到官方确认的完整记录。
不接住所有流量
梁文锋给DeepSeek划出的边界很清楚：公司不以商业利益最大化为目标，最优先考虑的是提高做成AGI的概率。
这解释了一个看似反常的决定。DeepSeek获得大量用户后，没有把主要资源投入消费端产品，也没有急着把流量变成收入。在梁文锋的判断里，超级App、视频生成和世界模型都有价值，但不是当前限制AGI的关键瓶颈。多模态——让模型同时处理文字、图像等不同信息——未来会做，却更像能力组件，不等于智能本身。
这并非不要商业收入，而是给收入设上限。梁文锋称，DeepSeek的API——让其他软件调用模型的接口——按照购买服务器后约10个月收回设备成本来定价，公司只追求“合理利润”。他还表示，未来最强模型大概率仍会开源。开源模型允许外部查看或使用模型成果，但真正部署并把运行成本降下来，仍需要工程能力，因此开源与收费服务并不冲突。
换句话说，DeepSeek不想把模型围起来卖最高价。它希望模型被更多人使用，同时用服务收入维持长期研究。这是主动取舍，也是一个尚待时间验证的商业假设。
AGI之后的下一道坎
在技术路线上，梁文锋把“持续学习”视为当前关键瓶颈。持续学习指AI投入使用后，仍能从新经验中更新能力，不必每次都从头训练。难点是既要学会新东西，又不能把旧能力忘掉，还要避免错误经验持续污染模型。
据联合早报对网传实录的转述，梁文锋设想，模型突破持续学习后，可能进一步走向自我开发、自我迭代，最终进入具身智能，也就是让AI在现实世界中行动。但这是一张技术路线图，不是已经实现的能力。持续学习能否按这一路径导向后续阶段，材料没有提供验证证据。
这套目标也进入了组织设计。梁文锋称，DeepSeek没有KPI；正式的自上而下任务原则上不超过员工时间的一半，其余时间留给自主研究。融资后员工获得期权，他认为团队稳定性风险已得到较大缓解。对一家押注长期研究的公司来说，这意味着它把留住团队看得比扩张产品线更重要。
克制背后仍是重资产
“不追求赚最多的钱”不等于少花钱。训练前沿模型和建设算力都需要持续投入。梁文锋认为，中国AI与美国的主要差距在资源，尤其是算力，而不是人才。据观点网对交流会的摘要，DeepSeek未来将自建大型集群。
自建集群，就是企业自己采购大量AI芯片，并配套建设网络、存储和机房。好处是获得更强的算力控制权，代价则是高额资本开支和长期运维负担。于是，DeepSeek的战略张力变得很具体：一边压低API利润、坚持开源；另一边又要为AGI研究和大型集群持续投入。
近期完成的首次外部股权融资，正处在这条张力线上。第一财经援引天眼查信息称募资约510亿元，并依据三家上市公司公告间接推算估值约3250亿至3509亿元；联合早报则报道融资约70亿美元、融资后估值约520亿美元。两组数字大致接近但口径并不完全一致，也不能与报道中正在讨论的下一轮融资混为一谈。
为什么值得关注
我们此前梳理过DeepSeek筹备IPO、接触融资和扩张自有算力的资本线索。这次交流会更重要的地方，是把这些动作串成了一套内部逻辑：用有限利润维持服务，以开源扩大使用，把资金和人才继续集中到AGI，再通过自建集群补足资源。
所以，“不做下一个字节”不是拒绝成为大公司，而是拒绝沿着互联网公司的标准路线长大。真正的问题也随之改变：外界不只要看DeepSeek有多少用户、收入增长多快，还要看它能否长期承担重资产投入，并把持续学习等研究判断变成实际进展。
局限与未知
- 交流会实录尚未得到DeepSeek官方确认，原话完整性和上下文仍需审慎看待。
- 自建大型集群的规模、时间表、芯片来源和预算均未披露。
- 持续学习、自我迭代和具身智能目前是梁文锋的路线判断，材料没有给出技术成果或验证节点。