读完梁文锋近四小时投资人会流传纪要：普通人更该关注应用层

从融资、开源、Agent 到持续学习，看清 DeepSeek 的技术优先级

这几天，一份超过 3.4 万字的梁文锋投资人交流会实录在网上流传。

交流持续近四小时，腾讯科技将相关内容整理为 118 条发言或问答。

材料很长。读下来，DeepSeek 的决策顺序很稳定：

DeepSeek 不是围绕某个爆款产品组织起来的。它围绕一条技术主线组织起来——AGI。

C 端流量、B 端收入、开源、融资、国产算力，甚至公司该不该加班，都只是这条主线之下的选择。

这也是这份材料值得普通人读的地方。

从应用者的角度，我更关心另一个问题：

谁能把模型接入工具、数据和长期工作流程。

先说清楚：这不是官方实录

本文依据三类材料交叉整理：网络流传的 22 页会议纪要、腾讯科技整理的 118 条发言，以及第一财经获得的 3.4 万字实录。

但证据边界必须说在前面：

DeepSeek 没有正式发布这份会议记录；
第一财经曾就交流内容向 DeepSeek 求证，截至发稿未获回应；
腾讯科技和网络纪要都属于媒体或第三方整理，个别词句可能存在转述、识别或编辑误差；
工商变更和上市公司公告可以侧面确认首轮融资及部分持股信息，但融资总额、完整投资方名单和部分会议数字，并非全部来自 DeepSeek 官方口径。

7 月 25 日，彭博又报道称，DeepSeek 暂停了第二轮融资洽谈，原因之一可能是梁文锋对相关言论外流感到不满。路透随后转述该报道，并明确表示无法独立核实。

所以，下面凡涉及会议内容，都应理解为：

据目前公开流传且被多家媒体交叉报道的会议记录，梁文锋表达了以下判断。

这不是官方承诺，更不是确定会发生的路线图。

一、纪要呈现出的第一优先级：AGI

外界最容易把 DeepSeek 看成一家模型公司。

但从这次交流会看，梁文锋给它的定义更接近一家长期押注 AGI 的研究型组织。

他的原话逻辑很清楚：去年大家争 C 端 Chatbot，今年大家争 B 端收入，但 DeepSeek 内部真正关心的，仍然是 AGI 路线图以及下一步技术突破。

这不等于 DeepSeek 不要用户，也不等于它拒绝商业化。

相反，梁文锋明确说，DeepSeek 本质上仍是一家公司，最终必须活下去。C 端用户和 B 端 API 收入都要做，只是它们不是最高优先级，而是研发 AGI 过程中自然产生的中间成果。

这份纪要呈现出的 DeepSeek 决策顺序是：先确定技术方向，再处理研发过程中产生的产品和商业机会。

所以它没有急着做下一个超级 App，也没有在突然获得巨大流量后，把全部资源转向留存和变现。

梁文锋把这些机会比作“芝麻”。

不是芝麻没有价值，而是如果后面还有更大的西瓜，就不能为了捡完眼前所有芝麻，停下整支队伍。

二、Agent 之后，梁文锋关注持续学习

这次会议给出了一条比具体模型版本更值得关注的技术路线：

语言模型 → 思维链（CoT）→ Agent → 持续学习 → AI 自我迭代 → 具身智能。

把它翻译成人话：

语言模型让 AI 能理解和生成内容；
思维链让它能分步骤解决复杂问题；
Agent 让它能调用工具、跨步骤执行任务；
持续学习让它能在长期工作中积累经验，不必每次从零开始；
当 AI 能持续学习，它才可能进一步帮助开发下一代 AI；
再往后，智能才可能真正进入现实世界，承担具体的人力工作。

梁文锋指出，今天的 AI 在一个边界清楚、上下文完整的任务里，已经可能超过人类。

问题是，现实工作几乎从来没有“完整上下文”。

一个新员工进公司，需要两个月熟悉同事、流程、客户、历史决策和那些没人写下来的默认规则。今天的 AI 每次接任务，却仍然经常需要人重新解释：小王是谁、资料放在哪里、这件事以前为什么这样做。

所以，今天的 Agent 可以执行任务，却还很难自然地成为一名长期同事。

缺的不是再多一个按钮，而是把工作经验沉淀下来的能力。

但这里需要区分两件事：梁文锋讨论的“持续学习”，涉及模型或智能系统持续更新能力；应用层常说的业务上下文、外部记忆和反馈流程，只能减少重复说明、积累可复用信息，并不等于模型完成了持续学习。

即便如此，对今天的应用者来说，长期可读的业务上下文依然比单纯增加提示词更有用。

三、DeepSeek 的“克制”，本质上是一套资源分配制度

我从这些表述中概括出一个共同特点：克制。

它具体表现为：

不把所有资源都投向 C 端增长；
不急着铺满 B 端行业方案；
暂时不把视频生成、3D 和世界模型当作 AGI 主线；
不试图同时吃掉模型、应用、芯片和所有上下游；
不把利润最大化当作定价目标。

这听起来像价值观，实际上更像一套严格的资源分配制度。

任何公司都可以谈愿景，主动放弃什么更能说明它的优先级。

DeepSeek 的选择是：只要一件事不能提高做成 AGI 的概率，即使它很热门、很赚钱，也不能自动进入最高优先级。

纪要还提到，团队不依赖 KPI 驱动，正式任务最好不要超过员工一半的时间，研究需要相对松弛的环境。

他并不是在说管理不重要。

我的理解是，他把最稀缺的资源从“员工工时”重新定义成了“研究者持续探索问题的空间”。

四、开源不是放弃商业，而是更换护城河

传统软件的护城河，常常是代码不公开、许可证收费。

但梁文锋判断，基础模型市场足够大，不可能被一家公司独占。DeepSeek 即便继续开放最强模型，也不代表别人能够以同样成本，把模型稳定地部署和运营起来。

按上述会议表述，我把 DeepSeek 可能形成的竞争力概括为三个部分：

训练和推理效率；
大规模部署能力；
持续迭代的组织效率。

据流传纪要，DeepSeek 的 API 定价不是追求利润最大化，而是按设备在约十个月内收回成本来测算“合理利润”。会议还提到，某款模型降价到原来的四分之一后，团队内部反而很高兴。

这些数字仍属于未经官方确认的会议转述，不能当成财务披露。

按流传纪要，DeepSeek 希望通过开源和低价扩大采用，再依靠训练、推理与部署效率保留合理利润。因此，“开源”和“商业化”并不天然冲突。

这套逻辑能否长期成立，仍需要经营数据验证。但它至少说明，DeepSeek 没有把开源理解为放弃收入，而是把效率置于许可证壁垒之前。

五、融资缓解的两种压力：团队稳定与算力

公开信息显示，DeepSeek 已完成首轮外部融资。根据上市公司公告和工商信息穿透测算，其投后估值大约在 3200 亿至 3500 亿元之间；媒体报道的募资规模约为 500 亿元。

但如果只把这轮融资理解为“DeepSeek 开始商业化”，就会错过重点。

在会议记录中，梁文锋把团队稳定称为公司“唯一没法退让的核心利益”。融资后员工获得期权，首先缓解的是核心人才流失风险。

梁文锋对中美 AI 差距的判断非常直接：主要差距不在人才，而在资源，尤其是算力。人才工资再高，在整个大模型资本投入中仍是小头；资本投入的大头仍是算力，高质量数据标注成本也很高。

由此可以推测，这轮融资有助于同时缓解两种压力：

让关键的人愿意继续留下来的时间；
让这些人可以继续做实验的计算资源。

这不是 DeepSeek 官方披露的资金用途，只是根据会议表述作出的合理推断。

六、关于国产芯片，最该区分“方向判断”和“精确数字”

流传纪要中，梁文锋对国产算力相当乐观。

核心判断包括：

CUDA 的生态壁垒可能被 AI 编程和新一代编译技术削弱；
国产 AI 芯片的主要问题会逐步从“能不能用”转向“产能够不够”；
据流传纪要，DeepSeek 正参与国产芯片的软件生态适配；
中国 AI 的结构性优势可能体现在成本和产品能力上。

这些判断值得重视，但必须分层阅读。

方向判断可以讨论，例如 AI 是否会降低重建软件生态的成本，成本效率是否会成为中国模型的重要竞争力。

精确数字则要谨慎，例如具体卡量、供货规模、芯片性能倍数和训练计划。这些内容来自非官方流传记录，不仅缺乏独立验证，原会议中还明确提醒不要外传部分敏感数字。

因此，本文不复述这些数字。

七、普通人的机会，为什么不在模型这一层

据流传纪要，梁文锋判断，国内基础模型公司数量最终会收敛。

这是正常结果。

基础模型需要巨额算力、顶尖人才、高质量数据和长期资本投入。普通人、小团队甚至多数公司，都没有必要在这一层重复造轮子。

但这不等于普通人没有机会。

如果基础模型进一步收敛，调用成本继续下降，我认为一部分竞争机会可能转向应用层：

谁真正理解一个行业的工作流程；
谁拥有长期积累的业务上下文；
谁能把模型接进真实工具和数据；
谁能让 Agent 在一次次执行中形成反馈闭环；
谁能获得客户信任，并把结果交付出去。

这五件事，很可能构成应用层的实际门槛。

对多数应用者，更实际的起点是把 AI 接入一个结果可验证的真实任务。

可以先从三步开始：

1. 选一个重复出现、结果可验证的真实任务

不要先做“万能 Agent”。

先找一个每周都会发生、完成质量能够判断的任务，例如整理客户需求、生成经营日报、核对合同要点、完成选品方案或维护内容素材库。

2. 给 AI 工具和上下文，而不只是提示词

让它能读取历史记录、调用软件、找到数据、执行步骤，并知道过去为什么这样决策。

没有上下文的 Agent，只是在反复入职。

这些外部记忆不会让基础模型自动完成“持续学习”，但能显著减少重复交代，并让下一次执行继承已有信息。

3. 用真实结果形成反馈

它写完一份稿，不是结束；发布后的数据、人工修改和错误原因，必须回到系统里。

否则反馈没有进入下一次执行，系统仍会重复同类错误。

结语

读完这份交流材料，我把它呈现出的决策逻辑概括成一个问题：

这件事是在提高 AGI 研发成功的概率，还是主要带来短期增长？

不做超级 App，不追求利润最大化，不把每个热门方向都变成公司任务，不代表 DeepSeek 没有商业野心。

按流传纪要，它只是把更长期的 AGI 研究放在了更高优先级。

对普通人来说，真正值得借用的也不是“去做 AGI”。

而是先停止追逐每一次模型更新，把一个模型接进自己的真实工作，让它拥有工具、上下文和反馈，逐渐成为一套可以长期运转的系统。

如果模型供给继续集中、使用成本继续下降，应用层会获得更多试错空间。

真正稀缺的，是你对现实问题的理解，以及把智能变成结果的能力。

资料来源与证据边界

《梁文锋投资人交流纪要》，@硅谷大脑整理，网络流传 PDF，22 页，生成于 2026-07-24；非 DeepSeek 官方发布。
腾讯科技：《梁文锋四小时投资人会议实录：4小时、118个回答，谁将吃到AI红利？》，2026-07-23；经富途资讯转载。
第一财经：《梁文锋4小时投资会讲话流出：DeepSeek为什么不做“更赚钱”的公司？》，2026-07-23；报道明确称已向 DeepSeek 求证，截至发稿未获回应。
证券时报/第一财经：《DeepSeek真实估值浮出水面？》，2026-07-20；基于上市公司公告穿透测算估值区间。
证券时报：《DeepSeek完成首轮融资多家A股公司间接参股》，2026-07-18；包含工商变更及上市公司公告信息。
Bloomberg：《DeepSeek Said to Tell Backers of Funding Pause After Viral Posts》，2026-07-25；为知情人士消息。
Reuters：《DeepSeek tells prospective investors of funding pause, Bloomberg News reports》，2026-07-25；路透明确表示无法独立核实相关报道。

本文不构成投资建议。涉及未获官方确认的会议内容，均按“流传纪要/媒体报道”处理，不作为 DeepSeek 的正式承诺。