DeepSeek彻底火“出圈”后，关于梁文峰、幻方量化的赞誉也充满了互联网。科技的突破固然令人振奋，赞誉之余，回顾往年的采访，我们才发现：这样的成功不是偶然，而是正确的道路、持续的积累、滴水石穿而成的。

引用采访见于：疯狂的幻方：一家隐形AI巨头的大模型之路。

开源与闭源

许多人不理解，对于DeepSeek-V3基础模型、R1推理模型这样性能优异、成本优势巨大的模型，为什么不仿照OpenAI、Anthropic等公司的闭源商业模式，低成本、大量级“捞钱”，而是选择开源，让所有公司团队都能本地部署它们？梁文锋是这样回答的：

在颠覆性的技术面前，闭源形成的护城河是短暂的。即使OpenAI闭源，也无法阻止被别人赶超。所以我们把价值沉淀在团队上，我们的同事在这个过程中得到成长，积累很多know-how，形成可以创新的组织和文化，这就是我们的护城河。

相比于开源带来的盈利，他们更追求在开发开源技术的过程中沉淀的经验，用团队实力构建真正的“护城河”。支撑这样理念的实现，需要团队的共识，其基础正是很多程序员的远大理想：

这个世界存在很多无法用逻辑解释的事，就像很多程序员，也是开源社区的疯狂贡献者一天很累了，还要去贡献代码。类似你徒步50公里，整个身体是瘫掉的，但精神很满足。

精神满足、业界认可，做开源贡献者，这是多少程序员、技术开发者的浪漫理想。

创新人才从何而来

为了建立这样一支有共同理想、目标一致的团队，他们采用非常理想化的选人招聘标准：

我们选人的标准一直都是热爱和好奇心，所以很多人会有一些奇特的经历，很有意思。很多人对做研究的渴望，远超对钱的在意。

常有言：“程序员职业寿命短，35岁以后不转管理岗就面临淘汰”。这可能确实是大多数人的情况：

不是所有人都能疯狂一辈子，但大部分人,在他年轻的那些年，可以完全没有功利目的投入地去做一件事，

创新从何而来

从创新人才的招聘，到创新成果的产出，其中的创新创作过程，更需要依赖合适的管理机制。关于如何管理创新人才、促进成果产出，他们的经验是：

我们的核心技术岗位，基本以应届和毕业一两年的人为主。做一件事，有经验的人会不假思索告诉你，应该这样做，但没有经验的人会反复摸索、很认真去想应该怎么做，然后找到一个符合当前实际情况的解决办法。

正所谓：经验既能作为创新的基础，又能阻碍创新。其两面性，注定了“年轻血液”之于创新团队的重要性。实事求是，反对教条主义，确实是至理。

创新需要尽可能少的干预和管理，让每个人有自由发挥的空间和试错机会。创新往往都是自己产生的，不是刻意安排的，更不是教出来的。我们交给员工重要的事，并且不干预他，让他自己想办法，自己发挥。

Road2AGI

AGI（通用人工智能）一直是AI发展的一个重要目标，大数据催生了当今时代的AI系统，并正在经历由“离”（数理模型）向“心”（价值函数）的过度，向真正的通用智能体迈进[2]。没有人知道那个“奇点”会在什么时候出现，会在哪一领域出现，但不可否认的是大语言模型是目前的一条道路：

我们理解人类智能的本质就是语言，人的思维就是一个语言的过程。你以为你在思考，其实可能是你在脑子里编织语言。这意味着，在语言大模型上可能诞生出类人的人工智能(AGI)

AGI可能是2年、5年或者10年，总之会在我们有生之年实现。至于路线图，即使在我们公司内部，也没有统一意见。但我们确实押注了三个方向:一是数学和代码，二是多模态，三是自然语言本身。数学和代码是AGI天然的试验场，有点像围棋，是一个封闭的、可验证的系统，有可能通过自我学习就能实现很高的智能。另一方面，多模态、参与到人类的真实世界里学习，对AGI也是必要的。我们对一切可能性都保持开放。

他们的推断，会成为预言吗？这让我不禁为之神往，期待有生之年见证这一天的出现。而在这一天出现之前，我们仍将作为时代浪潮中的一滴滴水，作为产业长下游链条中微不足道的一分子：

未来会有专门公司提供基础模型和基础服务，会有很长链条的专业分工。更多人在之上去满足整个社会多样化的需求。

从2022年GPT模型爆发，到2025年低成本、高性能的应用级模型Deepseek出世，科技发展的规律昭示我们，下一步该是大语言模型的应用集中爆发了。或者，更激进一点地说，我们正在经历的正是大语言模型+AI应用的黄金年代。

Reference：

[1] 疯狂的幻方：一家隐形AI巨头的大模型之路
[2] 通用人工智能-百度百科