Liang Wenfeng, quien comenzó con cuantificación y ahora está completamente enfocado en la AGI, tiene un enfoque lógico diferente al de quienes hablan constantemente de ecosistemas. Él dice que comparar la AGI con subir una escalera: el peldaño del año pasado fue CoT, el de este año es Agent, y los siguientes serán aprendizaje continuo. Solo después de completar el aprendizaje continuo se llega al punto de inflexión progresivo, y luego a la inteligencia encarnada. La encarnación es la última estación, porque, para una persona normal, la necesidad no es una computadora, sino mano de obra. Esta frase resume por completo las prioridades tecnológicas de DeepSeek para los próximos tres a cinco años. En el nivel de Agent, también hace elecciones. En esta etapa, lo más importante son el Coding Agent y el Agent general; los escenarios verticales como finanzas y salud tienen prioridad más baja. La brecha en el próximo modelo es el aprendizaje continuo. Él dice que la IA hoy en día no le falta gusto ni intuición, sino la capacidad de aprendizaje continuo. Los humanos pueden aprender continuamente; la IA aún no. El próximo modelo debe tener esta capacidad, ya que es el camino más rápido hacia la AGI. Pero aprender está compuesto por muchos elementos, y el mundo aún no ha encontrado un buen método. Su estrategia comercial también explica por qué DeepSeek insiste en el código abierto y en la máxima eficiencia de costos, solo buscando ganancias razonables. Consideran extremadamente la eficiencia de costos, por lo que pueden ofrecer precios mínimos. Venden API sin vendedores ni servicio al cliente; los usuarios vienen por sí solos. Él no cree en absoluto que las empresas de grandes modelos puedan capturar la mayor parte de las ganancias de la industria de la IA. El código abierto es parte del autocontrol. Él dice que una empresa de software con un mercado anual de varios miles de millones de dólares pierde todo al abrir su código. Pero el tema de la IA es lo suficientemente grande como para eventualmente representar hasta el 10% del PIB mundial. Intentar monopolizar estos beneficios es algo que la historia rechazará. La brecha competitiva se manifiesta en tres aspectos: costos, tiempo y experiencia del usuario. Los costos están en primer lugar; unos meses de ventaja marcan una diferencia enorme. La experiencia del usuario genera fidelidad, pero no es esencial. En cuanto al panorama industrial, los recursos dispersos inevitablemente se concentrarán. La brecha principal de la IA en China radica en los recursos. Ellos confían en scaling: cuanto mayor sea la escala, mejor será el rendimiento, pero los recursos son limitados. No hay diferencia en talento; todos provienen del mismo grupo de personas. Hay demasiadas empresas de modelos en China, lo que dispersa los recursos; finalmente, esto se concentrará. Cada empresa solo obtiene ganancias razonables, por lo que no se necesitan tantas personas para desarrollar grandes modelos. Probablemente basten dos grandes empresas y dos pequeñas. Que Anthropic supere a OpenAI es solo un fenómeno temporal. A largo plazo, OpenAI y Google probablemente se alternarán en el liderazgo. Mi reflexión es que el mal aprovechamiento de recursos es el mayor desperdicio de la IA en China. La misma gente se divide entre decenas de empresas, generando gasto interno; la concentración ocurrirá inevitablemente. Organización y personas: el autocontrol es una estrategia. No tienen intención de convertirse en la próxima superapp; no les interesa este modelo. No se dejarán llevar por lo pequeño y perderán lo grande. El año pasado todos competían por bots de chat y tráfico C; este año compiten por ingresos B. Lo que realmente les importa es la hoja de ruta de la AGI. Solo una organización con autocontrol puede tener una estrategia con autocontrol. Una empresa impulsada por KPI y GMV nunca podría decir cosas como “código abierto” o “solo ganancias razonables”. Si tu visión es acumular más, ya has perdido.