डीपसीक का उत्तर, केवल आकाश की ओर देखना नहीं है, न ही केवल जमीन पर कदम रखना है, बल्कि एक पर्याप्त दूर के लक्ष्य को समर्थित करने के लिए वास्तविक समस्याओं का उपयोग करना है।लेखक, स्रोत: 36氪
डीपसीक का उत्तर, केवल आकाश की ओर देखना नहीं है, न ही केवल जमीन पर कदम रखना है, बल्कि एक पर्याप्त दूर के लक्ष्य को समर्थित करने के लिए वास्तविक समस्याओं का उपयोग करना है।
लेखक | जियाजिंग ली, चेनयी लिउ
संपादित | ज़ांग वेई
हेड इमेज स्रोत | DeepSeek
कवर स्रोत | DeepSeek
डीपसीक को फिर से स्पॉटलाइट में लाया गया है।
यह कंपनी एक समय लगभग AI दुनिया की सबसे रहस्यमयी स्थिति थी: इंजीनियरिंग संस्कृति, नीचे रहना, संस्थापक लगभग कभी सार्वजनिक रूप से नहीं दिखाई देते थे, और टीम ट्रैडिशनल इंटरनेट कंपनियों की तरह बार-बार कहानियाँ सुनाने या प्रचार नहीं करती थी। लेकिन पिछले वर्ष में, यह लगभग हर कुछ समय बाद चीनी टेक समुदाय का केंद्र बन गई। मॉडल लॉन्च के समय, इसने कम लागत और ओपन-सोर्स के कारण सोशल मीडिया पर वायरल हो गया; फंडिंग की खबर आने पर, इसका मूल्यांकन और निवेशकों के कारण चर्चा हुई; इस बार, लियांग वेनफेंग की लगभग 4 घंटे की निवेशकों के साथ बातचीत की रिकॉर्डिंग सामने आने से, बाहरी दुनिया ने इस कंपनी का पुनर्मूल्यांकन किया।
इस बार, बाहरी दुनिया एक अधिक पूर्ण और अधिक विरोधाभासी DeepSeek देखती है।
एक ओर एक पर्याप्त दूर का लक्ष्य है। लियांग वेनफेंग एजीआई, दृष्टिकोण, "दुनिया के प्रति दयालुता", लाभअधिकतमीकरण की अनुपस्थिति, और खुला स्रोत न होने पर लोगों को संगठित करने की असमर्थता पर बात करते हैं। वे कहते हैं कि डीपसीक अगला सुपर ऐप बनना नहीं चाहता, अगला बाइटडांस या टेंसेंट नहीं बनना चाहता; कंपनी KPI के बजाय दृष्टिकोण पर काम करती है, शोधकर्ताओं के पास बहुत अधिक स्वतंत्र अन्वेषण का समय है, और वे कम से कम ओवरटाइम पर काम नहीं करते। दूसरी ओर, व्यावहारिकता है। लियांग वेनफेंग API मूल्यनिर्धारण पर भी बात करते हैं, जिससे दस महीनों में लागत प्राप्त होती है, वित्तपोषण कैसे टीम स्थिरता के जोखिम को कम करता है, पैसे को जल्द से जल्द कार्ड में बदलना, घरेलू कैलकुलेशन क्षमता की सीमा, मुख्य शोधकर्ताओं में से आधे का डेटा मार्कअप करना, और कंपनी बड़ी होने पर संगठनात्मक संरचना को पूरा करना। वे यहाँ तक कहते हैं कि सबसे खराब स्थिति में API बेचकर भी एक सूचीबद्ध कंपनी को समर्थन मिल सकता है।
एक एआई कंपनी कैसे आकाश की ओर देखे और साथ ही जमीन पर कदम रखे? यही DeepSeek द्वारा दिया जाने वाला उत्तर है।
नेटवर्क पर लीक हुए "लियांग वेनफेंग निवेशक बातचीत की आवाज़ प्रतिलिपि" के आधार पर, "भविष्य का मानव प्रयोगशाला" ने निम्नलिखित संकलन किया है।
दूर तक देखें, लेकिन चरणों में तोड़ें
लंबी अवधि का लक्ष्य AGI है, लेकिन दूर की बातें नहीं, बल्कि इसे लगातार चरणों में विभाजित करें
लियांग वेनफेंग ने दीर्घकालिक लक्ष्य को AGI के रूप में परिभाषित किया, लेकिन उन्होंने AGI को एक उड़ती हुई अवधारणा के रूप में नहीं बताया, बल्कि इसे एक निरंतर रास्ते में विभाजित किया: भाषा मॉडल, CoT, एजेंट, निरंतर सीखना, स्व-पुनरावृत्ति, शरीरिक बुद्धिमत्ता। लक्ष्य पर्याप्त दूर है, लेकिन प्रत्येक कदम वर्तमान प्रौद्योगिकी समस्याओं पर उतर सकता है।
यह हमारा अनुमान है, हमें लगता है कि यही क्रम होना चाहिए: पहले सीखने के लिए सीखना, फिर उस बुद्धिमान विशेष बिंदु तक पहुँचना, जो स्वयं को दोहरा सके, और फिर ही शरीरिक बुद्धिमत्ता। शरीरिक बुद्धिमत्ता के बाद, यह वास्तविक दुनिया में प्रवेश करती है, आपके घरेलू काम कर सकती है, आपकी देखभाल कर सकती है।हमें लगता है कि यह एक बहुत अच्छा रोडमैप है, लेकिन हर किसी का दृष्टिकोण अलग होता है, और इसमें सही या गलत नहीं होता। केवल यही हमारा मानना है कि यह रोडमैप सबसे आसान है। इस रोडमैप का कारण यह है कि हर कदम पर आपको नया करना बहुत कम होता है।AI के विकास को हम एक सीढ़ी के रूप में समझ सकते हैं। पिछले वर्ष चली गई सीढ़ी CoT, यानी थिंकिंग चेन थी। क्योंकि हमने पाया कि थिंकिंग चेन के माध्यम से, बुद्धिमत्ता को एक उच्चतर स्तर तक पहुँचाया जा सकता है। इसके द्वारा अपने आप को सोचने से, इस सीमा को बढ़ाया जा सकता है, जिससे AI अधिक कार्य कर सकता है।यह एजेंट का पीछा करता है, लेकिन एजेंट को अंतिम लक्ष्य नहीं मानता
अभी बाहरी दुनिया में एजेंट उत्पाद और व्यावसायिक लागू करना सबसे अधिक चर्चित है, लेकिन लियांग वेनफेंग एजेंट के बाद की बाधा—निरंतर सीखने—पर अधिक ध्यान देते हैं। वह वर्तमान प्रौद्योगिकी लहर में शामिल हैं, लेकिन वर्तमान लोकप्रियता उनके अंतिम परिणाम को परिभाषित नहीं करती है।
इस एजेंट के संदर्भ में, जो दिख रहा है वह अगली बाधा है—लगातार सीखना। अगला हल करने वाला मुद्दा यह है कि लगातार सीखने का तरीका क्या होगा। यह दिख रहा है, और इसके बारे में अपेक्षाकृत स्पष्ट है।AI आपके कर्मचारियों का स्थान नहीं ले सकता। लेकिन अगर AI की लगातार सीखने की क्षमता है, और यह आपके कर्मचारी की तरह कंपनी में दो महीने सीखता है, तो यह सबकुछ बदल सकता है।अब निवेशक अधिकतर एजेंट देख रहे हैं; लेकिन हम जो अध्ययन कर रहे हैं, उनके लिए अब अधिकतर सीखना दिख रहा है।दूर तक देखें, लेकिन मुख्य रेखा से बाहर की तकनीकी दिशाओं को सक्रिय रूप से बाहर रखें।
वीडियो जनरेशन, 3D, वर्ल्ड मॉडल, मल्टीमॉडल, और एम्बॉडिड इंटेलिजेंस को अलग-अलग प्राथमिकताओं में रखा गया है। डीपसीक इन्हें नकारता नहीं है, बल्कि यह निर्णय लेता है कि क्या ये वर्तमान बुद्धिमत्ता की मुख्य धारा में हैं। भविष्य के समृद्ध रूपों को देखते हुए, यह प्रत्येक ट्रेंड से खींचे जाने से संयम बरतता है।
बाहरी लोगों के साथ बातचीत करते समय, हमारा दृष्टिकोण यह है: हम केवल AGI की मुख्य रेखा पर काम करते हैं। यही है जो मैंने अभी कहा—GPT, CoT, Agent आदि—केवल मुख्य रेखा पर। AI क्षेत्र बहुत व्यापक है, और कई चीजें हैं जो हमें लगता है कि वे मुख्य रेखा से बाहर हैं, जैसे 3D, वीडियो जनरेशन, मुझे लगता है कि ये संभवतः बुद्धिमत्ता की मुख्य रेखा से बहुत कम संबंधित हैं, हम इन पर काम नहीं करेंगे।लेकिन व्यावसायिक रूप से, यह एक अच्छा व्यवसाय है, व्यावसायिक रूप से एक अच्छा व्यवसाय है। लेकिन इसका कोई संबंध बुद्धिमत्ता से नहीं है। हम इसे इसलिए नहीं करेंगे क्योंकि यह एक अच्छा व्यवसाय है, हम इसे तभी करेंगे जब यह बुद्धिमत्ता के मार्गदर्शन पर एक चीज़ होगी।हम लंबे समय से मल्टीमॉडल लेआउट पर काम कर रहे हैं। उत्पाद के लिए यह महत्वपूर्ण है; C-टर्मिनल उपयोगकर्ता उत्पाद के लिए यह महत्वपूर्ण है। लेकिन बुद्धिमत्ता की सीमा के लिए, यह एक घटक है, यह मुख्य रेखा नहीं है।यह उच्च अनिश्चितता वाले अनुसंधान को "लॉटरी" की अनुमति देता है, लेकिन तकनीकी क्रांति के पीछे बड़ी मेहनत को भी मानता है।
इस तरह के प्रश्नों को लगातार सीखना, पूरी तरह से प्रोजेक्ट-आधारित या KPI-आधारित नहीं है, और इसमें जरूरी नहीं कि बहुत सारे कार्ड चाहिए। लियांग वेनफेंग इसे "लॉटरी" कहते हैं: कम बाधाएँ, कई लोग इस पर सोच सकते हैं, लेकिन उत्कृष्टता अनिश्चित है। लेकिन दूसरी ओर, वह बहुत वास्तविकतावादी हैं—डेटा एनोटेशन, पोस्ट-ट्रेनिंग, हॉलूसिनेशन, लागत कुशलता। यह केवल प्रेरणा पर आधारित अनुसंधान संस्कृति नहीं है, बल्कि स्वतंत्र अन्वेषण और कठिन, थकाने वाले काम का संगम है। अनुसंधान के लिए अनिश्चितता का स्थान छोड़ें, और तकनीकी क्रांति के पीछे के मेहनती काम को स्वीकार करें।
यह कोई प्रोजेक्ट नहीं है, बल्कि इस पर बहुत सारे लोगों को सोचना होगा। इसलिए इसके लिए कोई संसाधन आवंटित करने की आवश्यकता नहीं है। केवल यह कहना है कि हम अन्य कंपनियों से अलग हैं, क्योंकि हम इस समस्या पर चर्चा करने और सोचने में समय बिताते हैं, और इसे एक महत्वपूर्ण मामला मानते हैं।तो हम इसे ‘लॉटरी’ कहते हैं। इसकी सीमा बहुत कम है, कोई भी इसमें भाग ले सकता है, लेकिन कौन क्या प्राप्त करेगा, यह मुझे नहीं पता—यह शायद प्रतिभा या कुछ और पर निर्भर करता है।तो अब यह लगभग दो पैरों पर चल रहा है। यह बात नहीं है कि हम पूरी तरह से लेबल नहीं कर सकते, बल्कि क्योंकि लेबलिंग डेटा की कुछ लागत कम है और कुछ अधिक है। हम पहले कम लागत वाली लेबलिंग करते हैं। इसलिए आप यह भी समझ सकते हैं कि अब हमारी कंपनी में आधे लोग डेटा लेबल कर रहे हैं। आधे मुख्य शोधकर्ता, सबसे महत्वपूर्ण लोग, आधे डेटा लेबल कर रहे हैं।हॉलुसिनेशन समस्या का एक समाधान भी है, लेकिन यह एक लंबी बात है। हॉलुसिनेशन समस्या को एक ऐसी समस्या माना जा सकता है जिसे बेहतर पोस्ट-ट्रेनिंग के माध्यम से हल किया जा सकता है, एक ऐसी समस्या जिसे हल किया जा सकता है और सुधारा जा सकता है। केवल लोग इस पर बहुत अधिक प्रयास नहीं कर रहे हैं। या मेरे लिए, हॉलुसिनेशन एक समस्या है, लेकिन हम इसे उत्पाद समस्या के रूप में समझ सकते हैं। हम इसे हल करेंगे, लेकिन यह प्राथमिकता की समस्या नहीं है।यह स्केलिंग पर विश्वास करता है, और यह मानता है कि हैशरेट ही वास्तविक बाधा है
डीपसीक स्केलिंग को नकारता नहीं है और अमेरिका-चीन के बीच के अंतर को नहीं छुपाता। लियांग वेनफेंग ने इस अंतर को सीधे कहा: यह कर्मचारी नहीं, बल्कि संसाधन हैं। इसलिए, कम लागत, घरेलू कैलकुलेशन क्षमता, और निचले स्तर का कंपाइलर केवल उद्योग का नारा नहीं है, बल्कि तकनीकी रास्ते का हिस्सा है। बड़े मॉडल के नियमों पर विश्वास करें, लेकिन संसाधन सीमित होने पर इंजीनियरिंग की दक्षता से इटरेशन की जगह प्राप्त करें।
स्केलिंग, हम स्केलिंग पर विश्वास करते हैं, निश्चित रूप से जितना बड़ा स्केल होगा, उतना ही बेहतर परिणाम मिलेगा, और अधिक फीचर्स अनलॉक होंगे। हमारी स्केलिंग को रोकने वाला वास्तव में कैलकुलेशन पावर है, न कि हम इसे करना नहीं चाहते—हमारे पास इस स्केलिंग के लिए इतना कैलकुलेशन पावर नहीं है।हमने इस सीमा को छूआ नहीं है। हम इतना बड़ा मॉडल इसलिए ट्रेन कर रहे हैं क्योंकि मुझे लगता है कि इतना बड़ा मॉडल पर्याप्त है, बल्कि मेरे पास इतने संसाधन हैं। मैं अपने संसाधनों के आधार पर यह निर्धारित करता हूं कि मैं कितना बड़ा मॉडल स्वीकार कर सकता हूं और ट्रेन कर सकता हूं, यही तरीका है, यह इसलिए नहीं कि यह मॉडल पर्याप्त है।
असंगठित नहीं, बल्कि गतिशील संगठन
न केवल संगठन नहीं, बल्कि डायनामिक लंबा संगठन
टेक्निकल रोडमैप ढूंढते समय, लियांग वेनफेंग का दृष्टिकोण अप्रत्याशित था; उन्होंने कहा कि इस रोडमैप को बनाने के लिए ओवरटाइम की आवश्यकता नहीं है, इसलिए यह सबसे आसान रास्ता उनकी तकनीकी रोडमैप बन गया। आराम और लचीलापन की इस खोज को उनकी टीम के संगठन और प्रबंधन में भी दर्शाया गया है; लियांग वेनफेंग कहते हैं कि उनके पास कोई संगठनात्मक संरचना नहीं है, टीम ओवरटाइम नहीं करती, कोई KPI नहीं है, और कम से कम आधे समय टीम के सदस्य अपने खुद के काम में लगे होते हैं।
उनके पास आधा समय भी अनुसूचित नहीं होता है, वे जो कुछ भी करना चाहें, वह कर सकते हैं। यह एक अनुसंधान का क्षेत्र है, जहाँ वे अपने अनुसार अपने लिए महत्वपूर्ण माने जाने वाली चीजों की खोज कर सकते हैं, बिना किसी पूर्व आवश्यकता के।संस्थापक की अधिकारिता सहमति से आती है, न कि एकाधिकार से
लियांग वेनफेंग के अनुसार, लोगों को एक साथ लाने वाला दृष्टिकोण है। लोग इस दृष्टिकोण से प्रेरित होते हैं—“वे इस दुनिया के प्रति बहुत बड़ी अच्छाई के साथ कुछ करना चाहते हैं,” इसलिए वे आए। शुरुआती कुछ दर्जन लोगों ने कभी मुनाफा कमाने के बारे में सोचा नहीं—“अगर वे ऐसा सोचते, तो वे यहां नहीं आते।” लियांग वेनफेंग कहते हैं। उनकी अपनी प्रामाणिकता भी सहमति से बनी है; कोई चीज़ आगे बढ़ती है, क्योंकि वह सहमति है।
मैं आपको एक कहानी सुनाता हूँ, जो हमारे DDCP के बारे में है, हमारा मॉडल। शुरुआत में हम डर रहे थे कि मांग बहुत अधिक होगी, इसलिए हमने कीमत बहुत ऊंची रखी, और टीम के सभी सदस्य खुश नहीं थे। बाद में मैंने कीमत घटा दी, चौथाई तक, और तब सभी बहुत खुश हो गए। मुझे लगता है कि यही हमारी वास्तविक भावना है। मैंने पहले जिस दृष्टिकोण का उल्लेख किया था, हम चाहते हैं कि यह चीज़ लोगों के लिए उपयोगी हो, न कि हम सबसे अधिक कमाएं, बल्कि हम सही लाभ पर काम करें, ताकि सभी इसे सस्ते में प्राप्त कर सकें। मुझे लगता है कि हमारी कंपनी के अन्य सदस्यों का विचार, जब हमने कीमत कम की, तो कंपनी के समूह में कई लोगों ने खुशी के साथ प्रशंसा की, सभी खुश महसूस कर रहे थे।उदाहरण के लिए, अगर मुझे कुछ करना है, तो मैं पहले यह देखता हूं कि हम सबका सहमति क्या है, क्या हम सब इसे करना चाहते हैं। फिर संभवतः मेरे पास कुछ दिशा-निर्देश या प्रवृत्ति हो सकती है, लेकिन इस दिशा-निर्देश का प्रभाव सीमित है, दिशा-निर्देश का प्रभाव बहुत सीमित है, और यह सहमति पर ही आधारित है। यह निर्णय लेने की प्रणाली वास्तव में एक सहमति खोजने की प्रणाली है, यह मेरी क्षमता के बारे में नहीं है कि मैं कुछ भी आगे बढ़ा सकता हूं, यह सिर्फ तभी संभव है जब सहमति हो, तभी मैं आगे बढ़ूंगा, और तभी मैं करूंगा।यह ढीला रहता है, लेकिन आलसी नहीं, अपने स्वयं के संगठन तंत्र के साथ
टीम केवल बातें ही नहीं करती, काम भी करती है। लियांग वेनफेंग कहते हैं, दृष्टिकोण केवल दीवार पर लटकाए गए नारे नहीं होते, बल्कि यह यह है कि आप क्या करते हैं। वह अपने काम को स्पष्ट रूप से समझते हैं, और उनके पास एक स्पष्ट संगठनात्मक तर्क है—संगठनात्मक संरचना, प्रेरणा प्रणाली और टीम के लक्ष्य सभी उनके द्वारा स्पष्ट रूप से परिभाषित हैं। कर्मचारियों का आधा समय अपने काम में लगता है, और आधा समय कंपनी के कार्यों को पूरा करने में लगता है। ओवरटाइम न करना निश्चित रूप से एक लाभ है, लेकिन लियांग वेनफेंग चाहते हैं कि यह अनुसंधान के लिए एक आरामदायक परिवेश प्रदान करे। टीम को कम काम करना पड़ता है, क्योंकि उनके लक्ष्य केंद्रित हैं—वे AGI बनाना चाहते हैं। भविष्य में, जब संख्या में वृद्धि होगी, तो लियांग वेनफेंग स्वीकार करते हैं कि कुछ विभागों को कठोर पदानुक्रमित संरचना बनानी होगी; वास्तव में, परिवर्तन पहले से ही हो रहा है।
फिर दूसरा सवाल है, भविष्य की संगठनात्मक संरचना और कर्मचारियों के आकार की योजना पर विचार करना। सबसे पहले, हमारी पिछली संगठनात्मक संरचना बहुत विखरी हुई थी, क्योंकि कोई संगठनात्मक संरचना नहीं थी। लेकिन जब हमारी संख्या बढ़ी, तो इनमें कुछ बदलाव करना आवश्यक होगा। अभी कहा जा सकता है कि यहाँ कई बदलाव किए जाने होंगे, लेकिन अभी सभी को एक साथ व्यक्त करना मुश्किल है। अंततः, इसे विभिन्न विभागों में बाँटना होगा, कुछ विभागों के लिए हमें एक अधिक कठोर पदानुक्रम संरचना बनानी होगी। अन्य कुछ विभागों में, संभवतः एक अधिक ढीली, समतल संरचना बनी रहेगी। हम सामान्य रूप से अधिक घंटे नहीं लगाते। अधिक घंटे न लगाने के दो कारण हैं। पहला यह है कि शोध के लिए एक थोड़ा ढीला वातावरण आवश्यक होता है। अगर आप बहुत जोर देते हैं, तो शोध नहीं हो पाता। क्योंकि चूंकि यह आपकी अपनी रुचि से जुड़ा है, आपको सामान्य रूप से इन मुद्दों के बारे में सोचना होता है, इसलिए केवल एक थोड़ा ढीले वातावरण में ही संभव है कि आप खोज कर सकें। यह शोध संस्कृति की आवश्यकता के कारण है। दूसरा कारण है कि हम बहुत केंद्रित हैं। केंद्रित होने का मतलब है कि हमारे पास कम काम होता है। इसलिए मेरे पास इतना काम नहीं होता, मुझे अधिक घंटे नहीं लगाने पड़ते।टीम की स्थिरता आदर्श के वास्तविकीकरण का आधार है
टीम की स्थिरता मुख्य हित है। लियांग वेनफेंग के अनुसार, कई चीजें महत्वपूर्ण हैं—पैसा, कार्ड, संसाधन—लेकिन ये सबसे बड़ा जोखिम नहीं हैं; सबसे बड़ा जोखिम यह है कि लोग बिखर जाएँ। टीम के ढहने से बचने के लिए, लियांग वेनफेंग अनु织 में गतिशील संगठन की संभावनाओं की तलाश कर रहे हैं—पदानुक्रम, प्रौद्योगिकी, नवाचार प्रणाली—ये सभी उनके टीम के संतुलन को बनाए रखने के साधन बन सकते हैं। हाल ही में, DeepSeek ने कुछ फंडिंग पूरी की है, लियांग वेनफेंग कहते हैं कि सभी को विकल्प मिले हैं, जिससे "लोग बिखर जाएँ" का जोखिम काफी कम हो गया है।
जब तक मैं अपनी टीम की स्थिरता बनाए रख सकता हूँ, मैं इसे जरूर कर पाऊंगा, मैं जरूर AGI बना पाऊंगा, यह इतना सरल है। जब तक सब कोई नहीं जाता, हम जारी रख सकते हैं, तब तक मैं जरूर कर पाऊंगा। इसमें लगभग कोई जोखिम नहीं है। बस यही है कि जल्दी या बाद में, हमें अवरोधों का सामना करना पड़ेगा; अगर हमें अवरोधों का सामना करना पड़े, और कोई नहीं जाता, तो मैं फिर से आगे बढ़ सकता हूँ।टीम की स्थिरता के मामले में, जब तक सबसे महत्वपूर्ण कुछ कर्मचारी और सबसे पुराने कर्मचारी स्थिर रहेंगे, तब तक अन्य लोग नहीं जाएंगे। अन्य लोग चाहे उनके पास कम विकल्प हों या कम आय हो, वे नहीं जाएंगे। क्योंकि वे पूरी तरह से पैसे के लिए नहीं आए हैं, सभी एक ऐसे वातावरण में काम करना चाहते हैं जहां AGI को सफलतापूर्वक विकसित किया जा सके। इसलिए प्रतिभा के लिए अभी भी आकर्षण है।इतिहास के अनुसार, हमारी कर्मचारी प्रवाह बहुत कम है, और प्रतिस्पर्धियों की तुलना में हमारी कर्मचारी प्रवाह हमेशा कम ही रही है। लेकिन, यह अभी भी हमारी सबसे बड़ी चुनौती है, और इसे ऐसे कहा जा सकता है कि यह एकमात्र चुनौती है।
ओपन सोर्स एक आदर्श है, साथ ही एक व्यावसायिक तंत्र भी है
ओपन सोर्स बाधाओं को छोड़ना नहीं है, बल्कि बाधाओं को मॉडल से लागत और इंजीनियरिंग दक्षता पर स्थानांतरित करना है
लियांग वेनफेंग ओपन सोर्स के बारे में बात करते समय, केवल आदर्शवाद या केवल मार्केटिंग के बारे में नहीं बोल रहे हैं। उनका निर्णय है: AI का मामला इतना बड़ा है कि इसे कोई एक कंपनी अकेले नहीं रोक सकती; ओपन सोर्स से पारिस्थितिकी अधिक स्वीकार्य होती है, और यह स्वाभाविक रूप से व्यावसायिक मॉडल को नुकसान नहीं पहुंचाता, क्योंकि वास्तविक बाधाएं केवल मॉडल तक सीमित नहीं हैं, बल्कि डिप्लॉयमेंट लागत, इंजीनियरिंग कुशलता और संगठनात्मक क्षमता हैं।
हम इस दृष्टिकोण के लिए खुले स्रोत क्यों इतना जोर देते हैं? क्योंकि यह दृष्टिकोण स्वयं खुले स्रोत की मांग करता है। आपके पास यह दृष्टिकोण नहीं है, तो आप लोगों को एकत्रित नहीं कर सकते।फिर ओपन सोर्स के मामले में, हमने शुरू से ही बहुत स्पष्टता से सोचा था। सबसे पहले, दृष्टिकोण; दूसरा, हमने माना कि AI को व्यावसायिक रूप से सफल बनाने के लिए, ओपन सोर्स से फायदा होता है।लेकिन AI का मामला काफी बड़ा है, अंततः यह मानव समाज के GDP का लगभग दस प्रतिशत घेर सकता है, उदाहरण के लिए। तो यह वास्तव में एक बहुत बड़ा अंक है। एक व्यक्ति इसे अकेले कब्जे में नहीं रख सकता, आप इसे अकेले कब्जे में नहीं रख सकते, आपको अवश्य ही दूसरों के साथ साझा करना होगा, वरना आप जीवित नहीं रह सकते।अगर हम इस लाभ को अकेले रखना चाहते हैं, तो हमें अवश्य ही इतिहास द्वारा त्याग दिया जाएगा। मुझे लगता है कि सबसे महत्वपूर्ण बात यह है कि यह एक वस्तुनिष्ठ नियम है, यह एक ऐतिहासिक दृष्टिकोण है।यहां तक कि अगर मॉडल ओपन सोर्स हो जाए और आप सब कुछ दूसरों को बता दें, तो भी इसकी बाधा बहुत अधिक है। दूसरों के लिए इसका उपयोग करना भी बहुत कठिन है। उन्हें इसका उपयोग करने में कठिनाई होगी; दूसरी बात, उन्हें इसका उपयोग करने के लिए लागत भी बहुत कम होनी चाहिए, जो बहुत ही कठिन है, यह आसान नहीं है।यह बात नहीं है कि जब मैंने इसे ओपन सोर्स कर दिया, तो वह आसानी से मेरे जितना डिप्लॉयमेंट लागत प्राप्त कर सकता है। इसमें अभी भी कई काम करने होंगे। हालाँकि इन कार्यों के सिद्धांत स्पष्ट हैं, लेकिन हर कंपनी इच्छुक नहीं होती है, या इस लक्ष्य को प्राप्त करने के लिए मानव संसाधनों को संगठित करने की क्षमता नहीं रखती है।ओपन सोर्स, मुझे लगता है कि यह हमारे व्यावसायिक मॉडल पर कोई प्रभाव नहीं डालता। शर्त यह है कि हम केवल छह गुना लाभ कमाते हैं, दस महीनों में लागत वापस प्राप्त करते हैं, जो लगभग छह गुना लाभ के बराबर है। जब हम केवल छह गुना लाभ कमाते हैं, तो ओपन सोर्स का कोई प्रभाव नहीं पड़ता।और मैं इस बात की चिंता नहीं करता कि कोई हमारे मॉडल को डिप्लॉय करके हमसे प्रतिस्पर्धा करे, मुझे बिल्कुल चिंता नहीं है। हम चाहते हैं कि वे इसे डिप्लॉय करें।दुश्मन न बनाएं, लेकिन व्यापारिक रक्षा न भूलें
डीपसीक बड़ी या छोटी कंपनियों के प्रतिद्वंद्वी बनना नहीं चाहता, बल्कि प्रतिद्वंद्वियों की मदद करने को भी तैयार है। यह दृष्टिकोण एक ओर दृष्टि से आता है, और दूसरी ओर बाहरी बाधाओं को कम करता है, जिससे कंपनी मुख्य मार्ग पर केंद्रित रह सके। साथ ही, लियांग वेनफेंग का मानना है कि बड़े मॉडल प्रतिस्पर्धा अंततः अंधविश्वास नहीं, बल्कि लागत, समय और अनुभव है। जिनकी लागत नियंत्रण अच्छी है, वे थोड़ा अधिक कमाते हैं, और जिनकी लागत नियंत्रण खराब है, वे थोड़ा कम कमाते हैं।
इसलिए हम जो अभी कई चीजें कर रहे हैं, वे सभी टीम की स्थिरता बनाए रखने के लिए हैं। इसके अलावा, मुझे लगता है कि हम बाकी सब कुछ छोड़ सकते हैं, सब कुछ नियंत्रित किया जा सकता है। हम हमेशा से बहुत नियंत्रित रहे हैं और किसी भी इंटरनेट बड़े या छोटे फैक्ट्री के साथ प्रतिद्वंद्वी बनने से बचते रहे हैं।इस प्रकार, हम किसी भी व्यक्ति, यहां तक कि हमारे प्रतिद्वंद्वियों, जैसे अलीबाबा, ज़हीपु, मून ऑफ डार्कनेस की मदद करने के लिए बहुत तैयार हैं, क्योंकि हमें कुछ भी नुकसान नहीं होता, हम तो मूल रूप से ओपन सोर्स हैं।मेरे व्यावसायिक हितों पर हमारी दयालुता का कोई प्रभाव नहीं पड़ा, बिल्कुल नहीं, बल्कि शायद इससे फायदा भी हुआ।अंतर केवल दो चीजों से बनता है: एक समय है, दूसरा लागत। इसलिए किसी भी कंपनी को अत्यधिक लाभ नहीं मिलना चाहिए, मुझे लगता है कि अत्यधिक लाभ नहीं होना चाहिए। जो लोग लागत को अच्छी तरह से नियंत्रित करते हैं, उन्हें थोड़ा अधिक कमाई होती है, और जो लोग लागत को कम अच्छी तरह से नियंत्रित करते हैं, उन्हें कम कमाई होती है, बस इतना ही।पूरी श्रृंखला में नहीं, केवल सबसे महत्वपूर्ण स्थान पर काबिज रहें
लियांग वेनफेंग ने बार-बार एक सीमा की भावना व्यक्त की है: डीपसीक को नहीं चाहिए कि वह सब कुछ करे, उपरि श्रृंखला में चिप्स के साथ ऊर्ध्वाधर एकीकरण नहीं करे, और न ही यह सभी एप्लिकेशन-लेयर के अवसरों को निगले। इसे विश्वास है कि AI का युग पर्याप्त बड़ा है, जिसमें कई कंपनियाँ उत्पन्न होंगी, और डीपसीक को सिर्फ एक कंपनी बनना है, और केवल अपने सबसे अच्छे और सबसे मूलभूत क्षेत्र को ही कवर करना है।
एक और सवाल यह है कि क्या हम ऊपर की ओर क्षैतिज एकीकरण करेंगे? मुझे उम्मीद है कि नहीं। तो सवाल यह है कि क्या हम ऊपरी एप्लिकेशन में क्षैतिज एकीकरण करेंगे? हम इसे नहीं करना चाहते, मुझे उम्मीद है कि कोई और यह काम करेगा। मुझे नहीं चाहिए कि मैं सब कुछ खा लूँ, मुझे सिर्फ एक टुकड़ा खाना है, मुझे सिर्फ वही टुकड़ा खाना है जिसमें मैं सबसे अच्छा हूँ, या जिसे हम स्वयं सबसे महत्वपूर्ण मानते हैं। क्या हम भविष्य में अपने आप बड़े क्लस्टर बनाएंगे? मुझे लगता है कि अपने आप बड़े क्लस्टर बनाना निश्चित रूप से आवश्यक है, हम खुद इस काम को लगातार कर रहे हैं, हमारे सभी क्लस्टर हमने खुद बनाए हैं। लेकिन भविष्य में क्या हम अपने आप चिप्स विकसित करेंगे, यह इस बात पर निर्भर करता है कि यहां लाभ कितना होगा, लाभ कितना होगा। हम केवल एक ही क्षेत्र में काम करना चाहते हैं। मुझे लगता है कि AI का मामला बहुत बड़ा है और मुझे इसमें केवल एक ही क्षेत्र पर ध्यान केंद्रित करने की आवश्यकता नहीं है। यदि हम एकाग्र होते हैं, तो मुझे लगता है कि यहाँ व्यापारिक लाभ पर्याप्त रूप से बड़ा है। यदि AI के युग में कई ट्रिलियन डॉलर की कंपनियाँ उत्पन्न होंगी, तो मुझे लगता है कि हम उनमें से एक हैं।
कम कीमत करुणा नहीं है, बल्कि लंबे समय तक जीतने की संभावना है
अभी के अवसर को नहीं छीनते, लेकिन सुविधाजनक अवसर को भी नहीं ठुकराते
क्या डीपसीक को व्यावसायिक रूप से लागू किया जाना चाहिए? हाँ, लेकिन व्यावसायिकीकरण अंतिम लक्ष्य नहीं है। डीपसीक का लक्ष्य AGI बनाना है, और इस रास्ते में, लियांग वेनफेंग को व्यावसायिकीकरण का अवसर दिखाई दिया, उन्होंने इसे अस्वीकार नहीं किया और तुरंत इसे पकड़ लिया। "जब यह स्वयं हाथ लग जाए, तो हम इसे स्वाभाविक रूप से पकड़ लेते हैं," लियांग वेनफेंग कहते हैं। वह इसे "तिल उठाना" और "तरबूज पकड़ना" के रूप में बयान करते हैं:
मुझे लगता है कि यह व्यावसायिक रूप से संभव है। अगर पिछले साल हमने बड़ी राशि खर्च करके ByteDance के साथ उपयोगकर्ताओं के लिए प्रतिस्पर्धा की होती, तो वह भी एक रणनीति होती। लेकिन हमने एक बहुत ही संयमित दृष्टिकोण अपनाया, जिसमें मैं इस चीज़ के लिए आपके साथ प्रतिस्पर्धा नहीं करता, क्योंकि पीछे तरबूज है, और आगे की चीज़ें शायद सुनहरे बीज हैं।जब इतना बड़ा व्यापारिक अवसर होता है, तो आपके पास जरूर तरीका होता है। इसलिए, पिछले बीज भी हम उठा लेते हैं, लेकिन हम सिर्फ एकदम हल्के में उठाते हैं, हम कभी रुकते नहीं और न ही इसे कोई महत्वपूर्ण काम मानते हैं। इसलिए, पिछले साल के C-एंड डेली एक्टिव यूजर्स जैसी बातें, मुझे लगता है कि यह सिर्फ एक छोटी बात थी। लेकिन हमने इसे भी उठा लिया, हमने उपयोगकर्ताओं के उपयोग को कम लागत पर बनाए रखा, क्योंकि भविष्य में यह उपयोगी साबित हो सकता है।व्यावसायिकी हमेशा मौजूद रही है, लेकिन यह उच्चतम लक्ष्य नहीं है
लियांग वेनफेंग के अनुसार, ToC और ToB लक्ष्यों की प्राथमिकता AGI बनाने से कम है। लेकिन जिस चीज को आप ज्यादा चाहते हैं, उसे पाना उतना ही कठिन होता है—DeepSeek ने अपनी तकनीकी रोडमैप पर ध्यान केंद्रित किया, और अनजाने में ही C-टर्मिनल का ट्रैफ़िक और B-टर्मिनल की आय प्राप्त कर ली। पिछले साल से आज तक के इस अनुभव को देखते हुए, उन्होंने यह निष्कर्ष निकाला कि यह डाइमेंशनल डिस्क्रिप्शन से मिली सामरिक लाभ है।
इसमें एक रणनीतिक लाभ है, जो हमारे मन में AGI है, हम AGI कर रहे हैं। तब जब हम उस एप्लिकेशन, C-एंड और B-एंड पर काम करते हैं, तो उस चीज़ के लिए बहुत ज्यादा ध्यान देने की जरूरत नहीं होती, वास्तव में बहुत कम प्रयास से ही काम चल जाता है। मुझे लगता है कि आप एक तकनीकी उच्च स्तर से सापेक्षिक रूप से कम स्तर की तकनीक पर काम कर रहे हैं, जिससे एक डाइमेंशनल अवरोधन होता है। कम से कम पिछले साल C-एंड पर, हमने वास्तव में ऐसा ही देखा। हमने C-एंड पर बहुत कम प्रयास नहीं किया, यहाँ तक कि हम कभी-कभी उन उपयोगकर्ताओं को बरकरार रखना ही नहीं चाहते थे, लेकिन उपयोगकर्ता जाने के लिए तैयार नहीं थे।कम कीमत दान नहीं है, बल्कि उचित लाभ है
कीमत निर्धारण के मामले में, लियांग वेनफेंग स्पष्ट हैं; उनका लक्ष्य स्पष्ट है: API के माध्यम से दस महीनों में उपकरण की लागत वापस पाना। वर्तमान कीमत अधिकतम लाभ के लिए नहीं, और न ही न्यूनतम कीमत के लिए निर्धारित की गई है। लियांग वेनफेंग कहते हैं कि कीमतों को असीमित रूप से कम नहीं किया जा सकता, क्योंकि निम्न कीमतों में कंपनी बरकरार नहीं रह सकती, और न ही निम्न कीमत वाले उत्पाद अधिक सामाजिक मूल्य पैदा करते हैं। उचित कीमत उचित लाभ सीमा में दीर्घकालिक लाभ प्रदान करती है; उनका मानना है कि AI बाजार पर्याप्त रूप से बड़ा है, और अगर इसे सफल बना लिया जाए, तो उचित आय पर्याप्त है; अगर प्रारंभ में अधिक प्राप्त करने की कोशिश की जाए, तो इससे अधिक प्रतिस्पर्धी सामने आएंगे।
अगर मेरा लक्ष्य है कि मैं AI और पूरी मानवता के GDP का पांच प्रतिशत कब्जा करूं, तो सिद्धांत रूप से यह गणना सही है। आप देखें, OpenAI इस गणना को लगभग समझ पा रहा है, सिद्धांत रूप से कोई समस्या नहीं है। लेकिन उसकी एक समस्या है, वह एक ऐसे व्यक्ति द्वारा हराया जा सकता है जो केवल एक प्रतिशत ही लेना चाहता है। क्योंकि दूसरा व्यक्ति कहता है, मैंने इतना अच्छा किया है, लेकिन मुझे केवल विश्व GDP का एक प्रतिशत ही चाहिए, तो वह उसे हरा देगा। इस समय, अगर कोई और व्यक्ति आता है और कहता है कि मुझे केवल प्रतिशत का 0.1 ही चाहिए, तो वह पिछले व्यक्ति को हरा देगा।मैक्रो स्तर पर, चाहे यह प्रतिशत कहाँ से लिया गया हो, उनके बीच कोई अंतर नहीं है, सब कुछ एक जैसा है। जो अधिक लेता है, वह कम लेने वाले द्वारा हराया जाएगा। यहां तक कि आपको वास्तव में अधिक लेने की आवश्यकता भी नहीं है; अगर आपका दृष्टिकोण अधिक लेने का है, तो आपको कम लेने का दृष्टिकोण रखने वाले द्वारा हराया जाएगा। वास्तव में, कोई भी पैसा नहीं कमा रहा है, केवल एक दृष्टिकोण है। अगर आपका दृष्टिकोण अधिक लेने का है, तो आप पहले से ही हार चुके हैं, और आपको बड़ी कठिनाइयों का सामना करना पड़ेगा। यही दुनिया का तरीका है।
आपके लिए आदर्श AGI क्या होना चाहिए?
अपने विचार टिप्पणी अनुभाग में साझा करें~