Liang Wenfeng, seorang yang memulai karier di bidang kuantitatif dan kini fokus penuh pada AGI, memiliki logika berbicara yang berbeda dari mereka yang selalu membicarakan ekosistem. Ia mengatakan, membandingkan AGI dengan naik tangga: tangga tahun lalu adalah CoT, tangga tahun ini adalah Agent, dan tangga berikutnya adalah pembelajaran berkelanjutan. Hanya setelah pembelajaran berkelanjutan selesai, kita mencapai titik singularitas bertahap, lalu menuju kecerdasan terwujud. Keterwujudan adalah pemberhentian terakhir, karena alasannya: bagi orang normal, kebutuhan bukanlah komputer, melainkan tenaga manusia. Kalimat ini merangkum seluruh prioritas teknis DeepSeek untuk tiga hingga lima tahun ke depan. Pada tingkat Agent, ia juga melakukan pemilihan. Saat ini yang paling penting adalah Coding Agent dan General Agent; skenario vertikal seperti keuangan dan kesehatan ditempatkan di urutan lebih rendah. Kesenjangan pada model generasi berikutnya adalah pembelajaran berkelanjutan. Ia mengatakan, AI saat ini tidak kekurangan selera dan intuisi, tetapi kekurangan kemampuan pembelajaran berkelanjutan. Manusia bisa belajar terus-menerus; AI belum bisa. Model generasi berikutnya harus memiliki kemampuan ini—ini adalah cara tercepat mencapai AGI. Namun, pembelajaran terdiri dari banyak elemen, dan dunia belum menemukan metode yang baik. Strategi bisnisnya juga menjadi alasan DeepSeek tetap berkomitmen pada open-source dan harga paling efisien—hanya mengambil keuntungan yang wajar. Sangat memperhatikan efisiensi biaya, sehingga harga bisa ditekan seminimal mungkin. Menjual API tanpa tim penjualan atau layanan pelanggan; pengguna akan datang sendiri. Ia sama sekali tidak percaya perusahaan model besar bisa menguasai sebagian besar keuntungan industri AI. Open-source adalah bagian dari sikap bijak. Ia mengatakan, sebuah perusahaan perangkat lunak dengan pasar tahunan puluhan miliar dolar akan kehilangan semua itu begitu dibuka sumbernya. Tetapi AI terlalu besar—akhirnya mungkin akan menyumbang 10% dari PDB manusia. Mencoba memonopoli keuntungan ini pasti akan ditinggalkan sejarah. Biaya, waktu, dan pengalaman pengguna—perbedaan kompetitif terlihat di ketiga aspek ini. Biaya menjadi yang pertama; beberapa bulan lebih awal sudah membuat perbedaan besar. Pengalaman pengguna menciptakan loyalitas, tetapi bukan esensial. Struktur industri: sumber daya yang tersebar pasti akan berkonsolidasi. Kesenjangan AI Tiongkok terutama terletak pada sumber daya. Mereka percaya pada scaling—semakin besar skala, semakin baik hasilnya—tetapi sumber dayanya terbatas. Tidak ada kesenjangan dalam sumber daya manusia; semua berasal dari kelompok orang yang sama. Terlalu banyak perusahaan model di dalam negeri, sumber daya tersebar, dan akhirnya pasti akan berkonsolidasi. Setiap perusahaan hanya mengambil keuntungan wajar; tidak perlu terlalu banyak orang untuk mengembangkan model besar. Mungkin hanya dua perusahaan besar dan dua perusahaan kecil yang cukup. Anthropic yang melampaui OpenAI hanyalah fenomena sementara. Dalam jangka panjang, OpenAI dan Google kemungkinan besar akan bergantian naik. Pendapat saya: ketidaksesuaian sumber daya adalah pemborosan terbesar dalam AI Tiongkok. Kelompok orang yang sama dibagi ke puluhan perusahaan, saling menguras satu sama lain—konsolidasi pasti akan terjadi. Organisasi dan manusia: kebijaksanaan adalah strategi. Tidak berniat menjadi aplikasi super berikutnya; tidak tertarik pada hal itu. Jangan sampai karena mengejar biji wijen, kehilangan semangkuk melon. Tahun lalu semua orang berebut Chatbot dan lalu lintas konsumen; tahun ini berebut pendapatan B2B. Yang benar-benar mereka pedulikan adalah peta jalan AGI. Organisasi yang bijak memiliki strategi yang bijak. Perusahaan yang dikuasai oleh KPI dan GMV tidak mungkin mengatakan hal-hal seperti open-source dan hanya mengambil keuntungan wajar. Jika visi Anda adalah mengambil sebanyak mungkin, maka Anda sudah kalah terlebih dahulu.