Liang Wenfeng, seorang yang berasal dari kuantitatif dan kini sepenuhnya fokus pada AGI, memiliki logika berbicara yang berbeda dari mereka yang selalu membicarakan ekosistem. Dia mengatakan, membandingkan AGI dengan naik tangga: tangga tahun lalu adalah CoT, tangga tahun ini adalah Agent, dan tangga setelahnya adalah pembelajaran berkelanjutan. Hanya setelah pembelajaran berkelanjutan selesai, baru tercapai titik singularitas progresif, lalu kecerdasan tubuh. Tubuh adalah pemberhentian terakhir, 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, dia 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. Dia 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 bisnis juga menjadi alasan DeepSeek konsisten dengan open-source dan harga paling efisien—hanya mengambil keuntungan yang wajar. Sangat memperhatikan efisiensi biaya, sehingga harga bisa ditekan serendah mungkin. Menjual API tanpa tim penjualan atau layanan pelanggan; pengguna akan datang sendiri. Dia sama sekali tidak percaya perusahaan model besar bisa menguasai sebagian besar keuntungan industri AI. Open-source adalah bagian dari sikap disiplin. Dia mengatakan, sebuah perusahaan perangkat lunak dengan pasar tahunan puluhan miliar dolar AS akan hilang begitu dibuka sumbernya. Tetapi AI terlalu besar—akhirnya mungkin menyentuh 10% PDB manusia. Mencoba memonopoli keuntungan ini pasti akan ditinggalkan sejarah. Biaya, waktu, dan pengalaman pengguna—perbedaan kompetitif tercermin di ketiga aspek ini. Biaya nomor satu; beberapa bulan lebih awal sudah membuat perbedaan besar. Pengalaman pengguna menciptakan loyalitas, tetapi tidak 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 bakat; 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 membangun 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: disiplin adalah strategi. Tidak berniat menjadi aplikasi super berikutnya; tidak tertarik pada hal semacam itu. Jangan sampai kehilangan buah karena memungut biji-bijian kecil. 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 disiplin memiliki strategi yang disiplin. 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.