DeepSeek equilibra a visão de longo prazo da AGI com execução prática

A resposta do DeepSeek não é apenas olhar para as estrelas nem apenas manter os pés no chão, mas usar problemas reais para sustentar um objetivo suficientemente ambicioso.

Autor e fonte do artigo: 36氪

A resposta do DeepSeek não é apenas olhar para as estrelas nem apenas manter os pés no chão, mas usar problemas reais para sustentar um objetivo suficientemente ambicioso.

Artigo por | Li Jiaxing, Liu Chenyi

Editado por | Zhang Wei

Fonte da imagem principal | DeepSeek

Fonte da capa | DeepSeek

DeepSeek é mais uma vez colocado sob os holofotes.

Essa empresa já foi quase a entidade mais misteriosa do mundo da IA: cultura de engenharia, discreta, com fundadores que raramente aparecem em público e uma equipe que não segue o padrão típico das empresas de internet ao contar histórias ou fazer campanhas de comunicação. Mas no último ano, ela quase sempre se tornou o centro do cenário tecnológico chinês a cada pouco tempo. Ao lançar modelos, ela viralizou por ser de baixo custo e open-source; quando surgiram notícias sobre financiamento, gerou discussões por causa de sua avaliação e investidores; e desta vez, após o vazamento de uma gravação de quase quatro horas de uma reunião com investidores de Liang Wenheng, o público voltou a examinar atentamente essa empresa.

Desta vez, o exterior viu um DeepSeek mais completo e também mais contraditório.

Por um lado, há um objetivo suficientemente distante. Liang Wenheng fala sobre AGI, sobre a visão, sobre “a boa vontade para com o mundo”, sobre não buscar a maximização do lucro e sobre como sem código aberto não é possível organizar pessoas. Ele diz que a DeepSeek não quer ser o próximo superapp, nem se tornar o próximo ByteDance ou Tencent; a empresa funciona por visão, não por KPIs, os pesquisadores têm muito tempo livre para exploração e não trabalham muitas horas extras. Por outro lado, há praticidade. Liang Wenheng também fala sobre a precificação da API com retorno em dez meses, sobre como o financiamento alivia os riscos de estabilidade da equipe, sobre a necessidade de transformar dinheiro em cartões o mais rápido possível, sobre os gargalos de capacidade da infraestrutura de computação nacional, sobre como metade dos pesquisadores principais estão rotulando dados e sobre como, à medida que a empresa cresce, é necessário complementar a estrutura organizacional. Ele até disse que, no pior cenário, vender APIs seria suficiente para sustentar uma empresa listada.

Como uma empresa de IA pode tanto olhar para as estrelas quanto manter os pés no chão? Esta é exatamente a resposta que o DeepSeek deseja oferecer.

Com base na transcrição da gravação da reunião de investidores de Liang Wenheng vazada na internet, o Future Humanity Lab fez o seguinte resumo.

O objetivo de longo prazo é a AGI, mas não se trata apenas de gritar sobre o distante; é dividir em degraus contínuos.

Liang Wenfeng definiu o objetivo de longo prazo como AGI, mas não apresentou a AGI como um conceito abstrato; em vez disso, dividiu-a em uma rota contínua: modelos de linguagem, CoT, Agentes, aprendizado contínuo, autoiteração e inteligência embodiada. O objetivo é suficientemente ambicioso, mas cada etapa pode ser conectada a problemas técnicos atuais.

Esta é a nossa suposição, é o que acreditamos que a cronologia deveria ser: primeiro resolver o aprendizado para aprender, depois chegar ao ponto singular inteligente capaz de autoiteração, e só então à inteligência embodied. Após alcançar a inteligência embodied, ela entrará no mundo real, podendo fazer tarefas domésticas para você e cuidar de sua velhice.

Achamos que este é um cronograma relativamente ideal, mas cada pessoa tem uma opinião diferente, e não há certo ou errado. Apenas achamos que este cronograma é o mais tranquilo, pois em cada etapa você precisa fazer poucas coisas novas.

O desenvolvimento da IA pode ser entendido como uma escada. O degrau percorrido no ano passado foi o CoT, ou cadeia de pensamento. Descobrimos que, por meio da abordagem da cadeia de pensamento, é possível elevar o nível de inteligência. Ao permitir que ela pense por si mesma, é possível aumentar esse limite e fazer com que a IA consiga realizar mais coisas.

Ele persegue o Agent, mas não considera o Agent como o destino.

Atualmente, os produtos e a aplicação comercial de Agentes estão sendo os mais discutidos, mas Liang Wenfeng está mais preocupado com o gargalo após os Agentes: o aprendizado contínuo. Ele participa da onda tecnológica atual, mas não deixa que os temas em voga definam o seu fim.

Neste local do agente, o próximo gargalo visível é o aprendizado contínuo. O próximo problema a ser resolvido é como alcançar o aprendizado contínuo; isso é visível e relativamente claro.

A IA não pode substituir seus funcionários. Mas se a IA tiver a capacidade de aprendizado contínuo e, assim como seus funcionários, aprender na empresa por dois meses, então poderá substituir todos no mundo.

Atualmente, os investidores veem principalmente Agentes; mas para nós, que pesquisamos, o que vemos mais agora é o aprendizado.

Pensa a longo prazo, mas ativamente descarta direções tecnológicas fora da linha principal.

Geração de vídeo, 3D, modelos de mundo, multimodalidade e inteligência embutida são colocados em diferentes níveis de prioridade. DeepSeek não os nega, mas avalia se estão alinhados com a linha principal da inteligência atual. Enxerga as ricas formas futuras, mas mantém a contenção para não ser levado por cada tendência passageira.

Quando lidamos com o exterior, nossa postura é: apenas nos concentraremos na linha principal da AGI. Isso é o que acabei de mencionar: GPT, CoT, Agent, etc.—apenas a linha principal. O campo da IA é amplo, e há muitas coisas que consideramos fora dessa linha principal, como 3D e geração de vídeo, que acho que não têm grande relação com a linha principal da inteligência; não vamos fazer isso.

Mas comercialmente é um bom negócio, é um bom negócio comercial. Mas isso não tem nada a ver com inteligência. Não faremos algo apenas porque é um bom negócio; faremos apenas porque faz parte do roadmap de inteligência.

Layout multimodal, nós sempre fizemos isso. Para o produto, é importante; para produtos voltados ao consumidor final, é importante. Mas em relação ao limite de inteligência, é um componente, não a linha principal em si.

Ele permite que pesquisas de alta incerteza sejam como uma "loteria", mas também reconhece que por trás das inovações tecnológicas há muito trabalho árduo.

Aprender continuamente sobre esses problemas não é adequado para modelos de projeto completo ou baseados em KPI, nem necessariamente exige grandes quantidades de recursos. Liang Wenfeng o chama de “sorteio”: baixa barreira de entrada, muitas pessoas podem pensar sobre isso, mas a ruptura é incerta. Por outro lado, ele é muito realista ao falar sobre rotulagem de dados, pós-treinamento, ilusões e eficiência de custos. Não se trata de uma cultura de pesquisa baseada apenas em inspiração, mas sim de uma combinação de exploração livre e tarefas árduas e sujas. É preciso reservar espaço para a incerteza na pesquisa, ao mesmo tempo em que se aceita o trabalho árduo por trás das inovações tecnológicas.

Ele não é um projeto, mas sim algo que precisa de muitas pessoas pensando sobre isso. Portanto, não é necessário alocar recursos específicos. Apenas dizemos que a diferença entre nós e outras empresas é que dedicamos tempo para discutir esse problema, refletir sobre ele e tratá-lo como algo importante.

Por isso, chamamos isso de “sorteio”. A barreira é baixa, qualquer um pode participar, mas o que cada um vai conseguir, talvez eu não saiba — depende do talento ou de algo mais.

Então, atualmente estamos caminhando com duas pernas. Não é que não possamos rotular de forma alguma, mas há custos baixos e custos altos para rotular dados; primeiro, vamos rotular os de custo mais baixo. Portanto, você também pode considerar que metade das pessoas na nossa empresa estão rotulando dados, e metade dos pesquisadores centrais, as pessoas mais importantes, estão rotulando dados.

Há um método para resolver o problema das ilusões, mas é uma proposição longa. O problema das ilusões pode ser considerado algo que pode ser resolvido com melhorias no pós-treinamento, um problema que pode ser resolvido e melhorado. Apenas as pessoas não dedicaram muito esforço a isso. Ou, para mim, as ilusões são um problema, mas podemos classificá-las como um problema de produto. Vamos resolvê-lo, mas não é um problema prioritário.

Ela acredita em Scaling e reconhece que a capacidade de processamento é o verdadeiro gargalo.

DeepSeek não nega o scaling, nem evita a lacuna entre a China e os EUA. Liang Wenheng expressou diretamente a diferença: não se trata de talento, mas de recursos. Portanto, baixo custo, capacidade de processamento nacional, e compilador de base não são apenas slogans industriais, mas parte integrante da rota tecnológica. Acreditar nas leis dos grandes modelos, mas trocar espaço de iteração por eficiência de engenharia sob restrições de recursos.

Escalabilidade, acreditamos na escalabilidade; quanto maior a escala, melhor o desempenho, permitindo desbloquear mais funcionalidades. O que nos impede de escalar é realmente a capacidade de processamento, não é que não queiramos escalar, é que não temos tanta capacidade de processamento para fazer essa escalabilidade.

Nós não chegamos ao limite. Nós treinamos um modelo tão grande não porque acho que esse tamanho é suficiente, mas porque tenho exatamente esse recurso disponível. Calculei com base nos meus recursos: qual é o tamanho do modelo que consigo aceitar e treinar. Não é porque o modelo é suficiente.

Não é sobre não organizar, mas sim sobre organização dinâmica e prolongada

Ao buscar uma rota técnica, a abordagem de Liang Wenheng foi inesperada: ele disse que poderiam elaborar este mapa de rota sem precisar fazer horas extras, e assim, a rota mais fácil de implementar tornou-se sua rota técnica. Essa busca por simplicidade e flexibilidade também se reflete em sua organização e gestão da equipe: Liang Wenheng afirma que não há estrutura organizacional, a equipe não faz horas extras, não há KPIs, e pelo menos metade do tempo os membros da equipe estão dedicados a seus próprios projetos.

Eles ainda têm metade do tempo não agendado, podendo fazer o que quiserem. É um espaço de pesquisa onde podem explorar livremente, seguindo o que consideram importante, sem requisitos pré-definidos.

A autoridade do fundador vem do consenso, não da arbitrariedade.

Para Liang Wenfeng, o que reúne as pessoas é a visão. Elas são impulsionadas pela visão: “Elas têm uma grande bondade em relação a este mundo e querem fazer algo”, por isso vieram. Os primeiros dezenas de pessoas nem sequer pensaram em ganhar dinheiro: “Se elas pensassem assim, não viriam”, diz Liang Wenfeng. Sua própria autoridade é moldada pelo consenso; algo avança porque é um consenso.

Vou contar uma história sobre o nosso DDCP, nosso modelo. Inicialmente, estávamos preocupados com a alta demanda, então definimos um preço alto no início, e ninguém no time estava feliz com isso. Depois, reduzi o preço para um quarto do valor original, e todos ficaram muito felizes. Acho que esse é o nosso verdadeiro pensamento — o visionamento que mencionei anteriormente: queremos que isso seja útil para as pessoas, não apenas maximizar nossos lucros, mas garantir que todos possam acessá-lo enquanto mantemos um lucro razoável. Acho que, naquela época, quando reduzimos o preço, muitas pessoas na empresa comemoraram no grupo, e todos ficaram contentes.

Por exemplo, se eu quiser fazer algo, primeiro verifico qual é o consenso entre todos nós, se todos querem fazer isso. Depois, posso ter alguma orientação ou preferência, mas essa orientação tem um limite muito restrito; seu papel é muito limitado e sempre se baseia em um consenso. Esse mecanismo de decisão é, na verdade, um mecanismo de busca por consenso — não é algo que eu possa impulsionar sozinho; só posso avançar se houver consenso, e só então eu atuo.

Ela mantém o relaxamento, mas não a preguiça, com seu próprio mecanismo de organização.

A equipe não é apenas de palavras, mas de ação. Liang Wenfeng diz que a visão não é um slogan pendurado na parede, mas sim sobre como agir. Ele tem clareza absoluta sobre o que está fazendo, com uma lógica organizacional bem definida: a estrutura organizacional, os mecanismos de incentivo e os objetivos da equipe são todos pensados com precisão. Os funcionários passam metade do tempo realizando suas próprias tarefas e a outra metade cumprindo as missões da empresa. Não trabalhar horas extras é, de fato, um benefício, mas Liang Wenfeng espera que isso crie um ambiente descontraído para a pesquisa. A equipe faz menos coisas porque seus objetivos são focados: eles querem desenvolver a AGI. No futuro, à medida que a equipe crescer, Liang Wenfeng admite que alguns departamentos também precisarão estabelecer estruturas hierárquicas mais rígidas — e, na verdade, essas mudanças já estão acontecendo.

Então, a segunda questão é pensar na estrutura organizacional futura e no planejamento de pessoal. Primeiro, nossa estrutura organizacional anterior era muito dispersa, pois não havia estrutura organizacional. No entanto, à medida que nossa equipe continua a crescer, certamente será necessário fazer algumas mudanças. Por enquanto, só podemos dizer que muitas alterações serão necessárias, mas é difícil expressar todas de uma só vez. Por fim, provavelmente ainda precisaremos dividir em diferentes departamentos, alguns dos quais exigirão a criação de uma estrutura hierárquica mais rigorosa. Outros departamentos, por outro lado, podem manter uma estrutura mais solta e plana.

Normalmente também não trabalhamos horas extras. Há duas razões para não trabalharmos horas extras. A primeira é que a pesquisa exige um ambiente mais descontraído. Se você pressiona demais, não é possível fazer pesquisa, pois, como se trata de algo que exige seu próprio interesse e que você deve refletir sobre isso no seu dia a dia, só é possível explorar em um ambiente mais relaxado. Isso é uma necessidade da cultura de pesquisa. A segunda razão é que somos muito focados. Foco significa que fazemos poucas coisas. Portanto, não tenho tantas coisas para fazer e não preciso trabalhar horas extras.

A estabilidade da equipe é a base para a implementação bem-sucedida

A estabilidade da equipe é um interesse central. Para Liang Wenfeng, muitas coisas são importantes — dinheiro, cartões, recursos — mas esses não são os pontos de maior risco; o maior risco é a equipe se desintegrar. Para evitar o colapso da equipe, Liang Wenfeng busca possibilidades de organização dinâmica dentro da ausência de estrutura formal: hierarquias, tecnologia e mecanismos inovadores podem servir como ferramentas para manter o equilíbrio da equipe. Recentemente, a DeepSeek concluiu parte de seu financiamento, e Liang Wenfeng disse que, com todos recebendo opções, o risco de “a equipe se desintegrar” foi significativamente reduzido.

Desde que eu consiga manter a estabilidade da equipe, eu certamente conseguirei, certamente conseguirei criar a AGI, é tão simples assim. Desde que ninguém saia e possamos continuar, eu certamente conseguirei. Basicamente, não há risco algum. Só há uma questão de tempo — enfrentaremos obstáculos; se, ao enfrentar obstáculos, ninguém sair, então eu poderei continuar.

Do ponto de vista da estabilidade da equipe, desde que os funcionários mais importantes e mais antigos permaneçam, os demais dificilmente sairão. Mesmo que tenham menos opções de ações ou receita menor, eles não irão embora, pois não estão apenas motivados por dinheiro — todos desejam atuar em um ambiente onde seja possível alcançar a AGI. Portanto, para os talentos, ainda há atratividade.

Historicamente, nossa rotatividade de talentos tem sido relativamente baixa; em comparação com a concorrência, nossa rotatividade de talentos sempre foi inferior. Mas ainda assim, esse é o nosso maior desafio, o único desafio, podemos dizer assim.

Open source não é renunciar às barreiras, mas sim transferir as barreiras do modelo para o custo e a eficiência de engenharia

Ao falar sobre código aberto, Liang Wenfeng não se limita ao idealismo ou ao marketing. Sua análise é que o campo da IA é grande o suficiente para não poder ser monopolizado por uma única empresa; o código aberto facilita a adoção pelo ecossistema e não prejudica naturalmente o modelo de negócios, pois as verdadeiras barreiras não são apenas o modelo em si, mas sim os custos de implantação, a eficiência de engenharia e as capacidades organizacionais.

Por que insistimos tanto em ser open source? Porque essa visão exige open source. Sem essa visão, você não consegue reunir as pessoas.

Em relação ao开源, desde o início tínhamos uma visão muito clara. Primeiro, a visão; segundo, acreditamos que, para tornar a IA um sucesso comercial, o开源 traz benefícios.

Mas a questão da IA é grande o suficiente para, no final, representar cerca de 10% do PIB da sociedade humana, por exemplo. Então, na verdade, é um número muito grande. Ninguém pode monopolizar isso; você precisa compartilhar com os outros, caso contrário, certamente não sobreviverá.

Se quisermos monopolizar esse benefício, certamente seremos abandonados pela história. Acho que o principal é que isso é uma lei objetiva, uma visão histórica.

Mesmo que o modelo seja aberto, e você diga a todos tudo, essa barreira é muito alta. É muito difícil para os outros colocarem isso em uso. É difícil colocá-lo em uso; em segundo lugar, é muito, muito difícil fazer com que o custo de uso seja baixo — não é tão fácil assim.

Não é só porque eu abri o código que ele pode facilmente alcançar o mesmo custo de implantação que eu. Ainda há muito trabalho a ser feito. Embora todos compreendam os princípios envolvidos, nem todas as empresas estão dispostas ou têm a vontade e a capacidade de organizar recursos humanos para atingir esse objetivo.

Open source, acho que não tem nenhum impacto sobre o nosso modelo de negócios. Desde que apenas lucraremos seis vezes o valor do investimento, recuperando o custo em dez meses, o que corresponde aproximadamente a um lucro de seis vezes. Sob a condição de lucrarmos apenas seis vezes, o open source não terá nenhum impacto.

E eu também não me preocupo com outras pessoas implantando nossos modelos e competindo conosco; não me preocupo nada. Na verdade, esperamos que eles os implantem.

Não inimizarse, mas não sem defesas comerciais

DeepSeek não quer se tornar rival de grandes ou pequenas empresas, e até está disposto a ajudar concorrentes. Essa postura vem, por um lado, da visão da empresa e, por outro, reduz obstáculos externos, permitindo que a companhia continue focada em seu núcleo. Ao mesmo tempo, Liang Wenheng acredita que a competição em grandes modelos não é misticismo, mas sim custo, tempo e experiência. Quem controla melhor os custos ganha um pouco mais; quem controla mal os custos ganha um pouco menos.

Então, muitas das coisas que fazemos agora são para manter a estabilidade da equipe. Além disso, acho que tudo o mais podemos fazer sem, podemos conter. Sempre fomos muito contidos, não querendo nos tornar rivais de nenhuma grande ou pequena empresa de internet.

Sob esse pressuposto, estamos muito dispostos a ajudar qualquer pessoa, até mesmo nossos concorrentes, incluindo Alibaba, Zhipu e Moonshot, a se tornarem melhores. Porque não perdemos nada — nós já somos de código aberto.

Não tive minha vantagem comercial afetada por nossa boa vontade, de forma alguma; pelo contrário, pode até ter me dado pontos a favor.

A diferença é apenas duas coisas: tempo e custo. Portanto, não há como alguma empresa ter lucros excessivos; acho que não há lucros excessivos. Quem controla melhor os custos ganha um pouco mais, quem controla mal os custos ganha um pouco menos, ponto final.

Não abrange toda a cadeia de valor, apenas mantém a posição mais central.

Liang Wenfeng expressou repetidamente um senso de limites: a DeepSeek não deseja fazer tudo, não pretende integrar verticalmente os chips na cadeia de suprimentos nem absorver todas as oportunidades na camada de aplicativos. Ela acredita que a era da IA é grande o suficiente para gerar muitas empresas, e a DeepSeek apenas precisa se tornar uma delas, concentrando-se na sua parte mais especializada e central.

Ainda há a questão de whether vamos realizar integração vertical para cima na cadeia? Espero que não. Então, há a pergunta de se vamos realizar integração vertical nas aplicações a montante? Esperamos não fazer isso; gostaríamos que outras pessoas fizessem isso. Não quero engolir tudo; quero apenas comer um pedaço — apenas a parte em que sou mais especializado, ou aquela que consideramos nosso núcleo mais essencial.

No futuro, vamos construir nossos próprios grandes clusters? Acho que construir grandes clusters é algo que certamente faremos; nós mesmos já estamos fazendo isso, todos os nossos clusters são construídos por nós. Mas, no futuro, se devemos desenvolver nossos próprios chips depende de quão grande for o retorno, depende de quão grande for o retorno.

Nós queremos fazer apenas um pedaço. Acho que a questão da IA é muito grande e não preciso me limitar a apenas um pedaço. Se nos concentrarmos, e acredito que o potencial de negócios aqui já é suficientemente grande, se a era da IA gerar muitas empresas de trilhões de dólares, acho que somos uma delas.

Não corra para aproveitar a oportunidade atual, mas também não recuse pegá-la se ela vier ao seu alcance.

DeepSeek deve se comercializar? Sim, mas a comercialização não é mais o objetivo final. O objetivo da DeepSeek é desenvolver a AGI; durante esse processo, Liang Wenheng viu oportunidades de comercialização e não as rejeitou, aproveitando-as prontamente. “Se é algo que podemos obter facilmente, vamos simplesmente pegá-lo,” disse Liang Wenheng. Ele comparou isso a uma questão de “pegar gergelim” e “apanhar abóbora”:

Acho que isso é viável e possível do ponto de vista comercial. Se tivéssemos gasto muito dinheiro no ano passado para competir com ByteDance por usuários, também seria uma abordagem. Mas escolhemos uma estratégia muito contida: não vou competir com você por isso, porque há melancias atrás, e o que está na frente pode ser apenas sementes de gergelim.

Sempre que houver uma oportunidade comercial tão grande, você certamente encontrará uma maneira. Então, sobre as pequenas coisas anteriores, também as pegamos, mas apenas de passagem, sem parar ou tratá-las como algo importante. Por isso, acredito que os dados diários de ativos do lado C do ano passado podem ter sido algo pequeno. Mas também os pegamos e mantivemos o uso dos usuários com um custo relativamente baixo, porque pode ser útil no futuro.

A comercialização sempre existiu, mas não é o objetivo principal

Para Liang Wenfeng, a prioridade entre objetivos ToC e ToB é inferior à criação de uma AGI. Contudo, quanto mais se busca algo, mais difícil se torna obtê-lo: enquanto o DeepSeek focava internamente em como superar seu roadmap tecnológico, acabou acidentalmente capturando o tráfego do lado C e a receita do lado B. Ao refletir sobre essa experiência, de ano passado até hoje, ele concluiu que isso representa uma vantagem estratégica trazida por um ataque de redução de dimensão.

Há uma vantagem estratégica aqui: nós pensamos em AGI e estamos desenvolvendo AGI. Então, ao criar aplicativos, ao atuar no lado C e no lado B, na verdade não precisamos dedicar muita atenção a essas coisas — basta pouca energia. Acho que, quando você está em um nível técnico superior e atua em tecnologias de nível inferior, há um efeito de ataque de redução de dimensão. Pelo menos no lado C do ano passado, vimos que isso realmente aconteceu. Não investimos muito esforço no lado C; até chegamos a não querer mais manter esses usuários, mas eles não conseguiam ir embora.

Low prices are not charity, but reasonable profit

Em termos de precificação, Liang Wenfeng não é ambíguo; seu objetivo é claro: recuperar o custo do equipamento em dez meses com a API. O preço atual não é definido para maximizar o lucro, nem é o preço mais baixo possível. Liang Wenfeng afirma que não é possível reduzir os preços infinitamente, pois, em preços muito baixos, a empresa não conseguiria sobreviver, e produtos de baixo custo não trariam mais valor social. Um preço justo gera vantagens a longo prazo dentro de uma faixa de lucro razoável. Ele acredita que o mercado de IA é suficientemente grande — desde que seja bem-sucedido, um retorno razoável já é suficiente; se tentar capturar mais desde o início, enfrentará mais concorrentes.

Se o meu objetivo for ocupar 5% do PIB global da IA, teoricamente, esse cálculo ainda faz sentido. Veja a OpenAI: ela parece conseguir fazer esse cálculo e, teoricamente, não há problema. Mas ela tem um problema: pode ser derrotada por outra pessoa disposta a ocupar apenas 1%. Porque essa outra pessoa dirá: “Fiz algo tão bom, mas só preciso de 1% do PIB global”, e assim a derrotará. Nesse momento, se surgir outra pessoa dizendo: “Eu só preciso de 0,1%”, ela acabará derrotando a pessoa anterior.

Do ponto de vista macro, não importa de onde esses poucos por cento vêm; não há diferença, todos são iguais. Quem tenta pegar mais será derrotado por quem tenta pegar menos. E você nem precisa realmente pegar mais: se a sua visão é pegar mais, você será derrotado por quem tem a visão de pegar menos. Na verdade, ninguém realmente recebe dinheiro—é apenas uma visão. Se a sua visão é pegar mais, você já perdeu desde o início e enfrentará maiores dificuldades. É assim que o mundo funciona.

Qual é o aspecto ideal de AGI para você?

Bem-vindo para compartilhar sua opinião nos comentários~