Liang Wenfeng, alguém que começou com quant trading e agora está totalmente focado em AGI, pensa e fala de forma diferente das pessoas que constantemente mencionam “ecossistemas”. Ele diz que comparar a AGI a subir uma escada: o degrau do ano passado foi o CoT, o deste ano é o Agent, e os próximos serão aprendizado contínuo. Somente após completar o aprendizado contínuo chega-se ao ponto de inflexão progressivo, e depois à inteligência embodiada. Embodiment é a última parada — sua razão é que, para pessoas normais, a necessidade não é um computador, mas mão de obra. Essa única frase resume toda a prioridade técnica da DeepSeek para os próximos três a cinco anos. Nesse nível de Agent, ele também faz escolhas. No momento, os mais importantes são o Coding Agent e o General Agent; cenários verticais como finanças e saúde têm prioridade mais baixa. A lacuna no próximo modelo é o aprendizado contínuo. Ele afirma que a IA hoje não falta em paladar ou intuição, mas sim em capacidade de aprendizado contínuo. Humanos aprendem continuamente; a IA ainda não consegue. O próximo modelo precisa ter essa capacidade — é o caminho mais rápido para alcançar a AGI. Mas aprender envolve muitos componentes, e o mundo ainda não encontrou um bom método. Sua estratégia comercial também explica por que a DeepSeek insiste em open source e em custos extremamente competitivos — apenas lucros razoáveis. Eles consideram muito eficiência de custo, por isso conseguem preços mínimos. Vendem API sem equipe de vendas nem suporte ao cliente; os usuários vêm por conta própria. Ele não acredita absolutamente que empresas de grandes modelos consigam capturar a maior parte do lucro da indústria de IA. Open source é parte do autocontrole. Ele diz: uma empresa de software com mercado anual de bilhões de dólares perde tudo ao abrir seu código. Mas o campo da IA é grande o suficiente para eventualmente representar 10% do PIB global da humanidade. Tentar monopolizar esse benefício certamente levará ao esquecimento histórico. A diferença competitiva está em três aspectos: custo, tempo e experiência do usuário. Custo vem em primeiro lugar — alguns meses de vantagem já fazem toda a diferença. Experiência do usuário cria fidelidade, mas não é essencial. O cenário do setor: recursos dispersos sempre convergirão. A principal lacuna da IA na China está nos recursos. Eles acreditam em scaling — quanto maior a escala, melhor o desempenho — mas os recursos são limitados. Não há diferença em talento; todos vêm do mesmo grupo de pessoas. Há muitas empresas de modelos na China, com recursos dispersos — isso inevitavelmente convergirá. Cada empresa só precisa de lucros razoáveis; não há necessidade de tantas empresas grandes desenvolvendo modelos. Duas grandes e duas pequenas empresas talvez bastem. Anthropic superar o OpenAI é apenas um fenômeno temporário; a longo prazo, OpenAI e Google provavelmente se alternarão na liderança. Minha reflexão: o desalinhamento de recursos é o maior desperdício da IA na China. A mesma turma de talentos está dividida entre dezenas de empresas, gerando desperdício interno — a convergência acontecerá inevitavelmente. Organização e pessoas: autocontrole é estratégia. Eles não têm interesse em se tornar o próximo superapp — não veem valor nisso. Não se deixam levar por pequenos ganhos em detrimento do grande quadro. No ano passado, todos corriam atrás de chatbots e tráfego B2C; este ano, correm atrás de receita B2B. O que realmente os importa é o roadmap da AGI. Apenas uma organização com autocontrole pode ter uma estratégia com autocontrole. Uma empresa guiada por KPIs e GMV jamais diria coisas como “open source” e “apenas lucros razoáveis”. Se sua visão é pegar mais, você já perdeu.