DeepSeek поєднує довгострокову візію AGI з практичним виконанням

Відповідь DeepSeek — це не просто дивитися на зірки, ніж не просто дотримуватися землі, а використовувати реальні проблеми для підтримки достатньо далеких цілей.

Автор статті, джерело: 36氪

Відповідь DeepSeek — це не просто дивитися на зірки, ніж не просто дотримуватися землі, а використовувати реальні проблеми для підтримки достатньо далеких цілей.

Автори: Лі Цзясин, Лю Ченьї

Редагування | Чжан Вей

Джерело головного зображення | DeepSeek

Джерело обкладинки | DeepSeek

DeepSeek знову потрапив у центр уваги.

Ця компанія колись майже була найбільш таємничу фігурою в світі ШІ: інженерна культура, скромність, засновник майже ніколи не з’являвся на публіці, а команда не вела типових для інтернет-компаній історій чи кампаній з промоції. Але протягом останнього року вона майже щоразу ставала центром у китайському технологічному середовищі. Під час випуску моделей вона викликала хвилю обговорень через низькі витрати та відкритий код; коли з’явилася інформація про фінансування — через оцінку та інвесторів; а зараз, після того як запис зустрічі Лян Веньфена з інвесторами тривав майже 4 години, зовнішнє середовище знову почало переглядати цю компанію.

На цей раз зовнішній світ бачить більш повний, але й більш суперечливий DeepSeek.

З одного боку — достатньо віддалена мета. Лян Венфен розповідає про AGI, про бачення, про «добрі наміри щодо світу», про те, що не прагне до максимізації прибутку, про те, що без відкритого коду неможливо зібрати команду. Він каже, що DeepSeek не хоче стати наступним супер-додатком, не хоче бути наступним ByteDance чи Tencent; компанія працює на основі бачення, а не KPI, дослідники мають багато часу для вільних досліджень і рідко працюють у вечірній зміну. З іншого боку — практичність. Лян Венфен також говорить про ціну API, яка окупиться за десять місяців, про те, як фінансування зменшує ризики стабільності команди, про те, що гроші треба якнайшвидше перетворити на карти, про виробничі обмеження китайських обчислювальних потужностей, про те, що половина ключових дослідників позначають дані, про те, що після зростання компанії необхідно вдосконалювати організаційну структуру. Він навіть каже, що у найгіршому випадку продаж API зможе підтримувати публічну компанію.

Як компанія з штучним інтелектом може одночасно дивитися у зірки та залишатися на землі? Саме це DeepSeek намагається відповісти.

На основі аудіозапису та транскрипції зустрічі інвесторів Лян Венфена, що з’явилися в мережі, «Лабораторія майбутнього людини» провела наступне узагальнення.

Довгострокова мета — AGI, але не просто кричать про далеке майбутнє, а розбити її на послідовні сходи

Лян Вэньфэн визначив довгострокову мету як AGI, але не подав AGI як абстрактне поняття, а розбив його на послідовний шлях: мовні моделі, CoT, агенти, неперервне навчання, саморозвиток, ембодієнти інтелект. Мета достатньо висока, але кожен крок можна зв’язати з поточними технічними завданнями.

Це наша припущення, це те, як ми вважаємо, повинен виглядати цей розклад: спочатку навчання для навчання, потім інтелектуальна сингулярність, здатна до самоітерації, а потім — ембодід інтелект. Після досягнення ембодід інтелекту він увійде у реальний світ і зможе допомагати вам з домашніми справами та доглядати за вами у похилому віці.

Ми вважаємо, що це досить ідеальний план, але у кожного своя думка — немає ні правильного, ні неправильного. Просто ми вважаємо, що цей план найбільш легкий. Цей план такий, бо на кожному етапі вам потрібно робити дуже мало нового.

Розвиток ШІ ми можемо розуміти як сходи. Минулого року ми піднімалися по сходах CoT — ланцюжку міркувань. Ми виявили, що за допомогою ланцюжка міркувань можна досягти вищого рівня інтелекту. Завдяки самостійному міркуванню ШІ здатний робити більше речей.

Він переслідує Agent, але не вважає Agent кінцевою метою

Зараз найпопулярнішими на ринку є продукти Agent та їх комерційне застосування, але Лян Веньфен більше хвилюється про обмеження після Agent: постійне навчання. Він бере участь у сучасній технологічній хвилі, але не дозволяє сучасним трендам визначати кінцевий результат.

У цьому місці агента видно наступний обмежуючий фактор — це постійне навчання. Наступна проблема, яку потрібно вирішити, — це визначити, як забезпечити постійне навчання. Це видно, і це відносно чітко.

Штучний інтелект не може замінити ваших співробітників. Але якщо штучний інтелект має здатність до постійного навчання, і він, як і ваші співробітники, приходить до компанії вчитися два місяці, то тоді він може замінити всіх.

Зараз інвестори бачать найбільше агентів; але для нас, хто досліджує, зараз більше бачиться навчання.

Дивіться в майбутнє, але активно відкидайте напрямки, що не входять до основної лінії.

Генерація відео, 3D, світові моделі, багатомодальність, ембодієнта інтелект — усе це розташовано на різних рівнях пріоритету. DeepSeek не заперечує їх, а лише оцінює, чи перебувають вони на поточній основній лінії інтелекту. Він бачить багатогранні форми майбутнього, але витримується від того, щоб не відволікатися на кожен хайп.

Коли ми працюємо ззовні, наш підхід такий: ми зосереджуємося виключно на основній лінії AGI. Це те, про що я щойно говорив — GPT, CoT, Agent тощо — ми робимо лише основну лінію. У сфері ШІ дуже багато напрямків, і багато з них, на нашу думку, не пов’язані з цією основною лінією, наприклад, 3D або генерація відео — я вважаю, що це має мало спільного з основною ідеєю інтелекту, і ми цим не займатимемося.

Але в бізнесі це добрий бізнес, в бізнесі це добрий бізнес. Але це не має нічого спільного з інтелектом. Ми не будемо робити це лише тому, що це добрий бізнес; ми робимо це лише тоді, коли це є частиною розумної дорожньої карти.

Багатомодальна розкладка — ми завжди цим займалися. Для продукту це важливо; для продуктів для кінцевих користувачів це важливо. Але щодо верхньої межі інтелекту, це лише компонент, а не основна лінія.

Він дозволяє дослідження з високою невизначеністю «на випадок», але також визнає, що за технологічними проривами стоїть величезна кількість важкої роботи.

Постійне навчання цих питань не підходить для повністю проектного підходу чи системи KPI, а також не завжди вимагає великої кількості ресурсів. Лян Венфен називає це «лотереєю»: низький поріг, багато людей можуть думати над цим, але прорив не визначений. Але з іншого боку, він дуже реалістично говорить про анотацію даних, післятренування, галюцинації, ефективність витрат. Це не культура досліджень, що ґрунтується лише на інспірації, а поєднання вільного дослідження з важкою, нудною роботою. Потрібно виділити простір для невизначеності в дослідженнях, водночас приймаючи важку, монотонну роботу, що лежить в основі технічних проривів.

Це не проект, а проблема, над якою мають думати багато людей. Тому не потрібно виділяти їй ресурси. Просто наша відмінність від інших компаній полягає в тому, що ми витрачаємо час на обговорення цього питання, думаємо про нього і ставимо його на перше місце.

Тож ми називаємо це «抽獎». Бар’єр низький, хто завгодно може взяти участь, але що саме хтось витягне — це, можливо, я не знаю, чи це залежить від таланту, чи ще чогось.

Тож зараз ми рухаємося двома ногами. Це не означає, що ми зовсім не можемо позначати дані, а просто деякі позначення даних мають низькі витрати, а деякі — високі. Спочатку ми позначаємо ті, що мають низькі витрати. Тож ви також можете вважати, що зараз половина співробітників нашої компанії займається позначенням даних. Половина ключових дослідників, найважливіших людей, зайнята позначенням даних.

Проблему галюцинацій також можна вирішити, але це довга тема. Проблему галюцинацій можна вважати тією, що може бути вирішена за допомогою кращого після-навчання — це проблема, яку можна вирішити і покращити. Просто люди не вкладають у це великих зусиль. Або, для мене, галюцинації — це проблема, але ми вважаємо, що, можливо, це проблема продукту. Ми її вирішимо, але це не головна проблема.

Він вірить у масштабування, але також визнає, що реальним обмеженням є хешрейт.

DeepSeek не заперечує проти масштабування і не уникне різниці між Китаєм і США. Лян Веньфен прямо вказує: різниця — не в талантах, а в ресурсах. Тому низькі витрати, вітчизняні обчислювальні ресурси, базові компілятори — це не просто промислові лозунги, а частина технічної стратегії. Вірте у закономірності великих моделей, але в умовах обмежених ресурсів використовуйте інженерну ефективність, щоб отримати простір для ітерацій.

Ми віримо в масштабування — чим більший масштаб, тим кращий ефект, тим більше функцій можна розблокувати. Єдине, що заважає нам масштабуватися, — це обчислювальна потужність; ми не уникнемо масштабування, просто у нас немає достатньо обчислювальної потужності для цього.

Ми не дійшли до цього ліміту. Ми навчали таку велику модель не тому, що вважаємо, що така велика модель достатня, а тому, що у мене просто стільки ресурсів. Я розраховував, яку модель я можу прийняти та навчити, виходячи зі своїх ресурсів — саме так це було визначено, а не тому, що ця модель достатня.

Не відмова від організації, а динамічна довготривала організація

Під час пошуку технічного напрямку думка Лян Венфена була неочікуваною: він сказав, що для створення цієї дорожньої карти не потрібно працювати в надурочний час, і саме цей найлегший шлях став їхньою технічною стратегією. Ця прагнення до легкості та гнучкості так само проявляється в організації та управлінні командою: Лян Венфен каже, що в них немає організаційної структури, команда не працює в надурочний час, немає KPI, щонайменше половину часу члени команди присвячують власним справам.

У них ще половина часу не розподілена — вони можуть робити все, що хочуть. Це область досліджень, де вони можуть самостійно досліджувати те, що вважають важливим, без будь-яких попередніх вимог.

Авторитет засновника походить з консенсусу, а не з односторонніх рішень

За думкою Лян Веньфена, людей об’єднує бачення. Вони рухаються завдяки цьому баченню: «Вони мають велике доброзичливість до світу і хочуть зробити щось». Саме тому вони прийшли. Перші десятки людей зовсім не думали про прибуток: «Якби вони так думали, вони б не прийшли», — каже Лян Веньфен. Його власна авторитетність теж формується через консенсус: щось може бути просунуто, лише якщо це консенсус.

Я розповім вам історію про наш DDCP — нашу модель. Спочатку ми переживали, що попит буде надто високим, тому спочатку встановили високу ціну, і команді це не подобалося. Потім я знизив ціну до чверті — і всі стали дуже щасливі. Я вважаю, що саме це й було нашою справжньою думкою. Як я вже говорив, наша місія — зробити цей продукт корисним для людей, а не максимізувати прибуток; ми хочемо, щоб усі могли собі це дозволити, залишаючись при цьому в межах розумного прибутку. Я вважаю, що саме так думали і інші в компанії: коли ми знизили ціну, у групі компанії багато хто вигукнув від радості — всі були щасливі.

Наприклад, якщо я хочу зробити щось, я спочатку дивлюся, який є загальний консенсус серед нас — чи хочуть це всі. Потім, можливо, у мене будуть певні напрямки або схильності, але їх вплив обмежений — дуже обмежений. Все базується на консенсусі. Цей механізм прийняття рішень є насправді механізмом пошуку консенсусу: це не означає, що я можу нав’язати щось — я можу рухатися вперед лише тоді, коли є консенсус, і тоді я дію.

Він залишається розслабленим, але не лінивим, має власний механізм організації

Команда не просто говорить, а робити. Лян Венфен каже, що візія — це не плакат на стіні, а те, як ти дієш. Він чітко розуміє, що робить, і має чітку організаційну логіку: форма організації, механізми мотивації та цілі команди визначені ним дуже ясно. Працівники проводять половину часу на власні справи, а іншу половину — на виконання завдань компанії. Відсутність надгодин — це справді перевага, але Лян Венфен сподівається, що це створить розслаблене середовище для досліджень. Команда робить менше завдань, бо їхні цілі зосереджені: вони створюють AGI. У майбутньому, з розширенням команди, Лян Венфен відкрито каже, що деяким відділам також доведеться впровадити строгу ієрархічну структуру — насправді, зміни вже відбуваються.

Друге питання — це мислення про майбутню організаційну структуру та планування масштабу персоналу. Спочатку наша попередня організаційна структура була дуже розсіяною, бо взагалі не існувала. Але після подальшого збільшення кількості людей це, безумовно, потребує певних змін. Зараз можна сказати лише те, що тут буде потрібно зробити багато змін, але зараз важко висловити їх усі одночасно. У кінцевому підсумку, варто розділити різні відділи, де деякі з них потребуватимуть створення досить строгих ієрархічних структур, тоді як інші, можливо, залишаться з більш вільною, плоскою структурою.

Ми зазвичай не працюємо пізно. Немає надлишкової роботи через дві причини. Перша — дослідження вимагає відносно розслабленого середовища. Якщо тиснути надто сильно, дослідження стає неможливим. Бо, оскільки це має виникати з вашої власної цікавості — ви повинні самі думати про ці питання в повсякденному житті — лише в розслабленому середовищі можливо досліджувати. Це вимога дослідницької культури. Друга причина — ми дуже зосереджені. Зосередженість означає, що ми робимо дуже мало речей. Тож у мене немає стільки завдань, щоб доводилося працювати пізно.

Стабільність команди — це основа для реалізації ідеї

Стабільність команди — це ключовий інтерес. За словами Лян Венфенга, багато речей важливі: гроші, карти, ресурси, але це не найбільш ризиковані аспекти; найбільший ризик — це розпад команди. Щоб запобігти руйнуванню команди, Лян Венфенг у пошуках динамічної організації серед відсутності структури використовує як інструменти ієрархію, технології та інноваційні механізми. Недавно DeepSeek завершив часткове фінансування, і Лян Венфенг сказав, що всі отримали опціони, що значно зменшило ризик «розпаду команди».

Якщо я зможу зберегти стабільність команди, я обов’язково зможу це зробити, обов’язково створю AGI, все просто. Якщо всі залишаться, ми зможемо продовжувати — я обов’язково зможу. Майже немає ризиків. Просто питання в тому, раніше чи пізніше ми зустрінемо труднощі; якщо ми зустрінемо труднощі, а всі залишаться, я знову зможу продовжувати.

Щодо стабільності команди, якщо найважливіші та найстаріші працівники залишаються, то інші зазвичай не залишають компанію. Навіть якщо у них менше опціонів або менший дохід, вони не підуть, бо вони не прийшли сюди лише за грошима — всі хочуть працювати в середовищі, де можна створити AGI. Тому для талантів це все ще привабливо.

З історичної точки зору, ми маємо дуже низький рівень обороту персоналу — порівняно зі схожими компаніями, наш оборот завжди був найнижчим. Але це все ще наша найбільша виклика, єдина виклика, можна так сказати.

Відкритий код — це не відмова від бар’єрів, а перенесення бар’єрів з моделі на витрати та інженерну ефективність

Лян Вэньфэн, говоря про відкрите програмне забезпечення, не просто посилається на ідеалізм чи маркетинг. Його думка така: AI — це дуже велика справа, і її неможливо монополізувати одній компанії; відкрите програмне забезпечення сприяє прийняттю екосистемою і не завдає природної шкоди бізнес-моделі, бо справжніми бар’єрами є не лише сама модель, а витрати на розгортання, інженерна ефективність та організаційні здібності.

Чому ми так наполегливо підтримуємо відкритий код? Бо сама ця мета вимагає відкритого коду. Без цієї мети ви не зможете об’єднати людей.

Щодо відкритого коду, ми з самого початку чітко зрозуміли дві речі: по-перше, це наша місія; по-друге, ми вважаємо, що для комерційного успіху штучного інтелекту відкритий код має переваги.

Але штучний інтелект — це досить велика річ, і в кінцевому підсумку він може складати до 10% ВВП людського суспільства, наприклад. Це дуже велике число. Неможливо монополізувати це, ти обов’язково повинен поділитися цим з іншими, інакше ти не виживеш.

Якщо ми хочемо виключно володіти цією користю, то нас обов’язково відкине історія. Я вважаю, що головне — це об’єктивний закон, це історичний погляд.

Навіть якщо модель відкрита, і ви розповідаєте всі деталі іншим, цей бар’єр дуже високий. Іншим буде дуже складно це використовувати; крім того, їм потрібно зробити витрати на використання дуже низькими — це також дуже, дуже складно, це не так просто.

Це не означає, що просто через моє відкрите джерело він зможе легко досягти таких самих витрат на розгортання. Тут все ще багато роботи потрібно зробити. Хоча принципи цих процесів зрозумілі, не кожна компанія готова або має бажання та здатність організувати людські ресурси для досягнення цієї мети.

Відкритий код, на мою думку, не має жодного впливу на нашу бізнес-модель. За умови, що ми заробляємо лише шість разів прибуток, повернення інвестицій за десять місяців, що приблизно відповідає шестиразовому прибутку. За умови, що ми заробляємо лише шість разів прибуток, відкритий код не матиме жодного впливу.

І мені не страшно, що хтось інший впровадить нашу модель і стане нашим конкурентом — я зовсім не хвилююся. Ми навіть сподіваємося, що вони її впровадять.

Не створюйте ворогів, але не залишайтесь без комерційної захистної лінії

DeepSeek не бажає стати суперником ні великих, ні малих компаній, навіть готовий допомагати конкурентам. Такий підхід пояснюється як візією, так і зменшенням зовнішніх перешкод, що дозволяє компанії зберігати фокус на основних завданнях. Крім того, Лян Венфен вважає, що конкуренція великих моделей нарешті не є містикою, а залежить від витрат, часу та досвіду. Ті, хто краще контролює витрати, заробляють більше; ті, хто гірше їх контролює, заробляють менше.

Тому зараз ми робимо багато речей, щоб зберегти стабільність команди. Крім цього, я вважаю, що все інше можна не робити і підкорити. Ми завжди були дуже обережні і не хотіли ставати суперниками ні для великих, ні для малих інтернет-компаній.

За цих умов ми дуже охочі допомагати та підтримувати будь-кого, навіть наших конкурентів, включаючи Alibaba, Zhipu, Moonshot, щоб вони стали кращими. Бо ми нічого не втрачаємо — ми й так відкриті.

Я не втратив свою комерційну користь через нашу доброту, повністю без впливу, навпаки, можливо, це навіть додало балів.

Різниця полягає лише у двох речах: часі та витратах. Тож немає причин для того, щоб хтось отримував надприбутки, я не вважаю, що можуть бути надприбутки. Ті, хто краще контролює витрати, заробляють трохи більше, ті, хто гірше їх контролює, — трохи менше, ось і все.

Не намагайтеся охопити повний ланцюг поставок, а просто тримайтеся найважливішої позиції

Лян Вэньфэн неодноразово підкреслював певну межу: DeepSeek не бажає робити все навколо, не бажає вертикально інтегруватися в чіпи на верхньому рівні та не бажає захопити всі можливості на рівні застосунків. Він вірить, що ера ШІ достатньо велика, щоб з’явилося багато компаній, і DeepSeek достатньо стати однією з них, зосередившись лише на своїй найсильнішій та найважливішій частині.

Ще одне питання: чи здійснимо ми вертикальну інтеграцію вгору по ланцюгу? Ми не хочемо цього. Отже, чи будемо ми інтегруватися в верхні додатки? Ми не хочемо цього робити, ми бажаємо, щоб це робили інші. Ми не хочемо з’їсти все — ми хочемо з’їсти лише шматочок, лише ту частину, яку ми найкраще вміємо робити, або ту, яку вважаємо найважливішою.

Чи будемо ми в майбутньому створювати власні великі кластери? Я вважаю, що створення власних великих кластерів є обов’язковим — ми самі постійно це робимо, і всі наші кластери побудовані власноруч. Але чи варто в майбутньому розробляти власні чіпи, залежить від того, який дохід ми отримаємо, і від того, наскільки великий буде цей дохід.

Ми хочемо зробити лише одну річ. Я вважаю, що тема ШІ дуже велика і мені не потрібно обмежуватися лише однією річчю. Якщо зосередитися, я вважаю, що прибуток тут вже достатньо великий. Якщо в епоху ШІ з’явиться багато компаній вартістю в трильйони доларів, я вважаю, що ми — одна з них.

Не втікайте з поточних можливостей, але й не відмовляйтеся від того, що можна легко захопити

Чи має DeepSeek комерціалізуватися? Так, але комерціалізація більше не є кінцевою метою. Метою DeepSeek є створення AGI, і під час цього процесу Лян Венфен виявив можливості для комерціалізації — він не відкидає їх, а впевнено їх використовує. «Якщо це можна отримати просто так, ми просто це отримаємо», — сказав Лян Венфен. Він порівнює це зі збиранням кунжуту та отриманням кавуна:

Я вважаю, що це має сенс з бізнесової точки зору і є можливим. Якби ми минулого року вклали величезні кошти, щоб конкурувати з ByteDance за користувачів, це теж було б стратегією. Але ми обрали дуже стриманий підхід: я не буду боротися з тобою за це, бо позаду є арбуз, а попереду — лише кунжут.

Якщо є така велика комерційна можливість, ви завжди знайдете спосіб. Тож попередні дрібниці ми також підібираємо, але просто збираємо їх поверхово, не зупиняючись і не вважаючи цим важливою справою. Тому такі показники щоденної активності на C-боку минулого року, на мою думку, можуть бути дрібницею. Але ми їх також зібрали і підтримували використання користувачів з порівняно низькими витратами, бо в майбутньому це може виявитися корисним.

Комерціалізація завжди існувала, але не є найвищою метою

За поглядом Лян Веньфена, пріоритети ToC та ToB не порівнянні з досягненням AGI. Однак чим більше ти прагнеш до чогось, тим менше це вдається отримати: у DeepSeek основна увага була зосереджена на подоланні технічної дорожньої карти, але вони випадково захопили трафік C-боку та дохід B-боку. Оглядаючи досвід з минулого року до цього, він зробив висновок, що це стратегічна перевага, запропонована завоюванням на нижчому рівні.

Тут є стратегічна перевага: ми думаємо про AGI і робимо AGI. Коли ми потім розробляємо застосунки, C-бік або B-бік, нам зовсім не потрібно багато зусиль — достатньо дуже мало. Я вважаю, що коли ти працюєш з високого рівня технологій, щоб робити технології нижчого рівня, це дає такий ефект зниження рівня. Принаймні, у минулому році на C-боку ми це бачили. Ми не вкладали багато зусиль у C-бік, навіть якийсь час не хотіли підтримувати цих користувачів, але користувачі просто не могли від нас відійти.

Низька ціна — це не благодійність, а розумний прибуток

Щодо ціноутворення, Лян Венфен не коливається — його мета чітка: відшкодувати витрати на обладнання за десять місяців через API. Поточна ціна не є результатом максимізації прибутку, ніж ніж мінімально можливою ціною. Лян Венфен стверджує, що ціну не можна знижувати безмежно: при надто низьких цінах компанія не зможе вижити, а продукти за низькою ціною не принесуть більшої соціальної користі. Розумна ціна забезпечує тривалий конкурентний перевагу в межах розумного рівня прибутку. Він вважає, що ринок ШІ достатньо великий — якщо вдасться зробити це правильно, достатньо і розумного доходу; якщо спочатку намагатися отримати більше, з’явиться більше конкурентів.

Якщо моя мета — зайняти 5% ШІ та всього світового ВВП, теоретично цей розрахунок все ще має сенс. Подивіться на OpenAI: вони, здається, можуть це обчислити, теоретично все в порядку. Але у них є проблема: їх може перемогти хтось інший, хто готовий обмежитися лише 1%. Бо цей хтось каже: «Я роблю це настільки добре, але мені достатньо лише 1% світового ВВП», і тоді він їх переможе. А потім з’являється ще один, який каже: «Мені достатньо лише 0,1%», і він переможе попередніх.

З макроточки зору, незалежно від того, звідки ці відсотки беруться, між ними немає різниці — вони однакові. Ті, хто бере більше, будуть переможені тими, хто бере менше. Навіть не потрібно реально брати більше: якщо ваша мета — брати більше, ви програєте тим, чия мета — брати менше. Насправді ніхто не отримав грошей — це лише видіння. Якщо ваше видіння — брати більше, ви вже програли і стикаєтеся з більшими труднощами. Світ працює саме так.

Яким ти уявляєш ідеальний AGI?

Будь ласка, поділіться своїми думками в коментарях~