7月25日，彭博社援引知情人士称，DeepSeek口头通知潜在投资者：原定的第二轮融资暂时中止，短期内不会签署投资协议。
这轮融资原计划募集至少100亿元人民币（约15亿美元），投前估值约4800亿元。而就在几天前，一份梁文锋与投资人近4小时的交流会纪要正在社交网络上刷屏。
两家公司都未确认纪要真伪。但融资按下暂停键，本身就说明这份流出的讲话，比任何官方PR都更接近DeepSeek的真实处境。
克制是一种战略：只赚“合理的利润”
在这场近4小时的交流中，梁文锋说得最多的词之一是“不”。
不追逐利润最大化，不抢C端流量，不做3D和视频生成，不想成为“下一个字节或腾讯”。他甚至把“克制”直接定义为战略：“有时候你可以舍弃一些，来换更多其他的东西。”
在谈到商业化时，梁文锋说，DeepSeek只希望获得“合理的利润”，而不是利润最大化。他给过一个具体算法：只赚六倍利润——按十个月回本对应约六倍利润。再高，就会影响开源这个战略选择。
这听起来反常识。AI正处于资本狂热期，所有实验室都在讲规模、讲收入、讲超级应用。但梁文锋的逻辑是：AI最终可能占人类社会GDP的10%，这是一个足够大的蛋糕，没有任何一家公司能独占。如果你要赚一百倍利润，闭源或许有效；但如果你只想赚六倍，开源对商业模式没有影响，反而能让你在AGI长跑中更从容。
这不是道德表态，而是一种被重新计算过的商业策略。
AGI路线图：爬楼梯，而不是造火箭
梁文锋把通往AGI的路比作爬楼梯，每一级解决一个核心问题。
去年是CoT（思维链），今年是Agent，Agent之后是持续学习。他认为，下一代模型必须拥有持续学习能力，否则就只是上一代模型的成本优化版，称不上真正突破。
这个判断有现实意义。今天的大模型已经很强，会写代码、能推理、可以做复杂任务。但它们本质上还是在消耗训练阶段学到的知识。真正的通用智能，需要模型在部署后仍能持续吸收新信息、修正错误、适应环境变化。
持续学习一旦解决，通用智能可能“就比较容易了”。因为模型可以自己辅助自己研发更先进的AI系统，形成“AI加速AI研究”的循环。具身智能、机器人，才可能在那之后成为主线。
这也是为什么DeepSeek把全部资源压在模型能力本身，而不是去卷多模态、卷世界模型、卷垂直行业应用。用梁文锋的话说，产品只是AGI路上的副产物。
唯一的差距：不是人才，是资源
谈到中美AI竞争，梁文锋的表态很直接：我们和美国的唯一差距是资源，不是人才。
他说，由于算力少，能做的实验机会少，中国AI人才整体上与美国有差距。但所有差距——人才、模型能力、应用创新——追根溯源都是算力资源的差距。
DeepSeek的应对策略也很现实：在合理价格内，能买到多少卡就买多少卡；同时全力推动国产芯片适配。梁文锋判断，国产AI芯片的硬件和生态都没有问题，唯一的问题是产能不够。华为的950超节点，在性能和价格上已经可以平替英伟达的GB200、GB300。
他承认，未来两三年产能仍是瓶颈。但五年后，不一定。
这番话在投资人耳朵里，既有信心，也有压力。信心在于方向清晰；压力在于，这是一个需要长期、大规模、重资本投入的游戏。软件时代“轻资产、高毛利”的公式，在AI时代被彻底改写。
开源、数据与组织
DeepSeek的另一个反常识选择是开源。
梁文锋明确说，最强的模型也会开源。理由是：模型开源后，别人真要跑起来、把成本做到同样低，门槛非常高。而DeepSeek当前的规模正好处于“甜区”——创业公司太小撑不住，大公司太大组织不动。
但他也透露了一个容易被忽略的细节：公司有一半核心研究员在标数据。在当前阶段，解决AI问题靠的就是标数据。这不是低效，而是承认现状——算法架构优化能带来成本下降，但数据质量仍然是模型能力的底座。
在组织管理上，DeepSeek没有传统KPI，靠愿景驱动。梁文锋说，只要团队稳定，“一定能做成AGI”。这句话听起来像口号，但放在DeepSeek的语境里，其实是一种资源分配逻辑：最大核心利益不是收入，不是估值，而是维持一支能长期攻关的团队。
对普通读者的意义
这份讲话最值得注意的地方，不是某句金句，而是它展现了一家中国AI头部公司的真实坐标。
它不再讲“弯道超车”的故事，而是承认差距、明确路径、接受长期投入。它把AGI当成技术主线，而不是融资叙事。它用“六倍利润”和“最强模型开源”这种具体规则，把理想主义和财务纪律绑在了一起。
对于关注AI原理和硬件的人来说，DeepSeek的选择印证了一个趋势：大模型竞争正在从“谁参数更多”转向“谁能用更少的电、更便宜的芯片、更稳定的团队，持续迭代更聪明的系统”。
这才是AI行业真正的门槛。不是某一次的模型发布，而是能不能把克制变成战略，把长跑当成日常。