有人形容那场梁文锋与投资人的交流，「像一场反路演」。

四个小时，他讲得最多的，不是 DeepSeek 要做什么，而是 DeepSeek 不做什么。

那是今年 5 月中旬的一次线上会议，梁文锋先讲，投资人再问。

DeepSeek 官方从未确认过会议内容，公司内部甚至有明文规定，禁止员工接受外部访谈。所以流传出来的，更接近一份未经授权的现场速记，而非公司发布的公开信源。

但即便打上这层折扣，这份记录里的逻辑仍然值得讨论。

因为它触及了一个几乎所有科技公司都要面对、却很少有人讲透的问题：当资源有限、机会过剩的时候，一家公司靠什么活下来？

梁文锋给出的答案有些反直觉：不是抓住更多机会，而是拒绝更多机会。

1、不追风口

过去两年，生成式 AI 行业的节奏近乎失控。

Sora 发布后，视频生成一夜之间成为标配赛道；Agent 概念兴起后，几乎每家大模型公司都在补课。谁慢一步，就可能被算作掉队。

据流传记录，梁文锋对视频生成这类热门方向的态度很直接：这可能是个不错的商业生意，但和智能上限的提升没有直接关系。

他对 C 端流量的态度同样明确：「去年大家都抢 Chatbot、抢 C 端流量」，DeepSeek 没有跟着抢。今年市场焦点转向 Agent，他判断这条路线终将走到一个新瓶颈：模型缺乏持续学习能力，还是没法真正替代一个员工。

判断标准很清晰：一件事值不值得做，不取决于它是否性感，而取决于它是否服务于 AGI 这条主线。

这套标准在产品节奏里能找到印证：2023 年 DeepSeek Coder，2024 年 V2/V3，2025 年初的 R1，每一款产品对应的是模型能力上的跃升，而不是产品形态的横向扩张。

DeepSeek 没有独立的图像生成产品，没有视频工具，也没有密集推出垂直行业的定制化解决方案。

这种聚焦的代价，是放弃了大量能被资本市场直接感知、直接计入营收的商业机会。换来的收益是，团队的全部算力和人力，始终围绕同一条技术路径推进。

梁文锋在会议中提到，公司过去三年，任何时候有人跑来谈商业化路径、产品线布局，都是在浪费时间，因为变化太快，没有人能预见三个月后的情况。

这句话放在多数公司的语境里非常反常识。但反映的逻辑是：与其在一个快速变化、注定被超越的商业判断上下注，不如把赌注押在一条更长期的能力曲线上。

这种打法在科技行业不是孤例。

苹果长期不做低价机型，即便中低端市场规模更大，也几乎不下场厮杀。

英伟达在 GPU 算力生意如日中天时，没有转身做消费级终端，而是持续把资源砸向底层芯片架构和 CUDA 生态。

这些公司的共同点是：不是没有能力抓住眼前机会，而是判断那不在自己的主战场，主动选择不进场。

识别哪些是「芝麻」、哪些是「西瓜」，是战略里最难、也最容易被忽视的部分。

2、不把利润做到最大

如果说「不追风口」考验的是判断力，那「不把利润最大化」考验的是一家公司对自己商业模型的信心。

2025 年 1 月发布的 R1，API 定价为每百万输入 Token 1 元、输出 2 元，是同期 OpenAI、Anthropic 对标产品价格的几十分之一。

据流传记录，梁文锋提到的定价原则是：按市场上购买一批设备的成本计算，10 个月收回成本，这被认为是合理利润。

更值得关注的是价格变化的方向。记录中提到一个细节：

某个版本模型上线初期，团队因为担心需求量太大，把价格定得偏高，内部对此并不满意。后来价格被主动下调到原来的四分之一，公司内部反而出现了明显的正向情绪。

这和常规商业逻辑是反着来的。

需求旺盛、供给稀缺的产品，理应涨价而非降价。尤其当团队判断这个价格区间内需求缺乏弹性时，维持高价才是财务上的「正确选择」。

但 DeepSeek 选择了相反的路径。

这里有三层逻辑可以拆解：

第一，低价本身就是分发渠道。

R1 发布后能在一个月内冲上多国应用商店免费榜第一，价格是绕不开的变量。

第二，低利润率反而构成护城河。

在算力资源本就紧张的中国市场，一旦把利润率压到行业平均水平以下，追随者要么接受更低的利润空间，要么在成本结构上追赶——而成本结构的优化，往往需要更长时间的工程积累，不是靠融资就能补齐的差距。

第三，利润上限本身就是一种自我约束的信号。

梁文锋提到一个判断：如果一家公司的目标是从整个 AI 市场里拿走 5% 的利润，那么它一定会被那些只想拿 1% 利润的对手击败。

这套逻辑不是没有代价。

R1 爆火之后，DeepSeek 一度传出算力紧张、API 响应延迟等问题，外部普遍认为这与定价策略直接相关——低价换来了远超预期的流量，但收入端并没有获得等比例的回报。

「克制」在这里不该被简单美化为一种道德姿态，它本质上是一种延时满足的赌博：放弃眼前能拿到手的利润，去换取更长的增长周期和更牢固的用户基础。

3、不靠管控留人

据流传记录，梁文锋提到的原话大致是：

保持团队的稳定性，是公司最大的、甚至可以说是唯一的核心利益。只要团队不散，做成 AGI 只是时间问题。

这句话很罕见，是因为在多数关于 AI 创业的公开叙事里，「资源」通常指算力和资金，人才被视为可以用薪酬和期权购买的变量。

而梁文锋把「人不散」本身，摆到了比算力、比融资更靠前的位置。

过去两年，头部 AI 公司之间的人才争夺战异常激烈，Meta、OpenAI、Anthropic 之间开出的关键研究人员薪酬包屡屡被曝出天文数字。

相比之下，DeepSeek 团队的核心成员流失率在业内被认为处于相对较低水平。

这与公司放弃了「用高薪单点争夺个体」的打法有关，转而依靠期权分配和研究氛围来维系团队整体性。

具体的组织方式也与常见的科技公司管理范式相悖。

记录中提到，公司内部没有严格意义上的 KPI 考核，也没有成文的组织架构，员工的工作时间大致分为两部分：

• 一部分围绕公司统一的产品节点协作推进；
• 另一部分完全留给个人自主探索，且要求正式安排占用的时间不超过员工总时间的一半。

这种模式建立在 DeepSeek 所处的特殊阶段之上，一个仍处于基础研究攻坚期、尚未进入大规模产品化和商业化竞争的公司，确实有余地把资源向「探索性时间」倾斜。

梁文锋也提到，随着团队规模扩大，这种松散的协作方式正面临调整压力，一些原本可以靠共识推动的事情，已经开始需要更明确的组织架构来承接。

这意味着，DeepSeek 当下的组织形态，更像是特定发展阶段的产物，而非可以无限期延续的固定模式。

没有 KPI，不等于没有目标。

松弛，也不等于低效率。

DeepSeek 的目标始终清晰且唯一：推进 AGI 技术路径上的关键突破。

在这个前提下，允许员工拥有自主探索的时间，是针对研究型工作的资源分配方式，而不是对管理的放弃。目标模糊、业务线庞杂的公司若直接照搬，风险要远大于收益。

把梁文锋反复强调的几件事摆在一起，有一个共同的内核：

一家公司真正的战略能力，往往不体现在它抓住了多少机会，而体现在它有没有能力、有没有意愿放下那些看起来「正确」却不属于自己的机会。

• 不追每一个风口，把有限的组织带宽留给核心技术路径。
• 不把利润做到最大，用短期收入换取更长的竞争周期。
• 不靠高薪和管控留人，把团队稳定性当作比算力、比资本更稀缺的资产去经营。

多数公司的问题，不是选错了要做的事，而是同时做了太多看起来都没错的事，最终被稀释掉了真正的核心竞争力。

这套逻辑能不能穿越周期，仍是一个未被验证的命题。

DeepSeek 至今没有经历过真正意义上的商业化考验期，它的克制策略建立在技术领先、外部融资充足、以及一个尚未完全打开的商业化窗口之上。

一旦技术优势收窄，或行业进入存量竞争阶段，「不做什么」的战略是否依然能支撑一家公司走到 AGI 的终点，没有人能给出确定答案，包括梁文锋自己。

但至少在这个阶段，DeepSeek 提供了一个值得被记录的样本：当所有人都在焦虑错过什么的时候，真正决定一家公司能走多远的，可能恰恰是它有没有勇气，先想清楚自己不要什么。