Organisé par Gu Lingyu, Tencent Technology
DeepSeek a récemment achevé son premier tour de financement externe depuis sa création. Ce tour de table a levé plus de 500 milliards de yuans (environ 74 milliards de dollars), avec une valorisation pré-investissement d'environ 3 675 milliards de yuans (environ 543 milliards de dollars). Parmi les investisseurs, Liang Wenfeng, le fondateur de DeepSeek, a personnellement investi 200 milliards de yuans, Tencent 100 milliards, CATL 50 milliards, NetEase, JD.com etIDG Capital ont chacun investi 30 milliards, et le Fonds national d'investissement pour l'industrie de l'intelligence artificielle a investi 10 milliards.
Auparavant, Liang Wenfeng avait énoncé le principe "Pas de financement, pas d'introduction en bourse, pas de commercialisation". Ce financement massif marque l'entrée formelle de DeepSeek sur le marché des capitaux et suscite un large intérêt quant à sa voie de commercialisation et à sa vision technologique.
Lors d'une récente réunion avec les investisseurs, Liang Wenfeng a détaillé la culture organisationnelle de DeepSeek, sa logique open source, sa feuille de route technologique et ses vues sur le paysage concurrentiel du secteur.
Voici la compilation des propos de Liang Wenfeng lors de cette réunion de près de 4 heures, obtenue par Tencent Technology. Les propos sont organisés par thème, totalisant 118 points, en conservant autant que possible le sens original, avec seulement quelques modifications éditoriales mineures.
01 Vision et retenue
1. Quand nous avons commencé cette entreprise, l'intention initiale n'était pas de penser au montant d'argent que nous gagnerions à la fin, ou d'aller sur les marchés financiers, de devenir public, ou quoi que ce soit de ce genre. Les premières dizaines de personnes n'y ont absolument pas pensé ; si elles l'avaient fait, elles ne seraient pas venues.
2. Nous avons entrepris cela avec une grande bienveillance envers le monde. Nous pensions que c'était utile à l'humanité, quelque chose qui va au-delà de l'argent. Notre intention de départ, notre vision, et la vision que nous avons maintenue jusqu'à présent, ne sont pas guidées par une maximisation du bénéfice commercial.
3. Gérer une grande entreprise ne repose pas sur vos règles et règlements, mais sur la vision. La vision n'est pas un slogan accroché au mur, la vision est ce que vous faites, pas ce que vous dites, c'est-à-dire comment vous fonctionnez réellement.
4. Nous n'avons pas d'organisation, nous sommes guidés par la vision, organisés par une vision. Nous ne fonctionnons pas selon un mode "je dois réaliser tel KPI, il n'y a pas d'évaluation", il n'y a que la vision.
5. Cette vision n'est même pas écrite, elle n'a jamais été couchée sur papier. Cette vision réside dans notre manière de faire les choses, notre attitude envers le monde.
6. Nous n'avons pas beaucoup d'autres avantages. Nous n'avons pas de compétences particulières, nous ne sommes pas plus riches que les autres, nos employés ne sont pas meilleurs que ceux des autres entreprises, en fait non. Il y a deux ans, lorsque nous avons créé cette entreprise, nous n'avions ni beaucoup d'argent, ni beaucoup de cartes graphiques, ni une grande notoriété, ni un grand pouvoir d'attraction. Nous étions juste un groupe de personnes très ordinaires.
7. Plus vous êtes retenu, plus il est probable que vous réussissiez, ou du moins jusqu'à présent cela s'est avéré vrai, jusqu'à présent cela peut s'expliquer. Sinon, on ne peut pas expliquer pourquoi nous avons réussi : nous n'avions pas d'arme particulière, notre point de départ était très bas, nos ressources très limitées, et nos employés étaient en fait juste un groupe aléatoire de personnes ordinaires.
8. L'IA est un domaine trop vaste, les intérêts sont énormes. Nous sommes très retenus ; tant que nous réussissons, les bénéfices finaux seront énormes. Si vous en prenez ne serait-ce qu'une petite partie, ce sera énorme. Donc, pour l'instant, il n'est pas du tout nécessaire de réfléchir à quelle partie de ces intérêts prendre, ni comment les prendre. Je pense que ce n'est pas du tout nécessaire, car les bénéfices seront suffisamment grands.
9. L'année dernière pendant le Nouvel An chinois, nous avons soudainement eu beaucoup d'utilisateurs, mais nous n'avons pas cherché à les fidéliser, ou à monétiser ces utilisateurs, ou à saisir ces avantages commerciaux sur ces utilisateurs. Nous n'avons pas cherché à nous battre pour les utilisateurs, ni à gagner de l'argent, mais nous nous sommes efforcés de bien servir les utilisateurs.
10. Nous n'avons pas ce genre de pensée, comme "je veux créer la prochaine super application, puis rivaliser avec untel, devenir le prochain ByteDance, le prochain Tencent", absolument pas ce genre de pensée. Je pense que les opportunités futures de l'AGI seront très grandes, les opportunités futures de l'AGI seront toujours très grandes.
11. La retenue est une stratégie. Elle consiste parfois à pouvoir abandonner certaines choses pour en obtenir d'autres en échange. La non-ouverture du code source, c'est pareil, on peut le considérer comme une pression pour nous, ou comme une concession.
12. Je comprends cette retenue comme quelque qui, à long terme, peut augmenter nos chances de réussir l'AGI. En réfléchissant à une chose, je ne doute pas que l'AGI aura une énorme valeur commerciale. Sur cette base, ma priorité n'est pas de savoir comment augmenter ma part, comment en prendre un peu plus, ma priorité est de savoir comment augmenter la probabilité que je réussisse.
13. Nous avons toujours été très retenus, ne voulant être l'adversaire d'aucune grande ou petite entreprise internet. J'espère pouvoir les doter de capacités, ou pouvoir les aider à faire cela, j'espère pouvoir les aider à faire cela.
14. Je pense qu'en maintenant cette attitude, nous n'avons rien perdu pour autant, nous n'avons pas obtenu moins de choses parce que nous ouvrons notre code, ou à cause de notre bienveillance ou de l'aide que nous apportons aux autres. Au contraire, cela nous a peut-être même valu des points bonus. Cela semble contre-intuitif, mais c'est bien le cas.
15. Nous avons l'AGI pour objectif, mais nous avons toujours fait de la commercialisation, c'est pourquoi nous avons des utilisateurs grand public et des revenus professionnels. L'expérience historique montre que cette stratégie est un succès.
02 Feuille de route vers l'AGI
16. Si vous pouvez décrire un problème très clairement, lui donner un contexte complet et des instructions complètes, il dépasse déjà l'humain. Mais il y a une définition, une prémisse : vous lui donnez un contexte complet, des instructions complètes.
17. L'IA ne peut pas remplacer vos employés. Mais si l'IA a la capacité d'apprentissage continu, comme vos employés, elle arrive dans l'entreprise, apprend pendant deux mois, alors elle peut remplacer n'importe qui dans le monde. Donc, nous sommes à une étape de l'apprentissage continu.
18. Le développement de l'IA, on peut le comprendre comme une série de marches. L'an dernier, la marche franchie était la chaîne de pensée (CoT). Parce que nous avons découvert qu'avec la méthode de la chaîne de pensée, on pouvait atteindre un niveau d'intelligence plus élevé.
19. La marche de cette année est l'Agent, parce que nous avons découvert qu'avec la méthode de l'Agent, même des tâches multiples peuvent être effectuées, sa portée sera plus grande, son plafond d'intelligence sera plus élevé. L'Agent utilise la CoT, et la CoT utilise aussi la marche précédente, la marche précédente étant le modèle de langage. Donc, aucune étape n'a été vaine.
20. Après l'Agent, nous pensons que le problème à résoudre devrait être l'apprentissage continu, c'est-à-dire comment permettre au modèle d'apprendre en continu, plutôt que de lui donner un entraînement très intense. Il devrait pouvoir apprendre en continu sur une période relativement longue, comme un humain.
21. Après l'apprentissage continu, nous atteindrons peut-être un point de singularité. Ce point de singularité, c'est quand le modèle, capable d'apprentissage continu, peut déjà faire tout ce qu'un humain peut faire. Il peut alors développer sa propre version, faire ses propres recherches, puis développer sa version suivante, développer des modèles d'IA plus avancés.
22. Ce point de singularité, ce n'est pas vraiment un point unique, c'est aussi un processus progressif. Ce processus pourrait aussi être une transition longue, ce n'est pas une mutation soudaine. Mais par habitude, nous pensons que c'est peut-être un point de singularité.
23. C'est notre spéculation, voici comment nous voyons le calendrier : d'abord résoudre l'apprentissage de l'apprentissage, puis atteindre le point de singularité de l'intelligence capable d'auto-itération, puis seulement après, l'intelligence incarnée. Avec l'intelligence incarnée, elle entrera dans le monde réel, pourra faire le ménage, s'occuper des personnes âgées.
24. Si nous résolvons d'abord l'apprentissage continu, puis le point de singularité de l'auto-itération, puis l'intelligence incarnée, le chemin sera plus facile. Parce qu'ensuite, vous pouvez utiliser les technologies précédentes pour aider à développer les technologies suivantes.
25. Nous ne faisons que la ligne principale de l'AGI. Le domaine de l'IA est vaste, il y a beaucoup de choses que nous considérons comme hors de cette ligne principale, comme la génération 3D, la génération vidéo. Je pense que cela n'a pas grand-chose à voir avec la ligne principale de l'intelligence, nous ne le ferons pas.
26. La génération vidéo a été très populaire dès son apparition, comme si c'était indispensable, comme si ne pas le faire signifiait ne pas être une entreprise d'IA. Donc je trouve ça étrange. En y réfléchissant bien, cela n'a en fait aucun rapport avec la feuille de route de l'intelligence.
27. Commercialement, c'est une bonne affaire, commercialement c'est une bonne affaire. Mais cela n'a rien à voir avec l'intelligence. Nous ne le ferons pas parce que c'est une bonne affaire commerciale, nous le ferons seulement si cela fait partie de la feuille de route de l'intelligence.
28. De notre point de vue, le modèle du monde et l'intelligence ne sont pas les choses les plus importantes à ce stade. Le plus important reste l'entraînement de l'IA, et après l'entraînement de l'IA, comment résoudre l'apprentissage continu. C'est le jugement de notre entreprise, bien sûr chaque entreprise a son propre jugement.
29. Nous croyons maintenant assez à un récit selon lequel l'IA peut accélérer la recherche en IA. C'est-à-dire que ce n'est pas linéaire, parce que vous pouvez utiliser l'IA pour accélérer vos propres recherches, donc cela pourrait devenir non linéaire par la suite.
30. Je pense que l'incarnation doit être abordée, finalement l'incarnation. Parce que pour une personne normale, ses besoins ne sont pas un ordinateur, n'est-ce pas ? Parce qu'une personne normale, elle mange, boit, s'amuse, s'habille, se loge, se déplace, elle n'a pas besoin d'un ordinateur. Elle a besoin de... donc elle a besoin de l'intelligence incarnée pour répondre à des besoins concrets en main-d'œuvre.
31. Que voulons-nous que l'AGI fasse ? Qu'elle puisse itérer la version suivante du modèle pour nous, qu'elle puisse itérer la version suivante du modèle. Si nous avons l'incarnation, nous voulons aussi qu'elle itère la version suivante de l'incarnation, qu'elle fabrique la prochaine génération de robots.
32. La capacité centrale de la prochaine génération de modèles doit être la capacité d'apprentissage continu, c'est seulement alors qu'on peut l'appeler la prochaine génération. Avant cela, ce que nous pouvons faire, c'est réduire les coûts, puis améliorer l'efficacité, accélérer la vitesse. Mais pour avoir une grande percée, il faut qu'elle ait l'apprentissage continu.
33. Les capacités actuelles des Agents sont limitées parce qu'ils ne peuvent pas apprendre en continu, ils ne peuvent pas apprendre efficacement en continu. Si nous pouvons d'abord réaliser l'apprentissage continu, alors les capacités de l'IA seront très fortes, elles pourront grandement améliorer l'efficacité de nos propres recherches.
34. Si l'apprentissage continu est réalisé en premier, l'intelligence générale sera peut-être facile à obtenir, il sera facile de l'obtenir avec elle. Donc je dis que c'est un résultat que nous aimerions voir, nous serons plus à l'aise, nous serons détendus. Sinon, actuellement, si vous voulez créer une intelligence générale manuellement, c'est assez fatigant, assez pénible, c'est une affaire intensive en données, intensive en main-d'œuvre, et le rapport qualité-prix n'est pas élevé.
03 Équipe et talents
35. Notre expérience précédente m'a appris que la vision de l'AGI est très puissante. Cet avantage en matière de talents ne signifie pas que mes employés sont plus intelligents que les leurs, mais comment ces talents sont organisés, motivés et coopèrent.
36. Réunir des personnes intelligentes ne signifie pas qu'elles coopéreront naturellement, qu'elles travailleront naturellement avec passion vers un objectif, qu'elles l'atteindront. Donc vous avez besoin d'une vision.
37. Notre intérêt central le plus important est de maintenir la stabilité de l'équipe. C'est notre intérêt central le plus important, on peut même le considérer comme le seul intérêt central. Tant que je peux maintenir la stabilité de l'équipe, je réussirai certainement, je réussirai certainement l'AGI, c'est aussi simple que cela.
38. L'argent n'est certainement pas un problème, les ressources ne sont pas un problème, les autres éléments sont faciles à obtenir. Pour nous, il n'y a qu'un seul intérêt central, qu'une seule chose sur laquelle nous ne pouvons pas transiger : nous devons maintenir la stabilité de l'équipe.
39. C'est aussi un très grand défi auquel nous sommes confrontés, ou je pense que c'est le plus grand risque. Bien sûr, ce risque a été largement éliminé avec notre récent tour de financement. Parce que tout le monde a reçu pas mal d'options, le montant est encore assez élevé.
40. En termes de stabilité de l'équipe, tant que les employés les plus importants, les plus anciens, restent stables, les autres ne partiront probablement pas. Même si les autres ont moins d'options, un salaire inférieur, ils ne partiront pas. Parce qu'ils ne sont pas tous venus pour l'argent, tout le monde veut travailler dans un environnement où l'on peut réussir l'AGI.
41. Le reste n'est qu'une question de temps, le reste peut au plus nous retarder de six mois, d'un an, mais cela ne signifie pas que nous n'y arriverons pas. Nous ne manquons certainement pas d'argent, certainement pas de ressources, en fait nous ne manquons de rien de tout cela.
42. Notre écart avec les États-Unis se situe principalement au niveau des ressources, et l'écart humain n'est pas très grand. L'écart humain est presque inexistant, car ce sont les mêmes personnes, peut-être des Chinois. Quand les Chinois partent, certains restent en Chine, certains restent à l'étranger, certains vont à l'étranger, ce ne sont pas les plus intelligents qui partent à l'étranger, non.
43. Les talents ne sont pas un goulot d'étranglement, les ressources sont le plus grand goulot d'étranglement. Les ressources affectent d'abord la formation des talents, parce que nous avons moins de puissance de calcul, moins d'opportunités d'expérimentation, donc nos talents sont globalement en retard sur les États-Unis. L'écart en matière de talents est essentiellement dû à l'écart en puissance de calcul.
44. La pénurie de talents en IA est aussi temporaire, et nous avons déjà vu qu'elle s'est considérablement atténuée. Parce qu'il ne manque vraiment pas de gens en IA, chaque entreprise forme rapidement des gens, former des gens est rapide.
45. Il y a un peu trop d'entreprises faisant des modèles en Chine actuellement, encore trop. Aux États-Unis, peut-être trois, en Chine, il y a trop d'entreprises faisant des modèles de base. Finalement, il n'y aura certainement pas besoin d'autant de monde pour faire des modèles de base, cela convergera.
46. La gestion de notre entreprise suit en fait deux lignes : une ligne descendante, une ligne ascendante. La ligne ascendante, c'est que chacun fait ce qu'il veut, personne ne le contrôle, pas de KPI.
47. Généralement, nous souhaitons que les employés aient encore la moitié de leur temps non planifiée, pour faire ce qu'ils veulent. C'est un domaine de recherche, ils peuvent explorer par eux-mêmes, selon ce qu'ils considèrent important, sans exigence préalable.
48. Nous ne faisons généralement pas trop d'heures supplémentaires non plus. Les heures supplémentaires ont deux causes. La première est que la recherche nécessite un environnement assez détendu. Si vous êtes trop sous pression, vous ne pouvez pas faire de recherche. Puisque c'est à vous d'avoir cet intérêt, de réfléchir à ces problèmes dans votre temps libre, il faut un environnement assez détendu pour pouvoir explorer.
49. La deuxième est que nous sommes très concentrés. Être très concentrés signifie que nous avons peu de choses à faire. Donc je n'ai pas tant de choses à faire, je n'ai pas besoin de faire d'heures supplémentaires. Cela découle de la même retenue mentionnée précédemment.
50. Notre entreprise dans son ensemble est fondée sur le consensus, ce n'est pas moi qui décide de tout seul, mais je cherche le consensus. Mon autorité et mon influence au sein de l'entreprise sont fondées sur le consensus.
51. Ce mécanisme de décision est en fait un mécanisme de recherche de consensus, ce n'est pas que je puisse pousser quelque chose, il faut qu'il y ait consensus pour que je puisse le faire avancer, et alors seulement je le pousserai.
52. Avec l'augmentation du personnel, nous ajusterons cela. Nous devrions le faire très bientôt, car je suis déjà en train de le faire. Si nous ne faisons pas cet ajustement, beaucoup de choses ne pourront pas avancer. Il est vrai que de nombreux départements devraient avoir une structure organisationnelle.
04 Puissance de calcul et ressources
53. De combien de cartes avons-nous besoin ? Actuellement, c'est certainement plus il y en a, mieux c'est. Dans la mesure de nos moyens, certainement plus il y a de cartes, mieux c'est, c'est indéniable. Donc notre stratégie actuelle est, à un prix raisonnable, d'acheter autant de cartes que possible.
54. En réalité, dépenser autant d'argent est très difficile, on ne peut pas acheter autant de cartes, c'est difficile à acheter, et les prix sont élevés, et on ne peut pas acheter à un prix très élevé, il faut s'assurer que le prix est raisonnable. Si cette année nous pouvons dépenser deux cents milliards, alors le département des achats aura des performances exceptionnelles.
55. Notre plus grand écart avec les États-Unis est au niveau des ressources. Les ressources de calcul, d'une part, les cartes sont difficiles à obtenir en Chine, et d'autre part, notre investissement en capital est inférieur à celui des États-Unis. Notre investissement en capital est bien inférieur, les salaires des talents représentent une faible proportion. Vous voyez les salaires qu'ils proposent, un milliard de dollars, mais calculé, les salaires des talents représentent encore peu, l'essentiel c'est la puissance de calcul.
56. Toutes les différences que nous voyons, y compris les différences de talents, de capacités des modèles, d'applications, peuvent être considérées comme dues à la différence de ressources de calcul.
57. Notre retard sur les États-Unis est peut-être de 12 mois, un retard de 12 à 18 mois, ou de 6 à 12 mois. En bref, c'est un retard de deux ans sur les États-Unis, puis nous avons réalisé cela avec un vingtième de leur puissance de calcul.
58. Ce récit est : un à deux ans de retard, mais avec seulement un vingtième de leur puissance de calcul. À l'avenir, nous voulons réécrire ce récit, c'est-à-dire avec une fraction de leur puissance de calcul, mais en réduisant encore plus ce temps, à 6 mois, 3 mois, je pense que c'est un objectif.
59. Le passage à l'échelle (Scaling), nous y croyons, certainement plus l'échelle est grande, meilleur est l'effet, plus de fonctionnalités sont débloquées. Ce qui nous empêche de passer à l'échelle, c'est la puissance de calcul, ce n'est pas que nous ne voulions pas le faire, c'est que nous n'avons pas assez de puissance de calcul pour le faire.
60. Nous entraînons un modèle aussi grand, non pas parce que je pense qu'un modèle de cette taille suffit, mais parce que j'ai exactement ces ressources. Je calcule en fonction de mes ressources, la taille de modèle que je peux accepter et entraîner, c'est comme cela que c'est calculé, ce n'est pas que ce modèle suffise.
61. Quand la Silicon Valley dit que le passage à l'échelle atteint ses limites, c'est pour la Silicon Valley ; pour les Chinois, nous en sommes encore loin, nous n'avons même pas atteint ce niveau de passage à l'échelle. Ce passage à l'échelle comprend le passage à l'échelle des données, la taille des modèles, puis le coût d'entraînement.
05 Puce chinoise et écosystème
62. Le fossé de Nvidia CUDA se réduit rapidement. D'une part, maintenant nous avons l'IA, et avec l'IA, il est beaucoup plus facile de construire cet écosystème qu'avant, parce que l'IA peut écrire du code.
63. Maintenant, le marché des cartes de calcul est plus grand que celui des cartes graphiques, il n'y a donc aucune raison pour que ces deux-là restent couplés. La tendance actuelle est qu'à l'avenir, ils ne seront plus couplés. Alors les puces dédiées, qu'elles soient de Huawei ou de Nvidia elles-mêmes, seront à l'avenir des puces dédiées, ce ne seront plus les mêmes choses qu'avant.
64. Le remplacement par les puces d'IA chinoises a maintenant une opportunité historique. Nous pensons que dans l'année à venir, nous verrons une chose vérifiée : l'écosystème des puces chinoises n'a aucun problème. Avant, on pensait qu'il y avait des problèmes, qu'elles étaient inutilisables, difficiles à utiliser, mais à l'avenir, je pense qu'en un an, nous pourrons changer cette perception, ou les faits changeront cela.
65. Le matériel et l'écosystème des puces d'IA chinoises ne posent pas de problème, le seul problème est l'insuffisance de la capacité de production. L'adaptation des cartes chinoises, là, il n'y a pas d'obstacle, Nvidia ne peut pas l'empêcher. Si c'était dans un environnement commercial normal, où je pouvais acheter des cartes Nvidia, alors le remplacement par des cartes chinoises serait plus difficile ; mais dans la situation où les cartes Nvidia sont inaccessibles, tout le monde est obligé de se tourner vers les puces chinoises.
66. Lors de l'entraînement de V3, il utilisait encore des cartes Nvidia, mais n'utilisait plus l'écosystème Nvidia. V3 utilisait des cartes Nvidia, mais sans utiliser l'écosystème Nvidia, nous avons d'abord écrit un compilateur avancé appelé TileLang, puis basé sur l'écosystème TileLang pour accomplir tout le reste, nous ne dépendions presque plus de l'écosystème Nvidia.
67. Je suis plutôt optimiste quant à la puissance de calcul chinoise. Je pense que sur ce point, Nvidia creuse sa propre tombe. Les super-nœuds de Huawei, les super-nœuds 950 de Huawei, en performance et en prix, peuvent complètement remplacer les GB200, GB300 de Nvidia.
68. Quatre cartes Huawei valent une carte Nvidia.
69. Notre écart avec les États-Unis en matière de puces, je pense qu'à l'avenir il n'y aura plus d'écart au niveau de l'écosystème, mais en matière de puces, c'est quatre fois plus deux ans.
70. Nous collaborons principalement avec Huawei actuellement. Huawei s'adapte lui-même, mais nous participerons à cet écosystème, nous nous impliquerons profondément dans celui de Huawei. Le problème de Huawei reste l'insuffisance de capacité de production.
71. Je ne crois pas qu'après cinq ans, nous serons encore bloqués par le problème de capacité. Actuellement, nous sommes certainement bloqués par le problème de capacité, cette année, l'année prochaine, l'année d'après, je pense que nous serons probablement encore bloqués par le problème de capacité, mais après cinq ans, je pense que ce ne sera peut-être plus le cas, je reste plutôt optimiste.
06 Paysage concurrentiel et analyse du secteur
72. Les différences d'efficacité entre les modèles des différentes entreprises devraient être globales. Comparer l'efficacité des modèles doit certainement se faire à coût égal, c'est seulement alors que cela a un sens. Parce que comparer deux voitures, c'est aussi comparer des voitures de même prix.
73. Anthropic dépasse actuellement OpenAI, est-ce durable ? Je ne pense pas que ce soit durable, c'est certainement temporaire. OpenAI et Google, à l'avenir, alterneront probablement encore pour la première place.
74. Dans la division du travail dominante de l'IA mondiale, les entreprises chinoises pourraient très bien jouer un rôle de plus grand volume de production. Logiquement, notre capacité de production est la plus grande, y compris pour les puces, les puces, notre capacité de production pourrait être la plus grande, notre électricité est la plus abondante.
75. Les Chinois rendront ce produit le moins cher, puis en termes d'efficacité, après tout, les produits étrangers, actuellement beaucoup de produits chinois ne sont pas très différents des produits américains. À l'avenir, l'IA pourrait être pareille, mais l'IA chinoise pourrait être moins chère. Cette réduction de coût pourrait être systémique, comme dans d'autres secteurs où les services chinois sont moins chers.
76. L'écart final devrait être de trois aspects : d'une part le coût, d'autre part le temps, et enfin l'expérience utilisateur. En dehors de cela, il n'y a probablement pas d'écart.
77. Le coût est certainement une différence, je pense que le coût est probablement la première différence. Ensuite, le deuxième, c'est le temps, quand vous pouvez le faire. Quelques mois plus tôt, quelques mois plus tard, ce n'est pas pareil.
78. OpenAI pensait au départ qu'il pourrait vraiment monopoliser le monde, mais en réalité il rencontrera de nombreux challengers. Il rencontrera des défis, il ne sera pas si à l'aise. Les États-Unis rencontreront des défis, et à l'avenir, ils rencontreront peut-être encore le défi chinois, parce que les Chinois sont prêts à offrir ce service pour moins.
79. Ceux qui prennent plus seront battus par ceux qui prennent moins. Même sans vraiment prendre plus, si la vision est de prendre plus, vous perdrez d'abord, vous rencontrerez de plus grandes difficultés. En fait, personne n'a encore pris d'argent, c'est juste une vision. Si votre vision est de prendre plus, vous perdez déjà, vous ferez face à de plus grandes difficultés.
80. Pour nous, nous ne cherchons pas à avoir le plus de profits, ou à fixer les prix pour maximiser les revenus, mais seulement à gagner un bénéfice raisonnable. C'est une explication. Je crois en cela, je ne cherche pas d'excuses pour cela, car ce n'est pas nécessaire.
81. Je pense que sur de nombreux aspects de l'expérience, nous pourrions faire mieux que les États-Unis. En termes de produit, les capacités produit ne seront pas nécessairement inférieures à celles des États-Unis. Les coûts devraient aussi être inférieurs à ceux des États-Unis, donc la Chine aura encore de la compétitivité.
82. Le coût, c'est facile à comprendre, parce qu'ils n'ont pas besoin de le faire, donc ils ne développent pas cette capacité. Ils ne l'ont certainement pas pris aussi au sérieux que nous. Nous pouvons le considérer comme très important, mais pour eux, ce n'est pas important.
83. Pour les grands modèles, on ne dira pas deux grandes entreprises, deux petites entreprises, cela pourrait déjà être suffisant. L'écart ne réside que dans deux choses : le temps et le coût. Donc il n'y aura probablement pas de profits excessifs pour l'une d'entre elles, je ne pense pas qu'il y aura de profits excessifs. Celui qui contrôle bien les coûts gagnera un peu plus, celui qui contrôle mal les coûts gagnera un peu moins, c'est tout.
07 Développement de modèles et technologie
84. Dans notre entreprise, peut-être la moitié des gens pensent généralement qu'OpenAI est meilleur. En fait, Anthropic a un avantage du premier arrivé, mais cet avantage devrait disparaître rapidement, ce n'est pas un avantage qu'il pourra conserver longtemps. Ces trois entreprises sont excellentes, parmi ces trois, notre efficacité est la plus élevée, nos coûts, ce que nous dépensons, l'argent que nous brûlons devrait être le moins.
85. Le déploiement multimodal, nous le faisons toujours. Pour le produit, c'est important ; pour le produit utilisateur grand public, c'est important. Mais pour le plafond d'intelligence, c'est un composant, ce n'est pas la ligne principale en elle-même.
86. Nous devrions lancer des modèles pertinents, c'est-à-dire que nos versions V4 et ultérieures de V4 prendront en charge le multimodal natif. Mais pour nous, le multimodal, par rapport à l'intelligence, c'est un composant, nous ne le considérons pas comme l'intelligence elle-même.
87. On peut seulement dire que le passage à l'échelle des modèles de langage, je ne vois pas de limite actuellement. Notre niveau d'intelligence actuel, ou le niveau d'intelligence américain, ne montre pas de limite.
88. L'idée de beaucoup de gens en interne est : d'abord, il doit nous être utile, d'abord à nous-mêmes. C'est la méthode la plus rapide pour réaliser l'AGI. Quand nous-mêmes le trouvons pratique, cela signifie que d'autres le trouveront peut-être pratique, mais il faut d'abord s'assurer que nous le trouvons pratique.
89. Le premier objectif de nos modèles n'est pas qu'ils soient pratiques pour tout le monde, mais qu'ils soient pratiques pour nous-mêmes. D'abord utiles pour nous-mêmes. Utiles pour nous-mêmes, ensuite, quand je développerai la version suivante du modèle, ce sera plus rapide.
90. Nous appelons cela "tirer au sort". Le seuil est bas, n'importe qui peut essayer, mais qui trouvera quoi, je ne sais pas si c'est un don ou autre chose. Donc il n'est pas nécessaire que nous allocations des ressources. Simplement, la différence avec les autres entreprises, c'est que nous prendrons le temps de discuter de ce problème, d'y réfléchir, et de le considérer comme important.
08 Commercialisation et tarification
91. Notre tarification API est un bénéfice raisonnable, environ dix mois pour récupérer le coût d'achat d'un lot d'équipements sur le marché, je pense que c'est un bénéfice raisonnable.
92. Si on voulait maximiser les profits, il faudrait fixer un prix plus élevé. Parce que dans cette fourchette de prix, la demande des utilisateurs est inélastique, c'est-à-dire que même si je double le prix, ou si je l'augmente de moitié, la consommation de tokens ne changera pas beaucoup.
93. Pour un de nos modèles, au début nous craignions une demande trop forte, donc nous avons fixé un prix assez élevé, l'équipe n'était pas très contente. Ensuite, j'ai baissé le prix, divisé par quatre, tout le monde était très content.
94. Le plafond des activités B2B devrait encore être la demande, dans le contexte de la technologie AGI/IA actuelle, la demande B2B devrait être limitée. Elle croîtra rapidement, mais ce n'est pas quelque chose d'infini, finalement elle est limitée par la demande, pas par la puissance de calcul.
95. Je pense maintenant que nous devrions pouvoir tout avoir. Si cette année nous pouvons avoir des revenus B2B de plusieurs centaines de millions de dollars, en plus de nos utilisateurs grand public, alors nous avons déjà une certaine base commerciale. L'année prochaine, si nos revenus B2B augmentent, et si cette demande peut encore augmenter, l'entreprise n'est pas loin du bénéfice net, elle pourrait déjà être bénéficiaire.
96. Dans le pire des cas, vendre l'API pourrait suffire à soutenir une entreprise cotée en bourse. Si la technologie ne progresse plus, si notre technologie se fige ici, alors finalement nous vendrons l'API à fond, nous ferons bien ces services, je pense que cela suffira.
97. Dans notre situation actuelle, je pense que l'approche la plus raisonnable serait de se concentrer pleinement sur l'Agent générique, les autres Agents, y compris les Agents financiers, médicaux, etc., devraient avoir une priorité plus faible. Il faut d'abord faire le Codage, parce que l'Agent de Codage peut faire beaucoup, et il y a beaucoup d'Agents verticaux. À ce stade, nous pensons que le plus important devrait encore être l'Agent de Codage.
98. Je pense que le faible coût est d'abord un résultat. Notre modèle a toujours évolué en termes d'architecture vers une direction à plus faible coût, cela est lié à notre vision. Nous avons aussi beaucoup de méthodes algorithmiques, les coûts peuvent encore baisser.
99. La baisse des coûts a aussi une autre raison : plus les coûts sont bas, plus je peux entraîner un modèle plus grand, plus je peux supporter un modèle plus grand. Avec la même puissance de calcul, avec une puissance de calcul limitée, si mon efficacité de calcul est plus élevée, je peux supporter un modèle plus grand.
09 Stratégie Open Source
100. Je pense que nous ouvrirons notre code, et notre modèle le plus puissant sera probablement aussi ouvert. Parce que je ne vois pas les avantages du code fermé, je ne vois pas d'avantage certain. ByteDance a son modèle en code fermé, quel avantage a-t-il ? Je ne vois pas quel avantage.
101. Même si le modèle est open source, que vous dites tout aux autres, le seuil est très élevé. Pour que les autres l'utilisent, le seuil est aussi très élevé. Pour qu'ils l'utilisent, c'est déjà difficile ; ensuite, pour qu'ils l'utilisent, il faut aussi que les coûts soient bas, c'est aussi très difficile, ce n'est pas si facile.
102. L'open source n'affectera pas les revenus. L'open source, je pense que cela n'a aucun impact sur notre modèle commercial.
103. Je ne crains pas non plus que d'autres déploient notre modèle et rivalisent avec nous, pas du tout. Nous espérons même qu'ils pourront le déployer. Nous essaierons autant que possible d'aider la communauté open source, d'aider tout le monde à déployer notre modèle.
104. Dans nos interactions extérieures, notre attitude est : nous ne faisons que la ligne principale de l'AGI. Dans nos interactions extérieures, nous sommes très disposés à assister, à aider n'importe qui, même nos concurrents, y compris Alibaba, Zhipu, Moonshot AI, à faire mieux. Parce que nous ne perdons rien, nous sommes de toute façon open source.
105. Le modèle open source que nous donnons, est-il identique à celui que nous déployons nous-mêmes ? Oui, c'est identique. Nous ne donnerons pas un modèle moins bon en open source, puis utiliserons un meilleur modèle pour notre déploiement, non, c'est identique.
10 Données et post-formation
106. Les données devraient représenter presque la moitié du modèle. Il y a aussi le problème de l'étiquetage des données. En matière d'étiquetage de données, cela est lié à notre structure d'investissement en capital. Avec notre structure d'investissement en capital, nous ne pouvons pas supporter le coût d'un étiquetage de données de haute qualité aussi massif, car c'est très cher.
107. Le coût de l'étiquetage de données aux États-Unis n'est pas différent de celui en Chine. L'étiquetage en Chine n'a pas d'avantage de coût, surtout pour l'étiquetage de données de haut niveau, il n'y a pas d'avantage de coût, ce qui nous rend difficile d'investir dans l'étiquetage comme les États-Unis. Cette voie est difficile en Chine, car étiqueter des données est trop cher, que ce soit nous qui externalisions ou que nous le fassions nous-mêmes, c'est pénible.
108. Actuellement, nous avançons sur deux jambes. Ce n'est pas que nous ne pouvons pas étiqueter du tout, mais parce que certaines données sont moins chères à étiqueter, d'autres plus chères. Nous étiquetons d'abord celles qui coûtent moins cher.
109. Vous pouvez aussi considérer que la moitié des gens de notre entreprise étiquettent des données actuellement. La moitié des chercheurs principaux, les personnes les plus importantes, la moitié étiquettent des données. Nous nous concentrons sur l'étiquetage de données. Résoudre le problème de l'IA, à ce stade, passe par l'étiquetage de données.
110. Le goulot d'étranglement de l'étiquetage de données de haute qualité, je pense, c'est le temps, il faut du temps. Parce que pour OpenAI, pour l'étranger, pour Anthropic, ils ont commencé plus tôt, puis ils ont plus de capital, plus de cartes.
111. Le problème des hallucinations des grands modèles affecte assez l'expérience utilisateur. Le problème des hallucinations a aussi une méthode pour être résolu, mais c'est un problème à long terme. Le problème des hallucinations peut être considéré comme pouvant être résolu par un meilleur post-entraînement, c'est un problème soluble, pouvant être amélioré.
11 Organisation et positionnement de l'entreprise
112. Premièrement, nous n'avons pas de modèle à imiter. Chaque étape, nous partons de la situation réelle, nous sommes réalistes, nous prenons des décisions en fonction de la situation réelle, nous trouvons ce que nous devons faire. Donc c'est un produit de l'époque, ou une réaction à la réalité, ce n'est pas le résultat d'une imitation.
113. Nous avons clairement l'intention de commercialiser. Finalement, nous devons survivre, nous sommes après tout une entreprise, le gouvernement ne nous donnera pas un centime.
114. Nous sommes essentiellement une entreprise, simplement que lorsque nous réfléchissons à quels profits réaliser, quand les réaliser, combien réaliser, sur quoi les réaliser, nous faisons des compromis. Beaucoup d'entreprises ont fait de grandes choses parce qu'elles ont une quête au-delà du profit. Cette quête, finalement, non seulement n'a pas affecté leur commercialisation, mais leur a permis de mieux commercialiser.
115. Pour les partenaires, en fait, ce financement a été soigneusement choisi. Premièrement, je pense que nos intérêts sont assez alignés, c'est-à-dire ceux qui sont les plus alignés avec nous, les moins hostiles envers nous, ou ceux qui espèrent le plus notre succès. Tout le monde n'espère pas notre succès, parce que nous nuisons aux intérêts de beaucoup d'autres.
116. L'IA ne manque pas de goût et d'intuition actuellement, elle manque de capacité d'apprentissage continu. Le goût et l'intuition de l'IA ne posent pas de problème. Demandez-lui d'écrire un article, son goût et son intuition, je pense qu'il n'y a pas de problème.
117. Nous espérons ne faire qu'une partie. Je pense que l'IA est un domaine vaste, je n'ai pas besoin de... Je ne fais qu'une partie. Si nous nous concentrons, et je pense que les bénéfices ici sont déjà suffisamment grands, si l'ère de l'IA va produire de nombreuses entreprises de mille milliards, je pense que nous en serons une.
118. Nous espérons pouvoir soutenir plus de gens, mais nous n'avons pas tant d'énergie. Nous en avons l'intention, et il n'y a pas de conflit d'intérêts, mais que nous le fassions ou non est une autre affaire. Mais au moins, il n'y a pas de conflit d'intérêts ici, nous souhaitons une coopération gagnant-gagnant.
