Disusun oleh Gu Lingyu, Tencent Technology
DeepSeek baru-baru ini menyelesaikan putaran pendanaan eksternal pertamanya sejak didirikan. Total pengumpulan dana dalam putaran ini melebihi 500 miliar yuan RMB (sekitar 74 miliar dolar AS), dengan valuasi pra-investasi sekitar 3.675 triliun yuan (sekitar 543 miliar dolar AS). Dalam barisan investor, pendiri DeepSeek Liang Wenfeng menginvestasikan secara pribadi 200 miliar yuan, Tencent menginvestasikan 100 miliar yuan, CATL (Contemporary Amperex Technology Co. Limited) menginvestasikan 50 miliar yuan, NetEase, JD.com, danIDG Capital masing-masing menginvestasikan 30 miliar yuan, dan Dana Industri Investasi Kecerdasan Buatan Nasional menginvestasikan 10 miliar yuan.
Sebelumnya, Liang Wenfeng pernah mengusulkan prinsip "tidak mencari pendanaan, tidak go public, tidak komersialisasi". Pendanaan besar-besaran ini menandai DeepSeek secara resmi memasuki pasar modal, dan juga memicu perhatian luas dari industri terhadap jalur komersialisasi dan visi teknologinya.
Dalam sebuah sesi pertemuan dengan investor baru-baru ini, Liang Wenfeng menjelaskan secara rinci budaya organisasi DeepSeek, logika sumber terbuka (open source), peta jalan teknologi, serta pandangannya terhadap lanskap persaingan industri.
Berikut ini adalah transkrip terorganisir dari pidato Liang Wenfeng selama hampir 4 jam dalam sesi pertemuan yang diperoleh oleh Tencent Technology, diklasifikasikan berdasarkan tema, total 118 poin. Teks ini berusaha mempertahankan makna asli, hanya diedit sedikit.
01 Visi dan Pengendalian Diri
1. Pada awalnya kami mendirikan perusahaan ini, niat awalnya bukanlah untuk menghasilkan uang sebanyak-banyaknya, pergi ke pasar modal, go public, atau hal-hal semacam itu. Beberapa puluh orang pertama sama sekali tidak memikirkan hal seperti itu, jika mereka memikirkannya, mereka tidak akan bergabung.
2. Kami melakukan hal ini dengan niat baik yang sangat besar terhadap dunia ini, kami merasa ini berguna bagi umat manusia, ini adalah sesuatu di luar uang. Niat awal, visi kami, serta visi yang kami pertahankan hingga saat ini, bukan dilakukan dengan cara memaksimalkan keuntungan bisnis.
3.Mengelola perusahaan besar, bukan bergantung pada peraturan dan sistem Anda, tetapi pada visi. Visi bukanlah slogan yang digantung di dinding, visi adalah bagaimana Anda bertindak, bukan bagaimana Anda berbicara, itulah cara Anda benar-benar beroperasi.
4. Kami tidak memiliki organisasi, kami digerakkan oleh visi, diorganisir oleh satu visi. Kami tidak melakukannya dengan cara "saya harus mencapai KPI apa, tanpa penilaian kinerja", hanya visi.
5. Visi ini bahkan tidak tertulis, tidak pernah ditulis, tidak ada yang ditulis. Visi ini ada dalam cara kami melakukan sesuatu, dalam sikap kami terhadap dunia ini.
6. Kami tidak memiliki banyak keunggulan lain, kami tidak memiliki keahlian khusus, kami tidak lebih kaya dari orang lain, juga tidak berarti personel kami lebih baik dari perusahaan lain, sebenarnya tidak. Ketika kami mendirikan perusahaan ini dua tahun lalu, kami tidak punya banyak uang, tidak punya banyak kartu (GPU), tidak punya ketenaran, tidak punya daya tarik, kami hanyalah sekelompok orang yang sangat biasa.
7. Semakin Anda mengendalikan diri, mungkin semakin mudah berhasil, atau setidaknya sejauh ini terbukti, sejauh ini bisa dijelaskan. Kalau tidak, tidak ada cara untuk menjelaskan mengapa kami bisa berhasil: kami tidak punya senjata apa pun, titik awal sangat rendah, sumber daya sangat sedikit, dan orang-orang kami sebenarnya hanyalah sekelompok orang biasa yang acak.
8. Masalah AI terlalu besar, terlalu besar kepentingannya. Kami sangat mengendalikan diri, selama bisa berhasil, akhirnya keuntungan akan sangat besar. Anda cukup mengambil sedikit saja, keuntungannya sudah sangat besar, jadi sekarang sama sekali tidak perlu mempertimbangkan bagian mana dari keuntungan ini yang harus diambil, bagaimana cara mengambilnya, saya rasa sama sekali tidak perlu memikirkan hal ini, karena keuntungannya sudah cukup besar.
9. Tahun lalu saat Tahun Baru Imlek pengguna tiba-tiba banyak, tapi kami tidak berusaha mempertahankan pengguna-pengguna ini, atau memanfaatkan pengguna ini untuk monetisasi, atau merebut keuntungan komersial dari pengguna ini. Kami tidak berusaha merebut pengguna, tidak berusaha mencari uang, tapi kami berusaha keras melayani pengguna dengan baik.
10. Kami tidak punya pemikiran seperti itu, bahwa saya harus membuat Super App berikutnya, lalu bersaing dengan siapa, menjadi ByteDance berikutnya, menjadi Tencent berikutnya, sama sekali tidak ada pemikiran seperti itu. Saya rasa peluang AGI di masa depan seharusnya sangat besar, peluang AGI di masa depan selalu sangat besar.
11.Pengendalian diri adalah sebuah strategi. Terkadang Anda bisa mengorbankan beberapa hal, untuk menukarnya dengan lebih banyak hal lain. Tidak open source, sebenarnya juga sama, bisa dianggap sebagai tekanan kami, juga bisa dianggap sebagai pemberian keuntungan kami.
12. Pengendalian diri ini, saya pahami bahwa pengendalian diri ini dalam jangka panjang dapat meningkatkan kemungkinan kami berhasil menciptakan AGI. Saat mempertimbangkan sesuatu, saya tidak meragukan bahwa AGI akan memiliki nilai komersial yang sangat besar. Maka dalam dasar ini, prioritas saya bukan bagaimana saya menambah sedikit porsi, bagaimana saya mengambil lebih banyak porsi, prioritas saya adalah bagaimana saya meningkatkan kemungkinan saya bisa berhasil.
13. Kami selalu sangat mengendalikan diri, tidak ingin menjadi lawan dari perusahaan internet besar atau kecil mana pun. Saya harap saya bisa memberdayakan mereka, atau harap saya bisa membantu semua orang melakukan hal ini, berharap bisa membantu semua orang melakukan hal ini.
14. Saya rasa dengan memegang sikap seperti ini sebelumnya, sebenarnya kami tidak kehilangan apa pun karenanya, tidak karena saya open source, tidak karena kebaikan kami atau bantuan yang saya berikan kepada orang lain, menyebabkan kami kehilangan apa pun. Malah mungkin ada nilai tambah. Ini tampaknya bertentangan dengan intuisi, tapi memang begitu.
15. Kami menargetkan AGI, tapi kami selalu melakukan komersialisasi, itulah sebabnya kami punya pengguna C-end, punya pendapatan B-end. Dari pengalaman sejarah, strategi ini berhasil.
02 Peta Jalan AGI
16. Jika Anda bisa menggambarkan suatu masalah dengan sangat jelas, memberikan konteks dan instruksi yang lengkap, itu sudah melampaui manusia. Tapi ada definisi di sini, ada prasyarat: Anda memberikan konteks lengkap, memberikan instruksi lengkap.
17. AI tidak bisa menggantikan karyawan Anda. Tapi jika AI memiliki kemampuan belajar berkelanjutan, ia seperti karyawan Anda, datang ke perusahaan dan belajar selama dua bulan, maka ia bisa menggantikan siapa pun di dunia, jadi kami masih selangkah lagi menuju pembelajaran berkelanjutan.
18. Perkembangan AI bisa kita pahami sebagai tangga. Tangga yang dilalui tahun lalu adalah rantai pemikiran (Chain of Thought). Karena kami menemukan, dengan cara rantai pemikiran, kecerdasan bisa mencapai level yang lebih tinggi.
19. Tangga tahun ini adalah Agen (Agent), karena kami menemukan, dengan cara Agen, bahkan lebih banyak hal yang bisa dilakukan, ruang lingkup kemampuannya akan lebih besar, batas atas kecerdasannya akan lebih tinggi. Agen perlu menggunakan CoT (Chain of Thought), dan CoT juga perlu menggunakan tangga sebelumnya, tangga sebelumnya adalah model bahasa, jadi tidak ada satu langkah pun yang sia-sia.
20. Setelah Agen, kami rasa yang perlu diselesaikan adalah pembelajaran berkelanjutan, yaitu bagaimana membuat model bisa belajar terus-menerus, bukan memberikan pelatihan yang sangat kuat, seharusnya bisa belajar terus-menerus dalam waktu yang cukup lama seperti manusia.
21. Setelah pembelajaran berkelanjutan, mungkin kami akan mencapai sebuah singularitas. Singularitas ini adalah, ketika model ini mampu belajar terus-menerus, ia sudah bisa melakukan semua hal yang bisa dilakukan manusia. Ia bisa mengembangkan versinya sendiri, bisa meneliti lagi, lalu mengembangkan model AI berikutnya, mengembangkan model kecerdasan buatan yang lebih maju.
22. Singularitas ini, sebenarnya bukan singularitas, ini juga proses yang bertahap. Proses ini mungkin juga merupakan perubahan bertahap yang cukup panjang, ini bukan perubahan tiba-tiba. Tapi secara kebiasaan, kita menganggapnya mungkin sebuah singularitas.
23. Ini adalah perkiraan kami, ini adalah jadwal yang kami rasa seharusnya: pertama selesaikan pembelajaran untuk belajar, lalu ke singularitas kecerdasan yang bisa beriterasi sendiri, baru kemudian kecerdasan berwujud (Embodied Intelligence). Setelah kecerdasan berwujud, ia akan memasuki dunia nyata, bisa membantu pekerjaan rumah tangga, bisa merawat Anda di hari tua.
24. Jika kami menyelesaikan pembelajaran berkelanjutan dulu, lalu singularitas iterasi diri, lalu kecerdasan berwujud, perjalanan ini akan sangat mudah. Karena nantinya, Anda bisa menggunakan teknologi sebelumnya untuk membantu mengembangkan teknologi berikutnya.
25. Kami hanya fokus pada jalur utama AGI. Bidang AI sangat luas, banyak hal yang menurut kami tidak berada di jalur utama ini, misalnya 3D, pembuatan video, saya rasa mungkin tidak terlalu terkait dengan jalur utama kecerdasan, kami tidak akan melakukannya.
26.Pembuatan video sangat populer sejak awal, seolah-olah ini harus dilakukan, jika tidak dilakukan, Anda bukan perusahaan AI. Jadi saya heran, sebenarnya jika dipikirkan dengan seksama, ini tidak ada hubungannya dengan peta jalan kecerdasan.
27. Secara komersial, ini bisnis yang bagus, secara komersial bisnis yang bagus. Tapi ini tidak ada hubungannya dengan kecerdasan. Kami tidak akan melakukannya hanya karena itu bisnis yang bagus, kami hanya akan melakukannya jika itu adalah hal yang ada di peta jalan kecerdasan.
28. Dari penilaian kami, model dunia dan kecerdasan bukanlah hal terpenting pada tahap ini. Yang terpenting adalah pelatihan AI, serta bagaimana menyelesaikan pembelajaran berkelanjutan setelah pelatihan AI. Ini adalah penilaian perusahaan kami, tentu setiap perusahaan penilaiannya berbeda.
29. Sekarang kami cukup percaya pada sebuah narasi bahwa AI dapat mempercepat penelitian AI. Artinya, ini bukan linier, karena Anda bisa menggunakan AI untuk mempercepat penelitian Anda sendiri, jadi nantinya mungkin nonlinier.
30. Saya rasa kecerdasan berwujud pasti harus dimasuki, akhirnya kecerdasan berwujud. Karena bagi orang normal, kebutuhannya bukan komputer, bukan? Karena orang normal, ia makan, minum, bersenang-senang, sandang, pangan, tempat tinggal, transportasi, ia tidak butuh komputer. Ia butuh, jadi ia tetap butuh kecerdasan berwujud untuk memenuhi kebutuhan tenaga manusia secara konkret.
31. Kami harap AGI bisa melakukan apa? Bisa membantu saya mengiterasi model berikutnya, bisa membantu saya mengiterasi model berikutnya. Jika sudah memiliki wujud, kami harap yang dilakukannya juga, membantunya mengiterasi wujud berikutnya, ia yang membuat robot berikutnya.
32. Kemampuan inti model generasi berikutnya harus memiliki kemampuan belajar berkelanjutan, baru bisa disebut model generasi berikutnya. Sebelum itu, yang bisa kami lakukan adalah biaya, kemudian efek dibuat lebih baik, kecepatan dibuat lebih cepat. Tapi untuk terobosan besar, seharusnya memiliki pembelajaran berkelanjutan.
33. Kemampuan Agen saat ini terbatas, karena tidak bisa belajar terus-menerus, tidak bisa belajar terus-menerus secara efektif. Jika bisa menyelesaikan pembelajaran berkelanjutan dulu, kemampuan AI akan sangat kuat, bisa sangat meningkatkan efisiensi penelitian kami sendiri.
34. Jika pembelajaran berkelanjutan dibuat dulu, kecerdasan umum mungkin akan mudah, menggunakannya untuk membuat akan mudah. Jadi saya katakan ini adalah hasil yang kami harapkan, kami lebih hemat tenaga, kami lebih santai. Kalau tidak, sekarang Anda harus membuat kecerdasan umum secara manual, ini hal yang cukup melelahkan, cukup sulit, hal yang padat data, padat tenaga, dan efisiensi biayanya tidak tinggi.
03 Tim dan Talenta
35. Pengalaman sebelumnya memberi saya pencerahan bahwa visi AGI sangat kuat. Keunggulan talenta ini bukan berarti orang saya lebih pintar darinya, tetapi bagaimana saya mengorganisir talenta-talentanya, bagaimana memotivasi mereka, dan bagaimana mereka bekerja sama.
36. Mengumpulkan orang pintar bersama-sama, bukan berarti mereka secara alami bisa bekerja sama, secara alami bisa sangat bersemangat mengejar suatu tujuan dan menyelesaikannya, jadi Anda butuh visi.
37. Kepentingan inti terbesar kami adalah menjaga stabilitas tim. Ini adalah kepentingan inti terbesar kami, bahkan bisa dianggap sebagai satu-satunya kepentingan inti. Selama saya bisa menjaga stabilitas tim, saya pasti bisa berhasil, pasti bisa membuat AGI, sesederhana itu.
38.Uang pasti bukan masalah, sumber daya bukan masalah, faktor-faktor lain mudah didapat. Bagi kami, hanya ada satu kepentingan inti, hanya satu yang tidak bisa ditawar: kami harus menjaga stabilitas tim.
39. Ini juga tantangan yang sangat besar yang kami hadapi, atau, saya rasa ini risiko terbesar. Tentu, risiko ini dengan pendanaan baru-baru ini kami, telah cukup teratasi. Karena opsi saham yang didapatkan semua orang masih cukup banyak, jumlahnya masih cukup besar.
40. Dari sisi stabilitas tim, selama beberapa karyawan terpenting, karyawan tertua bisa stabil, maka yang lain tidak akan pergi. Yang lain meskipun opsi sahamnya sedikit, pendapatannya sedikit, dia juga tidak akan pergi. Karena dia tidak sepenuhnya datang demi uang, semua orang ingin melakukan ini dalam lingkungan yang bisa membuat AGI.
41. Yang lain semua masalah waktu, yang lain paling-paling menyebabkan kami terlambat setengah tahun, terlambat satu tahun, tapi tidak sampai tidak bisa dibuat. Pasti tidak kekurangan uang, pasti tidak kekurangan sumber daya, sebenarnya semua ini tidak kekurangan.
42. Kesenjangan kami dengan Amerika terutama di sumber daya, lalu kesenjangan di orang tidak terlalu besar. Di orang hampir tidak ada kesenjangan, karena orangnya sama, mungkin orang Tionghoa. Ketika orang Tionghoa pergi ke luar negeri, ada yang tinggal di dalam negeri, ada yang tinggal di luar negeri, ada yang pergi ke luar negeri, tidak berarti orang pintar pergi ke luar negeri, tidak.
43.Talenta bukan hambatan, sumber daya adalah hambatan terbesar. Sumber daya pertama-tama mempengaruhi pelatihan talenta, karena daya komputasi sedikit, peluang eksperimen yang bisa kami lakukan lebih sedikit, jadi talenta kami secara keseluruhan memiliki kesenjangan dengan Amerika. Kesenjangan talenta, pada dasarnya juga karena kesenjangan daya komputasi.
44. Kekurangan talenta AI juga bersifat sementara, dan kami sudah melihat, sangat teratasi. Karena orang AI benar-benar tidak kekurangan, setiap perusahaan akan segera melatih orangnya, melatih orang sangat cepat.
45. Perusahaan yang membuat model di dalam negeri sekarang agak terlalu banyak, masih terlalu banyak. Amerika mungkin hanya tiga, perusahaan yang membuat model dasar di Tiongkok terlalu banyak. Pada akhirnya pasti tidak perlu sebanyak itu orang untuk membuat model dasar, pasti akan menyusut.
46. Manajemen perusahaan kami sebenarnya dua garis: satu garis dari atas ke bawah, satu dari bawah ke atas. Dari bawah ke atas, yaitu setiap orang ingin melakukan apa, lakukan sendiri, tidak ada yang mengatur, tidak ada KPI.
47. Umumnya kami harap karyawan masih punya setengah waktu, tidak diatur, ia ingin melakukan apa ya melakukan apa. Ini adalah lingkup penelitian, biarkan ia mengeksplorasi sendiri, sesuai dengan apa yang menurutnya penting, ia mengeksplorasi apa, tidak ada persyaratan sebelumnya.
48. Kami umumnya juga tidak terlalu lembur. Lembur ada dua alasan. Pertama, penelitian membutuhkan lingkungan yang cukup santai. Jika ditekan terlalu keras, tidak bisa melakukan penelitian. Karena memang harus ada minat sendiri, biasanya harus memikirkan masalah ini sendiri, jadi harus dalam lingkungan yang cukup santai, baru mungkin bisa mengeksplorasi.
49. Kedua, kami sangat fokus. Kami sangat fokus, berarti hal yang kami lakukan sedikit. Maka saya tidak banyak hal yang harus dilakukan, saya tidak perlu lembur. Ini sejalan dengan pengendalian diri sebelumnya.
50. Perusahaan kami secara keseluruhan dibangun atas dasar konsensus, saya tidak berarti saya sendiri yang memutuskan semua hal, tetapi saya mencari konsensus. Otoritas saya di dalam perusahaan serta pengaruh saya di dalam perusahaan, dibangun atas dasar konsensus.
51. Mekanisme keputusan ini sebenarnya adalah mekanisme mencari konsensus, ini bukan berarti saya bisa mendorong suatu hal, pasti harus ada konsensus, baru bisa didorong, baru akan saya dorong.
52. Seiring bertambahnya personel, kami akan melakukan penyesuaian ini. Seharusnya kami segera melakukan penyesuaian ini, karena saya sudah melakukan penyesuaian ini. Jika tidak melakukan penyesuaian ini, banyak hal tidak bisa dilanjutkan. Memang banyak departemen yang seharusnya memiliki struktur organisasi.
04 Daya Komputasi dan Sumber Daya
53. Berapa banyak kartu yang kami butuhkan? Sekarang pasti semakin banyak semakin baik. Dalam batas yang bisa kami tanggung, pasti semakin banyak kartu semakin baik, ini tidak diragukan lagi. Jadi strategi kami sekarang adalah, dalam harga yang wajar, sebanyak mungkin kartu yang bisa dibeli, beli sebanyak itu.
54. Sebenarnya, menghabiskan uang sebanyak ini sangat tidak mudah, tidak bisa membeli begitu banyak kartu, sulit dibeli, dan harganya juga tinggi, juga tidak bisa membeli dengan harga yang sangat tinggi, harus memastikan harga itu wajar. Jika tahun ini bisa menghabiskan dua ratus miliar, maka itu prestasi super bagus dari departemen pembelian kami.
55. Kesenjangan terbesar kami dengan Amerika adalah di sumber daya. Sumber daya daya komputasi di satu sisi kartu di dalam negeri memang tidak bisa dibeli, di sisi lain investasi modal kami lebih sedikit daripada Amerika. Kami jauh lebih sedikit di tingkat investasi modal, gaji berbasis talenta di sini proporsinya sangat rendah. Lihat saja gaji yang mereka tawarkan satu miliar dolar AS seperti itu, tapi dihitung, gaji talenta masih proporsi kecil, sebagian besar adalah daya komputasi.
56. Semua perbedaan yang kami lihat, termasuk perbedaan talenta, perbedaan kemampuan model, perbedaan aplikasi, bisa dianggap karena perbedaan sumber daya daya komputasi.
57. Kesenjangan kami dengan Amerika mungkin tertinggal 12 bulan dari Amerika, tertinggal mungkin 12 sampai 18 bulan, atau 6 sampai 12 bulan. Singkatnya, tertinggal dua tahun dari Amerika, lalu membuat hal ini dengan hanya seperduapuluh daya komputasi Amerika.
58. Narasi ini adalah tertinggal satu sampai dua tahun, tapi hanya menggunakan seperduapuluh daya komputasinya. Maka di masa depan kami ingin mengubah narasi ini, yaitu menggunakan seperberapa daya komputasinya, tapi memperpendek waktu lebih pendek, menjadi 6 bulan, 3 bulan, saya rasa ini adalah tujuan.
59. Scaling, kami percaya Scaling, pasti semakin besar skalanya, semakin baik efeknya, bisa membuka lebih banyak fungsi. Yang menghalangi Scaling kami sebenarnya adalah daya komputasi, bukan kami tidak mau Scaling, adalah kami tidak punya begitu banyak daya komputasi untuk melakukan Scaling ini.
60. Kami melatih model sebesar ini, bukan karena menurut saya model sebesar ini sudah cukup, tapi karena kebetulan saya punya sumber daya sebanyak ini. Saya menghitung berdasarkan sumber daya saya, model sebesar apa yang bisa saya terima, bisa saya latih, seperti itu perhitungannya, bukan model ini sudah cukup.
61. Ketika Silicon Valley mengatakan Scaling sudah sampai batas, itu bagi Silicon Valley; bagi orang Tiongkok, kami masih jauh dari itu, kami bahkan belum Scaling sampai tingkat itu. Scaling ini termasuk Scaling data, Scaling skala model, lalu biaya pelatihan.
05 Chip Domestik dan Ekosistem
62.Parit pelindung CUDA Nvidia dengan cepat terurai. Di satu sisi sekarang ada AI, lalu dengan adanya AI, membangun ekosistem ini lebih mudah daripada sebelumnya, karena AI bisa menulis kode.
63. Sekarang pasar kartu komputasi sudah lebih besar dari kartu game, tidak ada alasan keduanya masih perlu digabungkan. Tren sekarang adalah, nanti tidak akan digabungkan lagi. Maka chip khusus, baik Huawei maupun Nvidia sendiri, nanti adalah chip khusus, bukan hal-hal sebelumnya ini lagi.
64. Penggantian chip AI domestik sekarang ada peluang bersejarah. Kami percaya, dalam satu tahun ke depan, kami bisa melihat satu hal terbukti: ekosistem chip domestik sama sekali tidak bermasalah. Sebelumnya dianggap bermasalah, dianggap tidak bisa digunakan, sulit digunakan, tapi di masa depan saya rasa dalam satu tahun, kami bisa mengubah persepsi ini, atau akan menggunakan fakta untuk mengubah ini.
65. Perangkat keras dan ekosistem chip AI domestik tidak bermasalah, satu-satunya masalah adalah kapasitas produksi tidak cukup. Adaptasi kartu domestik ini, tidak ada hambatan, Nvidia tidak bisa menghalangi. Jika dalam lingkungan bisnis normal, saya bisa membeli kartu Nvidia, maka substitusi domestik relatif sulit; tapi dalam situasi kartu Nvidia tidak bisa dibeli, semua orang terpaksa, harus membuat chip domestik.
66. Saat melatih V3, yang digunakan masih kartu Nvidia, tapi sudah tidak menggunakan ekosistem Nvidia. V3 menggunakan kartu Nvidia, tapi tidak menggunakan ekosistem Nvidia, melainkan kami menulis kompiler tingkat tinggi bernama TileLang, lalu berdasarkan ekosistem TileLang untuk menyelesaikan semua hal lain, sudah hampir tidak bergantung pada ekosistem Nvidia.
67. Saya cukup optimis terhadap daya komputasi domestik. Saya rasa dalam hal ini, Nvidia sedang menggali kuburannya sendiri. Node super Huawei, node super 950 Huawei, dalam performa dan harga bisa sepenuhnya menggantikan GB200, GB300 Nvidia.
68. Empat kartu Huawei setara dengan satu kartu Nvidia.
69. Kesenjangan kami dengan Amerika di chip, saya rasa di ekosistem nanti tidak akan ada kesenjangan lagi, tapi di chip adalah empat kali ditambah dua tahun.
70.Sekarang kami terutama bekerja sama dengan Huawei. Huawei mereka sendiri yang beradaptasi, tapi kami sendiri akan berpartisipasi dalam ekosistem ini, akan terlibat dalam mendalam ke dalam Huawei ini. Masalah Huawei masih kurangnya kapasitas produksi.
71. Saya tidak terlalu percaya lima tahun ke depan, kami masih terjebak masalah kapasitas produksi. Sekarang pasti terjebak masalah kapasitas produksi, tahun ini, tahun depan, tahun depannya lagi, saya rasa mungkin masih terjebak masalah kapasitas produksi, tapi lima tahun ke depan, saya rasa mungkin belum tentu, saya masih cukup optimis.
06 Lanskap Persaingan dan Penilaian Industri
72. Efek akhir model masing-masing perusahaan yang membedakan, seharusnya secara komprehensif. Membandingkan efek model, pasti harus dalam biaya yang sama untuk dibandingkan, ini baru bermakna. Karena Anda membandingkan dua mobil, juga mobil dengan harga yang sama untuk dibandingkan.
73. Anthropic saat ini melampaui OpenAI, apakah ini jangka panjang? Saya rasa ini bukan jangka panjang, ini pasti sementara. OpenAI dan Google, di masa depan kemungkinan besar masih akan bergantian naik.
74. Saat pembagian kerja dominan dalam AI global, peran yang sangat mungkin dimainkan perusahaan Tiongkok masih produksi terbesar. Secara nalar, kapasitas produksi kami terbesar, termasuk chip, chip mungkin kapasitas produksi kami terbesar, listrik kami paling banyak.
75. Orang Tiongkok akan membuat produk ini paling murah, lalu dalam efek, lagipula barang luar negeri, sekarang banyak barang produksi Tiongkok dan produksi Amerika tidak terlalu berbeda. Masa depan mungkin AI juga seperti ini, tapi AI produksi Tiongkok mungkin harganya lebih murah. Murah ini mungkin rendah secara sistemik, sama seperti industri lain layanan yang disediakan Tiongkok lebih murah mungkin sama.
76. Perbedaan akhir seharusnya tiga aspek: satu aspek biaya, satu aspek waktu, satu aspek pengalaman pengguna. Selain itu, mungkin tidak ada perbedaan.
77. Biaya pasti satu perbedaan, saya rasa mungkin biaya perbedaan peringkat pertama. Lalu kedua adalah waktu, kapan Anda bisa mencapainya. Anda beberapa bulan lebih awal, beberapa bulan terlambat, itu sudah berbeda.
78. OpenAI dari awal merasa dia benar-benar bisa memonopoli dunia ini, tapi sebenarnya dia akan menghadapi banyak penantang. Dia akan menghadapi tantangan, maka dia tidak akan begitu mudah. Amerika akan menghadapi tantangan, maka di masa depan mungkin masih akan menghadapi tantangan Tiongkok, karena orang Tiongkok mau menerima lebih sedikit, bisa memberi Anda layanan ini.
79. Orang yang menerima banyak akan dikalahkan orang yang menerima sedikit. Bahkan Anda tidak perlu benar-benar menerima banyak, jika visinya adalah menerima banyak, Anda akan dikalahkan orang yang visinya menerima sedikit. Sebenarnya semua belum menerima uang, hanya visi. Jika visi Anda menerima banyak, Anda sudah kalah duluan, Anda akan menghadapi kesulitan lebih besar.
80. Bagi kami, kami bukan berarti keuntungan harus menerima uang paling banyak, atau harga yang memaksimalkan pendapatan, tetapi hanya mendapat keuntungan wajar. Ini satu penjelasan. Saya percaya hal ini, saya tidak mencari alasan untuk hal ini, karena tidak perlu mencari alasan.
81. Saya rasa dalam banyak aspek pengalaman, mungkin kami bisa lebih baik daripada Amerika. Dalam aspek produk, kemampuan produk belum tentu lebih buruk daripada Amerika. Biaya seharusnya juga lebih rendah daripada Amerika, jadi Tiongkok masih akan memiliki daya saing.
82. Biaya ini mudah dipahami, karena mereka tidak perlu melakukannya, jadi mereka tidak mengembangkan kemampuan ini. Mereka pasti tidak begitu menghargai hal ini seperti kami. Kami bisa menganggapnya sebagai hal yang sangat penting, tapi bagi mereka, ini tidak penting.
83. Model besar mungkin tidak dua perusahaan besar, dua perusahaan kecil, mungkin sudah cukup. Perbedaan hanya dua hal: satu waktu, satu biaya. Jadi tidak sampai satu perusahaan punya keuntungan besar, saya rasa tidak sampai punya keuntungan besar. Orang yang kontrol biayanya baik dapat lebih banyak untung, orang yang kontrol biayanya buruk dapat sedikit untung, hanya itu saja.
07 Pengembangan Model dan Teknologi
84. Di perusahaan kami mungkin setengah orang, biasanya setengah orang merasa OpenAI lebih baik. Sebenarnya Anthropic punya keunggulan lebih dulu, tapi keunggulan lebih dulu ini seharusnya cepat hilang, bukan keunggulan yang bisa dipertahankan jangka panjang. Ketiga perusahaan ini sangat hebat, efisiensi di antara ketiganya paling tinggi, biaya yang dikeluarkan, uang yang dibakar seharusnya paling sedikit.
85. Tata letak multimodal, kami selalu melakukannya. Bagi produk, itu penting; bagi produk pengguna C-end, itu penting. Tapi bagi batas atas kecerdasan, itu komponen, bukan jalur utama itu sendiri.
86. Kami seharusnya akan meluncurkan model terkait, yaitu versi V4 kami, versi lanjutan V4 akan mendukung multimodal asli. Tapi multimodal bagi kecerdasan, itu komponen, kami tidak menganggapnya sebagai kecerdasan itu sendiri.
87. Hanya bisa dikatakan Scaling model bahasa, sekarang saya belum melihat ada batas atas. Level kecerdasan kami sekarang, atau level kecerdasan yang menyebabkan Amerika, belum melihat batas atas.
88. Banyak pemikiran orang di internal kami seperti ini: pertama-tama harus berguna bagi kami sendiri, pertama-tama untuk kami sendiri gunakan. Lalu ini adalah cara tercepat mencapai AGI. Ketika kami sendiri mudah digunakan, itu berarti mungkin orang lain juga mudah digunakan, tapi pertama-tama harus memastikan kami sendiri mudah digunakan.
89. Model yang kami buat, tujuan pertama bukan orang lain mudah digunakan, tapi kami sendiri mudah digunakan. Pertama-tama berguna bagi kami sendiri. Setelah berguna bagi kami sendiri, saat mengembangkan model berikutnya akan lebih cepat.
90. Kami menyebutnya "mengundi hadiah". Ambang batas rendah, siapa pun bisa mengundi, tapi siapa yang bisa mengundian apa, ini mungkin saya juga tidak tahu tergantung bakat atau apa. Jadi di sini tidak perlu kami mengalokasikan sumber daya. Hanya saja, perbedaan kami dengan perusahaan lain adalah kami akan menghabiskan waktu membahas masalah ini, memikirkannya, lalu menganggapnya sebagai hal penting.
08 Komersialisasi dan Penetapan Harga
91. Penetapan harga API kami adalah keuntungan wajar, kira-kira kami membeli sekumpulan perangkat dari pasar, sepuluh bulan balik modal, saya rasa ini keuntungan wajar.
92. Jika memaksimalkan keuntungan, harus menetapkan harga lebih tinggi. Karena dalam rentang harga ini, permintaan pengguna tidak elastis, yaitu harga saya naik setengah lagi, atau harga saya naik dua kali lipat, perbedaan konsumsi token tidak besar.
93. Salah satu model kami, awalnya kami khawatir permintaan terlalu banyak, jadi awalnya menetapkan harga cukup tinggi, tim tidak terlalu senang. Kemudian saya turunkan harganya lagi, turun seperempat, semua sangat senang.
94. Batas atas bisnis To B seharusnya masih permintaan, dalam latar belakang teknologi AGI, AI generasi sekarang ini, permintaan To B seharusnya terbatas. Itu akan tumbuh cepat, tapi bukan hal tak terhingga, akhirnya tetap dibatasi oleh permintaan, bukan daya komputasi.
95. Sekarang saya rasa seharusnya bisa dilakukan, semuanya harus. Misalnya tahun ini saya bisa punya pendapatan B-end beberapa ratus juta dolar AS, ditambah kami punya pengguna C-end, maka ini sendiri sudah punya dasar bisnis tertentu. Dengan pendapatan B-end tahun depan, jika permintaan ini bisa bertambah lagi, perusahaan sudah tidak jauh dari laba bersih, mungkin sudah laba bersih.
96. Skenario terburuk menjual API, mungkin bisa menopang perusahaan yang go public. Jika teknologi di belakang tidak ada kemajuan baru lagi, teknologi kami membeku di sini, maka akhirnya kami menjual API sepenuhnya, menyelesaikan layanan ini dengan baik, saya rasa juga cukup.
97. Sekarang dalam situasi saat ini, saya rasa cara paling wajar seharusnya fokus sepenuhnya membuat Agen umum, Agen lain prioritasnya seharusnya lebih rendah, termasuk Agen keuangan, dokter. Harus membuat Coding dulu, karena Agen Coding bisa melakukan banyak hal, masih banyak Agen vertikal. Tahap ini kami rasa paling penting, seharusnya masih Agen Coding.
98. Saya rasa biaya rendah pertama-tama adalah hasil. Model kami memang selalu dalam arsitektur model menuju arah biaya lebih rendah, ini terkait visi kami. Kami masih punya banyak metode dalam algoritma, biaya masih bisa turun.
99. Biaya turun juga karena, biaya semakin rendah, saya semakin bisa melatih model lebih besar, semakin bisa menanggung model lebih besar. Dalam daya komputasi yang sama, dalam situasi daya komputasi terbatas, jika efisiensi komputasi saya lebih tinggi, saya bisa menanggung model lebih besar.
09 Strategi Open Source
100. Saya rasa kami akan open source, lalu model terkuat kami mungkin juga akan open source. Karena saya tidak melihat manfaat closed source, tidak melihat manfaat pasti. ByteDance modelnya closed source, apa manfaatnya? Saya tidak melihat ada manfaat.
101. Bahkan jika model open source, Anda memberi tahu semua hal kepada orang lain, ambang batas ini sangat tinggi. Orang lain ingin menggunakannya, ambang batas ini juga sangat tinggi. Dia ingin menggunakannya, sangat sulit; selanjutnya, dia ingin menggunakannya, juga harus biaya dibuat sangat rendah, juga sangat sulit, tidak semudah itu.
102. Open source tidak akan mempengaruhi pendapatan. Open source, saya rasa tidak ada pengaruh apa pun terhadap model bisnis kami.
103. Saya juga tidak khawatir orang lain menerapkan model kami, lalu bersaing dengan kami, sama sekali tidak khawatir. Kami justru berharap mereka bisa menerapkannya. Kami sebisa mungkin memberi bantuan kepada komunitas open source, membantu semua orang bisa menerapkan model kami.
104. Saat berinteraksi dengan luar, sikap kami adalah: kami hanya fokus pada jalur utama AGI. Saat berinteraksi dengan luar, kami sangat bersedia membantu, membantu siapa pun, bahkan pesaing kami, termasuk Alibaba, Zhipu, MoonShot AI, agar bisa lebih baik. Karena kami tidak kehilangan apa pun, kami memang open source.
105. Model open source yang kami berikan, apakah sama dengan model yang kami terapkan sendiri? Sama. Kami tidak akan open source model yang lebih buruk, lalu saat kami terapkan sendiri menggunakan model yang lebih baik, tidak akan, sama.
10 Data dan Pelatihan Lanjutan
106. Data seharusnya hampir sama dengan setengah model. Sebelumnya masih ada masalah pelabelan data. Kami dalam pelabelan data, ini terkait struktur investasi modal kami. Dengan struktur investasi modal kami, tidak bisa menanggung biaya pelabelan data berkualitas tinggi sebanyak itu, karena biayanya sangat tinggi.
107. Biaya pelabelan data Amerika dan biaya pelabelan data Tiongkok tidak ada perbedaan. Tiongkok melabeli data tidak punya keunggulan biaya, terutama melabeli data tinggi tidak punya keunggulan biaya, membuat kami sulit berinvestasi seperti Amerika melabeli data. Jalur ini di Tiongkok sangat sulit, karena melabeli data terlalu mahal, baik kami label eksternal maupun kami label sendiri, sangat tidak nyaman.
108. Sekarang pada dasarnya dua kaki berjalan. Bukan berarti kami sama sekali tidak bisa melabeli, tapi karena melabeli data ada yang biayanya rendah, ada yang biayanya tinggi. Kami melabeli yang biayanya rendah dulu.
109. Anda juga bisa anggap, sekarang perusahaan kami setengah orang melabeli data. Setengah peneliti inti, orang terpenting, setengah melabeli data. Kami fokus melabeli data. Menyelesaikan masalah AI ini, di tahap sekarang mengandalkan melabeli data.
110. Hambatan pelabelan data berkualitas tinggi, saya rasa adalah waktu, butuh waktu. Karena bagi OpenAI, bagi luar negeri, bagi Anthropic, mereka lebih awal, lalu modal lebih banyak, kartu juga lebih banyak.
111. Masalah halusinasi model besar cukup mempengaruhi pengalaman pengguna. Masalah halusinasi juga ada metode yang bisa menyelesaikannya, tapi ini adalah masalah jangka panjang. Masalah halusinasi bisa dianggap sebagai masalah yang bisa diselesaikan, bisa diperbaiki melalui Post-training yang lebih baik.
11 Organisasi dan Posisi Perusahaan
112. Pertama, kami tidak punya objek tiruan. Setiap langkah adalah dari situasi aktual kami, realistis, membuat keputusan berdasarkan situasi aktual, menemukan bagaimana seharusnya kami lakukan. Jadi ini adalah produk zaman, atau reaksi dari situasi aktual, bukan hasil tiruan.
113. Kami jelas akan melakukan komersialisasi. Kami akhirnya harus bisa bertahan hidup, kami toh sebuah perusahaan, pemerintah tidak akan memberi saya satu sen pun.
114. Kami pada dasarnya masih sebuah perusahaan, hanya saja kami mempertimbangkan uang mana yang akan dihasilkan, kapan menghasilkan uang, berapa banyak uang yang dihasilkan, mengandalkan apa untuk menghasilkan uang, kami punya pertimbangan. Banyak perusahaan menjadi hebat, karena punya pencarian di luar keuntungan. Pencarian itu akhirnya tidak hanya tidak mempengaruhi komersialisasinya, malah membuat komersialisasinya lebih baik.
115. Untuk mitra, sebenarnya pendanaan kami ini dipilih dengan hati-hati. Pertama saya rasa, kepentingan cukup konsisten, yaitu yang paling konsisten dengan kepentingan kami, yang paling tidak bermusuhan dengan kami, atau paling berharap kami bisa berhasil. Tidak semua orang berharap kami bisa berhasil, karena kami masih merugikan banyak kepentingan orang lain.
116. AI sekarang tidak kekurangan selera dan intuisi, yang kurang adalah kemampuan belajar berkelanjutan. Selera dan intuisi AI tidak masalah. Anda minta menulis artikel, selera dan intuisinya, saya rasa tidak ada masalah.
117. Kami berharap hanya melakukan satu bagian. Saya rasa masalah AI ini besar, tidak perlu saya...... Saya hanya melakukan satu bagian. Jika fokus, dan saya rasa bisnis di sini sudah cukup besar, jika era AI akan menghasilkan banyak perusahaan tingkat triliun, saya rasa kami salah satunya.
118. Kami berharap bisa mendukung lebih banyak orang, tapi kami tidak punya banyak energi. Kami punya niat ini, dan tidak akan ada konflik kepentingan, tapi apakah kami melakukannya adalah hal lain. Tapi setidaknya di sini tidak ada konflik kepentingan, kami berharap kerja sama saling menguntungkan.
