2026 年 7 月，DeepSeek 创始人梁文锋一场四小时投资人闭门会议的实录经「elsewhere」整理为 52 条语录后在业界流传，游戏科学创始人、《黑神话：悟空》制作人冯骥读后有"荡气回肠"之叹，称其为"中国故事"。本文以该实录为研究文本，沿两条主线展开解读：其一，未来 AI 商业的构想——在梁文锋的叙事中，当前一切可见的商业模式（超级应用、C 端流量、To B 收入、API 售卖）均属过渡形态，是"芝麻"；真正的"西瓜"是 AGI 级别的经济价值，且绝大多数垂直能力终将被通用大模型"包进去"，从而丧失独立商业化的必要。其二，未来大模型能力的主轴是"学习能力"——能力路线图已从 CoT 推进至 Agent，下一站是"持续学习"：对模型公司而言，这意味着模型将参与训练自身，走向"AI 加速 AI 研究"的渐进奇点；对产业生态而言，开源与成本曲线下移正在降低专有模型的门槛，但"小公司拥有专有模型"更可能经由"开源基座＋部署与再训练"实现，而非人人从零训练前沿模型。两条主线最终在"克制"这一总战略下合流：克制不是道德姿态，而是换取"做成 AGI 概率"的资源配置原则。
在 DeepSeek 融资进程中，有一场被投资人圈子反复提及的四小时闭门会议。会议没有公开速记，但梁文锋在会上的言语在此后一个月间流散开来，最终由「elsewhere」多方收集、整理为 52 条语录，即《梁文锋四小时投资人会议实录》。整理者特别声明：部分词句在保留原意的基础上，与原文可能略有出入。本文的研究即以此 52 条语录为文本边界——所有以「语录 #n」标注的引文，均对应实录条目编号。
这份实录的传播本身构成一个事件。2026 年 7 月 23 日凌晨，游戏科学创始人冯骥在读完实录后发文："大半夜看得我荡气回肠——什么是有容乃大？这就是有容乃大。什么是无欲则刚？这就是无欲则刚。什么是中国故事？这就是中国故事。"一位以"克制"著称的产品型创业者，对另一位以"克制"为战略的技术型创业者，给出了情绪浓度极高的回应。这提示我们：实录的价值不止于信息披露，更在于它提供了一套完整的、自洽的关于 AI 未来的世界观。
本文的目的不是复述，而是解读。通读 52 条语录可以发现，梁文锋的发言并非散点式的观点陈列，而是围绕两条清晰的主线展开：一条关于"钱"——未来 AI 商业的终局是什么；一条关于"智能"——大模型能力的下一站是什么。两条主线各自完整，又在一个共同的战略原则下收束。以下分述。
梁文锋对当下 AI 行业几乎所有主流变现路径，都给出了明确的"非终局"判断。这是一份罕见的、完整的"过渡形态清单"：
语录 #33我们不想做成下一个超级 App。做成下一个字节？下一个腾讯？完全没有这样的想法。
语录 #34不争这个东西，是因为后面还有西瓜，前面的可能都是芝麻。当然可能这个芝麻比较大，但我觉得都不算大。
语录 #35去年大家都抢 Chatbot、抢 C 端流量，今年是抢 To B 收入。但我们不认为它重要，公司内部真正关心的是 AGI 的路线图、下一步技术怎么突破。很奇怪，最想得到的东西得不到，没那么在意的反而容易得到。
超级应用、C 端流量、To B 收入——被行业奉为圭臬的三条变现主线，在梁文锋的坐标系里被统一归入"芝麻"。甚至卖 API 这门 DeepSeek 正在做的生意，也被他轻描淡写："我并不觉得卖 API 这个事情有那么大吸引力。我只要搞几个人维护这个 API 就可以了，甚至客服都没有，也不用销售，用户自己就会来。"#17更彻底的是对产品本身的定位："产品是在 AGI 路上的副产物。"#1连 2025 年春节 DeepSeek 的全民爆火，也被定义为"不在我们的剧本里"的偶然事件#36——成功尚且是副产物，遑论商业模式。
如果眼前的都是芝麻，西瓜在哪里、有多大？梁文锋给出了三个相互印证的尺度判断：
语录 #21但是 AI 这个事情足够大，最终它可能得占掉人类社会 GDP 的百分之十。如果说我们想独占这个利益，那么一定是要被历史抛弃的。这是一个客观的规律，这是一个历史观。
语录 #6如果 AI 时代会产生很多家万亿级别的公司，DeepSeek 是其中一家（的话）就很好了。
语录 #47AI 这个事情太大了，利益也太大了。只要能够做成，随便分一点利益就非常大。而你越克制，就越有可能能够做成这件事。
这三条语录共同构成一个推理链：终局市场的体量是"人类社会 GDP 的百分之十"量级；如此体量的市场天然容得下多家万亿级公司，因而不存在"赢者通吃、必须卡位"的焦虑#19；真正的稀缺品不是市场份额，而是"做成"这件事本身。换言之，商业竞争的第一性问题从"分到多少"被改写为"能否到达"。这正是"芝麻—西瓜"结构的底层逻辑：在到达西瓜地之前，为芝麻投入的战略资源都是机会成本。
为什么垂直方向的独立商业化不值得做？梁文锋的回答是一个技术判断：绝大多数能力终将被通用大模型吸收为"组件"，失去独立存在的位置。
语录 #1当站在一个技术的高位上来做相对低一级别的技术，是降维打击。产品是在 AGI 路上的副产物。
语录 #2很多东西不在我们的主线上，比如 3D、视频生成；又比如世界模型，跟智能的上限也没有太大的关系。
语录 #3多模态对产品来讲很重要，对 C 端用户很重要。但它只是一个组件，不是主线和智能本身。
语录 #5现阶段最重要的还是 Coding Agent。以国内的情况来看，最合理的做法应该是全力做通用的 Agent，金融、医疗等其他 Agent 的优先级较低。
这段论述值得展开：3D、视频生成、世界模型、多模态、乃至金融医疗等垂直 Agent，在当下的商业叙事里都是独立的"赛道"；而在梁文锋的框架里，它们被统一降级为通用智能的"组件"或"低优先级"。其推论是冷峻的——围绕单一能力建立的商业护城河，会在通用智能上一个台阶时被"降维"填平。幻觉问题被归类为"产品问题"而非智能问题#4，遵循同一逻辑：凡属可被通用能力自然覆盖的问题，都不值得以独立商业实体去解决。这为"所有的能力都会被大模型包进去"提供了文本依据：能力的归属决定商业的归属，能力被包进去之日，就是对应商业模式沦为芝麻之时。
对"不做什么"的列举，只是表象；梁文锋给"克制"赋予了严格的战略定义：
语录 #20克制是一种战略：舍弃一些，换更多其他的东西。开源就是让利：对内，员工有成就感，公司有凝聚力；对社会也有好处，同行或者普通人都会高兴。我毫不怀疑 AGI 会有非常大的商业价值。在这个基础上，我优先考虑的不是多拿份额，而是增加做成的概率。
在这套战略里，克制至少兑现为五组具体决策：定价上，"只赚一个合理的利润，不是利润最大化的定价"#14，模型降价四分之三时"公司群里很多人欢呼"#15；开源上，开源模型与自部署模型完全一致，不留更好的版本#22，且判断开源是"我们这个规模的公司的 sweet point"——小公司没有力量做，大公司很难组织#23；竞争上，"不愿意跟任何一家互联网大厂或者小厂成为对手……甚至包括阿里、智谱、月之暗面"#25；行业结构上，预言模型公司终将收敛为"两家大公司、两家小公司"，且"绝对不认为大模型公司可以拿走（AI 行业的）大部分利润"#30#31；竞争要素上，认定终局差距体现在成本、时间、用户体验三项，成本排第一#32。
值得注意的是，这套战略在财务上"反最大化"，在战略上却是"概率最大化"：让渡短期利润与份额，换取的是团队凝聚力、行业生态位、社会善意与战略聚焦——而这些都被折算进同一个变量：做成 AGI 的概率#50#51。"如果你的愿景是拿得多，你就先输了"#52——克制由此从道德语言变为博弈语言。
商业终局判断：当前所有可见的 AI 商业模式——超级应用、流量、To B、API——都是过渡形态（芝麻）；终局是 GDP 10% 量级的 AGI 市场（西瓜）。
能力归属判断：垂直能力（3D/视频/世界模型/行业 Agent）终将被通用大模型吸收为组件，独立商业化的窗口是暂时的。
行动原则：以克制换取"做成"的概率——合理利润、彻底开源、不树敌、成本优先。
实录中最具结构性的内容，是梁文锋对大模型能力演进给出的明确路线图：
语录 #11DeepSeek 的长期 vision 是 AGI。如果把实现的路线比作爬楼梯，去年的阶梯是 CoT（Chain-of-Thought，思维链），今年的阶梯就是 Agent。在 Agent 之后要解决的问题就是持续学习。
语录 #12实现持续学习之后，可能会来到一个渐进的奇点：模型可以完成人类能做的所有事情，包括自己开发更前沿的人工智能模型。即 AI 可以加速 AI 的研究。这一步走完才是具身智能。
语录 #13智能的终点可能都是具身。因为对一个正常人来讲，他的需求并不是电脑，而是人力。
这条路线图的关键信息在于排序：持续学习被置于 Agent 之后、自迭代与具身之前，是整个链条的"咽喉"——不解决持续学习，后续两级阶梯都无从谈起。路线图的另一半同样重要：智能的终点被设定为"具身"，理由是人的终极需求不是电脑而是人力#13——这为"AI 商业化"指明了终局形态：AI 最终出售的不是软件，而是劳动力。
为什么"学习能力"是下一代模型的定义性特征？梁文锋的论证从 AI 当下最常被高估与低估的地方切入：
语录 #7AI 现在不缺品味和直觉，缺的是持续学习的能力。
语录 #8人类能够持续学习，但同一件事，就得给 AI 所有的上下文。这几乎是不可能的，所以 AI 并不能够替代员工。所以，下一代模型必须要有持续学习的能力，才能叫下一代模型。
这是一个精准的能力划界：品味、直觉、单次推理——已解决或接近解决；而"在工作中持续积累经验"这一人类员工最朴素的能力，恰是 AI 的结构性短板，也是"AI 无法替代员工"的真正原因——不是不够聪明，而是无法沉淀。由此，"持续学习"获得了代际定义权：没有它，就不配叫下一代模型。梁文锋同时坦承"目前全世界现在都还没有找到好的方法"#10——瓶颈的诚实标注，反而凸显了这条路线图的严肃性：它不是能力宣传，而是问题清单。
对模型公司而言，学习能力的第一重含义是：模型将参与研发模型自身。
语录 #9我们希望下一代模型能够帮助我们自己的开发。说得简单一点，我们做的模型，第一目标不是大家用得好用，而是我们自己用得好用。这是实现 AGI 最快的方法。
这条语录揭示了 DeepSeek 产品优先级的真实排序："对内好用"先于"对外好用"。其逻辑是递归的：模型辅助自身研发 → 研发效率提升 → 更强的模型 → 更强的研发辅助。当这一循环闭合，便抵达语录 #12 所说的"渐进的奇点"——模型可以完成人类能做的所有事情，包括开发更前沿的模型，"AI 加速 AI 的研究"。值得注意的是措辞的分寸：梁文锋使用的是"渐进的奇点"而非"奇点"——自我改进不是一夜之间的智能爆炸，而是逐级兑现的工程过程。对任何一家模型公司，这意味着核心 KPI 的迁移：模型对自身研发管线的贡献度，将比对外产品收入更早成为竞争力的先行指标。
学习能力的第二重含义关乎产业生态：当训练与部署的门槛下降，"拥有自己的模型"是否会从巨头特权变为普惠能力？实录提供的证据链如下：
语录 #16低成本是一个结果，我们的模型一直在架构上往更低成本走……成本越低，越能承担更大的模型。算力有限时，计算效率高就能训更大的模型。
语录 #22我们给的开源模型，跟我们自己部署的模型是一样的。我们不会开源一个差点的模型、自己部署时用更好的模型。
语录 #28人才几乎没有差距——就是同一批人。国内人才是不缺的。人才短缺是阶段性的，历史上从来没有长期缺某一类人的情况。
三条约束——算力成本、技术秘密、人才供给——正在同时松动：架构效率持续压低训练成本#16，中美算力差距有望"用几分之一的算力，缩到 6 个月、3 个月"#26；开源权重与官方部署权重完全一致，前沿能力本身被公开化#22；人才被判定为"没有差距"且"不会长期短缺"#28。由此可以合理推论：中小组织拥有"专有模型能力"的可行性在系统性上升。
原始假设为"小公司也能训练自己的专有模型了"。实录中存在一处需要正视的张力：梁文锋明确说"创业公司如果太小，没有力量来做这个事情；大公司又很难组织。这是属于我们这个规模的公司的一个 sweet point"#23——即从零预训练前沿模型，仍需要相当的资源与组织规模，并非人人可为。
因此更严谨的表述是：小公司的可行路径主要是"开源基座 ＋ 私有部署 ＋ 继续训练/微调"——以开源权重为起点，用私有数据与领域知识完成专有化，而非独立从零训练。这恰是开源"让利"的产业后果：DeepSeek 交出基座，生态中的中小组织在其上长出自己的专有模型。"专有模型的民主化"成立，但民主化的对象是"专有化能力"，而非"前沿训练能力"。
实录中关于组织的语录，与"学习能力"主线构成同构关系——梁文锋不仅在造一个会学习的模型，也在维护一个会学习的组织：
语录 #39从上到下叫"做正事"，一般希望"正事"不要占用员工所有时间的一半。他还有一半的时间是从下到上的，是不被安排的，想研究什么就研究什么，可以自己去探索。
语录 #40我们一般也不太加班。第一个原因是做研究需要一个比较松弛的环境。第二个原因是我们非常聚焦。
员工一半时间"不被安排、自由探索"，本质上是组织的"持续学习机制"——模型靠权重更新学习，组织靠人的自由探索学习。而"必须要保持团队的稳定性"被列为唯一不可退让的底线#37，同样属于这一逻辑：组织学习能力的载体是人，人的流失即学习的归零。在"学习能力"这条主线上，模型与组织互为镜像。
能力判断：大模型能力的下一站是"持续学习"，它是 Agent 之后、自迭代与具身智能之前的咽喉阶梯，且获得代际定义权（无持续学习，不配叫下一代模型）。
对模型公司：模型参与训练自身——"对内好用"优先于"对外好用"，递归自我改进通向"渐进的奇点"。
对产业生态：专有模型走向民主化，但路径是"开源基座＋部署与再训练"；从零训练前沿模型仍属"有一定规模的公司"的 sweet point。
至此可以回答那个结构性问题：商业主线与能力主线是什么关系？答案是——商业上的克制，是为了给能力上的学习保留全部的战略资源；而学习能力的兑现，又反过来保证商业终局的入场券。
机制链条如下：不抢芝麻（不做超级 App、不抢 C 端流量、不追 To B 收入）→ 注意力与算力留在主线#2#35；主线即 AGI 路线图，当前阶梯是 Agent，下一站是持续学习#11；持续学习通向自迭代，自迭代通向"做成"#12；而只要"做成"，"随便分一点利益就非常大"#47。梁文锋把这个闭环说得极其直白："我优先考虑的不是多拿份额，而是增加做成的概率"#20；"这种克制，从远景上来讲，能够增加我们做成 AGI 的概率"#51。两条主线因此不是并列关系，而是手段与目的的关系：克制是资源配置，学习是兑现路径，AGI 是共同终点。
这套世界观的底色是一种谦逊的自我认知："除了愿景，我们并没有非常多的其他优势"#48；"我们就是一群非常平凡的人。我喜欢的叙事是'一群平凡的人做出了不平凡的事'，而不是'一群天才做出了不平凡的事'"#49。平凡者没有资格分心——这或许是"克制"最深的动机。
结论一（商业）：在梁文锋的框架中，AI 商业的终局不属于任何一种现有商业模式。超级应用、流量、To B、API 皆是"芝麻"；终局是 AGI 级别的 GDP 市场，且垂直能力将被通用大模型逐一"包进去"。因此，战略的正确姿势不是在现有模式中选优，而是以克制保住通往终局的资格。
结论二（能力）：大模型能力的代际分水岭是"持续学习"。它上承 Agent、下启自迭代与具身智能；对模型公司，它意味着模型参与训练自身的递归闭环；对产业生态，它伴随训练门槛下降与专有模型的民主化——但民主化的真实路径是"开源基座＋专有化再训练"，而非前沿训练的全民化。
开放问题：其一，持续学习的技术路径"全世界现在都还没有找到好的方法"#10，路线图的第三级阶梯仍属未解问题；其二，"彻底转向商业化"的时间表被刻意留空#18，芝麻与西瓜之间的过渡期财务如何自洽，依赖融资环境#37；其三，行业收敛（"两大两小"#30）的进程与地缘算力约束#26，均存在外部变量。这些问题实录未答，也正是后续观察 DeepSeek 的坐标。
回到开头那声"荡气回肠"。冯骥的三句感叹，恰好可以与实录文本逐一互证："有容乃大"，对应开源让利——"我们很愿意协助、帮助任何人，甚至包括阿里、智谱、月之暗面做得更好"#25；"无欲则刚"，对应克制战略——"我们只赚一个合理的利润"#14，"如果你的愿景是拿得多，你就先输了"#52；"中国故事"，对应那个自谦的叙事——"一群平凡的人做出了不平凡的事"#49，以及"用几分之一的算力，把（中美 AI 的）差距缩到 6 个月、3 个月"#26。一位读者用三句成语完成了对 52 条语录的压缩，本文则以两条主线完成了对它的解压——芝麻与西瓜之间，站着同一种人：相信"克制者做成大事"的人。