گزارش جلسه سرمایهگذاران لیان ونفنگ در چهار ساعت
نویسنده: elsewhere
ماه گذشته، «elsewhere» داستان تأمین مالی DeepSeek را گزارش کرد. یکی از موضوعات پر بحث، جلسه سرمایهگذاران چهار ساعته معروف بود.
در این یک ماه، نقلقولهای مختلف لیان ونفنگ در جامعه منتشر شده و ما نیز به جمعآوری برخی از محتوای آن پرداختهایم.
او بارها کلمه «نه» را به کار برد: نه نابغه است، نه سود غیرمنطقی کسب میکند، نه به دنبال تعداد کاربران است، نه کد را بسته نگه میدارد، نه به تولید ویدیو/مدلهای سهبعدی میپردازد و نه به دنبال ساخت اپلیکیشن فوقالعاده بعدی است. او گفت که خودداری یک استراتژی است که برای افزایش احتمال موفقیت در ساخت AGI به کار میرود.
در مواد محدودی که ما به دست آوردهایم، کلمات پرکاربرد زیر وجود دارد: مدل، هزینه، AGI، زمان، متنباز و غیره.
اکثر اوقات، لحن لیان ونفنگ محتاطانه و واژگان او ساده و بیپیرایه است. تنها زمانی که درباره مسائل معدودی که برایش مهم است صحبت میکند، کمی تند میشود: "تا زمانی که بتوانم ثبات تیم را حفظ کنم، قطعاً میتوانم AGI را بسازم. به همین سادگی."
در زیر ۵۲ جملهای که جمعآوری کردهایم آمده است. برخی از عبارات ممکن است در حفظ معنای اصلی با متن اصلی کمی متفاوت باشند.
DeepSeek فقط یک خط اصلی دارد
اکنون زمان حداکثر کردن سود از تولید نیست. در مسیر AGI، باید از مرحله محصول عبور کنیم، اما نیازی به صرف انرژی و فکر زیاد برای تولید محصولات C-end و B-end نداریم. ایستادن در یک موقعیت تکنولوژیکی بالا و انجام تکنولوژیهای نسبتاً پایینتر، یک حمله به ابعاد پایینتر است. محصول در مسیر AGI یک محصول جانبی است.
بسیاری از چیزها در خط اصلی ما نیستند، مانند 3D، تولید ویدیو؛ همچنین مدلهای جهانی که ارتباط زیادی با حد هوش ندارند.
چندمدلی برای محصولات بسیار مهم است و برای کاربران C-end نیز اهمیت دارد. اما این فقط یک جزء است، نه خط اصلی و نه خود هوش.
توهمات مدلهای بزرگ قطعاً راهحلهایی دارند، اما این یک موضوع طولانی است. در داخل، ما توهمات را به عنوان یک مشکل محصول تعریف کردهایم و به آن رسیدگی خواهیم کرد، اما این اولویت نیست.
در حال حاضر مهمترین چیز هنوز Coding Agent است. با توجه به وضعیت داخلی، منطقیترین کار این است که تمام تلاش خود را برای ساخت یک Agent عمومی بگذاریم و اولویتهای دیگر مانند مالی و پزشکی پایینتر هستند.
اگر عصر AI شرکتهای زیادی با ارزش یک تریلیون دلار ایجاد کند، DeepSeek یکی از آنها خواهد بود (که خوب است).
ابتدا یادگیری مداوم را محقق کنید، سپس AI خودتکرار، و هدف نهایی هوش بدنی است
AI اکنون از نظر سلیقه و شهود کمبودی ندارد، بلکه کمبود در توانایی یادگیری مداوم است.
انسانها میتوانند به طور مداوم یاد بگیرند، اما برای یک موضوع واحد، باید تمام زمینهها را به AI بدهیم. این تقریباً غیرممکن است، بنابراین AI نمیتواند جایگزین کارمندان شود. بنابراین، نسل بعدی مدلها باید توانایی یادگیری مداوم داشته باشند تا به عنوان نسل بعدی مدلها شناخته شوند.
ما امیدواریم نسل بعدی مدلها به توسعه خودمان کمک کند. به زبان ساده، هدف اول ما این نیست که مدلهایی بسازیم که همه به راحتی از آنها استفاده کنند، بلکه این است که خودمان به راحتی از آنها استفاده کنیم. این سریعترین راه برای دستیابی به AGI است.
در حال حاضر در سراسر جهان هنوز راهحل خوبی پیدا نشده است، زیرا "یادگیری" از بسیاری از چیزها تشکیل شده است.
چشمانداز بلندمدت DeepSeek AGI است. اگر مسیر تحقق را به عنوان بالا رفتن از پلهها در نظر بگیریم، پله سال گذشته CoT (زنجیره تفکر) بود و پله امسال Agent است. بعد از Agent، مسئلهای که باید حل شود یادگیری مداوم است.
پس از تحقق یادگیری مداوم، ممکن است به یک نقطه عطف تدریجی برسیم: مدل میتواند تمام کارهایی را که انسانها میتوانند انجام دهند، انجام دهد، از جمله توسعه مدلهای هوش مصنوعی پیشرفتهتر. یعنی AI میتواند تحقیقات AI را تسریع کند. تنها پس از طی این مرحله است که هوش بدنی به وجود میآید.
هدف نهایی هوش ممکن است همیشه بدنی باشد. زیرا برای یک انسان عادی، نیاز او کامپیوتر نیست، بلکه نیروی انسانی است.
فاصله تا تجاریسازی کامل هنوز بسیار دور است
ما فقط یک سود معقول کسب میکنیم، نه قیمتگذاری حداکثر سود.
ما در ابتدا نگران بودیم که تقاضا برای یکی از مدلهای ما زیاد باشد و قیمت را نسبتاً بالا تعیین کردیم، اما بعداً به یک چهارم کاهش یافت و بسیاری از افراد در گروه شرکت خوشحال شدند. زیرا این هدف ما از ساخت این مدل با دقت است: تا همه بتوانند به طور کامل از آن استفاده کنند.
هزینه پایین یک نتیجه است، مدلهای ما همیشه به سمت ساختار با هزینه پایینتر پیش میروند. ما همچنین امیدواریم که هزینهها قابل تحمل باشند، به ویژه در زمینه کمبود قدرت محاسباتی.
دلیل دیگری نیز وجود دارد: هرچه هزینهها کمتر باشد، میتوان مدلهای بزرگتری را تحمل کرد. وقتی قدرت محاسباتی محدود است، کارایی محاسباتی بالا میتواند مدلهای بزرگتری را آموزش دهد. شرکتهای بزرگ میتوانند با افزودن منابع این مشکل را حل کنند، اما ما اولویت را بر کارایی هزینه میگذاریم.
ممکن است از بیرون به نظر برسد که ما یک مدل بسیار دشوار را انتخاب کردهایم. اما در واقع ما کار را بسیار آسان انجام میدهیم. کاهش قیمت قطعاً برای رقبای ما خبر خوبی نیست و آنها قطعاً خوشحال نیستند. من فکر نمیکنم فروش API اینقدر جذاب باشد. من فقط باید چند نفر را برای نگهداری این API استخدام کنم و حتی نیازی به خدمات مشتری ندارم و نیازی به فروش هم نیست، کاربران خودشان میآیند.
ما همیشه در حال تجاریسازی هستیم، اما هدف ما تجاریسازی نیست. زمان کامل تجاریسازی DeepSeek باید بسیار دور باشد.
من حتی نیازی به فکر کردن به اینکه در آن زمان در آنجا چه جایگاهی خواهم داشت، ندارم. به محض اینکه چنین فرصت تجاری بزرگی وجود داشته باشد، قطعاً راهی برای آن وجود خواهد داشت. DeepSeek محصول یک عصر است، بازتاب واقعیت است و نتیجه تقلید نیست.
متنباز نقطه قوت شرکت ما در این مقیاس است
- خودداری یک استراتژی است: برخی چیزها را رها کنید و چیزهای بیشتری به دست آورید. متنباز به معنای سوددهی است: برای درون، کارکنان احساس موفقیت میکنند و شرکت انسجام دارد؛ برای جامعه نیز مفید است و همکاران یا افراد عادی خوشحال خواهند شد.
من هیچ شکی ندارم که AGI ارزش تجاری بسیار زیادی خواهد داشت. بر این اساس، اولویت من این نیست که سهم بیشتری بگیرم، بلکه افزایش احتمال موفقیت است.
برای موفقیت AI در تجارت، متنباز بودن مفید است. این به نظر کمی غیرمنطقی میآید. در تاریخ، یک شرکت نرمافزاری ممکن است در یک سال فقط چند میلیارد دلار بازار داشته باشد و اگر متنباز شود، دیگر وجود نخواهد داشت. اما موضوع AI به اندازه کافی بزرگ است و در نهایت ممکن است ۱۰ درصد از GDP جامعه انسانی را به خود اختصاص دهد. اگر بخواهیم این منافع را به تنهایی در اختیار بگیریم، قطعاً تاریخ ما را کنار خواهد گذاشت. این یک قانون عینی است و یک دیدگاه تاریخی است.
مدلهای متنباز ما با مدلهایی که خودمان مستقر کردهایم یکسان هستند. ما مدل ضعیفتری را متنباز نمیکنیم و در زمان استقرار از مدل بهتری استفاده نمیکنیم.
من نگران نیستم که دیگران مدلهای ما را مستقر کنند و با ما رقابت کنند. هر شرکتی تمایل و توانایی رسیدن به این هدف را ندارد. شرکتهای نوپا اگر خیلی کوچک باشند، قدرت انجام این کار را ندارند؛ و شرکتهای بزرگ نیز سازماندهی آن دشوار است. این یک نقطه قوت متعلق به شرکتهایی در این مقیاس است.
متنباز بودن هیچ تأثیری بر مدل تجاری ما ندارد، به شرطی که "فقط یک سود معقول کسب کنیم". اگر بخواهید صد برابر سود کسب کنید، متنباز بودن قطعاً بر شما تأثیر خواهد گذاشت.
ما نمیخواهیم با هیچ یک از شرکتهای بزرگ اینترنتی یا کوچک به رقیب تبدیل شویم. در این زمینه، ما بسیار مایل به همکاری و کمک به هر کسی هستیم، حتی شامل علیبابا، ژیپیو و یوتید آرک میشویم تا بهتر عمل کنند.
فاصله چین و آمریکا در استعداد نیست
در آینده، ما باید روایت AI چین و آمریکا را بازنویسی کنیم: با استفاده از یکسوم قدرت محاسباتی، فاصله را کوتاهتر کنیم و به ۶ ماه یا ۳ ماه برسانیم.
فاصله AI چین و آمریکا عمدتاً در منابع است. ما به مقیاس اعتقاد داریم، قطعاً هر چه مقیاس بزرگتر باشد، نتیجه بهتر خواهد بود. آموزش چنین مدلهای بزرگی به این دلیل نیست که فکر میکنم این مدلها کافی هستند، بلکه به این دلیل است که فقط این مقدار منابع وجود دارد.
در واقع، هیچ فاصلهای در استعداد وجود ندارد------ فقط همان گروه از افراد هستند. استعداد در داخل کشور کم نیست. کمبود استعداد یک مرحلهای است و در تاریخ هرگز کمبود طولانیمدت یک نوع خاص از افراد وجود نداشته است.
رقابت در مدلسازی، هزینه در اولویت است
Anthropic اکنون از OpenAI پیشی گرفته است، اما این یک وضعیت موقتی است. OpenAI و Google در آینده احتمالاً به طور متناوب بالا و پایین خواهند شد.
تعداد شرکتهای مدلسازی در داخل کشور بسیار زیاد است و هر یک از آنها کار مشابهی انجام میدهند و منابع نسبتاً پراکنده هستند. در نهایت، این وضعیت باید به هم نزدیک شود، اما نیاز به زمان دارد. اگر هر شرکت فقط سود معقولی کسب کند، نیازی به تعداد زیادی برای ساخت مدلهای بزرگ نیست: ممکن است دو شرکت بزرگ و دو شرکت کوچک کافی باشند.
من به هیچ وجه فکر نمیکنم که شرکتهای مدل بزرگ بتوانند بخش عمدهای از سود (صنعت AI) را به خود اختصاص دهند.
در نهایت، تفاوت در رقابت مدلهای بزرگ در سه جنبه خواهد بود: هزینه، زمان و تجربه کاربری.
هزینه در اولویت است------ شما با چه هزینهای میتوانید خدمات با کیفیت مشابه ارائه دهید. دوم زمان است، چند ماه زودتر یا دیرتر متفاوت است. تجربه کاربری ممکن است کمی چسبندگی و مانع داشته باشد، اما اساسی نیست.
تمایلی به تبدیل شدن به اپلیکیشن فوقالعاده بعدی نداریم
ما نمیخواهیم به اپلیکیشن فوقالعاده بعدی تبدیل شویم. آیا میخواهیم به بایتدنس بعدی تبدیل شویم؟ یا به تنسنت بعدی؟ کاملاً چنین فکری نداریم.
ما در این مورد رقابت نمیکنیم، زیرا در پشت آن هندوانه وجود دارد و ممکن است در جلو دانههای کنجد باشد. البته ممکن است این دانههای کنجد بزرگ باشند، اما من فکر نمیکنم که بزرگ باشند.
سال گذشته همه به دنبال Chatbot و جذب ترافیک C-end بودند، اما امسال به دنبال درآمد B-to-B هستند. اما ما فکر نمیکنیم که این مهم است، آنچه واقعاً در داخل شرکت برای ما مهم است، نقشه راه AGI و چگونگی پیشرفت فناوری در مرحله بعد است. جالب است که آنچه بیشتر میخواهید به دست نیاورید، در واقع به راحتی به دست میآید.
سال گذشته در جشن سال نو چینی، این موضوع در سناریوی ما نبود.
حفظ ثبات تیم هسته است
تنها یک چیز وجود دارد که نمیتوانیم از آن صرفنظر کنیم: باید ثبات تیم را حفظ کنیم. این نیز یکی از بزرگترین ریسکهایی است که با آن مواجه هستیم. البته این ریسک با این تأمین مالی به میزان قابل توجهی کاهش یافته است.
ما بسیاری از کارها را برای حفظ ثبات تیم انجام میدهیم. ما نمیخواهیم با هیچ یک از شرکتهای بزرگ اینترنتی یا کوچک به رقیب تبدیل شویم، بلکه میخواهیم به آنها قدرت بدهیم و به آنها کمک کنیم. ما نمیخواهیم دشمن بسازیم. اینگونه محیط خودمان نیز بهتر خواهد بود.
برخی افراد فکر میکنند سازمان ما از بالا به پایین است، برخی دیگر فکر میکنند از پایین به بالا است، من فکر میکنم هر دو درست هستند. از بالا به پایین به معنای "انجام کار درست" است، معمولاً امیدوارند که "کار درست" نیمی از زمان کارمندان را اشغال نکند. او هنوز نیمی از زمان خود را از پایین به بالا دارد، که برنامهریزی نشده است، میتواند هر چیزی را که میخواهد مطالعه کند و به آنچه که برایش مهم است بپردازد، بدون هیچ الزامی از قبل.
ما معمولاً اضافهکاری نمیکنیم. اولین دلیل این است که انجام تحقیقات به یک محیط نسبتاً آرام نیاز دارد. دلیل دوم این است که ما بسیار متمرکز هستیم. بسیاری از محصولات هنوز کامل نیستند، اما ما نیز به آنها نمیپردازیم و این نیز نوعی فرهنگ خودداری است.
سازمان یک پدیده پویا است، نه یک چیز ثابت. در آینده با بزرگتر شدن شرکت، ممکن است برخی تغییرات ایجاد شود. اما به طور کامل به یک سیستم سلسلهمراتبی سنتی تبدیل نخواهد شد، اما ممکن است برخی ساختارهای ضروری وجود داشته باشد. اما انگیزههای مبتنی بر چشمانداز تغییر نخواهد کرد.
با نیت نیکو به جهان
ما این شرکت را با نیت کسب درآمد زیاد تأسیس نکردیم و به بازار سرمایه نرفتیم. در ابتدا، چند نفر اول هرگز به این فکر نکردند. اگر او به این فکر میکرد، هرگز نمیآمد. ما با نیت بسیار نیکو به این کار پرداختهایم و فکر میکنیم این برای بشریت مفید است.
"تحقق KPI XX" روش ما نیست، ما یک سازمان مبتنی بر چشمانداز هستیم. این مزایا و معایب خود را دارد. در آینده سعی خواهیم کرد نقاط قوت را تقویت و نقاط ضعف را کاهش دهیم، اما این ویژگی ماست.
چشمانداز حتی به صورت مکتوب نیست، بلکه در روش انجام کارها و نگرش به جهان است. ممکن است هر فرد در شرکت درک متفاوتی از این چشمانداز داشته باشد، اما در جهت کلی همگی یکسان هستند.
تقریباً بیست سال پیش، کسی که من در مدیریت بیشترین احترام را برایش قائل بودم، جک ولش (مدیرعامل سابق GE) بود. اکنون که به آن نگاه میکنم، بیشتر چیزهایی که او گفت احتمالاً نادرست است، اما او یک نکته را درست گفت: مهمترین چیز در یک شرکت چشمانداز است.
چشمانداز نه یک شعار روی دیوار است، نه اینکه چگونه صحبت میشود، بلکه اینکه چگونه عمل میشود.
خودداری ما را قادر میسازد تا AGI را بسازیم
AGI بیشترین سود را دارد. در مورد سایر مسائل، اگر انرژی داشته باشیم، انجام میدهیم، اگر انرژی نداشته باشیم، انجام نمیدهیم. خودداری بخشی از چشمانداز ماست.
موضوع AI بسیار بزرگ است و منافع نیز بسیار زیاد است. به محض اینکه بتوانیم آن را بسازیم، تقسیم هر مقدار سود نیز بسیار بزرگ خواهد بود. و هرچه بیشتر خودداری کنیم، احتمال موفقیت در انجام این کار بیشتر خواهد بود.
من فکر میکنم این مطابق با شهود است------ حداقل با شهود من. به جز چشمانداز، ما واقعاً مزایای زیادی نداریم.
دو سال پیش که این شرکت تأسیس شد، پول زیادی نداشتیم، کارتهای زیادی نداشتیم، شهرت زیادی نداشتیم و هیچ قدرت فراخوانی نداشتیم، ما فقط یک گروه از افراد بسیار عادی بودیم. داستانی که من دوست دارم این است که "یک گروه از افراد عادی کارهای غیرعادی انجام دادهاند"، نه اینکه "یک گروه از نابغهها کارهای غیرعادی انجام دادهاند".
متنباز نیز بخشی از خودداری است. در قیمتگذاری، ما قطعاً از بالاترین درآمد یا بالاترین سود به عنوان نقطه شروع استفاده نمیکنیم. از نظر کوتاهمدت، قیمت بالاتر، درآمد بیشتر؛ اما از نظر بلندمدت، واقعاً نمیتوان گفت. برای من، خودداری یک استراتژی است.
متنباز بودن و قیمت پایین، احساس موفقیت را در کارکنان ایجاد میکند، بنابراین سازمان انسجام پیدا میکند و برای جامعه مفید است و سایر همکاران و افراد عادی خوشحال خواهند شد. بنابراین این نوع خودداری، از منظر دورنما، میتواند احتمال موفقیت ما در ساخت AGI را افزایش دهد.
اگر چشمانداز شما این است که بیشتر بگیرید، شما ابتدا شکست خوردهاید و ممکن است با مشکلات بزرگتری مواجه شوید. این جهان اینگونه است.
سلب مسئولیت: این محتوا صرفاً برای اطلاعرسانی عمومی و برندینگ ارائه شده و به منزله مشاوره مالی، سرمایهگذاری، حقوقی یا مالیاتی تلقی نمیگردد. هیچیک از رویدادها، جوایز، رویدادهای آنلاین یا اطلاعات مرتبط ذکرشده در اینجا نباید بهعنوان توصیه، درخواست یا دعوت برای خرید، فروش، معامله یا هرگونه اقدام دیگر در رابطه با داراییهای رمزارزی یا استفاده از خدمات تلقی شوند. داراییهای رمزارزی با نوسانات بالایی همراه بوده و ممکن است منجر به زیان شوند. خدمات WEEX و رویدادهای آنلاین ممکن است در تمام مناطق در دسترس نبوده و مشمول قوانین، مقررات و شرایط احراز صلاحیت مربوطه هستند. شما مسئول رعایت قوانین محلی در استفاده از خدمات WEEX هستید و باید پیش از انجام هرگونه فعالیت مرتبط با ارزهای دیجیتال، ریسکهای آن را بهدقت بررسی کنید.
ممکن است شما نیز علاقهمند باشید

شرکت Glassnode، به دلیل نگرانی از نشت دادهها، تحقیقاتی را انجام میدهد و به مشتریان درباره خطرات فیشینگ هشدار میدهد

افزایش فضای CPU سرور توسط نماینده هوش مصنوعی، سرمایهها در حال خروج از سهام فناوری هستند

دوران واش بسیار دشوار برای پیش بینی فدرال رزرو!

شرکت Movement Labs درخواست ورشکستگی داد، دلیل آن سقوط توکن MOVE است

کمیته اقدام سیاسی پشتیبانی شده توسط ارزهای دیجیتال نزدیک به ۱ میلیون دلار در انتخابات میشیگان به نفع ثانیدار هزینه کرد

کاهش قیمتها کافی نبود... تحلیل آلیا ریسرچ، مرحله «تأیید تقاضای واقعی» برای بیتکوین و اتریوم

گزارش روزانه Bitget UEX|گزارشهای مالی غولهای فناوری درخشان اما سرعت بالای هزینهها باعث ایجاد اختلاف در بازار شد؛ تبادل تهدیدات بین آمریکا و ایران قیمت نفت و انتظارات افزایش نرخ بهره را بالا برد؛ طلا و نقره تقویت شدند (۲۳ ژوئیه ۲۰۲۶)

بازار هم از دست دادن فرصت میترسد و هم از ایستادن در صف، چه چیزی از نوسانات غیرعادی شاخص نوسان کم S&P فاش میکند؟

زمانی که Meme با Nvidia جفت میشود، Long و Bankr توکنهای سهام را به Launchpad میآورند

آیا بازار آن را دست کم گرفته است؟ تفسیر لایحه CLARITY که به زودی میآید

جمع آوری 1.8 میلیارد دلار، CEO 25 ساله در راس: Augustus چگونه با استفاده از استیبل کوین، تسویه دلار را دوباره انجام میدهد

چگونه برق، نیروی انسانی و سرمایهای که از چرخه کریپتو باقی مانده، به طور سیستماتیک صنعت هوش مصنوعی را تغذیه میکند؟

چالش ساختن جوامع با هم: وب 3 × جمعیت روابط | وب ایکس 2026

چگونه مردم واقعاً در سال 2026 به صورت آنلاین پول در میآورند و کجا کلاهبرداریها آغاز میشود

کریپتو ۲۳۲ هزار شغل در ایالات متحده ایجاد میکند و دو برابر میانگین پرداخت میکند

تسلا ۱.۱ میلیارد دلار از نقدینگی خود را در سرمایهگذاری در هوش مصنوعی و رباتاکسیها سوزاند

گوگل: سرمایهگذاری در AI نتیجه داد… رشد 82 درصدی در خدمات ابری، فراتر از پیشبینیهای والاستریت

بلوکچین ریو ۲۰۲۶: بزرگترین رویداد کریپتو در آمریکای لاتین با حضور تنظیمکنندگان، بانکها و غولهای کریپتو در ریو برگزار میشود

تصویر جدید Qwen 3 AI علیبابا میخواهد مفید باشد، نه فقط زیبا

کاسپا با آزمایشهای دانش صفر، محافظت کوانتومی خود را تسریع میکند

شبکههای اجتماعی برای زیر ۱۵ سال ممنوع: ۷ دلیل برای یک شکست پیشبینی شده

تغییرات در اعتماد گری اسکیل سولانا به پرداخت پاداشهای استیکینگ سهماهه اضافه میکند

دولت آمریکا به اتهام استفاده غیرمجاز از فناوریهای هوش مصنوعی چین پرداخته است

درآمد پروتکل اسکای به نزدیک ۴۱۹ میلیون دلار در سال میرسد در حالی که تقاضای USDS از درآمد DeFi حمایت میکند

بنیاد آربیتراوم به دنبال بودجه ۴۳ میلیون دلاری برای عملیات ۲۰۲۷ است

MakerDAO تغییرات حکمرانی Sky را اجرا میکند در حالی که انتقال به Endgame ادامه دارد

بنیاد اتریوم راهنمای سیاستی برای دولتها و نهادها منتشر کرد

تیم امنیت اتریوم به عوامل هوش مصنوعی برای ارزیابی آسیبپذیریها روی میآورد

« مایکل سیلور، راکفلر بعدی است »، ادعای یک تحلیلگر حامی بیتکوین







