梁文峰发言全文信息太多了，能推理出不少东西

字面意思大家都看，稍懂点大模型黑话，梁文锋说什么都很清楚。

一个是，DeepSeek愿景是做AGI。什么是AGI，这个就扯不清。但从发言里，能看出“持续学习”是一个关键。这个持续学习，应该就是说，大模型预训练、后训练弄好了以后，模型系数就固定了，应用过程中它实际是不学习的，能力不改变。这和人不一样，人脑随时都在改变，可以持续学习。

如果把持续学习弄出来了，这是一个划时代的进步，等于“学习”这个事，机器再也没有比人差的地方了。机器就可以学习如何改进自己，把这个循环搞通了，最后做出来的就是AGI。至于有多厉害不知道，但肯定很厉害。现在各种AGI、ASI概念本就不统一。以后应该会有多种极为强大、但各自不同的机器智能。这听上去并不是幻想，只要持续学习突破，确实就打开了空间。

至于物理AI、世界模型、具身智能，这个在梁文锋看来，应该是人的套路。就算学会了人的本事，也不是AGI，人这些本事并没多厉害，所以不是AGI的关键。

再一个，部署大模型这个事，难度被大大低估了。基座大模型的权重开源了，但是如何部署，非常难。有两个难度，一个是写编排程序，这里有很多训练者才知道的知识，如何与基座大模型配合。一个是让如何部署能节省算力，让token成本很低。这是DeepSeek的绝活，别人不会部署，成本可能高五六倍。所以，中国头部公司都不怕开源，别人抄了作用不明显，部署效率会比原生的差很多。这也是印度、日本等国拿开源的改进，没什么影响力的原因，部署都不太对劲，里面的数据结构很难玩得很顺。

关于中美差距，就只有算力了。这是业界共识了，但以前不是。以前会觉得大模型技术都有差距，美国领先多少，有哪些技术秘密没公布，还防蒸馏。现在即使中国开源大模型性能比美国的差一些，也会认为是算力的原因。如果美国只有算力优势，那等于没什么优势了，变成了工程问题，如何凑算力、限制中国算力。中国这边直接一招开源绝杀，美国算力优势，代价是成本非常高，买卡多十倍，开源让它没法回本。

而国产算力也找到了办法，华为韬定律已经定了2030年的算力目标，没有卡住。就以现在的资源，五年后应该算力问题就有中国特色的解决办法了。例如国产先进DUV光刻机以及逻辑折叠设计、先进封装技术都完全自主了，那无非就是花钱投资，算力没有上限。其实中国要搞起投资，能动员的钱远比美国多，一年固定资产投资50万亿问题不大，只是找不到值得投的。如果算力值得投，也没有卡点了， 银行体系有多种办法支持，搞到算力富余不成问题。这是钱花给自己，不是买英伟达卡到外面去了，自主可控之后，资金不是问题。