DeepSeek把定位说死了：不当下一个字节跳动，也不当下一个腾讯，要把力气放在通用人工智能上。
DeepSeek是以基础模型见长的中国人工智能公司，创始人梁文锋同时与幻方量化相关。市场曾经习惯用互联网公司的剧本理解它：先把价格打到极低，再做应用、做平台、做硬件。7月23日的投资人闭门会，就是用来否定这条剧本的。
会上用了4小时。梁文锋的表述可以收成几条硬边界：不做产品化应用，不做面向个人消费者的业务，不做硬件，不与传统互联网公司抢地盘。核心使命写成推动AGI。AGI即通用人工智能，指不局限在单一任务、能处理更广泛问题的系统，目前仍是研究目标，不是已经交付的产品名。
近期被摆上桌的成果有四项。V4已对标OpenAI的GPT-5.6 Sol。训练数据积累到30万亿tokens。token是模型处理文本时的计量单位，数据规模决定模型见过多少语料。推理成本降到约3元每百万tokens。自研人工智能推理芯片已经流片，预计年底前小规模量产。流片，就是设计送进工厂做出样片。员工规模则打算长期控制在200人以内。
梁文锋把行业最大风险说成技术分散和重复造轮子。他希望用聚焦基础研究，给行业提供更好的基础设施和工具。路径上更接近OpenAI、Anthropic那种研究导向，但DeepSeek并没有改成非营利架构，而是用小团队持续投入。
约束同样被说清楚了。资金主要依赖幻方量化的自有支持，没有微软那种数百亿美元级别的外部背书。全球顶级研究人才本来就少。通用人工智能的技术路线也还没有定论。小团队可以减少内耗，也意味着每一项并行课题都更挤。
资金结构也限定了它能做什么。幻方量化与梁文锋相关，用自有资金支持研究，少受外部股东对季度产品的追问，算力采购和芯片流片也只能靠同一本账。200人的上限意味着招聘会极挑，也不会铺一支大规模销售团队去做应用。
这更像一个信号：中国人工智能创业的叙事，从「用商业模式把模型卖出去」，被往「把底层技术和成本曲线做出来」推了一步。接下来要核对的，不是口号，而是年底那批推理芯片能不能按所说的规模出来，以及V4的对标是否在公开评测里站得住。