DeepSeek創業者が語るビジョンと戦略

重要なポイント:

• ビジョン主導型：KPI も書面でのビジョンも存在せず、組織さえありません。世界への善意と AGI への執念だけで動いています。「私たちはごく普通の人の集まりです」。
• 自制こそが戦略：API の価格設定は、10 ヶ月でハードウェアコストを回収するだけの水準に抑えています。消費者トラフィックの獲得競争や、エンタープライズ向けの流行を追うことはしません。「自制心を持つほど、成功する可能性は高まります」。
• オープンソースが本質：最強のモデルであってもオープンソース化します。他社との競合を心配していません。「私が懸念しているのは、彼らがそれをデプロイできないことだけです」。
• AGI のロードマップ：思考連鎖（CoT）→ エージェント → 継続的学習 → 「特異点」→ 具身知能。この順序で進化します。「継続的学習の後は、次世代バージョンを自ら開発できるようになります」。
• コンピュートの現実：「H-equivalent」と呼ばれる GPU が約 2 万基あります。米国には 12〜18 ヶ月遅れですが、計算資源は 1/20 の規模で追っています。国内チップについては、「エコシステムは問題ありません。ボトルネックは容量です」。
• 最終局面の視点：中国が今年、海外モデルに追いつく可能性はありますが、「それでも AGI ではありません」。中国にはベースモデル企業が多すぎます。「いずれ収束するでしょう」。

「私たちに組織はありません。ビジョンによって駆動されています」

当社設立当初の目的は、「どれだけ稼げるか」「資本市場へ進出する」「IPO を目指す」といったものではありませんでした。そんな意図はなかったのです。創業メンバーの数十人にも、そのような考えを持つ者はいませんでした。もしそう思っていたら、入社しなかったでしょう。

私たちは全体として、世界への善意と人類への貢献を目的に活動しています。これは金銭的な利益を超えたものです。

約 20 年前、経営において最も尊敬していたのは GE の元 CEO、ジャック・ウェルチでした。振り返れば、彼の言説の多くはもはや正しくないかもしれませんが、一つだけ正しいことを言っていました。それは「企業にとって最も重要なのはビジョンである」という点です。大企業の経営とはルールや手続きの問題ではなく、ビジョンの問題なのです。ではビジョンとは何か？壁に掲げられたスローガンではありません。ビジョンとは「何を言うか」ではなく、「どう行うか」のことです。

実は、私たちに明確な組織構造はありません。ビジョンによって駆動され、ビジョンによって編成されています。そのビジョンは書面化さえされていません。私たちは一度も文書化したことはありません。

私たちには特別な能力があるわけではありません。他社よりも資金に余裕があるわけでもなく、社員が他より優れているわけでもありません。ただの普通の人の集まりです。

当社は合意形成を基盤としています。私がすべてを決めるのではなく、合意を求めます。社内での私の権限も、この合意の上に成り立っています。

私たちの経営には二つの軸があります。一つはトップダウン、もう一つはボトムアップです。ボトムアップとは、全員がやりたいことを決めて実行する仕組みです。誰かが管理するわけでもなく、KPI もありません。一般的に、「正式な業務」に従業員が費やす時間は半分以下にとどめるよう心がけています。残りの半分は未割り当てで、社員は自由に何をするかを選べます。

原則として残業は行いません。第一に、研究にはリラックスした環境が必要です。過度なプレッシャーをかけることはできません。第二に、私たちは非常に焦点を絞っており、取り組むべきことを極めて少なくしています。

Chain of Thought（思考連鎖）はリソースを消費しません。研究においては GPU を大量に必要とせず、少数のカードで十分です。必要なのはアイデアだけです。参入障壁は低く、誰でも試すことができます。しかし、実際に成果を出せるかどうかについては、それが才能によるものなのかはわかりません。

「最も強力なモデルもオープンソース化します。クローズドソースに何のメリットも見出せないからです。」

• なぜオープンソースにこだわるのか。それは、そのビジョン自体がオープンソースを必要とするからです。そのビジョンがなければ、人々を集めて組織化することはできません。
• Zhipu もオープンソース化していますが、彼らのアプローチは ours とは異なります。彼らにとってのオープンソースには「追われる身」という感覚があり、それが目的ではないようです。しかし、私たちにとってはそれが核心です。
• AI は規模が巨大で、最終的には人類社会の GDP の 10% を占めるようになるかもしれません。一人がそれを独占することはできません。他者と共有しなければ、生き残ることはできないのです。
• 私たちはオープンソース化するでしょうし、最も強力なモデルも公開するつもりです。クローズドソースにどんなメリットがあるのか、私には見当たらないからです。
• モデルを公開して中身すべてを明かしたとしても、参入障壁は依然として非常に高いものです。実際にそれを使いこなすのは他者にとって極めて困難です。
• もし利益が 6 倍程度であれば、オープンソース化しても実害はありません。しかし、100 倍の利益を目指すのであれば、オープンソースはその足かせになります。
• 私たちは創業時から一貫してオープンソースを推進してきました。競合相手だからといって扱いを変えるつもりはありません。それがオープンソースの本質です。他社が私たちのモデルを使って競争してくること自体は心配していません。むしろ、彼らにそれを展開してほしいと思っています。私が懸念しているのは、彼らが展開できないことです——細部で誤りがあったり、結果が悪化したり、コストが高騰したりするからです。
• 私たちが提供するオープンソースモデルと、私たちが実際に展開しているモデルは同じですか？はい、全く同じです。劣ったモデルを公開して、内部ではより優れたものを使うようなことはしません。昨年、消費者向けサービスのほぼすべてがオープンソースでしたが、それによってサービスとの競合が生じることはありませんでした。

*「自制心こそが戦略である。コスト回収に 10 ヶ月かかるのは、妥当な利益率だ。」*

AI を実際に使いこなすためには、まず重要なのは自制心だと私は考えます。「人類の GDP の大部分を我がものにする」といった発想は禁物です。そのような考え方に陥れば陥るほど、成功から遠ざかってしまいます。

私にとって自制心は戦略そのものです。時には何かを手放すことで、別のものを獲得するのです。

API の価格設定において、当社が「妥当な利益」と考える基準は、市場で設備を購入し、10 ヶ月で元が取れる程度です。これは合理的だと考えています。利益最大化を追求するなら、もっと高い価格を設定すべきでしょう。しかし、この価格帯では需要の弾力性は低く、仮に 50% 値上げしてもトークン使用量にはほとんど影響しません。

少し話をしましょう。DCP（Decoder Context Parallelism）モデルの開発当初は、需要が過大になることを懸念し、相対的に高い価格を設定しました。チーム内からは不満の声が上がりました。その後、私は価格を 4 分の 1 に引き下げたところ、全員が喜びました。値下げを決めた瞬間、社内のグループチャットでは歓声が上がったほどです。

「10 ヶ月での損益分岐点は高すぎる」というコメントもありましたが、その通りです。まだ価格を下げる余地はありますし、モデル側でも最適化の余地が十分に残されています。全体として改善の空間は大きいです。

このコスト水準（10 ヶ月で元が取れる程度）であれば、私たちは実現可能です。しかし他社にはできません。アリババやテンセントであっても、私たちのような最適化を行わなければ、コストは数倍に跳ね上がってしまうはずです。

さらに価格を下げても、需要が大幅に増えるわけではなく、わずかに増加する程度です。現在の価格であれば誰もが利用でき、満足しています。価格を下げて会社にもたらされる収益が増えるわけでもなく、社会への付加価値も高まりません。安くしても「幸福度」が劇的に上がるわけではありません。

コストを下げられれば、より大きなモデルを訓練できるし、大規模なモデルに挑戦する余裕も生まれます。限られた計算資源の中で、計算効率が高ければ高いほど、より大きなモデルに取り組むことが可能になります。

商業企業には、モデルの効率化を追求するインセンティブが働きにくいものです。効率が向上すればコストは下がるが、では何を得るのか？というジレンマがあります。しかし私たちにとってそれはビジョンの一部です。チームメンバーも普通の人間であり、利用にはお金がかかることを理解しています。共感力があり、「他者が支払うものだから、安ければ受け入れやすい」と考えています。

「C 側（消費者向け）と B 側（企業向け）は、AGI への道における副産物に過ぎない」のです。

私たちは AGI を達成するために AGI を目指しています。その過程で商業化可能な成果物が生まれることは偶然の産物であり、それを活用しているに過ぎません。これは他社とは根本的に異なります。他社は消費者や企業向けにモデルを構築しますが、私たちにとって消費者と企業は、AGI への道における副次的な存在です。

昨年の春節前後に突然人気が出たのは、想定外の出来事でした。私たちは決してそれを期待していませんでした。ただ技術を良くしたかっただけです。

ユーザーが急増した際も、収益化のために彼らを囲い込んだり、商業的利益を巡って争ったりはしませんでした。ユーザー獲得競争に巻き込まれず、お金を稼ぐことにも執着しませんでしたが、ユーザーのためになるよう全力で取り組んできました。

今年、需要の拡大が続けば、さらに GPU を調達できる環境が整えば、API や AI 関連の収益は年間数億ドル規模に達する可能性があります。AI 関連収益が 10 億ドルに達すれば、キャッシュフローはほぼ黒字化します。

過去三年間、商業化ロードマップや製品ラインについて話し合うために私を訪ねてきても、無駄な時間になるでしょう。未来を予測することは不可能だからです。

今年企業向け収益が数億ドルに達し、来年もその勢いが続き、需要が増え続ければ、純利益への道は遠くありません。最悪のシナリオでも、API の販売だけで上場企業を維持できる水準になります。もし今後新たな技術的進展がなく、現在の技術が「凍結」したとしても、私たちは API 販売とサービス提供に完全に注力すれば十分です。

"AI に欠けているのは味覚や直感ではなく、継続的な学習能力だ。"

AI の進歩は、階段を登るようなものだと考えてください。昨年のステップは「思考の連鎖（Chain of Thought）」でした。そして今年が「エージェント」です。なぜ階段なのかというと、次のステップは必ず前のステップの上に成り立っているからです。エージェントは思考の連鎖に依存し、思考の連鎖はさらにその前のステップである言語モデルに依存しています。

エージェントの次に取り組むべき課題は、継続的学習（Continual Learning）だと考えています。一度きりの強力なトレーニングで終わらせるのではなく、モデルが人間のように長期間にわたって継続的に学べるようにすることです。

継続的学習を達成した先には、「特異点」が待っているかもしれません。それは、継続的に学習できるモデルが人間の行うすべてのことをできるようになる時点です。自らのバージョンを開発し、自ら研究を行い、さらに高度な AI モデルを構築するのです。

この「特異点」とは、ある一点で突然訪れるものではなく、緩やかで漸進的なプロセスでもあります。急激な飛躍というよりは、長い時間をかけた変化として現れるでしょう。

その次に来るのが、身体性を持つ知能（Embodied Intelligence）です。そしてそれは現実世界へと入り込み、家事をこなしたり、高齢者の世話を行ったりできるようになります。

このロードマップが最もスムーズだと考えています。残業することなく進められる道です。もし逆の順序、例えばまず身体性を持つ知能から始めようとすれば、苦しい思いをするでしょう。それは過酷な労働になるからです。

AI に味覚や直感がないわけではありません。その点については問題ありません。記事の執筆を依頼されれば、その味覚や直感は基本的に健全です。欠けているのは継続的学習の能力だけです。

世界中でこの課題に取り組む研究者がいます。投資家の視点から見ると、最も注目されているのは「エージェント」ですが、私たちがような研究者にとって重要なのは「学習」、そしていかに学習の問題を解決するかという点です。

社内の議論でも、この物語（ナラティブ）を重視しています。次のバージョンのモデルでは、自社の開発に貢献し、DeepSeek の効率を向上させることを目指しています。モデルの第一の役割は、まず DeepSeek 自身の作業効率を上げることです。私たちにとって有用であることが、AGI に到達する最速の道なのです。

「米国との主な差はリソースにあります。人材についてはほとんど差はありません。」

現在、私たちが保有している H-equivalent の計算カードは約 2 万枚です。その多くは過去 1〜2 ヶ月以内に納入されたものです。

米国との差は主にリソースにあります。人材についてはほとんど差はありません。実質的に同じ層の人材が関わっているからです。ボトルネックになっているのは人材ではなく、リソースです。つまり、人材の格差も計算資源の格差に他なりません。

現在の最大規模モデルを学習させるには、コストが許容できません。最先端のモデルはアクティブパラメータが約 8000 億個ありますが、国内ではまだ数百億レベルです。もし最先端と同規模のモデルを学習させたいなら、GB300 または Huawei 950 を 5 万枚（計 20 万枚）必要になります。これは研究段階ではなく、純粋なトレーニングのための計算量です。

予算範囲内であれば、カードが多いに越したことはありません。適正価格であれば、手に入る限り購入します。理想を言えば、資金を 6 ヶ月以内に使い切るのがベストです。現金を銀行に預けておくよりも、Nvidia のカードに変える方が間違いなく有利です。

米国とのタイムラグは 12 ヶ月か、あるいは 12〜18 ヶ月、場合によっては 6〜12 ヶ月かもしれません。端的に言えば、約 2 年遅れですが、米国の計算資源の 20 分の 1 の規模で追いつこうとしています。将来はこれを逆転させたいと考えています。計算資源を極小化しつつ、開発期間を 6 ヶ月、3 ヶ月へと短縮し、一部の分野では米国を凌駕することを目指します。

Nvidia の CUDA という技術的障壁（マート）は急速に崩れつつあります。その理由の一つは、AI がコードを書けるようになったことです。つまり、AI を活用してエコシステムを構築できるのです。もう一つの理由は新技術の登場です。例えば、北京大学コンピュータ科学部が開発したオープンソースの高パフォーマンス AI 演算子プログラミング言語「TileLang」があります。より高レベルな言語で CUDA オペレータを書くことで、Nvidia のエコシステム全体を短期間で書き換えることが可能になります。

国内製 AI チップが輸入品に取って代わる歴史的な機会です。来年までには何らかの形で実証されるでしょう。つまり、「国内チップのエコシステムには問題がない」という事実が認められるはずです。従来は「使えない」「実用性に欠ける」と思われていましたが、1 年以内にはその認識を覆せると思います。

Huawei 950 を購入する目的は、依然として Huawei のエコシステム強化にあります。Huawei 950 の「スーパーノード」は、性能と価格の面で Nvidia GB200/GB300 に匹敵します。唯一のトレードオフは、「Huawei カード 4 枚で Nvidia カード 1 枚に相当する」という点と、開発期間が 2 年遅れることです。Huawei 950 のスーパーノードは今年第 3 四半期または第 4 四半期に出荷される予定ですが、Nvidia GB200 はその 2 年前の第 3 四半期に出荷されました。

Nvidia カードの減価償却期間は 5 年です。一方、Huawei カードは最大でも 3 年です。Huawei 950 は今年であれば問題なく使用できますが、来年もまだ大丈夫でしょう。それ以降は電力消費量が大きくなりすぎて実用性が低下する可能性があります。

*「動画生成、3D、世界モデル——これらは知能の上限を決めるものではありません。」*

AI は広範な分野であり、私たちが主要な方向性とは考えていない領域も多数あります。例えば 3D や動画生成などです。これらは知能の核心となる道筋と強く関連しているとは考えにくいため、私たちはこれらには着手しません。

動画生成が最初に登場した際は非常に盛り上がりました。「AI 企業なら必ずやるべきだ」という空気がありました。しかしその後どうなったかを見ると、Sora の登場後、大企業も小企業もこぞって取り組みましたが、結局は中小企業が撤退しました。これは知能の上限には影響しません。商業的には優れたビジネスですが、それは「知能そのもの」の問題ではありません。単に儲かるからといって、私たちが取り組むべきことを選ぶわけではありません。

世界モデルについても同様です。現時点では知能の上限との関連性は限定的だと考えており、着手はしない方針です。私たちの見解では、この段階において世界モデルと知能は最優先事項ではありません。

マルチモーダルは製品、特に消費者向け製品においては非常に重要です。しかし、知能の上限という観点では、それは構成要素の一つであり、主軸そのものではありません。私たちは間違いなくマルチモーダルに取り組んでおり、現在も進行中です。V4 以降のバージョンではネイティブなマルチモーダル対応を予定しています。

米国におけるデータラベリングのコストは、中国とそれほど変わらないのが実情です。特に高品質なラベル付けにおいては、中国にコスト優位性があるわけではありません。そのため、米国のようにラベル付きデータの投資を行うのは困難です。中国ではラベル付けがあまりにも高額であるため、このアプローチは難しいのです。

現在、当社の最も重要な人材の半数がデータラベリングに従事しています。

ボトルネックとなっているのは、人員を迅速に増やせないことではありません。資金不足でもなければ、計算リソース（カード）の問題でもありません。むしろ急速に拡大している最中です。そのため、1 年以内には中国における高品質データの課題も、はるかに良好な状況で解決できると考えています。

*「中国にはベースモデルを扱う企業が多すぎます。いずれ収束するでしょう。」*

最大の関心事項は、チームの安定維持です。それが私たちの最大かつ唯一の核心利益といっても過言ではありません。チームを安定させさえすれば、AGIの実現も可能になります。資金やリソースが不足しているわけではなく、それ以外の要素はすべて容易に入手可能です。

私たちは常に自制心を持って行動してきました。大手インターネット企業にも中小企業にも敵対する存在にはなりたくありません。むしろ、彼らの支援者として振る舞いたいと考えています。

オープンソース化や善意の表明、他社への協力は、私たちが損失を被る原因になったことはありません。全く影響はありませんでした。むしろプラスに働く可能性さえあります。

現在の中国にはモデル開発企業が多すぎます。まだ過剰な状態です。米国ではせいぜい3社程度ですが、中国では基盤モデルの開発に多くの企業が参入しています。皆が同じことをしているため、リソースが分散し、各社の獲得できる資源は減少します。いずれ収束するでしょう。

もし私の目標がAIで世界のGDPの5%を占めることだとしたら、1%しか狙わない誰かに敗北します。「私はうまくやるが、世界のGDPの1%だけで十分だ」と言う人が現れるからです。さらに「0.1%だけでいい」と言う人が現れれば、その人は前者に勝つことになります。より多くのシェアを奪おうとする者は、より少ないシェアで勝負する者に負けるのです。OpenAIは当初、世界を独占できると考えていましたが、実際には多くの挑戦者との戦いになるでしょう。

AI分野において、中国では1〜2年後には海外とほぼ同等のレベルに達するか、あるいは今年中に外国製モデルを代替できる可能性があります。現在のパラダイムではそれほど難しくはありません。しかし、まだAGIには至っていません。

現在も、モデルのスケーリングによるリターンは依然として明確です。「スケーリングの壁」にぶつかったという経験はまだありません。その壁は遠くにあります。シリコンバレーが「スケーリングは終わった」と言うのは彼らにとっての話です。中国にとってはまだ遠く、そのようなレベルまでスケーリングしたことはありません。

Source: https://mp.weixin.qq.com/s/HxvyxDGXusNRMzes3i-U7g