Partnered With:

4時間、118の回答、梁文鋒が内部交流で全てに応える

この記事を読むのに必要な時間は 57 分

「終局価値が十分に大きいのであれば、短期的なあらゆる誘惑は手放す価値がある」

原文来源：腾讯科技

DeepSeekは、設立以来初の外部資金調達を完了した。今回の調達総額は500億元（約74億米ドル）超、調達前評価額は約3675億元（約543億米ドル）である。投資家陣には、DeepSeek創業者の梁文鋒氏が個人で200億元、テンセントが100億元、CATL（寧徳時代）が50億元、NetEase（網易）、JD.com（京東）、IDGキャピタルがそれぞれ30億元、国家人工知能産業投資基金が10億元を出資している。

これに先立ち、梁文鋒氏は「資金調達をしない、上場しない、商業化しない」という原則を掲げていた。今回の大規模な資金調達は、DeepSeekが正式に資本市場に参入したことを示し、業界内でその商業化の道筋や技術ビジョンへの広範な関心を呼んでいる。

最近の投資家向け説明会で、梁文鋒氏はDeepSeekの組織文化、オープンソースの論理、技術ロードマップ、そして業界の競争環境に対する見解について詳しく述べた。

以下は、テンセントテクノロジーが入手した約4時間の説明会における梁文鋒氏の発言録をテーマ別に整理したもので、全118項目。原文の意図を可能な限り保持し、軽微な編集のみを施している。

ビジョンと抑制

1. 私たちがこの会社を始めた当初、最終的にどれだけのお金を稼ぐか、資本市場に出るか、上場するか、といったことは全く考えていなかった。最初の数十人はそんなことを全く思っていなかった。もしそう考えていたら、彼らは来なかっただろう。

2. 私たちはこの世界に対して非常に大きな善意を持ってこの事業に取り組んでいる。これは人類にとって有益なことであり、お金を超えたものだと感じている。私たちの出発点の動機、ビジョン、そして今も維持しているビジョンは、商業的利益の最大化を目的としたものではない。

3. 大企業を管理するのは、規則や規制ではなく、ビジョンである。ビジョンは壁に掛けられたスローガンではなく、あなたがどう行動するか、つまり実際にどう運営するかである。

4. 私たちには組織はなく、ビジョンによって動かされている。ビジョンによって組織されているのだ。私たちは「何らかのKPIを達成しなければならない、評価がない」という方法ではなく、ビジョンだけでやっている。

5. このビジョンは文書化すらされておらず、書き留められたものは何もない。このビジョンは、私たちの物事の進め方や、この世界に対する態度の中にある。

6. 私たちには他の多くの優位性はない。特別な能力があるわけでも、他の会社よりお金があるわけでも、人員が優れているわけでもない。実際にはそうではない。2年前にこの会社を設立した時、私たちは多くの資金も、多くのGPUも、知名度も、影響力も持っていなかった。私たちはただの非常に平凡な人々の集まりだった。

7. あなたが自制すればするほど、物事は成功しやすくなるかもしれません。少なくとも今のところはそれが証明されており、説明がつきます。そうでなければ、なぜ私たちが成功できたのか説明できません。私たちには武器もなく、スタート地点は非常に低く、リソースも非常に少なく、メンバーはただのランダムな普通の人々の集まりに過ぎません。

8. AIというのはあまりにも大きく、利益も莫大です。私たちは非常に自制しています。成功さえできれば、最終的な利益は非常に大きくなります。少し分け合うだけでも利益は莫大なので、今はその中のどの部分の利益をどう取るかなど考える必要は全くありません。利益が十分に大きいからです。

9. 昨年の旧正月にはユーザーが突然増えましたが、私たちはそれらのユーザーを引き留めようとはしませんでした。また、それらを現金化しようとも、商業的利益を奪おうとも、ユーザーから利益を得ようともしませんでした。ユーザーを奪ったり、お金を稼ごうとはしませんでしたが、ユーザーに良いサービスを提供するために努力しました。

10. 私たちには、次のスーパーアプリを作ろうとか、誰かと競争しよう、次のByteDanceや次のTencentを作ろうという考えは全くありません。今後のAGIのチャンスは非常に大きいはずで、常に非常に大きいものだと感じています。

11. 自制は戦略です。時には何かを捨てて、より多くの他のものを得ることができます。オープンソースにしないということも同じで、それは私たちのプレッシャーとも言えますし、私たちの譲歩とも言えます。

12. この自制は、長期的に見てAGIを成功させる確率を高めると理解しています。何かを考えるとき、AGIが非常に大きな商業的価値を持つことを疑っていません。その上で、私は自分のシェアをどう増やすか、どう多く取るかを優先するのではなく、成功確率をどう高めるかを優先します。

13. 私たちは常に非常に自制しており、どんな大手インターネット企業や小規模企業とも敵対したくありません。私は彼らに力を与えたり、皆さんがこのことを進めるのを支援したり、助けたいと思っています。

14. これまでこの姿勢を貫いてきましたが、それによって何かを減らしたわけではありません。オープンソースにしたことや、善意や他者への支援によって、何かを失ったわけではありません。むしろ加点されたかもしれません。これは直感に反するように見えますが、実際にそうなのです。

15. 私たちはAGIを目標としていますが、常に商業化を進めてきたので、C端のユーザーやB端の収入があります。歴史的な経験から見て、この戦略は成功しています。

AGIロードマップ

16.もし問題を明確に説明し、完全なコンテキストと指示を与えられるなら、それはすでに人間を超えている。ただし、ここには定義があり、前提として「完全なコンテキストと完全な指示を与えること」が必要だ。

17.AIは従業員の代わりにはならない。しかし、もしAIが継続的な学習能力を持ち、従業員と同じように会社で2ヶ月間学べば、それは世界中の人々の代わりになるだろう。だから、次のステップには継続的な学習が欠けている。

18.AIの発展は、階段のようなものだと理解できる。昨年進んだ階段は「思考連鎖（Chain of Thought）」だ。なぜなら、思考連鎖の方法によって、知能をより高いレベルに引き上げられることがわかったからだ。

19.今年の階段は「エージェント（Agent）」だ。なぜなら、エージェントの方法を使えば、より多くのことを処理でき、その能力範囲は広がり、知能の上限も高くなるからだ。エージェントはCoTを利用し、CoTはさらに前の階段、つまり言語モデルを利用する。したがって、どのステップも無駄にはならない。

20.エージェントの次に解決すべき問題は「継続的な学習」だ。つまり、モデルが継続的に学習できるようにすることであり、強いトレーニングを与えるのではなく、人間のように長期間にわたって学習できるようにすることだ。

21.継続的な学習の後、おそらく特異点（シンギュラリティ）に到達するだろう。この特異点とは、モデルが継続的に学習できるようになったとき、人間ができるすべてのことを実行できるようになることだ。それにより、自分自身のバージョンを開発し、研究を進め、次のバージョンやさらに進んだ人工知能モデルを自ら開発できるようになる。

22.この特異点は、実際には特異点ではなく、漸進的なプロセスでもある。このプロセスは比較的長い漸変であり、突然変異ではない。しかし、習慣的に私たちはそれを特異点と呼ぶことが多い。

23.これは私たちの推測であり、タイムラインは次のようになると考えている：まず「学習するための学習」を解決し、次に知能の特異点（自己反復可能な特異点）に到達し、その後「具現化知能（具身智能）」へと進む。具現化知能に到達すれば、それは現実世界に入り込み、家事を手伝ったり、介護を提供したりできるようになる。

24.もし最初に継続的な学習を解決し、次に自己反復可能な特異点を解決し、最後に具現化知能を解決すれば、この道のりは非常にスムーズになる。なぜなら、後半では、前半の技術を活用して後半の技術を開発できるからだ。

25.私たちはAGIの本筋だけを追求する。AIの分野は広範囲にわたるが、本筋に含まれないものも多い。例えば、3Dや動画生成は、知能の本筋とはあまり関係がないと考えており、それらには取り組まない。

26. 動画生成は登場当初から非常に注目され、まるで必須の機能のように扱われていました。もしこれをやらなければ、AI企業とは言えない、という風潮がありました。しかし、よく考えてみると、これは知能のロードマップとは全く関係がないと私は不思議に思っていました。

27. ビジネス的には良い商売です。確かにビジネスとしては良い。しかし、それは知能とは関係ありません。私たちは良いビジネスだからという理由でそれを行うのではなく、それが知能のロードマップ上にあるからこそ行うのです。

28. 私たちの判断では、世界モデルや知能は、現時点で最も重要なものではありません。最も重要なのはAIトレーニング、そしてAIトレーニング後に継続学習をどう解決するかです。これが我々の会社の判断であり、もちろん各社で判断は異なります。

29. 現在私たちが信じている一つのナラティブは、AIがAI研究を加速できるということです。つまり、それは線形ではなく、AIを使って自身の研究を加速できるため、後半では非線形になる可能性があります。

30. 具現化（エンボディメント）には最終的には必ず入るべきだと思います。なぜなら、普通の人にとって、必要なのはコンピューターではないからです。そうでしょう？普通の人は、吃喝遊楽、衣食住においてコンピューターを必要としません。彼らが必要とするのは、具体的な人手のニーズを解決する具現化知能（エンボディド・インテリジェンス）なのです。

31. AGIに何をしてほしいか？それは、次世代モデルを反復改善してくれることです。まるで自分で次世代モデルを反復改善するように。もし具現化が実現すれば、それにも同じことをしてほしい。つまり、次世代の具現化を反復改善し、次世代のロボットを作ってほしいのです。

32. 次世代モデルの中核能力として、継続学習の能力が必須であり、それがあって初めて次世代モデルと呼べます。それ以前に私たちができるのは、コスト削減、効果の向上、速度の高速化です。しかし大きなブレイクスルーには、継続学習を備えるべきです。

33. 現在のエージェントの能力が制限されているのは、継続学習ができないからです。効果的に継続学習ができないのです。もし継続学習を先に実現できれば、AIの能力は非常に強力になり、私たち自身の研究効率を大幅に向上させることができます。

34. 継続学習を先に実現すれば、汎用知能（汎用人工知能）はおそらく容易になります。それを使って実現するのは簡単です。だから、これは私たちが望む結果であり、私たちは楽ができて楽になります。そうでなければ、現在のように人手で汎用知能を作るのは、非常に労力がかかり、データ集約的で人的集約的な作業であり、コストパフォーマンスも良くありません。

チームと人材

35. 私たちのこれまでの経験から得た教訓は、AGIというビジョンが非常に強力だということです。この人材面での優位性は、私のチームが相手より賢いという意味ではなく、これらの人材をどう組織し、どう動機づけ、どう協力させるかという点にあります。

36. 賢い人材を集めても、彼らが自然に協力し、自然に情熱を持って一つの目標に向かって突き進むわけではありません。だからこそ、ビジョンが必要なのです。

37. 私たちの最大の核心的利益は、チームの安定性を維持することです。これが私たちの最大の核心的利益であり、唯一の核心的利益とさえ言えます。チームの安定性を維持できさえすれば、必ず成功できる、必ずAGIを実現できる、それだけのことです。

38. 資金はもちろん問題ではなく、リソースも問題ではなく、その他の要素は容易に入手可能です。私たちにとって、核心的利益はただ一つ、譲れないものはただ一つ、それはチームの安定性を維持することです。

39. これが私たちが直面する非常に大きな課題でもあり、最大のリスクだと思います。もちろん、このリスクは最近の資金調達によってかなり軽減されました。皆が受け取ったストックオプションは比較的多く、金額も大きいからです。

40. チームの安定性という点では、最も重要な社員、最も古い社員が安定していれば、他の人はあまり辞めません。他の人はたとえストックオプションが少なく、収入が少なくても、辞めないでしょう。なぜなら、彼らはお金だけを目的に来ているわけではなく、誰もがAGIを実現できる環境でこの仕事をしたいと思っているからです。

41. その他はすべて時間の問題であり、せいぜい半年や1年遅れるだけで、実現できないということはありません。資金はもちろん不足しておらず、リソースも不足していません。実際、これらはすべて不足していないのです。

42. 私たちとアメリカの差は主にリソース面にあり、人材面での差はそれほど大きくありません。人材面ではほとんど差がありません。なぜなら、同じ人々、おそらく中国人だからです。中国人が海外に出るとき、一部は国内に残り、一部は海外に残り、一部は海外に行きますが、賢い人が海外に行くというわけではありません。そんなことはありません。

43. 人材はボトルネックではなく、リソースが最大のボトルネックです。リソースはまず人材育成に影響を与えます。計算リソースが少ないため、実験の機会が少なく、その結果、私たちの人材は全体的にアメリカより劣っています。人材の差は、本質的には計算リソースの差によるものです。

44. AI人材の不足も一時的なものであり、すでに大幅に緩和されていることがわかっています。なぜなら、AI人材は本当に不足していないからです。各企業はすぐに人材を育成します。人材育成は非常に速いのです。

45. 現在、国内でモデルを開発している企業は多すぎる。アメリカにはおそらく3社しかないが、中国では基盤モデルを手がける企業が多すぎる。最終的には、基盤モデルを開発するのにこれほど多くの人が必要ではなくなり、必ず収束するだろう。

46. 当社の経営は実際には2つのラインがある。1つはトップダウン、もう1つはボトムアップだ。ボトムアップでは、各人が自分がやりたいことを自分で決めて実行し、誰も管理せず、KPIもない。

47. 一般的に、従業員には半分の時間を自由に使ってもらいたいと考えている。彼らがやりたいことをやらせる。これは研究の領域であり、自分で探索させ、自分が重要だと思うことに基づいて探索させる。事前の要件は一切ない。

48. 当社は基本的に残業はしない。残業には2つの理由がある。1つ目は、研究にはリラックスした環境が必要だからだ。厳しく追い詰めると研究はできない。なぜなら、自分自身に興味があり、普段から問題について考えなければならないからで、リラックスした環境でのみ探索が可能になる。

49. 2つ目は、当社は非常に集中しているからだ。非常に集中しているということは、やるべきことが少ないということだ。だからやることが多くなく、残業する必要もない。これは前述の「抑制」と一貫している。

50. 当社全体は合意形成に基づいて成り立っている。私がすべてを一人で決めるのではなく、合意を求める。社内での私の権威や影響力は、合意形成に基づいている。

51. この意思決定メカニズムは、実際には合意を求める仕組みだ。私が何かを推進できるわけではなく、合意がなければ推進できず、その場合にのみ推進する。

52. 人員が増えるにつれて、調整を行う必要がある。おそらくすぐに調整をしなければならない。なぜなら、すでに調整を始めているからだ。調整を行わなければ、多くのことが進められない。確かに、多くの部門には組織構造が必要だ。

計算能力とリソース

53. どれだけのGPUカードが必要か？今はもちろん多ければ多いほど良い。当社が負担できる範囲内では、カードは多ければ多いほど良い。これは間違いない。だから現在の戦略は、合理的な価格で、買えるだけのカードを買うことだ。

54. 実際、これだけの資金を使い切るのは非常に難しい。それだけのカードを買うのは難しく、価格も高い。あまりに高い価格で買うわけにもいかず、価格が合理的であることを確保しなければならない。もし今年200億円を使い切れれば、調達部門の業績は非常に優秀だと言える。

55. 我々とアメリカとの最大の差はリソースにあります。計算リソースの面では、国内ではそもそもカードが入手できないという問題があり、さらに資本投入額もアメリカより少ないです。資本投入の面で我々は大幅に不足しており、人材の給与が占める割合は非常に低いです。彼らが1億ドルもの給与を提示しているのを見ると、計算上では人材の給与の割合は依然として小さく、大部分は計算リソースに費やされています。

56. 我々が見るすべての違い——人材の違い、モデル能力の違い、アプリケーションの違い——は、計算リソースの違いに起因すると考えられます。

57. 我々とアメリカの差は、おそらく12ヶ月、あるいは12〜18ヶ月、または6〜12ヶ月遅れていると言えます。簡単に言えば、アメリカに2年遅れており、アメリカの20分の1の計算リソースでこれを実現しているということです。

58. このストーリーは「1〜2年遅れているが、20分の1の計算リソースで実現している」というものです。将来的にはこのストーリーを書き換え、数分の1の計算リソースで、期間をさらに短縮し、6ヶ月、3ヶ月にすることを目標とすべきです。

59. Scaling（スケーリング）については、我々はそれを信じています。規模が大きければ大きいほど効果が高く、より多くの機能を解放できると確信しています。Scalingを妨げているのは計算リソースであり、Scalingを望まないのではなく、それを行うための十分な計算リソースがないのです。

60. このような大規模なモデルを訓練しているのは、それが十分だと考えているからではなく、ちょうどこの程度のリソースがあるからです。リソースに基づいて、受け入れ可能で訓練可能なモデルの規模を計算し、その結果としてこのサイズになっているのであって、このモデルで十分だというわけではありません。

61. シリコンバレーがScalingの限界を語るとき、それはシリコンバレーにとっての話です。中国人にとっては、我々はその地点からほど遠く、まったくScalingの限界に達していません。このScalingには、データのScaling、モデル規模のScaling、そして訓練コストが含まれます。

国産チップとエコシステム

62. NVIDIAのCUDAの堀（競争優位性）は急速に崩壊しつつあります。一方で、AIが登場したことで、エコシステムを構築するのが以前よりはるかに容易になりました。なぜなら、AIがコードを書けるからです。

63. 現在、計算カードの市場はゲームカードよりも大きくなっており、これら二つを結合する必要はもはやありません。現在のトレンドは、今後は結合しない方向に進んでいます。専用チップは、HuaweiであれNVIDIA自身であれ、今後はすべて専用チップとなり、以前のものではなくなります。

64. 国産AIチップの代替には、今まさに歴史的なチャンスが訪れている。今後1年以内に、ある事実が証明されると考えている。それは、国産チップのエコシステムに全く問題がないということだ。以前は問題があると思われており、使い物にならない、使いにくいと言われていたが、今後1年以内に、この認識を覆す、あるいは事実をもって覆すことができるだろう。

65. 国産AIチップのハードウェアとエコシステムには問題はなく、唯一の問題は生産能力が不足していることだ。国産カードの適応に関しては障害はなく、NVIDIAがそれを阻むことはできない。正常なビジネス環境であれば、NVIDIAのカードを購入できるため、国産代替は難しい。しかし、NVIDIAのカードが購入できない状況では、誰もがやむを得ず国産チップを採用せざるを得なくなる。

66. V3のトレーニングでは、NVIDIAのカードを使用しているが、NVIDIAのエコシステムはもはや使用していない。V3はNVIDIAのカードを使いながらも、NVIDIAのエコシステムには依存せず、まずTileLangという高級コンパイラを開発し、TileLangのエコシステムに基づいて他のすべての処理を行うことで、NVIDIAのエコシステムにほぼ依存しない状態を実現している。

67. 私は国産の計算能力に対して比較的楽観的だ。この点において、NVIDIAは自らの墓穴を掘っていると言える。Huaweiのスーパーノード、Huaweiの950スーパーノードは、性能と価格の両面でNVIDIAのGB200やGB300を完全に代替できる。

68. Huaweiのカード4枚でNVIDIAのカード1枚に相当する。

69. 米国とのチップにおける差について、エコシステムに関しては今後差がなくなると思うが、チップ自体では4倍プラス2年の差がある。

70. 現在は主にHuaweiと協力している。Huawei自身が適応を行っているが、我々もこのエコシステムに参加し、Huaweiの取り組みに深く関与していく。Huaweiの問題はやはり生産能力不足だ。

71. 5年後も生産能力の問題に直面しているとは思えない。現在は確かに生産能力の問題に直面しており、今年、来年、再来年もおそらく生産能力の問題に直面するだろうが、5年後には状況が変わっている可能性があり、私は比較的楽観的だ。

競争環境と業界の見解

72. 各モデルの最終的な効果に差が生じるのは、総合的な要因によるものだ。モデルの効果を比較する際には、同じコストで比較することが意味を持つ。なぜなら、2台の車を比較する場合も、同じ価格帯の車で比較するからだ。

73. Anthropicが現在OpenAIを上回っているが、これが長期的なものかどうか。長期的なものではなく、これは間違いなく一時的なものだ。OpenAIとGoogleは、今後もおそらく交互に成長していくだろう。

74. グローバルなAIの分業体制において、中国企業が果たす可能性が高い役割は、やはり生産量が最大であることだ。常識的に考えて、我々の生産能力は最大であり、チップも含めて、チップの生産能力も最大で、電力も最も多い。

75. 中国人は製品を最も安く作り、その上で効果を追求する。結局のところ、海外の商品と比べて、今や多くの商品で中国製とアメリカ製に大きな違いはない。将来的にAIも同様になる可能性があるが、中国製のAIはより安価になるだろう。この安さは、他の業界で中国が提供するサービスがより安いのと同じように、システム全体としての低コストによるものだ。

76. 最終的な差は3つの側面にあるはずだ。1つはコスト、もう1つは時間、そしてもう1つはユーザー体験だ。それ以外には、おそらく差はないだろう。

77. コストは確かに差別化要因であり、おそらくコストが最も重要な違いだと思う。そして2つ目は時間、つまりいつそれを実現できるかだ。数ヶ月早いか遅いかで、結果は大きく異なる。

78. OpenAIは当初、本当にこの世界を独占できると考えていたが、実際には多くの挑戦者に直面することになる。挑戦を受ければ、そう簡単にはいかない。アメリカも挑戦を受けることになり、将来的には中国からの挑戦も受ける可能性がある。なぜなら、中国人はより少ない利益でサービスを提供することを厭わないからだ。

79. 多くを得ようとする者は、少なく得ようとする者に敗れる。実際に多くを得ていなくても、ビジョンとして多くを得ようとするなら、少なく得ようとするビジョンを持つ者に敗れる。実際には誰も利益を得ておらず、単なるビジョンに過ぎない。多くを得ようとするビジョンを持った時点で、すでに負けており、より大きな困難に直面することになる。

80. 我々にとって、利益を最大化する価格設定や収益を最大化することを目指しているわけではなく、合理的な収益だけを得ようとしている。これが説明だ。私はこれを信じている。言い訳をする必要はないし、その必要もないからだ。

81. 多くの体験面で、我々はアメリカよりも優れたものを作れる可能性があると思う。製品面では、製品能力においてアメリカに劣るとは限らない。コストもアメリカより低くなるはずなので、中国には依然として競争力がある。

82. コストについては非常に理解しやすい。彼らはそれを行う必要がないため、その能力を発展させないからだ。彼らは我々ほどこのことを重視していないことは間違いない。我々はそれを非常に重要なことと捉えられるが、彼らにとっては重要ではない。

83. 大規模モデルに関しては、2つの大企業と2つの小企業と言わなくても、おそらく十分だろう。差は2つだけだ。1つは時間、もう1つはコストだ。したがって、どの企業も暴利を得ることはないと思う。コスト管理が上手い企業が少し多く稼ぎ、コスト管理が下手な企業が少し少なく稼ぐ、それだけのことだ。

モデル研究開発と技術

84. 当社の社員の約半数は、普段OpenAIの方が優れていると考えています。実際、Anthropicには先行者利益がありますが、その優位性はすぐに失われるでしょう。長期的に維持できるものではありません。これら3社はいずれも非常に優れており、その中でも当社の効率性が最も高く、コストや消費資金、焼却資金は最も少ないはずです。

85. マルチモーダル戦略については、常に取り組んでいます。製品にとっては重要であり、C向けユーザー製品にとっても重要です。しかし、知能の上限に関しては、それは一つのコンポーネントに過ぎず、メインストリームそのものではありません。

86. 当社は関連モデルをリリースする予定です。つまり、V4およびその後のバージョンではネイティブのマルチモーダルをサポートします。しかし、マルチモーダルは知能にとっては一つのコンポーネントであり、知能そのものとは見なしていません。

87. 言語モデルのスケーリングに関しては、現時点では上限が見えていません。現在の知能レベル、あるいは米国の知能レベルにおいても、上限は見えていません。

88. 社内の多くの人の考えはこうです：まず自分たちにとって有用であること、まず自分たちで使うこと。そしてそれがAGIを実現する最速の方法です。自分たちにとって使いやすいということは、他の人にとっても使いやすい可能性がありますが、まずは自分たちにとって使いやすいことを保証しなければなりません。

89. 当社が開発するモデルの第一の目標は、皆さんが使いやすいことではなく、自分たちが使いやすいことです。まずは自分たちにとって有用であること。自分たちにとって有用であれば、次のバージョンのモデルを開発する際に、より速く進められます。

90. これを当社では「くじ引き」と呼んでいます。参入障壁は低く、誰でも引くことができますが、何が当たるかは、才能によるのか何かによるのか、私にもわかりません。そのため、ここでリソースを配分する必要はありません。ただ、他の企業と異なる点は、この問題について議論し、考え、重要なこととして扱う時間を割いていることです。

商業化と価格設定

91. 当社のAPI価格設定は合理的な利益に基づいており、市場で機器を購入してから10ヶ月でコストを回収できる水準です。これが合理的な利益だと考えています。

92. 利益を最大化するのであれば、価格をさらに高く設定すべきでしょう。なぜなら、この価格帯ではユーザーの需要に弾力性がなく、価格を半分にしても、あるいは倍にしても、トークンの消費量に大きな差は生じないからです。

93. 当社のあるモデルでは、当初需要が多すぎることを懸念して価格を高めに設定しましたが、チーム内ではあまり好評ではありませんでした。その後、価格を4分の1に引き下げたところ、皆が喜びました。

94.ToBビジネスの上限はやはり需要にあるべきで、現在のAGIやAI技術の背景において、ToBの需要は限定的だと考えます。急速に成長するでしょうが、無限大のものではなく、最終的には需要に制約され、計算能力ではありません。

95.今のところ、実現可能なものはすべて手に入れるべきだと思います。仮に今年、B向けで数億ドルの収益があり、さらにC向けでユーザーを獲得できれば、それだけで一定のビジネス基盤が築けます。来年、B向けで収益が上がり、需要がさらに拡大すれば、会社は純利益に近づき、すでに純利益を達成しているかもしれません。

96.最悪の場合、APIを販売するだけでも上場企業を支えられる可能性があります。もし技術に新たな進歩がなく、現在の技術がそのまま凍結されたとしても、最終的には全力でAPIを販売し、これらのサービスをしっかりと提供すれば、十分に成り立つと思います。

97.現状を踏まえると、最も合理的なアプローチは汎用エージェントに全力を注ぐことであり、金融や医者などの他のエージェントの優先順位は低くすべきだと思います。まずはコーディングエージェントに取り組むべきです。なぜなら、コーディングエージェントは多くのことを実現でき、さらに多くの垂直エージェントにも対応できるからです。現段階で最も重要だと考えるのは、やはりコーディングエージェントです。

98.低コストはまず結果であると考えます。私たちのモデルは確かに、モデルアーキテクチャにおいて常に低コスト化を目指しており、これは私たちのビジョンに関係しています。アルゴリズム面でも多くの手法があり、コストはさらに下げられます。

99.コストが下がるもう一つの理由は、コストが低ければ低いほど、より大きなモデルを訓練でき、より大きなモデルを扱えるようになるからです。同じ計算能力で、計算能力が限られている場合、計算効率が高ければ、より大きなモデルを扱うことが可能になります。

オープンソース戦略

100.私たちはオープンソース化すると思いますし、最も強力なモデルもオープンソース化する可能性があります。なぜなら、クローズドソースの利点が見えず、必然的なメリットを感じないからです。バイトダンスのモデルはクローズドソースですが、それにどんな利点があるのでしょうか？私にはメリットが見えません。

101.たとえモデルをオープンソース化し、すべてを公開したとしても、そのハードルは非常に高いです。他の人がそれを活用するのも、非常に高いハードルがあります。活用するのは難しく、さらに低コストで活用するのはさらに難しく、簡単なことではありません。

102.オープンソース化は収益に影響を与えません。オープンソース化は、私たちのビジネスモデルに何の影響も与えないと考えています。

103. 他の人が私たちのモデルをデプロイして競争してくることについても、全く心配していません。むしろ、彼らにデプロイしてほしいと思っています。私たちは可能な限りオープンソースコミュニティを支援し、皆さんが私たちのモデルをデプロイできるよう協力しています。

104. 外部とやり取りする際の私たちの姿勢は、AGIの本筋だけに集中するというものです。外部との関わりでは、誰に対しても、たとえ競合他社（Alibaba、智譜、月之暗面など）に対しても、より良くなるために喜んで協力・支援します。なぜなら、私たちは何も失わないからです。もともとオープンソースなのですから。

105. 私たちが公開するオープンソースモデルと、自分たちでデプロイするモデルは同じですか？はい、同じです。劣ったモデルをオープンソースにして、自分たちはより良いモデルを使うということはしません。同じものを使います。

データとポストトレーニング

106. データはほぼモデルの半分を占めると言えます。その前にデータのラベリングという問題もあります。データラベリングに関しては、これは私たちの資本投入に関係しています。現在の資本投入の構造では、高品質なデータラベリングのコストを支えきれません。なぜなら、そのコストは非常に高いからです。

107. アメリカのデータラベリングコストと中国のデータラベリングコストに大きな違いはありません。中国でデータをラベリングしてもコスト面での優位性はなく、特にハイエンドデータのラベリングではコスト優位性がありません。そのため、アメリカのようにデータラベリングに投資するのは難しいのです。この道は中国では非常に困難です。なぜなら、データラベリングが高すぎるからです。外部委託でも自社で行っても、厳しい状況です。

108. 現在は基本的に二本立てで進めています。全くラベリングできないわけではなく、コストが低いものもあれば高いものもあります。まずはコストの低いものからラベリングしています。

109. 今、当社の半分の人がデータラベリングに従事していると考えても構いません。コア研究者の半分、最も重要な人材の半分がデータラベリングに取り組んでいます。私たちはデータラベリングに集中しています。AIの問題を解決するには、現段階ではデータラベリングに頼るしかありません。

110. 高品質なデータラベリングのボトルネックは、時間だと思います。OpenAIや海外、Anthropicなどは、より早く始め、より多くの資本とGPUを持っています。

111. 大規模言語モデルの幻覚問題は、ユーザー体験に大きな影響を与えます。幻覚問題にも解決方法はありますが、長期的な課題です。幻覚問題は、より良いポストトレーニングによって解決可能であり、改善できる問題だと考えられます。

組織と企業のポジショニング

112.まず、私たちには模倣すべき対象はありません。すべてのステップは、実際の状況に基づき、事実に即して、現実に応じて意思決定を行い、どう進むべきかを見極めています。したがって、これは時代の産物であり、あるいは現実の状況を反映したものであって、模倣の結果ではありません。

113.私たちは明確に商業化を目指しています。最終的には生き残らなければなりません。何しろ私たちは一つの企業であり、政府からは一銭ももらえません。

114.本質的には私たちは依然として企業です。ただ、どのお金を稼ぐか、いつ稼ぐか、いくら稼ぐか、何で稼ぐかを取捨選択しています。多くの企業は偉大な存在です。なぜなら、利益以外の追求を持っているからです。その追求は最終的に商業化を妨げるどころか、むしろ商業化をより良いものにしています。

115.パートナーに関しては、実はこの資金調達は慎重に選別したものです。まず、利益の一致が最も重要だと考えています。つまり、私たちと最も利害が一致し、最も敵意がなく、私たちの成功を最も望んでいる相手です。全員が私たちの成功を望んでいるわけではありません。なぜなら、私たちは多くの他者の利益を損なっているからです。

116.AIに今不足しているのは、センスや直感ではなく、継続的に学習する能力です。AIのセンスや直感には問題ありません。文章を書かせても、そのセンスや直感には何の問題もないと思います。

117.私たちは一つの分野だけをやりたいと考えています。AIという分野は非常に大きく、私がすべてをやる必要はありません。一つの分野に集中し、そこでのビジネス上の利益が十分に大きいと判断すれば、AI時代に多くの兆ドル規模の企業が生まれる中で、私たちもその一つになれると思います。

118.私たちはより多くの人々を支援したいと考えていますが、それだけの余力はありません。その意志はあり、利益相反もありませんが、実際に実行するかどうかは別問題です。少なくともここに利益相反はなく、私たちは協力によるウィンウィンを目指しています。