传 DeepSeek 一半核心研究员，都在标数据
一份广为流传、但官方未证实的梁文锋投资者交流会录音提出：当下把 AI 往前推的瓶颈，不是算力，也不是天才，而是耐心地把数据擦干净。
60 秒版本
一份疯传、官方未证实的 DeepSeek 投资者交流会实录援引梁文锋：公司一半核心研究员在标数据，因为现阶段决定 AI 的是数据和品味，而非算力。
要点
- 核心金句：约一半核心研究员在标数据；「现阶段解决 AI，靠的就是标数据」。
- 瓶颈被重新定义：不是卡、不是天才，而是高质量数据 + 判断「好」的品味，再往后是时间。
- AGI 像爬楼梯：去年思维链，今年 Agent，下一级是持续学习（今天的 AI 恰恰缺这个）。
- 哲学：克制为战略、开源为让利、只赚合理利润、一半工作时间自由探索。
- 背景：首轮外部融资，据称超 500 亿元、投前约 3600 多亿元——数字有出入且未经证实。
结论. 未经证实，请当作被广泛报道的说法看——但它戳中人心，因为精神上是真的：数据与判断这类安静的人力活，也许比纯算力更关键。
那句话「一半核心研究员，在标数据」
这几天疯传的那句话：据实录，DeepSeek 创始人梁文锋称，可以认为公司一半的人——以及一半的核心研究员、最重要的人——都在标数据。他的理由是：现阶段解决 AI，靠的就是数据。
这是个故意扎眼的说法。它和「模型越做越大、GPU 越堆越多」的主流叙事唱反调，把聚光灯打在一件毫不光鲜的事上：耐心地定义什么才算好答案，再把它教给模型。
真正的瓶颈是数据和品味，不只是算力
按实录的说法，当下的约束不是卡、也不是缺聪明人，而是高质量数据，以及判断什么是「好」的那种品味。再往后的瓶颈是时间：OpenAI、Anthropic 起步更早、资本更多、卡也更多，所以其思路是要克制取舍——先标成本低的数据，再持续打磨。
台上，人人都在讲智能涌现；台下，最稀缺的仍是人类的耐心——一行一行把脏数据擦干净。
路线图AGI 像爬楼梯：思维链 → Agent → 持续学习
实录把通往 AGI 的路比作爬楼梯。去年的台阶是思维链——模型一步步推理。今年的台阶是 Agent——会动手行动的模型。再上一级是*持续学习*：在干活中不断学习的能力。
他的说法是：今天的 AI 不缺品味和直觉，缺的是持续学习。你得每次把所有上下文都喂给它，这几乎不可能。这也是他认为 AI 目前还不能简单替代员工的原因。
哲学克制、开源，与「合理利润」
| 克制 | 一种战略——舍弃一些，换更重要的东西 |
|---|---|
| 开源 | 一种让利：员工成就感、公司凝聚力、社区受益 |
| 野心 | 不想做下一个超级 App／字节／腾讯 |
| 定价 | 只赚合理利润——约等于买设备、十个月回本的利润水平 |
| 工作方式 | 被安排的活儿 ≤ 一半时间，另一半自由探索 |
背景一份很贵的安静
这场交流会与 DeepSeek 的首轮外部融资有关——据称募资超 500 亿元人民币（约 70 亿美元），投前估值约 3600 多亿元（很粗略地说约 500 亿美元量级）。各报道数字有出入，别抓太死。
为何重要算力抢头条，数据也许决定胜负
哪怕你对这份录音保持健康怀疑，它能引发共鸣仍有其真实原因。在每一条「智能涌现」的头条背后，都压着一层并不光鲜、却极其人性的工作：决定什么是好答案，并清洗那些用来教它的数据。算力抢走了目光——数据和品味，也许在悄悄决定谁赢。