TL;DR

Cuộc trò chuyện bốn tiếng của Liang Wenfeng với nhà đầu tư hé lộ chiến lược DeepSeek xoay quanh một nguyên tắc: sự kiềm chế chính là vũ khí cạnh tranh. Thay vì theo đuổi video generation, 3D, hay trở thành super app, DeepSeek nói không với tất cả, tập trung duy nhất vào AGI. Kết quả: đạt frontier capability với 1/20 tài nguyên tính toán của Mỹ, giảm giá V4 xuống 75%, và xây dựng đội ngũ ổn định không bị KPI chi phối. Bài học này áp dụng cho bất kỳ công ty nào muốn xây dựng lâu dài.

Triết lý kiềm chế: khi nói không trở thành chiến lược

Liang Wenfeng từng nói: "Nếu tầm nhìn của bạn là lấy càng nhiều càng tốt, bạn đã thua ngay từ đầu." Đây không phải khẩn ngôn khiêm tốn—đây là nhận định thực tế về cạnh tranh.

Hầu hết các công ty AI khác đang chạy theo những hướng hot nhất: video generation, 3D modeling, world models, super app. DeepSeek không. Họ chủ động bỏ qua những thứ đó không phải vì thiếu khả năng, mà vì những thứ đó không nằm trên "đường chính" dẫn tới AGI.

Liang giải thích: "Nhiều thứ như video generation hay 3D không ảnh hưởng tới giới hạn trên của trí tuệ. Multimodal thì quan trọng với người dùng, nhưng nó chỉ là thành phần, không phải bản chất." Multimodal vẫn được làm, nhưng không trở thành ưu tiên chính.

Cách suy nghĩ này khác biệt cốt yếu. Khi các competitor đang đổ thêm tài nguyên vào mọi hướng, DeepSeek lại hẹp công việc xuống những gì thực sự tạo tiến bộ về AGI. Chi phí cơ hội? Rất cao. Nhưng xác suất đạt AGI? Cao hơn hẳn.

AGI lộ trình: từ chain-of-thought tới embodied intelligence

Liang vạch ra một lộ trình rõ ràng cho AGI:

  • Năm ngoái: Chain-of-thought reasoning
  • Năm nay: Agents
  • Tiếp theo: Continuous learning (học liên tục)
  • Sau đó: AI tự cải tiến chính nó (singularity)
  • Rồi: AI giúp con người phát triển AI tiên tiến hơn
  • Cuối cùng: Embodied intelligence (trí tuệ hiện thân trong cơ thể vật lý)

Điểm đáng chú ý nhất là continuous learning. Liang so sánh: con người có thể vừa làm việc vừa học hỏi dần dần trong 2 tháng. AI hiện tại? Mỗi lần bắt đầu task mới lại phải con người cung cấp toàn bộ ngữ cảnh liên quan—"gần như là điều bất khả thi nếu muốn AI thực sự thay thế được nhân viên".

Liang nói thẳng: "Thế hệ model tiếp theo bắt buộc phải có khả năng học liên tục. Nếu không, nó không xứng đáng gọi là thế hệ tiếp theo."

Về điểm đích, Liang cho rằng AGI cuối cùng không phải là một giao diện máy tính—mà là hiện thân vật lý. Con người không cần "thêm một cái máy tính nữa", họ cần lao động thực sự. Robots chăm sóc người già, làm việc nhà, hỗ trợ con người—đó mới là endpoint thực sự.

AGI Roadmap

Cách tranh cạnh của DeepSeek: 1/20 tài nguyên, kết quả frontier

Đây là điểm đáng kinh ngạc nhất. DeepSeek đạt frontier-competitive capability với chỉ 1/20 tài nguyên tính toán của Mỹ, mặc dù chậm 2 năm.

Tại sao các competitor khác không làm được? Liang giải thích vị trí của DeepSeek:

  • Alibaba, Tencent: Có tài nguyên nhưng thiếu agility tổ chức
  • Chinese startups nhỏ: Có agility nhưng tài nguyên không đủ
  • DeepSeek: Sweet spot—startup agility + frontier-grade compute + team discipline

Điều này không phải bất ngờ lớn nếu bạn hiểu cách DeepSeek xây dựng. Chi phí thấp là kết quả từ kiến trúc kỹ thuật, không phải từ accounting trick hay labor exploitation. Khi chi phí tính toán trên mỗi đơn vị càng thấp, với cùng lượng tài nguyên giới hạn, họ càng train được model lớn hơn.

Cách cạnh tranh cuối cùng sẽ được quyết định bởi ba yếu tố, theo thứ tự ưu tiên:

  1. Chi phí (quan trọng nhất): Nếu hai công ty có model chất lượng tương đương, ai có chi phí thấp hơn sẽ thắng
  2. Thời gian: Sớm hay muộn vài tháng cũng tạo khác biệt lớn
  3. Trải nghiệm người dùng: Tạo sự gắn bó nhưng không phải con hào cơ bản nhất
Cost Efficiency Comparison

Chiến lược mở nguồn & sức mạnh tổ chức

Điều gây tranh cãi nhất của DeepSeek là họ mở nguồn hầu hết models. Hầu hết các công ty lo sợ competitors sẽ triển khai lại. Liang không lo.

"Tôi chỉ lo họ không thể triển khai nó," Liang nói. Ý tưởng này được chứng minh bởi thực tế:

  • Startups nhỏ: Thiếu tài nguyên + động lực để nghiên cứu frontier models
  • Công ty lớn: Có tài nguyên nhưng vướng rào cản tổ chức—không thể pivot nhanh

Mở nguồn mang lại hai lợi ích: nhân viên cảm thấy thành tựu, xã hội được hưởng lợi (nhà nghiên cứu, doanh nghiệp, người dùng). Liang tin rằng "AI cuối cùng sẽ trở thành một ngành công nghiệp cực lớn, và bất kỳ ai cố độc chiếm nó sẽ bị đào thải."

Về sự ổn định đội ngũ, đây là điểm duy nhất Liang không thể nhượng bộ: "Chỉ cần giữ được đội ngũ ổn định, việc đạt AGI là điều chắc chắn có thể làm được."

DeepSeek không có KPI, không có performance reviews, không có hierarchical bureaucracy. Thay vào đó, công ty vận hành theo tầm nhìn (vision), không theo KPI. Cách tổ chức: từ trên xuống là chỉ định những việc cần làm; từ dưới lên là nhà nghiên cứu được tự do khám phá hướng đi họ cho là quan trọng, không cần phê duyệt trước.

Giá cả: từ lợi nhuận hợp lý tới chiến lược kiềm chế

DeepSeek không định giá sản phẩm theo hướng tối đa hóa lợi nhuận. Thay vào đó, mục tiêu là "recover equipment costs in ten months"—tức là 6x margin, một mức lời hợp lý.

Câu chuyện V4 rất minh họa:

  • Ban đầu định giá cao ($1.74/1M input token) vì lo nhu cầu quá tải
  • Sau đó giảm xuống còn một phần tư ($0.435/1M input token)
  • Toàn công ty ăn mừng vì mục tiêu là để nhiều người dùng được trọn vẹn

Giá rẻ nổi tiếng của DeepSeek không chỉ là chiến lược kinh doanh—nó là kết quả tự nhiên từ kiến trúc kỹ thuật. Nhưng từ góc nhìn kiền chế, nó cũng phản ánh triết lý DeepSeek: không tối đa hóa doanh thu ngay bây giờ, vì mục tiêu lâu dài quan trọng hơn.

Về mảng API bán hàng, Liang không đánh giá cao. "Nó không hấp dẫn đến mức đó," Liang nói. DeepSeek chỉ cần một đội nhỏ duy trì dịch vụ, không cần chăm sóc khách hàng hay đội bán hàng—người dùng tự tìm đến.

Kết: Cách thế giới vận hành

Liang kết thúc cuộc trò chuyện với một nhận xét sắc bén: "Nếu tầm nhìn của bạn là lấy càng nhiều càng tốt, bạn đã thua ngay từ đầu, và có thể sẽ đối mặt với những khó khăn còn lớn hơn. Đó là cách thế giới vận hành."

Đây không phải chỉ một nhận xét về kinh doanh AI. Đó là một khuôn khổ chiến lược áp dụng cho bất kỳ lĩnh vực nào. Khi mọi người chạy theo quy mô, lợi nhuận, thị trường—kẻ nào chọn nói không, tập trung vào một mục tiêu thực sự, và xây dựng tổ chức vì mục tiêu đó sẽ có lợi thế cạnh tranh dài hạn.

Bài học từ DeepSeek không phải về AI hoặc công nghệ. Nó về chiến lược, tổ chức, và quyết định nói không. Những thứ đó hiếm hơn bản chất công nghệ, và thường hiệu quả hơn nhiều. via Elsewhere News - Full Investor Meeting Transcript