一文了解DeepSeek和OpenAI：企業(yè)家為什么需要認知型創(chuàng)新？

混沌學園·2025-06-11

AI 重構(gòu)商業(yè)，認知創(chuàng)新破界領(lǐng)航

編者按：本文來自微信公眾號“混沌大學”（ID：hundun-university），作者：混沌學園，創(chuàng)業(yè)邦經(jīng)授權(quán)轉(zhuǎn)載。

在這個AI技術(shù)日新月異的時代，我們眼看著它不僅在改變生活，更在改變著商業(yè)規(guī)則。

AI可不只是那些冰冷的算法，它現(xiàn)在能像人一樣思考、推理，甚至在某些方面的表現(xiàn)超越了普通人。這告訴我們，傳統(tǒng)的技術(shù)和創(chuàng)新模式已經(jīng)不夠用了，企業(yè)要想增長、要保持競爭力，就需要換個思路。AI正在重新定義我們理解和實踐商業(yè)創(chuàng)新的方式。

最近，混沌君旁聽了混沌學園的創(chuàng)始人李善友教授的重磅全新課程《認知型創(chuàng)新：從OpenAI到DeepSeek》。

這門課從企業(yè)創(chuàng)新的角度，講述了全球兩大頂尖AI公司——OpenAI和DeepSeek是如何一步步走到今天的，他們究竟走過了怎樣的創(chuàng)新之路。這對于我們理解AI時代的技術(shù)創(chuàng)新和企業(yè)創(chuàng)新，提供了清晰且極具價值的路徑。

教授深挖了OpenAI最初的愿景和它如何對抗巨頭的思路，解密大語言模型是如何誕生的，尤其是AI能力如何從簡單積累到驚人“涌現(xiàn)”。還解讀了DeepSeek如何在資源有限的情況下，走出一條“低成本高性能”的獨特道路；更探討了AI時代下，企業(yè)應(yīng)該怎樣構(gòu)建一個能不斷“涌現(xiàn)”創(chuàng)新的組織模式，走向“技術(shù)領(lǐng)先”。

第一幕：OpenAI的橫空出世

OpenAI的創(chuàng)立初心：反巨頭霸權(quán)

OpenAI的故事得從2015年說起。那時候，埃隆·馬斯克和薩姆·奧特曼就開始擔憂：AI這種未來世界的“終極武器”，若落到少數(shù)科技巨頭手里，對全人類將是巨大麻煩。馬斯克親歷了谷歌收購DeepMind，深感AI力量集中的風險，于是他決定和奧特曼一起干件大事——成立OpenAI。

他們的初心是要搞一個開源、安全、普惠的人工智能。與其讓幾家大公司“圈地為王”，不如讓AI技術(shù)像陽光空氣一樣，普照給所有人。為此，他們不惜代價從谷歌挖來核心科學家伊利亞·蘇茨克維爾（Ilya Sutskever）。據(jù)傳，就因為挖走伊利亞這事兒，馬斯克跟谷歌創(chuàng)始人之間的友誼都斷了。

圖為伊利亞·蘇茨克維爾（Ilya Sutskever）

OpenAI于是就帶著“反巨頭”使命誕生，最初是非盈利組織，為保證AI純粹與開放。他們吸引頂尖科學家，共同探索通用人工智能（AGI）的可能性。

大語言模型的誕生邏輯：Transformer × Scaling Law

OpenAI能引爆大語言模型革命，并非偶然，而是源于對兩大“秘密武器”的極致運用：Transformer架構(gòu)和Scaling Law（尺度定律）。

先說Transformer。這是谷歌在2017年搞出來的，當時它像個低調(diào)“技術(shù)極客”，沒人預料到它的巨大能量。打個比方，以前處理語言信息的模型，像“近視眼”，難以高效處理長文本。而Transformer引入“自注意力機制”，讓模型處理每個詞時，能“一眼掃盡”整個句子所有其他詞，并判斷詞與詞之間關(guān)系。這就像給模型裝上“超廣角透視眼”，其語言理解能力瞬間飆升，實現(xiàn)數(shù)據(jù)并行處理，訓練速度大大提高，為大語言模型高速發(fā)展奠定基礎(chǔ)。

Transformer架構(gòu)介紹，圖源自網(wǎng)絡(luò)

緊接著，是真正讓“大模型”概念深入人心的Scaling Law（尺度定律）。這項定律揭示了一個規(guī)律：大語言模型性能提升，并非玄學，而與模型規(guī)模（參數(shù)量）、訓練數(shù)據(jù)量及計算資源投入之間，存在可預測的、幾乎線性的關(guān)系。這意味著，只要持續(xù)投入更多計算資源，用更大模型、更多數(shù)據(jù)訓練，模型性能就會穩(wěn)步提升，甚至“涌現(xiàn)”出未曾預料的新能力。

只要算力足夠大，數(shù)據(jù)足夠多，神經(jīng)網(wǎng)絡(luò)就一定可以超越人類設(shè)計。這個思維影響了伊利亞。

OpenAI正是憑借對Scaling Law的“篤信”和伊利亞等人的堅決執(zhí)行，才敢于進行前所未有的巨額投入，最終催生了震驚世界的顛覆性大語言模型。可以說，Scaling Law不僅是科學發(fā)現(xiàn)，更是指引AI前進的“信仰”。

從MP神經(jīng)元到GPT的“涌現(xiàn)”之路

人類對機器智能的探索，是漫長而驚喜的旅程。早在上世紀40年代，科學家們就琢磨人腦思考方式，搞出了像MP神經(jīng)元模型這樣的早期理論，它像簡陋的“電子腦細胞”，是構(gòu)建人工神經(jīng)網(wǎng)絡(luò)的初步嘗試。這些最初的嘗試，雖笨拙，卻為后來深度學習的參天大樹打下根基。

而當代的GPT（Generative Pre-trained Transformer）系列模型，是這條演進鏈上的最新奇跡。它們之所以轟動，核心在于一個神奇能力：“涌現(xiàn)”。這詞兒聽起來有點哲學，但很好理解。你可以想象，單個水分子沒有“濕潤”屬性，但無數(shù)水分子聚集成河流，便能滋養(yǎng)萬物——這就是“涌現(xiàn)”。

在GPT模型里，當參數(shù)量（模型“神經(jīng)元”數(shù)量）和訓練數(shù)據(jù)量達到巨大臨界點時，這些模型就像突然“開了竅”，能力瞬間爆發(fā)，展現(xiàn)出單個部分不具備、甚至連科學家都難以預測的新功能。

這些能力并非預先編程設(shè)定，而是在海量訓練中自發(fā)學習和領(lǐng)悟。這種“涌現(xiàn)”現(xiàn)象，使得大語言模型不再是只會“鸚鵡學舌”的工具，它們開始具備“智能”，成為可與人類協(xié)作的通用型助手。

ChatGPT的爆火與人機交互范式變革

如果說GPT模型誕生是AI技術(shù)大爆炸，那么2022年末OpenAI推出的ChatGPT爆火，則是一場真正意義上的全球“現(xiàn)象級”事件。

以前的AI工具，用起來很麻煩，你得學它的“行話”，敲特定指令。但ChatGPT不一樣，你用最日常、最自然的口語輸入，它就能理解你的意思，提供你想要的答案。無論是幫你寫郵件、生成文案、解答科學問題，甚至是調(diào)試代碼，ChatGPT都能給出令人驚艷的回答，有求必應(yīng)。

所以，ChatGPT的“火”，絕不僅僅是技術(shù)厲害，它更深刻地引發(fā)了人機交互范式根本性變革。以前，我們與機器交流僵硬、刻板。但ChatGPT開啟“對話式AI”時代。它讓用戶不再需要學習枯燥編程語言或復雜指令，而是可以像聊天一樣，用最自然、最日常語言提問，AI就能理解并給出有意義、有邏輯的回復。

這極大降低了AI使用門檻，讓曾經(jīng)高高在上的技術(shù)，真正走入千家萬戶，深刻改變著人們的工作、學習和生活方式。

可以說，ChatGPT的成功，不僅為后續(xù)AI應(yīng)用大爆發(fā)奠定用戶基礎(chǔ)，更重塑了我們對人機協(xié)作可能性邊界的認知，讓我們看到了無限可能的未來。

推理模型o1的登場：從系統(tǒng)1到系統(tǒng)2的認知躍遷

在ChatGPT掀起普及狂潮后，OpenAI并未止步，繼續(xù)將目光投向更深層次智能——于是，迎來推理模型o1的登場。o1的出現(xiàn)，標志著人工智能認知能力的重要躍遷，它將AI思考模式從“系統(tǒng)1”推向“系統(tǒng)2”。

這個“雙系統(tǒng)理論”源自心理學家丹尼爾·卡尼曼的《思考，快與慢》：系統(tǒng)1代表人類的直覺思維：快速、自動化、不費力。如看到2+2立刻得出4。

早期AI模型多體現(xiàn)“系統(tǒng)1”特征，擅長模式識別，但缺乏深度邏輯推演。系統(tǒng)2代表人類的理性思維：緩慢、有意識、需投入精力。如解決復雜數(shù)學題、深入邏輯分析。

OpenAI的推理模型o1，正是朝著AI具備“系統(tǒng)2”能力方向邁進。它不再僅依賴海量數(shù)據(jù)模式匹配，而是能進行更復雜的多步推理、邏輯分析和深度問題解決。甚至在推理中自我糾正。這種能力提升，使AI展現(xiàn)出更接近人類高級認知功能的理解、分析和推理能力。

第二幕：DeepSeek的逆襲戰(zhàn)略

“有限Scaling Law”：低成本高性能路線

在全球AI巨頭大舉投入、追求極致Scaling Law時，中國DeepSeek卻走出截然不同的逆襲之路——他們玩兒的是“有限Scaling Law”，成功實踐了低成本高性能戰(zhàn)略。

這并非否定規(guī)模力量，而是在資源有限現(xiàn)實下，玩兒出效率最大化的智慧。

DeepSeek團隊清楚，并非所有公司都像OpenAI那樣擁有無限算力與資金。所以，他們目標明確：如何在更“經(jīng)濟”的投入下，達到甚至超越頂尖模型性能？

他們不光投入少，更重要的是“會玩兒”。

“有限Scaling Law”的核心，在于對模型架構(gòu)和訓練方法深度優(yōu)化。他們更側(cè)重數(shù)據(jù)高質(zhì)量篩選與利用，而非盲目堆砌；更注重訓練算法效率和收斂速度，而非簡單延長訓練時間；更關(guān)注模型推理階段性能和能耗比，而非僅追求訓練階段的峰值數(shù)據(jù)。

有個小細節(jié)特別能體現(xiàn)他們的理念。DeepSeek CEO梁文鋒常對團隊說：“這行代碼，能不能省五毛錢的電費？”

你想想，這種摳細節(jié)、追求極致效率精神，是不是跟那種“只要有錢，大力出奇跡”的無限游戲完全不同？

最終，DeepSeek的R1模型以極低訓練成本，展現(xiàn)出與OpenAI o1模型媲美的強大能力，甚至在某些指標上有所超越。

這無疑是對“有錢就能贏”單一路徑的有力回應(yīng)，證明創(chuàng)新在資源受限時，同樣可迸發(fā)出驚人的能量。這個戰(zhàn)略選擇，也讓更多中小型企業(yè)和研究機構(gòu)看到參與大模型競爭的可能性。

架構(gòu)創(chuàng)新：MLA + MoE 的軟硬協(xié)同優(yōu)化

DeepSeek能在有限成本下跑出高性能，除了理念上的“有限Scaling Law”，還得靠他們家在模型“骨架”上的大膽創(chuàng)新和軟硬件的配合。這其中，MLA（Multi-Head Latent Attention 多頭潛在注意力）和MoE（Mixture of Experts，混合專家模型）是兩大秘密武器。

先說MLA。Transformer架構(gòu)里的“自注意力機制”雖然厲害，但處理長文本時特別“吃內(nèi)存”，就像你腦子一下子要記住一本書每一頁每一個字，特別占內(nèi)存。MLA技術(shù)就像給模型“大腦”安裝高效“索引系統(tǒng)”和“壓縮包”。它通過算法設(shè)計，讓模型計算注意力時更高效利用內(nèi)存。

打個比方，傳統(tǒng)做法圖書館所有書都是大號精裝本，特占地方。MLA能把普通書壓縮成低精度的版本，只有關(guān)鍵工具書才精裝。這樣，模型處理長文本時，就不用把所有細節(jié)都精裝到內(nèi)存里，只需要提煉核心信息，于是節(jié)省內(nèi)存占用，效率大大提升。

再來說說MoE（混合專家模型）。這個不是他們原創(chuàng)，但DeepSeek把它用活了。

傳統(tǒng)模型訓練，像培養(yǎng)“全能廚師”，什么菜都會做，訓練難還特別貴。MoE思路完全不一樣，它把大模型拆分成多個專家子網(wǎng)絡(luò)。每個專家像只專注一道菜的“專業(yè)廚師”。當新任務(wù)進來時，模型像智能領(lǐng)班，只把任務(wù)分配給最擅長解決問題的“專家”廚師，而不是所有廚師都瞎忙活。

這樣，每次計算時，只有少數(shù)相關(guān)的“專家”被激活，顯著降低了模型的計算成本和推理延遲。就像餐館有256個廚子，你點麻辣烤魚和甜點，只需激活川菜專家、海鮮廚師和甜點師三四個，效率是不是高多了？

最關(guān)鍵的是，DeepSeek不光用了這些技術(shù)，他們還實現(xiàn)了軟硬協(xié)同優(yōu)化。這可不是簡單軟件優(yōu)化，而是模型架構(gòu)（軟件）和底層計算硬件（如華為昇騰AI平臺）的深度配合。他們像軟件工程師和硬件工程師坐一桌，共同設(shè)計一套最匹配系統(tǒng)，最大限度發(fā)揮計算資源潛力。這種從“軟件”到“硬件”的全棧優(yōu)化思路。這才是DeepSeek突破資源瓶頸，實現(xiàn)低成本高性能的真正原因。

就拿DeepSeek V3模型來說，它參數(shù)高達6710億，但每次計算只需激活37億參數(shù)，這使得V3訓練成本僅5557萬美元——是同類型模型成本的十分之一。這種巨大的成本優(yōu)勢，讓所有人都震驚了。

R1開源，推動全民AI認知突破

如果說DeepSeek V3模型讓他們業(yè)界嶄露頭角，那么真正讓DeepSeek名震天下的，是它在2025年1月20日發(fā)布的推理模型R1。V3相當于基礎(chǔ)的歸納法，R1則是真正能“思考”的推理模型。

我們拿圍棋AlphaGo和AlphaGo Zero做個類比。AlphaGo打敗柯潔，因它背下人類圍棋幾千年棋譜，是在人類經(jīng)驗上學下棋。AlphaGo Zero則不同，不輸入任何人類定式，只告知它基本規(guī)則，然后自己跟自己下棋，純強化學習，“左手打右手”，把差的扔掉，好的繼續(xù)優(yōu)化。結(jié)果呢？AlphaGo Zero只訓練三天，就完勝AlphaGo。

回到AI大模型，OpenAI的GPT模型，強化學習基于人類反饋（RLHF），就像剛開始的AlphaGo。而DeepSeek的R1，像AlphaGo Zero，用無需人類反饋的純強化學習，讓AI自己“試錯”，好的留，差的扔，自己摸索最優(yōu)解。

令人震驚的是，OpenAI的推理模型o1雖率先實現(xiàn)類似能力，但它保密、不開源、不寫論文。然而，DeepSeek竟然成功復現(xiàn)了這種能力。這簡直“驚天地泣鬼神”。

而且，R1模型在交互上，竟然還能展示完整推理過程。你問問題，它不僅給答案，還能把怎么一步步“思考”出來的過程展示給你。甚至有評論說，連奧特曼都對OpenAI o1不能展示完整推理過程感到后悔。

奧數(shù)競賽中，DeepSeek R1和OpenAI o1準確率幾乎不相上下，證明R1在純邏輯推理、數(shù)學和編程上的強大能力。

2025年1月26日，DeepSeek甚至登上美國免費應(yīng)用榜單第一。微軟CEO公開場合提DeepSeek，第二天英偉達市值就下跌17%！這足以說明R1的出現(xiàn)，對整個AI生態(tài)產(chǎn)生了巨大震動。

劉嘉教授曾打比方：“這就像從尼安德特人到現(xiàn)代智人這么重要?！?它實現(xiàn)從歸納法到演繹法認知躍遷，人類文明史上只有古希臘發(fā)生過，才有了科學革命。

現(xiàn)在，AI正進入此階段，R1，就是智能時代的“核武器”，目前只有中美兩國擁有。

AI時代組織的構(gòu)建：以“涌現(xiàn)”為關(guān)鍵詞的AI Lab范式

在AI浪潮沖擊下，傳統(tǒng)組織模式面臨重構(gòu)需求。DeepSeek則描繪了一種以“涌現(xiàn)”為關(guān)鍵詞的AI Lab范式，更能適應(yīng)AI時代創(chuàng)新節(jié)奏。

傳統(tǒng)的研發(fā)機構(gòu)往往層級分明，任務(wù)自上而下分配。但在AI大模型研發(fā)中，創(chuàng)新不可預測，需要高度靈活性和自發(fā)性。DeepSeek AI Lab組織范式，正是為了激發(fā)這種“涌現(xiàn)”創(chuàng)新力。這種范式：

開放協(xié)作與資源共享：DeepSeek允許研發(fā)資源（特別是寶貴的GPU算力）對全員開放。研究人員可根據(jù)項目需求，自由調(diào)用計算資源，不受限于審批流程。這種高度資源共享，極大激發(fā)研究人員積極性、自主性，讓他們能更快速進行實驗和迭代。

動態(tài)團隊構(gòu)成：項目團隊非固定，根據(jù)研究方向動態(tài)調(diào)整。員工可根據(jù)興趣專長，自發(fā)成立小組，共同推進特定項目。這種靈活團隊模式，打破部門壁壘，促進跨學科合作與知識流動。

自組織管理：管理提供創(chuàng)新“涌現(xiàn)”環(huán)境，非簡單命令控制。團隊成員擁有自主權(quán)與責任感，主動發(fā)現(xiàn)問題，提出解決方案。管理者提供支持，掃清障礙，確保信息透明。梁文鋒本人就保持著極高專注力，他不見外人，大量時間招聘，親自把關(guān)人才，甚至親自寫代碼、寫論文。他們的HR團隊也極其樸素，沒有那種大公司的“高大上”氣質(zhì)。

這種以“涌現(xiàn)”為關(guān)鍵詞的AI Lab范式，本質(zhì)在于激發(fā)個體創(chuàng)新潛能，并將其匯聚成組織集體智慧。它強調(diào)信任、自由、賦能，鼓勵試錯、快速迭代，從而在不確定性極強的AI研發(fā)領(lǐng)域，實現(xiàn)持續(xù)技術(shù)突破和創(chuàng)新。這對于希望在AI時代保持競爭力的創(chuàng)業(yè)者而言，提供了極具參考價值的組織構(gòu)建思路。

有一個非常經(jīng)典的例子可以體現(xiàn)這種“涌現(xiàn)”。DeepSeek的MLA架構(gòu)創(chuàng)新是怎么誕生的？據(jù)說源于某個研究員的個人興趣，他在總結(jié)主流注意力機制架構(gòu)演化規(guī)律后，突然靈感迸發(fā)，設(shè)計出新替代方案。這個方案不是梁文鋒想的，也不是小組攻關(guān)的，就是一個年輕人“頓悟”出來的。

再比如，北大在讀博士（博三）王培懿，加入DeepSeek時并沒有強化學習經(jīng)驗，但在數(shù)學研究中獨立推導出了一個統(tǒng)一公式，解決了各種訓練方法問題，這也是一個“頓悟時刻”。正是這個公式，讓R1 Zero變成了今天的R1。

DeepSeek V2論文有150位作者，甚至包含數(shù)據(jù)標注人員名字，梁文鋒本人也在其中。這種團隊協(xié)作模式，體現(xiàn)人與人之間的平等交互，沒有嚴格的KPI和OKR束縛。

但程序員為了1%性能突破，可不眠不休工作一月，不害怕困難。因為這能激發(fā)天賦和成就感。這種組織，就是為了讓創(chuàng)新能夠自然地“涌現(xiàn)”出來。

對于技術(shù)創(chuàng)新驅(qū)動的創(chuàng)業(yè)者而言，DeepSeek的組織模式提供了新思路。傳統(tǒng)的金字塔管理、KPI考核，在AI這種高度不確定和需要靈感“涌現(xiàn)”的領(lǐng)域，反而可能成為創(chuàng)新的桎梏。

如果你也是技術(shù)出身的創(chuàng)業(yè)者，你可能更應(yīng)該相信你的團隊，尤其是那些對技術(shù)本身充滿熱情、有好奇心的年輕人。給他們足夠的自由和資源，讓他們在“無人區(qū)”里探索，而不是把他們框死在既定任務(wù)里。

梁文鋒的做法是：招來合適的人，交給他重要的事兒，然后就放手讓他自己想辦法，自己發(fā)揮。

還有就是擁抱“非標準”人才。不要只盯著大廠出來的大咖，那些有潛力的應(yīng)屆生、博士生，他們可能技能多于經(jīng)驗，但對研究的渴望遠超金錢。他們比較純粹，這樣的年輕人正是你打造“涌現(xiàn)型組織”的基石。

“我們希望培養(yǎng)出自己的團隊?！?這是梁文鋒的野心，也是你可以學習的培養(yǎng)團隊的策略。

確保內(nèi)部透明與資源共享。你的計算資源（比如GPU算力），能不能對團隊成員沒有限制？當他們有想法時，能不能隨時調(diào)用訓練集群，無需審批？這種內(nèi)部的“開源”和自由度，能夠極大激發(fā)員工的創(chuàng)造力。

請記住，組織的本質(zhì)是人與人之間的交互模式。在AI時代，你需要打造的，是一個能夠讓每個個體的“心流”與組織的“涌現(xiàn)”融為一體的組織。

DeepSeek的崛起：打破中國創(chuàng)新者的“思想鋼印”

我們要問了：DeepSeek的成就，為何是由看似“名不見經(jīng)傳”的梁文鋒創(chuàng)造的，而不是那些大廠——騰訊、阿里，字節(jié)，或者“六小虎”們？

要知道，大廠肩負著市值壓力，而“六小虎”們則面臨估值重擔。過去，所有企業(yè)都有一種根深蒂固的慣性，一條“看不見的繩子”牽引著他們：必須盡快實現(xiàn)商業(yè)化、產(chǎn)品化、應(yīng)用化，追求用戶增長和營收。因為有融資、有市值，就必然有KPI。

那么，這些巨頭為何未能自主創(chuàng)新呢？核心原因就在于一個“看不見的假設(shè)”——必須快速商業(yè)化、快速賺錢。在這種心態(tài)下，企業(yè)不敢直面最核心的問題，不敢進行長期的基礎(chǔ)投入。

但更深層次的原因是：兩代互聯(lián)網(wǎng)創(chuàng)業(yè)者，從內(nèi)心深處，就不相信中國企業(yè)有能力做基礎(chǔ)研究。無論是第一代的BAT，還是第二代的頭部企業(yè)，他們嘴上說在做，但內(nèi)心深處，即使是中國最頂尖的幾家大廠，也不敢真正相信自己能做出原創(chuàng)性的基礎(chǔ)研究。

請問，在DeepSeek之前，有哪家中國大廠曾公開宣稱：“我中國的模型要做世界第一，我要引領(lǐng)世界”？沒有。

我們一直活在一種《三體》式的思維定勢中——美國人負責原創(chuàng)，中國人負責應(yīng)用和商業(yè)化。這便是兩代中國互聯(lián)網(wǎng)創(chuàng)業(yè)者集體潛意識中的“思想鋼印”。

梁文鋒用行動證明了中國公司在AI基礎(chǔ)研究和模型創(chuàng)新方面同樣具備全球領(lǐng)先的實力。這種轉(zhuǎn)變，并非僅僅是追趕，而是真正意義上的“技術(shù)領(lǐng)先”。

在過去30年的IT革命中，中國幾乎沒有真正參與核心技術(shù)革命，我們習慣了摩爾定律從天而降，默認可以等18個月再跟上。這種心態(tài)，其實是一種極大的自我矮化。

但梁文鋒和DeepSeek站了出來，用實際行動說：“我們不這樣！” 他們相信技術(shù)進步是西方科技社區(qū)幾代人持續(xù)努力的結(jié)果，我們中國人也應(yīng)該參與其中，而不是僅僅做受益者。這種理念上的轉(zhuǎn)變，是DeepSeek在AI基礎(chǔ)研究領(lǐng)域取得突破的關(guān)鍵動力。

對技術(shù)創(chuàng)新驅(qū)動的創(chuàng)業(yè)者來說，DeepSeek的理念是振聾發(fā)聵的。它呼吁我們打破“思想鋼印”。

你是否也活在“美國做原創(chuàng)，中國做應(yīng)用”的思維定勢里？梁文鋒用實踐證明，這種思想鋼印是可以被打破的。中國人第三代創(chuàng)業(yè)者也到了必須做，而且可以做，有能力做原創(chuàng)創(chuàng)新的時候了。這個時候到了，不是你也是他。

所以，要敢于挑戰(zhàn)基礎(chǔ)研究的“無人區(qū)”。不要只盯著眼前的商業(yè)化和利潤，真正的顛覆性創(chuàng)新往往需要長期的投入和對未知的好奇心。創(chuàng)新不僅僅是商業(yè)驅(qū)動的，它需要好奇心和創(chuàng)造的野心。我們只是被習慣束縛住了，這就是你內(nèi)心那根“看不見的馬繩”。

梁文鋒的行為很多時候?qū)σ粋€創(chuàng)業(yè)者的身份來說是“瘋狂”的——在2021年最糟糕的年份，他還投入巨資建設(shè)算力集群，這絕非投機者能做出的決策，而是信仰者。

“我不是因為今天AI火了，我今天做AI的，我是一直有這個夢想的?！?這種純粹的初心，才是支撐人穿越低谷、走向成功的真正動力。