北京
出品 | 网易智能
作者 | 小爪
编辑 | 王凤枝
"眼前的是芝麻，后面才是西瓜。"
在最近流传的"四小时投资人会议实录"中，梁文锋这样解释DeepSeek为什么不急着补产品、不做超级App、也不追求利润最大化。芝麻是今天就能捡起来的用户、收入和市场份额；西瓜是他心里那个还没实现的AGI。
大多数AI公司的产品负责人今天在想的问题是：怎么争入口、怎么把助手做成平台、怎么在用户规模上追上ChatGPT。梁文锋想的不是这些。他公开承认DeepSeek的产品并不完善，也不打算优先补齐所有体验缺口。这不是因为看不到用户需求，而是他对"产品"这件事的定义，和主流不一样。
在他的判断里，产品不只是流量入口，也是模型能力进化的一部分。而模型能力进化的第一手燃料，来自公司内部。最有价值的第一批使用者，可能就在自己身边。
这套判断贯穿了他关于产品、用户、商业化和AGI的所有取舍。
用户是谁：不是市场上最多的那群人，是自己
互联网产品经理判断优先级的标准，通常是"哪个市场大、哪个用户多、哪个频次高"。梁文锋反过来问："哪个能让我们自己先用起来？"
所以他把编程智能体排在金融、医疗等行业智能体之前。原因不是编程市场更大，而是编程智能体和DeepSeek每天的核心工作高度重合。 研究人员每天都在修改代码、配置实验、调用工具、分析结果、定位错误。他反复强调，模型要"首先给我们自己用"，因为内部研发效率提高以后，下一版模型也可能更快完成。
这是一种少见的产品优先级排序方式。大多数公司先看外部市场规模，再决定资源投向；梁文锋先问的是这款产品能不能解决自己的核心问题。
这不再只是设想。DeepSeek在2026年4月24日发布V4 Preview时，官方明确称V4已经用于公司内部的智能体编程工作。官方没有披露它覆盖了哪些工程环节、有多少研究人员使用，也没有公布节省时间或加快迭代的具体数据。现阶段能确认的只是"已经在用"。
产品是什么：不是终点，是研究的一环
在梁文锋的理解里，产品不是研究的终点，而是研究的一部分。这句话听起来像口号，但它有具体含义。
传统产品观里，反馈回路是"用户操作、数据回流、模型更新"这种自动化闭环。梁文锋谈的不是这个。他谈的是产品作为一个持续暴露问题的环境。 模型在哪一步失去上下文、为什么调用了错误的工具、什么时候需要人类接管，这些问题只有在真实任务里才会显现。
编程任务尤其适合暴露这类问题。代码能否运行、测试是否通过、修改有没有引入新错误，都有较清楚的结果。相比开放式对话，编程智能体更容易形成"执行、检查、修正"的过程，失败也更容易被转化成后续训练数据、评测任务或工程改进目标。
更进一步，他谈到持续学习：模型能在长期任务中保留和复用经验，不必每次都依赖完整上下文重新开始。这是他为下一阶段设定的目标，也是他公开承认的未解难题："全世界都还没有找到好的方法。"
编程智能体负责把模型送进真实任务，持续学习决定这些任务留不留得下来。如果未来的模型还能参与实验设计、代码实现、结果分析和评测，产品和研究之间的边界就会真正打通。产品不再是研究的下游，而是研究的一部分。这是梁文锋产品观里最本质的一条。
边界在哪：不做超级App，先守住研究资源
外界常问：DeepSeek有用户、有API、有品牌，为什么不顺势做成下一个字节或腾讯？
梁文锋明确说过不想。这个选择不能理解成他不看重最终用户。用户越多，产品遇到的真实任务和反馈通常越丰富，开源、API和自有应用本身也并不冲突。他真正在守的是组织资源。
运营一个超级App，意味着持续投入产品设计、增长、运营、内容治理和商业化；进入金融、医疗等行业，还需要专业数据、合规能力和交付团队。这些工作都有价值，却会和模型研究争夺人才和管理注意力。他的判断是：现阶段，研究比产品化更值得投入。
所以他选择开源加 API的组合。开发者和应用公司可以在模型之上建设工具与行业方案，不愿自行部署的客户则可以直接购买 API服务。DeepSeek官方 GitHub还持续公开模型、推理、训练和基础设施相关项目，扩大外部使用和研究的范围。
这条路线不是没有代价。离最终用户越远，公司越难掌握完整的使用关系、品牌入口和商业利润。第三方可以比较并更换模型，也可能把最有价值的用户反馈留在自己的系统里。梁文锋接受了这个代价，因为他判断：研究团队保持专注，比多占一块应用市场更重要。
他的克制也不完全出于善意。他公开说过，AI 最终可能占到人类 GDP 的百分之十，"一个人独占这个事情，你不可能独占"。想拿得多的人，会被愿意拿得少的人打败。 开源和合理利润，是他对这个市场规律的顺应。
商业化的位置：供血，不掌舵
大多数公司的产品路线是被商业化推着走的：大客户要什么就做什么，销售目标定多少就往哪里跑。梁文锋不否认商业化的必要，他明确说过："我们本质上还是一个公司。"但他给商业化划了一个位置：供血，不掌舵。
付费 API 就是这个位置的现实落点。训练、推理、人才和基础设施都需要长期投入，已经形成的模型能力必须变成可持续的服务，研究才有稳定的资金来源。开源和收费也可以同时存在：开放权重降低研究与部署门槛，API 为需要现成服务的用户提供另一种选择。
他还给"合理利润"设了一个具体尺度：一台设备十个月回本，大概对应六倍利润。他公开说，这已经够了。这句话对产品路线的影响很大。大客户定制、行业交付、销售目标和短期体验优化通常能带来更明确的收入，却也可能迅速占用研究与工程资源。 给利润设上限，等于给"最容易赚钱的需求"设了一道防线，不让它们自动获得最高优先级。
这套安排最难的部分，是长期维持取舍。补产品、扩销售、做行业方案，回报往往更快也更容易衡量；持续学习和更深的 AI 辅助研发没有确定时间表。梁文锋赌的是：只有模型进步继续带来更好用的产品、更高的研发效率或更低的服务成本，今天放弃的机会才可能换来更大的回报。
芝麻和西瓜：他的产品观最终指向哪里
梁文锋把眼前的用户和商业机会比作"芝麻"，把尚未实现的 AGI 比作后面的"西瓜"。这大概是他产品观最直接的表达。
其他人的产品观通常在讨论如何做出更好的产品：更好的体验、更大的规模、更高的收入。梁文锋的产品观在讨论产品应该服务于什么：服务于 AGI 这个更远的目标。 功能可以晚一点补，入口可以暂时不抢，利润也不必做到最大，只要这些让步能增加做成 AGI 的概率。
这不是一种"做产品"的方法论，而是一种"要不要把资源花在产品上"的判断标准。 所以他允许产品不完整。研究资源有限时，他宁愿把人留在模型问题上，也不为每一个体验缺口建立完整的产品、运营和交付体系。
但他也承认克制有边界。产品虽然不完整，仍要承接足够复杂的真实任务。否则用户不会深入使用，内部工具也可能停在浅层，DeepSeek 便收不到下一轮研究真正需要解决的问题。少做产品，也会反过来损伤它原本想保护的研发。
这套产品观是否成立，最终不能靠"克制"本身证明。它只能由下一代模型证明：梁文锋说的那个西瓜，究竟在不在后面。
