逆水寒
20个关键词，串起梁文锋四小时分享_我的网站
A | 过去几年，大模型越来越会写：能列提纲、做总结、改文案，也能生成一份看起来完整的PPT。但进入真实办公场景后，问题往往出现在下一步——它是否知道用户正在推进哪个项目，能否把任务真正做完，交出的表格、文档和PPT又能不能继续修改、核验和协作？ 7月15日，在金山办公AI生产力大会现场，金山办公助理总裁田然发布灵犀专业版。他没有从模型参数讲起，而是先谈了一个更接近真实工作的角色：助理。 DeepSeek近日完成了成立以来首轮融资，融资规模约510亿元人民币，投后估值约4185亿元。 “参谋可以出主意，但助理要把事情做掉。”田然在现场说。按照他的判断，一名优秀的AI办公助理需要具备三项能力：懂用户的上下文，高质量完成任务，具备专业的Office操作能力。
B | 这三点也构成了灵犀专业版的产品主线。
C | 懂你的上下文：少让用户重复解释背景 一项办公任务很少从空白开始。 做行业分析，需要过去的数据表、会议材料和旧版报告；修改方案，要知道哪些意见已经确认、哪些内容已经删除；准备汇报，还要沿用用户长期形成的表达方式和数据偏好。
D | 创始人梁文锋个人出资约200亿元，投资方阵营有腾讯、宁德时代体系、京东、网易、IDG资本等机构。 如果AI只理解眼前的一句话，用户每次都要重新上传材料、交代背景，它更像一个临时问答工具，而不是能够长期合作的AI办公助理。
E | 与此同时，据多家媒体报道，DeepSeek已开始筹备中国内地IPO，最快可能于今年提交上市申请，并计划在2027年完成上市。 在近期的一场投资者交流会上，梁文锋进行了近4小时的分享，详细谈到了DeepSeek的组织文化、开源逻辑、技术路线以及对AI行业竞争的判断。 我们整理出了其中20个关键词和观点，带你看懂梁文锋眼中的DeepSeek下一阶段。 1、愿景：管理一个大公司，靠的不是你的规章制度，靠的是愿景。愿景不是挂在墙上的标语，愿景是你怎么做——不是怎么说——是你怎么实际运行。 灵犀以“项目”为基本单位管理上下文，将此前的对话、输出文档、相关资料、技能和参与人员放在同一个空间中。 2、克制：克制是一种战略。用户再次进入项目时，可以沿着此前的进度继续工作，不必重新说明项目背景和修改历史。 发布会演示中，用户只提出一句“完成新能源行业头部竞品数据分析”，灵犀便从知识库中寻找竞品数据追踪表和项目资料，再搜索互联网及第三方专业数据源，形成分析结果。 随着使用深入，灵犀还会沉淀用户的写作风格、数据偏好、表达结构和项目经验，并定期整理这些信息。系统会在算力相对空闲时归纳当天产生的信息，更新个人知识库；在用户授权后，也可以从指定的本地文件夹中寻找新增资料。就在于有时候你可以舍弃一些，来换更多其他的东西。不开源这个事，其实也是一样的，也可以认为是我们的压力，也可以认为是我们的让利。 3、主线：我们只做AGI的主线。AI领域很广泛，有很多东西我们觉得它不在这个主线上面，比如说3D、视频生成，我觉得可能跟智能的主线没有太大的关系，我们不会去做……从我们的判断，世界模型和智能还不是现在这个阶段最重要的事情。最重要的是AI训练，以及AI训练之后怎么解决持续学习。 这项能力的价值，不只是让AI记住更多信息，而是让用户少解释一次背景。真正懂工作，还要知道哪些材料属于当前项目、哪些版本仍然有效，以及任务接下来要往哪里推进。 4、持续学习：（持续学习是）下一代模型的核心能力。 高质量交付：从给建议，到把事情做完 田然在演讲中区分了“参谋”和“助理”：参谋可以提出想法，助理则要把事情落地。 灵犀不仅生成内容，还可以调用文档、处理数据、打开浏览器、编写代码，把任务持续推进到最终结果。必须要有持续学习的能力，它才能叫下一代模型。在那之前，我们能做的就是成本，然后效果做得更好，速度做得更快。 在团队协作中，用户可以把同事拉入同一个项目空间。不同成员围绕同一份材料提出意见，灵犀在统一上下文中依次处理，减少信息在群聊、个人AI和文件之间来回传递。 面对更复杂的需求，灵犀可以把数据分析进一步转化为在线系统，并执行本地指令完成部署。但是要有大突破，它应该是具备持续学习的。对于没有标准API接口的网页系统，也可以在用户授权和身份范围内调用浏览器，完成填写信息、上传附件和推进流程等操作。
F | 这些能力将办公软件的边界从文档延伸到浏览器、本地环境和业务系统。 5、通用智能：持续学习先做出来，通用智能可能就很容易了——用它来做就很容易。所以我说这是一个我们比较希望看到的结果，比较省力、比较轻松。
G | 过去需要用户在多个软件之间反复切换、手动衔接的工作，如今可以交由AI办公助理推进。
H | 但高质量交付不能只看任务是否显示“已完成”，还要看结果是否准确、过程能否检查、用户是否仍需大量返工。AI办公助理的价值，是接过重复、琐碎、耗时的环节，让人把精力留给判断、沟通和决策。 该图片疑似使用了AI生成技术，请谨慎甄别 Office专业操作：交付可以继续使用的原生文件 对于AI办公助理来说，完成任务之后，还有一道现实门槛：交出来的是不是一份真正的办公文件。否则现在你要去人工做通用智能，它是一个比较累、比较苦，是一个数据密集、人力密集的事情，性价比也不高。 6、稳定性：我们最大的核心利益是要保持团队的稳定性。 一些AI生成的表格没有公式，用户无法核验数字是怎样算出来的；一些PPT看起来完整，打开后却是一张图片，或者由大量文本框拼成，难以继续修改。这是我们最大的核心利益，甚至可以认为是唯一的核心利益。 田然在发布会上多次强调，灵犀要坚持原生Office操作。 在表格中，计算使用原始公式和表格指令，用户可以直接查看数据关系；图表使用标准控件生成，可以继续调整数据、维度和展示形式。只要我能够保持团队的稳定性，我一定能做成，一定能做成AGI，就这么简单。 7、中美差距：人才不是瓶颈，资源是最大的瓶颈。
I | 资源首先影响到人才培养，因为算力少，我们能做的实验机会比较少，所以我们的人才整体上比美国有差距……我们看到的所有区别，包括人才的区别、模型能力的区别、应用的区别，可以认为都是因为算力资源上的区别。 8、管理：我们公司的管理其实是两条线，一条线是从上到下，一条是从下到上。从下而上，就是每个人自己想做什么，自己做，没有人管他，没有KPI……我们公司整体上是建立在共识的基础上的，我并不是说我一个人决定所有事情，而是我要寻求共识。我在公司内的权威以及在公司内的影响力，是建立在共识的基础上的。 9、资源：我们需要多少卡？现在肯定是越多越好。在我们能够承受的范围内，肯定是卡越多越好，这是毫无疑问的。
J | 在文档中，用户可以同时在对话栏、正文和审阅区与灵犀交互，AI既能修改正文，也能处理批注和修订记录。
K | 生成PPT时，灵犀要求“图是图，表是表，图表是图表，文字是文字”。所以我们现在策略是，在合理的价格里面，能买到多少卡就买多少卡。 10、规模：我们是信Scaling，肯定是规模越大，效果越好，能够解锁更多的功能。
L | 这些内容都是可以继续编辑的原生对象，而不是一张无法拆解的静态图片。面对论文等复杂文档，灵犀也能处理页眉、页脚、分栏和公式等排版要求。 可编辑，意味着用户可以继续工作；可溯源，意味着数据和修改过程能够核验；可协作，意味着成果可以进入多人审阅和反复修改的正式流程。阻止我们Scaling的其实就是算力，并不是我们不想Scaling，是我们没有那么多的算力去做这个Scaling……我们训练这么大的模型，并不是因为我觉得这么大的模型就够了，而是我刚好有这么多资源。只有满足这些要求，AI生成的内容才能成为真正可用的办公成果。
M | 我是按照我的资源来算，我能够接受、能够训练的模型是多大，是这样算出来的，并不是这个模型就够了。
N | 据介绍，灵犀专业版将以独立产品形态提供，同时进入WPS Office和Microsoft Office，并支持网页端和移动端。 从懂上下文，到端到端推进任务，再到交付原生Office文件，灵犀试图回答的是AI办公助理最基本的问题：当用户把一项真正的工作交给AI时，它能否少让用户解释背景，把事情推进到底，并交出一份可以核验、修改和继续协作的结果。 11、芯片：国产AI芯片的硬件和生态都没有问题，唯一有问题的是产能不够。当AI能够做到这些，它才不再只是一个会回答问题的工具，而开始成为真正可以一起工作的办公助理。国产卡适配这一点，没有障碍，英伟达挡不住。
o | 如果是在一个正常的商业环境里面，我能买到英伟达的卡，那么国产替代是比较难的；但是在英伟达的卡买不到的情况下，所有人都迫不得已，都要去做国产芯片……我觉得在这一点上，英伟达是在掘自己的坟墓。华为的950超节点，在性能和价格上可以完全平替英伟达的GB200、GB300。 12、未来五年：我不太相信未来五年之后，我们还卡在产能的问题上。现在肯定是卡在产能问题上，今年、明年、后年，我觉得可能都还是卡在产能问题上，但五年之后，我觉得可能不一定，我还是比较乐观的。
p | 13、全球AI位置：在全球AI中主导分工的时候，中国公司很有可能扮演的一个角色还是产量最大。
q | 常理来讲，我们的产能最大，包括芯片，芯片可能我们的产能最大，我们的电力最多……中国人会把这产品做到最便宜，然后再在效果上（发力），毕竟国外的商品，现在很多商品中国产跟美国产并没有太大的区别。未来可能AI也是这样，但是中国产的AI可能价格会更便宜。这个便宜可能是系统性的低，就跟其他行业中国提供的服务更便宜可能是一样的。 14、AI差距：最终的差距应该是三方面：一方面成本，一方面时间，一方面用户体验。除此以外，可能是没有什么差距的。 15、少即是多：拿得多的人会被拿得少的人打败。甚至你还不用真的拿得多，愿景如果是拿得多的话，你就会被愿景是拿得少的人给打败。其实大家都没有拿到钱，只是一个愿景。你愿景是拿得多，你就先输了，你就会面临着更大的困难。 16、多模态：多模态布局我们一直在做。对产品来讲，它很重要；对C端用户产品来讲，它很重要。
r | 但是对智能的上限，它是一个组件，它不是主线本身……我们应该会上相关的模型，就是我们V4、V4的后续版本会支持原生的多模态。但是我们对多模态、对智能来讲它是个组件，我们不把它当作智能本身。 17、责先利后：我们内部很多人的想法是这样的——首先要对我们自己有用。当我们自己好用，那意味着可能别人也好用，但是首先得保证我们自己好用。对我们自己有用之后，我们在开发下一版模型的时候就会更快。 18、开源：在开源这个事情上面，我们一开始就想得非常清楚。首先，第一个就是愿景；第二个，我们认为要把AI这个事情在商业上做成，开源是有好处的。这听起来有点矛盾，有点违反直觉，因为在历史上，开源跟商业化都是有冲突的。但我觉得AI跟以前不一样……AI这个事情足够大，最终它可能得占掉人类社会GDP的百分之十，那么它其实是一个非常大的数字。你不可能独占这个事情，你一定得跟别人分享，否则你肯定活不下来。 19、数据：现在我们公司有一半的人在标数据。有一半的核心研究员，最重要的人，有一半在标数据。我们就集中在标数据。解决AI这个问题，在现在这个阶段靠的就是标数据。 20、商业化：我们本质上还是一个公司，只是说我们在考虑赚哪些钱、什么时候赚钱、赚多少钱、靠什么赚钱，我们有取舍。很多公司做得很伟大，因为它有一种利润以外的追求。那个追求最后不但没有影响到它的商业化，反而能让它商业化得更好。
Current article:http://pddj5.cibianpangjujiusu.cyou/mlm6kf/pxakoj.html
Published on:09:59:30
