На четырёхчасовой встрече с инвесторами основатель DeepSeek Лян Вэньфэн обозначил приоритет, который перечёркивает привычную логику стартапов: главная цель компании - общий искусственный интеллект (AGI), а не монетизация, рост числа пользователей или захват рынка. Продукты - лишь побочный эффект на этом пути. Коммерциализация, по словам Ляна, «ещё очень далека».
Это заявление - не маркетинговый ход. Оно объясняет все ключевые решения компании: открытый исходный код моделей, демпинговые цены на API, отказ от сверхприбылей. DeepSeek строит исследовательскую машину, а не бизнес-империю. И эта стратегия уже меняет расстановку сил в AI-гонке.
Философия DeepSeek: AGI как единственная цель
AGI для DeepSeek - не размытый термин из пресс-релизов, а конкретная инженерная задача. Компания фокусирует R&D на фундаментальных прорывах в архитектуре моделей, а не на фичах для конечного пользователя. Лян Вэньфэн прямо заявил инвесторам: продукты - побочный эффект исследований, инструмент для тестирования гипотез в реальных условиях.
Два факта подтверждают серьёзность этого заявления.
Первый - открытый исходный код. DeepSeek публикует веса моделей и технические отчёты, делая архитектурные решения доступными для аудита и воспроизведения. Это ускоряет коллективные исследования и привлекает таланты, которым важна научная прозрачность, а не зарплата в условном Tencent.
Второй - ценообразование API. Стоимость токенов DeepSeek остаётся на уровне, который аналитики Artificial Analysis называют «экстремальным соотношением цены и качества». Компания не пытается снимать маржу с каждого запроса. Цель - максимальное распространение моделей для сбора данных, тестирования гипотез и создания экосистемы вокруг своих архитектур.
Такой подход прямо противоположен стратегии OpenAI, где монетизация через ChatGPT Enterprise и закрытые модели опережает фундаментальные исследования. DeepSeek выбрала другой путь - и пока он работает.
«Сдержанность» как стратегическое оружие
Термин «restraint» (сдержанность) Лян Вэньфэн использует для описания трёх взаимосвязанных принципов: открытость кода, неагрессивное ценообразование и отказ от сверхприбылей. Каждый из них конвертируется в конкретное конкурентное преимущество.
Открытый код: ставка на коллективный разум
DeepSeek публикует модели на GitHub с подробной документацией. Реакция сообщества - тысячи форков, сотни производных проектов, интеграции в сторонние фреймворки. Это не благотворительность. Это стратегический расчёт.
Открытость решает три задачи. Первая - скорость итераций: внешние исследователи находят баги и предлагают улучшения быстрее, чем закрытая команда. Вторая - стандартизация: когда рынок привыкает к вашей архитектуре, конкуренты вынуждены адаптироваться под ваши форматы. Третья - найм: лучшие ML-инженеры идут туда, где можно читать код и публиковать результаты.
Meta пыталась играть в эту же игру с Llama, но, как мы разбирали ранее, управленческие ошибки стоили компании лидерства в open-source AI. DeepSeek этих ошибок избегает - и выходит вперёд.
Ценообразование без агрессии: демпинг ради экосистемы
Стоимость миллиона токенов на API DeepSeek в разы ниже, чем у OpenAI и Anthropic. Компания не пытается заработать на каждом вызове. Задача - сделать модели настолько дешёвыми, чтобы разработчики даже не рассматривали альтернативы.
Такой подход возможен благодаря архитектурной эффективности. MoE-модели DeepSeek активируют лишь часть параметров на каждый токен, снижая затраты на инференс. Компания не субсидирует API из инвестиционного капитала - она построила экономику, в которой низкая цена окупается объёмом.
Результат: миллионы разработчиков используют DeepSeek как базовый слой для своих приложений. Компания получает поток данных, на которых можно обучать следующие поколения моделей. Монетизация откладывается на будущее - когда AGI станет реальностью.
Отказ от сверхприбылей: реинвестирование в compute и таланты
DeepSeek не стремится к IPO, не раздаёт опционы с привязкой к капитализации, не строит рекламную экосистему. Весь свободный капитал уходит в вычислительные ресурсы и зарплаты исследователей. Лян Вэньфэн называет это «реинвестированием в фундамент».
Сравните с Google: компания тратит десятки миллиардов на обратный выкуп акций, пока её AI-подразделения конкурируют за внутренние ресурсы с рекламным бизнесом. DeepSeek избавлена от этого конфликта интересов - у неё нет другого бизнеса, кроме исследований.
Этот контраст особенно заметен на фоне разницы в моделях финансирования между Китаем и США. Китайские AI-стартапы получают государственные субсидии и кредиты с минимальными ставками, что позволяет им сосредоточиться на технологиях. Американские - зависят от венчурных фондов, требующих быстрой окупаемости. DeepSeek использует китайскую модель финансирования на полную катушку, но без бюрократической неповоротливости государственных структур.
Разрыв Китай-США: проблема не в талантах, а в ресурсах
Лян Вэньфэн сформулировал позицию, которая идёт вразрез с западными нарративами: Китай обладает достаточным количеством талантов в AI. Проблема - в вычислительных ресурсах, доступ к которым ограничен санкциями США на экспорт чипов.
DeepSeek компенсирует дефицит compute архитектурными инновациями. Эффективные MoE-модели компании требуют меньше вычислений на единицу производительности, чем плотные архитектуры конкурентов. Оптимизация пайплайнов обучения позволяет выжимать максимум из доступного железа.
Цифры подтверждают тезис: на бенчмарках DeepSeek показывает производительность, сопоставимую с моделями, обученными на кластерах в 2-3 раза большего размера. Это не магия - это инженерная дисциплина, выросшая из ограничений.
Ситуация с кадрами выглядит иначе. Китайские университеты выпускают больше STEM-специалистов, чем любая другая страна. DeepSeek агрессивно нанимает лучших, предлагая им то, чего не могут дать коммерческие гиганты: свободу публикаций, работу над фундаментальными проблемами и отсутствие давления со стороны продакт-менеджеров.
Не стать «следующим Tencent»: альтернативный путь китайского AI-гиганта
Типичный путь китайского техногиганта выглядит так: быстрый захват рынка, монетизация через экосистему (платежи, игры, реклама), уход от фундаментальной науки в пользу прикладных сервисов. Tencent, Alibaba, Baidu - все они начинали с технологических амбиций, но стали конгломератами.
DeepSeek сознательно избегает этой траектории. Компания не строит потребительскую экосистему, не запускает рекламную сеть, не покупает игровые студии. Лян Вэньфэн публично дистанцируется от модели Tencent, подчёркивая, что исследовательская миссия несовместима с логикой квартальных отчётов.
Три фактора удерживают DeepSeek от превращения в коммерческого монстра. Первый - структура собственности: компания не зависит от публичных рынков и не обязана максимизировать прибыль. Второй - кадровая политика: исследователи приходят за наукой, а не за опционами на IPO. Третий - культура сдержанности: отказ от агрессивной экспансии закреплён на уровне стратегии, а не просто декларируется.
Эта модель напоминает ранний Google или Bell Labs - организации, которые ставили фундаментальные исследования выше продуктовых KPI. Разница в том, что DeepSeek работает в эпоху, когда AI-гонка измеряется месяцами, а не десятилетиями.
Практические уроки для AI-проектов: как применить «сдержанность»
Стратегия DeepSeek не универсальна - она требует специфических условий финансирования и терпеливых инвесторов. Но четыре принципа можно адаптировать для проектов любого масштаба.
Первый: определите долгосрочную миссию и не разменивайтесь. DeepSeek отказывается от краткосрочной выручки ради AGI. Ваш проект может отказаться от фич, которые размывают фокус, ради ключевой метрики. Спросите себя: что мы строим на самом деле? И выпилите всё, что не ведёт к этой цели.
Второй: рассмотрите открытый исходный код как инструмент ускорения. Открытые модели привлекают контрибьюторов, создают стандарты и снижают стоимость онбординга новых пользователей. Mistral и Meta уже доказали, что open-weight модели могут конкурировать с закрытыми аналогами. OpenAI, напротив, уходит от открытости - и теряет позиции.
Третий: оптимизируйте затраты на инференс. Ценовое преимущество DeepSeek строится на архитектурной эффективности, а не на демпинге за счёт инвестиций. Изучите MoE, квантование, спекулятивную декодинг - техники, которые снижают стоимость токена без потери качества. Низкая цена - это конкурентный ров.
Четвёртый: инвестируйте в таланты, а не в маркетинг. DeepSeek не тратит бюджеты на конференции и рекламные кампании. Лучшие исследователи приходят через научные публикации и открытый код. Ваш проект может привлекать инженеров сложностью задач и свободой действий - это работает лучше, чем HR-брендинг.
Риски и ограничения стратегии DeepSeek
Стратегия сдержанности несёт специфические риски. Их понимание важно для объективной оценки модели.
Первый риск - зависимость от терпения инвесторов. Четырёхчасовые встречи с Ляном Вэньфэном работают, пока акционеры верят в AGI. Если прогресс замедлится, давление в сторону монетизации усилится. DeepSeek пока справляется, но горизонт терпения не бесконечен.
Второй риск - регуляторное давление в Китае. Государство поддерживает AI-разработки, но может потребовать контроля над технологиями двойного назначения. Открытый исходный код вступает в противоречие с логикой технологического суверенитета. Как будет разрешён этот конфликт - открытый вопрос.
Третий риск - технологическое отставание при нехватке ресурсов. Архитектурные инновации могут компенсировать дефицит compute до определённого предела. Если санкции ужесточатся, а конкуренты получат доступ к следующему поколению чипов, разрыв может увеличиться.
Четвёртый риск - удержание талантов без IPO. Исследователи приходят за наукой, но рано или поздно захотят монетизировать свои усилия. DeepSeek компенсирует это зарплатами и свободой, но отсутствие ликвидности акций - долгосрочный минус.
Митигация этих рисков строится на том же принципе эффективности. Компания выжимает максимум из доступных ресурсов, сохраняет фокус на фундаментальных прорывах и поддерживает культуру, в которой исследовательская свобода ценится выше финансовых стимулов. Работает ли это в долгосрочной перспективе - покажет время.