巨头的克制与深水区的护城河：梁文锋的”让利”如何成就企业AI定制的黄金时代

2026年8月17日公司新闻 9

2026年7月，DeepSeek创始人梁文锋在一场长达近4小时的闭门融资会议中，以极其直白的表述划定了大模型的商业边界。

这场会议的实录近日流出。翻阅近四小时的发言与问答，一个词贯穿始终：克制。不是公关辞令中的克制，而是一个从第一性原理推演出的战略选择——”你越克制，你越有可能能够做成这件事。”

在AI行业普遍陷入”底座大厂想通吃、应用公司想自研”的零和博弈时，梁文锋的推演是反向的。他从AGI的市场体量出发，得出了一个让整个应用层松了一口气的结论：”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。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。”

他甚至进一步说：”如果说我们想独占这个利益，那么一定是要被历史抛弃的。”

这不是利他主义的宣言，这是一个基于终局判断的商业决策。从产业链视角审视，梁文锋越是坚守底座、放弃应用，就越是主动在ToB深水区为从事私有化部署和Agent定制的企业，切分出了极度安全且丰厚的商业空间。

作为聚焦企业私有化AI定制开发的服务商，我将结合梁文锋在会议中的核心观点，拆解这场”底座让步”如何重构企业AI定制的商业逻辑。

01 边界反转：从”底座通吃”到”分工共赢”，定制服务商迎来真正的安全区

过去两年，企业AI定制的最大焦虑不是技术，而是”被替代”——模型厂商今天开放API，明天就可能自己下场做应用，你的定制方案随时可能被底层降维打击。

梁文锋对这个问题给出了一个极为直白的答案。

在谈到DeepSeek的业务边界时，他这样描述自己的路线选择：”我们只做AGI的主线。”他进一步说明，AI领域很广泛，但很多东西不在这个主线上——他主动列举了3D和视频生成作为例子，明确表示”不会去做”。至于世界模型，”跟智能的上限也没有太大的关系”，同样不是他们的方向。

这个表态的商业含义非常直接：DeepSeek的精力全部集中在模型能力的纵向突破上，没有余力、也没有意愿向应用层横向扩张。梁文锋自己在会上说得很朴素——他希望这些商业机会能够让其他人来做，希望怎么用AI这件事，是整个社会和所有合作伙伴一起来做，大家一起分享收益，”而不是我想独吞，这不可能。而且我们没有那么多精力，我们的组织也没有那么多人去做这个事情。”

翻译成商业语言：DeepSeek永远不会派工程师去梳理政企客户错综复杂的ERP权限体系，不会去清洗制造业十年残缺的工业图纸，不会去适配某家工厂特有的DCS协议。不是”不去做”，是组织能力和战略方向都决定了”做不到”——一种能力边界带来的结构性安全，比善意承诺可靠得多。

这份确定性本身，就是定制服务商的商业安全边界。

02 梁文锋的”三重克制”：精准命制定制服务商的赚钱逻辑

梁文锋在会议中展现的克制不是孤立的姿态，而是一套自洽的商业体系。他把克制上升到方法论的高度——”克制是一种战略。就在于有时候你可以舍弃一些，来换更多其他的东西。”梳理下来，三重克制恰好对应了定制服务商的三个利润引擎。

第一重：边界的克制。 梁文锋毫不含糊地定义了DeepSeek做什么、不做什么。主线之外的技术——3D、视频生成、世界模型——明确不碰。应用层的机会——希望别人来做。他甚至用一个比喻解释为什么要克制：前面的可能都是芝麻，后面的AGI才是西瓜。DeepSeek不做”芝麻”生意。

定制服务商的空间：一个主动把自己限定在底座层的巨头，意味着”最后一公里”的实施利润不会被分食。这不是零和博弈中的暂时停火，而是基于产业链分工的结构性让利。

第二重：价格的克制。 梁文锋在定价上同样贯彻了克制逻辑。他的原话是：”只赚取一个合理的利润。”衡量标准极其朴素——买一批设备回来，十个月收回成本，这就是合理利润。对降价问题，他的态度更为坦率：”因为这个价格所有人都用得起了，大家都觉得这个价格是满意的。”在这种情况下继续降价，”你价格再低，对这个社会的幸福感也没有增加很多。”

定制服务商的空间：底座成本无限趋近于一个”合理的低价”，是定制商最大的利润杠杆。当模型授权和推理算力从项目总预算的60%~80%骤降至20%以下，客户预算真正向高毛利的”业务流重构”倾斜。把真金白银花在知识沉积和数据清洗上，而不是烧在算力上——这是整个行业从成本驱动向价值驱动的关键转折。

第三重：技术的克制。 为了拉高估值，大量AI公司在死磕文生图、视频生成等C端吸睛方向。梁文锋对此的态度近乎冷淡。他在会上直接表示，3D和视频生成”可能跟智能的主线没有太大的关系”，世界模型也”跟智能的上限也没有太大的关系”。DeepSeek的唯一主线是AGI。他把AGI的发展理解为一个台阶式的渐进过程：去年的台阶是思维链，而”今年的阶梯就是Agent”。Agent之后呢？他的判断非常明确：”应该要解决的问题是持续学习。”原因也很直接——”如果说AI具有持续学习的能力，它跟你的员工一样，到公司学习两个月，那么就可以替代天下的人了。”

定制服务商的空间：工厂排产、政务审批、异常数据监测——这些场景不需要AI会画画，需要的是极强的因果推理和多步逻辑。当底座厂商把全部研发弹药集中在推理和Agent能力上，定制商拿到的是一个越来越锋利的专业工具，而不是一个什么都会但什么都不精的”万能瑞士军刀”。

底座越专注，工具越锋利。工具越锋利，定制越值钱。

03 定制服务商的真正壁垒：不止是接API，更是”持续学习”体系

梁文锋在会议中对”持续学习”给出了极高的战略定位。他在描述AGI的路线图时，用了非常清晰的三步走：思维链→Agent→持续学习。”Agent这个阶梯，它也是会走完的。”走完之后，横在AGI面前的下一个瓶颈就是持续学习——”怎么让模型可以持续地学习，而不是说你要给它一个很强的训练，它应该能够像人一样做一个比较长时间的持续学习。”

这个判断直接点透了当前ToB AI定制行业最大的战略漏洞。

目前大量AI定制公司交付的系统，在验收那一刻模型能力就锁死了。随着企业新数据产生、业务流程调整、人员岗位变动，AI的回答越来越偏离现实，逐渐退化为传统软件外包——只不过代码换成了固定权重的模型。

梁文锋对人类员工的描述恰好反衬出这个问题的严重性。他说：”你招一个员工，他可能花两个月时间来熟悉这公司的环境，熟悉他的工作。他就能做很多事情。他能够听懂你说的话，比如说你说，叫那个小王来，他就知道小王是谁。但如果AI的话，因为这个上下文，他前面没有这两个月的学习。你跟他说，叫小王过来，你得告诉他小王是谁、什么职务、他在哪里、要怎么去找他。”

今天的绝大多数企业AI交付物，恰恰就是这种”没有两个月的学习”的状态——部署即冻结，上线即退化。

“持续学习”因此成为定制服务商的分水岭。

浅层集成——接API加一个侧边栏对话框——任何人都能做，没有壁垒。真正的壁垒是建立一套”自动化数据回流”体系：让客户每天在OA里流转的审批、CRM里的真实跟单数据、DCS里产生的设备运行参数，自动沉淀为新增高质量语料，形成从”数据产生”到”知识更新”再到”模型优化”的闭环。

这个闭环的构建需要三重能力叠加。第一，行业know-how——知道什么数据对什么业务有价值，什么信号值得捕获。第二，工程架构能力——设计数据采集、清洗、标注、微调的自动化管道，做到”无声运行”。第三，运营服务能力——持续监控模型质量、及时响应业务变化、防止模型退化。三重能力叠加，才是”基础设施级”的定制服务。

谁能把这套”持续学习”体系做成标配交付，谁就从”外包商”变成了企业不可剥离的AI基础设施。

04 避开90%定制商的踩坑陷阱：拒绝”接API加对话框”的浅层集成

梁文锋在描述AGI路线图时，对Agent的定位非常精确——”今年的阶梯就是Agent”。他解释说，用Agent的方式，”即便多有事情也可以做，它的能力范围会更大，它的智能上限会更高。”

注意这里的措辞：”能力范围更大””智能上限更高”。这两个描述直接对标的是企业场景中复杂任务的处理能力——不是单轮问答，而是多步推理、多工具调用、多结果交叉验证。

但当前市场上大量”AI定制”方案恰好走的是反面。

大量定制商的做法是：接一个大模型API，套一个对话界面，写几段Prompt模板，就叫”企业AI解决方案”了。这种交付的本质还是”人+AI工具”——用户自己组织问题、自己判断答案质量、自己执行后续操作。所有复杂度仍然由人承担。

真正应该做的是”AI+人”：AI自动拆解任务、自动调用多系统数据、自动交叉验证结果、自动生成可执行的动作，人只在关键节点审批和兜底。

二者的差距不在模型能力，在工程架构。

大神科技的DSClaw多智能体编排引擎走的就是第二条路：用户提出一个问题，编排引擎拆解为多个子任务，分发给数据Agent、文档Agent、图谱Agent、推理Agent分别执行，结果在同一语义模型上交叉校验，最终输出结论并自动触发Action。这条路难走，但它恰恰是浅层集成和深层定制之间的分水岭。

难的才是对的。容易的，模型自己就做了。

05 AI定制如何重构企业服务商业逻辑：高毛利与不可替代性

传统企业软件服务商的致命天花板是：收入越高，人越多。人越多，管理成本越高，毛利越低。典型的”人天乘以单价”的线性模型，毛利天花板在30%左右，规模越大越不赚钱。

梁文锋的”让利”逻辑，实际上为定制商打开了一条完全不同的增长曲线。

梁文锋在解释开源和商业化的关系时，给出了一个很有意思的成本逻辑——他说DeepSeek的API定价是”到市场上买一批设备回来，十个月收回成本”作为合理利润的基准线。这个逻辑放在定制服务领域同样成立：底座成本持续下降，但定制服务的价值不降反升。当模型推理成本被压低到”十个月回本”的水平时，底座厂商让出来的不是收入，而是场景空间。底座越便宜，定制越值钱——这是产业链价值向”最后一公里”的不可逆转移。

第二，AI定制天然具备”规模递增”效应。同一个行业的定制方案，第一个客户需要深度调研、建模、测试，投入最大。但第二个客户复用80%的行业模板，边际成本骤降。第三个、第十个客户的交付效率呈指数级提升。行业know-how一旦沉淀为系统化的知识模板和Agent配置，就不再是人天的线性累加，而是资产的复用增值。

第三，持续学习闭环形成”替换成本”。当一个企业的AI系统不仅知道今天的数据，还沉淀了过去六个月的业务演变——每次审批偏好、每条跟单策略、每类异常的处理记录——替换这个系统的成本已经不是”换一个模型”那么简单，而是”重新积累半年的业务记忆”。这种数据飞轮一旦转起来，客户粘性不是靠合同锁定的，是靠”AI越用越懂你”锁定的。梁文锋在会上说，人的员工入职两个月就能熟悉公司、听懂”叫小王来”这种话。AI定制商的终极交付目标，就是让每个客户都有一个”入职了两个月”的AI。

这才是AI定制行业真正的终局：不是卖一个项目，是成为企业数字化的底层基础设施。毛利结构从线性走向指数，客户关系从项目制走向共生制。