三万字长文还原梁文锋从出生到现在
如果只看DeepSeek横空出世，很容易把梁文锋理解成一个突然出现的技术天才。把时间线拉长，看到的却不是一次偶然爆发，而是一条持续二十多年、方向越来越清晰的路。
这条路从粤西小城出发，经过浙大的自由探索、量化投资的财富积累、深度学习的技术转向，最后走向通用人工智能。贯穿其中的，不只是聪明，更是兴趣驱动、准确判断、资源约束下的创新，以及对长期目标的克制。
从小城出发
梁文锋1985年出生于广东吴川，父母都是小学教师。他很小就在县城的教师宿舍生活，家庭并不富裕，但父母相信知识的力量，也给了他相当大的自由。
他小学成绩突出，课堂专注，喜欢难题，也善于总结方法。但比成绩更重要的，是他很早就形成了自学能力。他不满足于课本，喜欢科技知识、电子设备、航模和动手制作。
初中阶段，他的综合成绩一度只是中上游，真正稳定的优势是数学和理科。父母没有因此把他的课余生活全部收紧。他仍然踢球、打乒乓球、下棋、看课外书，也在九十年代末的小县城里主动学习电脑，甚至能够帮学校维修设备。
这段经历让我看到，人的长期优势未必表现为每个阶段都排名第一。更重要的是，他是否形成了自己的学习方法，是否能把兴趣变成持续钻研的能力。
高中以后，梁文锋的成绩迅速上升。2002年高考，他以总分806分成为吴川市第一名。后来不少报道把他写成“湛江市高考状元”，原文对此作了纠正：他是吴川市第一，并不是湛江市第一。
报志愿时，他没有追逐清北的名头，而是选择浙江大学心仪的电子信息工程专业。这个决定很有代表性：他并非只看外部排名，而是能够判断自己的位置，选择更适合长期发展的方向。
兴趣比绩点更能解释他
进入浙大后，梁文锋并不是传统意义上按部就班的优等生。他不喜欢的课程投入不多，专业排名只是中上游，却把大量时间用于数字电路、模拟电路和工程实践。
他曾自己设计电路、编写单片机程序，把木吉他改造成可以由电脑控制炫音的电吉他。这件事既不能提高考试成绩，也没有商业回报，纯粹来自兴趣。
他还参加全国大学生电子设计大赛，与同伴完成简易频谱分析仪，获得全国一等奖，并因此取得研究生推免资格。研究生阶段，他转向机器视觉，研究如何让摄像机自动识别、跟踪目标，并在有限的人力和计算资源下完成多路信息的调度。
原文把这套研究思路与后来DeepSeek的技术哲学联系起来：技术路径虽然完全不同，但都在解决同一个底层问题——如何在有限资源中感知全局、选择重点，并得到更优结果。
我认为，这比简单寻找某种“少年天才预兆”更有解释力。梁文锋后来反复表现出的能力，不是记住更多知识，而是把一个领域里的抽象问题迁移到另一个领域。
他的大学生活也并非只有代码。他骑自行车周游华东，在野外搭帐篷；后来独自驾车进入西藏阿里无人区，遇险获救，汽车却永远留在了高原。他会弹吉他、踢足球、打网球，也喜欢摄影。
这些侧面提醒我，不应把技术创业者压缩成“宅男极客”的单一形象。敢于独自进入未知区域，本身就是他后来选择无人区式技术道路的一种人格底色。
量化投资让技术变成资本
2008年读研期间，梁文锋用8万元开始投资。他没有依赖消息、盘感或情绪判断，而是用数学、概率、交易数据和程序寻找市场中的套利机会，并尝试自动化交易。
当时量化交易在国内还远未成为主流。梁文锋和同伴属于较早的一批实践者。机器视觉训练出的数据处理能力，在这里找到了一个意外的应用场景。
研究生毕业后，他也尝试过在成都寻找人工智能的产业落点，但进展不理想。与此相对，量化投资持续获得回报。他最终回到杭州，把量化作为主要事业。
2013年，梁文锋与徐进、郑达韡成立雅克比投资。2015年，他们成立幻方科技，推出“幻方量化”品牌。原文称，他最初的8万元经过七年滚动发展到上亿元。此后幻方从自有资金管理走向对外募资，管理规模先后跨过十亿、百亿，2021年成为国内首家千亿级量化私募。
幻方的核心信念很直接：量化不是经验游戏，而是数学、概率和计算机代码构成的系统工程。策略无法靠模仿获得，竞争的关键是找到真正懂数学、懂编程、能够独立探索的人。
这也解释了梁文锋为什么始终把人才看得比组织流程更重要。无论后来做量化还是做AI，他寻找的都不是执行既定答案的人，而是能在未知问题中独立找到答案的人。
在鼎盛时看到量化的终点
真正困难的决策，往往不是失败时转身，而是在最成功的时候承认旧道路存在终点。
2019年，梁文锋判断，量化投资短期仍有巨大的规模空间，但长期超额收益会随着市场有效性提升而逐渐收敛。技术能力不断增强，市场也会因技术进步变得更有效，新增能力能够带来的边际收益最终会下降。
这意味着，量化可以继续赚钱，却未必值得作为终身事业。梁文锋面对的已经不是“怎样把幻方做得更大”，而是“未来真正值得投入的方向是什么”。
答案并非突然产生。2016年，幻方已经把量化模型从传统机器学习升级到深度学习，计算平台也从CPU转向GPU。2017年，大部分策略开始采用AI模型。到2018年，随着训练需求增加，单机算力成为瓶颈，公司必须重新定义AI和量化的关系。
如果AI只是量化工具，每一笔投入都要接受投资收益的约束。如果AI本身就是目标，量化则可以成为支撑长期研究的资源来源。
幻方在2018年明确把AI确立为主要发展方向。这是整个故事最关键的转折：一家已经成功的量化公司，决定不再让AI服从眼前利润，而让既有利润服务于AI的未来。
先造钢琴，再等待乐曲
2019年，幻方成立人工智能基础研究公司，并开始建设“萤火一号”超算集群。2020年，这套系统以1100张显卡投入运行，总投入接近两亿元。
2021年上线的“萤火二号”规模更大，使用一万张A100 GPU。原文引用团队论文称，其性能逼近英伟达DGX-A100，同时降低了成本和能耗。
一家量化公司为什么愿意投入十亿元建设AI集群？梁文锋用买钢琴来解释：一来买得起，二来有一群人急着在上面弹奏乐曲。
我很认同这个比喻。真正有效的基础设施投资，不是先买设备再寻找用途，而是已经有一群具备能力和热情的人，被现有条件限制住了。算力在这里不是摆设，也不是追逐概念，而是释放人才能力的工具。
量化业务给DeepSeek提供的最大价值，也不只是资金。幻方在长期实践中积累了算法、工程、集群管理和人才组织能力。它还允许团队在没有外部融资压力的情况下，把时间放到基础问题上。
从DeepSeek Coder到R1
2023年，幻方宣布成立独立研究组织，探索AGI的本质，并强调将长期投入，不做中庸的事。7月，深度求索公司正式成立。
同年11月，DeepSeek先后发布代码模型和通用语言模型。它们性能突出，同时开放权重、允许免费商用，首先在全球开发者社区建立了声誉。
2024年5月发布的DeepSeek V2，凭借新的注意力机制和混合专家架构，在保持高性能的同时大幅降低API价格。它不只证明中国团队可以做出有竞争力的大模型，也迫使国内同行集体重新定价。
2025年1月，DeepSeek R1让这种影响从行业内部扩展到全球公众市场。它在数学、代码和自然语言推理任务上接近当时领先的闭源模型，同时保持低训练成本、低使用成本和开放许可。
R1引发的震动，不只是一次模型排行榜的变化。它动摇了三个旧假设：顶级模型必须由少数美国公司创造；AI进步必须主要依靠无限堆积算力；领先能力必须通过高价闭源服务变现。
当高性能、低成本和开放生态同时出现，AI就从少数公司的专属资产，更接近一种可被广泛使用的基础能力。英伟达股价大幅下跌、美国社会重新讨论芯片管制与AI投资逻辑，都是这种认知变化的外部反应。
DeepSeek真正重要的地方，不只是帮助中国在一轮技术竞争中缩小差距。它证明在资源受到限制时，算法和工程创新仍然能够重新打开空间。这种能力，比单纯复制已有路线更有价值。
不用商业指标定义终点
梁文锋从量化进入AI之后，愿景也发生了变化。幻方早期希望成为世界级量化公司，这仍然是一个规模和行业地位可以衡量的目标。DeepSeek要解决的，却是智能的本质和通用人工智能的实现路径。
原文将DeepSeek的愿景概括为：以原创、开源为路径，探索智能本质，创造人人用得起的AGI。
这套愿景最值得观察的，不是口号，而是它如何改变日常决策。
DeepSeek并不把C端月活当作核心目标。即使流量爆发，它也没有急于建立封闭的超级应用，而是允许腾讯、阿里、百度、字节等公司的产品接入模型。用户可能在别人的应用里使用DeepSeek，这部分规模不会计入DeepSeek自己的月活，但符合模型被更广泛使用的目标。
它对定价也表现出明显克制。原文提到，团队会因为产品降价、用户成本下降而高兴，而不是按需求弹性寻找利润最大化的价格。
从传统商业竞争看，这近乎主动放弃护城河；从AGI目标看，却是合理选择。终点如果是扩大智能能力的普及，而不是独占入口，那么开源、低价和帮助合作伙伴都不是牺牲，而是路径本身。
我不会因此断言商业逻辑已经失效。训练、推理、人才和基础设施都需要长期资源。真正的问题不是赚不赚钱，而是利润究竟是最终目标，还是支持使命持续运行的条件。DeepSeek的特殊之处，是它把这两者的主次关系说得很清楚。
通往AGI的下一道门槛
在梁文锋的判断中，AGI不是把现有聊天机器人简单放大，而是让机器具备跨领域学习、推理、自主解决新问题、长期规划和持续积累经验的能力。
他把技术演进看作一组相互铺路的台阶：语言模型之后是思维链，再到智能体，下一步则是持续学习。持续学习一旦解决，AI就可能参与甚至主导下一代AI的研发，进入加速自我迭代的过程。
这套路线是否最终成立，还需要实践检验。但它至少说明，DeepSeek并不是围绕每一个市场热点随时调整目标，而是在一个相对稳定的技术判断上持续下注。
这也是为什么它不急于争夺所有用户入口。眼前的产品、流量和商业收入，在这张路线图里只是中间产物。真正要解决的是下一代智能系统最关键的瓶颈。
最大的稀缺不是钱
走到今天，DeepSeek面临的核心约束已经不是资金和算力，而是真正顶尖的人才。
梁文锋早年创办幻方时就强调寻找高水平编程者。到了基础模型时代，人才的稀缺进一步加剧。每一个能够推进原创研究的人，都同时受到全球大公司、创业公司和资本的争夺。
DeepSeek可以提供有竞争力的薪酬，却很难也没有必要在每一次竞价中成为最高者。它真正能够提供的，是让人才直接参与一个长期、原创、具有公共价值的技术目标。
这条路也有现实风险。愿景不能代替待遇，情怀不能自动解决人员流失。公司越依赖少数关键人才，稳定性就越重要。如何在自由研究、共同愿景与长期组织能力之间建立平衡，会是DeepSeek持续发展的重要考验。
我看到的梁文锋
梁文锋身上最容易被注意到的是聪明、专注和技术判断，但原文记录的另一些细节同样重要。
他会为留在阿里无人区的一辆旧车惆怅，会为老同学担任伴郎，会参加人数并不多的毕业十周年聚会，从教室、宿舍一直看到当年的班主任和楼管。DeepSeek成名后，他仍回吴川陪父母、看望爷爷，与童年伙伴踢球。
财富和身份改变后，一个人如何对待旧物、旧友和故乡，往往比公开演讲更能说明他的底色。
幻方长期投入慈善，DeepSeek坚持开源、低价和普惠，也让这种个人底色进入了公司的选择。善意并不能自动保证技术安全，更不能代替制度和治理，但创造强大人工智能的人如何理解利益、责任和人类共同命运，确实会影响技术最终走向哪里。
梁文锋的来时路，表面上经历了几次大转弯：电子工程、机器视觉、量化投资、深度学习、AGI。往深处看，主线其实没有改变。他始终在寻找那些足够难、可以长期钻研、又能释放技术力量的问题；始终试图在有限资源中，通过模型、算法和工程找到更优解；也始终愿意把已经获得的资源，投入到下一个更大的问题中。
DeepSeek不是从2023年才开始的。它来自县城少年对电脑的兴趣，来自浙大校园里无关绩点的工程实践，来自量化市场对数据和效率的长期训练，也来自一个人在事业鼎盛时仍愿意追问：如果赚钱不是终点，下一件真正值得做的事是什么？
我认为，这才是梁文锋故事中最值得记住的部分。一个人的成就并不只取决于他在顺境中把已有道路走得多快，更取决于他能否看见这条路的终点，并在还有能力选择时，转向那个更困难、也更有意义的问题。