标签: 梁文锋
2025年中国人工智能领域最具代表性的10位专家包括：梁文锋、张一鸣、周靖人、陈
2025年中国人工智能领域最具代表性的10位专家包括：梁文锋、张一鸣、周靖人、陈天石、王兴兴、彭志辉、杨植麟、闫俊杰、印奇、张鹏。以下为具体介绍：梁文锋：DeepSeek创始人兼CEO，主导研发开源推理大模型DeepSeek-R1，性能比肩国际顶尖模型，显著降低AI使用成本并推动技术普惠。张一鸣：字节跳动创始人，推动公司生态全面AI化，强化大模型应用落地，巩固原生技术领先优势。周靖人：阿里云智能CTO，统筹通义千问大模型与云计算算力协同，夯实AI产业基础设施。陈天石：中科寒武纪创始人兼CEO，深耕国产AI芯片研发，带领企业扭亏为盈，重塑产业估值逻辑。王兴兴：宇树科技创始人兼CEO，开创低成本高性能足式机器人技术，推动人形机器人产业化，产品成中国智造全球名片。
从梁文锋到闫俊杰:中国大模型的“降本”与“增效”
继DeepSeek创始人梁文锋之后，MiniMax创始人兼CEO闫俊杰在1月19日出席专家、企业家和科教文卫体等领域代表座谈会。DeepSeek聚焦底层大模型研发，MiniMax则从成立之初就瞄准海外，在闫俊杰身后，是一家成立四年、产品正被2.12亿...
幻方量化年收益率曝光,DeepSeek梁文锋发财了
答案其实藏在创始人梁文锋的另一重身份里：他不仅是DeepSeek的灵魂人物，更是国内顶级量化私募机构幻方量化的掌舵者。在研究经费方面，DeepSeek此前一直依靠幻方支撑。据媒体消息，梁文锋曾公开表示：“幻方作为出资人之一，有...
【DeepSeek梁文锋戳破中美AI差距真相：不是差两年，是地基与装修的区别】
【DeepSeek梁文锋戳破中美AI差距真相：不是差两年，是地基与装修的区别】DeepSeek公司创始人梁文锋在2025年12月接受《暗涌》专访时的一番话，戳破了很多人对中美AI差距的误解。面对“中美AI只差一两年”的说法，他直言这是外行话，“真实的差距是原创和模仿之差，如果这个不改变，中国永远只能是追随者”。这话精准点透了核心：美国搭建了AI的底层地基与框架，从Transformer架构到顶尖算力芯片，从原创算法到基础模型的底层逻辑，都是自主构建；我们更多是在这个基础上“装修”——优化应用场景、降低训练成本、适配本土需求，却没触及最核心的原创突破。梁文锋在采访中透露，国内最好的模型在结构和训练动力学上，与国外先进水平仍有两代差距，要多消耗4倍算力才能达到同等效果。这和多位行业专家的判断不谋而合：中美AI核心差距3-5代、8-10年，短期追赶难以抹平。但承认差距≠自暴自弃，中国早已找到“另辟蹊径”的破局之路，两大优势尤为突出。一是应用落地能力全球领先。就像互联网发端于美国，却在中国绽放出最丰富生态一样，AI领域也在重演这一逻辑。DeepSeek的R1模型开源后，不仅登顶中美苹果应用商店免费榜，还被非洲开发者用来搭建农业病害诊断系统；北大团队基于它开发的“AI数学教练”，让学生解题效率提升40%；义乌商家靠AI用10分钟生成多语种带货视频，把小商品卖到全球。从政务智能响应到工业降本增效，我们把技术转化为实际价值的能力，放眼全球都难逢对手。二是我国在能源方面的优势成为关键底气。马斯克早有预判：中国AI若想超越美国，能源可能是核心变量。AI训练需要海量算力，而算力的背后是电力支撑——中国在清洁能源、基础设施建设上的积淀，为大模型研发提供低成本、高稳定的能源保障。就像DeepSeek用2048张性能受限的H800芯片，通过技术优化把V3模型训练成本压到美国同类模型的二十分之一，背后离不开能源与效率的双重支撑。更值得我国国人骄傲的是，我们已开始向原创突破发力。梁文锋团队不仅发表技术论文突破GPU内存限制，还开源了MLA架构，成为首个登上《自然》年度十大科学人物的中国AI研究者，让硅谷都为之侧目。美国强在“地基扎实”，我们胜在“落地生根+能源托底”。AI的终极价值要回归产业、服务生活，而中国有超大规模市场、完整产业链和旺盛需求，这些都是将优势转化为胜势的底气。与其纠结于在别人的赛道上追赶，不如在应用创新、能源赋能乃至我国具有优势的其它新赛道上跑出加速度！你觉得中国AI赶超美国，还有哪些关键突破口？欢迎在评论区聊聊～
梁文锋发大财:幻方量化2025年收益率57%,DeepSeek不缺钱
幻方量化，大家应该都熟悉的，它就是Deepseek的母公司，而幻方量化的机构主体为浙江九章资产管理有限公司，梁文锋是实际控制人，持有85%的股份。而Deepseek是幻方量化开发的一个AI大模型，梁文锋之前也说过，DeepSeek的研究...
但斌转发梁文锋谈西蒙斯内容,称量化投资在中国如鱼得水,并转发百亿私募2025年业绩榜单图
此前的1月12日，但斌还在微博转发梁文锋在征服市场的人序言中谈及量化投资的相关内容，并点评称：“量化投资在中国如鱼得水。公开信息显示，近年来百亿量化私募在年度收益榜单中占据显著位置。此次榜单中，量化机构幻方位居第...
中美差距到底有多大？梁文锋毫不避讳、一针见血地回答：“表面上中国AI与美国可
中美差距到底有多大？梁文锋毫不避讳、一针见血地回答：“表面上中国AI与美国可能仅有一两年的技术代差，但真实的差距是原创和模仿之差。如果这个差距不改变，中国永远只能是追随者，所以有些探索是逃不掉的。”这回答听着扎心，却撕开了人工智能赛道上那层华丽的幕布。当全球目光都聚焦在中美大模型你追我赶的技术参数时，梁文锋的言论像一把手术刀，剖开了“并跑”表象下的深层结构差异。我们看到了漂亮的数字。斯坦福大学的报告显示，中美顶尖大模型能力差距从17.5%急剧缩小到0.3%。国产大模型在应用场景中攻城略地，中国坐拥全球十分之一的人工智能产业规模。这些成绩单足够光鲜，足以让人热血沸腾。但这种追赶的底色是差异化的路径。权威分析指出，美国在基础理论、核心算法和高端芯片上保持领先。我们的优势则在于产业融合与快速迭代。如同修筑高速公路，别人在研发新型材料和发动机，我们在高效利用现有材料，把路修得更快更宽。研究机构数据显示，美国在高质量、高被引的核心AI专利中占比高达65%，而我们的大量专利并未转化为同等影响力的原始创新。这种路径差异在算力短缺的催化下愈发明显。有国产明星大模型在资源受限下，通过架构创新将训练成本降至行业标杆的10%。这无疑是了不起的工程壮举，但也清晰地标定了当前竞争的坐标：在资源约束下进行极致优化，与从0到1定义规则。2026年的投资趋势，为这种分野写下了清晰的注脚。市场研究显示，美国企业近六成希望直接购买预构建的AI智能体，他们想要的是现成的解决方案。而超过一半的中国企业却期待能够自定义构建。研究机构的预测揭示了更深刻的未来图景。2026年，美国企业的AI预算将重点投向业务流程自动化与智能体。硅谷顶尖风投则判断，AI正从“对话工具”跃升为自主执行的“多智能体系统”，并预言“屏幕时代即将终结”。他们的目光已投向“比特接管原子”，用AI与软件重新定义能源、制造等物理世界的基础运行。相比之下，同期中国企业的IT投资重点，仍大量集中于核心应用的现代化和基础设施的迁移。当别人在思考如何用AI重塑世界时，我们仍有相当部分的精力在夯实数字化的路基。这并非孰优孰劣，而是发展阶段与终极愿景的温差。表面的参数追赶，掩盖不了底层要素的鸿沟。中国AI人才缺口高达500万，供求比触目惊心。在代表原始创新能力的顶级AI研究者数量上，我们不及美国的三分之一。没有足够多的一流头脑，如何去挑战最前沿的无人区？数据生态的挑战同样严峻。企业中80%的知识沉睡于非结构化的“暗数据”中，而我国数据基础制度建设尚在起步阶段。行业数据壁垒高筑，高质量标注人才稀缺。燃料的纯度与供给不足，引擎的马力又如何能无拘无束地释放？更严峻的是“数字铁幕”的阴影。从芯片断供到技术封锁，从人才交流阻隔到企业列入清单，全方位的限制意图将中国隔离在核心创新生态之外。在这种态势下，即便个别模型实现了性能的“持平”，整个技术底座和学术共同体的连接一旦被弱化，可持续的原创力从何而来？那么，梁文锋所指“逃不掉的探索”究竟是什么？它意味着我们必须接受一个现实：在下一轮以“自主智能体”和“物理世界融合”为特征的竞争中，模仿与优化的边际效益将急剧递减。真正的突破，将来自数学、物理、脑科学等基础学科的交叉地带，来自对智能本质的重新想象。国家的战略意志已经明晰。“人工智能+”被提升至战略支柱地位，政策导向正从促进产业发展转向推动与千行百业的深度融合。目标是让AI像水电一样成为基础生产要素。这需要的不仅是技术应用，更是从底层芯片、算法框架到开源生态的全面自主。国产大模型通过极致算法优化，在成本十分之一的情况下逼近顶级性能，这已证明了一条差异化的突围之路。但下一步，是从“可用”到“好用”，再到“定义可用”的惊险一跃。我们拥有全球最完整的工业体系和最丰富的应用场景，这是将技术势能转化为产业动能的绝佳试验场。这场远征没有捷径。它需要容忍对基础研究漫长而充满不确定性的投入，需要构建能滋养而非急功近利的创新文化，更需要在国际围堵中坚定地保持开放与合作。差距不在那一两个百分点的性能得分里，而在我们是否敢于、并能够提出下一个撼动世界的问题。各位读者你们怎么看？欢迎在评论区讨论。
中美差距到底有多大？梁文锋毫不避讳、一针见血地回答：“表面上中国AI与
中美差距到底有多大？梁文锋毫不避讳、一针见血地回答：“表面上中国AI与美国可能仅有一两年的技术代差，但真实的差距是原创和模仿之差。如果这个差距不改变，中国永远只能是追随者，所以有些探索是逃不掉的。”说出这句话的梁文锋，可不是纸上谈兵的理论家。这位1985年出生的广东汉子，带着浙大硕士的扎实功底，在AI圈硬生生走出了一条“反套路”之路——别人扎堆拼应用层变现时，他偏要砸钱啃底层算法的硬骨头；全球都在追捧“算力堆料”时，他带领不到140人的团队，用GPT-4o二十分之一的训练成本，做出了性能比肩顶尖水平的DeepSeek-R1模型。了解他的人都知道，这份对原创的执念，藏着他十几年创业的血泪经验。2010年从浙大毕业后，梁文锋没去大厂躺平，反而在成都出租屋里捣鼓量化交易，后来创办幻方量化。2016年首次上线AI交易模型时，他就吃过“模仿”的亏——依赖开源算法搭建的系统，在市场极端波动时频繁出错，差点让公司栽了跟头。那次教训让他刻骨铭心：“别人的代码再好，也是别人的地基，你在上面盖楼，风一吹就倒。”2023年AI热潮席卷全球，梁文锋果断从幻方抽调10亿元，打造搭载近万张A100显卡的“萤火二号”超级计算机，成立DeepSeek专攻通用人工智能。这在当时被不少人嘲笑“傻气”——毕竟彼时中国AI专利申请量已占全球近60%，稳居世界第一，应用场景渗透率更是高达90%，看起来早已一片繁荣。可梁文锋看得透彻，这些专利大多集中在应用层，底层算法的“根”还扎在别人的土壤里。他的判断很快被印证。团队研发医疗影像AI时发现，用开源代码训练的模型，识别人脸没问题，可面对边界模糊的肝脏病灶，准确率连临床要求的一半都达不到，甚至会出现误导医生的风险。这正是浙江大学孔德兴教授点破的行业痛点：“开源代码能造出‘常人’级AI，却练不出‘专家’级能力，核心算法缺位，早晚被人卡脖子。”梁文锋偏要啃下这块硬骨头。他带着一群平均年龄不到30岁、大多来自清北浙顶尖高校的年轻博士，在实验室里熬了无数个通宵。没有现成框架可以借鉴，他们就从数学模型重新推导；别人追求快速变现，他们却花大半年优化MLA新型注意力架构，把推理成本压到每百万token仅1元，不到GPT-4Turbo的七十分之一。2025年1月，DeepSeek-R1横空出世，在数学推理、代码编写等关键任务上比肩国际顶尖模型，更震撼业界的是，梁文锋毅然选择开源，把完整的训练“配方”公之于众，甚至登上《自然》杂志封面，被称为“科技颠覆者”。这场“原创实验”的效果超出预期：硅谷八成初创企业融资时用的是中国开源模型，非洲开发者靠它搭建农业病害诊断系统，国内北大团队基于其开发的AI数学教练，让学生解题速度提升40%。可梁文锋没半点骄傲，他清楚中国AI的原创短板仍未完全补齐——截至2025年，真正深耕底层算法的科学家依旧凤毛麟角，不少企业还是习惯“拿来主义”，在开源代码上做些修修补补就宣称“自主创新”。中美AI的差距，从来不是专利数量的比拼，而是“种树”与“摘果”的格局之差。美国靠底层算法创新筑牢根基，中国却在应用层的繁花似锦中，面临核心技术“卡脖子”的隐忧。梁文锋的探索恰恰证明，原创从来不是遥不可及的梦想：DeepSeek团队没有海量海归，没有千亿级投入，仅凭对底层技术的死磕，就实现了从跟跑到并跑的跨越。那些嘲笑他“傻气”的人忘了，AI产业就像种树，应用层是枝叶，底层算法才是树根。没有原创算法的滋养，再茂盛的枝叶也经不住风雨；只有把根扎深，才能长出真正的参天大树。梁文锋说“有些探索逃不掉”，逃不掉的正是对原创的敬畏，对底层的坚守。中国AI要想真正摆脱“追随者”身份，靠的不是模仿出来的短期繁荣，而是像梁文锋这样，愿意沉下心啃硬骨头的人，愿意为长远发展放弃短期利益的勇气。毕竟，模仿只能分到一杯羹，原创才能掌握话语权。各位读者你们怎么看？欢迎在评论区讨论。
刚刚,DeepSeek扔出大杀器,梁文锋署名!暴力优化AI架构
【导读】2026新年第一天，DeepSeek发表了梁文锋署名的重磅新论文，提出了一种名为「mHC（流形约束超连接）」的新架构，在27B参数模型上，仅增加约6.7%的训练时间开销，即可实现显著性能提升。重磅！刚刚，DeepSeek送上2026年...
扔下千亿规模的生意不做，梁文锋是个彻头彻尾的“异类”。在这个PPT满天飞、
扔下千亿规模的生意不做，梁文锋是个彻头彻尾的“异类”。在这个PPT满天飞、人人都在追风口赚快钱的圈子里，他直接掀了桌子：“别扯什么只差一两年，人家那是原创，我们这是装修。”这话像一记重锤，砸醒了不少在AI赛道里浑水摸鱼的人！要知道，梁文锋可不是凭空叫板的外行，他曾手握千亿规模的相关业务，在行业里浸淫多年，亲眼见过太多企业抱着“拿来主义”，把别人的核心技术换层皮、改个界面，就包装成自己的“创新产品”，靠着PPT融资、靠概念炒作赚快钱。可梁文锋偏要反着来，果断扔下现成的千亿生意，一头扎进了最烧钱、最耗时的大模型原创研发里。他心里跟明镜似的，“装修”出来的产品看着光鲜，可地基是别人打的，核心技术攥在别人手里，早晚要被卡脖子。就像他说的，表面上看和顶尖水平只差一两年，可这差距是“原创”和“模仿”的本质区别，前者是从0到1的突破，后者只是在别人的框架里修修补补。创业初期，身边的质疑声就没断过。有人说他傻，放着稳赚不赔的买卖不干，非要去啃硬骨头；有人劝他“先跟风赚一波，再回头搞研发也不迟”。可梁文锋不为所动，把所有精力都放在了底层技术攻坚上。他带着团队没日没夜地打磨模型。拒绝了无数个能快速变现的“装修项目”，哪怕公司现金流紧张，也坚持把大部分资金投入到算法优化、数据积累这些“看不见的地基”上。在这个追求“短平快”的时代，梁文锋的“轴”显得格外珍贵。太多企业沉迷于“装修式创新”，因为这种模式成本低、见效快，能迅速抢占市场份额。可他们忘了，没有原创技术做支撑，一旦行业洗牌或核心技术方断供，这些“装修出来的大厦”随时可能崩塌。梁文锋的选择，看似放弃了眼前的利益，实则是为长远发展铺就了最坚实的道路——只有掌握了原创核心技术，才能在激烈的市场竞争中拥有真正的话语权。如今，他创办的DeepSeek在原创大模型领域崭露头角，用实打实的技术成果回应了当初的质疑。但梁文锋并没有停下脚步，他依然在提醒行业里的人：别被“装修”的华丽迷了眼，要看清“地基”是谁打的。他的坚持，不仅为自己的企业赢得了未来，更给整个行业敲响了警钟——创新不是简单的模仿和包装，而是沉下心来的深耕细作。在这个人人都想走捷径的圈子里，梁文锋的“异类”行径，恰恰是中国科技企业最需要的清醒和勇气。你觉得越来越多的企业会像梁文锋这样，放弃“装修式创新”转而深耕原创吗？原创研发的漫长道路，该如何平衡理想与现实的利益？各位读者你们怎么看？欢迎在评论区讨论。
梁文锋带队DeepSeek,重置深度神经网络最底层的「定海神针」
作者列表里，除了三位一作（ZhendaXie、YixuanWei、HuanqiCao），还出现了神龙见首不见尾的传奇人物WenfengLiang（梁文锋）。这篇论文要解决的，其实是一个“基础设施级”的老问题：当网络深度与通道层层加码，系统如何不走向...
中美差距到底有多大？梁文锋毫不避讳、一针见血地回答：“表面上中国AI与美国可
中美差距到底有多大？梁文锋毫不避讳、一针见血地回答：“表面上中国AI与美国可能仅有一两年的技术代差，但真实的差距是原创和模仿之差。如果这个差距不改变，中国永远只能是追随者，所以有些探索是逃不掉的。”中国人工智能的发展速度在全球范围内有目共睹，各项数据指标都在快速攀升，但这只是表象。我们要透过现象看本质，核心技术上的差距才是决定性因素。美国之所以能够长期占据人工智能领域的霸主地位，关键在于他们掌握了从底层算法到架构设计的原创能力，这种能力是建立在几十年持续不断的理论研究和高强度投入基础之上的。OpenAI推出的GPT系列模型并不是凭空出现的，它是Transformer架构自然演进的产物，而这一切的源头都可以追溯到谷歌等美国科技巨头的基础研究。国内的大模型大多基于国外开源的框架进行微调或二次开发，虽然参数规模上去了，应用场景也丰富了起来，可一旦涉及到底层的逻辑创新，我们往往拿不出真正具有变革意义的成果。这就好比是在别人的地基上盖房子，楼盖得再高、装修得再豪华，只要地基不是自己的，随时都可能面临被“卡脖子”的风险。梁文锋提到的“原创和模仿之差”，实际上点破了国内科技圈普遍存在的浮躁心态。很多创业者和投资人都习惯于赚快钱，看到什么火就一窝蜂地拥上去，搞同质化竞争，很少有人愿意沉下心来坐几年冷板凳，去钻研那些可能短期内看不到回报的基础科学。这种急功近利的思维模式直接导致了我们在人工智能领域的“缺芯少魂”，芯片制造工艺和工业设计软件的落后就是最惨痛的教训。现在的AI领域虽然看似热闹非凡，但如果不能在基础理论层面实现突破，未来我们极有可能再次陷入受制于人的被动局面。真正的竞争从来不是比谁的应用层跑得更快，而是比谁的定义权更强。美国人制定规则，我们跟着规则跑，这样的追赶之路永远没有尽头，因为人家在不断的更新规则，而我们只能疲于奔命地适应。要想改变这种现状，就必须要有敢于“无人区”探索的勇气和魄力。这需要整个社会科研评价体系的改变，不能只看论文数量和引用率，要真正鼓励那些大胆尝试、甚至可能失败的原创性研究。只有当我们能够拿出一个全新的、完全由中国科学家提出的AI架构，并且这个架构能够引领全球技术发展方向的时候，我们才有资格说与美国平起平坐。否则，所谓的“弯道超车”只能是一句自欺欺人的口号，任何忽视基础积累的跳跃式发展都是空中楼阁。我们必须清醒地认识到，科技实力的提升没有任何捷径可走，唯有脚踏实地，一步一个脚印地积累，才能填补这道看不见却摸得着的鸿沟。未来的路注定充满艰难险阻，但这正是我们这一代科技工作者必须直面和承担的使命。逃避基础创新注定无法长久，唯有在原创的道路上杀出一条血路，中国人工智能才能真正掌握自己的命运。
