DeepSeek为何开源？负责人：对手不是同行而是时间

开源背后的真正动机

DeepSeek^广告 为什么要把辛苦研究出来的成果开源？这是很多人的疑问。在一段 B 站流传的分享中，DeepSeek 负责人给出了一个简单却出人意料的答案：为了 AGI 更快地到来。这个回答没有停留在商业竞争层面，而是把视线拉到了整个行业的时间维度上。

开源在很多人眼中是一种“让利”行为，但在这位负责人看来，它更像是一种加速机制。技术创新可以构建技术壁垒，短时间看确实能阻拦竞赛对手的追赶，产生短暂的领先优势。但如果把时间视野放宽，这种壁垒在挡住别人的同时，也可能挡住了 AGI 的到来。

AGI（通用人工智能） 是 Artificial General Intelligence 的缩写，指在广泛任务上达到或超越人类水平的人工智能系统，区别于当前专注于特定任务的“窄AI”。AGI 至今没有公认的实现路径和时间表，业界普遍认为它需要算法、算力、数据等多方面的长期积累与突破，且很难由单一机构独立完成。正因如此，AGI 常被视为一个需要全行业共同逼近的长期目标，而非某家公司可以短期垄断的成果。理解这一概念，有助于把握文中“开源加速 AGI”这一动机的产业背景。

技术壁垒的两面性

构建壁垒是商业世界的常规操作。投入大量资源做出成果，然后用专利、闭源、生态锁定等方式把优势固化下来，这是大多数公司会选择的路径。这位负责人并不否认这种做法的短期合理性——它确实能带来领先。

问题在于时间尺度。短期领先和长期到达之间，存在一个容易被忽略的矛盾：你拦住的是竞争对手，但对手被拦住之后，整个领域的推进速度也会慢下来。如果目标是 AGI 这样一个需要全行业共同逼近的终点，那么每一次“拦住别人”都可能变成“拖慢自己”。

这也是开源决策最反直觉的地方。它放弃的是确定性的短期优势，换取的是不确定性的长期加速。没有技术壁垒的保护，公司必须持续靠创新而非存量优势立足，这对组织能力的要求其实更高。

技术壁垒 指企业通过专利、商业秘密、闭源软件、生态锁定（如开发者平台、接口标准）等方式构建的竞争护城河，用以阻止对手模仿或追赶。在 AI 大模型领域，壁垒形式还包括模型权重不公开、训练数据与配方保密、API 独占等。壁垒能带来定价权和先发优势，但也可能减缓技术扩散速度、抬高行业试错成本。文中所讨论的“壁垒两面性”，正是这一商业常规手段在 AGI 这类长周期目标下的再评估。

对手不是同行，而是时间

整段分享里最核心的一句话，是关于“对手”的重新定义。在人工智能的竞赛中，这位负责人认为，对手不是国内的其他大模型公司，也不是海外的各个大模型公司，而是时间。

这句话把竞争叙事整个换掉了。如果对手是同行，那么开源就是资敌；如果对手是时间，那么任何一家公司的成果都是全行业的进度条。无论哪个模型公司做出突破，无论大家在做什么，都是在共同努力快速推进 AGI。开源在这里不是慈善，而是一种把单点成果转化为公共加速度的手段。

这种视角也解释了为什么 DeepSeek 的开源姿态显得格外彻底。它不是在开源一个“够用但不够好”的版本，而是把真正有竞争力的研究拿出来。因为在这套逻辑里，藏着掖着才是真正的浪费——浪费的是全行业共同逼近 AGI 的时间。

开源（Open Source） 在 AI 模型语境下通常指公开模型权重、推理代码乃至训练细节，使他人可自由使用、修改和再分发。与之相对的是仅提供 API 的闭源模式。开源能降低复现与二次开发门槛，加速社区迭代，但也引发商业化、安全与责任归属等讨论。DeepSeek 选择的是较为彻底的开源路线，即公开有竞争力的模型成果，而非仅放出简化版，这与文中“把单点成果转化为公共加速度”的逻辑直接相关。

格局背后是产业判断

把这件事只理解为“格局大”其实有些轻描淡写。更准确地说，这是一种基于产业阶段的判断：AGI 还远未到达，当前最大的成本不是竞争，而是整体推进速度不够快。在这个阶段，开放比封闭更能放大每一份研究的价值。

当然，开源不等于没有商业考量。生态、开发者心智、人才吸引力，都是开源能带来的长期回报。但这段分享的价值在于，它把开源的第一驱动力放在了 AGI 进度本身，而不是这些衍生收益上。对于关注 AI 行业走向的人来说，这种“以时间为对手”的框架，比任何一次版本发布都更值得琢磨。