DeepSeek stawia na AGI, nie na kasę. I to zmienia wszystko

• DeepSeek priorytetowo traktuje badania nad AGI, a produkty komercyjne są efektem ubocznym
• Założyciel Liang Wenfeng wprost: nie walczymy o użytkowników ani przychody jak ByteDance czy Tencent
• Ceny API mają zwrócić koszty sprzętu w 10 miesięcy, nie maksymalizować zysku
• Firma planuje udostępniać najsilniejsze modele jako open-source i używać ich samych wewnętrznie

Firma AI, która wprost mówi: "nie interesują nas przychody". Abstrakcyjnie? DeepSeek właśnie to ogłosił. I jeśli myślisz, że to PR-owa gadka - sprawdźmy fakty.

Według raportu IT Home, opartego na transkrypcie czterogodzinnego spotkania z inwestorami, założyciel DeepSeek Liang Wenfeng jasno określił strategię firmy. AGI (sztuczna inteligencja ogólna) to cel numer jeden. Produkty konsumenckie, usługi dla firm, API - to wszystko ma wspierać badania, nie odwrotnie.

Nie chcemy być kolejnym ByteDance

Liang Wenfeng wprost powiedział: DeepSeek nie konkuruje o ruch konsumencki, przychody enterprise'owe ani pozycję kolejnego ByteDance czy Tencent. To deklaracja, która To przypomina samobójstwo biznesowe w świecie, gdzie każdy startup AI goni wycenę.

Jeśli spojrzysz na dotychczasowe ruchy firmy, nagle wszystko się zgadza. Model R1 - open-source, mimo że mógłby być zamknięty i płatny. Ceny API - najniższe na rynku. Brak agresywnej ekspansji produktowej. To nie jest chaos. To konsekwencja.

DeepSeek projektuje ceny API tak, żeby zwróciły koszty sprzętu w około 10 miesięcy. Nie maksymalizują marży. Nie budują fossy cenowej. Po prostu pokrywają koszty i wracają do badań. Dla CFO z Doliny Krzemowej to herezja. Dla zespołu badawczego - logika.

Continual learning jako następny wielki problem

Liang widzi ścieżkę rozwoju AI w kilku etapach: chain-of-thought reasoning (już mamy), agenci AI (w budowie), continual learning (następny krok), a na końcu embodied intelligence - AI w fizycznych robotach.

Continual learning to zdolność modelu do uczenia się z doświadczenia bez resetowania kontekstu. Dzisiejsze systemy wymagają, żebyś za każdym razem podawał pełny kontekst na nowo. Liang uważa, że przyszłe modele powinny pamiętać i uczyć się w trakcie pracy. Różnica między asystentem, który co rano zapomina kim jesteś, a tym, który buduje wiedzę o Tobie przez lata.

Agenci kodujący są priorytetem, bo mogą poprawić zarówno produkty DeepSeek, jak i sam proces badawczy. Firma nie priorytetizuje generowania 3D, wideo ani world models - Liang widzi je jako użyteczne aplikacje, ale nie kluczowe dla rozwoju inteligencji. Możliwości multimodalne będą rozwijane, ale dla produktów konsumenckich i enterprise'owych, nie jako rdzeń badań.

Open-source jako strategia, nie PR

DeepSeek planuje udostępniać najsilniejsze modele jako open-source i używać dokładnie tych samych wersji wewnętrznie. Żadnych słabszych wariantów dla publiczności, żadnego "community edition" z obciętymi funkcjami.

To radykalne podejście. Anthropic z Claude czy OpenAI z GPT-5 trzymają najlepsze modele za paywallem. Meta z Llama 4 udostępnia open-source, ale z opóźnieniem i często w okrojonych wersjach. DeepSeek mówi: dostajesz to samo co my, w tym samym czasie.

Dlaczego? Jeśli Twój cel to AGI, a nie dominacja rynkowa, potrzebujesz feedbacku od jak najszerszej grupy badaczy. Potrzebujesz, żeby ludzie łamali Twój model, testowali go w dziwnych scenariuszach, znajdowali edge case'y. Zamknięty model daje kontrolę. Otwarty model daje dane.

Co to zmienia w branży

DeepSeek pozycjonuje się jako organizacja badawcza, która przy okazji robi produkty. To odwrotność standardowego modelu AI startup: zbuduj produkt, zdobądź użytkowników, pozyskaj finansowanie, skaluj. Tutaj: badaj AGI, wypuszczaj modele, niech produkty finansują kolejne badania.

Dla rynku to sygnał, że nie każda firma AI musi grać w tę samą grę. Możesz konkurować ceną (jak DeepSeek z API), jakością zamkniętych modeli (jak Anthropic), ekosystemem (jak Google z Gemini), albo po prostu skupić się na badaniach i pozwolić, żeby produkty były efektem ubocznym.

Dla Ciebie to dobra wiadomość. Jeśli DeepSeek trzyma się tej strategii, dostaniesz dostęp do modeli research-grade za ułamek ceny komercyjnych alternatyw. Jeśli eksperymentujesz z AI, kodujesz, budujesz prototypy - to Twoja liga cenowa.

Dla inwestorów to pytanie: czy firma, która nie maksymalizuje przychodów, może przetrwać wystarczająco długo, żeby osiągnąć AGI? Albo inaczej: czy AGI to cel, który w ogóle da się osiągnąć w modelu non-profit research? DeepSeek zakłada, że tak. Zobaczymy, czy rynek się zgodzi.

Najczęstsze pytania

Czy DeepSeek jest firmą non-profit?

Nie, DeepSeek to firma komercyjna, ale według wypowiedzi założyciela priorytetowo traktuje badania nad AGI, a przychody mają pokrywać koszty rozwoju, nie maksymalizować zysku. To hybrydowy model między research lab a startupem.

Dlaczego DeepSeek udostępnia modele jako open-source?

Według transkryptu spotkania z inwestorami, firma planuje udostępniać najsilniejsze modele publicznie i używać ich samych wewnętrznie. To strategia badawcza - szerszy dostęp oznacza więcej feedbacku i szybszy rozwój.

Czy DeepSeek konkuruje z OpenAI i Anthropic?

Nie wprost. Liang Wenfeng stwierdził, że DeepSeek nie walczy o użytkowników konsumenckich ani przychody enterprise jak ByteDance czy Tencent. Firma konkuruje jakością modeli i ceną API, ale nie buduje platformy konsumenckiej.

Co to jest continual learning Jeśli chodzi o AI?

Continual learning to zdolność modelu do uczenia się z doświadczenia bez resetowania kontekstu. Dzisiejsze systemy AI wymagają ponownego podawania informacji przy każdej sesji. Liang widzi to jako następny wielki problem techniczny po agentach AI.