한 중국 기사가 Liang Wenfeng의 4시간 투자자 미팅에서 나온 52개의 발언을 정리했습니다. 가장 중요한 내용들을 아래에 요약했습니다.

DeepSeek에는 하나의 중심 목표가 있습니다: 바로 AGI (인공일반지능)입니다. 지금은 제품을 통해 수익을 극대화할 때가 아닙니다. 제품은 AGI로 가는 경로 상의 한 단계일 뿐이며, 소비자용 또는 기업용 제품을 만드는 데 너무 많은 생각이나 에너지를 쏟을 필요는 없습니다.

우리는 항상 상업화를 해왔지만, 상업화가 우리의 목표는 아닙니다. DeepSeek가 상업화로 완전히 전환하는 시점은 아마도 아직 매우 멀리 있을 것입니다.

절제는 하나의 전략입니다: 무언가 다른 것을 더 얻기 위해 특정 요소들을 포기하는 것입니다. 오픈 소스 (Open source)는 가치를 포기하는 한 형태입니다. 내부적으로는 직원들에게 성취감을 주고 조직의 결속력을 강화합니다. 또한 사회에도 이익이 됩니다. 다른 기업들과 일반 사람들이 이를 반깁니다.

AGI가 엄청난 상업적 가치를 가질 것이라는 점에는 의심의 여지가 없습니다. 그것을 고려할 때, 저의 우선순위는 가치의 더 큰 점유율을 차지하는 것이 아니라, 우리가 성공할 확률을 높이는 것입니다.

AI를 상업적으로 성공시키고 싶다면 오픈 소스가 유익합니다. 이는 직관에 어긋나는 것처럼 들릴 수도 있습니다. 역사적으로 소프트웨어 회사의 전체 시장 가치는 연간 수십억 달러에 불과했을 수도 있으며, 따라서 소프트웨어를 오픈 소스로 공개하는 것은 그 시장을 포기하는 것을 의미했습니다. 하지만 AI는 궁극적으로 전 세계 GDP의 10%를 차지할 수 있을 만큼 거대합니다. 만약 우리가 그 가치를 독점하려고 한다면, 역사는 필연적으로 우리를 뒤처지게 할 것입니다. 그것은 객관적인 법칙입니다. 역사적인 관점입니다.

우리가 오픈 소스로 공개하는 모델은 우리가 직접 배포하는 모델과 동일합니다. 우리는 더 나은 모델을 내부적으로 배포하면서 열등한 모델을 오픈 소스로 공개하지는 않을 것입니다.

중국과 미국의 AI 격차는 주로 자원의 격차입니다. 우리는 스케일링 (Scaling)을 믿습니다: 더 큰 규모는 의심할 여지 없이 더 나은 결과를 만들어냅니다. 우리가 이 정도 규모의 모델을 훈련하는 이유는 이 규모가 충분하다고 믿기 때문입니다.

우리가 이 정도 규모의 모델을 훈련하는 이유는 이것이 우리가 가진 모든 자원이기 때문입니다. Anthropic이 현재 OpenAI보다 앞서 있는 것은 일시적인 현상이지 영구적인 것이 아닙니다. 향후 OpenAI와 Google이 번갈아 가며 앞서 나갈 가능성이 매우 높습니다. 우리는 차세대 슈퍼 앱 (super-app)을 만들고 싶지 않습니다. 차세대 ByteDance가 되겠다거나, 차세대 Tencent가 되겠다는 식의 야망은 전혀 없습니다. 우리가 타협할 수 없는 단 한 가지는 팀의 안정성을 유지하는 것입니다. 이것 또한 우리가 직면한 가장 큰 리스크 중 하나입니다. 물론, 이번 펀딩 라운드를 통해 그 리스크는 상당히 줄어들었습니다. AGI는 가장 큰 수익을 제공합니다. 그 외의 모든 것들에 대해서는, 우리가 역량이 된다면 수행할 것이고, 역량이 되지 않는다면 하지 않을 것입니다. 절제 (Restraint)는 우리 비전의 일부입니다.

전체 기사: Liang Wenfeng의 4시간 투자자 미팅 전체 녹취록
원문: elsewhere
번역: GPT5.6
2026년 7월 22일 오후 11:33 · 베이징 · elsewhere @elsewhere

지난달, elsewhere는 DeepSeek의 자금 조달 이야기에 대해 보도했습니다. 가장 많은 논란을 불러일으킨 부분은 의심할 여지 없이 소문으로 돌았던 4시간 동안의 투자자 미팅이었습니다. 지난 한 달 동안 Liang Wenfeng의 발언으로 알려진 다양한 언급들이 널리 퍼졌습니다. 우리는 또한 여러 소식통으로부터 미팅에서 발언된 것으로 알려진 내용들을 수집했습니다. 미팅 동안 Liang은 반복적으로 "아니오"라고 말했습니다. DeepSeek는 스스로를 천재들의 집단으로 보지 않으며, 과도한 이익을 추구하지 않고, 사용자 성장을 그 자체를 목적으로 추구하지 않으며, 폐쇄형 소스 (closed-source)가 되지 않을 것이며, 3D 생성, 비디오 생성 또는 월드 모델 (world models)에 매달리지 않을 것이며, 차세대 슈퍼 앱을 만들 의도도 없습니다. 그의 말에 따르면, 절제는 전략이며, 이는 AGI 달성 확률을 높이는 전략입니다. 우리가 이용할 수 있는 제한된 자료들 중에서 모델 (models), 비용 (cost), AGI, 시간 (time), 오픈 소스 (open source) 등의 용어들이 빈번하게 등장했습니다. 대부분의 시간 동안 Liang은 신중하고 꾸밈없는 평이한 언어로 말했습니다.

그가 깊이 관심을 두는 몇 가지 문제에 대해 논의할 때만 그는 날카로운 면모를 드러냈습니다: “팀을 안정적으로 유지할 수만 있다면, 저는 AGI를 달성할 수 있을 것입니다. 그것은 매우 간단한 문제입니다.” 아래는 저희가 수집한 52개의 발언입니다. 의도된 의미는 보존하였으나, 일부 표현은 원문과 약간 다를 수 있습니다.

DeepSeek는 단 하나의 주요 목표만을 가진다
지금은 제품을 통해 수익을 극대화할 때가 아닙니다. 제품은 AGI로 가는 경로 상의 한 단계일 뿐이며, 우리는 소비자용 또는 기업용 제품을 만드는 데 너무 많은 생각이나 에너지를 쏟을 필요가 없습니다. 기술적 고지(technological high ground)를 점유한 뒤 이를 하위 단계의 기술에 적용하면 압도적인 우위를 점하게 됩니다. 제품은 AGI를 향한 여정의 부산물입니다. 3D 생성(3D generation)이나 비디오 생성(video generation)처럼 많은 것들이 우리의 주요 경로에 속하지 않습니다. 지능의 상한선과 큰 관련이 없는 월드 모델(world models)도 마찬가지입니다. 멀티모달리티(Multimodality)는 제품과 소비자 사용자에게 매우 중요합니다. 하지만 그것은 하나의 구성 요소일 뿐입니다. 그것은 주요 목표도 아니고 지능 그 자체도 아닙니다. 물론 거대 모델(large models)의 환각(hallucinations) 문제를 해결하는 방법들이 있지만, 이는 장기적인 문제입니다. 내부적으로 우리는 환각을 제품 문제로 분류합니다. 우리는 이를 해결하기 위해 노력하겠지만, 우리의 핵심 우선순위는 아닙니다. 현 단계에서 가장 중요한 것은 여전히 코딩 에이전트(coding agents)입니다. 중국의 상황을 고려할 때, 가장 합리적인 접근 방식은 아마도 범용 에이전트(general-purpose agents)에 완전히 집중하는 것일 것입니다. 금융, 의료 및 기타 수직적 시장(verticals)을 위한 에이전트는 우선순위가 낮아야 합니다. 만약 AI 시대가 수조 달러 규모의 기업들을 많이 배출한다면, DeepSeek가 그중 하나가 되는 것만으로도 충분할 것입니다.

첫째는 지속적 학습(Continual Learning), 그다음은 AI 자기 반복(AI Self-Iteration), 그리고 궁극적으로는 체화된 지능(Embodied Intelligence)
오늘날의 AI는 취향이나 직관이 부족한 것이 아닙니다. 부족한 것은 지속적으로 학습하는 능력입니다. 인간은 시간이 지나도 계속해서 학습할 수 있는 반면, AI의 경우 동일한 작업에 대해 모든 관련 컨텍스트(context)를 다시 제공해야 합니다.

그것은 거의 불가능에 가까우며, 이것이 바로 AI가 아직 직원을 대체할 수 없는 이유입니다. 차세대 모델이라고 진정으로 불리기 위해서는 차세대 모델들이 반드시 지속적 학습 (continual learning) 능력을 갖추어야 합니다. 우리는 우리의 다음 모델이 우리 자신의 개발 작업에 도움이 되기를 바랍니다. 간단히 말해서, 우리가 만드는 모델의 일차적인 목표는 다른 모든 사람들이 그것을 유용하게 느끼게 하는 것이 아니라, 우리 스스로가 그것을 유용하게 사용하는 것입니다. 그것이 AGI로 가는 가장 빠른 길입니다. 아직 세상 그 누구도 좋은 해결책을 찾지 못했는데, 이는 "학습"이 매우 다양한 요소들로 구성되어 있기 때문입니다. DeepSeek의 장기적인 비전은 AGI입니다. 만약 그곳을 향한 경로가 계단을 오르는 것과 같다면, 작년의 계단은 사고의 사슬 (chain-of-thought) 추론이었습니다. 올해의 계단은 에이전트 (agents)입니다. 에이전트 이후에 해결해야 할 다음 과제는 지속적 학습 (continual learning)입니다. 일단 지속적 학습이 달성되면, 우리는 점진적 특이점 (gradual singularity)에 도달할 수 있습니다. 모델이 스스로 더 발전된 AI 모델을 개발하는 것을 포함하여, 인간이 할 수 있는 모든 일을 수행할 수 있게 되는 것입니다. 다시 말해, AI가 AI 연구를 가속화할 수 있다는 뜻입니다. 그 단계를 완료한 후에야 우리는 체화된 지능 (embodied intelligence)에 도달하게 됩니다. 지능의 궁극적인 형태는 체화된 형태일 수 있습니다. 일반적인 사람들에게 필요한 것은 컴퓨터가 아니라 노동입니다.

상업화를 향한 완전한 전환은 아직 갈 길이 멉니다. 우리는 합리적인 이익만을 추구합니다. 우리는 이익을 극대화하기 위해 서비스 가격을 책정하지 않습니다. 우리의 모델 중 하나에 대해, 초기에는 수요가 너무 높을까 봐 걱정되어 상대적으로 비싸게 가격을 책정했습니다. 나중에 가격을 기존 수준의 4분의 1로 낮추었을 때, 사내 채팅방의 많은 사람들이 이를 축하했습니다. 그것이 바로 모델을 훌륭하게 만드는 데 그토록 많은 정성을 쏟은 핵심 이유입니다. 즉, 모든 사람이 그것을 최대한으로 사용할 수 있게 하는 것입니다. 저렴한 비용은 그 결과물입니다. 우리는 비용을 줄이기 위해 모델 아키텍처 (model architectures)를 지속적으로 설계해 왔습니다. 또한 우리는 특히 컴퓨팅 자원 (compute)이 부족한 환경에서 비용을 감당할 수 있는 수준으로 만들고 싶습니다. 또 다른 이유도 있습니다. 비용이 낮을수록 더 큰 모델을 지원할 수 있기 때문입니다.

연산 자원 (Compute)이 제한적일 때, 더 높은 연산 효율성 (Computational efficiency)은 더 큰 모델을 학습시킬 수 있게 해줍니다. 대기업들은 단순히 더 많은 자원을 추가함으로써 이 문제를 해결할 수 있습니다. 우리는 비용 효율성을 우선시합니다. 외부에서 보기에는 우리가 매우 어려운 비즈니스 모델을 선택한 것처럼 보일 수도 있습니다. 하지만 사실 우리에게는 매우 쉽습니다. 가격 인하는 분명 경쟁사들에게 좋은 소식이 아닐 것이며, 그들이 이를 축하할 리도 없습니다. 저는 API 비즈니스가 특별히 매력적이라고 생각하지 않습니다. API를 유지하기 위해서는 단 몇 명의 인원만 있으면 됩니다. 고객 서비스 (Customer service)나 영업 (Sales) 팀조차 필요하지 않습니다. 사용자는 스스로 찾아올 것입니다. 우리는 항상 상업화를 해왔지만, 상업화가 우리의 목적은 아닙니다. DeepSeek가 완전히 상업화로 피벗 (Pivot)하는 시점은 아마도 아직 매우 멀리 있을 것입니다. 저는 그 시장에서 미리 자리를 잡기 위해 고민할 필요조차 느끼지 못합니다. 만약 상업적 기회가 정말로 그토록 크다면, 참여할 방법은 언제나 있을 것입니다. DeepSeek는 시대의 산물입니다. 이는 모방의 결과가 아니라 실제 상황에 대한 응답입니다. 우리 규모의 회사에게 오픈 소스 (Open Source)는 최적의 지점입니다. 절제는 하나의 전략입니다. 즉, 다른 무언가를 더 얻기 위해 특정 요소들을 포기하는 것입니다. 오픈 소스는 가치를 포기하는 한 형태입니다. 내부적으로는 직원들에게 성취감을 주고 조직의 결속력을 강화합니다. 또한 사회에도 이익이 됩니다. 다른 기업들과 일반 사람들은 이를 반깁니다. 저는 AGI가 엄청난 상업적 가치를 가질 것이라는 점을 의심하지 않습니다. 그것을 고려할 때, 저의 우선순위는 가치의 더 큰 점유율을 차지하는 것이 아니라, 우리가 성공할 확률을 높이는 것입니다. AI를 상업적으로 성공시키고 싶다면 오픈 소스는 유익합니다. 이것이 직관에 어긋나는 것처럼 들릴 수도 있습니다. 역사적으로 소프트웨어 회사의 전체 시장 규모는 연간 수십억 달러에 불과했을 수도 있으며, 따라서 소프트웨어를 오픈 소스로 공개한다는 것은 그 시장을 포기하는 것을 의미했습니다. 하지만 AI는 궁극적으로 전 세계 GDP의 10%를 차지할 수도 있을 만큼 거대합니다.

만약 우리가 그 가치를 독점하려 한다면, 역사는 필연적으로 우리를 뒤처지게 할 것입니다. 그것은 객관적인 법칙입니다. 역사적인 관점입니다. 우리가 오픈 소스 (Open Source)로 공개하는 모델은 우리가 직접 배포하는 모델과 동일합니다. 우리는 더 나은 모델을 내부적으로 배포하면서 열등한 모델을 오픈 소스로 공개하지는 않을 것입니다. 다른 기업들이 우리의 모델을 배포하여 우리와 경쟁하는 것에 대해 걱정하지 않습니다. 모든 기업이 이러한 목표를 추구할 의지나 능력을 갖춘 것은 아니기 때문입니다. 스타트업은 규모가 너무 작아 이를 수행할 자원이 부족할 수 있습니다. 대기업은 조직을 효과적으로 운영하는 데 어려움을 겪을 수 있습니다. 이것이 우리 규모의 기업에게는 최적의 지점 (Sweet spot)입니다. 목표가 합리적인 이윤을 얻는 것에 국한된다면, 오픈 소스는 우리의 비즈니스 모델 (Business model)에 아무런 영향을 미치지 않습니다. 만약 100배의 이익률을 얻고 싶다면, 오픈 소스는 확실히 영향을 미칠 것입니다. 우리는 대기업이든 중소기업이든 어떤 인터넷 기업의 적도 되고 싶지 않습니다. 그러한 바탕 위에서, 우리는 Alibaba, Zhipu AI, Moonshot AI를 포함한 그 누구라도 더 잘할 수 있도록 지원하고 돕고자 하는 의지가 매우 강합니다.

중국과 미국의 격차는 인재의 문제가 아니다
미래에 우리는 중국과 미국 사이의 AI 격차에 대한 서사를 다시 쓰고 싶습니다. 컴퓨팅 자원 (Compute)의 일부만을 사용하여 그 격차를 먼저 6개월로, 그다음에는 3개월로 좁히는 것입니다. 중국과 미국의 AI 격차는 주로 자원의 격차입니다. 우리는 스케일링 (Scaling)을 믿습니다. 더 큰 규모는 의심할 여지 없이 더 나은 결과를 만들어냅니다. 우리가 이 정도 규모의 모델을 훈련하는 이유는 이 규모가 충분하다고 믿기 때문이 아니라, 이것이 우리가 가진 모든 자원이기 때문입니다. 인재 측면에서는 격차가 거의 없습니다. 사실상 동일한 인재 풀 (Pool)입니다. 중국은 인재가 부족하지 않습니다. 인재 부족은 일시적인 현상입니다. 역사적으로 특정 유형의 노동력이 영구적으로 부족했던 적은 결코 없었습니다.

모델 연구소 간의 경쟁에서는 비용이 우선이다
Anthropic이 OpenAI에 대해 현재 가지고 있는 우위는 일시적인 것이지 영구적인 것이 아닙니다.

OpenAI와 Google은 향후 번갈아 가며 앞서 나갈 가능성이 매우 높습니다. 중국에는 모델 기업이 너무 많습니다. 모든 기업이 똑같은 일을 하고 있기 때문에 자원이 매우 파편화되어 있습니다. 시장은 필연적으로 통합될 것이지만, 여기에는 시간이 걸릴 것입니다. 만약 각 기업이 적절한 이익을 얻는 것에 만족한다면, 그렇게 많은 기업이 파운데이션 모델 (foundation models)을 구축할 필요는 없습니다. 아마도 두 개의 대기업과 두 개의 중소기업 정도면 충분할 것입니다. 저는 거대 모델 (large-model) 기업들이 AI 산업의 대부분의 이익을 독점할 것이라고는 절대 믿지 않습니다. 거대 모델 간의 경쟁은 궁극적으로 세 가지 요소, 즉 비용 (cost), 시간 (time), 그리고 사용자 경험 (user experience)으로 귀결될 것입니다. 비용이 첫 번째입니다. 동일한 품질의 서비스를 어떤 비용으로 제공할 수 있는가 하는 점입니다. 시간은 두 번째입니다. 몇 달 일찍 혹은 늦게 출시하는 것이 차이를 만듭니다. 사용자 경험은 어느 정도...