不知道大家有没有这种感觉：现在刷 AI 相关的新闻，节奏快到离谱。 今天某厂发布新的生成模型，明天某款 AI 应用登顶下载榜，后天又是哪家大模型官宣了多少亿的营收。好像所有人都在踩油门往前冲，恨不得一口气把 AI 的所有价值都变现。
但最近扒行业动态的时候，我注意到一家国产大模型公司，走的完全是另一条路。 别人抢 C 端用户，他们说不急；别人抬高价赚利润，他们主动降价；别人什么赛道热就扎进去，他们心里列了一堆 “不做清单”。 今天就跟大家聊聊，这家把 “克制” 两个字刻进战略里的 AI 公司，到底是怎么想的。
所有动作，只围着一条主线转
很多人做 AI，总想着面面俱到：文本、图片、视频、3D 全都要，C 端 B 端一起抓，生怕错过任何一个风口。但这家公司的逻辑刚好反过来：先认准最终目标，再倒推现在该做什么，不在主线上的东西，再热闹也不碰。
他们的终极目标很明确，就是 AGI—— 也就是能像人一样自主思考、解决各类问题的通用人工智能。在他们看来，现在市面上很多火热的方向，其实都离 “提升智能上限” 这个核心目标很远。
比如现在很火的视频生成、3D 生成，还有被吹得神乎其神的世界模型，他们更倾向于认为这是 “应用层的组件”，对智能本身的突破帮助有限。包括大家经常吐槽的大模型幻觉问题，他们也觉得本质是产品体验问题，技术成熟后自然能解决，但绝不是当下攻坚的核心。
甚至连人人都在做的多模态，他们也看得很淡：对普通用户来说确实很重要，但说到底只是个功能配件，不是智能本身。
那当下的主线到底是什么？答案是通用 Agent，尤其是代码方向的智能体。 说白了，就是让大模型不只是 “张嘴回答问题”，而是能真的动手完成复杂的连贯任务。他们的判断是，先把通用能力打扎实，再往金融、医疗这些垂直领域延伸才是合理顺序，一上来就铺垂直赛道，只会分散精力。
至于大家都在卷的产品？他们的看法很有意思：产品是 AGI 路上的副产物。等技术站到了高位，往下做产品就是降维打击，现在完全没必要把大部分精力耗在打磨 C 端、B 端产品上。
通往 AGI 的台阶，他们算得很清楚
可能很多人觉得 AGI 是个虚无缥缈的概念，但在这家公司内部，有一张非常清晰的 “爬楼梯” 路线图。
去年的台阶是思维链，也就是让模型学会一步步推理，而不是直接蹦出答案；今年的核心是 Agent，让模型具备执行任务的能力；而 Agent 之后，下一个必须翻越的大山，是持续学习。
什么是持续学习？举个很简单的例子：咱们人做过一次项目，下次就能上手，边做边攒经验；但现在的 AI 不行，你每次让它干活，都得把前因后果、所有背景信息全喂给它，缺一点就可能出错。
也正因为如此，现在的 AI 顶多是个辅助工具，没法真正替代一个独立的员工。而在他们看来，有没有持续学习的能力，就是下一代大模型的核心标志。
等解决了持续学习，接下来就会进入一个关键节点：AI 能自己做开发、自己优化自己，也就是用 AI 加速 AI 研究。到了这一步，才谈得上真正的 “自迭代”，而再往后的具身智能，才是更远的终点。
还有个很有意思的细节：他们做模型的第一优先级，不是让外部用户打高分，而是先让自己的研发团队用得顺手。毕竟如果自己做的 AI，能帮自己写代码、做研究，那技术迭代的速度肯定是最快的 —— 这也是他们眼里逼近 AGI 的最优路径。
赚钱？够就行，没必要最大化
现在聊 AI 公司，大家最爱问的就是 “怎么变现”“营收多少”，好像不赶紧赚钱就是失败。但这家公司的心态，出奇的佛系。
不是不赚钱，他们一直在做商业化，但从不把商业化当成终极目标。甚至定价的时候，他们的原则是 “只赚合理的利润”，而不是能卖多贵卖多贵。
之前他们有一款模型，一开始定高价是怕需求太旺扛不住，后来技术成熟、成本降下来了，直接把价格砍到了原来的四分之一。换别的公司可能还想着多赚点，他们内部反而一片欢呼 —— 因为把成本打下来，让更多人能用得起，才是他们做模型的初衷之一。
说到成本，这其实是他们的核心优势。很多大厂做模型，靠堆算力、堆资源；他们更在意计算效率，想办法从模型架构层面降成本。原因也很实在：算力本来就紧张，成本越低，同样的资源就能训练更大的模型。
更反常识的是他们的开源策略。 很多人觉得，开源不就是把自己的技术白给别人，让别人来跟自己抢生意吗？但在他们眼里，开源恰恰是 “用克制换概率” 的关键一步。
一方面，他们开源的模型和自己内部用的是同一套，不会搞 “阉割版” 糊弄社区；另一方面，他们根本不担心别人用开源模型来竞争 —— 大模型不是下好源码就能跑，要训好、用好，既要有技术能力也要有资源投入，小团队没实力，大公司难掉头，反而他们这种规模的团队，刚好卡在最舒服的位置。
更深层的逻辑是：AI 这个赛道足够大，未来可能占到全球 GDP 的十分之一，没人能独占所有利益。与其想着吃独食被时代抛下，不如开源让利，对内让团队有成就感、有凝聚力，对外换行业口碑和生态，反而能提高自己最终站到牌桌上的概率。
说白了，他们赌的不是当下的市场份额，是未来能不能摸到 AGI 的门槛。
竞争的本质，从来不是抢用户
聊到大模型竞争，很多人第一反应是比谁的用户多、谁的应用火。但在他们的判断里，这些都不是最本质的。
他们觉得，大模型公司最终的差距，只会体现在三件事上：成本、时间、用户体验。 排在第一位的是成本 —— 同样效果的服务，你能用多低的成本提供。其次是时间，技术早突破几个月，差距就会被拉开。至于用户体验带来的粘性，有壁垒，但不是核心。
也正因为如此，他们从没想过要做下一个超级应用，不想成为下一个互联网巨头。不是不羡慕体量，而是在 AGI 这个 “西瓜” 面前，当下的流量和收入都只是 “芝麻”—— 哪怕这个芝麻看起来不小。
去年聊天机器人全网爆火的时候，他们也意外吃到了一波流量，但这从来不在他们的计划里。比起抢 C 端流量、抢企业订单，他们内部更关心的永远是：技术路线图走到哪了，下一个突破点在哪。
关于行业格局，他们也有自己的判断：国内现在做大模型的团队太多，大家做的事情高度重合，资源分散得厉害，未来一定会慢慢收敛，不需要这么多公司挤在同一条赛道里。而且大模型公司根本拿不走整个 AI 行业的大部分利润，上游和下游的空间反而更大。
至于大家常聊的中美 AI 差距，他们也很清醒：差距主要在资源和算力上，人才其实没什么差距，国内从来不缺优秀的技术人。他们的目标也很实在：用几分之一的算力，把技术差距缩到几个月以内。
比起技术卡壳，他们更怕团队散了
说出来你可能不信，这家公司眼里最大的风险，不是技术突破遇阻，不是融资不够，而是团队能不能保持稳定。
在他们的原则里，其他都可以商量，只有团队稳定性是不能退让的底线。也正因为如此，他们做很多决策的出发点，都是为了给团队一个安心搞技术的环境。
比如他们不愿意和任何大厂、创业公司成为对手，反而愿意去帮同行把事情做好，给行业赋能。说白了就是不想树敌，让团队能安安静静搞研究，不用卷进乱七八糟的商业竞争里。
组织文化上也很特别。他们不是纯自上而下的指令式管理，也不是完全放养，而是一半一半：一半时间做公司规划的核心方向，另一半时间完全自由，研究员想研究什么就研究什么，没人定 KPI、派任务。
加班文化？也没有。他们觉得做研究本来就需要松弛的环境，加上公司足够聚焦，很多不那么重要的产品功能干脆就不做，自然也不用靠加班补进度。
整个公司不是靠绩效驱动，是靠愿景驱动的。说起来有点虚，但从成立之初，最早的那批人初衷就不是上市赚大钱，而是觉得做这件事对人类有用，是抱着善意在做技术。比起 “天才团队” 的叙事，他们更相信一群平凡的人，靠专注和克制，也能做成不平凡的事。
其实看完这家公司的思路，最大的感受就是：在所有人都在做加法、追风口的行业里，敢做减法、敢说 “不”，反而需要更大的定力。
我们总觉得厉害的公司是什么都能做，什么都要拿到。但其实真正的战略，很多时候是选择放弃什么。放弃短期的高利润，放弃热闹的赛道，放弃流量的诱惑，用这些克制，去换一个更长远的可能性。
至于这条路到底走不走得通，现在没人知道。但在浮躁的 AI 圈里，能有这样沉下心的团队，总归是件好事。
你觉得这种 “克制” 的路线能走通吗？评论区聊聊～