最近流出的一份梁文锋投资人交流会录音,把 DeepSeek 的 AGI 技术路线图完整暴露了。和外界想象的"视频生成+世界模型+多模态+具身"一锅炖不同,DeepSeek 画了一条克制的主线:语言模型 → CoT → Agent → 持续学习 → 自我迭代 → 具身智能。每一步都是上一个能力解锁后自然涌现的下一个瓶颈,不是产品经理拍出来的。 这条路线最值得关注的一句话是:**Agent 之后,下一个要解决的问题是持续学习**。梁文锋直言,现在的 Agent 看似热闹,本质是零样本推理的工程化封装——参数在推理时不会变化,所以 Agent 再强也只是"调用工具的高级 LLM",而非真正能"上班"的员工。一旦模型具备持续学习能力,像人类到岗学两个月就能接手工作,生产关系才会真正被改写。 与之配套,视频生成、3D、世界模型被明确放到"非主线"——理由是这些方向对 C 端产品重要、对商业落地重要,但与"智能上限"的提升没有直接因果。这是"不为眼前热钱做技术"的克制。 另一边,他们对 Scaling 的态度很诚实:信,但承认"阻止我们 Scaling 的就是算力"。所以低成本训练、国产算力适配、MoE/MLA、自建编译器,不是省钱策略,而是用工程效率换迭代空间。 这给行业的启示很明确:当算力是有限供给时,模型天花板不再由参数规模决定,而由工程效率与训练方法论的密度决定。这也是 2026 年 MoE、混合注意力、推测解码这些"推理侧创新"比单纯堆参数更受关注的原因——智能密度正在取代参数规模,成为新的军备竞赛维度。