Pendanaan yang mengubah lanskap industri AI

Pada Mei 2026, Tiongkok bidang AI menyaksikan peristiwa yang menandai—DeepSeek menyelesaikan putaran pendanaan eksternal pertamanya. Total dana yang dihimpun melebihi 500 miliar yuan RMB (sekitar 7,4 miliar USD), dan nilai valuasi pasca-investasi menembus lebih dari 500 miliar dolar. Ini adalah kali pertama perusahaan model terkemuka yang selama ini menjauh dari pasar modal membuka pintu pendanaan.

Komposisi investor dapat dibilang sangat mewah: pendiri Liang Wenfeng menginvestasikan secara pribadi 200 miliar yuan, Tencent 100 miliar yuan, CATL 50 miliar yuan, sementara NetEase, JD.com, dan IDG Capital masing-masing 30 miliar yuan. Monolith Qisi Capital, Zhenxin Gu Investment, dan pihak lain juga turut terlibat.

Penggalangan dana ini mengguncang industri tidak hanya karena skalanya, tetapi juga karena berasal dari perusahaan yang dulu mengklaim “tidak menggalang dana, tidak IPO, tidak komersialisasi.” Orang penasaran: mengapa Liang Wenfeng mengubah pikirannya? Perjalanan teknologi dan filosofi bisnis sebenarnya apa dari perusahaan yang begitu banyak diberi sorotan itu?

Baru-baru ini, sebuah risalah rapat internal selama masa pendanaan DeepSeek beredar di kalangan industri. Dalam risalah panjang berdurasi berjam-jam itu, Liang Wenfeng secara langka menjelaskan secara sistematis seluruh pemikirannya tentang budaya organisasi, jalur teknologi, pertarungan bisnis, dan infrastruktur daya komputasi. Pandangan-pandangannya cukup untuk menjelaskan keputusan-keputusan terkendali perusahaan ini yang terlihat tidak intuitif, namun akhirnya terbukti benar.

Eksperimen organisasi yang digerakkan oleh visi: perusahaan tanpa KPI

“Mengelola perusahaan besar tidak bergantung pada peraturan dan sistemmu; yang diandalkan adalah visimu.” Dalam rapat, Liang Wenfeng mendefinisikan filosofi organisasi DeepSeek dengan cara seperti itu.

Ini bukan sekadar slogan yang kosong. Ia terus terang berkata bahwa DeepSeek “tidak punya organisasi”, murni digerakkan oleh visi. “Kami tidak melakukannya dengan cara ‘saya harus mencapai KPI apa, bagaimana penilaiannya’, kami hanya punya visi.”

Wujud spesifik dari eksperimen organisasi seperti ini adalah: manajemen perusahaan dibagi menjadi dua jalur—proyek resmi dari atas ke bawah, dan eksplorasi bebas dari bawah ke atas. Liang Wenfeng berharap pekerjaan formal “tidak menghabiskan setengah dari waktu karyawan”; sisa setengah waktu, para peneliti dapat mengeksplorasi arah apa pun yang mereka anggap penting, “tanpa siapa pun mengatur dia, tanpa KPI.”

“Biasanya kami juga tidak lembur.” Ia memberikan dua alasan: pertama, riset butuh lingkungan yang longgar; kalau dipaksa terlalu ketat, riset tidak bisa dilakukan. Kedua, perusahaan sangat terfokus: “Karena pengekangan, banyak hal yang kami pilih untuk tidak lakukan. Karena yang harus saya kerjakan lebih sedikit, maka pekerjaan yang didapat tiap orang juga lebih sedikit.”

Di balik manajemen yang tampak “serba santai” ini ada pertimbangan strategi yang jelas: kepentingan inti terbesar DeepSeek adalah menjaga stabilitas tim.

“Selama saya bisa menjaga stabilitas tim, saya pasti bisa mewujudkan AGI.” kata Liang Wenfeng, “tidak lebih atau kurang, cepat atau lambat; kalau saat mengalami hambatan semua orang tidak pergi, maka saya bisa terus melakukannya.”

Ia melihat ini sebagai “kepentingan inti yang tidak bisa ditawar.” Semua yang lain—waktu, sumber daya, uang—bisa menjadi variabel, tetapi tim tidak boleh tercerai-berai. Makna kunci dari pendanaan ini adalah mengunci tim inti dalam jangka panjang melalui opsi saham.

Yang lebih penting, ia menggunakan visi itu sendiri untuk menjelaskan mengapa DeepSeek bisa menarik dan mempertahankan talenta.

“AGI adalah visi yang lebih besar. Visi ini bisa menarik lebih banyak orang-orang hebat.” Menurutnya, ini adalah keunggulan struktural DeepSeek dibanding perusahaan komersial. Visi perusahaan komersial mungkin adalah “melayani pengguna segmen C dengan baik”, yang unggul dalam produk dan lalu lintas, tetapi di sisi teknologi sulit unggul. “Dan sekarang situasi yang paling menguntungkan adalah: teknologi model yang paling inti dan paling penting.”

Model organisasi yang digerakkan oleh visi ini membuat Liang Wenfeng secara sengaja membedakan DeepSeek dari Bell Labs di sejarah: “Bell Labs secara jelas tidak membutuhkan komersialisasi, tapi kami secara jelas ingin komersialisasi. Pada akhirnya kami tetap harus bisa hidup; lagipula kami adalah sebuah perusahaan, pemerintah tidak akan memberi saya satu sen pun.”

Ini sisi yang pragmatis dari filosofinya: niat baik untuk mengubah dunia, tetapi pada akhirnya harus bisa bertahan hidup sendiri.

Tangga AGI: dari rantai pemikiran ke kecerdasan yang berwujud

Jika budaya organisasi adalah sistem operasi DeepSeek, peta jalan AGI adalah peta navigasinya. Dalam rapat tersebut, Liang Wenfeng menggambarkan jalur pembangunan yang jelas berbentuk tangga.

“Perkembangan AI, kita bisa memahaminya sebagai sebuah tangga,” katanya. “Tangga yang kita tempuh tahun lalu adalah CoT (rantai pemikiran). Kami menemukan bahwa dengan cara rantai pemikiran, kecerdasan bisa mencapai level yang lebih tinggi. Tangga tahun ini adalah Agent; dengan cara Agent, cakupan kemampuan AI akan lebih luas, dan batas kecerdasannya akan lebih tinggi.”

Tangga ini tidak berdiri sendiri. Setiap langkah ke atas memerlukan dukungan dari semua langkah sebelumnya. “Agent memakai CoT, dan CoT juga memakai model bahasa dari langkah sebelumnya; tidak ada satu langkah pun yang dijalani tanpa manfaat.”

Tapi setelah Agent, ia melihat sebuah hambatan utama: pembelajaran berkelanjutan.

“AI tetap tidak bisa menggantikan karyawan manusia. Karena manusia bisa terus belajar. Jika Anda merekrut seseorang, ia butuh dua bulan untuk memahami lingkungan dan cara kerja perusahaan, lalu langsung bisa mulai. Anda bilang, ‘panggil Pak Wang’, dia tahu siapa Pak Wang. Tapi kalau AI tidak punya dua bulan pembelajaran itu, Anda harus memberi semua konteks: siapa Pak Wang, jabatannya apa, di mana, dan sebagainya—itu tidak realistis.”

Menurut Liang Wenfeng, pembelajaran berkelanjutan adalah ambang batas yang harus dilewati untuk mencapai AGI. Setelah melewati itu, barulah datang ke node berikutnya: AI bisa mengiterasi sendiri, mengembangkan versi berikutnya sendiri, dan meneliti model yang lebih kuat. Pada saat itulah barulah giliran kecerdasan berwujud—“masuk ke dunia nyata, mengerjakan pekerjaan rumah untuk Anda, merawat Anda di masa tua.”

Peta jalan ini menentukan logika keputusan DeepSeek. Apa yang dikerjakan, apa yang tidak dikerjakan—semuanya berpusat pada “apakah itu berada di jalur utama kecerdasan.”

Multimodal? “Itu sebuah komponen, bukan inti dari jalur utama. Kami akan membuatnya, tapi tidak menganggap itu sebagai kecerdasan itu sendiri.” Pembuatan video? “Itu tidak terlalu terkait dengan jalur utama kecerdasan, kami tidak akan melakukannya.” Model dunia? “Sekarang ini juga tidak terlalu terkait dengan peningkatan batas kemampuan kecerdasan, jadi kami tidak akan melakukannya.”

Fokus seperti ini kadang disalahpahami pihak luar sebagai hal yang konservatif. Tapi logika Liang Wenfeng jelas: ia hanya ingin membangun pijakan inti di tangga kecerdasan; untuk hal-hal lain, bahkan jika nilai bisnisnya besar, ia lebih memilih memberikannya kepada pihak lain.

“Setelah Sora keluar, semua perusahaan besar dan kecil membuatnya, tapi perusahaan kecil belakangan menghentikannya. Secara bisnis itu pekerjaan yang bagus, tapi tidak ada hubungannya dengan kecerdasan. Kami hanya akan membuatnya karena itu ada dalam peta jalan kecerdasan.”

Sementara itu, keyakinannya pada Scaling Law juga tidak goyah. “Kami percaya pada Scaling. Pasti semakin besar skalanya, semakin baik hasilnya. Yang menghentikan kami untuk Scaling adalah daya komputasi—bukan karena kami tidak ingin Scaling, tapi karena kami tidak punya daya komputasi sebanyak itu untuk melakukannya.”

Untuk pernyataan di Silicon Valley yang ramai soal “Scaling sampai titik akhir”, Liang Wenfeng menanggapinya dengan tegas: “Itu untuk Silicon Valley. Bagi orang Tiongkok, kami masih jauh dari itu. Kami bahkan belum Scaling sampai level seperti itu.”

Filosofi bisnis yang berpegang: wijen dan semangka

Keputusan bisnis DeepSeek yang paling membingungkan mungkin adalah tampaknya mereka selalu secara proaktif melepaskan keuntungan jangka pendek. Harga API yang sangat rendah, produk yang tidak terburu-buru untuk menghasilkan uang, tidak mengejar pertumbuhan pengguna, dan open source model terkuat—tindakan-tindakan ini hampir tak masuk akal dalam logika bisnis tradisional.

Liang Wenfeng menjelaskan semuanya dengan seperangkat “filsafat pengekangan”.

“Urusan AI ini terlalu besar, keuntungan juga terlalu besar. Semakin Anda berpegang/terkendali, semakin besar peluang Anda untuk berhasil.” Rantai logikanya jelas: AI pada akhirnya mungkin menguasai sepuluh persen dari PDB manusia. Pasar sebesar itu tidak mungkin dimonopoli oleh satu perusahaan saja. Jika mencoba memonopoli, Anda akan dibuang oleh sejarah. Jadi, harus ada mekanisme untuk memastikan Anda hanya mendapatkan bagian yang terbatas.

Ini adalah sisi pengekangan sebagai pertahanan pasif. Tapi pengekangan juga punya sisi lain—sebagai senjata serangan strategis.

“Pengekangan adalah strategi. Kadang Anda bisa melepaskan beberapa hal, untuk menukar lebih banyak hal lain.”

Ia menjelaskan pengorbanan semacam ini dengan sebuah analogi: pertumbuhan pengguna yang terlihat di depan mata dan monetisasi jangka pendek mungkin hanya “wijen”, sementara AGI adalah “semangka” yang sesungguhnya. “Saya tidak seharusnya merebut semua wijen. Yang dilakukan tahun lalu untuk segmen C, tahun ini segmen B—itu harus dilakukan dan dilakukan dengan baik. Tapi itu bukan tujuan kami. Itu hanyalah produk sampingan saat kami menempuh jalur menuju AGI.”

Harga API paling bisa mencerminkan filosofi ini. Prinsip penetapan harga DeepSeek adalah: modal perangkat kembali dalam sepuluh bulan.

“Biaya ini—modal balik dalam sepuluh bulan. Kami bisa melakukannya sendiri, yang lain tidak. Seperti Alibaba atau Tencent, karena mereka tidak punya optimasi seperti kami, biaya mereka harusnya beberapa kali lebih tinggi.”

Yang menarik, ia menemukan bahwa ketika harga digandakan, jumlah token yang digunakan pengguna hampir tidak berubah—di rentang ini, permintaan tidak elastis. Secara teori, menaikkan harga langsung menambah pendapatan. Tapi ketika ia mencoba menurunkan harga, di grup perusahaan “satu suara sorak”.

“Ini memang pikiran sebenarnya kami. Saat kita meraih profit yang wajar, agar semua orang bisa menggunakannya. Ini tujuan kami: menghabiskan begitu banyak tenaga untuk membuat modelnya bagus, sehingga semua orang benar-benar bisa memakainya secara maksimal.”

Strategi penetapan harga yang tampak seperti “orang naif yang baik-baik saja”, justru membentuk penghalang persaingan yang sangat kuat. Dengan target balik modal sepuluh bulan, pesaing lain yang menerapkan model pihak ketiga tidak akan menghasilkan keuntungan—karena biaya mereka lebih tinggi. Open source bukan hanya tidak akan mengganggu pendapatan, malah menjadi bagian dari benteng tersebut.

“Saya juga tidak khawatir orang lain akan menerapkan model kami untuk bersaing dengan kami. Sama sekali tidak khawatir. Yang saya khawatirkan hanya kalau mereka tidak bisa menerapkannya—kalau ada detail yang tidak mereka lakukan dengan benar, hasilnya jadi lebih buruk, atau biayanya jadi lebih tinggi.”

Kepercayaan dasarnya adalah: Orang yang mendapatkan lebih banyak akan dikalahkan oleh orang yang mendapatkan lebih sedikit.

“OpenAI dari awal merasa mereka benar-benar mampu memonopoli dunia ini, tapi kenyataannya mereka akan menghadapi banyak, banyak penantang. AS akan menjadi pihak yang menantang, dan di masa depan mereka mungkin juga menghadapi tantangan dari Tiongkok, karena orang Tiongkok bersedia mengambil lebih sedikit. Orang yang mengambil lebih banyak akan dikalahkan oleh orang yang mengambil lebih sedikit. Bahkan Anda bahkan tidak perlu benar-benar mengambil lebih banyak—jika visi Anda adalah mengambil lebih banyak, Anda akan dikalahkan oleh visi orang yang mengambil lebih sedikit.”

Kesenjangan daya komputasi dan strategi nyata: tertinggal dua tahun, dengan daya komputasi seperduapuluh

Di semua pernyataan yang terang-terangan, bagian tentang daya komputasi mungkin yang paling realistis dan paling menenangkan.

“Kesenjangan kami dengan AS terutama ada pada sumber daya. Kesenjangan pada orang tidak terlalu besar.” Liang Wenfeng langsung menyebut intinya. Pada dasarnya, talenta itu berasal dari kelompok orang yang sama: ada yang tinggal di dalam negeri, ada yang pergi ke luar negeri, pembagiannya acak. Perbedaan nyata adalah daya komputasi—peluang untuk melakukan eksperimen di dalam negeri lebih sedikit, jadi talenta secara keseluruhan tertinggal dari AS. “Kesenjangan talenta, pada dasarnya juga karena kesenjangan daya komputasi.”

Ia mengakui bahwa DeepSeek saat ini bisa melakukan eksperimen pada skala parameter yang puluhan miliar, sedangkan model top AS sudah mencapai skala ratusan miliar aktivasi (800B). “Beda satu orde besarnya. Bahkan kalau menghabiskan semuanya 50 miliar dolar, sebenarnya tidak bisa melatihnya.”

Narasi tentang kesenjangan ini ia rangkum menjadi satu kalimat: “Tertinggal dari AS dua tahun, tapi hanya memakai seperdua puluh daya komputasi AS untuk membuat hal ini.”

Tapi ia tidak mau berhenti sampai di situ. “Ke depan, kita akan mengubah narasi ini: kita memakai sebagian kecil dari daya komputasi, tetapi memendekkan waktunya—jadi 6 bulan, 3 bulan.”

Keyakinan untuk mengejar ini sebagian berasal dari satu asumsi inti: AI dapat mempercepat riset AI. Begitu masalah pembelajaran berkelanjutan terselesaikan, AI dapat membantu riset AI, membentuk roda gila percepatan yang mandiri.

Mengenai penggantian chip buatan dalam negeri, Liang Wenfeng memberikan penilaian yang lebih optimis daripada banyak orang.

“Benteng CUDA Nvidia sedang runtuh dengan cepat.” Ia memberikan tiga alasan: AI itu sendiri bisa menulis kode untuk membangun ekosistem; bahasa tingkat lanjut TileLang yang dikembangkan oleh DeepSeek dapat dengan cepat menulis ulang ekosistem Nvidia; pasar kartu komputasi sudah lebih besar daripada kartu untuk game, sehingga chip khusus tidak lagi perlu tergantung pada CUDA.

Kesimpulannya: “Chip AI buatan dalam negeri tidak punya masalah pada perangkat keras dan ekosistemnya. Satu-satunya masalah adalah kapasitas produksi yang tidak cukup. Dalam setahun, dengan fakta, kita bisa membalikkan persepsi itu.”

Namun ia juga tidak menutup mata terhadap keterbatasan dunia nyata Huawei. Kapasitas yang diberikan Huawei ke DeepSeek adalah 16.000 kartu, hanya setara dengan 4.000 kartu seri B dari Nvidia. “Ini bukan jumlah yang besar—hanya cukup untuk melatih generasi model kami saat ini, tidak cukup untuk generasi berikutnya.”

Ia merangkum kesenjangan chip Tiongkok-AS dengan angka yang tepat: “Empat kali lipat plus dua tahun.” Empat kartu Huawei bisa menandingi satu kartu Nvidia, tetapi tetap tertinggal dua tahun.

Meski begitu, ia tetap optimis tentang masa depan: “Saya tidak terlalu percaya bahwa lima tahun ke depan, kita masih akan terjebak pada masalah kapasitas produksi.”

Final industri: tidak ada keuntungan berlebihan, hanya biaya, waktu, dan pengalaman

Saat ditanya di mana letak diferensiasi di ujung persaingan model besar, Liang Wenfeng memberikan jawaban yang sangat ringkas: biaya, waktu, dan pengalaman pengguna.

“Selain itu, mungkin tidak ada perbedaan apa pun.”

Biaya adalah yang pertama. Siapa pun yang bisa membuat biaya lebih rendah dengan kualitas layanan yang sama, dialah yang memiliki benteng paling inti. Waktu adalah yang kedua—beberapa bulan lebih cepat atau lebih lambat, perbedaannya sangat besar. Pengalaman pengguna memang yang ketiga, tapi tetap ada sedikit daya lekat dan benteng: “Tapi itu mungkin bukan intinya.”

Berdasarkan itu, ia menilai industri pasti akan menuju konsolidasi. “Sekarang di dalam negeri terlalu banyak yang membuat model dasar. Di AS mungkin hanya tiga, dan sumber daya Tiongkok tersebar. Ini pasti akan mengerucut. Tidak perlu sebanyak itu.”

Ia memprediksi, ketika para peserta menemukan bahwa profit dari hal ini ternyata tidak setinggi yang dibayangkan, mereka pasti akan mundur. “Saya tidak percaya pada keuntungan berlebihan, karena itu tidak sesuai dengan hukum objektif. Pada akhirnya di Tiongkok ada tiga atau empat perusahaan kompetitor, dan harga sudah pasti cukup untuk perang harga.”

Dalam pembagian kerja global, ia berpendapat peluang struktural perusahaan Tiongkok ada pada: “produksi paling besar, membuat produk menjadi paling murah.” “Orang Tiongkok bersedia mengambil lebih sedikit, jadi Anda bisa memberikan layanan itu. Kebermurahan itu mungkin sistemik—mirip dengan industri lain di mana layanan dari Tiongkok bisa lebih murah.”

Lalu, AGI sejauh apa masih dibutuhkan waktu?

“Dalam urusan AI ini, dalam satu atau dua tahun ke depan, kita bisa mencapai level yang mirip dengan luar negeri. Tahun ini mungkin kita sudah bisa membuat model pengganti yang setara dengan luar negeri.” Tapi itu belum benar-benar AGI. Ambang yang ia tetapkan untuk AGI adalah kemampuan untuk pembelajaran berkelanjutan. “Sebelum itu, yang bisa kita lakukan adalah biaya, lalu hasil kita harus lebih bagus, dan kecepatannya harus lebih cepat. Tapi untuk terobosan besar, ia harus punya pembelajaran berkelanjutan.”

Epilog: Tidak meniru eksplorasi siapa pun

“Kami tidak punya objek untuk ditiru. Setiap langkah didasarkan pada kondisi nyata, menganalisis untung-rugi secara faktual untuk mengambil keputusan.” Menjelang rapat yang hampir berakhir, Liang Wenfeng merangkum pilihan jalur DeepSeek dengan cara seperti itu.

Ini kombinasi yang aneh: ambisi yang ekstrem dan pengekangan yang ekstrem berjalan bersamaan. Ambisi karena ia ingin membuat AGI, tidak puas dengan stasiun mana pun di tengah jalan; pengekangan karena ia bersedia melepaskan hampir semua keuntungan jangka pendek untuk itu, bahkan sampai membuka source model terkuat dan menekan harga API sampai level di mana pesaing tidak bisa menghasilkan profit.

Logika dasar dari kombinasi ini mungkin adalah wawasan inti Liang Wenfeng: di pasar yang akan membesar hingga sulit dibayangkan, cara untuk memaksimalkan peluang sukses bukanlah berebut keuntungan saat ini, melainkan membangun ekosistem dan konsensus terbesar. Pengekangan bukan kelemahan, tapi serangan jangka panjang.

“Banyak perusahaan menjadi sangat hebat karena mereka punya tujuan di luar profit. Tapi tujuan itu pada akhirnya bukan hanya tidak mengganggu komersialisasi—malah membuat komersialisasi mereka menjadi lebih baik.”

Risalah rapat pendanaan ini mungkin akan menjadi teks yang layak dibaca berulang kali dalam sejarah startup AI. Ia tidak hanya mencatat pemikiran strategis sebuah perusahaan di titik balik penting, tetapi juga menampilkan sebuah filosofi bisnis yang sangat langka—di industri yang didorong oleh keuntungan jangka pendek dan kecemasan teknis, masih ada orang yang mau berjudi pada masa depan yang lebih besar dengan kebaikan hati, pengekangan, dan pola pikir jangka panjang.

(Artikel ini disusun berdasarkan risalah rapat internal selama masa pendanaan DeepSeek; isinya menggabungkan laporan dari berbagai media seperti Jiemian News, Tencent Technology, dan Deep Blue Finance.)