DeepSeek के संस्थापक Liang Wenfeng की इन्वेस्टर मीटिंग रिकॉर्डिंग में क्या कहा गया

बीती रात से, वीचैट पब्लिक अकाउंट्स पर डीपसीक के लियांग वेनफेंग की रिकॉर्डिंग को लगातार शेयर किया जा रहा है, और AI का उपयोग करके उसे सारांशित कर लेख लिखे जा रहे हैं।

मूल रिकॉर्डिंग ट्रांसक्रिप्ट PDF डाउनलोड करें

📎

https://xiangyangqiaomu.feishu.cn/wiki/Ojsuw8gE6ieBZJkYOMtcOcaenwq

डीपसीक के पास DDCP नाम का एक मॉडल है। जिस दिन इसकी कीमत घटाकर मूल की एक-चौथाई कर दी गई, उस दिन कंपनी के ग्रुप चैट में जश्न का माहौल था।

एक सामान्य कंपनी की वित्तीय बैठक में कीमत में कटौती का मतलब राजस्व में गिरावट होता है और यह बुरी खबर होती है, जिसके लिए डांट पड़ती है।

डीपसीक ने इसे जश्न मनाने लायक पल माना।

इस तीन घंटे और चौवालीस मिनट की बातचीत में, लियांग वेनफेंग ने एक ही बात बार-बार कही: उनके पास न तो पैसा है, न कोई कार्ड, न नाम है, न ही टीम में कोई टॉप-टियर प्रतिभा है, और यहाँ तक कि उन्होंने खुद भी किसी बेहतरीन स्कूल से ग्रेजुएशन नहीं किया है।

कैसे सामान्य लोगों के एक समूह ने दो साल में ऐसा कुछ बनाया जिसने पूरी दुनिया को परेशान कर दिया?

लियांग वेनफेंग का उल्टा फैसला: AI के मामले में, जो लोग सबसे ज्यादा लेना चाहते हैं, वे पहले हारेंगे।

जितना ज़्यादा लोगे, उतनी जल्दी मरोगे

लियांग वेनफेंग ने एक गणना की। मान लीजिए कि AI अंततः वैश्विक GDP का 10% खपत कर सकता है, और OpenAI उसका 5% लेना चाहता है; यह गणना सैद्धांतिक रूप से सही है।

लेकिन जैसे ही कोई प्रतिस्पर्धी आएगा जो केवल 1% लेने को तैयार है, वे कम कीमत पर पहले वाले को कुचल सकते हैं।

फिर कोई और आएगा जो सिर्फ 0.1% चाहता है, वह भी पिछले वाले को कुचल देगा।

यह श्रृंखला तब तक नीचे लुढ़कती रहेगी जब तक वह एक संतुलन बिंदु पर नहीं पहुँचती: यदि आप बहुत कम लेते हैं, तो व्यवसाय मॉडल टिक नहीं पाएगा और आप स्वाभाविक रूप से समाप्त हो जाएँगे; यदि आप बहुत अधिक लेते हैं, तो जो लोग कम लेते हैं वे आपको परत दर परत बाहर कर देंगे।

लियांग वेनफेंग ने सीधे कहा: उन्हें कोई संदेह नहीं है कि AGI का जबरदस्त व्यावसायिक मूल्य होगा, लेकिन बड़ा हिस्सा पाने के तरीके से ज्यादा, वे इस बात की परवाह करते हैं कि इसे वास्तविकता बनाने की संभावना कैसे बढ़ाई जाए।

और उस संभावना को बढ़ाने का तरीका यह है कि वे जो हिस्सा लेना चाहते हैं उसे सक्रिय रूप से छोटा करें।

इस तर्क को मूल्य निर्धारण पर लागू करते हुए, डीपसीक का API दस महीनों में ब्रेक-ईवन करने के लिए डिज़ाइन किया गया है, जो लगभग छह गुना लाभ के अनुरूप है।

यह लाभ अधिकतमकरण नहीं है। अगर वे वास्तव में लाभ को अधिकतम करना चाहते, तो कीमत अधिक रखनी चाहिए क्योंकि मौजूदा रेंज में उपयोगकर्ता की मांग बेलोचदार है; कीमत बढ़ाने से खपत में काफी कमी नहीं आएगी।

लेकिन छह गुना लाभ को एक बहुत ही व्यावहारिक कारण से सक्रिय रूप से इस ऊपरी सीमा पर रखा गया है: लाभ मार्जिन को इतना कम रखने से, तीसरे पक्ष के लिए ओपन-सोर्स मॉडल को खुद तैनात करके व्यवसाय चुराना लाभदायक नहीं रह जाता।

ओपन सोर्स और कम लाभ एक ही सिक्के के दो पहलू हैं।

क्लोज्ड सोर्स के माध्यम से मुनाफे को लॉक करने के बजाय, वे मुनाफे को इस स्तर तक संपीड़ित करने पर भरोसा करते हैं कि दूसरे इसे दोहराने का जोखिम न उठा सकें, जिससे बाजार ही सुरक्षित रहता है।

लियांग वेनफेंग ने गणना की कि अगर वे वास्तव में सौ गुना मुनाफा कमाना चाहते, तो ओपन सोर्स एक खामी बन जाता, क्योंकि तीसरे पक्ष की तैनाती की लागत उनकी लागत का केवल बीसवाँ हिस्सा हो सकती है।

लेकिन डीपसीक ने शुरू से ही उस रास्ते पर जाने का इरादा नहीं किया था।

वह ओपन सोर्स को लेकर चिंतित नहीं है क्योंकि उसने कभी वर्टिकल एकाधिकार के माध्यम से सौ गुना मुनाफा कमाने के बारे में नहीं सोचा।

"जानबूझकर कम कमाने" का यह तर्क इस कंपनी के लगभग हर अलाभकारी फैसले की व्याख्या करता है।

आगे तिल, पीछे तरबूज

पिछले चीनी नव वर्ष पर, डीपसीक का उपभोक्ता-अंत (C-end) उपयोगकर्ता आधार अचानक फट पड़ा।

यह योजना में नहीं था। टीम ने उन उपयोगकर्ताओं को बनाए न रखने पर भी विचार किया, लेकिन उपयोगकर्ता "भाग नहीं सके" और अंततः रुक गए।

लियांग वेनफेंग ने इस घटना की व्याख्या सीधे शब्दों में की: अपने सामने जो चीजें मिल सकती हैं, उन्हें सर्वोच्च प्राथमिकता देने से आप बड़े अवसर खो देंगे।

वे इसे "तिल उठाना" कहते हैं। पिछले साल का C-end ट्रैफिक और इस साल का बिज़नेस-एंड (B-end) राजस्व, उनके विचार में, सिर्फ तिल हैं—उन्हें गुजरते हुए उठा लेना काफी है; उनके लिए रुकना उचित नहीं है।

असली तरबूज AGI है, और AGI का अवसर हमेशा इतना बड़ा होता है कि अभी यह गणना करने की कोई जरूरत नहीं है कि आप कितना हिस्सा ले सकते हैं।

इसका एक दिलचस्प परिणाम सामने आता है: डीपसीक लगभग संयोग से उत्पाद बनाता है।

लियांग वेनफेंग ने कहा कि कंपनी के प्रशिक्षण और API का प्रारंभिक बिंदु कभी भी उपयोगकर्ताओं की अच्छी सेवा करना नहीं था, बल्कि इसलिए था क्योंकि AGI के रास्ते पर यह कदम उठाया जाना चाहिए। उपयोगकर्ता और राजस्व तो बस रास्ते में उत्पन्न होने वाले उप-उत्पाद हैं।

यह रणनीति, उनकी नज़र में, एक प्रकार का आयामी-कमी हमला है: AGI को अपने लक्ष्य के रूप में रखने वाला संगठन, उन कंपनियों की तुलना में C-end और B-end उत्पादों पर बहुत कम ध्यान देता है जो उत्पाद को ही अपना लक्ष्य मानती हैं, फिर भी परिणाम जरूरी नहीं कि बुरे हों।

उनका स्पष्टीकरण यह है कि एक बड़ा दृष्टिकोण शीर्ष प्रतिभाओं को बेहतर ढंग से एकजुट कर सकता है; इसके परिणामस्वरूप प्रतिभा का लाभ स्वाभाविक रूप से उत्पाद स्तर पर प्रवाहित होगा, जो एक आयामी-कमी हमला बन जाएगा।

इसके विपरीत, एक कंपनी जो "एक अच्छा उत्पाद बनाने" को अंतिम लक्ष्य मानती है, उसके पास उत्पाद अनुभव, ट्रैफिक और उपयोगकर्ता सेवा में फायदे होंगे, लेकिन अपस्ट्रीम तकनीकी क्षमताओं के मामले में, वह उस कंपनी से कभी नहीं मिल पाएगी जो तकनीक को ही अंतिम लक्ष्य मानती है।

वही संयम उन चीजों को भी निर्धारित करता है जो डीपसीक नहीं करना चुनता है।

न चिप बनाना, न पूरी उद्योग श्रृंखला

एक निवेशक ने लियांग वेनफेंग से पूछा कि क्या वह अपस्ट्रीम में चिप बनाने या डाउनस्ट्रीम में फाइनेंस या हेल्थकेयर जैसे वर्टिकल एप्लिकेशन में जाएगा।

उनका जवाब था नहीं।

इसका कारण एक पावर प्लांट का रूपक है: पावर प्लांट चलाने वाले व्यक्ति को खुद जनरेटर बनाने की जरूरत नहीं है। जब तक वह उचित मूल्य पर खरीद सकता है, तो इसे क्यों बनाएं?

यह उसी "संयम" तर्क का विस्तार है।

लियांग वेनफेंग ने कहा कि AI का पाई इतना बड़ा है कि भविष्य में कई ट्रिलियन-डॉलर की कंपनियां उभरेंगी। डीपसीक को केवल उनमें से एक होने की जरूरत है, केवल वही हिस्सा खाना है जिसमें वह सबसे अच्छा है, पूरी उद्योग श्रृंखला को निगलने की जरूरत नहीं है।

बहुत अधिक खाने से जल्दी बाहर निकलना पड़ेगा।

यही रवैया प्रतिस्पर्धियों के प्रति भी है।

लियांग वेनफेंग ने कहा कि डीपसीक अलीबाबा, ज़िपु और मूनशॉट AI को ओपन-सोर्स मॉडल को बेहतर ढंग से दोहराने में मदद करने को तैयार है, क्योंकि इससे उनके अपने हितों को कोई नुकसान नहीं होता।

यह विनम्र लगता है, लेकिन अंतर्निहित एल्गोरिथ्म एक जैसा है: यदि बाजार काफी बड़ा है, तो दूसरों का अच्छा करना कोई खतरा नहीं है; दूसरों का बुरा करना और पूरे पारिस्थितिकी तंत्र के भरोसे को बर्बाद करना ही वास्तविक नुकसान है।

संयम बताता है कि डीपसीक क्या नहीं करता है।

यह क्या करेगा, इसका जवाब एक तकनीकी सीढ़ी है जिसके बारे में लंबे समय से सोचा गया है।

एक सीढ़ी जो बिना ओवरटाइम के चढ़ी जा सकती है

लियांग वेनफेंग AI तकनीक के विकास को एक सीढ़ी पर परत दर परत चढ़ने की तरह बताते हैं, जहाँ हर कदम पिछले पर आधारित होता है और कोई भी कदम बेकार नहीं जाता।

पिछले साल का कदम चेन ऑफ थॉट (CoT) था, जिसने मॉडल को अपने आप सोचना सिखाया, जिसने बुद्धिमत्ता की ऊपरी सीमा को और आगे बढ़ाया, जो कोडिंग और गणित ओलंपियाड समस्याओं में पहले से ही शीर्ष मनुष्यों से आगे निकल गया।

इस साल का कदम एजेंट्स है, जो मल्टी-स्टेप टास्क एक्जीक्यूशन के माध्यम से क्षमता की सीमाओं को और आगे बढ़ा रहा है।

लेकिन एजेंट का रास्ता भी अपने अंत तक पहुँचेगा।

अंत तक पहुँचने के बाद भी, मॉडल एक वास्तविक कर्मचारी की जगह नहीं ले सकता।

लियांग वेनफेंग ने एक बहुत ही उपयुक्त उदाहरण दिया: जब कोई नया कर्मचारी शामिल होता है, तो वे पर्यावरण से परिचित होने में दो महीने बिताते हैं। उसके बाद, यदि आप कहते हैं "जरा श्याम को बुलाओ," तो वे समझ जाते हैं।

AI में ये दो महीने का संचय नहीं है; आपको यह बताना होगा कि श्याम कौन है, वे कहाँ हैं, और उनका पद क्या है, तब जाकर वह निष्पादित कर सकता है।

"पूरा संदर्भ देना अनिवार्य है" की यह सीमा वर्तमान AI और वास्तविक बुद्धिमत्ता के बीच की अदृश्य दीवार है。

पार करने के लिए अगला कदम सतत सीखना है: क्या मॉडल, एक नए कर्मचारी की तरह, पर्यावरण के साथ निरंतर संपर्क के माध्यम से अपने आप अनुभव संचित कर सकता है, न कि हर बार मनुष्यों द्वारा मुंह में संदर्भ डालने पर निर्भर रहे?

एक बार सतत सीखने की समस्या हल हो जाने पर, एक चरण दिखाई देगा जिसे लियांग वेनफेंग "एकलता" (singularity) कहते हैं: मॉडल की क्षमता इतनी मजबूत होगी कि वह खुद मॉडल के अगले संस्करण को पुनरावृत्त कर सके, अपना स्वयं का शोध कर सके, और एक अधिक उन्नत अगली पीढ़ी का विकास कर सके।

उन्होंने विशेष रूप से इस बात पर जोर दिया कि यह एकलता कोई अचानक उत्परिवर्तन नहीं है, बल्कि एक क्रमिक, सतत प्रक्रिया है, हालांकि इसे पारंपरिक रूप से एकलता कहा जाता है।

उसके बाद ही मूर्त बुद्धिमत्ता (embodied intelligence) आती है, जहाँ रोबोट वास्तव में भौतिक दुनिया में प्रवेश करके घर के काम और बुजुर्गों की देखभाल करेंगे।

जहाँ तक इस क्रम का पालन करने का सवाल है, लियांग वेनफेंग ने कहा: यह सबसे कम मेहनत वाला रास्ता है।

पहले सतत सीखने को हल करके, AI अनुसंधान और विकास के प्रत्येक बाद के चरण को गति देने में मदद कर सकता है, ताकि मनुष्यों को सब कुछ खुद न उठाना पड़े।

इसके विपरीत, यदि वे पहले मूर्त बुद्धिमत्ता करते, तो वह मानव श्रम पर निर्मित एक कड़वा और थकाऊ रास्ता होता, जिसे डीपसीक नहीं चुनना चाहता।

यहाँ एक विवरण है जिस पर ध्यान देना उचित है: मॉडल के अगले संस्करण को प्रशिक्षित करने का डीपसीक का प्राथमिक लक्ष्य बाहरी उपयोगकर्ताओं के लिए इसका अच्छा उपयोग करना नहीं है, बल्कि अपनी खुद की टीम का तेजी से विकास करना है।

मॉडल पहले आंतरिक अनुसंधान और विकास दक्षता की सेवा करता है, और फिर संयोगवश बाहरी उपयोगकर्ताओं को लाभ पहुँचाता है।

प्राथमिकता का यह क्रम, कुछ हद तक, इस कंपनी में लगभग सभी संसाधन आवंटन के अनुक्रम को निर्धारित करता है।

20,000 कार्ड और एक घुलता हुआ मोट

जब चीन और अमेरिका के बीच की खाई के बारे में बात की गई, तो लियांग वेनफेंग का निर्णय बहुत सीधा था: प्रतिभा बाधा नहीं है; कंप्यूटिंग शक्ति बाधा है।

चीन में AI प्रतिभा की कमी नहीं है; आधार काफी बड़ा है, और स्मार्ट लोगों का वितरण यादृच्छिक है। ऐसा कुछ नहीं है कि "सभी सबसे स्मार्ट लोग अमेरिका चले गए।"

असली बाधा संसाधन हैं।

आंकड़े बहुत सीधे हैं: वर्तमान में डीपसीक के पास लगभग 20,000 H-सीरीज समतुल्य कंप्यूट कार्ड हैं, जिनमें से अधिकांश पिछले एक या दो महीनों में ही आए हैं।

वर्तमान सबसे बड़े मॉडल (लगभग 800B सक्रिय पैरामीटर के साथ) के समान ग्रेड के मॉडल को प्रशिक्षित करने के लिए, 50,000 GB300 कार्ड या हुवेई के नवीनतम कार्डों में से 200,000 की आवश्यकता है। यह सिर्फ प्रशिक्षण के लिए है, जिसमें शोध चरण के दौरान भारी प्रयोगात्मक लागत शामिल नहीं है।

डीपसीक के वर्तमान संसाधन दसियों अरबों सक्रिय पैरामीटर के पैमाने पर प्रयोगों का समर्थन कर सकते हैं, जो अभी भी 800B से एक परिमाण दूर है।

घरेलू चिप्स के बारे में, लियांग वेनफेंग का निर्णय अप्रत्याशित रूप से आशावादी था।

उनका मानना है कि CUDA के पारिस्थितिकी मोट को तीन ताकतें एक साथ तोड़ रही हैं: AI स्वयं कोड लिखने में मदद कर सकता है, जिससे एक पारिस्थितिकी तंत्र बनाने की सीमा काफी कम हो जाती है; TileLang जैसी उच्च-स्तरीय भाषाएं CUDA की पूरी ऑपरेटर प्रणाली को जल्दी से फिर से लिख सकती हैं; गेमिंग कार्ड और कंप्यूट कार्ड मूल रूप से एक ही आर्किटेक्चर साझा करते थे क्योंकि AI कंप्यूट बाजार गेमिंग से छोटा था, लेकिन अब कंप्यूट बाजार बड़ा है, और दोनों को अब एक साथ बंधने की जरूरत नहीं है—विशेष चिप्स मुख्यधारा बन रहे हैं।

उन्होंने एक विशिष्ट समय का निर्णय दिया: अगले एक साल के भीतर, यह तथ्य कि घरेलू चिप पारिस्थितिकी तंत्र ठीक है, तथ्यों से साबित हो जाएगा।

एकमात्र शेष बाधा उत्पादन क्षमता है।

विशिष्ट लागत-प्रदर्शन तुलना भी बहुत सीधी है: हुवेई का 950 सुपर-नोड प्रदर्शन और कीमत के मामले में NVIDIA के GB200 और GB300 की जगह ले सकता है, लेकिन इसकी कीमत चार कार्डों को एक से मैच करने पर लगती है, जबकि यह दो साल पीछे है। इससे कोई फर्क नहीं पड़ता कि यह 50% से 200% अधिक महंगा है, जब तक इसे खरीदा जा सकता है।

डीपसीक को वर्तमान में हुवेई से लगभग 16,000 कार्डों की क्षमता मिलती है। यह मात्रा केवल 4,000 NVIDIA कार्डों के बराबर है, जो अगली पीढ़ी के मॉडलों को प्रशिक्षित करने के लिए भी पर्याप्त नहीं है, लेकिन यह हुवेई को पहले पारिस्थितिकी तंत्र चलाने में मदद करने के लिए पर्याप्त है।

लियांग वेनफेंग इसे "हुवेई को पहले यह अच्छी तरह से करने में मदद करना" कहते हैं। वे बड़े मॉडलों को प्रशिक्षित करने के लिए इन कार्डों पर भरोसा करने की उम्मीद नहीं करते; वे भविष्य के लिए रास्ता बना रहे हैं।

इससे भी दिलचस्प है पकड़ने का आख्यान जो वे प्रदान करते हैं: अतीत में, चीनी AI ने दूसरों की कंप्यूटिंग शक्ति के बीसवें हिस्से के साथ तुलनीय चीजें तैयार कीं, जबकि वे एक से दो साल पीछे थे।

भविष्य में, इस "अंतराल समय" को एक या दो साल से तीन से छह महीने तक संपीड़ित करने की आवश्यकता है, जबकि कंप्यूटिंग शक्ति का अंतर उतना ही बड़ा रहेगा।

अधिक संसाधनों पर भरोसा करके नहीं, बल्कि समझदार तरीकों पर भरोसा करके।

"अंतर को पाटने के लिए चतुर शक्ति का उपयोग" का यह दृष्टिकोण कंपनी के अपने प्रबंधन के तरीके में भी परिलक्षित होता है।

आधे कोर शोधकर्ता डेटा लेबल कर रहे हैं

किसी ने लियांग वेनफेंग से पूछा कि क्या बड़े मॉडलों की हैलुसिनेशन समस्या उपयोगकर्ता अनुभव को प्रभावित करेगी। उनका जवाब बहुत स्पष्ट था: हैलुसिनेशन कोई अनसुलझी समस्या नहीं है। इसे बेहतर पोस्ट-ट्रेनिंग के साथ सुधारा जा सकता है; बस इतना है कि अभी तक किसी ने इसमें बहुत मेहनत नहीं लगाई है।

डीपसीक के अंदर, इसे एक उत्पाद मुद्दे के रूप में वर्गीकृत किया गया है; इसे हल किया जाएगा, लेकिन यह फोकस नहीं है।

हैलुसिनेशन समस्या से अधिक याद रखने योग्य एक विवरण है: डीपसीक के आधे कोर शोधकर्ता डेटा लेबल कर रहे हैं।

ऐसा इसलिए नहीं है क्योंकि चीन में डेटा लेबल करना सस्ता है। इसके विपरीत, लियांग वेनफेंग ने कहा कि चीन में उच्च गुणवत्ता वाले डेटा लेबलिंग की लागत अमेरिका से अलग नहीं है, विशेष रूप से उच्च-अंत डेटा के लिए जहां कोई लागत लाभ बिल्कुल नहीं है।

इसलिए वर्तमान रणनीति एक दोहरी दृष्टिकोण है: पहले कम लागत वाले को लेबल करें और उच्च लागत वाले को अभी के लिए अलग रखें।

वे इसे समय का मामला मानते हैं, पूंजी का नहीं।

OpenAI और Anthropic ने पहले शुरू किया और लंबे समय से चल रहे हैं। चीन ने केवल लगभग छह महीने पहले गंभीरता से निवेश करना शुरू किया, लेकिन उम्मीद है कि एक साल के भीतर अधिकांश अंतर को पाटा जा सकता है।

बिना संगठन वाली कंपनी: लोगों को एक साथ क्या रखता है?

लियांग वेनफेंग ने कहा कि डीपसीक का "कोई संगठन नहीं" है और यह दृष्टि से संचालित होता है।

विशिष्ट संचालन: कंपनी प्रबंधन दो पंक्तियों में विभाजित है। एक टॉप-डाउन है सामूहिक परियोजनाओं के लिए, जैसे V4 जारी करना जिसमें पूरे स्टाफ के सहयोग और श्रम विभाजन की आवश्यकता होती है; इस भाग को "औपचारिक" कहा जाता है। दूसरा बॉटम-अप है, जहाँ हर कोई जो चाहे शोध करता है; कोई उन्हें प्रबंधित नहीं करता, और कोई KPI नहीं हैं।

लियांग वेनफेंग अपने लिए जो मानक निर्धारित करते हैं वह है: औपचारिक कार्य को किसी कर्मचारी के आधे से अधिक समय नहीं लेना चाहिए।

इसके पीछे दो विचार हैं।

पहला, शोध के लिए एक आरामदायक वातावरण की आवश्यकता होती है। बहुत अधिक दबाव डालने से नई चीजों की खोज करना असंभव हो जाता है। चूंकि लक्ष्य सहज रुचि को प्रोत्साहित करना है, इसलिए "जंगली सोच" के लिए जगह छोड़नी होगी।

दूसरा, डीपसीक इतना केंद्रित है कि करने के लिए बहुत कम चीजें हैं। कंपनी के उत्पाद आम तौर पर अपूर्ण हैं, और उन्होंने उन्हें ठीक करने में मेहनत नहीं लगाई है, जो अपने आप में एक सक्रिय विकल्प है।

इस संगठनात्मक शैली की कोई नकल करने के लिए कोई टेम्पलेट नहीं है।

लियांग वेनफेंग ने कहा कि डीपसीक ने किसी भी कंपनी की नकल नहीं की है, जिसमें बेल लैब्स भी शामिल है जिसकी अक्सर तुलना की जाती है, क्योंकि बेल लैब्स को अपने लाभ और हानि के लिए जिम्मेदार होने की आवश्यकता नहीं थी, जबकि डीपसीक अंततः एक कंपनी है जिसे यह सोचना होगा कि कैसे जीवित रहना है। सरकार उन्हें एक पैसा भी नहीं देगी।

हर विकल्प हाथ में वास्तविक स्थिति के आधार पर गणना किया गया परिणाम है, न कि कॉपी किया गया उत्तर।

उस जश्न पर लौटना

अब जब DDCP मूल्य कटौती के दिन उस जश्न पर वापस देखते हैं: वह कोई अलग कहानी नहीं थी; यह इस कंपनी के पूरे उत्तरजीविता एल्गोरिथम का एक सूक्ष्म जगत था।

अधिकतम हिस्सेदारी का पीछा न करने में संयम इसलिए है क्योंकि काफी बड़े बाजार में, जो लालची होते हैं वे पहले बाहर हो जाते हैं।

तिल उठाते समय न रुकना इसलिए है क्योंकि तत्काल लाभ को घूरने से आप पीछे के बड़े तरबूजों को नहीं देख पाएंगे।

न चिप्स बनाना और न ही वर्टिकल एप्लिकेशन इसलिए है क्योंकि बहुत अधिक खाने से जल्दी बाहर निकलना पड़ता है।

तकनीकी मार्ग के लिए सबसे कम मेहनत वाला क्रम चुनना इसलिए है क्योंकि बचाई गई ऊर्जा का उपयोग वहाँ किया जा सकता है जहाँ वास्तविक बाधाएँ हैं।

आधे शोधकर्ताओं का डेटा लेबल करना इसलिए है क्योंकि कंप्यूटिंग शक्ति जो अंतर नहीं भर सकती, उसे केवल एक ठोस नींव से भरा जा सकता है।

ये फैसले सतह पर असंबंधित लगते हैं, लेकिन वास्तव में एक ही वाक्य को लिखने के अलग-अलग तरीके हैं: काफी बड़े ट्रैक में, अभी आप कितना प्राप्त कर सकते हैं, इसकी सटीक गणना न करना, अधिक प्राप्त करने के लिए पूर्व शर्त है।

यह एक निर्णय विधि है जिसका उपयोग कोई भी व्यक्ति प्रतिस्पर्धी उद्योग में सीधे कर सकता है।

अगली बार जब आप "मैं अभी कितना प्राप्त कर सकता हूँ" और "मैं भविष्य में कितना प्राप्त कर सकता हूँ" के बीच किसी विकल्प का सामना करें, तो तत्काल लेखा-जोखा निकालने में जल्दबाजी न करें।

एक अधिक मौलिक प्रश्न पूछें: क्या इस मामले में, क्योंकि आप अभी बहुत अधिक ले रहे हैं, समय से पहले एक प्रतिस्पर्धी आकर्षित होगा जो कम लेने को तैयार है?

यदि उत्तर हाँ है, तो अल्पकालिक लाभ कितना भी आकर्षक क्यों न हो, इसके लिए उत्तरजीविता की संभावना को व्यापार करना उचित नहीं है।