让智能能够感知、推理与行动。

我认同的愿景，必须能回答：为什么做这件事，最好的资源投向哪里，哪些机会值得放弃。

漂亮的话不算数。当短期收益与长期目标发生冲突时，选择才算数。真正相信的东西，应该能在我的决策里被看见。

我重视合理回报，但不把利益占全当作目标。不是每一份收益都要自己拿走，也不是所有环节都要自己占住。

比起提前锁定自己的份额，我更在意能否通过合作和分享，提高把大事做成的概率。克制不是缺少野心，而是把野心放在更重要的事情上。

一件事值得做，不等于值得我们做。别人都在做，不构成我们必须做的理由。

我不追求看起来什么都有，更在意关键问题有没有真正解决。阶段性的成绩值得争取，但不能让它替换最终的目标。对不在主线上的好机会，说不也是责任。

我的责任，不是替所有人做判断，而是把共同方向讲清楚，把信任和协作建立起来。

我希望建设的，是一个让优秀的人敢于判断、愿意合作、能够成长的环境。遇到挫折，还能一起把事情往前推，比一时的人才阵容更重要。

已经承诺的事情，要认真兑现；尚未被证明的方向，也应该有机会被验证。

我不接受用“研究”回避交付，也不愿意用排满每个人的时间，换取一种管理上的安全感。确定的任务要高效推进，不确定的探索要有时间、有资源、有耐心。

我既关心智能的上限，也关心它能不能在现实的算力、成本和时延约束下真正用起来。

让同样的资源支撑更强的模型，让更强的模型服务更多人，本身就是值得投入的核心问题。算法突破与工程效率不该被割裂：效率不只是省下多少，更是让原本做不到的事情变得可行。

我关心的不只是模型这一次能做什么，还关心它能否从交互与反馈中学习，让下一次做得更好。

我把持续学习看作值得长期投入的核心方向。对模型如此，对自己和团队也一样：不能只是不断重复工作，而要让每一次经历改善下一次判断。

AI 不应该只是我们研发的产物，也应该成为研发能力的一部分。

我希望每一代模型，都能帮助我们更快发现问题、验证想法、改进系统。衡量进步，不只看这一版有多强，也看它能否让下一版的突破来得更快。