在人工智能(AI)領(lǐng)域，幾家關(guān)鍵企業(yè)正在推動(dòng)技術(shù)的發(fā)展和創(chuàng)新。最近，Scale AI的創(chuàng)始人兼首席執(zhí)行官Alexandr Wang與a16z的合伙人David George進(jìn)行了一場(chǎng)深入的對(duì)話，探討了AI領(lǐng)域的最新進(jìn)展和未來趨勢(shì)。在這次討論中，他們分析了Nvidia、OpenAI和Scale AI等行業(yè)巨頭如何成為AI進(jìn)步的三大支柱，并預(yù)測(cè)了AI技術(shù)的未來走向。

近日，Scale AI 創(chuàng)始人&CEO Alexandr Wang 與 a16z 合伙人 David George 展開了深入對(duì)話。

Alexandr Wang 表示，AI 的進(jìn)展依賴于計(jì)算能力、算法創(chuàng)新和數(shù)據(jù)資源，而 Scale AI 專注于推動(dòng)前沿?cái)?shù)據(jù)的生成，支持 AI 在前沿技術(shù)中的進(jìn)步。

與去年同期相比，Scale 今年上半年銷售額幾乎增長(zhǎng)了三倍，達(dá)到近 4 億美元，為大型客機(jī)公司標(biāo)記數(shù)據(jù)已經(jīng)成為一項(xiàng)巨大的業(yè)務(wù)，預(yù)計(jì)今年收入將達(dá)到近 10 億美元。

現(xiàn)有的公開數(shù)據(jù)資源已被充分利用，未來 AI 發(fā)展的核心在于如何生成新的高復(fù)雜度、前沿?cái)?shù)據(jù)，并在此基礎(chǔ)上推動(dòng)更高水平的智能進(jìn)步。

他強(qiáng)調(diào)，在公司快速擴(kuò)張過程中，招聘大量新員工反而可能降低組織的整體績(jī)效。關(guān)鍵在于保持小規(guī)模、高效的團(tuán)隊(duì)，并確保外部高管能深入理解公司的運(yùn)作節(jié)奏后，再逐步引導(dǎo)變革。

此外，他還將 AGI 定義為能夠完成 80% 以上人類可通過計(jì)算機(jī)完成的數(shù)字化工作，雖然這一目標(biāo)并非短期內(nèi)可實(shí)現(xiàn)，但隨著算法創(chuàng)新，未來 4 年內(nèi)或許能看到早期跡象。

以下為這次對(duì)話的主要內(nèi)容，enjoy～

David George：

我總是很喜歡和你聊天，每次都能學(xué)到很多。我們可以先聊聊你在 Scale AI 正在構(gòu)建的東西，然后深入探討。

Alexandr Wang：

好的，在 Scale ，我們正在為 AI 構(gòu)建數(shù)據(jù)鑄造廠。從大的層面來看， AI 歸結(jié)為三大支柱：計(jì)算、數(shù)據(jù)和算法。

我們所看到的所有進(jìn)展都來自這三個(gè)方面：計(jì)算由像 Nvidia 這樣的公司推動(dòng)，算法的進(jìn)步由像 OpenAI 這樣的大型實(shí)驗(yàn)室引領(lǐng)，而數(shù)據(jù)則由 Scale 提供。

我們的目標(biāo)是生產(chǎn)前沿?cái)?shù)據(jù)，以推動(dòng)與各大實(shí)驗(yàn)室合作的前沿水平進(jìn)步，并使每個(gè)企業(yè)和政府能夠利用他們的專有數(shù)據(jù)來推動(dòng)自己的前沿 AI 發(fā)展。

David George：

關(guān)于前沿?cái)?shù)據(jù)這個(gè)話題，實(shí)際上你是如何獲得這些數(shù)據(jù)的呢？

Alexandr Wang：

是的，我認(rèn)為這是我們這個(gè)時(shí)代的偉大人類項(xiàng)目之一。如果這有意義的話，我認(rèn)為目前唯一的智慧模型就是人類，而前沿?cái)?shù)據(jù)的生產(chǎn)很像是人類專家與技術(shù)和算法技術(shù)的結(jié)合，以生產(chǎn)大量此類數(shù)據(jù)。順便說一句，迄今為止我們所產(chǎn)生的所有數(shù)據(jù)，互聯(lián)網(wǎng)也是類似的。

在很多方面，互聯(lián)網(wǎng)是機(jī)器和人類合作產(chǎn)生大量?jī)?nèi)容和數(shù)據(jù)的成果。而未來的情況可能就像增強(qiáng)版的互聯(lián)網(wǎng)：如果互聯(lián)網(wǎng)不僅僅是一個(gè)人類娛樂設(shè)備，而是一個(gè)大規(guī)模的數(shù)據(jù)生成實(shí)驗(yàn)，會(huì)怎樣呢？

David George：

你對(duì)行業(yè)現(xiàn)狀有獨(dú)特的見解，你如何描述當(dāng)前語言模型的狀態(tài)呢？我很想談?wù)勈袌?chǎng)結(jié)構(gòu)，但可以先從你對(duì)行業(yè)的整體看法開始。

Alexandr Wang：

是的，我認(rèn)為我們可能正接近語言模型開發(fā)的第二階段末期。第一階段是早期幾乎完全的研究階段，標(biāo)志性的成果包括最初的 Transformer 論文和對(duì) GPT 的早期小規(guī)模實(shí)驗(yàn)，直到 GPT-3 發(fā)布為止。

這是一個(gè)專注于小規(guī)模實(shí)驗(yàn)和算法進(jìn)步的階段。然后，第二階段大致從 GPT-3 開始到現(xiàn)在，進(jìn)入了初始擴(kuò)展階段。

GPT-3 表現(xiàn)得相當(dāng)不錯(cuò)，接著 OpenAI 及其他公司開始大規(guī)模擴(kuò)展這些模型，像Google、Anthropic、 Meta 和 xAI  等許多公司也加入了這個(gè)競(jìng)賽，將模型的能力提升到極限。

過去兩三年間，幾乎完全是執(zhí)行層面的工作，涉及如何使大規(guī)模訓(xùn)練順利進(jìn)行，如何避免代碼中的怪異錯(cuò)誤，如何設(shè)置更大的集群等。

接下來我認(rèn)為我們將進(jìn)入一個(gè)研究和執(zhí)行之間更多交替的階段，各實(shí)驗(yàn)室將朝著不同的研究方向發(fā)展，并在不同時(shí)期取得各自的突破，因此這是一個(gè)激動(dòng)人心的轉(zhuǎn)折期。

David George：

他們已經(jīng)達(dá)到了一個(gè)階段，雖然不能說計(jì)算資源是豐富的，但已經(jīng)足夠支撐模型的發(fā)展，基本不再是一個(gè)限制。而在數(shù)據(jù)方面，所有前沿實(shí)驗(yàn)室已經(jīng)盡可能地挖掘了可用的數(shù)據(jù)資源。接下來就是在數(shù)據(jù)方面取得突破，對(duì)嗎？

Alexandr Wang：

是的，基本上是這樣。如果你看這三大支柱，計(jì)算方面我們顯然會(huì)繼續(xù)擴(kuò)大訓(xùn)練集群的規(guī)模，這個(gè)方向是比較明確的。算法方面，我認(rèn)為將會(huì)有很多創(chuàng)新。

事實(shí)上，很多實(shí)驗(yàn)室現(xiàn)在都在這一領(lǐng)域進(jìn)行深入的研究。而關(guān)于數(shù)據(jù)，你提到的很對(duì)，我們已經(jīng)用盡了所有容易獲取的公開數(shù)據(jù)。

David George：

是的，所有人都可以獲得相同的數(shù)據(jù)。

Alexandr Wang：

沒錯(cuò)，很多人稱之為“數(shù)據(jù)墻”，我們已經(jīng)利用了所有公開的數(shù)據(jù)資源。而下一階段的標(biāo)志之一將是數(shù)據(jù)生產(chǎn)。

每個(gè)實(shí)驗(yàn)室將如何生成所需的數(shù)據(jù)以實(shí)現(xiàn)更高的智能水平，這將是一個(gè)關(guān)鍵問題，我們?nèi)绾纬鴶?shù)據(jù)豐富邁進(jìn)？這將需要多個(gè)領(lǐng)域的前沿研究。

我認(rèn)為，首先是推動(dòng)數(shù)據(jù)復(fù)雜性的提升，邁向前沿?cái)?shù)據(jù)。我們希望在模型中構(gòu)建的許多能力，其最大的障礙其實(shí)是數(shù)據(jù)的缺乏。

比如說，過去兩年內(nèi)， Agent 一直是一個(gè)熱門話題，但實(shí)際上幾乎沒有 Agent 能很好地運(yùn)作。原因是網(wǎng)絡(luò)上根本沒有大量有價(jià)值的 Agent 數(shù)據(jù)。這些數(shù)據(jù)不在那里，所以我們需要生產(chǎn)高質(zhì)量的 Agent 數(shù)據(jù)。

David George：

能舉個(gè)例子，說明我們需要生產(chǎn)什么樣的數(shù)據(jù)嗎？

Alexandr Wang：

我們即將發(fā)布的一項(xiàng)研究表明，目前所有前沿模型在工具組合上的表現(xiàn)都很差。比如它們需要先查找信息，然后編寫一個(gè) Python 腳本，再繪制圖表，使用多個(gè)工具串聯(lián)起來解決問題時(shí)，模型表現(xiàn)得非常糟糕。而這對(duì)人類來說是非常自然的。

David George：

是的，但這些操作沒有被記錄下來，是這個(gè)意思嗎？也就是說，模型無法學(xué)習(xí)到這些步驟。

Alexandr Wang：

完全正確。這些推理鏈條在人類解決復(fù)雜問題時(shí)非常常見，我們會(huì)自然地使用一系列工具，思考問題并推理下一步需要做什么。如果遇到錯(cuò)誤，我們會(huì)回過頭重新考慮。很多這樣的智能鏈條數(shù)據(jù)今天根本不存在。這是一個(gè)需要生成的數(shù)據(jù)例子。

退一步講，首先需要在數(shù)據(jù)上取得的進(jìn)展是增加數(shù)據(jù)的復(fù)雜性，朝前沿?cái)?shù)據(jù)邁進(jìn)。其次是增加數(shù)據(jù)的生產(chǎn)量，捕捉更多人類在實(shí)際工作中的行為。

David George：

更多捕捉人類在工作中的實(shí)際操作？

Alexandr Wang：

是的，捕捉更多人類的操作行為，同時(shí)投資于合成數(shù)據(jù)或混合數(shù)據(jù)。利用合成數(shù)據(jù)，同時(shí)讓人類參與其中，從而生成更高質(zhì)量的數(shù)據(jù)。我們需要像對(duì)待芯片生產(chǎn)一樣看待數(shù)據(jù)生產(chǎn)。

就像我們討論芯片生產(chǎn)的邊界，確保有足夠的生產(chǎn)能力來制造芯片。對(duì)于數(shù)據(jù)也是一樣的，我們需要有效的數(shù)據(jù)生產(chǎn)邊界，能夠生成海量數(shù)據(jù)來支持模型訓(xùn)練。

最后一個(gè)經(jīng)常被忽視的方面是對(duì)模型的測(cè)量，確保我們能夠科學(xué)地分析模型的不足之處，從而精確確定需要添加哪種數(shù)據(jù)來提高模型的性能。

David George：

大科技公司相對(duì)于獨(dú)立實(shí)驗(yàn)室，在數(shù)據(jù)資源上有多大的優(yōu)勢(shì)呢？

Alexandr Wang：

大公司在利用現(xiàn)有數(shù)據(jù)資源時(shí)面臨很多監(jiān)管問題。你可以看到，在生成式 AI 之前， Meta 曾利用所有公開的Instagram照片及其標(biāo)簽來訓(xùn)練非常優(yōu)秀的圖像識(shí)別算法，但這在歐洲遇到了許多監(jiān)管問題，最終變得非常麻煩。

所以如何處理這些數(shù)據(jù)優(yōu)勢(shì)從監(jiān)管角度來看，特別是在歐洲，還需要進(jìn)一步觀察。我認(rèn)為大實(shí)驗(yàn)室的真正優(yōu)勢(shì)在于它們有非常盈利的業(yè)務(wù)，能夠?yàn)?AI 項(xiàng)目提供幾乎無限的資金來源。對(duì)此，我非常關(guān)注，也很好奇它將如何發(fā)展。

David George：

行業(yè)中有一個(gè)問題是，是否大公司在 AI 領(lǐng)域投入過多。如果你聽他們的財(cái)報(bào)電話會(huì)議，他們會(huì)說，我們的風(fēng)險(xiǎn)在于投入不足，而不是投入過多。對(duì)此你怎么看？

Alexandr Wang：

是的，沒錯(cuò)。你可以想象一下，站在這些 CEO 的角度，比如 Sundar Pichai 、Mark Zuckerberg，或者 Satya Nadella 的位置上。正如你所說，如果他們真正抓住了 AI 的機(jī)會(huì)，他們可能很容易地為公司增加一萬億美元的市值。

如果他們真的領(lǐng)先競(jìng)爭(zhēng)對(duì)手，并以好的方式將 AI 產(chǎn)品化，這幾乎是顯而易見的。而如果他們沒有投入額外的 200～300 億美元的資本支出，卻因此錯(cuò)失了這個(gè)機(jī)會(huì)，后果可能是存在性風(fēng)險(xiǎn)。

Alexandr Wang：

對(duì)于這些大公司來說，每家企業(yè)的業(yè)務(wù)都有可能被 AI 技術(shù)深度顛覆。所以對(duì)他們來說，風(fēng)險(xiǎn)和回報(bào)非常清晰。更戰(zhàn)術(shù)層面上，他們也能夠輕松收回資本支出。最壞的情況下，他們可以通過使核心業(yè)務(wù)更高效來實(shí)現(xiàn)這一點(diǎn)。

David George：

比如說，F(xiàn)acebook 廣告中的 GPU 利用率？

Alexandr Wang：

是的，比如 Facebook 或 Google，他們的廣告系統(tǒng)只要稍微改進(jìn)一點(diǎn)，就可以回收數(shù)十億美元的成本。

David George：

通過更好的性能？

Alexandr Wang：

是的，蘋果也可以通過推動(dòng)一個(gè)設(shè)備升級(jí)周期輕松回收投資。我認(rèn)為這些都相當(dāng)清晰。

David George：

從整個(gè)行業(yè)來看，這些公司投入大量資本對(duì)行業(yè)是有益的，尤其是像 Google 和微軟這樣的公司，它們還在出租計(jì)算資源。

Alexandr Wang：

而且，這些模型已經(jīng)在逐漸普及。比如 Llama 3.1 已經(jīng)是開源的。所有這些投資的成果正在變得越來越廣泛可用。開源模型所產(chǎn)生的溢出效應(yīng)實(shí)在是令人難以置信。

David George：

這是一個(gè)很好的過渡，談到市場(chǎng)結(jié)構(gòu)，你怎么看待未來幾年的發(fā)展？會(huì)不會(huì)是幾個(gè)已經(jīng)確定的玩家彼此競(jìng)爭(zhēng)？你覺得這是個(gè)盈利的業(yè)務(wù)嗎？開源對(duì)業(yè)務(wù)質(zhì)量的影響是什么？請(qǐng)你展望一下未來幾年的市場(chǎng)情況。

Alexandr Wang：

是的，過去的一年半里，模型推理的定價(jià)已經(jīng)急劇下降，下降了兩個(gè)數(shù)量級(jí)。令人驚訝的是，智能可能成為一種商品。我認(rèn)為，純粹依靠模型租賃業(yè)務(wù)在長(zhǎng)期可能并不是最優(yōu)的商業(yè)模式，這可能只是一個(gè)相對(duì)平庸的業(yè)務(wù)。

David George：

這或許取決于早期提到的突破點(diǎn)。如果有人真的取得了持久的突破，市場(chǎng)結(jié)構(gòu)可能會(huì)有所不同。

Alexandr Wang：

有兩件事。第一，如果 Meta 繼續(xù)開源模型，那么模型的價(jià)值上限會(huì)被大大壓低。第二，如果幾家實(shí)驗(yàn)室能夠達(dá)到類似的性能，這也會(huì)顯著改變定價(jià)策略。所以我認(rèn)為，雖然不確定，但純粹的模型租賃業(yè)務(wù)可能不是最有價(jià)值的業(yè)務(wù)，更優(yōu)質(zhì)的業(yè)務(wù)機(jī)會(huì)在模型的上層和下層。

下層，比如 Nvidia 顯然是一個(gè)非常出色的業(yè)務(wù)，云服務(wù)提供商也擁有很好的業(yè)務(wù)，因?yàn)榇罱ù笠?guī)模的 GPU 集群實(shí)際上是相當(dāng)復(fù)雜的，云提供商在租賃這些資源時(shí)擁有不錯(cuò)的利潤(rùn)率。

David George：

傳統(tǒng)的數(shù)據(jù)中心業(yè)務(wù)本質(zhì)上也是規(guī)模游戲。因此，相比于較小的玩家，他們得到了極大的好處。

Alexandr Wang：

是的，正是如此。所以在模型層之下有很好的業(yè)務(wù)機(jī)會(huì)。在模型之上，如果你在構(gòu)建應(yīng)用程序，比如 ChatGPT 就是一個(gè)很好的業(yè)務(wù)，許多初創(chuàng)公司開發(fā)的應(yīng)用程序也表現(xiàn)得不錯(cuò)。

雖然沒有哪家公司的規(guī)模能與 ChatGPT 相比，但如果這些應(yīng)用能夠在早期找到產(chǎn)品市場(chǎng)契合點(diǎn)，它們就能成為很好的業(yè)務(wù)。因?yàn)槿绻脩趔w驗(yàn)做得好，應(yīng)用程序?yàn)榭蛻魟?chuàng)造的價(jià)值遠(yuǎn)遠(yuǎn)超過了模型的推理成本。

還有一些有趣的事情，比如 Anthropic 在 Claude 中引入的功能是一個(gè)信號(hào)，表明各大實(shí)驗(yàn)室都在深入推動(dòng)產(chǎn)品集成，以提升業(yè)務(wù)質(zhì)量。我認(rèn)為未來我們將在產(chǎn)品層面看到大量迭代。

簡(jiǎn)單的聊天機(jī)器人絕不是最終產(chǎn)品，那將是一個(gè)令人失望的結(jié)果。所以產(chǎn)品的創(chuàng)新周期是難以預(yù)測(cè)的，正如我們沒想到 ChatGPT 會(huì)如此受歡迎。

我認(rèn)為沒人能確切預(yù)測(cè)下一個(gè)增長(zhǎng)點(diǎn)在哪個(gè)產(chǎn)品上，但可以肯定的是， OpenAI 和Anthropic有能力打造偉大的應(yīng)用程序業(yè)務(wù)，實(shí)現(xiàn)長(zhǎng)期獨(dú)立和可持續(xù)發(fā)展。

David George：

那么競(jìng)爭(zhēng)優(yōu)勢(shì)的推動(dòng)力是什么？顯然你需要模型，與之緊密集成的產(chǎn)品，以及從此衍生出的傳統(tǒng)護(hù)城河，比如工作流程、集成等。

Alexandr Wang：

是的，你可以看到， OpenAI 和 Anthropic 幾乎在同一時(shí)間都聘請(qǐng)了首席產(chǎn)品官，他們正在逐步摸索。我認(rèn)為這表明了他們開始意識(shí)到，純粹的技術(shù)驅(qū)動(dòng)不再足夠，需要深入的產(chǎn)品集成才能實(shí)現(xiàn)長(zhǎng)期的商業(yè)成功。

David George：

你有一個(gè)有趣的應(yīng)用程序業(yè)務(wù)，也有一些非常有意思的客戶。你從企業(yè)客戶那里聽到的關(guān)于他們實(shí)際如何應(yīng)用這些技術(shù)的反饋是什么？

Alexandr Wang：

我認(rèn)為我們已經(jīng)看到了企業(yè)的巨大興奮度。許多企業(yè)都意識(shí)到，“我們必須開始行動(dòng)了，我們必須搶占先機(jī)，開始嘗試 AI ?！?這讓他們進(jìn)入了快速的 POC（概念驗(yàn)證）周期，他們會(huì)想著，“好吧，看看我們有哪些可以迅速實(shí)施的低垂果實(shí)般的想法。”

David George：

搞一些 AI 項(xiàng)目。

Alexandr Wang：

于是他們嘗試了所有這些想法。有些很好，有些不好。但無論如何，這種熱潮確實(shí)存在。不過，實(shí)際推向生產(chǎn)環(huán)境的 POC 項(xiàng)目遠(yuǎn)遠(yuǎn)少于行業(yè)的預(yù)期。

我認(rèn)為現(xiàn)在許多企業(yè)看到，原本他們擔(dān)心的“末日”并沒有發(fā)生—— AI 并沒有完全改造和顛覆各大主要行業(yè)，它并沒有徹底改變所有的游戲規(guī)則。

David George：

更多是一些邊緣性改進(jìn)，比如提高效率、支持性的任務(wù)，還有一些創(chuàng)意類任務(wù)之類的。

Alexandr Wang：

對(duì)，沒錯(cuò)?？傮w來說影響比較輕微。我們思考的一個(gè)重要問題是：AI 的改進(jìn)或變革能否真正顯著提升這些公司的股價(jià)？這也是我們鼓勵(lì)所有客戶重點(diǎn)考慮的，因?yàn)閺臐摿ι蟻砜矗瑤缀趺總€(gè)企業(yè)都具備在某種程度上實(shí)施 AI ，從而顯著提升其股價(jià)的潛力。

David George：

大多是通過節(jié)省成本和提高效率。

Alexandr Wang：

是的，今天的 AI 大多體現(xiàn)在成本節(jié)省方面，但未來也可以極大地改善客戶體驗(yàn)。我認(rèn)為在許多需要與客戶大量人工互動(dòng)的行業(yè)，如果能夠?qū)崿F(xiàn)更多的標(biāo)準(zhǔn)化和自動(dòng)化，客戶的互動(dòng)體驗(yàn)將會(huì)顯著改善。最終，這也會(huì)轉(zhuǎn)化為市場(chǎng)份額的提升。

所以這是我們推動(dòng)客戶努力的方向，我看到我們合作的一些 CEO ，他們都理解這是一個(gè)多年的投資周期，可能不會(huì)在下個(gè)季度見到成效，但如果他們堅(jiān)持到最后，業(yè)務(wù)將會(huì)有巨大的變革。

我認(rèn)為那些圍繞小用例和邊緣性應(yīng)用的熱潮是好事，應(yīng)該繼續(xù)嘗試，但這并不是我們?cè)谶@里的終極目標(biāo)。

David George：

是的，現(xiàn)在的應(yīng)用層更多像是第一個(gè)階段，比如目前的 AI 應(yīng)用大多是自動(dòng)化工具，主要是聊天機(jī)器人。作為創(chuàng)業(yè)投資者，我希望未來會(huì)有一個(gè)窗口，初創(chuàng)公司可以通過產(chǎn)品創(chuàng)新?lián)魯‖F(xiàn)有的行業(yè)巨頭。

我的合伙人 Allison Pal 有一句話：“初創(chuàng)公司能否在現(xiàn)有公司找到創(chuàng)新之前，率先實(shí)現(xiàn)分銷？” 我認(rèn)為這是一個(gè)機(jī)會(huì)，但技術(shù)現(xiàn)在還太早，不知道你是否同意？

Alexandr Wang：

我同意，現(xiàn)在的技術(shù)還為時(shí)過早，主要是因?yàn)槟壳按蟛糠值暮锰巵碜杂诔杀竟?jié)省，而這還不足以顛覆已經(jīng)擁有強(qiáng)大分銷和增長(zhǎng)成本優(yōu)勢(shì)的大企業(yè)。

David George：

你怎么看待企業(yè)內(nèi)部的數(shù)據(jù)？比如你提到JP摩根擁有15PB的數(shù)據(jù)，但這些數(shù)據(jù)真的那么有用嗎？因?yàn)槟壳斑@些數(shù)據(jù)似乎并沒有帶來巨大的競(jìng)爭(zhēng)優(yōu)勢(shì)。你認(rèn)為這種情況會(huì)改變嗎？

Alexandr Wang：

我認(rèn)為 AI 是第一次有可能改變這一現(xiàn)狀的機(jī)會(huì)。大數(shù)據(jù)熱潮歸結(jié)于更好的分析，這對(duì)業(yè)務(wù)決策的幫助是邊際的，而不是顛覆性的。

現(xiàn)在我們可以想象，產(chǎn)品運(yùn)作方式會(huì)發(fā)生巨大變革。比如，像 JP 摩根這樣的銀行，大部分用戶與銀行的互動(dòng)是由人驅(qū)動(dòng)的。盡管他們盡力確保高質(zhì)量的客戶體驗(yàn)，但人工操作的局限性顯而易見。

然而，企業(yè)過去的客戶互動(dòng)方式和業(yè)務(wù)運(yùn)作數(shù)據(jù)是訓(xùn)練模型的唯一可用數(shù)據(jù)，這些數(shù)據(jù)可以幫助我們做得更好。

David George：

在企業(yè)內(nèi)部有豐富的數(shù)據(jù)？

Alexandr Wang：

是的，企業(yè)內(nèi)部有大量豐富的數(shù)據(jù)，但并不是所有數(shù)據(jù)都與業(yè)務(wù)轉(zhuǎn)型相關(guān)，只有部分?jǐn)?shù)據(jù)非常有價(jià)值。不過，企業(yè)在利用數(shù)據(jù)方面確實(shí)面臨巨大的挑戰(zhàn)。

數(shù)據(jù)往往組織混亂，分布不均，他們支付數(shù)千萬甚至上億美元給咨詢公司進(jìn)行數(shù)據(jù)遷移，結(jié)果往往沒有實(shí)質(zhì)性變化。

因此，問題在于他們能否比初創(chuàng)公司更快地利用和挖掘這些數(shù)據(jù)，從而創(chuàng)造出截然不同的產(chǎn)品。

David George：

好，轉(zhuǎn)到公司運(yùn)營(yíng)和你如何構(gòu)建公司這一話題。你曾談到，在2020年和2021年的高速增長(zhǎng)期，你犯下了一個(gè)關(guān)于招聘的錯(cuò)誤，認(rèn)為要快速擴(kuò)張就必須大量招聘人才。我們看到許多投資組合公司也遇到了類似的情況——爭(zhēng)奪人才。你從中學(xué)到了哪些教訓(xùn)？后來你是如何改變招聘策略的？

Alexandr Wang：

過去幾年里，我們基本上保持了員工數(shù)量的平穩(wěn)增長(zhǎng)。雖然我們略微擴(kuò)展了人員規(guī)模，但業(yè)務(wù)本身已經(jīng)增長(zhǎng)了五到六倍。

整個(gè)過程的啟示是，看似招聘更多的人就意味著更好的結(jié)果、更多的事情能完成，但實(shí)際上，如果你擁有一支高效的團(tuán)隊(duì)和高效的組織，想要快速擴(kuò)充人員規(guī)模而不失去高效性和成功文化，幾乎是不可能的。

David George：

是的，減少溝通和協(xié)調(diào)的開銷確實(shí)會(huì)提高生產(chǎn)力。

Alexandr Wang：

沒錯(cuò)，而且我認(rèn)為這背后還有更深層次的原因。一支高效的團(tuán)隊(duì)就像一件非常精巧的雕塑，它是團(tuán)隊(duì)成員之間復(fù)雜互動(dòng)的產(chǎn)物。如果你貿(mào)然添加很多人，即使這些人都很優(yōu)秀，也會(huì)打亂整個(gè)團(tuán)隊(duì)的節(jié)奏。

無論如何，隨著你增加人員，都會(huì)出現(xiàn)“回歸平均”的現(xiàn)象。如果你觀察那些大規(guī)模擴(kuò)展的公司，他們的財(cái)務(wù)結(jié)果很大程度上取決于是否承認(rèn)這一回歸現(xiàn)象。

例如，大型銷售團(tuán)隊(duì)的擴(kuò)展過程中，人們通常會(huì)承認(rèn)回歸平均的現(xiàn)象，但通過良好的操作，他們可以保持略高于平均水平。只要能做到這一點(diǎn)，整個(gè)財(cái)務(wù)運(yùn)作仍然有效。

David George：

銷售和產(chǎn)品之間的區(qū)別還是很大的。

Alexandr Wang：

是的，當(dāng)然不一樣。但我們的觀察是，初創(chuàng)公司之所以有效，是因?yàn)樗鼈儞碛懈叨葓?zhí)行力的團(tuán)隊(duì)，而你希望盡可能長(zhǎng)時(shí)間保持這些團(tuán)隊(duì)的完整性。

我認(rèn)為初創(chuàng)公司常見的失敗模式是，你的產(chǎn)品或服務(wù)成功了，但公司內(nèi)部的每個(gè)人都很年輕和缺乏經(jīng)驗(yàn)。

隨著業(yè)務(wù)的擴(kuò)展，所有事情都逐漸失控。投資者告訴你應(yīng)該聘請(qǐng)一些高管，你開始經(jīng)歷每次都讓人心力交瘁的高管招聘過程。

David George：

如果你運(yùn)氣好，成功率也只有一半。

Alexandr Wang：

是的，你經(jīng)過高管招聘，聘請(qǐng)了高管，接著給他們很多自由空間。高管們會(huì)說：“我們需要建立一支龐大的團(tuán)隊(duì)來實(shí)現(xiàn)我們的目標(biāo)。” 你想：“好吧，我也很有經(jīng)驗(yàn)，你看起來也很有經(jīng)驗(yàn)，那就按你說的來吧?！?然后你允許這些大團(tuán)隊(duì)建立起來，最終的結(jié)果幾乎總是破壞性的。

我不是說不能從外部聘請(qǐng)高管，但當(dāng)你這樣做時(shí)，你必須確保這些高管真正融入公司的運(yùn)作，理解公司的節(jié)奏和工作方式。

在他們提出任何重大建議之前，他們應(yīng)該先了解為什么公司目前的運(yùn)作是成功的，然后逐步提出建設(shè)性的建議。你需要一步一步地信任并驗(yàn)證這些小的改變，最終他們可能會(huì)提出更大的建議，但那時(shí)他們已經(jīng)有了一系列成功的小步調(diào)整的記錄。

David George：

這很有趣，而且非常具體。當(dāng)你聘請(qǐng)一個(gè)高級(jí)高管時(shí)，從小做起有些反直覺，因?yàn)榇蠖鄶?shù)高管都不喜歡這樣做。

Alexandr Wang：

是的，我注意到有種“高管幻想”，特別是在年輕創(chuàng)始人領(lǐng)導(dǎo)的硅谷公司中常見。很多高管會(huì)認(rèn)為：“我來這里是為了修復(fù)這家公司，我要把這里變成一家專業(yè)化運(yùn)作的企業(yè)?！?

但實(shí)際上，你在招聘的是團(tuán)隊(duì)成員，不是什么神奇的工具。你希望這個(gè)人能長(zhǎng)期做出明智的決策，而不是幻想他們會(huì)帶來某種神奇的解決方案。

相反，創(chuàng)始人也有一種幻想，認(rèn)為：“我會(huì)雇一群優(yōu)秀的高管，然后我就可以退后一步，只需要看著事情自然運(yùn)轉(zhuǎn)?！?但這同樣不現(xiàn)實(shí)。作為創(chuàng)始人，成功的關(guān)鍵在于你持續(xù)做出一系列正確的決策。如果你脫離了這些決策環(huán)節(jié)，那幾乎是自毀行為。

David George：

我們經(jīng)?？吹竭@種模式：創(chuàng)始人雇傭高管，然后退居幕后，結(jié)果發(fā)現(xiàn)一些重大決策出了問題，意識(shí)到：“等一下，這就是我留在這里的原因。”

Alexandr Wang：

如果你的行業(yè)非常穩(wěn)定，這可能會(huì)奏效。

David George：

是的，就像當(dāng)一家上市公司更換 CEO 時(shí)，股價(jià)只波動(dòng) 2%，這表明在穩(wěn)定行業(yè)中，高管確實(shí)像一個(gè)齒輪。但是在由創(chuàng)始人領(lǐng)導(dǎo)的高增長(zhǎng)初創(chuàng)公司中，這種情況完全不同。

Alexandr Wang：

沒錯(cuò)，很多初創(chuàng)公司和企業(yè)的價(jià)值在于它們的創(chuàng)新溢價(jià)。投資者相信由創(chuàng)始人領(lǐng)導(dǎo)的公司會(huì)比市場(chǎng)上的其他公司更具創(chuàng)新能力。所以你的任務(wù)就是不斷地超越市場(chǎng)進(jìn)行創(chuàng)新。

David George：

你必須參與到戰(zhàn)略決策中，完全同意。那我們談?wù)劇癕ei”吧。你最近推出了這個(gè)概念，我看到我的 X 平臺(tái)上有很多人稱贊你，也有一部分人在批評(píng)你。能不能聊聊這個(gè)概念，以及你推出它后的觀察？

Alexandr Wang：

是的，Mei 的核心理念是追求卓越與智慧。我們決定，在每個(gè)職位上，我們都會(huì)雇傭最合適的人，而不考慮他們的背景或其他人口統(tǒng)計(jì)信息。

我們不會(huì)為了達(dá)到某些人口統(tǒng)計(jì)目標(biāo)而進(jìn)行配額式的優(yōu)化。但這并不意味著我們不關(guān)心多樣性。

實(shí)際上，我們非常重視在招聘過程中保持多樣化的候選人來源，但最終我們只會(huì)選擇最能勝任的人。這一決定引起了一些爭(zhēng)議，但從本質(zhì)上講，我認(rèn)為這是一種顯而易見的社會(huì)準(zhǔn)則。

David George：

很有常識(shí)，感覺這應(yīng)該是常識(shí)吧？

Alexandr Wang：

是的，這似乎是顯而易見的道理。公司應(yīng)該雇傭最有才華的人。我覺得現(xiàn)在很多問題都圍繞著公司到底有多少社會(huì)責(zé)任感在做他們的事情。我的觀點(diǎn)是，我所處的行業(yè)競(jìng)爭(zhēng)非常激烈。

Scale 的使命是推動(dòng)智能技術(shù)的發(fā)展，這是一個(gè)非常重要的技術(shù)領(lǐng)域。我們需要非常聰明的人才才能做到這一點(diǎn)，我們需要最優(yōu)秀的人來實(shí)現(xiàn)這些目標(biāo)。

我認(rèn)為，大多數(shù)在 Scale 的人可能都會(huì)認(rèn)為這在某種程度上是顯而易見的，或者說這并沒有偏離我們?cè)?Scale 工作的本質(zhì)想法。

但明確將這一點(diǎn)寫入我們的文化非常有價(jià)值，因?yàn)檫@意味著即使公司隨著時(shí)間的推移而發(fā)生變化，這種對(duì)卓越人才的追求不會(huì)改變。

David George：

這真是太棒了。我想以一個(gè)樂觀的問題作為結(jié)尾，問一下你對(duì) AGI的看法以及你預(yù)計(jì)何時(shí)能實(shí)現(xiàn)？

Alexandr Wang：

是的，我喜歡這樣定義 AGI：大約 80%以上的數(shù)字化工作，也就是人類可以完成的純粹依靠計(jì)算機(jī)的工作， AI 也能獨(dú)立完成。

這并不是即將實(shí)現(xiàn)的事情，也不在短期內(nèi)的可見范圍內(nèi)。我覺得大概 4 年左右的時(shí)間可以看到端倪。當(dāng)然，這還取決于我們之前提到的算法創(chuàng)新周期，如果有突破，可能會(huì)更早實(shí)現(xiàn)