第162章 你什麼都不知道

  視界打開的瞬間，屏幕上正在滾動的日誌變得不一樣了。

  每一條經過清洗管線的數據，在韓路一眼中都浮現出一層薄薄的色彩。

  乾淨的、有信息量的數據泛著淡藍色的光，像水流一樣順暢地通過管線；被規則正確攔截的垃圾數據是灰色的，在某個節點處被清理出去，不再被下面的環節處理；而那些有問題卻沒被攔住的數據，發著刺眼的橙紅色，混在藍色的水流中間，格外扎眼。

  韓路一還注意到另一種顏色，偶爾有幾條數據閃著暗藍，但在灰色數據中格外顯眼，它們被規則誤判為垃圾扔了出去，但其實是有價值的內容。

  就像站在流水線旁邊，別人只能看到傳送帶上的產品在動，而韓路一的眼睛能給每一個產品，甚至每一條傳送帶本身做質檢。

  獲取最新章節更新，請訪問st🎉o9.com

  韓路一盯著屏幕看了大概十分鐘，先從最明顯的橙紅色開始分析，逐漸摸清了規律。

  主要是三個問題。

  最多的是純垃圾沒有清乾淨。菠菜GG、瑟瑟引流、關鍵詞堆砌，這些最低級的垃圾，現有的規則只做了關鍵詞匹配，但變體太多了。

  用諧音字、用emoji替代、把敏感詞拆成兩段分別塞進前後文里，簡單的正則表達式根本防不住。視界裡這類數據發著最亮的橙紅色，數量不少。

  然後是語義重複。兩段話用詞完全不同，但表達的意思幾乎一樣，基於關鍵詞和格式的規則識別不了。最後一個最隱蔽，是低質量內容的偽裝。有些內容的格式、長度、關鍵詞分布都符合優質內容的特徵，但實際上是洗稿或者機器生成的填充物，裡面的內容好多有事實性錯誤。

  這三個加在一起，占了所有數據的將近七成。

  韓路一退出視界，開始改腳本。

  用傳統的垃圾分類規則，想要全涵蓋工程量很大，韓路一直接換了個思路。

  湯圓的模型不是還在嗎，直接把數據發給湯圓做個檢測，意圖識別。別管你是怎麼變體、怎麼拆字、怎麼用emoji，只要最後是「引導點擊」或者「誘導付費」的內容，一律會被標出來。

  同樣的，用湯圓給數據做精簡化處理，再合併就簡單多了。

  最後一個識別偽裝內容稍微難了一點，但是難不倒視界，在視界的提示下，韓路一加了一層基於困惑度的篩選。

  真正有信息量的文本，語言模型預測下一個詞的不確定性會更高；而那些洗稿和填充內容，因為套路化嚴重，困惑度反而很低。

  改完之後重新跑了一遍。

  再用視界看過去。

  橙紅色幾乎消失了，只剩下零星幾個邊界條件外的數據在藍色的水流里若隱若現。那些暗藍色的誤殺數據也大幅減少，偶爾閃過一兩條，韓路一記下來，又微調了一輪參數。

  第三輪跑完，視界裡只剩下乾淨的藍色。

  關掉視界的時候，已經凌晨兩點了。

  他靠在椅背上，看著最終的清洗報告。

  原始數據的有效留存率從趙文淵之前標註的41%降到了29%一一但這29%是真乾淨的。同時誤殺率從12%降到了不到3%，被之前的管線錯殺的好數據也救回來了一批。

  清洗質量提升的同時，處理速度也快了不少，時間大概只有之前的一半。

  韓路一給趙文淵發了消息，把改好的腳本和清洗報告一起傳了過去。

  「文淵，你明天試試這版，我改了三個地方，垃圾分類器、語義去重和困惑度過濾。」

  趙文淵秒回：「你還沒睡啊？」

  緊接著第二條消息來了：「我看看。」

  又過了半小時，趙文淵發了一條長信息：

  「你是怎麼一晚上搞出來這個的？一般的團隊光疊代這個清洗管線就得兩三個月，你剛才發我的這個比行業基準的有效率和誤殺率都要優秀！按這個效率和精度，全量數據清洗大概一周能跑完！一周後就可以開始預訓練了！兩個月就能看見第一版模型了！」

  難得趙文淵發這麼多感嘆號，有這麼高質量的原始數據和標註數據，他實在是太期待看見訓練出來的結果了。

  不過這時候韓路一已經睡了。

  時間往回撥十幾個小時，在太平洋的另一邊。

  美國太平洋時間。

  12月27號，周日，下午。

  洛斯阿爾托斯山（Los Altos Hills），約翰的獨立屋坐落在這。

  約翰；斯諾（JohnSnow）是NeusAl的CT0。

  不同於CE0瑞恩，有人工智慧領域的博士學位，還一路在AI研究院工作。

  約翰只有本科學歷，他從斯坦福還沒畢業就開始創業，前後一共創立和聯合創立過五家企業，其中兩家分別被谷歌和Meta收購，收購後沒過幾個月他就又離職，繼續創業。

  約翰在矽谷的風投和技術圈都有很多人脈，自己也做投資人。

  像他這樣已經財富自由的人，其實已經不再為錢工作了，之所以受瑞恩的邀請加入Neus Al，是因為他看好這個方向，也看好瑞恩本人。

  約翰的家，從大門進去是一段爬坡的車道，停著四五輛車，走到主樓後面才能看到院子。後院很開闊，一棵寬得過分的橡樹，陰影覆蓋了將近一半的草坪。

  這裡正在舉辦一場燒烤派對。

  派對從兩點就開始了，到下午三點多，客人的酒杯已經空了兩三輪。

  聖誕的裝飾燈還繞著廊柱和幾棵樹。白天光線強，燈亮著，但看不太出來，風一吹，輕輕動了動。烤架那邊，有專職的廚師還在翻烤肋排，油脂滴進炭火，滋的一聲。

  加州的十二月，十八度上下，天氣晴朗，微微有些風，不冷，但也不值得脫掉外套。

  約翰每年都會在聖誕節後舉辦這樣的小聚會，會邀請他比較熟的科技圈裡的人，被邀請的人也可以帶朋友。

  這個場合被視為矽谷科技和創投圈的一個小沙龍。

  瑞恩到的時候約翰正在烤架旁邊和廚師討論肋排的火候，看到他來了，舉起手裡的夾子打了個招呼，然後把夾子還給廚師，走了過來。

  瑞恩和約翰是谷歌時候就認識的老朋友了。

  「你每次都帶這個。」約翰看了一眼瑞恩手裡的OpusOne。

  「你每次的酒都不行。」瑞恩笑了笑，把瓶子遞給他，「幫我打開吧。」

  約翰接過來，從旁邊的桌上找了個開瓶器，熟練地擰開，倒進一個玻璃醒酒器里，放在陰涼處。「行，這瓶確實比我這的好。」約翰說，「但是至少還得等半小時。」

  「我知道。」瑞恩從冰桶里先摸了瓶啤酒，「等著唄。」

  兩人在院子裡走了一圈，和幾個認識的人打了招呼。

  約翰的社交方式和瑞恩不一樣。

  瑞恩在人群里很自然，八面玲瓏，跟誰都能聊三五分鐘，然後體面地抽身，讓人不覺得被冷落。約翰是主人，他更隨意，有時候跟一個人聊很久，有時候路過直接點個頭就走了，全憑心情，也不在乎對方怎麼想。

  有人問起Neus最近的動態，瑞恩一律微笑著說「還不錯」，不多也不少。約翰在旁邊聽著，偶爾補一句無關緊要的話，兩個人配合得很默契。

  後來瑞恩在靠近烤架的位置找了把椅子坐下來，約翰去招呼別的客人了。

  不遠處，一個戴眼鏡的中年男人正在給旁邊兩個人講他最近看的一個物流AI的創業項目：「我讓他們給我看個原型演示，你們猜怎麼著，那個CE0打開電腦，放出來一張幻燈片，跟我說「這是我們的願景。」」

  旁邊的人鬨笑起來。

  另一側，一個金髮的女士，身材胖胖的，穿一身深色的長裙，正靠著木欄杆，一臉疲憊，跟旁邊的朋友抱怨找不到技術合伙人：「簡歷我收了幾十份，聊下來沒有合適的。要麼經驗不夠，要麼對薪資不滿意。現在這些人要求太高了，只出技術，還想要多少啊？」

  約翰從人群里穿過來，把手搭在她肩上。

  「別在聚會上聊這個。」

  「那聊什麼？」

  「聊吃的。」他朝烤架方向擡了擡下巴。

  她有點兒畏縮地擡頭看他一眼，舉起酒杯喝了一口，換了話題。

  約翰家的黃色拉布拉多在草坪靠邊的位置趴著，肚皮貼地，下巴擱在前爪上，眼睛閉著，只有尾巴時不時地掃一下。

  兩個孩子不知道正在踢什麼規則的球，從草坪這頭追到那頭，過了一會兒連球都不見了。

  一個之前聊過兩句的投資人走了過來，朝瑞恩伸出手：「瑞恩，好久不見。Neus最近怎麼樣？聽說水星模型（Mercury）3.1在做推理這方面的研究？」

  「還不錯。」瑞恩握了一下，「我們在幾個垂直場景上跑出來了一些結果。」

  「準備什麼時候發論文啊？」

  「不一定會發表。」瑞恩說，「主要是產品層的驗證，不一定值得發論文。」

  對方點了點頭，沒有追問，被旁邊另一個人拉走了。

  約翰走回來，在旁邊的椅子上坐下，接過瑞恩手裡的酒瓶，給自己倒了一杯，把瓶子放到地上。「你剛才說的是真的？」

  「哪句？」

  「不發表論文那句。」

  瑞恩端起酒杯：「發表論文是為了什麼？招人、刷排行、讓同行引用，這些我們現在都不缺。」約翰沒說話，也端起自己的酒杯。

  兩人的酒杯碰了一下。

  約翰看著瑞恩喝酒的樣子，想起第一次見他的時候。

  那是在谷歌內部一個很小的技術分享會上，瑞恩當時還是個研究員，講的是他剛發表的一篇關於注意力機制優化的論文。

  講得很好，但讓約翰印象最深的不是內容，而是瑞恩講完之後回答提問的方式。

  瑞恩從來不說那些可以贏得一點思考時間的套話，什麼「好問題」，什麼「讓我再想想」，他會直接告訴你，你的問題哪裡是對的，哪裡是錯的，然後給出他的答案。

  那種確定感，在學術界很少見，在工業界也很少見。

  後來兩人慢慢熟了，約翰才意識到，那可能不是來源於對專業領域的了解。

  只是瑞恩這個人，他真的不怎麼懷疑自己。

  這個特質讓他成了一個出色的CEO。

  做決策快，方向清晰，永遠能領著團隊前進。

  但約翰有時候也會想，一個不懷疑自己的人，不代表他做的決定就是對的。

  五點多，太陽已經快沉到山脊後面了，氣溫稍微涼了一點。

  陸陸續續有人過來和約翰打招呼，說謝謝招待，還想留下一點好印象。

  等人走的差不多了，約翰和瑞恩搬了兩把椅子到泳池邊，各自從冰桶里摸了瓶啤酒。

  泳池這個季節沒人用，水面平靜，偶爾有一片落葉漂進來。

  夕陽把水面染了一層淺橙，山脊線還亮著最後一點光。

  瑞恩喝了一口，把手機掏出來。

  「給你看個東西。」他把屏幕轉向約翰，「和我們合作的、中國的那個公司，這一個多月的API調用分析約翰接過去翻了翻。

  「在任務規劃的層面上，全走的水星模型。」瑞恩說，「他們產品上面，每接到一個用戶指令，後面的思考部分一意圖理解、任務拆解一這一層完全是我們的。他們自己接在後面跑代碼執行。」約翰慢慢劃著名屏幕，沒說話。

  「產品體驗很好，」瑞恩接著說，「用起來很流暢，用戶滿意度很高，我們這邊收集到的數據也很高質量。但讓這個產品聰明的部分，是水星模型，他們自己的模型就是個代碼執行器。」

  約翰把手機還給他：「他們那邊的代碼生成能力也不差。」

  「不差。」瑞恩接過來，「但那沒用，這個參數量級，代碼生成的差距已經很小了，再往上很難拉開差距。意圖理解是水星模型的殺手鐧，他們自己知道這一點，這也是他們接受我們合作的原因。」他退出報告，重新打開了一個文件。

  「我們現在是第一階段。」

  語氣平靜，像在複述一個已經跑過很多遍的邏輯：

  「現階段，讓他們做產品，積累用戶，打磨體驗。我們收收入，同時把所有真實任務場景的數據都攢下來。這批數據是下一代金星模型（Venus）智能體（Agentic）能力的核心訓練材料，用戶場景比我們自己構造的基準線可值錢太多了。」

  約翰喝了囗啤酒。

  「等合同到期的時候，他們的用戶盤子已經建起來了，整個意圖層是跑在水星模型上的，到那時候我們提高分成比例，再收API費用。」他停了一下，「他們的選擇是什麼？遷移到別的模型，然後改架構、重訓、驗證、產品回歸，還是接受新條款？」

  約翰沒答話。

  「他們沒得選，用戶的基本盤是水星模型建起來的，遷移成本太高，時間也不允許。」

  「金星模型之後，」瑞恩把手機放到膝蓋上，「我們的Agentic能力有真實數據撐著，用戶場景也摸透了，那時候我們自己下場做一個開發者工具，用這段時間積累的數據，做個比他們更好的產品。」約翰仰起頭，看了一會兒上面的天，然後晃了晃手裡的酒瓶。

  「他們會發現嗎？」

  「會。」瑞恩說，「到那時候他們已經沒有選擇了。」

  「我是說……」約翰把視線收回來，「他們現在知道嗎？」

  「他們可能能感覺到吧。」瑞恩說，「他們的CEO不傻，應該能看到這條邏輯線。但他們需要我們，現階段沒有水星模型給出的意圖理解能力，他們的產品跑不起來。他們應該是想再合同到期之前把護城河建起來，然後開發自己的模型。」

  「能嗎？」

  「開發一個模型要多久？一年？最快最快也要半年吧，我們的合同到四月就到期了。」

  言下之意是，四個月的時間，不可能做出來一個能替代水星模型的大模型。

  等合同到期，他們就是砧板上的魚肉了。

  約翰把剩下的啤酒喝完，才開口問道：

  「等我們數據夠了，就把他們踢掉？」

  約翰沉默了一會。

  泳池的水面已經暗下來了，剛才的淺橙色消失了，變成了灰暗的藍色。山脊後面還剩最後一線光，也在慢慢的消失。

  草坪那邊傳來拉布拉多的叫聲，大概是被什麼東西驚了一下，叫了兩聲又安靜了。

  「瑞恩，你有沒有想過一種可能。」約翰把空瓶子放在腳邊，「他們的那個CE0，如果真像你說的那麼聰明，他現在可能已經在做模型了。」

  瑞恩看了他一眼：「用什麼做？他們沒有算力，沒有數據團隊，沒有研究背景。做一個能替代水星的模型，不是寫幾行代碼的事。」

  「我沒說替代水星。」約翰說，「我說的是，他如果只做一個夠用的模型，不需要比水星好，只需要好到能把意圖理解這層從我們手裡接過去，那你的整個計劃就不成立了。」

  瑞恩沒有立刻回答，低頭晃了晃杯子裡最後一點啤酒。

  「四個月。」他最後說，「從零開始，四個月做出一個夠用的基座模型？做出能在意圖理解和任務規劃層面替代水星的模型，你覺得可能嗎？」

  約翰沒有回答這個問題。

  他確實覺得不太可能。

  但是他想起之前看到過的那個視頻，那個中國公司的CE0在GAIS上演講的視頻。

  約翰也在GAIS上發表了一個演講，雖然是遠程連線。

  他覺得那個人不簡單。

  「其實我們可以直接自己做，我自信能做的比他們好。」約翰悶悶地說。

  「我們的資源是有限的，要放在最重要的事情上。」瑞恩說，「這樣免費的勞動力，又這麼好用，為什麼不用呢？」

  說到這，瑞恩的臉上浮現出一絲笑容：

  「你什麼都不知道，約翰；斯諾。」

  「該死的，我說了多少次了，我叫約翰（John），不叫圇（Jon）。」約翰罵了一聲。他恨死《權利的遊戲》了。

  還有那個喬治；馬丁。

  「你才是什麼也不知道呢，瑞恩；米勒。」

  瑞恩對這個小孩子一樣的回擊，只是笑了笑。

  沒說話。

  （還有更新耶）