第591章 前無古人的決策

  「老闆……我完全沒聽懂。」

  星城之旅就這麼毫無波瀾的結束了。

  沒有人被當場抓包，也沒有人影響到黎芝和周明遠的幸福甜蜜。

  但變化依舊存在。

  像是沉在海底的冰山，潛移默化影響著很多很多事情。

  周明遠回到辦公室的第一時間，就把賀敏喊進屋子，嘀嘀咕咕安排了一長串工作。

  可賀敏卻始終一臉懵逼。

  什麼東西？

  老闆他說的究竟是什麼東西？

  sto9.co🌶️m提醒你可以閱讀最新章節啦

  手上已經有了這麼多公司，這麼多項目，插足了這麼多產業，他怎麼還要……

  究竟還要把手伸到哪裡去？

  最讓人難以理解的是，周明遠這次創業，頗有幾分不計成本的架勢。　　雖然賀敏心裡也清楚，老闆幾家公司或許不缺現金流，但是……

  這到底是不是燒錢？

  「具體哪裡不懂，我再給你一點點解釋。」

  周明遠抱起胳膊，大半個身子倚靠在沙發里，笑吟吟望向小助理。

  「數據標註到底是幹嘛的？」

  「這有什麼用？」

  「我們為什麼要花人力物力來做這個東西？」

  「你說的那些亂七八糟的，什麼ai啊人工智慧啊，我都完全聽不懂……」

  「法學生連這個都要學嗎？」

  「招的都是大學生，我剛剛聽你講工作邏輯，好像也沒什麼技術之類的壁壘，你確定這玩意能賺到錢？」

  賀敏壓根也沒跟周明遠客氣。

  不懂就是不懂，她連珠炮般問了一大串，乾脆利落。　　「應該是可以的。」

  周明遠思考了幾秒鐘，點了點頭。

  相比模仿瑞幸咖啡，做法律諮詢，搞mcn公司這種前人已經驗證過是超級大風口的行業來說。

  他這波想法，的的確確帶著幾分賭性。

  沒接觸過，沒嘗試過，哪怕兩世為人的他也說不準能不能行。

  跟黎芝徹夜長談之後，他其實也有些觸動。

  想想也真沒錯。

  自己從零到一白手起家不難，到a8甚至a9也不難，只不過需要一點時間。

  無論是手上的明理法律諮詢公司，亦或是解憂傳媒，似乎都存在著一點點發展速度上的天花板。

  哪怕給了他足夠的時間發展，但論行業影響力和爆發力，好像都還不足以到達碾壓顧採薇或者黎芝家境的程度。

  更不用說解憂咖啡了。

  哪怕解憂咖啡做到全國top1，那又怎麼樣？　　天使投資人是顧採薇的爸爸，他一個小股東還能翻什麼天？

  於是，經過一番思考之後，周明遠默默做出了一個新的決定。

  換一條沒有上限的新賽道。

  重生嘛，就要做些對自己來說有挑戰的事情。

  輸了大不了從頭再來。

  贏了呢？

  贏了當然獲得一切，親手書寫歷史。

  作為站在歷史肩膀上的巨人，周明遠自然心知肚明。

  十幾年後的世界是什麼樣子？

  十幾年後的世界，什麼賽道最牛逼？

  莫過於正統ai和大模型。

  周明遠根本不用多想，馬上選擇拋開法律垂直行業的舒適區，直接殺進最核心的通用人工智慧賽道。　　這條路比做本職工作難十倍，但上限也高百倍。

  復盤起來，2015年還真是個前赴後繼的好時代。

  眾所周知，深度學習有著三大支柱。

  算法、算力和數據。

  三個支柱，現階段正處於一個微妙的臨界點上。

  算法端，hinton在2006年就提出了深度信念網絡，lstm在1997年就被發明出來。

  可直到這一年，才真正開始在工業界大規模應用，cnn首次在圖像識別上超過了人類水平。

  更重要的是，2014年剛提出的注意力機制，正以極快的速度滲透進nlp領域。

  transformer論文還要等兩年，所有關鍵技術都在高速疊代。

  時代鼓著長風，旌旗獵獵。

  算力端，英偉達三月份剛剛推出geforce gtx titan x，12gb顯存，單精度浮點算力不過7 tflops。

  跟後來的h100比起來不值一提。　　可廟小妖風大，在現階段已經足夠跑一個中等規模的深度學習模型了。

  最關鍵的其實是數據。

  網際網路每天產生的文本、圖片、視頻以pb計，細究起來99%都是非結構化的噪音。

  誰先把這些噪音變成可訓練的數據資產，誰就拿到了下一輪競爭的入場券。

  思考過後，周明遠的切入點就決定是這裡。

  理由很簡單。

  他除了懂趨勢之外什麼都不懂，也沒有相關學術背景。

  技術團隊為零，ai行業人脈為零，個人技術能力約等於零。

  周明遠唯獨有著三樣東西，是純技術背景的ai創業者沒有的。

  第一，是子彈充足的超絕現金流。

  明理公司和解憂傳媒兩家，都是正向到誇張的現金奶牛。

  更不用說周明遠在股市還有一大筆，自打開市起不斷滾動。　　不論成敗，他是真的輸得起。

  第二，叫做商業嗅覺和管理能力。

  技術方面他不懂，但公司做到一定規模的話，管理方式和人性把控，這種東西一通百通。

  他能把很多東西從零做到一，知道怎麼搭團隊、控成本、拿訂單，這件事的核心對他來說就不算難。

  第三，是對數據價值的超前認知。

  這一點就不用多說了，純開掛。

  在別人還把數據當廢料的時候，他知道這是未來十年最稀缺的礦產資源。

  於是經過一番考慮，周明遠決定放棄做算法研發之類的東西。

  自己搞一個數據標註工廠。

  為什麼不做正統算法？

  要知道，2015年做算法，絕對不是件容易事。

  這方面的剛需，是至少招到一批深度學習方向的博士。　　而這些人呢？

  要麼在谷歌微軟百度，要麼在高校實驗室，沒有人會加入一個沒有任何ai背景的初創公司。

  這壓根不是錢的問題。

  人家看重的是平台和同行的認可，錢有時候排不到第一。

  可周明遠選擇的方向就不太一樣。

  數據標註不需要博士，不需要論文，不需要頂級學術背景。

  它需要的是管理能力、成本控制能力和對數據質量的極致追求。

  還真別說，這三樣恰好是他最擅長的。

  而且最關鍵的是，2015年的ai行業還在拼模型結構創新，絕大多數從業者還沒有意識到一個事實。

  數據質量比模型結構更重要。

  幾年後等大家都反應過來的時候，先行者就能用規模和管理形成護城河，把成本壓到後來者無法跟進的程度。

  這就是周明遠的先機。　　「好好好，就算能賺錢，可是老闆！你說的這個……數據標註，它和ai有什麼關係啊？」

  賀敏依舊保持著一臉疑惑的神情，自顧自抿了口咖啡，坐在周明遠對面，托著下頜認真聆聽。

  「這個東西啊，聽起來很低端，實際上它是ai產業鏈最上游的石油。」

  周明遠耐心解釋道。

  沒辦法。

  兩世為人的視野和認知，對於手下的小助理而言還是太過超前了。

  不好好科普外加一通勢大力沉洗腦的話，這個活還真沒法推進。

  「任何深度學習模型的訓練都依賴於高質量標註數據，而標註數據的生產成本和質量控制，是一個極其複雜的系統工程。」

  男人攤開雙手，開始給賀敏一個一個舉例。

  「imagenet有1400萬張標註圖片，背後是亞馬遜mechanical turk上數萬名眾包工人的勞動；谷歌翻譯能支持上百種語言，是因為它用了海量的人工翻譯數據做訓練。」

  「懂我意思嗎？」

  「通用領域的標註市場競爭會越來越激烈，真正的壁壘在於垂直領域的深度標註。」　　「現在是網際網路時代，你知道最容易被人忽視的需求是什麼嗎？」

  「呃……我不知道。」

  賀敏眨了眨眼睛，老老實實回答。

  「中文語料。」

  周明遠伸手點了點小助理額頭，繼續科普。

  「英文有維基百科、common crawl、斯坦福的squad數據集，中文呢？」

  「中文的維基百科條目只有英文的零頭，中文的自然語言處理數據集幾乎空白。」

  「這意味著什麼？」

  「.……意味著什麼呢？」

  賀敏傻乎乎的跟著重複一遍，可可愛愛。

  「如果有人從現在開始系統性地積累高質量的中文語料，未來做中文大模型的時候，所有團隊都需要這些數據。」

  「哇……聽起來還挺厲害。」　　女孩子往往難以沉浸在宏大敘事和星辰大海裡面。

  賀敏也是一樣，只能擺出一副不明覺厲的樣子。

  「不僅如此，做這個不是我們的終點，等我們年營收過億的時候，還可以是融資手段。」

  短短一晚上思考之後，周明遠已然胸有成竹。

  他心裡明白，等到2016年就好。

  明年會有一個ai歷史上的標誌性事件。

  alphago擊敗李世石之後，全球ai投資會進入狂熱期。

  到那時候，一家靠數據標註年營收過億，擁有上千名全職標註員、服務幾十家頭部公司的數據標註企業.……

  融資估值只會比純算法公司更健康。

  「年營收過億？」

  「啊？」

  「老闆你認真的嗎？」　　前面都還好，就當是自家老闆的一時心血來潮。

  可聽到這裡，賀敏直接驚呆了。

  「認真的啊。」

  「這個工作，跟短視頻公司有著很緊密的直接關係。」

  周明遠翹起二郎腿，單手撐著面頰，另外一隻手解鎖手機，把屏幕朝向賀敏。

  「是嗎？」

  總算聽到自己了解一點的領域了。

  賀敏坐直了身子，提高聲音。

  「數據標註是短視頻平台最核心的基礎設施之一。」

  「短視頻平台需要什麼樣的數據標註？推薦算法最核心的任務是給每個用戶打上精準的標籤，然後匹配ta最可能喜歡的內容。」

  「那你說標籤怎麼來？」

  「這些其實不是算法自己想出來的，是海量的標註數據訓練出來的。」　　「比如你刷短視頻平台的時候看到一個視頻，停留了三秒划走了，系統記錄了一次弱興趣；你又刷到一個視頻，點讚收藏加轉發，系統記錄強興趣。」

  「這些行為本身就是一種標註，但你記住，這叫做被動標註，效率低，噪聲大。」

  「主動標註是平台自己請人看視頻、打標籤、寫描述、分類、去重、篩選敏感內容。」

  「到了平台發展的後期，每個視頻的標籤體系極其複雜。」

  「場景類（室內/戶外/夜晚/雨天）、人物類（年齡、性別、顏值、著裝風格）、情緒類（搞笑/治癒/勵志/傷感）、動作類（跳舞/做飯/化妝/健身）、音樂類（bgm識別、卡點節奏）……」

  「這些標籤不是用戶行為能自動產生的，是靠專業標註員一條一條標註出來的數據，再用這些數據訓練內容理解模型。」

  「等到模型能自動識別了，標註員再去標註更難的邊緣案例。」

  「繼續疊代模型，形成數據飛輪。」

  「.……」

  聽老闆聊了整整一下午，賀敏第一次眼睛亮了起來。

  她隱隱約約明白了一點點，周明遠要做的事情，究竟有什麼作用和含義。

  2015年這個時間點，抖音還沒上線，快手也才剛剛轉型成為短視頻社區。　　兩家都沒開始大規模做推薦算法，但也不過是臨門一腳的事情。

  不管是哪家短視頻平台，快手也好，日後的抖音微視秒拍也好，第一件事就是解決內容冷啟動問題。

  一個新視頻上傳之後，系統怎麼判斷內容質量？

  怎麼決定推給誰？

  答案就是內容理解模型。

  而內容理解模型的訓練數據，就是標註數據。

  「所以啊，我為什麼有自信能做到營收破億？」

  「因為如果我們在這一年，就把數據標註工廠做起來的話，規模和管理能做到行業領先……」

  周明遠跺了跺腳，眉眼中洋溢著滿滿的自信。

  「要麼大家都是我的客戶，要麼來給我股份，要麼拉我一起創業干平台。」

  「跑不掉的。」

  事實上，這樣的商業模式也非常清晰。　　短視頻公司提供海量視頻素材，標註工廠負責標註標籤、情緒、場景、動作、音樂等多個維度，按時交付標註結果。

  按條收費或按項目收費。

  標註的越精準，推薦算法就越強。

  算法越強，就越懂用戶，用戶停留時長就越長，GG收入就越高。

  所以標註成本對平台來說不是可選項，是必選項。

  更深一層的價值在於垂直領域的壁壘。

  通用標註誰都能做，但視頻級多維標註需要不少東西。

  一個搞笑視頻的【笑點位置】標註，需要文化背景和理解能力。

  一個舞蹈視頻的【動作拆解】標註，需要一定的專業素養。

  一條時政新聞的【立場傾向】標註，需要基本的政治敏感度。

  這些說難不難，說簡單也不算簡單。

  需要長期積累和培訓的能力，簡單的眾包還真搞不定。　　一旦某個團隊，在視頻標註領域積累了大量的標註標準和培訓體系。

  後來者想挖人、想複製，成本高的驚人。

  所以數據標註跟短視頻的關係，本質上是一條產業鏈的上下游。

  短視頻平台是數據標註的甲方，標註工廠是數據標註的乙方。

  如果這個乙方在2015年就提前卡位，把規模、質量、成本三個維度都做到極致。

  那一旦等到短視頻大戰全面爆發，或者說新軍想要擾亂整個行業，數據標註需求會在一年內從零飆升到數億元的年市場規模。

  到那個時候.……

  甲方排隊等簽約，乙方挑客戶、提價格、設壁壘。

  更長遠看，手裡有了海量的視頻標註數據，訓練自己的視頻理解模型就不再是天方夜譚。

  萬一有人想拉人馬自己干呢？

  進可攻退可守，那都是預期之內的事情。

  哪怕不想進軍短視頻平台搶飯吃，既可以幫平台做內容審核和智能推薦，又可以把ai能力開放給所有想做視頻分析的企業客戶。　　從標註服務升級為ai能力輸出。

  這個躍遷一旦完成，就不再只是平平無奇的數據標註公司。

  而是高貴洋氣的，ai基礎設施提供商。

  最有趣的事情是。

  在這個構想里，數據標註只是第一步，是這個商業模式的現金流來源。

  真正的星辰大海是用積累的數據和資本，反向殺進大模型賽道。

  在周明遠的預期里，transformer論文發布是關鍵節點。

  從這開始，nlp領域的範式開始從rnn/lstm轉向注意力機制。

  誰先在中文語料上用transformer架構做預訓練，誰就能定義中文nlp的下一個標準。

  要做出一個可用的中文預訓練模型，需要三枚龍珠。

  足夠多的中文語料、足夠便宜的算力、知道怎麼訓練的人。

  而到了那個時候，這三枚龍珠周明遠應該已經湊齊了。　　語料是現成的。

  幾年積累下來的標註和未標註數據已經是天文數字。

  算力可以買。

  gpu雲伺服器按小時租，aws和阿里雲都有gpu實例。

  那個時候的人才，自然也不是問題，ai投資熱潮之後人才流動性大增。

  第一版不需要做到bert那個量級，可以先從更小的模型開始，用更乾淨的語料、更長的訓練時間、更精細的領域適配來彌補參數量的差距。

  大模型做出來之後，商業化路徑就很簡單了。

  做api調用，全盤抄openai就完事了。

  開放平台，按調用量收費。

  中小企業不需要自己訓練模型，直接調用api就能獲得最先進的中文nlp能力。

  這是最標準的平台型商業模式。

  一邊是開發者生態，一邊是模型能力，中間靠api連接。　　一旦這個飛輪轉起來，後來者就算有更好的模型也很難搶走客戶。

  因為客戶已經在上面積累了大量的調用記錄和應用生態，遷移成本太高。

  這個模式在若干年後會被openai的gpt-3驗證。

  api調用收入年化數億美元，估值暴漲到千億級別。

  時間回調到2015年，這個看似不可能做ai的年份，恰恰是最好的起點。

  再過幾年，所有投資人和熱錢都一股腦湧入ai的時候，先發優勢的價值會被卷到無限趨近於零。

  而現在，這條賽道幾乎是完全真空的。

  前無古人，後無來者。

  （還有更新耶）