目录加载中...
郑晓波这句话一出口，刘大海就知道自己不用再说了。
看来郑总是真的懂啊。
这件事其实也不奇怪，要执掌鼎盛这样一个巨头，必须得有两把刷子，即使不懂原理，至少得知道个大概，这样和下属的沟通成本也能低不少。
像郑晓波这样的企业高管，对AI行业的关注程度甚至不比那些投资人和从业者少。
Scale AI是硅谷最近最火的AI创业公司之一，但是他们既不是做大模型的，也不是做AI应用产品的，他们的业务就只有一个，那就是卖标注数据。
就凭这一项业务，Scale AI的估值做到了几百亿美金。
也好，既然郑总懂，那刘大海也就不用从头讲起了，直接跳到干货。
“去年六月份的时候，微软研究院曾经发过一篇论文，叫《Textbooks Are All You Need》（你只需要教科书），他们用精心筛选的教科书级别的数据训了一个十三亿（1.3B）参数的小模型，名字叫Phi-1。就是这个模型，在代码生成的任务上打赢了市面上那些参数量是它十倍、训练数据是它一百倍的大模型。”
程远插了一句话：“刘博士，这是什么意思？”
“这么说吧，当时除了GPT没有一个模型跑得过它。而这个十三亿参数的模型，只用8张A100训练了4天，换算出来的训练成本也就几万美元，就这么点成本。这篇论文证明了一件事，那就是只要数据质量够高，小模型也能干翻大模型。”
刘大海说完，转向郑晓波。
“这和汤圆的情况是完全吻合的。7B，就是七十亿的参数，一万条训练数据，在意图理解打赢了坤元，我猜测他们的秘密武器就是数据质量足够好。”
最近几年，一个新的观点正在成为AI行业的主流：谁的标注质量高，谁的模型就强。
主要是因为最近的架构变化不大，算力的边际效益也在递减，但是高质量的数据标注才还有很长的进步空间。
但问题是，所有人都知道数据标注重要，却没人知道数据标注得好到什么程度才足够。
OpenAI、Anthropic、Meta，每年都要砸几十亿美金在数据标注上，模型的表现也确实是一代比一代强，但进步也越来越慢，谁也不知道什么时候会撞墙，也没人知道极限在哪。
不管资本炒得多么火热，这个行业的所有从业者，大家都在一望无际的大海上摸索前行。
直到昨天看到汤圆，刘大海才确信自己看到了未来的信标。
最后刘大海说出了自己的结论：
“从模型表现来倒推，他们的标注精度恐怕是我从业这些年能想象到的最高水平。”
郑晓波没说话，低头陷入了沉思，好一会儿，他才开口说道：“那他的数据，会是从哪儿来的呢？”
这个问题一问出来，刘大海和程远都是一惊。
郑晓波转向刘大海问道：“大海，这是你手底下的项目，你先说说，咱们现在的标注大概是什么样的一个水平？”
刘大海说道：“咱们的标注大部分是自己做的，也和一些中文领域内专业的标注团队有合作关系。从成本来看，大概算下来一条10块到50块钱左右，但是那个汤圆，他们的数据精度一定比我们高得多。”
“成本会高出多少？”郑晓波追问道。
“中文领域没有什么参考的对象，但是在英文领域，Scale AI的专家级标注应该算是最顶级的标注服务了，他们都是请各个行业的资深专家来进行标注，成本大概七八十美金一条。但是从我的经验来看，汤圆模型所使用的训练数据应该比那个还要高一阶。”
“如果我们想买呢？”
“先不说市场上有没有这个服务，真硬要估价的话，一条怎么也得100美金往上，他们说的是不到1万条数据，就算是1万条，光数据成本就是100万美金，这还只是用来给7B大的模型做微调，如果想要适配更大的模型，需要的数据量也会更大。”
郑晓波心算了一下，觉得即使全买这种高质量的数据，鼎盛也并非承受不起。
或者说，鼎盛花在标注上的钱，已经是这个量级了。
郑晓波开口说道：“如果是这种规模、这种精度的标注数据，那就不可能是一两个人手工做的。韩路一手里要么有专业的标注团队，要么是和哪个大型研究机构在合作。”
说到这，郑晓波看向程远，下了命令：
“让商务情报团队去查一查源码科技，看看他们最近半年有没有和标注公司或数据机构打过交道。再查查他们的招聘岗位，有没有招过标注相关的人。”
程远一边点头，一边在文件夹内页空白处快速记了几笔。
郑晓波沉声说道：“找到他的数据供应商，然后直接挖过来。”
他说这话时极有气势，程远和刘大海坐在一边都能感受到一阵压力，鼎盛的CEO，纵横商海几十年，对付起一个初创公司的愣头青，确实是手拿把掐。
刘大海想说，其实如果没法直接拿到数据，能从他们的合作伙伴那把标注规范问过来也可以，到时候按照这个规范，鼎盛的团队还可以试试自己做。
直接去挖人家供应商，他总觉得有点不太好。
但刘大海就算是再没情商，也不至于在这个时候顶撞老板。
郑晓波说完又看向程远：“他们要求的算力合作，你也可以先谈着。”
程远一时没听明白。
咱们不是都釜底抽薪了吗？还要跟他虚与委蛇？
“供应商的事，还不好说，先和他谈着，稳住他，最好是能让他答应一个条件。”
“什么条件？”程远问道。
“用鼎盛的算力可以，让他把训练数据共享给我们。”
如果训练数据真是他们唯一的壁垒，这个恐怕不好谈，程远接着问道：“那如果韩路一不同意呢？”
“先谈着，但别把姿态摆太高。算力他能找别人要，这个数据我们暂时还找不到第二家。等我们找到他的供应商，自然就不用谈了。”
程远脸上露出恍然大悟的神色，赶紧把这句话也记下了。
刘大海在旁边全程看着，觉得这俩人聊天跟演双簧似的。这拍马屁的功夫，比机器学习还难学哦。
郑晓波和程远交代完任务，又转向刘大海。
“大海，你跟我说句实话。”
刘大海看向郑晓波。
“如果能拿到他们的数据，坤元能提高多少？”
刘大海想了一会儿。
作为一个在机器学习行业泡了十几年的人，他太清楚85.2这个分数意味着什么了。
坤元的意图理解是78分，已经是国内的第一梯队了。从78到85这七个点，鼎盛研究院做模型的两百多个人，干了半年也没摸到门路。
而那俩人，哦对，韩路一，用一万条数据就做到了。
这一万条数据的精度得高到什么程度啊？
刘大海心里有了答案，开口说道：
“郑总，如果咱们能拿到他那种精度的标注数据，哪怕只给我五万条——”
他停了一下，才把接下来的也说出来：
“坤元能把这个行业的天花板，给捅个窟窿出来，到时候就是咱们鼎盛的模型在全球排第一。”
郑晓波闻言，脸上露出了淡淡的笑意。
“大海，那我就拭目以待了。”
然后他又对程远说道：“程远，你去办吧。算力合作的事，先别给韩路一回复，让他等两天。”
程远愣了一下：“郑总，这是……”
“记住了，在谈判桌上，先开口的人，输。”
……
与此同时，源码科技。
韩路一坐在办公室，点开视界，花了二十分钟，又标了三百多条数据。
看了看精力值，他打了一个哈欠。
这时，韩路一的手机响了一下，他拿起来一看，是【404寝室】群的消息，有人@他。
前段时间马小飞和张浩然看球在群里面刷屏，他设置了消息免打扰，有几天没看了。
韩路一翻了一下聊天记录。
【马小飞】：儿子们都干啥呢！咱多久没见了，出来聚聚不？
【张浩然】：半死，微活。
【张浩然】：还是你们媒体人有活力啊。
【马小飞】：怎么了，铁饭碗还能把你给累着？
【张浩然】：开玩笑呢，现在行里搞全员吸储，我这个季度的考核还没着落呢。
【马小飞】：连你们技术岗都不放过？！
【张浩然】：你来得正好，救救哥，你的人脉里有款爷吗？
【马小飞】：手动帮你找款爷，@我的父亲韩路一
【马小飞】：老韩你这是什么群昵称，占我便宜是吧？
韩路一爬完了楼，一拍脑门。
最近工作忙得晕头转向，怎么都忘了带儿子们飞了？我真该死啊。
【我的父亲韩路一】：这周末吧？老地方见？
【张浩然】：我要是不加班就来。
【我的父亲韩路一】：唉，我这手头正好有笔闲钱要要存……
【张浩然】：义父！不见不散！