2026-10-18 21:00:00
原创 曲凯 2026-10-18 21:00 新加坡
Personal Agent 最大的机会可能来自于交互
子皓是 Ambi 创始人，曾任 Plaud 合伙人兼中国区 CEO，还曾创办米公益，该公司后来被轻松筹收购。此后，他先后担任暖哇科技合伙人兼首席产品官、百川智能医疗方向产品及运营负责人。
本期播客原文约 31000 字，编辑整理后约 6300 字。
编辑整理：陈皮
曲凯：我觉得这波 Personal AI 是从 OpenClaw 延续下来的，而 OpenClaw 也可以看成是 Manus 的延续，主线就是怎么让大家真正用 AI 做事。你觉得这一波和之前有什么区别？是像 OpenClaw 那样的一次乍现，还是确实发生了什么变化？
子皓：我并不觉得 OpenClaw 那波是昙花一现。从年初到现在，大家一直在围绕它迭代，只是之前确实还没有真正跑出 C 端 PMF 的产品。
当时大家都说 OpenClaw、Hermes 这些产品很厉害，但很难用一个明确的场景和价值点，告诉别人它到底厉害在哪。即便别人知道了，想获得同样的能力，也要搞定安装、接 Connectors、补上下文之类的各种问题。
不过随着模型不断升级，「让普通人用起来」所需的基础条件也越来越成熟。
到了 Muse 这波，用户终于不需要技术背景，不必懂虚拟机之类的概念，也不用搞那些复杂的安装，很容易就能把产品用起来，就像用移动互联网产品一样。
其实 Muse 很明显带着移动互联网时代的烙印，打磨得很精细，也花了很多钱，每个人一上来就有上亿的免费 Token，整个 Instagram 也在推它。我用了一下就觉得，千万不能做跟 Muse 一样的事情。
曲凯：那 Ambi 要怎么打？
子皓：我们会用软硬结合的方式来做，最大的不同是能补齐线下的上下文和交互入口。
现在很多产品都已经很强了，但还有一个很难受的地方：交互。每次用它们，你可能还是要花几十秒甚至几分钟去交代各种信息。
举个例子。AI 眼镜很好，但我用着一直很别扭的点，就是我明明一直戴着它，可想让它帮我做点什么的时候，还得唤醒它、复述一遍刚刚的场景。你没见过钢铁侠先重复一遍跟小辣椒的对话，再让 Jarvis 做事吧？那为什么在现实生活里，大家却习以为常呢？
其实这件事特别有意思。以前苹果电脑开机要几十秒，乔布斯 push 员工时就说：以后每个人每天都会用电脑，如果我们能把开机时间从 30 秒压缩到 3 秒，那就能给每个人省 27 秒，加起来就能帮全世界节省非常多的生命时间，这件事非常有意义。
放到 Personal Agent 上也是一样的。假设现在一个人每天会跟 AI 交互 3 轮，可以预见的是，半年之内大家平均每天就会和 AI 说 30 句话。如果能帮大家把每轮重复背景的那几十秒省下来，加起来也是非常多的时间。
所以我们半年前开始做的时候，最想解决的就是人和 AI 的交互问题。
我们希望人和 AI 同步在场，而不是异步协作，也不希望用户一直要在流程中间补信息或者做什么操作。智能真正平权以后，AI 应该持续运行、持续计算、持续帮你做事、实时在你身边。
我觉得交互可能也是 Personal AI 最大的机会点，因为大家对 AI 最好的想象，就是「言出法随」：你张嘴说，AI 就能做好。而且交互也可能带来网络效应、迁移成本等，形成壁垒。
曲凯：去年我们聊的时候还说，对普通人而言，智能已经足够了。过去半年有没有哪次模型升级，让你觉得原来它还能进步这么多？
子皓：去年说智能已经足够了，可能是说错了。当时只是我们设计的任务不够复杂，给它的上下文不够多、来源不够丰富，但其实人对智能的需求上限可能很高。
曲凯：模型涉及的是供给侧的变化，那除了讨论能力，还要看价格。Personal Agent 是不是很烧钱？
子皓：至少对我们来说，成本不是特别大的问题。我们不希望因为成本阉割用户体验，也没有吝啬对智能的使用。但我觉得现在的商业模式已经可以跑通了，因为这一波很大的变化是，大家已经不太关心背后用了什么模型，像订餐厅、订票这种任务，也不一定需要极高的智能，而且在成功率、速度和质量之间，很多任务可以稍微牺牲一点速度。
曲凯：那从需求侧看呢？大家日常生活里到底有多少事需要用到 Personal AI？
子皓：我觉得这个问题的关键是获取智能的交互成本。
智能到底是触手可及，还是得花些时间才能让它做事，答案完全不同。
如果你一说需求，AI 就能帮你做事，那可能每个人每天都会用很多次。
但现在大家往往要先设置好一堆东西，用的时候还得解释背景、描述要求，而生活里的很多事又是鸡毛蒜皮或者很难衡量 ROI 的，大家就可能犹豫有没有必要用。
而且大家对 Personal AI 的需求，可能也有点像对增程汽车这类产品的需求。你可能一百天都不需要用一次，但真需要的时候没有，就很难受。那如果随时获取智能的成本能降到很低，为什么不用呢？
曲凯：明白。现在还有很多不同路线，比如一堆 Agent 服务一个人，或者像 Claude Tag 那样往团队里加一个 Agent 之类的。你觉得未来人和 Agent 的协作会是什么样？
子皓：我觉得不同的路线都有可能成功，就像不同的组织架构都有成功的企业一样。比如桥水很极端，个人完全没有隐私；而有些公司内部竞争很强，生怕别人知道自己在做什么；还有些公司像我们一样，尊重私人空间，但愿意把公司的很多信息开放出来，让大家共享上下文。那对这些组织形态来说，可能都有各自适合的产品形态和应用场景。
其实为什么 co-worker 产品没有大家想象中发展得快？
核心就在于它涉及很多组织问题。就像一根大水管，最后会被最窄的那一段限制住。而组织完成 AI Native 转型是很难的，需要很长时间，甚至可能要等新一批真正 AI Native 的公司成长起来才行。不过真到了那时，像 Claude Tag 之类产品的市场占有率可能会越来越高。
曲凯：这个点挺有意思的。而且从这个逻辑看，给个人用的 Agent 确实更容易起来，因为不涉及团队协作之类的问题。
子皓：对呀。我觉得大家可能看硅谷看多了，魔怔了。回到十年前，能做 toC，谁做 toB 啊？
美国做 toB，可能也只是因为做不了 toC，因为上个时代 toC 产品的渗透率已经很高了，又有网络效应，新产品一冒头可能就会被抄之类的。但现在到了新时代，你干嘛还走老时代的路？
曲凯：但他们愿意做 toB，还有一些原因，就是那边的 toB 市场天然分散，而且他们的退出渠道也更多。
子皓：看你创业到底是为了改变世界，还是为了卖点钱了。
曲凯：但创业初期经常会遇到赢家通吃的局面。你觉得 Personal AI 这波会怎么样？会不会最后还是模型厂或者大厂才能做起来？
子皓：人们对使用智能有明确需求，而且在生活场景里，涉及到「名」和「利」的需求是能算清 ROI 的，所以大家最终肯定都会去做。
但我觉得赢家通吃更多是渠道和分发造成的，而不是产品本身有什么问题。
如果你的获客渠道依赖一个有强网络效应的上游，那确实很难做出一个独立的巨无霸。而且分发端被限制以后，所有超额利润都会被压榨。
不过我觉得做线下硬件还是有机会的。
一方面，硬件的获客渠道没有特别强的网络效应，也没有那么封闭的社交环境。如果你能建好自己的渠道，反而能形成自己的优势。像安克、大疆、Insta360 都是这样，出新品就能分发出去。
另一方面，硬件有独占性。人们同一个部位基本只会戴一个东西，但电脑右上角可能同时跑五个软件。所以硬件的商业模式和软件完全不同，硬件上的附加消费，在 AI 时代会被放大。
当然，硬件也有做得慢、需要迭代、需要讲品味之类的问题，但是当大模型这么强的时候，我觉得硬件的生存空间更大，把软硬件结合起来，可能是最优解。
曲凯：不过 Personal AI 是不是天然很难做出网络效应？
子皓：我觉得 Agent 之间具备形成网络效应的可能。关键在于，两个 Agent 能否通过沟通协作，利用各自沉淀的记忆和 context，为双方带来正向作用。Town 里面就做了很多 A2A 的事情，Instinct 后面可能也会做（注：节目录制时 Instinct 还没做 A2A，目前已经做了）。
曲凯：你正好提到了美国最近很火的这些产品。好几家在宣传时，都在讲订机票、酒店、餐馆这类任务。
子皓：这其实就是为了宣传。很多 use case 很难描述，描述完别人也很难复用。但如果原来用一个 App 要花钱，现在不但免费，用了还可能帮你省几百块，这就很好传播。
曲凯：感觉回到了移动互联网的年代（笑）。但比较唏嘘的是，今天的国内环境已经很不一样了，不然可能已经开始补贴大战了。按理说，应该是美团出了一个东西，然后腾讯、字节之类的也跟进，一上来就补贴。哦，当然可能是去年外卖大战，已经把补贴打完了…
子皓：其实这一波跟上个时代比，大厂好像失去了成为世界第一的雄心。好多都是做「中国的 XX」，真正原创、让大家觉得好的产品，其实很少。
曲凯：是。关于 Personal AI，你还有什么非共识吗？
子皓：我觉得「人格化」，就是非要给 AI 一个头像、一个名字，是一条很奇怪的路线。为什么 AI 一定是跟你不相关的客体呢？我们选的方向是把 AI 当作你这个主体的一部分，是你自己的延伸。这两者的区别，就好比别人是想找你的助手，还是找一个非常了解你的分身。我觉得后者更可能形成网络效应。
此外，我觉得很多产品做 Proactive 的方向是错的。很多产品靠 connector 的变化或定时扫描，去猜用户此刻需要什么，花了大量推理成本，推过来的东西却未必合时宜，还可能造成打扰。偶尔出现一个 aha moment，最后究竟能带来什么呢？是留存、付费，还是别的？这个账很难算。
曲凯：那有什么解决方案？
子皓：我们的主动性来自于感知用户所处环境的变化，而不是扫描外部 connectors 去猜用户此刻需要什么。后者的问题在于，如果你现在在度假，但 AI 还在给你推工作消息，就很不合理。
曲凯：所以工作和生活最终也应该放在一起来做？
子皓：我们的判断是工作和生活不应该分开，这两边的上下文结合能让 AI 更了解你、提供更好的价值。其实要区分工作和生活也不麻烦，可以通过信息架构解决。
曲凯：明白。你创过业，做过偏投放、运营型的大营收业务，又待过模型厂、消费硬件公司。这几段经历，分别给你带来了什么核心认知？
子皓：我最开始做了六年的公益创业，融了三轮，最后被收购，也把钱退回去了。这段经历让我明白，Timing 和赛道比能力更重要，就是所谓的「选择比努力重要」，而命运或者大的浪潮，可能又比选择更重要。
后来的四年，我做保险、创新支付和 SaaS，让我理解了很多商业模式的本质。我那时做过六七种不同商业模式的业务，没什么能借鉴的案例，但每种都至少能做到全国前三。其实商业的本质就有点像王慧文说的，都是很简单的事情，没有什么秘密，最底层的东西始终是效率、ROI 和需求。
后来在硬件公司的经历，让我补齐了研发、仓储、设计方面的经验。硬件跟 toC 软件可能完全是反过来的，但跟 toB 软件又很像。toC 软件要多试错，找到 PMF 后再大规模押注。而 toB 在签单那一刻，收入就已经开始了，后续利润取决于怎么更好地交付、怎么把成本压得更低。硬件也是如此，得在第一天就排除后面的风险，安排好计划、仓储、物流等各种事情，确保后面可以顺利交付。
曲凯：虽然打标签很无趣，但如果让你给自己打个标签，你觉得自己更偏产品、运营、商业，还是技术型创始人？
子皓：产品和商业吧。但我在商业上可能更有优势。
曲凯：对，我也这么觉得。我在好几个场合都说过，感觉你跟小红有点像，给人的感觉是很稳、能交付结果、能赚到钱。这很难得。
子皓：无论做再垃圾的业务，我都要赚到钱。
曲凯：这是怎么做到的？
子皓：我是商学院毕业的。
曲凯：…商学院毕业的多了去了哈哈。你现在总结，你到底为什么这么会经营？
子皓：对外能识别需求，对内能招到人。
曲凯：你确实在招人上也很强，但我们先说找需求这一点。能不能举个具体的例子？
子皓：我高三毕业的那个暑假，想试试不用脑子，只用体力出去打工，能赚多少钱，然后就去广州的溜冰场卖票。
第一天，我站了一整天，特别累，但只卖了大概五张，因为实在拉不下面子。
第二天我就去看到底什么人在那里溜冰，发现有好多年轻人，然后我就去兼职网站上发招聘，模式就是我 25 块拿票，27 块卖给代理，他们再以 30 块卖出去。后来我就成了溜冰场的独家代理。到大三的时候还有人给我打电话，找我拿票。
曲凯：你这从小就有资本家的感觉啊哈哈。你那时候为什么会想到这么做？
子皓：可能从小就有这种 sense？而且我确实比较喜欢用商业的办法解决自己的问题。这里的关键就是识别需求，找到能交付、能满足这个需求的东西。至于怎么找，要看你看过多少东西。
曲凯：但很多很好的产品经理擅长找需求，却不擅长把需求变成收入。你有什么建议吗？
子皓：其实没有一套完整的固定范式，不过我可以再举两个例子。
一个例子是，我的公司当时被轻松筹收购后，我在那里挂了一个虚职，然后就很想做出业绩来证明自己。
那时我花了一个周末，一页页看、一个 URL 一个 URL 地分析用户在轻松筹到底怎么买保险、流量来源是什么、整个用户旅程是怎样的、卡点是什么、在哪个地方做什么能带来特别大的提升。这样分析和调整之后，一天就带来了百分之三四十的提升。这个例子其实就是说要回到用户真正使用产品的过程，通过最原始的数据，还原他们当时的心态，找到大家愿意花钱、甚至花双倍的钱来解决的问题。
另一个例子是我之前要去海南管电销，但我之前完全没这方面的经验，然后就去看这些人为什么做电销、部门做不好的核心原因是什么，发现销售最大的驱动力其实就是利益。所以我申请了一笔预算，弄了一百面红旗，出一单就敲锣、插红旗，告诉大家多少面红旗能换多少钱。这样调整之后，士气马上就不一样了，连销售说话的话术都不一样。通过这件事，那个月利润翻了百分之二百多。
曲凯：你确实是有天赋。但除了天赋，这些年你最主要的收获是什么？
子皓：水无定势。成功绝对不是只有一种方法，更多时候要因地制宜。唯一不变的事情，就是要去有鱼的地方抓鱼，而且那里最好没有太多钓鱼佬。
曲凯：但如果一个池子鱼特别多，钓鱼的人也多；另一个鱼少，钓鱼的人更少，你选哪个？
子皓：年轻时选后者，现在选前者。
曲凯：我也这么觉得。有时在大赛道喝汤，比在小赛道吃肉强。
子皓：到了一定岁数也会觉得，为什么我不能在大赛道吃肉？
曲凯：还是你比较牛哈哈，我还只敢想在大赛道喝汤，你已经要吃肉了（笑）。那再讲回招人，你招人为什么这么强？
子皓：要真诚。
大家都说要招比自己厉害的人，那就要知道，在比你厉害的人面前，你没法撒谎。所以要把最真实的想法说出来，说清楚为什么做这件事、愿景是什么、能给大家带来什么。
能带来的也不一定只是财务回报。这个时代，真正有才华的人不太缺工作，能不能让他们愿意加入，关键是能不能给他们一个做更伟大事情的动机。我一直说「过程即奖励」，能不能让大家把才华充分发挥出来，也很打动人。
而且不能只是嘴上说招人重要，你要真的投入相应的成本、时间和真心。我之前在海南招电销负责人时，在对方楼下等了五六个小时，吃了好几个清补凉，才等到 Ta 下来见我一面，最后说服 Ta 加入。
招人多了，你会发现人之间也有化学反应。聊天过程中，但凡有一点不舒服，就千万不要推进，因为最后这个不舒服一定会放大。以及如果已经花了足够多的诚心，对方还是不愿意加入，那可能就是不适合，也要快速 move on。
曲凯：你现在最担心什么？
子皓：还是速度，因为大家现在都太卷了。你想想，苹果设计师去 Meta 之后，十个月就把 Charm 做出来了。
曲凯：这个世界何必把自己变成这样…
子皓：但很多人好不容易等到一个有意义的卷的时代。
曲凯：这点我也很同意。现在很多人讨论 AI 带来的焦虑，但大家可以想想，22 年没有 AI 的时候是什么状态？那时候可以说就是一潭死水。相比那种平稳，我更想看到今天这种有点焦虑、但有很多变化的状态。
不过再赚钱的 AI 工具，现在的用户量可能也就在几十万到百万的量级；而 Muse、Grok Bot 这些产品则在冲一个亿万级的大众市场。你觉得今天创业公司更适合哪条路线？
子皓：其实对创业公司来说，做前者和后者的难度是一样的，但之前创业团队做大众市场的 Timing 还没到。
不过我觉得现在到了。
一个信号就是前面说的，用户不关心 Agent 背后的模型了。技术也还在不断进步，可能半年后，大家就会默认 AI 能百分百完成虚拟世界里的日常任务了。到那时，成本还会继续掉，大家也就可以做各种五花八门的东西了。
曲凯：明白。最后，你以前经常说，很多问题要反过来想。最近还有什么新的「反过来想」的问题吗？
子皓：现在更多是问「为什么」。说实话，从业这么多年，我从来没见过今年这样的寒冬。今年中国人做的真正能用的好产品太少了，无论大厂还是创业公司都一样。
曲凯：这也让我困惑。有些人可能是机会主义，看到别人拿到钱就出来创业，缺少产品能力。但也有些人很不错，有创业精神，最后还是没做起来。很多人遇到的问题是说模型太强，把应用吃掉了。但模型再强，难道我们在全球，连几万个用户都抢不到吗？而且美国那边还有很多公司不断拿到融资、有很高的估值。
子皓：是。我是真的不知道为什么没有更多中国人做出来的好产品。
曲凯：那就留一个开放问题吧。还是希望大家好，也要给大家时间。
42章经
思考事物本质
2026-10-11 21:00:00
原创 曲凯 2026-10-11 21:00 北京
数据多，真的不等于有 alpha。
浩哲是港大在读博士、HKUDS 成员，本科毕业于武汉大学数学系。这几年他一直在探索 AI for Finance 相关的事情，前段时间做了一个很火的项目 Vibe-Trading，开源不到半年就已有超 3w star。
本期播客原文约 13500 字，编辑整理后约 4600 字。
编辑整理：陈皮
曲凯：能不能先给大家简单介绍一下 Vibe-Trading 这个项目？
浩哲：它是一个覆盖二级市场的交易台，体验有点像是让你拥有一支跨工作台的研究团队。你用自然语言提出一个投资想法，它就能调动宏观、公司基本面、量化和风险复核等方面的研究能力，帮你看清公司的现金流怎么样、催化剂是什么、风险在哪，最后由你自己决定要不要投资。
但其实我们去年年底启动这个项目时，原本做的是一个给量化研究员用的专业工具。之所以会有调整，一方面是因为发现原来的方向和用户需求有点相悖，另一方面是我也越来越重视一个问题，就是研究结果能不能让人检查和理解。
金融需要可解释性，而且我有一个观念：
金融里的决策很便宜，行动很贵。
在其他行业，大家常说 AI 让「做」变得很便宜，难的是决定做什么。拿软件开发举例，AI 可以写代码、补测试、排查错误，但用户依然需要判断自己要什么、某个功能值不值得做。
金融则是反过来的。
决策便宜，是因为市场每秒都在报价，每个价格背后都有人做了决定；社交媒体上每天都有大量观点；一个研究 agent 也能给几千只股票各提一堆判断。行动很贵，是因为每笔交易都要付手续费，亏损需要自己承担，成交后也没办法撤回。那么一个人要真正做出投资决策，就必须能向自己解释这个行动。
而在我们一开始做的量化方向里，因子信号等概念对普通人来说都像是天书，大家看完也说不清「我为什么要买这只股票」，就不会掏钱和担责。
所以我们转向了辅助主观投资，把 AI 的研究变成大家能看懂的投资理由。
曲凯：主观投资、量化，包括 forecasting 都算 AI Trading 吗？能不能请你帮忙定义下 AI Trading，以及它最适用的一些场景？
浩哲：大家听到 AI Trading，往往会想到两幅画面，一个是 AI 对涨跌的预测很准，如同神谕（笑），另一个是 AI 可以自动下单，人能躺着赚钱。
但这些理解都很片面。
我对 AI Trading 的定义是：在几乎免费的决策和代价昂贵的行动之间，建立一条可验证、可审计的通道。
展开来讲，AI Trading 系统有四大部分，包括模型、数据对齐、Harness，以及人。
模型负责产生决策，帮你读材料、提假设、写代码、给判断。
数据对齐负责检查判断所依据的数据是否可靠、口径是否一致，比如价格单位到底是美元还是千美元，时间粒度到底是月还是分钟，回测用的到底是不是当时就能拿到的数据等。这是整个系统中最核心的部分，一旦出错，结果会相差好几个数量级。
Harness 负责判断哪些决策有资格变成行动，以及出错时能不能被及时阻止。
人则负责划定边界，决定什么能做、什么不能做，制定 Harness 的规则，确定规则之外的事情由谁拍板。
这里面，模型的智商决定系统能想到什么，独家数据决定它想到的东西别人有没有想到。这两者提升的是决策质量，但我觉得它们的边际价值正在下降，反倒是数据对齐和 Harness 的价值在上升。
举个具体的 AI Trading 的例子吧。
你想知道一家公司的现金流变好了，究竟是经营改善带来的结果，还是一次偶然变化。借助 AI Trading，大概会是这样一个流程：
模型可以帮你先整理各种材料，再列出可能的解释。这里最重要的就是分清哪些是材料里的事实，哪些是 agent 根据材料提出的假设。
接下来要检验这些假设，比如去看现金流改善的来源是什么，有没有和原判断相反的证据。
如果要进一步把这个想法变成交易策略，还要看能不能拿到实时信息、回测有没有偷看未来数据、扣掉成本后结论是否成立等等。
最后你拿到的应该是一个有依据、有适用条件的判断。如果证据不足，agent 必须说明「无法判断」，不能给出一个模棱两可的结果。至于最后要不要买卖、下单，还是你来决定。
讲到这里，AI Trading 和传统量化之间的区别也就出来了。在传统量化里，人在开发策略时就会把换手率、策略容量和责任边界等定下来，之后让机器以很低的成本大量执行。
而在 AI Trading 里，你没法这样一次性地定好一个决策策略，需要一道闸门持续把关，最终的决策也还是要交给人。AI Trading 实际上要不断完成从材料到假设、从假设到验证，再到有边界的执行和复盘。
曲凯：听起来涉及很多交叉验证？比如看完 A 这只股票，还要看整个行业、看 B、看 C，这些涉及很多人的 know-how 吧？这里面哪些能由 AI 自主判断，哪些需要人加进去？
浩哲：武断一点说，所有的行业 know-how 都可以由 AI 来判断，因为这些知识在模型迭代中已经被蒸馏进去了。更需要人判断的是风险，因为每个人的风险承受能力不一样，AI 并不知道你能承受多少。
曲凯：但如果这些行业知识已经被蒸馏进模型了，那直接用模型产品分析，和用一个第三方工具的区别是什么？
浩哲：区别在于能不能得到一套可审计、可验证、可以 re-run 的流程。
像 Codex、Claude Code 这种产品，在做投资分析时都偏黑箱，很多时候你没办法重新跑一遍去验证某个数字，大模型也有幻觉，每次 re-run 也未必得到确定的答案。
曲凯：明白。你前面说独家数据的价值可能没有大家想象中那么高，但很多机构都会努力搞一些内部消息之类的，这些不会对结果造成很大影响吗？
浩哲：数据多，真的不等于有 alpha。
在大家都能拿到的数据上，能找到的规律已经被价格消化了，不太会因为谁采买到更多数据就更容易找到 alpha。
买数据真正的作用，是验证你的想法。很多时候你以为一个想法不行，可能只是数据不够、口径没对齐。
曲凯：那怎么评判 AI Trading 系统的好坏？
浩哲：我认为好的 AI Trading 系统，要能产出尽可能多且便宜的决策，但尽量少行动，确保每个行动都有来由、有边界、有人负责。收益率、胜率是结果。先把系统搭建得完备，才可能结出好的结果。
而坏的系统有两种。一种是把每个便宜的决策都变成行动，就是过度交易。最近有很多人用 Jev 做 trading，就有点像这种情况。另一种是过于谨慎，一个行动都不敢做，但系统也说不清到底为什么。
曲凯：正好聊到 Jev，你怎么看它对 AI Trading 的影响？
浩哲：我可能会泼一盆冷水。我觉得 Jev 对交易的帮助约等于零。
首先，就像前面讲的，金融缺的不是便宜的决策，而是一套能让人信服的、将决策转化为行动的流程。可是 Jev 优化的是本来就很便宜的那一侧，相当于把不太值钱的东西变得更不值钱了。
而且，金融里最核心的材料，恰好是 Jev 不擅长处理的。它刚出来时我看过官方文档，里面有提到它在数学计算、日期比较等方面的弱点。可数字、日期、噪音、误导消息，不正是金融世界本来的样子吗？
还有一点就是 Jev 给概率，不给理由。你真的会长期相信这样的模型，并且愿意把钱交给它吗？
当然，Jev 在金融里还是有用处的，比如可以做信息初筛，告诉你这条新闻是不是关于这家公司、这份公告是原始发布还是转载、这个材料和研究问题有没有关系。这些任务量很大，每天可能要做几十万次，做错一次，或者只是少看了几份有价值的公告，对最终判断的影响相对有限。
所以，形象一点说，Jev 更适合当门口的分拣员，不适合做那个把整条链路送到你手里的快递员。
曲凯：那在 forecasting 领域呢？本来大家就是在处理概率，那 Jev 是不是会有帮助？
浩哲：Jev 在预测领域可能会遇到更严重的问题。
因为交易本质上是对概率下注，不是对答案下注。股价可以理解为未来各种可能性的加权平均。你赚钱的逻辑，是自己的概率判断和市场隐含概率之间的差，再扣掉成本。概率决定的是你的一个决策能够对应多大的行动，比如如果你有 60% 的把握，那就配小仓位，更大的把握配更大仓位，可能到了百分之百，你就 all in 了。
但一个比较重要的问题是，怎么判断 AI 给出的把握到底靠不靠谱？
举个例子。模型说「下季度营收超预期」和「超预期会带来股价上涨」这两件事都有 90% 的把握，很多人会算 0.9 × 0.9，认为自己整体有 81% 的把握。
但这其实悄悄假设了两件事相互独立。事实上，你没法判断真实的联合概率。金融里，很多判断用的是同一条新闻，一旦新闻是错的，所有假设都可能是错的。
曲凯：明白。你自己也用 Vibe-Trading 吗？最后有多大程度遵循 AI 的建议？
浩哲：我自己也用，而且差不多 80%—90% 都会遵循 AI 的建议。
举个例子吧。今年 7 月，存储行情很热，也经历了差不多半个月的整体下跌。当时大家都在讨论中国厂商扩产会不会压低存储价格。
我的 agent 就提了一个问题：内存、闪存、机械硬盘都叫存储，那它们受到的冲击一样吗？
然后它就围绕这个问题做验证和实验。最终得到的答案很明确：不一样。但市场会根据同一条新闻给整个行业定价，这就可能出现定价不充分的地方。随后我们选了一家主要做机械硬盘的公司，并比较了它历史上财报后的上涨表现。当时 AI 给的最终结论偏谨慎，但我最终决定在财报前买入。
在这个例子里，80%—90% 的研究都是 AI 在做，我更多是去验证推理链条是否合理，以及决定是否行动。
曲凯：现在用 AI 辅助交易的个人和机构越来越多，会给市场带来什么变化吗？比如共识会不会形成得越来越快，市场变动也更快？
浩哲：这个问题非常好，也是我觉得当今大家都应该关注的一个问题。我觉得市场会有三个变化。
首先，信息被价格消化的速度会越来越快。
2000 年之前，学术上有个很有名的现象，叫「财报后漂移」，意思是好财报发出来之后，股价不会一天涨到位，而是在后续几天、几周甚至几个月慢慢上涨，因为需要人去读财报、开会、下单。
但我记得几年前，有篇论文叫《安息吧，财报后漂移》，里面就说在美国，这种漂移好像从 06 年起就不存在了，因为财报里的信息在发布当天就能被消化完。
那随着 AI Trading 普及，各种信息被价格消化的时间甚至会缩短到只有几秒钟。这件事也会给投资者的行为带来变化，就是「读」会越来越不值钱，因为这件事已经没有门槛了。
第二，超额收益可能从单个信号转移到组合条件上。
当人人都有一个很会读研报、能一键跑因子的 agent 时，单个因子的 alpha 会很快消失，那机会就在于能不能跨 desk 同时拿到不同数据，做好对齐，再拼接到一起。
第三，信息处理快了，错误也会传播得更快，可能会出现一些专门用来误导 AI 的假消息，引发一些意料之外的市场波动，出现问题后也很难确定责任归属。这是现在很多监管部门关注的问题。
曲凯：那对于感兴趣、但还没开始用 AI Trading 的人，有什么从 0 到 1 的建议？
浩哲：当然最好来用用 Vibe-Trading 哈哈。
但第一件事还是想清楚自己的风险偏好，然后隔离风险，比如给 agent 一个单独的账户。坦白说，不要把 AI Trading 当致富密码，因为用的人多了，就一定会有反制手段出现。
此外，也可以让 AI 帮你尝试从来没接触过的市场或领域。很多散户可能只是没找到适合自己的市场，但每个人的性格、天赋都不同，有的人擅长大宗商品的逻辑推理，有的人适合在四五千只股票里研究基本面，也有人就是适合看技术图形，那其实都可以借助 AI 去试试，找到最适合自己的市场或领域。
曲凯：明白。最后，我好奇 AI Trading 对投资者的影响到底是怎样的？
浩哲：一定会有增强，但对不同人的增强方式不一样。
原本投资能力在二三十分的人，可以用 AI 更好地控制风险、做研究，不必再听信那些荐股信息。
五六十分的人已经有判断基础，但之前可能受限于研究能力，那就可以借助 AI，尝试更专业的研究。
八九十分的人，更重要的是让自己的想法在不同维度上得到验证。比如，以前一个做宏观的人可能不会写代码，没办法亲自通过回测验证判断，而一个做量化的人可能不了解价格背后的经济学原理，那么 AI 就能帮助他们从多个方向验证观点，也让他们更自信。
还有个题外话，就是大家现在总在讨论 AI 能不能替代人，但我最近在想：会不会不是 AI 需要人帮它做判断，而是人需要 AI 来体现自身的价值？
今天 AI 还需要通过替人做事来证明自己的价值，比如能省多少工时、替代多少员工、值多少工资。但如果未来模型足够强，问题可能就变成了人还能做什么？这个世界还有什么事情需要人？因为工作除了带来工资，还能让人觉得被需要、能对别人的生活产生影响。
所以我觉得哪怕 RSI 来了，最后仍然会是 human in the loop，因为人需要通过参与进各种流程，来保持生活的方向感和意义感。
再往深处想，这其实是一个带有哲学甚至神学意味的问题：一个人值得被尊重、拥有较高的社会地位，是因为 Ta 能创造更多价值，还是因为 Ta 本身就是一个人？
这个问题可能还没有答案。
但人的决定权不应该随着机器能力的提升而消失。我们需要通过创造、决定、承诺和承担责任，感受到自己的生命是有分量的。我觉得 AI for Trading 也会朝这个方向发展。
42章经
思考事物本质
2026-09-06 21:00:00
原创 曲凯 2026-09-06 21:00 北京
模应一体的新趋势
最近硅谷有了新热点：主权 AI 和 Personal Intelligence。简单来说，就是很多人开始相信，未来会有越来越多的应用公司和个人，训练自己的模型。
对绝大多数人来说，训练模型仍然是一件听起来遥不可及、门槛很高的事，但我们最近一期播客的嘉宾逯雨鑫却认为，它非常简单，简单到他此前没有 AI Lab 的经历，也不是 AI PhD，只用了 2 周和数百美元，就后训练出了两个登顶 Hugging Face Model Trending 榜首的小模型。
在播客里，他完整分享了自己的 pipeline，以及对模型厂和应用公司之间关系等话题的思考。雨鑫已经很坦诚地分享了许多实操经验和踩过的坑，但相信很多朋友仍会有更具体的问题，或想了解更多。因此，我们也组织了这次线上活动，邀请雨鑫来和大家认识、交流一下。
具体报名信息请见上方海报。活动时间为北京时间 9 月 12 日（周六）上午 10:30，线上进行，免费参加。我们会优先通过回答更认真、且与我们背景更匹配的朋友（非投资行业），尤其欢迎应用创始人。具体通过情况请以工作人员通知为准。
期待和大家认识 & 交流！
2026-09-06 21:00:00
原创 曲凯 2026-09-06 21:00 北京
模型的价值会慢慢地往应用公司让渡？
本期节目的嘉宾逯雨鑫是 Mind Lab 的研究员。此前，他以个人开发者的身份，仅花费数百美元，后训练出了两个登顶 Hugging Face Model Trending 榜的模型。
本期播客原文约 15000 字，本文经过删减整理后约 4800 字。
曲凯：今天大多数人还是觉得训模型是一件非常难的事情，不知道有哪些步骤、具体该怎么做。大家印象中，训模型的人一般也都是各种 PhD、researcher 之类的。但雨鑫你其实不是 AI PhD，此前也没有 AI Lab 的训练经验，为什么能训出两个登顶 Hugging Face 开源模型榜首的小模型？
雨鑫：其实要训出能在工业界用起来的模型，路径是很明确的，没有大家想象中那么难。只要自学一些基础，再加上现在各种 AI 工具的加成，很多人都可以做到。
曲凯：你训练这两版模型，大概花了多少时间和钱？
雨鑫：第一版花了 5 天左右，第二版时间长一些，大概两三周，然后总共花了几百美元。硬件上，我就用了一张 5090。现在租一张 5090，每小时可能只要一两美元，真正训练一次也就是十几个小时。即便迭代几版，硬件成本也不会超过 100 美元。软件上，我用了一个 200 美元的 Claude Max Plan，主要用来合成目标领域的数据。
曲凯：最后训练出来的效果怎么样？
雨鑫：我的模型主要针对 agentic 场景，把对应的 benchmark 从底座模型的 15 分提升到了 55 - 60 分左右。
不过，个人或应用公司训练模型，往往需要做一些取舍。在资源有限的情况下，你可以让模型在目标能力上变强，但其他 benchmark 或多或少会下降。
曲凯：我能不能简单理解成，你的做法就是用更强的 teacher model 生成数据，通过 SFT 蒸馏出一个特定领域的小模型，让它在某些任务上比原来的底座更强？
雨鑫：是的。
曲凯：这听起来并不复杂，但为什么这件事还没有大众化？是我们有盲区、其实很多人已经在做，还是确实做的人不多？
雨鑫：确实没有那么多人做，最主要的原因是大家认为它非常复杂。但其实这件事的流程没有那么难，总共可以分成五步。
第一步：明确自己要做什么。
很多个人开发者上来会先追热点，或者盲目刷 benchmark。但更应该从自己的真实需求出发，想明白要提升模型哪方面的能力。我的项目能火起来，就是因为抓住了有真实需求的场景，选定了 coding 和 agentic 这两个方向，所以模型发布后有很多下载和使用。
第二步：选底座模型。
这里要考虑模型架构、语言能力和具体场景。比如我用的是 Gemma 4 12B，当时就遇到了一些问题，比如它的中文能力比较差、有时会说粤语，而且架构没那么主流，训练过程会很麻烦。
我个人体感上，Qwen 是坑相对比较少的开源模型。
第三步：设计数据管线。
我用到的数据大概有三类：一种是合成数据，就是让一个模型扮演用户，另一个模型回答；一种是开源数据，在 Hugging Face、ModelScope 这样的平台上其实有很多；还有一种是自己或其他真实用户的使用轨迹。我自己用到的真实数据，很多是关注我这个模型的用户主动贡献的。
然后我有一个比较大的经验是，合成数据可能没有那么好，它更像靶向药，适合定向解决某个问题。实际训练时，我 60% - 70% 还是用的真实轨迹数据，遇到具体问题时才用合成数据。
举个例子。我训练时会遇到模型过度自信的问题，就是跑 benchmark 时，模型明明没有真的完成任务，却说自己完成了。要解决这个问题，很难从公开或者日常使用数据中找到合适的选择，就得有针对性地去合成。
第四步：决定训练方法。
现在工业界比较流行的有两种做法，一种是 SFT，简单来说就是把 teacher model 的能力蒸馏到小模型里，实际效果取决于数据质量；另一种是 RL，被吹得很神，但我个人觉得效果不如前者。
当然还有很多别的方法，比如 OPD（On-Policy Distillation）。但我感觉 RL 和 OPD 的成本都比较高，更适合锦上添花。对很多应用公司和个人来说，SFT 配上好的数据，就已经能完成很多工业场景里的目标了。我自己也是只选择了 SFT 去训练。
第五步：用特定的 benchmark 测试效果并迭代。一版训练出来的效果不好，就从错题和失败轨迹里找原因，调整数据，再训练下一版。
这整套流程并不复杂。过程中需要的训练脚本、数据、benchmark 和环境等，基本都有开源或第三方服务的解决方案。你可以去找合适的方案，把代码拉下来，再借助 agent 改成适合自己模型的版本。实际训练也很快，几个小时就能跑一版。
其中最大的、甚至唯一的难点和卡点就是数据。我自己 95% 的时间都花在这一环。
曲凯：具体难在哪？
雨鑫：难在你得看懂数据出了什么问题，以及该用什么数据去改变它。
拿合成数据来说，现在的模型还不能稳定地合成高质量数据，需要大量人工审核。我做 V2 时花了更多时间，主要就是因为要审数据。假设合成了 5000 条数据，我可能要自己抽查 500 条，然后告诉模型有什么问题，让它重新生成，再继续检查。
曲凯：那你总共用了多少条数据？
雨鑫：我总共整理了接近一万条数据，清洗、筛选之后，用于训练的有几千条。对特定领域的小模型来说，这个量就已经可以产生明显效果了。
曲凯：我们之前和人交流时，经常听人讲，你没办法预先评估数据的效果，都得拿去训练，再回头改。你的经验是怎样的？
雨鑫：这件事确实没什么捷径，只能不断测试和迭代。而且一版没有达到预期非常正常，继续做就好了。
如果你看数据就知道它有问题，那这版训练大概率也不对。
而且即使你和 AI 都检查过，自己抽样也觉得很好，训练出来仍然可能有问题。这背后的一个重要原因是 capacity gap，也就是 teacher model 太强、学生太弱。比如你要把一个 3T 的模型蒸进一个 12B 小模型，很多能力小模型根本学不来。
曲凯：那怎么评估蒸馏的好坏？从工业级角度看，是不是怎么有效、怎么成本低就怎么来？那最基础、最简单的所谓「硬蒸」，是不是反而最好？
雨鑫：评估数据和蒸馏的标准是一样的，就是看你的操作和目标是不是对齐的。
举个例子，假设你想提升模型的安全边界，却只围绕 benchmark 做数据，那即使分数涨了，也不算好的蒸馏。相反，只要你知道自己想做什么，最后也真的把模型的分布往那个方向拉了，即使其他 benchmark 掉分，也是好的蒸馏。
曲凯：明白。那一家公司自己训练一个小模型，大概要多少钱？
雨鑫：几千到一万元人民币以内，就能训练出一个比较符合需求的小模型。如果要训练大一点的模型，卡量就得跟上，可能需要十几万到二十万元。
不过这里说的只是训练成本。真正部署给用户调用是 serving 端的事，里面还有很多坑，需要考虑 infra 架构、并发量和硬件等问题。如果只是几路或十几路并发，我估计一个小模型加一台 H200 就够了。
曲凯：那你觉得未来训练模型会不会变成中大型公司的标配，就像互联网时代都要做前后端一样？
雨鑫：我觉得会。中大型公司配一个三四人的小团队就行，成本主要就是这几个人的工资以及显卡。
小公司如果暂时没预算，可以先找 AI Lab 或第三方服务商合作。等自己的应用真正起来，有了几百万、几千万用户，再组建内部 AI 团队。
不过，我觉得自己训练模型的成本还会继续下降。现在显卡和内存价格还在高点，部分原因是供应没有跟上 AI 的需求。但随着供应跟上，显卡可能像早期的手机流量一样，一开始很贵，后来越来越便宜，最终甚至成为不限量的基础设施。
曲凯：既然每个环节都有第三方或开源方案，为什么还没有人把它们整合成一套完整的 pipeline，让普通人不用学习每个环节，也能训练出自己的小模型？
雨鑫：训模型可能确实会逐渐商品化，你说的也是很多公司都想做的事。其实海外也已经有 Unsloth 这样的公司。包括 Hugging Face 上的 Jobs 平台，也在做这件事。
目前这种服务的价格还不算便宜，infra 和 serving 也有不少问题。而且即便有这样的方案，数据仍然是最重要的一环。训练脚本可以标准化，但理解业务、发现模型的问题、知道该造什么数据，还是需要人来做。
曲凯：那未来 AI 应用公司和模型公司之间的关系会怎么变化？
雨鑫：我觉得 AI Lab 的数量会减少，但少数头部 AI Lab 仍会成为赢家，并掌握很高的价值。一方面，pre-training 依然得有 AI Lab 来做，因为这件事非常吃资源，应用公司未必能搞定。另一方面，很多早期应用公司得先把产品跑起来，再组建团队训练模型。那在此之前，这些公司还是要找 AI Lab 提供服务。
曲凯：你描述的好像还是当下的状态？但如果按照我们刚刚的推理，未来会有很成熟的训练模型的解决方案，应用公司训练模型的门槛可能会比你刚刚讲的低很多？
以及我自己的感觉是，现在 AI Lab 在明确追求更高 level 的事情，比如解决诺贝尔级别的科学问题、AI4S 或具身等问题，或者解锁一些我们现在没想到的场景。而对于很多日常场景来说，也许大家基于开源模型做一个内部模型，就够用了。
所以最近美国红杉也在讲，AI 应用公司未来反而会变成 Neo Lab。
雨鑫：是。至少后训练很可能逐渐被应用公司接管，因为应用公司离用户更近，拥有最真实的数据，也不愿意把自己的核心数据交给别人。那么行业里领先的应用公司，确实可能会长成 Neo Lab 的样子。而且其中的中大型公司，甚至也可能向更小的公司提供 API 或 token plan。
曲凯：这很像推荐算法时代发生过的事情。字节这样的公司是先有应用、场景、商业闭环和用户数据，才有了更好的推荐算法。你很难找到一家第三方公司，说我只做推荐算法。
这也解释了为什么 AI Lab 愿意花很多钱买数据。现在很多人可能还没有意识到数据的价值，就像移动互联网早期，大家不理解为什么公司要花很高的成本买用户，后来才发现越早获取，成本反而越低。
雨鑫：对。AI Lab 买数据，其实就是想知道用户会提出什么问题、AI 在真实场景里怎样完成任务。所以有些公司让用户免费体验新模型，一方面是为了宣传，另一方面也是为了收集真实使用数据，用来迭代下一代模型。
曲凯：是。然后过去一段时间一直有个论调，觉得模型好像会吃掉一切，应用公司的价值很低。前几周，我们录了一期复盘 AI 应用的节目（回顾：https://mp.weixin.qq.com/s/sgZ8z57wmD01N48Qjhcp6g），当时我也比较悲观。
但最近聊下来，我反而觉得 AI Lab 和应用公司的价值都在上升。未来某个时间点，模型的价值可能会逐渐向应用公司让渡。
最后我们再聊聊 Local AI 吧。你觉得这会是一个 PC 级别的机会吗？因为计算机刚出现时，一台机器可能要占满整个房间，后来变成每个人都有一台 PC。AI 会不会也从全球只有几家大模型公司，走向每个人都有一个运行在电脑、手机或其他端侧设备上的模型？
雨鑫：我觉得一定会，而且已经在往这个方向发展。
一个非常重要的驱动力就是数据安全。你在调用上游 API 时，数据一定要流经服务提供方。所以对数据敏感的个人和公司会越来越倾向于 Local AI。这里也提醒大家，一些来路不明的中转站价格看起来很便宜，但存在很大的数据泄露风险。
这可能也是为什么千问一直在发布小模型。随着芯片和统一内存继续升级，本地能运行的模型会越来越大，能力也会越来越强，未来很多人都会有自己的本地模型。
陈皮：抱歉我插个问题。我是陈皮，在42章经做内容。我想问，用户最终会不会还是会追求 SOTA？假设 OpenAI、Anthropic 一直在发布最前沿的模型，即使本地模型已经足够完成日常工作，人们真的愿意使用一个离 SOTA 还有差距的模型吗？
雨鑫：这确实是 Local AI 现在最现实的问题。我自己的 Local AI 使用率也不算高，因为它确实还会犯错，能力没有最前沿的模型强。
但 Local AI 的优势有三点：
一是前面提到的，很多人对数据隐私的需求确实很强烈；
二是在一些领域，比如网络安全、生物领域，SOTA 模型会有拒答的问题，所以即使本地模型不是 SOTA，一些用户还是愿意使用，或者说不得不使用；
三是本地模型更便宜。举个例子，我很喜欢武侠小说，会想用 AI 续写或者改编，但这种任务的 token 消耗特别大。如果全部调用 API，成本可能非常高，而用 Local AI 就不太需要额外支付 API 成本，很划算。
曲凯：我补充一个思考角度，就是对用户来说，到底什么算是 SOTA？今天模型能力已经足够解决很多问题了，那继续追求更好的模型，从性价比上未必一直 make sense。就像很多人觉得 4G 已经够用，不一定非要 5G、6G。
雨鑫：不过很多人确实会盲目追求最强的智能，不管自己是否真的需要。
曲凯：但我觉得，最后可能还是豆包这样的产品用户更多。真正关心模型极致能力的人还是少数，大多数用户更关注产品用起来方不方便、性价比是不是足够高。而且 Local AI 未来也未必需要人主动选择，而是会直接被应用公司和硬件公司做进产品里。
最后，在训练模型这块，雨鑫还有什么想补充的吗？
雨鑫：有三个建议。
一是，如果个人或应用公司对训练模型感兴趣，最好的开始时机可能就是现在。因为如果有一天，模型厂商不再开源好的小模型，将会对应用公司造成很大的打击。所以对有预算的中大型应用公司来说，现在就开始基于优秀开源模型做后训练、持续迭代，是更稳妥的选择。
二是，虽然可以借助 AI，但不要过度相信 AI。遇到问题要及时查真实资料，或者看开源社区里已经成功的案例。
最后，别太快放弃。自己训模型的流程里，每个环节都会遇到坑，这非常正常，一版一版迭代就好。
【活动预告🥳】
9 月 12 日，我们会请到雨鑫做一场线上活动，感兴趣的朋友欢迎点击链接或扫描下面的二维码，一起来认识&交流！
42章经
思考事物本质
2026-08-16 21:00:00
曲凯 2026-08-16 21:00 北京
和 model researchers 一起交流
最近几个月，AI 应用侧比较冷，但模型侧非常热闹，国内外模型厂都在持续发版、交替领先。过去一段时间，我们也密集找了很多 Model Researchers 交流，想看看底层正在发生哪些变化。
聊下来，一个很明显的感受是：
数据变得越来越重要。
过去几个月里，也有一些专门做数据的公司跑出来，收入都做得非常高。Evolvent AI 就是其中之一。
在新一期播客里，我们请到了 Evolvent AI 的联创繁青。繁青是 01 年的 PhD，之前在 Kimi 做过一年多 RL infra 和 agent 相关工作，参与过 Kimi K2.5、Kimi Linear 等重要模型发版。
在播客里，我们聊到了模型竞争、算法 / 数据 / infra 之间的关系、RSI，以及比较敏感的蒸馏话题。繁青讲得非常实在，我们把节目内容发到 X 上后，也在 researchers 中间获得了一些关注（之后还会在 X 上继续发一些 memo，欢迎关注～）。
但播客毕竟是单向输出，而且是公开内容。其实围绕基模、RSI、数据，以及国内模型厂的真实差异，还有很多问题值得继续探讨。
所以我们组织了这次线上活动，请繁青和大家一起认识、交流一下。现场也会有数十位 Model Researchers 参加。
具体报名信息请见上方海报。活动时间为北京时间 8 月 22 日（周六）上午 10:30，线上进行，免费参加。我们会优先通过回答更认真、跟我们背景更匹配的朋友（非投资行业），具体通过情况请以工作人员通知为准。
期待和大家认识 & 交流！
2026-08-16 21:00:00
原创 曲凯 2026-08-16 21:00 北京
蒸馏并不是国模变强的决定性因素
本期嘉宾繁青是 Evolvent AI 联创。他是 01 年的 PhD，曾在 Kimi 做了一年多 RL infra 和 agent，参与 Kimi K2.5、Kimi Linear 等重要模型的发布。Evolvent AI 也是这批数据公司里跑得比较好的几家之一。
本期播客原文约 19000 字，本文经过删减整理后约 6200 字。
编辑整理：陈皮
曲凯：我们最近聊了很多模型、算法相关的人，发现出来创业的人里，大多是 post-training 背景，而 pre-training 背景的很少。这是为什么？
繁青：做 pre-training 很吃资源，初创公司很难 cover 这块成本。而 post-training 就好很多，路径也比较明确：要么做合成数据，要么做平台类的东西。后者可能有点抽象，可以简单理解成做 bench。
不过现在的 bench 和以前不太一样。
以前主要考模型的推理和做题能力，现在还要考模型在真实环境里的操作能力，比如能不能很好地操作飞书、Notion 等软件。这种 bench 如果做得足够好，很容易转成落地的商业模式。
曲凯：但以前做题和 coding 的那种 bench，可验证性更强，最后对一下结果就行。如果是要造一个环境，该怎么评判结果的好坏？
繁青：会比以前复杂。
首先要确保模拟环境和真实环境是对齐的。举个例子，我们在环境里造了一个 Notion，真实世界里也有一个 Notion，那在输入相同时，两边的输出是不是一样？如果一样，至少能证明这个环境是对的。
另外就是要检查结果。就像你说的，以前可能对个结果就行，但现在得拆出很多维度的小得分点。这些得分点目前还是比较依赖人的精细设计。
曲凯：明白。我最近听到一种说法，说 post-training 的人其实每天主要是在做数据？
繁青：确实，尤其在大厂。举个例子，大厂之外的人要 SFT 一个模型，可能得去 GitHub 拉仓库、找 GPU、配环境、整理数据，再训练。
但在模型厂内部，这一套已经被做成了服务。研究员很多时候只要提交请求，然后等结果就行。在这种情况下，研究员最重要的事就是把数据做好。
曲凯：那 post-training 是不是相对比较枯燥？现在训模型的门槛是不是也没有大家想得那么高了？
繁青：后者我比较认可。对大部分研究员来说，训练模型的门槛确实降低了。但如果你是做 infra，相当于是在做那套服务，里面还是有挺多坑的。
至于 post-training 是不是枯燥，我觉得倒不一定，因为造数据本身很难，即便现在有 agent 参与，不同的人造出来的数据也不一样。
我们最近做了一个 RSI bench，就在讨论 agent 能不能直接完成造数据、迭代训练模型这件事。目前看，agent 只能做一些比较机械的事。比如某批数据导致模型回答格式错了，agent 可以发现并修改。但如果要让它提出造数据的 insight，现在还做不到。而模型厂的研究员在这件事上有很多自己的 know-how，这也是大家的核心能力。
曲凯：不同人做出来的数据好坏，大概体现在哪里？
繁青：最直接的量化标准，是这批数据能不能在模型不作弊的情况下，让模型在目标 benchmark 上提分。
还有一些其他考虑。比如我用代码数据训练模型，它在代码 bench 上提升了，会不会让写作这类偏文科的能力下降？也要看难度是不是适中。太简单的数据没用，太难的数据，模型也学不好。
不过，要正经检验数据质量，还是得拿去训练。训练前，只能做一些初筛。
曲凯：明白。你刚从 Kimi 出来不久，现在 Kimi、MiniMax、智谱这些国内模型厂都在陆续发新模型。你怎么看国内模型现在的发展阶段？大家在拼什么？
繁青：从已经发布的模型来看，国内模型和国外模型的差距在缩小。
当然，具体相差多长时间很难估计，因为国外厂可能有自己的存货没发出来。但比如 Kimi K3，在国内卡可能只有国外十分之一的情况下，效果已经接近 Fable 5 了。
我认为这个结果，主要来自预训练。
国内有限的资源，反而倒逼出了国模在 pre-training 上的架构创新。比如 Kimi Linear、DeepSeek 的 Multi-head Latent Attention，相比于原有的 attention 机制，都是希望用更少的训练资源达到更好的效果。
但在后训练上，国内可能比国外要弱一些。这里的弱不是说技术实力弱，而是像 Anthropic、OpenAI 这些厂，在数据上的积淀更早。国内积淀相对少，所以目前可能会通过蒸馏来补足短板。
曲凯：这和我预想的不太一样。我之前以为，pre-training 部分海外的人才密度更高，卡也远多于国内；而 post-training 更偏工程，理论上应该是国内更有优势的部分。但你认为国内在 pre-training 上更有特色，post-training 反而弱一些？
繁青：对，我和身边一些朋友都比较 buy in 这一点。
预训练更拼研究员的聪明才智。从实际结果看，现在全球范围内比较好的模型架构也就是 Kimi 和 DeepSeek 做出来的，而且它们至少已经在自己的公司里证明了 scale 能力。
而后训练就像你说的，更工程一些。工程上的时间差更难弥补，而且数据积淀比较拼人力和组织。
曲凯：这还蛮有意思的。
那之前智谱在 coding 上长期领先，现在 Kimi K3 出来之后，榜单和反馈都很好。所以后面模型厂还会交替领先吗？尤其像你说的，Kimi 在模型架构上有创新，而且这版也是一个大参数模型。那其他家还有可能很快超过吗？
繁青：只看 bench 上的结果，基本还是会交替领先。但大家相互追赶的过程中肯定有时间 gap，而且真实体感不一定完全一样。
曲凯：所以今天各个模型在拼的，到底是架构创新、数据、infra，还是什么？
我们最近也聊了很多人，我的一个感受是，人才只要肯花钱就可以招，数据只要肯花钱也可以做。那中长期是不是还是拼卡，最后是不是还是大厂更有优势？
繁青：从技术上说，架构、数据、infra 都要拼。
架构决定你能不能在有限资源里榨出更多东西；数据决定你能不能在 benchmark 上达到更好效果；infra 保证内部迭代速度。
不过技术一直在流通，大家的技术水平差异不会特别大。
那长期看，卡当然非常重要。但即便大厂有更多卡，我个人还是更看好初创公司。
因为我觉得最后可能要看组织形态，也就是怎么让公司作为整体跑得更快，比如部门怎么划分更合理、多模态部门到底要不要单独划出来。混元就是一个例子。它在没有改架构的时候可能做得比较差，但现在突飞猛进。
曲凯：说到多模态，有人说，多模态、世界模型不在智力主线上，真正提升模型智力的还是 coding、数学这些。你怎么看？
繁青：这个说法有点绝对。我觉得多模态也应该放到主线上。只是现阶段基于资源考虑，还不太能做全模态优化。而且多模态不像文本信息那样高度压缩，噪声更多，发展起来也会慢很多。
但我相信之后多模态会变得重要，因为 AI 要进入物理世界，还需要视觉、听觉、触觉等各种东西。
曲凯：明白。那现在有没有共识，下一个阶段最核心的是什么？
繁青：现在的共识可能就是 auto research，或者叫 RSI、self-evolving、AI for AI。
目前大众可能更倾向于把 RSI 理解成模型自己迭代自己，得到一个更强的模型；而 auto research 则更像是已经有一个强模型，让它持续迭代做某件事，比如写出一个好的 GPU kernel。
但我认为这些概念说白了都是一件事：
给模型一个工作环境和目标，看它能不能持续操作，拿到结果反馈之后修改之前的操作，最后突破上限。
曲凯：我理解这件事其实有几层可以做。
从最表层的产品结果来讲，可以让模型输出结果后，先不给用户，而是多尝试几次，得到更好的结果之后再给出来。这层应该比较简单，之前也有人在做。
最上层，就是模型能不能自己训练自己。
中间是 harness 部分，也就是怎么让 harness 自己转起来。这层我想多理解一下，因为有人说模型未来会把 harness 一起训进去，就没有所谓 harness 这层了。你怎么看？
繁青：我倒不认为 harness 会不存在。
现在模型厂基本都有自己的 harness，一般会跟着模型一起发版，因为后训练时，模型的输出会经过 harness，反向传播也会让模型越来越适配这个 harness，所以这两者往往会配套出现。当然，我相信 harness 会越来越简单。
曲凯：那未来几年还会有第三方 harness 的空间吗？
繁青：要分情况。
像 coding 这种通用领域，可能确实没有第三方 harness 存在的必要。
但在垂直场景里，一方面大家可能没必要用最强的模型，另一方面也没必要用它们配套的 harness。用一个相对弱的开源模型，配一个简单的 workflow，可能就可以完成需求，而且成本更低、速度更快。这时可能就有第三方 harness 的空间。
曲凯：但如果真能实现 RSI，为什么不用模型自己训一个垂直领域的 harness？以及如果是这样，是不是模型仍然会吃掉一切，还是垂直领域还会有什么价值和壁垒？
繁青：用一个强大的模型写 harness 没毛病，但是这个 harness 未必要接最强的模型。
现在普通用户已经很难感受到新模型能力强弱的差别了，对一些垂直领域来说更是如此。所以大家大可以用强大的模型去指导一个比较小的开源模型，然后在自己的垂直场景上进行迭代，后面就只用这个小的垂域模型。
曲凯：那最终模型商的价值会怎么变化？就像你讲的，现在一些基础模型就已经够用了，最近 GPT 也降价了 80%。那有没有可能直到有一天，大家发现足够使用的模型已经接近免费了？
繁青：我会分两方面来看这个问题。一方面，如果未来真的出现一两家独大的局面，模型价格未必会一直降。因为现在模型降价不一定是因为卡很多、成本低，也可能有商业模式和竞争方面的考虑。毕竟现在开源社区很强，又有竞争对手。
另一方面，垂域还有很多数据隐私需求，不一定有很强的意愿去用 Claude、GPT 这种模型。
曲凯：但我觉得一两家独大，好像目前看起来也不太会发生？
繁青：嗯…不好说。
曲凯：那如果模型真的能自己研发自己，为什么创业公司不直接做一个更好的基模？以及为什么这件事不是模型厂自己做？
繁青：我最近也在思考，所谓 RSI 基模和模型厂正在训的基模，到底是不是正交的。我目前认为，这二者其实是同一件事。所以创业公司去训 RSI 基模，或者去做 RSI 的 harness，都没有太大意义。
曲凯：所以实现 RSI 最核心的点是什么？我能不能理解，只要基模的 coding 能力越来越强，慢慢就能做到？
繁青：我现在对 RSI 的思考是，很多 self-evolving 的方法可以看成一个更聪明版本的 DFS。
DFS 这个算法就相当于让模型走迷宫，遇到死路时再回溯到上一个点。
但在 DFS 里，这个回溯是由代码判断的；而在 RSI 中，是由 LLM 判断的。
而 RSI 的「聪明」，主要就体现在剪枝上。剪枝其实就是要预判一个操作会带来怎样的未来状态，以及这个状态的收益。那在 RSI 中，剪枝的作用就是要让 LLM 把更多精力放到更可能的路上，提高 RSI 的效率。
从技术上说，这件事实现起来，核心靠两个东西：world model 和 value model。这二者在大模型预训练时，已经被内化了。这也是为什么我前面说，我觉得创业公司训「RSI 基模」不太成立。
之后 RSI 变强，一方面要看模型有没有把 world model 的知识内化得更好，另一方面要看模型的 context 窗口有多长。前者决定模型知道多少东西，后者决定模型能回溯到多远的地方。
曲凯：现在模型厂都在往 RSI 这个方向走。假设有一天模型真能做到算法自迭代，数据会不会又变成瓶颈？还是到时候数据也能自己转起来？
繁青：我个人觉得可以转起来。我们最近做的 RSI bench，其实就是在探索这件事。我们目前确实发现，agent 在数据层面展现出了一定的自进化能力，以及自行合成更好数据的能力。
曲凯：我们正好可以捋一下数据的几波发展。我观察到第一波是以 Scale AI 为代表的普通人标注，第二波是 Mercor 那种专家标注数据。合成数据可以理解成当下第三波趋势吗？
繁青：我觉得是，但可能已经在趋势的中后期了。
第一波数据需求更多是为了做预训练，这块目前的需求确实不多了。
第二波对专家数据的需求是 o1 推理范式带来的。这部分依然有需求，但不会像 25 年年初那么多。因为现在模型很强，对专家的要求也变高了。原来可能只要求专家做题，现在还要专家出题，而且题不能和市面上已有题重合，这就太难了。
第三波对合成数据，包括真人数据这块的需求，则是模型 coding 能力变强、开始有更强的 Cowork 能力之后解锁的，主要是为了提升模型的 agent 能力。
曲凯：现在不同类型的数据，大概是什么价格？
繁青：专家数据可能是一两千这个量级。贵的合成数据能卖到好几千，一般就是一条非常长程的任务。真人操控轨迹有时候要走量，就没有单条的说法，因为噪声比较多。
曲凯：合成数据模型厂自己也能做，为什么还要外采？
繁青：数据肯定是多多益善，而且模型厂自己造的数据会有自己人的 bias，所以希望从外面收一批高质量数据，补一下分布。
但合成数据的单子以后肯定会越来越少，主要是因为目前的 bench 越来越少了。
现在模型越来越强，做一个好 benchmark 的难度也非常高，最终可能只会剩下少数几个最好的 benchmark。这样模型厂就可以围绕少数 bench 自己造数据，对外部需求就会少。
曲凯：所以数据还有什么可以做的机会吗？会是什么？
繁青：短期看，可能就是 RSI 数据，比如我用一个模型去后训练另一个小模型。这样一条训练轨迹目前很稀缺，要跑出来也比较难，可能得有模型训练背景的人才能做。所以数据行业的门槛也在提高。
曲凯：所以这半年，包括你们在内的一些公司靠卖数据赚了很多钱，收入涨得蛮快。但你前面说，你觉得这一波已经快进入尾声了？
繁青：对，普通 agent 数据这一波确实已经接近尾声。数据行业变化非常快，也会筛选数据厂商。以前主要走重人力专家标注模式的公司，可能很难活下来。反而是数据公司里有一线 hands-on researcher，可能更能追上数据变化的潮流。
曲凯：但要做好 RSI 数据，就像你前面提的，还是必须自己真的去训模型。
繁青：对。但现在训模型基本约等于造数据。包括我们造数据的时候，也会和模型厂商有合作。
曲凯：我想起来，最近有个蛮流行的说法：「算法就是数据，数据就是 infra，infra 就是算法」。它戏谑之中好像又带着一点真相（笑）。你怎么看？
繁青：没什么毛病。
「算法就是数据」，是因为算法往往会收敛到最简单的形式。当大家都用同样方法时，差异就体现在数据上。
「数据就是 infra」也好理解，因为 infra 决定训练能不能更高效。
「infra 就是算法」，则是因为当我们要训大尺寸、长轨迹模型时，就需要 GPU 层面或者模型 context 层面的并行，才可以训下去。
在这三者之中，数据是核心的驱动力。
现在算法和 infra 的基础形态相对稳定，但它们会跟着数据的需求走。如果以后数据越来越难、推理一条数据都要一天甚至几天，infra 和算法层面也都会跟着改。
曲凯：明白。那你觉得未来大家还会需要更多数据吗？或者大家肯定希望有更多数据，但还能有吗？如果就靠合成数据，那合成数据有没有可能发展成类似无限数据？
繁青：无限是不太可能的。数据量不会毫无节制地提高。
不过高质量数据会一直变多。因为 agent 用户越来越多之后，会反哺出更好的合成数据，再反哺模型训练。而模型尺寸增加之后，模型的效果也会变化，输出的数据质量也会逐步提高。
曲凯：当大家聊到合成数据时，也经常会把它和蒸馏放在一起讲。怎么理解这二者之间的关系？
繁青：生成合成数据时，需要 agent 在一个环境里面探索。如果这个 agent 背后是 Claude 之类的外部模型，大家就会把这个探索过程看成蒸馏。
但蒸馏也分「硬蒸」和「有技巧的蒸」。
硬蒸就是造的环境太简单，比如就是让模型做普通数学题，老师做一遍，学生拿过来抄。
但如果环境足够复杂，对应的题和评分标准又是正确的、足够高质量的，那么搭出这一套环境和题本身就是有难度的。
曲凯：那为什么有些公司会强调自己不蒸馏？蒸馏的坏处是什么？
繁青：蒸馏有点像抄近道，可能会让你错过在主路上本来能发现的一些 insight。
曲凯：明白。所以现在 AI Lab 大概处在什么状态？之前大家会担心 scaling law 撞墙。你觉得现在对 AI Lab 里的人来讲，是沿着现有路线还有很大空间，还是需要新的架构和技术路线？
繁青：从年初到现在，coding 一直是大家最重要的发力方向。这块增长还是很迅速，但整体 pipeline 已经相对稳定。所以 AI Lab 也会探索其他技术路线，比如 auto research。Anthropic 和 OpenAI 现在也都在探索这块，可能是要服务 AI for Science。
曲凯：正好你提到 AI for Science。除了 Anthropic 和 OpenAI，很多人都在做，包括字节 Seed 前一阵也推了 100 个科学家计划。但 AI4S 似乎和模型并不完全处在同一层面上？那为什么大家开始在这上面发力？
繁青：一方面是因为 STEM 领域确实是模型 research 能力比较直接的应用场景。
另一方面，现在已经很难单纯靠常规 benchmark 展现模型智力提升了。AI4S 和让模型写 GPU kernel 一样，都是长程、高难度的任务，是直接衡量模型智力的好场景。模型厂也需要找到这些场景去 PR。
曲凯：就是大家已经要从奥赛卷到诺贝尔奖了（笑）。
最后问一个比较敏感的问题：蒸馏对于国内模型的表现，到底有多大影响？
繁青：我觉得蒸馏不是国内模型变强的决定性因素。
就像前面讲的，我个人认为国内模型变强更多来自底层架构和预训练上的创新。
蒸馏是后训练里的加速手段，但不是说没有 Claude API 就做不出来。国内自己的模型现在也很强了，可以用自己的模型做合成数据。而且国内人这么多，如果真下狠心做数据基建，也不见得做不出来。
蒸馏可以缩短我们追赶的时间，但并不是国模变强的唯一原因，更不是最底层的原因。
42章经
思考事物本质
