Deep Dive
Shownotes Transcript
从一个技术角度来说就是你怎么样告诉这个 AI 让它去做一下它做的事情人和人在交流的时候其实我们是有很多就是我们所谓的 implicit 的这些 assumption 然后在这个过程中一个企业它内心是有一些比较就是 implicit 的 business logic 在我怎么样让这个 AI 去从一个通用性的一个模型到一个具体的一个模型那这中间就会产生很多阻力
好的,欢迎来到双城记这是一档对谈华人留学生创业者与投资人的播客我是俊成我是瑞士今天的嘉宾是浩田李 Redouble AI 的联合创始人他在 AI 领域的探索始于生物 AI 方向曾创立了一家专注于生命科学的 AI 公司通过第一性原理物理模拟和机器学习驱动的技术推动精准医疗制药后来他转向企业 AI 创立了 Redouble AI
这家公司专注于为监管行业提供人机协同的智能化解决方案 Redouble 的工具帮助客户在 AI 工作流中减少多达 80%的人工审核成本并显著提升流程效率和输出质量好 那我们开始吧好的 你能简单介绍一下自己以及现在正在做的公司吗
没问题,非常感谢你们的邀请。我叫李浩田,我之前最开始的时候是一个物理的背景,我从高中的时候开始做物理竞赛,然后对用物理的这些方式去描述这个现实世界非常感兴趣。
后来我在本科的时候在国内是在浙江大学和一个在浙江大学之前的一个老校友他当时是在 IBM 的绕路制工资中心做研究员的工作他就给我提出的一些建议是对于物理这个就是学科的发展
大部分都开始转向于如何用我们之前建立的这些理论框架去描述我们的现实世界因为我们从大型粒子对撞机这些方面我们能够做的更新的这些基础理论的发现其实已经偏少
所以了解了这个之后我就开始看最主要的物理可以应用在一些之前非物理的这些场景就是我们所说的计算计算生物学 计算化学然后在这个时候我到纽约大学去做了我的 HD 的学习然后在这个过程中我主要做的研究是如何用一个物理的角度去
模拟我们在化学也好生物也好这边经常观测的这些生物大分子和小分子从一个物理学家的一个角度来看其实全世界所有的这些东西无论你是复杂度高还是复杂度低用一个结构主义的方式去了解它都是来自于我们每个原子每个分子之间的比如用经典力学也好量子力学也好精致描述的这些相互作用
所以从这些角度我们也可以就是在算力提升的同时对它们做出一些比较精准的模拟然后用它来替代一些现实生活中的实验这个就是我之前做的低价公司
然後地產公司就是通過這個物理模擬的方式去替代一部分的試試驗然後用它去發現我們在實驗中無論是缺視角的一些信息也好還是我們不能觀測掉的信息還是我們出於這個價格的考量沒有辦法去打坐大規模預測的一個信息都從物理裡面出來然後
从这个之后后面我也会大概说一说我们之前是怎么做这个转型的就是我个人现在这家新的公司其实也来源于我在第一家公司学到了很多东西吧就是对于一个刚创业的人来说很多时候大家的这个思维会想我怎么样去用一个我的技术就是给我一个支点我来撬动这个世界嘛
但是你在真实世界中你去无论是应用也好还是推广也好还是想要有一些真正的 impact 你的这些技术对象来源于人之间的这些交互我们在这个 AA 的这个现在游戏大院 Motion 这边其实看到的非常强因为它已经剥离了我们传统说的只是一个简单的一个工具我把这些按照我想要的方式去做
我需要让他以一个更好的方式去学习人如何在一个场景中做决策然后我们去替代一部分之前必须要人才能做的这个决策
就这个从相似性来说是和我们之前用物理去替代一部分实验就是都是从一个场景到另外一个场景的映射我们现实世界的映射然后把它映射到一个我们的计算的一个世界不过它们的展现形式你中间其实就有很多相类似的这个问题就是怎么样能够以最高效的方式去获取你最少量但是最有影响力最有 impact 的这个训练数据
然后怎么样去针对每一个不同的场景去做你的定制化怎么样去给你的每一个客户去完成他们想要做的这个事情而不是说我完全执着于说我去做一个通用性的解决方案可以解决所有的问题但是每个人的问题我只解决了 60%就现在我们做的这家公司叫 Redouble AI 就是应用了之前这些基本上的一些中心思想
我们现在看到的很大的问题是虽然说 AI 已经发展了有挺长时间了然后尤其大学院模型最近出来它从推理还有整体的质地还有它的知识的宽度广度都已经达到一个非常非常高的水平但是这些所有的信息它都是融杂在一个模型里
就像你去雇佣了一个很聪明的人到一个新的公司你依然是需要给这个公司去做就是我们最开始的 onboarding 也好或者 training 也好去教会这个人怎么样把他的聪明才智应用在我们现在这一个具体的场景之下 AI 同时也需要做同样的一件事情我们这些企业在应用 AI 工具的时候我们怎么样能够帮助他们去让一个新的 AI 系统进入到他们的企业然后快速地学习到这个企业是怎么平常运行他们的商业逻辑
就是这个是我们主要做的一个事情从技术角度来说我们就是并不是会对它做一个特别强的一个设限从早期的我们说 Prompt Engineering 也好还有我们整体的这个 Infrastructure 搭建也好还有我们 Model 去做 Model Steering 就是从模型内部去就是改变我们模型最后输出的一些方向无论是在你的 Prompt 的这个显空间还是在你的 Activation Layer 这个空间这些都是我们内部
做的一部分工具那最后的结果就是我们可以帮助我们的一些客户在 onboarding 也好然后去做 automation 也好能够更快达到他们的目的点明白我这边可能快速 deviate 一下因为刚刚听你说给企业去提供这种 AI 里面加入人工审核然后人工的 component 然后来帮助 onboarding 这些东西让我想到了就是 YC 它投资过的另外一家公司叫 Dancer 然后他们好像是这个开源的嘛然后
也是给企业去做 onboarding 对然后 in general 我感觉 AI 在这方面还是挺管用的吧对就是这边也有分很多种类型的 onboarding 就是我们说可以用 AI 来帮助一个企业去 onboarding 一个真实的人
然後我們也可以說如何讓 AI 去幫助你們 onboard 一個 AI 就是你這個 onboard 這個時候的過程更多是我怎麼樣去把 OpenAI 的這個 API 也好還有一個模型也好拿到我這個企業裡然後搭建一個系統然後讓他來學習我們企業裡的國際就我說的 onboarding 是更多這個相對比較抽象一點的怎麼樣把這個機械智能體放到這個企業裡明白
那我们可以先从您 PhD 毕业后的第一家公司聊起啊,就是您之前是说这家公司它是做的用这种物理模拟和机器学习去做这个精准的医疗制药,那这家公司叫 Redesign Science,您能简单就是可能更加深入的介绍一下公司的业务还有当时的愿景吗?
嗯就是这个愿景我们最开始是来源于我们在 NYU 的这个化学系里面做实验的时候的一些观察我们当时是做就是纯计算我们也会和一些旁边的一些实验去合作我们的一个最主要的研究方向就是我们怎么样可以通过一些计算方式去预测一些实验的结果这个从电脑发明的第一天起大家就会想说我怎么样用它来预测一些
具体现实生活中的一些走向无论是从自动解释也好还是天气预测也好还是药物研发也好都是一样的我们在做这件事情的一个想法是从最底层来说所有的这些生物大分子的系统它都是一个物理的系统的一个复杂化
所以我们如果说有一个早期的初步的一个起始坐标我们就可以去预算去算出它在一个真实的一个人体生物学的环境里比如说周围有岩有一些不同的介质然后在一个真实的生物时间时度上怎么样去运作
我們最開始做的這些小的工具和一些實驗室的旁邊的實驗就是具體做實驗的這些用試管 用燒杯這些實驗室合作的時候我們看到了非常非常好的一個預測的結果這個也是敗竊於說就是因為它們那邊有 NVIDIA 的 CUDA 的加速所以說我們之前很多用 CPU 做的這些工作我們都可以用快速的 CPU 去在好幾個時間量級的速度翻倍去做預測出來
那这个就例出几篇挺 high profile 的这个论文我们在像 Nature Communication 也好还有像这个美国化学社会会刊我们也会发到会刊的这个封面上去怎么样通过一个计算的手段或者一个实验的手段去最高效率地去发现我们的小分子那这个时候我们就是因为一直在学术界嘛所以我们其实也好奇说你工业界大家在做一些事情的时候用的是什么样的手工纸
所以我们就做了一下调研工业界大家确实会有一些计算化学的一个工序但是很多这些新兴的就是我们应用在新的比如 GPU 计算也好或者是这些主动学习或者增长学习还有分子综艺学模拟它都没有一个特别好的速度去应用到这个工业界一部分也是因为我们这个制药行业本身就是一个比较对
对风险有点抵抗的一个行业但是另外一方面就是这个行业它内部的水真的太深了你无论是从药物化学也好还是生物学也好每个都是你花一辈子去学的这些东西所以从这些科学家的角度来看他们其实并没有特别强的一个 incentive 去做很多我们说 experimentation 弄一个电脑去做这件事情
而且另外一点就是这些学术界我们写的这些代码说实话学术界写的代码其实都真的挺糟糕的就是我之前学术界写代码因为都是 PhD 学生然后有些是教授都没有经过正经的我们说软件开发的这些经验
我就覺得我們最簡單的一個早開始的 thesis 是我們把這些我們自己也好還是這些學術界也好的一些比較 cutting edge 的這些技術因為我們是有關於哪個技術會比較好哪個技術是吹牛的這個 taste 把它收集起來然後說一些真正去做就是 CS programming 然後把它以一個最好的方式去呈現出來然後做一個平台然後這樣子我們就可以用它去
像刚才说的去计算代替实验然后用它去加速我们早期的一个发现这个就是最开始的起步起步了之后我们继续往前做就是和很多的这些其他的公司也聊过这件事情就说我们怎么样去以最大的效益去解决他们的问题我们发现就是大家的很多的一个痛点就在于第一是很多药物它就是如果说你用传统的方式去做药物发现的话你会发现
你都是用实验就相当于你把这东西 throw the skidding on the walland see what lands what sticks 对吧就东西扔在墙上看哪些粘在上面我是用哪些就算一个那种就是现代枪打靶的这种感觉
我就用很多实验这个是低效的低效的时候也导致整个过程它不是一个特别 reaction 能力的过程就是它 work 还是不 work 你不知道它为什么 work 或者不 work 你只能知道这个样子看起来大概是 work 的所以说我在看那个样子它类似可能也 work 这个就导致你在研发的时候你就很容易去陷入这个化学空间探索的一个 local minimum 然后
在往后去走的时候你就会发现我这边有一个最主要的一个化学股价的这个集团系列它可能出现了一个很重要的毒性问题但是因为你也不知道它是怎么工作的然后你也不知道它和蛋白结合的这个样子是什么样子那就会出现你完全没有办法对它进行进一步的更深的优化或者说是去 pose 一些就是 alternative 的可能性就会导致很多那些看起来很少的靶点但是做到后面因为你药物本身的这个局限然后它出现了
就是这个整个 program 发动非常可惜所以我们第一步去做的这个公司就是说我们可以去对于一些已经在生物上做过比较好的 validation 就是生物的这个管线是比较 valid 的就是 OK 的就是它不是一个特别有毒性的一个通路我们去在这上面发现更多的一个成像的一个机会
这个就来自于我们去做分次动力学模拟的一个最大的优势就是我们是不依赖于大量的实验数据的因为做一些传统的机器学习的一个方式不同机器学习更多是说我有这么多数据点我那边有那么多可观察的观测量我把它直接用一个神经网络去拟测它中间发生什么我不是特别在乎我中间就是一个随壳子去拟测
我们更多是我们有一个期许条件我们去真正跑一个模拟这个模拟发生啥就是这些都是根据你的物理的这些原理去决定所以只要我们对于一个蛋白有一个比较新的一个就是结构或者说后面阿富汗的我们内部也会有些 implementation 就做这些早期的预测然后只要它进到大概的一个区域之内我们都可以去预测说它说这个蛋白质和一个小分子结合它的结合自由能是什么样子
这个让我们发现了很多新的这些成药的这些机会我们内部做的这些项目也是证明了我们可以在整个药物研发早期的流程提供一个非常大的一个效率的一个提升所以我们传统的你去做虚拟的高通量筛选你的大概中把率可能在 1%或者 0.1% 0.5%对吧那就是比如说我筛选了很多化作物然后我最后我说你测试这 200 个吧
它可能里面种一个或者两个你测试 1000 个可能做个 5 个 10 个我们的这个种拔率就是在我们这几个项目都是非常统一的大概 20%至 30%
这个效率一下子就提上去了我们在做实验的时候我们一般都不会测超过 100 个分子然后这 100 个分子都是来源于非常不同的一个蛋白上的结合位点也好或者结合模式也好非常大幅度的增加我们整体药物研发早期对于失败的一个指数错率
然后就是这家公司做到后面就是有一个从我做学术的人开始早期来看并没有观察到一点之后慢慢学到了是一个比较 painful 的一个 lesson 就是因为药物研发这件事情它的临床期的就是测试的成本是非常非常高的是远超过于你的临床前的这个就是实验的成本而且临床期的失败率也非常高
而且另外一点就是我们现在有一个词叫 translational model 就是我们在测人之前我们首先要在一个什么动物上要测试一下我们在猴子啊狗啊小白鼠啊或者人体的类习惯的组织在这些情况我们去测的时候如果说在这个方面 work 了人身上有多大的几率的 work 呢这之间是有一个 translation 就是一个转移转移意识
那我们现在其实对于大部分的疾病我们的转移转移的这个模型都非常差劲就是你在这上面过了你人上过不过但是基本上是一个单独的一个事情就如果说这个不是这样子的话我们就不会看到临床 1237123 加起来 90%多的失败率所以这个测力是白测也不是说测力是白测就是说你测了以后最后面预测的这个结果并不是有那么强的一个显著性
所以从一个不是技术的角度来看做临床测试这件事情更多是你去买了一张彩票然后你之前可以去算各种命说这个彩票会不会中但是你到后面重不重那它是单独的一回事
所以就是到这个情况你其实很多药物公司的这个价值它一部分是来自于你这个药物本身的这个技术是不是强你是不是能够发现一些比较新的东西然后另外一方面也是就算你能发现你没有完成最终的临床测试之前你就是没有完成最终的临床测试它都是存在于一个检测都是一个没有开讲的一个彩照然后因为历史以往的原因这都是一个非常困难的事情所以说大家更喜欢把这个你的
这个就是 valuation 放在你的管线上所以我们从思绪讲到从一个技术平台然后配备到我们去做具体的一个管线就是我们会做我们内部的一个管线这个也是应受之前做的第二轮第三轮的融资这公司整体这个方向开始往我们内部管线还有说外部所做一起开发管线的这个方式来走明白那是您既然您之前讲说整个做的很有前景的公司那您最后为什么会选择离开这家公司然后去开始您的这个第二次创业
这个问题也是挺复杂的因为我觉得从我个人来说我更多是一个技术走向的一个人我希望去在不同的方向去发现哪些地方有在优化的问题然后去做一个优化我去从这边找到一些规律把这些问题解决但是我这六年在做上架公司的时候我和我的合伙人其实我们最主要看到的也是生物制药这个行业
它的返回是非常非常慢比如说你问题解决了 OK 然后但是有很多问题是不在你的控制之内的第一方面是你的审批对吧就是 FDA 啊我们也看到很多这种例子就是 FDA 它在批要的时候它并不是一个
怎么说就是完全理性客观然后这样子他很多是受到说我们之前这个东西失败了呀或者说那个东西有些收入舆论这些也不影响他的这些决策和 decision
另外一方面就是我们生物学上的风险这个风险就是从一个技术角度我觉得现在我们具体能够真正用一个统一的无论是 Foundational Model 还是我们人的 Theoretical Framework 去理解人的生物学是怎么工作的我们具体这个事实差得非常远我们根本就不了解人体生物学是怎么样子的我们只对某一些特定的通路有一些就是 Empirical 的观察我吃了这个东西我会发生什么
但是为什么会发生什么呢我们只有一些假设然后如果有一些新的疾病为什么会发生这些疾病呢这些疾病的成因有 123 那这也是假设我们把这个 123 敲掉了之后会发生什么情况呢我们还是不知道只有试了试了就这些东西就是它的 I know I know 是非常非常多的吧就是从
我个人的这个角度我也觉得那这个公司现在做成这个样子了它继续再往前走我希望能够把我的这个个人时间或者说未来的发展这个方向去探索一下就是比较自私的说吧就是一个反馈稍微强一点快一点的这个场景而且因为另外一点也是我在这个过程中我看到这 human factor 在整个所有的企业运行里面实际上占了非常非常大的一个因素
你去做一个技术的人很可能就会觉得那所有的这些事情都是来自于你的技术你的技术只要是比别人强你就可以碾压所有人这个大部分情况都不是这个样子你在和周围的人打交道然后无论是从就是做 sales 也好然后去做你的就是这些流程的一些 automation 然后还有去做审批的这些 automation 然后去就是找到你最合适的人就这些 human 的这个 organizational cost 非常非常
这个是我也看到说就是大圆模型在这方面可以有一个非常不道理的优势因为它是啊用语言的这个方式来处理信息的嘛对吧它是 meet thethe human where the human are 而不是让这个 human 去学习机器的一个呃所以我在 23 年年初的时候我是遇到我现在这个公司的另外一个合伙人叫马尔
然后他之前也是做过一家生物标的公司他的公司是更多用机器人就是 automation 然后去加速要研发那他的公司现在也是处于一个 profitable 的一个状况
所以我们当时就在说你说我们是要再放个五年进去等等这个出来怎么样吗还是我们现在其实可以做点其他的东西然后就比较一拍即合吧然后就说我们其实可以尝试一下其他那些领域所以是从这边跳出来也是人可能不是特别安分吧总是想这里看看那里然后探索回去是
那我们接下来顺利就聊到了就是现在是在 reduable 吗那您可以简单聊一下这个 reduable AI 目前的核心产品是什么主要解决哪些问题然后服务哪些行业嗯 reduble 不好意思 reduble 你后面可以想重新问一下然后会不会再剪了吗嗯行行没问题不好意思 redublereduble AI 这个公司就是我们最主要解决的一个问题就是啊
从一个技术角度来说就是你怎么样告诉这个 AI 让他去做你想要他做的事情这个是听起来是一件很容易的事情对吧我在 ChatBT 里面我就给他说你给我生成一个这个你给我生成一个那个但是就是人和人在交流的时候其实我们是有很多就是我们所谓的 implicit assumption
就是我们在交流我说比如说有的时候有一个笑话这个女朋友给男朋友说你出去对吧买这个十个鸡蛋然后如果说看到西瓜就买两个然后男朋友带了两个鸡蛋回来对就是这个会有一些你说这男的做的错吗他其实真正 exactly 也并没有错对吧但是就是在交流上会出现一些问题
AI 这个里面大家开始 implement 的之后就其实真正发现说你这个 AI 模型它是对人类所有基本上知识的总组所有的 internet 这些 corpus 做的训练大家知道的其实他都知道然后你怎么样让他去按照你想要的一个特定的一个就是从语言也好还是知识的还是逻辑的 subspace 在这个 space 上去做 operation 就是我们所说的 promise
然后在这个过程中一个企业它内心是有一些比较 impulsive 的一些 business logic 在我怎么样让这个 AI 去从一个通用性的一个模型到一个具体的一个模型这中间就会产生很多阻力
那就比如說我來舉一個具體的例子我們的一個客戶他們是在做用 AI 去做 medical document processing 他們是幫助那些就是我們叫 workers compensation claim 比如說你受了工傷然後你要去做補償對吧然後你要去拍各種各樣的資料
这个资料就是来自于 Doctor's Note 然后 Doctor's Note 一般就是各种表格有些手写的有些这些然后它就会有成百上千页然后对于 Eden Case 这个过程传统都是用人来去做操作去写这个 report 去写这个 claim form 然后去 summarize 但它用 AI 去做这件事情但是问题是就是首先这个 AI 在这个过程中它不是百分之百准确的
那就是现在我们去问任何一个公司你说你的 AI 是不是可以 100%准确不用人去做看守其实没有人敢这么说的大家的 AI 都是存在一定的不确定性因为它本身大约模型就是一个 stochastic 的一个事情然后你在做这件事情的时候你怎么样让它能够给你最后 deliver 一个比较 reliable 一个比较靠心高的一个结果你不能说我如果就 85%我就说那就 OK 了你 85%错了你自己解决这个问题
那他们怎么解决呢就在现在这个阶段很多公司他们其实用的就是一个很不 force 的一个方法就是我先用 AI 把这个东西强大给做出来做出来之后我再让人工去给它做一个审测就我再让人去看一下这个东西是不是 OK 对吧这个我确实可以减少很多人的人力但是你在做人工审核的时候其实你这些人就是需要去看所有 AI 生成的这些数据
然后你需要去对每一个东西做一个 review 你做完 review 之后你会给它有一个 review opinion 说这个东西是这里准确那里不准确这里应该改成这样的应该改成那样子然后比如说你的表上有六个日期然后这中间有你的文件的签字日期有文件的什么发表日期有这些这些这些然后这个 AI pick 的一个日期你说不应该用那个应该用这个
那这个在最后的结果是 fix 了但是他并没有以最好的方式说让他给 feedback 到这个系统里就是我们在做 review 的这个 process 里面发生了一件事情就是说人在对他做一个就是增强式的一个学习 feedback
然后对于一些大厂他们去做 conditional model 他们会用到所谓的 reinforced learning with human feedback 就是 RHF 这个技术这个技术是在一些比较 creative 的一个比较 open-ended 的 subjectivity 就是另外一个方向他会去做的事情对于一个小的公司他用一个模型或者他并没有那么大的一个 budget 但是他有这个人那他怎么解决这个问题
还是需要去雇佣很多人去做这个 review 然后你不去做 review 你就不行所以我们在帮助这些公司的时候就是首先我们搭建的第一个系统就是我们可以说你可以用一个和 OpenAI 比较类似的一个 API 然后你去处理所有的数据那你在处理完那个数据之后你的人去给他一个 review opinion 你就直接放回这个模型里然后我们来处理所有他自动学习的过程所以
你后面每当有一个东西轻轻动一进来我就告诉你哎这个文档我之前没有看过所以说如果说你要在乎这个最后的结果的话你最好让人看一下我们可以输出一些我 slag 那些 uncertainty 比较高的事情然后另外一个就是我们有他人的这个数据了之后我们就可以自动化的去做无论是你模型的 findtune 也好你的这个模型的这个 uncertainty detection 也好就帮助他找到了一些他应该解决这个问题所以
这个 theme 是我们在越来越多这些尤其是你的 AI 在往不断的越来越高的 stake 的这些场景去运用的时候会出现的问题如果说我只让这个 AI 去帮我写一个生日设法其实大家不所谓在乎写错写错无所谓你让他去处理医疗的这些文件你让他去处理 insurance document 你让他去处理 financial 的比如说 accounting
你要他去处理甚至一些人与人的交互比如说我们另外一个客户他是做 real estate 他有一个 real estate agentBot 对吧 Bot 他会和一些客户去做交流首先要保证你的信息是准确的这个是我们可以用一些方式来解决
然后另外就是你需要说他们的一个额外的要求是我想让这个 bot 在 communicate 的时候以一个 real estate agent 比较就是 professional 的这个 tone 然后来 communicate 然后而且我想要让他去 match 我的对方的这个人在跟我说话的时候他的一个 vibe 是什么样子这个事情就是你让一个人去看他就可以很容易的分辨说那这个太严肃了这个太怎么样了但是你真正用一个语言你说怎么样算是这样子呢其实很难做这个事情
所以我们帮他搭的系统就是每次这个人去 review 一个东西之后我们就会自动去学习然后是要 line 这个系统到他人的所以就是回到刚才我说的关于你怎么样告诉这个机器去做你想做这个事情我们的一个想法是就是现在这个阶段就虽然大家都在说 AGI 可能未来就要来了但是我其实觉得还
就是我们能够把小规模的这些模型也不是说小规模就是 AGI 以下的这些非常聪明的大语言模型我们去给它做一些调教然后去给它让它能够在你具体的场景给它具体能够使用好很多是这些 infrastructure planning 也好或者我们说的这个 plumbing 对吧就是我去清理水管的这些事情怎么样有一个比较好的系统能够让一个企业在进行 AI onboardingAI 的这个 revolution adoption 的时候能够以更好的方式推展
然后让他们能够不仅得到更好的结果而且能够知道我这个错到底犯了多少然后犯了多长时间然后哪些情况会犯错哪些情况我需要让人来去做 supplementation 这个是我们最主要的一个 thesis
我有两个 follow up 就是第一个问题是其实更多像是一个 classification 因为刚刚你描述的整个 human feedback loop 然后你们的模型如何去整合就是一方面 prompt 用户可能在某些方面他需要先让人直接来看就是那些一错的高风险的区域然后第二方面是 in general 就是在用户给一些 human feedback 之后他把这些数据 refit 到模型里面去 find to 这个模型
我感觉这整个使用场景还是挺宽泛的就是它不只适用于一个 vertical 好像就是所有这些比较 high stake 像你刚刚 mention 到了 health carefinancialservice 然后还有就是等等其他的这种比较 high stake 的行业其实都涉及那你们目前的主要定位是在哪些行业可能客户比较多然后以后未来想要 expand 到其他这种 high stake 的行业吗是这个逻辑吗
就是这个我们其实内部也做过很多讨论就是从公司最开始我们讨论的时候实际上我们更多想的是说我们只做关于 Discovery 也好 Biotech 也好 Healthcare 也好这方面因为我在这边就是我们在这边有一些就相对稍微多一点的 Domain Expertise 对吧然后就是后来进了 YC 之后然后我们和 YC 里面的公司聊就发现好像这个问题大家都有
就是不是特别局限于这件事情而且很多时候如果说我们想要做这个公司它并不是一个完全垂直的一个应用场景的 service software 对吧我们不是说我们就把这个最后的结果给到你我们更多做的是一个相对比较就是 horizontal 一个比较比较这个就是广泛解决大家的问题那你在这个时候其实你你更多你
并不能特别先入为主的你不能很拼命的然后进到这边说你这个应该这样做对吧人家有自己人家的做法人家有人家自己的这个想法和自己专业的这个数据他们更多想要的是那我怎么样把这些专业的数据以最好的 efficient 方式输到模型里去 build 出来
所以我们在这个无论是水值还是水平切的这个更多是一个新的这个象限就是说这个象限是来自于你怎么样让人和这个机器能以最好的一个方式去交流然后去构建一个我们所说的就是就是 complex AI 而不是一个 single point 的一个 single model 上一代的 AI 的系统更多是我就一个 model 然后你就给这个 model 去做各种疯狂训练对吧给它超级多的东西然后最后你问它什么再答你什么然后一步新一代的 AI 系统更多是一个 complex 它是不同的 AI 的
模块每个模块做一件事情然后中间会有 NG strategic 的去介入然后什么时候去介入然后怎么样去介入介入的信息能不能让你这个模型下一次不再重复犯这个错误这个是我们解决的一个通用性的东西然后我们在嗯
就是未来我们去做这件事情的时候都是我们去问这个客户就是我其实不是在乎你做什么你做什么都可以我们在乎的是你对最后结果的这个准确性是不是 care 对吧就这不是说他不 care 有些公司他就是不 care 我人家就做一个 chatbot 对吧所以 care
对我感觉刚刚你描述这个思路就是让人去 strategic guide 的 AI 就是这个 complex AI system 底下这一套描述感觉它背后蕴藏着一个技术哲学就是说未来你们认为 AI 是会更多的与人非常和平共处然后呢互相合作互相 reinforce 各自的 ability 去更好的推动人类文明的发展这么一套思路而不是说可能就是 AI 替代人类啊或者说 AI 倒退论啊这种就是那样比较极端的思路
对就是这个更多就上升到我们说一个社会的人类学也好还是就是社会历史发展也好过去这么多年我们经历了这么多技术革命其实每次技术革命大家都会说你这个东西就要取代人了对吧
就是英文里面我们说这种 computer 对吧这个词 computer 这个词最开始实际上真的说的是一个人这个人是一个 computer 他是个计算者对就是最开始他们去做那些比如说天体研究的时候他们会有很多那些观测的这个角度那个角度当时他们是没有计算机的所以他们就会就会雇佣很多的
就是算數算得很好的然後在紙上去算那些大量的比如說我要把這個東西開放然後我要乘多少比較有趣的這些其實當時基本都是女性因為女性就是家裡沒什麼事啊就會算然後這個因為當時還不能完全如果女性像現在一樣平常工作所以他們就找了很多女性去做這些
然后我们到后面去那计算机就真正成为了代替人的 computer 然后代替人的 computer 再往后我们就会有很多比如 Excel 出来的时候大家就说你这些是不是把我们这个会计都给取代那并没有啊现在我觉得会计还是有很多的事情对吧然后我们这个汽车出来会不会把我们黄豹车的司机然后往前走这些人现在变成 cap driver 这些历史的推进都是说我们把
人能够做的一些事情去化成说哪些是人乐意做哪些是人不乐意做对啊就是我这些东西我弄出来之后然后大家呃就是让人去以更高程度的去进行一个呃怎么说然后这样子我们就可以更更好的解放我们的这个生产力那这个生产力的解放对整个全人类都是有好处的那当然你中间会有阵痛啊那肯定也会有嘛那你说哪一个行业
能没有失业但是你没有技术你该失业还要失业你经济波动在这也要失业你之前经济危机的时候那跟科技其实也没有任何关系是那我第二个 follow up 就是呃
因为 AI 它也会出现幻觉问题对吧就是因为你们也是在用 AI 去 basically 做这个就是 refeed 的 feedback and fine tuning 这个过程那你们怎么样从比较大的程度上去保证用你们的产品的这些大公司大部分也是比较 high stake 的这些行业它的幻觉程度可以降到最低
就是 hallucination 这个事情我觉得它是非常区分于你应用场景首先从一个模型上找到一个观察就是我们会发现随着模型的规模变大 hallucination 这个问题它自己在就是 solving itself 就是你们
用或者大家用这个 CHRGBT 其实也能有非常直观的一个体验就是从你最开始 3 3.5 然后到 4 然后这个什么 4 Turbo 然后现在是 4 All 然后这个 O1 对它的 hallucination 实际上是越来越低的就我现在真的其实蛮少见到说它真的 hallucinate 然后它如果 hallucinate 的时候我大概都知道它在 hallucinate
对吧就是我如果问他一个他真正完全不知道然后我还让他强行回来就你给我编然后我让他编他给我编出一个事情然后对于一些我已经知道怎么样做的这个事情他其实 hallucination 已经相当于变好很多了对吧所以这个问题其实很多程度上就是我们如果去控制我们在最后解决这个问题的 scope 我们是可以是很好的 medicate 但这个不是我们的功劳是来自于 openAI 团队的功劳
那我们在具体执行的时候就非技术的层面我们首先是要我们帮助公司去选好你这个 AI 具体的 scope 是吧
就如果说你就在 scope 说我就想要一个 AI 然后我什么数据也不给他然后我问他我应该怎么赚钱然后他给我一个方式我可以赚钱那你就想有点多对吧就这是一个极端的一个例子但是很多公司大家可能就是都想就说我什么数据也不给然后我也不做验证我也不做 evaluation 我也不做测试然后我也不去限制用户能够问的这什么东西那这好像就出差错你换一个人也是这样子你把一个人放在一个环境中这个人也会开始撒谎也会开始吹牛皮对吧也都是
同样的然后在技术的这个层面我们首先第一个就是我们会帮助这个公司去 booststrap 一个他们自己的 evaluation 就是我们有很多网上的这些 testing 的这些 benchmark 也好但是这些更多是比较广的一个就是 generalize 对于模型本身 intelligence 的一个 evaluation 还有它 knowledge space 对吧但是你到具体一个公司你说这个模型它很聪明但是它其实没有在这个公司具体的一个场景做过测试
那这个测试它怎么来呢其实是来自于说让它去和这个人质进行不断的交互然后让人质成功这件事
也就是说来自于我们刚才说的在 production 的这个时候不断地让人去做纠正然后这个中间我们就会 capture 下来然后它就会变成一个有点像 LMS judge 的一个过程但是它有一个数据库这个数据库这个是我们提供的一个价值是帮助你们人在比如说怎么样以最 rigorous 的一个方式建立这个数据我们可以帮助你去做这个数据我们来控制哪些东西是
给到你看的哪些东西是我们已经看过的你就不用考虑这些问题只要告诉我这个对还是不对就行这个是对于一些专业人士来说是马上非常简单的你让你去设计一个东西是很难但是我要问你什么东西是对是错这个是非常简单的我们帮助他就是 you can't improve what you don't measure 对吧你不测量你就不用把它改变先把它测量第一个
第二個方向就是對於很多這些公司它會有自己比較 domain 我們說叫 ontologyontology 就是它對於一些事情的描述就是這個事情的定義什麼是什麼小白鼠和老鼠對吧這兩個東西有什麼區別然後實驗處實驗體就這中間是有一個網絡在這
这个网络我们需要搞清楚然后我们需要从他的公司文档里面去提取出来提取出来以后然后我们这个时候再做无论是从最普通的 Found Tuning 也好还是我们去做 Find Tuning 啊还是去做我们 Graph Face Rack 只要有这样一个网络我们就可以非常大程度提升他的准确率然后
另外一个 technical aspect 是我们也会从模型内部本身去做你的 uncertainty conservation 现在有很多新的这些研究也出来我们也观察到就是模型它在我们说 hallucinate 的时候它心理上是有数的知道自己在 hallucinate 它的 log probability 也好也好还是一些 activation layer 这些 entropy 它都会有 signal 在这里
就是他因为他在就他不是在回答一个确定性的问题所以他会有很强的不确定性他有不确定性的时候就导致他的这个伤很高 intropy 很高你在不同的 temperature 之下 run 他就会出来不同的结果你问这个就比如说第三十届美国总统认识别人你问十遍他都是一个结果没有 intropy 那你问一个说你这个问题无论是 creative 还是什么就这个时候 creationcreativeness 算你的这个 hallucination 就比较 borderline 这个我们也可以做一定的观察
第四点是我们在帮助他们解决这个问题的时候也是我们需要去了解说对于他们来说什么是一个熟悉的一个数据样子就是说遇到一个新的情况的时候无论说你这个模型是准确还是不准确就算你的模型是百分之百准确你的 uncertainty 可能是来自于你对这个新的文档也好新的场景也好没有足够多的 instruction 我就根本没有说清楚这个问题应该怎样做
对吧就是在这种情况下我们给他们提供的是一个就是 clustering 就是一个分类的一个功效他们遇到一个新的数据我们可以告诉你根据之前处理过的这么些东西这个到底是个新的还是一个老的东西只是数据不一样还是它有一些哪些具体的 tricks 在里面那这个就可以帮助他们知道我哪些东西需要新的去做一个 development 也好还是放人下来也好就所有这些加起来其实就可以达到一个比较好的一个结果
我们可以在很大程度上对于一些他们想要做完全减少的场景达到不止 80%了可以基本上让他们一个人两个人然后就可以去处理上百万的级别的文档处理的有关所哇哦 太惊奇了
我们比较好奇的是另外一点就是因为现在很多这种公司它会去使用 AI 的时候往往都会比较担心信息安全的问题我想知道就是像 Redouble 它是怎么去面对这方面的 concern 然后采取哪些这种保障措施
信息安全这个事情就是对于不同公司提量它当然会有一些不同的考量吧就是对于比较年轻的一些公司或者是一些不是特别 care 的公司它更多在乎的是说我这个怎么样能以这款的方式建起来然后我不要出现一些这个 security breach 那这个时候我们像之前我另外一个合伙人他就是我第三个合伙人他也是在
企业内做企业软件做了很长时间了他这边有挺强的经验说怎么样构建一个是从这个我们的 security 上面是比较 competent 的一个系统就不要说这密码都是明文呀这些肯定是不会出现然后对于更多大的这些公司来说他们
其实都会有比较强的一个说我们想要怎么样去保证我们的数据从物理的角度来说就根本就不会 leak 出去所以他们会比较抵触说我们要把这个数据发给 OpenAI 就如果说他们要去用 APN 的话也会用 Azure 这个一个有 BAA 就是数据交换协议啊这个过程中的一个 private deployment cluster 这样来做那你在这个技术框架之内我们去帮他做这件事情的时候更多就是我们
所以其他一些工作我们不能直接用好像我们所有的就是一个 GPT wrapper 对吧就这个模型我们需要能够有一个自我部署的一个能力我们需要有一个 on-premise 部署的一个能力我们需要能够在 on-premise 的时候去帮助他们解决这个问题对就把这些问题解决了之后其实很多的一些我们是丢到他们的这个围墙里面他们自己想要干嘛这都可以无所谓我们就是 Redouble 因为从一个技术的角度我觉得现在还有很多可以探索的一个地方
就是怎么样以更高效的方式然后达到我们的目的然后我们在这中间其实是有了一个非常对于每一个我们工作的行业有非常深入的一个了解就是这个行业它里面的一些重要的因素是什么然后大家是怎么样做这些流程所以我们其实也在考虑未来会不会把我们内部的一些东西单独切出来给卖就是说这些东西是
我就是一个保险的一个流程那这个流程是不仅我们有这个自由的模型也好还有这个服务也好我们还包括了就是容错性帮助你去能够在最后的结果取得比较好的一个一个一个 result 就是这些都是来源于啊有所这些客户的交流也好或者和他们去做一个 partner
就是未来的发展的方向我希望的是在未来五年吧就是我们能够以更好的一个渗透率然后去帮助这些新一代产生的这些公司这些无论是 500 人的公司也好或者是现在这些就是我们说的 one man startup 就一个人然后就出来搞一点事情就帮助他们能够和大厂或者是那些有资金雄厚的这些公司一样的水平去做出非常可靠的这个 AI 的 application
然后这个我觉得是我们的一个愿景我们不希望在最后就从一个 societal 的一个角度就这些都是依然像之前很多的事情被一些大的公司去做出一个垄断就是 AI 它能够去做 demarcalization 能够把这些 intelligence 推广到所有人我们就希望能够给它就是同样的 infrastructure 同样的 tool 然后在保证 reliability 的时候能完成我们的任务我问一个可能就是相关的问题你们在这个领域目前有其他竞争对手
竞争对手这个是挺宽泛的一个事情就是说我们觉得竞争对手如果说你是说我们是提倡你的最后的结果的安全性也好你的准确性还是人的 evolvement 那肯定是有的就每一个我们去切的技术区块我觉得都是有的有很多公司他在做 large language model evaluation 就是他去给一个 toolkit 但是这个 toolkit 我们觉得问题就是一个公司你拿来用
那这个数据哪来呢你怎么去做 evaluation 的 data set 这是一个问题然后有公司去做人工标注那 SQL AI 就是一个非常好的一个例子做的非常多了对吧但是我觉得他们更多是说我如果要做一个发展的一个公司或者一个企业我就怎么做这件事情但是一个小的一个就是事或者说是你没有那么大的一个 budget 或者说你去做这件事情的时候你只要一个就是你的时间事情比较 neat 有没有一个通能的技术解决方案他们其实也并不是在乎这方面的事情
然後你再往後如果說去看 agentic 這個 market 現在有很多 agentic testing 這個 ticket 會出來這些也是我覺得大家就是這個場景是足夠大所以我們其實並不是特別 care 說 competition 這些問題我們大部分聊的這些人因為你到最後你去解決這個問題具體怎麼解決這個 fuck of war 戰爭迷霧還是
挺重的就大概其实没有人搞得清楚到底哪一个是我们所说的最好的一个解决方案因为太多的东西都需要 customization
所以我们在和客户聊的时候去讨论这个 competition 我们也并不回避说有些东西你就是可以用其他公司我觉得他们做的就挺好就用就是了然后你到最后解决的这个问题都是说你可能需要两个三个四个五个不同的解决方案加在一起我们可以提供其中两三个模型我们不做模型我们你可以去用其他人我们可以帮你微调就这些都是要合作的
你刚刚有提到说就是不希望什么这种 AI 的事情都是由大厂来做那如果就是我不知道在你们这个领域是否有类似的 startup 他们被一些大厂给收购或者招安的不知道就是如果 Redouble 做到后面就是有大厂抛出橄榄枝说想要收购你们的话你们在你们会接受吗以及你们在什么情况下可能会考虑这些 offer
那我觉得这个就是 way into the future 了吧就是从公司被收购这个事情来这么这么这个我首先觉得它是媒体上描述的那样一些美食因为你去看很多现在被收购的公司其实它并不是说我这公司退出了还是它过 hire 了
尤其是最近这几年反垄断的这个法律一出对吧你看一下 Figma 就是被 Adobe 收购就被堵了然后各种各样的这种大型的收购都被堵了你被堵了之后呢大的公司想就是会把它里面的人给招走你招走以后公司是个壳然后公司慢慢就你像 Character AI 就出现了然后 Adapt 也出现了这个事情然后那个就是 Infliction AI 也不出现这种事情
所以我们是希望如果我们能够以一个比较好的一个 sustainable 的一个方式去往前走我们去把我们想要做的事情做好就是这个 scale 我们不去非常的 fix it 我们必须要做百分之百的 venture scale 的事情非黑即白要不然就是成功要不然就是失败我们能帮助一千家客户比一家都帮不了或者说是能帮助一百万个客户比那这个是要强的
对就是我们从融资也好就是我们都是趋于谨慎我之前也是做过融了太多钱很多时候对于初创公司是一个 burden 因为你融了钱之后我们看到很多公司我有一些朋友他在一些大的公司他们融了可能一两百个 million 对吧融了很多钱但是你融了一两百个 million 以后出现的问题就是投资人就觉得他可以对你指手画脚
他们也有这个就是人家出了钱嘛毕竟是金主爸爸对吧人家做这件事情人家就说那你应该做这个你应该去就是比如说 10 万美元以下的单子你不要急这种事情出现就很容易把公司搞到后面就发现那我小的东西我不能做然后我做一个几个 billion market cap 的公司就已经不行了因为它
就是做投资的时候你的估值就几个 billion 你肯定要给他在十倍以上的回报你要做到几十个 billion 你做不到几十个 billion 其他的路那你公司就容易死你容易死的话那大家 cover up 的方式就是那我之前就跑到另外一个公司然后这个公司变了然后就是大公司抛出橄榄枝我觉得收购这件事情从来都不是因为对方觉得你公司很厉害我可以把你收购而是因为要不然就是他觉得你是一个潜在的 competition
你觉得你现在的 competition 它要去解决你这个 competitor 这个问题所以把你除了要不然就是说它想要你的技术但是它又不乐意出钱所以说它就等你在最黑暗的时候然后把你的人给忽悠走这些都是很容易出现然后真正你说我这个价值然后被收购然后这个机遇其实是远小于你公司自己上市的
或者你公司自己说一本所以我们其实不对收购这件事情做一个特别强的一个打算就是爱砸砸我们是无所谓如果说不讲如果我们自己把钱赚到我们自己把客户帮助然后后面稳步的这个长期的发展
挺有意思的 我记得那个 YC 的创始人 PG 他也写过一篇文章就是说 don't take corporate buyers call 就是不要接这些大厂的收购的这些负责人的 call 对 don't even think about it 行我觉得我觉得还是挺挺不错的那我们正好这个聊到 YC 这一块吧
就是在进入 YC 的前后我们好奇 Redouble 进行了哪些变化和转型然后能不能就是简单谈一谈 YC 在这个过程中提供的帮助我觉得就是最主要的转型就是我们拓宽了我们对于我们可以去 serve 的这个客户的一个定义就是最开始的话我们更多是去 serve 这个 BioTech 然后后来我们就发现那我们其实可以稍微往上提一点我们去提供一个我换一个服务
这个也是来自于我们和我们的 group partner 去聊还有和 YC 的这个公司里面去聊很自然而然产生了一个事情就是我上一家公司其实也经常和 YC 的一些 partner 聊就是我们也会发邮件 exchange 然后他们一直都说你要不要来就是你们做这个模拟的这个事情很酷炫然后我们就很喜欢这种 deep tech 的事情那个当时我们做的时候还是就是 before after fall 对吧就是 before it was cool
所以我们当时就说我们已经融了这么多钱了然后你现在就就是要让我去你就给我 500k 制度不到 500k 然后你要占我 10%的股份我觉得有点费啊我当时没有做这件事然后就现在一家新的公司我觉得也没有这个这个就之前的历史包袱所以我就给你做了然后确实就是在 YC 是 community 里面去 build 的你会有很多就是我觉得大家都是想做非常聪明的一些创始人和你一起去交流去工作然后大家
大家在这里面也是一个更多一个 comrade 一个战友的一个心情所以就这中间你能获得一些 insight 是我觉得是非常非常的这个重要就是你和同时同样在做事情的人去交流一些就是本官的也好还有悲观的也好这些战略和这个战术的这些事情
所以我们去做转型也就是来源于说这些人聊然后他们有的人就会说我们能不能用一下你这个东西我说这个错过送上门玩了说不那肯定来嘛来来来搞得到是是是明白
所以其实还是一个 community 然后以及这个 peer to peer network 还有就是我们上次之前聊了一期嘉宾他也是在硅谷做加速器嘛然后呢他们的公司是看到了 pre-YC 就是孵化一些非常非常早期的公司然后为他们就是申请 YC Techstars 500 Global 这种孵化器做准备然后他们就说就是他们也会请很多 YC 的就他都提到这个 peer to peer network 然后以及 senior to peer network 我感觉 YC
他就是提供了这两种不同的维度的交流对对对这是蛮好的我觉得 YC 的这个 community 还是超越了很多其他的一些伺服器因为它的规模算是最大的从这个地方无论是成功的数量也好还是人的这个数量也好
对一年三个 batch 每个 batch200 个家公司就挺多的那在就是你们你刚刚有提到就是说 YC 进入到 YC 之后你们会意识到可以以一个更高的维度去拓展到更多的行业吗那在这个找到这个市场拓展就是这些场景以及商业化过程就 go to market 的时候 YC 有提供哪些具体的资源或者支持吗除了就是
就是有其他 YCE 同样 Batch 或者其他 Batch 的公司主动找上门来说我要当客户以外我觉得就是从知识上首先就是钱的话他们会投一点点对吧就投一些然后另外一个就是这些 partner 我们去跟他合作他会给我们做一些推荐这些公司你可以去你不用这个方向去走不用那样子的帮着我们去做一些 policy
然后有一个比较就是 hidden 的一个事情就是 YC 这个平台是一个非常好的一个扩音器就是你 launch YC 也好还有你去在这方面做任何的一个东西就是它立刻会把你的公司放在一个 legitimate 的一个公司的一个平台上对吧因为很多公司你最开始的时候大家会觉得那你这是哪里 woodwork 出来的这些人然后就开始做然后除非你是
就把这个 Andrej Goparty 然后跑出来做然后你可能大家会知道他的名字但是对于像我们这种相对比较 low profile 的这些创业者来说能够有一个平台站在上面散化就这个已经给我们很大的一个帮助就我听说 Gary 他自己的 LinkedIn 也会经常帮忙转发一些就是像你们这些 YC 创始人的帖子还有其他 group partnerI guess 明白对那您觉得就是 YC 对于创业者来说意味着什么呢
就是我觉得 YC 对于一个创业者来说更多是去就它是一个 school 就 honestly 就大家去看这个东西的时候更多是说我就创业这件事情就是从外面看起来它像感觉像是一个挺没有章法的一个事情就是不是说我去考试我去考个科福 塔尔亚斯考个 SAT 考个 GRE 这是考试题这是你要做的事情这是你要学的
走完别人可以盖的创业这个事情从外面看起来大家会觉得说那这个东西好像并没有什么章法这些人怎么发现的 business idea 发现 business idea 怎么去做 scale 然后去做 scale 有什么基本的 principle 我在 YC 里面也是觉得就是很多问题我觉得是我有那个问题就是 not really 就它是一个很
generalizable 的一个问题之前无论是不同的行业也好它都是会有一些经验是可以学到的这个其实也看你个人的悟性进到 YC 的时候你更多想的是我这个时候实际上是有很多的和我同时在做这件事情还有过去做过这件事情的 peer 和前辈这些前辈就可以帮助我看到说假设历史这样子的话是走会怎么样无论是成功还是失败你其实都能找到之前大概做过这样子的事情
这个东西对于新的这个创业者来说我觉得是一个就是 overall 很 passive 的一个事情当然就是很多人他做过一次他会想要做第二次有人做过一次不会再做了那这个就在你个人偏好了无论你从海陆星的这个方面也好还是你做这个区块是不是和 YC 的平台收益也好都是一样明白那问一个可能比较 unconventional 的一个问题就是你觉得 YC 的话有什么缺点或者说被 YC 录了之后有什么后悔的地方
我不觉得 YC 这个事情是后悔的吧但是你说 YC 它是一个百分之百完美的一个机构我觉得也并不至于到这样子所有的这个孵化系它都是取决于里面的人我觉得一个 complain 可能是就是 YC 过去这几年它对于每一年选的这个人的这个数量它 fluxuation 而且大了
就从最开始人比较少然后后来又变成这个 300 个对吧一个 batch 可能三四百个公司就三毛在这个上的时候然后后来又变成 200 个 gary 上然后现在又变成一年四个 batch 然后每个 batch 又变成 50 个就是这个会就变来变去然后就变来变去的时候我觉得就从招人这边也会就是看到一些 controversy 所以
大家会说那有一些可能比较 derivative 或者有一些可能比较有重复性 redundancy 然后另外一个就是这个对我们来说可能不是一个特别重要的一个事情因为我们是做软件的但是 YC 它就是有一个非常死的一个就是我们就是给你这么多钱然后我们就是给你这么多的一个股份债
这个其实对于不同场景的公司这个差别是很大你做软件和你做生物技术和你做硬件比如机器人或者是你做其他 consumer 就这个 500k 是能够 stretch 多远差的非常非常对所以
我也觉得这件事情你把所有的放到一个模子里面去做就是意味着你如果说这个公司他在这个里面获得了比他预想的一个市场价更高的 dilution 或者更低的 dilution 就一般上是更高的 dilution 那他都是会要往下一个阶段的这个投资人那边去占取回来对吧就我这边 YC 拿了高的 dilution 我下一个我就把估值拉高然后你的这个下一个投资机构就要信了
这个从一定程度上会去限制你的就是投资人的这个广度我比较相信的一个事情是我觉得早期尤其是第一轮或者第二轮就 C 的你去过度的 optimize 你的这个 dilution 把你的没有做出 product market fit 的时候把你的公司估值一下子 pump 到可能有些比较夸张 50 个 million 100 个 million 对吧这些都是太凶了然后这可能对公司本来的发展不是特别少
然后就这个我觉得更多是个人你去注意一下这个事情就和 YC 关系并不是特别大但是大家在 YC 里面就会有这样一个我这一轮在 YC 里面获得更多的吸收我下轮再转往来这样一个心态
是我刚刚瑞晨问这个问题也是因为我们做博客之前也听到了一个概念叫驱魅其实创业很重要的一个心态就是对很多事情都产生驱魅的心理这样的话你不会有很多心理压力你会觉得这个世界其实是没有 boundaries 的你可以去自由的做很多事情对吧
然后刚刚就是浩天你的回答也我相信会可能会让一部分小伙伴开始思考 YC 这件事情因为感觉很多人都对 YC 比较神话就现在互联网上都关于 YC 的一些神话的故事那我可能追问最后一个 YC 这个板块的问题就是说对于那些没有被 YC 录取的小伙伴他们可能就是同时申请了已经 like two years in a rowthree years in a row 已经申请了好多次但是还是没被录取
那你对这些人有什么建议吗以及就是可能我比较 specifically 感兴趣的是刚刚你描述了 YC 它会提供这些 support 那这些没有被 YC 录取的 founder 他们如何在不在 YC 这个环境自己去获取到一些 specific 的资源去模拟 YC 这个环境让他们更容易成功就是 yeah
觉得就是首先首先不进 YC 就是世界末日我觉得没有没有这回事就是你不需要任何一个服务器这些东西都是一个软件的一个条件那我作为一个 YC 的 alumni 就我在这边说这个东西对我来说是有益处的但是你说这个东西百分之百必须从 YC 来吗那 not necessarily 很多时候来自于你周围的人脉也对周围的这些认识的朋友他们能不能给给到你一个好的一个知识还有就是他们对于某一个具体防疫的这个理解
尤其是对于你具体行业的理解这件事情是一个用途我要做一个医疗产业的一个公司那我就是需要懂医疗产业的人我要认识医生我要认识保险等等 whatever 这些方面这些 YC 是帮不到你你是要自己去做这件事 YC 能告诉你就是你做出这个公司之后如果说你的这个去做融资也好去做市场拓展也好你哪些犯了些基本法的错误那这个我觉得
从创业这个角度来说如果说你觉得进不了 YC 你就不能做这件事情了那么这个其实是一个比较危险的一个信号就是说你个人对于就是第一是这件事情的 conviction 可能不是特别起
就是你觉得这事情我就想试试然后 YC 能给我 500K 我就拿这个试试这是一个很打水漂的一个这种方式这是不是特别好的然后我也不觉得创业这件事情有任何一个就好像很高大上说创业的人就是比工作的人要要牛逼或者是要更强就不存在这件事情了我觉得很多我就是我在大厂一个
工作的那些朋友他们都比我聪明很多对吧人家在大堂人家干的很开心也可以有 impact 也可以发文像有的在学校有的是你就不在乎钱有的是做生意的你每一个维度他都可以有自己做的事情先看看自己是不是适合做这个创业的东西然后你去看如果我说
我就是觉得这件事情应该有然后我就是特别想要做这件事情然后我别人给不给我钱我都想做这件事情那这个是一个好的一个心态你有了这个心态之后你就会发现那周围的其实就是路上就会给你开花了他就会觉得你想要做这件事情我就给他帮忙了然后如果没有 JYC 我更多鼓励的一个就是大家其实更好的是可以就是 building public
对吧就你想做一个新的事情你不要去 gatekeep 你这个 idea 就是你这个 idea 其实 idea 真的不怎么值钱了 idea 很多的
就是大家都想做大家都说这个容易那个容易你去做就好了你去做然后你就散话说我在做这件事情然后是这样子然后有谁可以帮忙就 Twitter 也好 X 也好或者是 LinkedIn 就喊一喊然后我的很多朋友实际上就是我在就是 Twitter 对吧我就发我在做这件事情对然后你们怎么样然后就有人说那我也就他们发了一个我就说你在做的很有意思我们聊聊我们后面就变成很好的朋友然后就这都不是 YC 但我自己没认识
就这些要灵活一些我觉得就对于之后创业成功吧就问一下你自己你是想要进 YC 还是想要创业成功真的是两回事对我可能快速补充一个小的点就是感觉你刚刚说的这个 Building Public 这个概念非常好因为除了你可以在不同就是你在渐进的这个阶段你去
在每一个这种渐进的阶段丝滑的找到一些 collaborator 也好资源也好同时这个你去 write your stuff down 然后并且 shareon the internet 这件事情本身就是也是整理你自己思路嘛就是相当于 force 你自己去做一个文字版的复杂这个其实比和你公司内部的人讨论你去把这个东西发出来接受互联网的检验可能会
就是更好一些就是你收集到更多来自广大大众的 feedback 他可能也在这个过程中能找到潜在的 customer 对对对对其实比较想问一问就是说您作为一个已经有两次这个创业经验和创业者您有哪些走过的弯路可以分享给一些后辈一些经验教训的分享
那我觉得这些可能大家听起来就稍微有点陈词滥调了但是我这边经历过一次以后我自己是非常感触非常深其中一个就是你真的要非常非常非常非常的小心避免自己出现拿着锤子找钉子这个事情就比你想象中的要出现的这个频繁的要多而且很多时候都是你自己都没有办法意识到这件事情
你一定要有朋友或者说你自己经常给自己留婚考问比如说我做这件事情到底能不能给我想要卖给他的人带来这个价值而不是说我觉得 it's just cool 就是 it's cool 或者说你觉得这个东西想要走那因为你个人的 incentive 是在这个上面对吧就是你的大脑就会骗你自己
就是有一句话就是 it's essential not to fool anyoneand you're the first personthat's easiest to fool 自己是最容易的那我们大家都不是圣人我觉得我遇到这些问题也是希望能够去尽快的找到哪些东西是我的 denial 还是东西是我的 delusion 我去看到了这些事情我再去做一个快速的一个复拍然后去做这是第一个
然后第二个就是更比较偏 personal 的一个 aspect 我觉得创业这件事情 at the end of the day it's a job 就是这个工作它不是你不是在做一个圣战你不是在做一个 corsade 你不是在我是一个 social activist 或者我要去 make Silicon Valley great again 或者什么不是这种想法
我觉得要避免的就是你给自己天天喂鸡汤就是这个事情是容易把你个人的价值去 tie up 到你的公司的一个价值上就是你公司里面会有一个 thesis 你这个公司的 thesis 就是我要做这件事情因为 ABC 然后你天天想这件事情你会觉得我就是来完成这个使命了
对吧那你想之前那个公司我们去做这个制药然后去改变人类健康那这个其实就你也可以想象非常容易能够让一个人上头然后进入到一个道德高地就是你看我做这件事情我是在就是拯救全世界我这个是天上派来的拯救你们就是很 subtle 但是他会给你一种就是你的个人价值绑在这个公司里面那这个时候一旦公司出现一些波动一旦公司出现一些
问题也好需要 pivot 也好或者需要你去干一些其他事情你会发现这个变得非常非常难因为你个人绑在这里面一定要去 diversify 你的个人价值无论是从你的家庭也好无论是从你的友谊也好无论是从你的其他的一些
不是为了赚钱呢然后就是我犯的一些 side project 或者是你的这个 volunteer 也好或者是你去做一些文学艺术创作就是 any do more things 然后这是一个我不是特别 subscribe 那种就是我做这一个然后我要疯狂去 push 一件事情然后给自己吸到我觉得这种东西你去看那些 survivor spies 就是你非常成功的人他会说 this is the only way
对吧但是他们是这么说但是对于你我个人觉得我觉得我能做出一个十亿美元的一个公司我就很开心了我不需要做一个一千亿美元的公司对吧就是十亿美元是有很强的 social impact 就是你能在这个领域做你如果说你不做一千亿你就不做那这个非黑即白在最后也都不是这样
然后很多时候进去走这个流程更多是我去做这件事情我 genuinely 是开心的就是说我去解决这个问题我是开心的这是一个好的 title 而不是说我做这个事情感觉我必须要做我的 value 全在这里稍微有点 subtle 大家自己做做感觉会有感觉可不可以这么理解就是因为 easentially 你是这家公司的 leader 然后呢你需要去像一个掌舵手一样在
这艘船遇到风暴的时候去指明方向而不是说在这艘船遇到风暴的时候你被它带着走因为如果你把自己的个人价值过多的绑定到这家公司你就很容易被这些风暴带着走你会觉得啊就是好像我这个
失去了一切怎么样然后你就变得非理智然后你就做不出那种冷静的掌舵的决定了可不可以这么理解对对我觉得这公司到最后你能活还是说大丈夫能屈能伸嘛对吧你有时候该裁员裁员有时候该转向转向有时候该去 serve 该做 contract 该做 consulting 该干嘛干嘛就是你不要不要特别就铁头然后就撞墙然后就然后到最后就可能你还是人也会
伤到这些元素那就是从您目前像这个 AI 行业也是非常火热的一个行业你觉得说对于年轻的一些创业者来说就是 AI 技术的发展还有哪些其他的一些潜在的一些机会和方向觉得可以值得我们去关注和留意的就是我首先觉得 AI 这个东西它最后会非常非常 compromise 就是不是说最后吧就是很快
然后从具体的算力这方面其实已经被很多大公司大的这个公司他就走在前面就是你如果说你不是一个在这个领域已经做了很长时间然后你要往前走你其实个人是很难现在真正说我再做一家很大的这个 Foundational Water 的公司或者我在这样就这个是一个就基本上不可能的一个事情就除非你是说我之前 OpenAI 的一个 CTO 跑出来对吧大家知道我在说谁
这种是可以的但是你去 commerciate 一个过程中和之前所有的技术都一样就是你所有的这些新技术的 adoption 它都是一个 curve 它都不是说我今天出来明天所有人都在用它是一点点渗透了
然后他这个渗透的过程是来自于某一个人他对某一个行业他有一些比较深入的一个了解对吧你对这个行业你看到说我爸就是比如说他之前是做就有一个我不是说我就是有个人说我爸之前是一个艺商或者我爸之前是一个
是一个兽医然后他就是给动物看病或者我爸之前是一个做销售或者说我之前是做销售的或者我之前是做电子设计的就这中间你是有怎么样做这件事情你的这个 insight 在哪里
你去观察到这些 insight 你去看这些 insight 哪些可以 automation 然后你去学习这个 adjective 你就可以说我怎么样从最低的底层我怎么样能够自己让自己的这个效率变高你从这个竞争的角度你就可以做工作的事情可以做更好的工作
另外一个就是如果你发现这个东西没有人在做但是你能看到很清晰的说这是有一个很强的一个 impact 但是大家不做的原因是因为大家不了解这个行业不是大家没有了解这个行业了解那这个时候就是一个比较好的你去入场的机会就是我把这个我自己做的这个事情弄出来因为我自己就是客户我自己是重点然后我能做这个事情我和周围的朋友一聊大家都想买大家都想用那这就是产生那些很多表面上看起来
就很简单或者比方看起来是这个东西之前已经有人做过了但是你真正去研究你就会发现这个人他是知道这件事情知道这件事情就发现一些之前大家没有发现的痛点有很多我会说就是 AI 的总体的机会在变成的是纯 AI 的总体机会但是底层的 AI 我们怎么具体应用这个其实真的我觉得刚刚开始现在是大家能够去往自己的 virtual 去抓的一个最好最好的一个事
可能比之前要稍微晚一点但是你模型是变得越来越好的所以在之后只会越来越容易然后越来越方便去看看自己之前感兴趣什么事情把它融合在一起做一个 compound 的一个 Ali 是这个点我和瑞成应该都非常认同我们之前也访谈过一些嘉宾他就有聊到过因为大厂在垂直的领域是不可能跟你竞争的他们不会就是花精力去在各个垂直领域和小公司竞争所以说这些
Commoditized Vertical AI SaaS 也不一定是 AI SaaS 但反正就是 AI 的小公司其实是有很多机会去值得去探索 So basically 其实我觉得刚刚浩田你还是在说一个底层逻辑就是说鼓励大家去在不同的 Vertical 结合自己的兴趣然后有很强的 Conviction 并且带来真正的社会价值然后去找到这些领域去做 AI 现在是一个非常好的入局机会
好的那倒数第二个问题吧就是之前交流的时候你有提到说这个公司发展和个人成长之间需要找到一个平衡吗那您就是对其他创业者有没有一些建议就是如何做到既把我的精力放到这个公司里面然后去实现他的目标但是同时又保持你个人的这个 flexibility 以及去可能随时 pivot 到一个新的方向的这么一个状态
如何找到这个 equilibrium 就是你不能 go insane 那这个就从具体的方向来说就是你一定要说你需要睡个大时间你就要把你需要睡的给睡着然后你要去健身然后你要去保持你的饮食的一个健康和规律那就年轻人可能稍微好一点你天天吃这个 paco bell 作为但是
这个如果说你稍微往上一点你保持自己身体的健康这个和你的精神状态的连接是非常非常强很多人会忽略这一点或者觉得天无所谓这是一个 habit building 的一个事情这个东西要做这个东西做好了之后第二个就是对于和你完全没有关系的这些领域保持好奇就是这个我觉得从我最开始去学这个物理也好到现在你说我已经换了很多不同的区块了
这些区块你说一个水物理的搞什么制药你搞一个制药的你搞什么 AN 搞 AA 的搞什么这个基础设施构架就这些人在中国也好接受传统教育或者在美国也好接受传统教育你真正能够去复集的这个世界 reality 的这些这些维度是非常非常小的一步
就是你到后面你就会发现就是很多事情你表面上看着这样子底下是有很多门道的你说不定你就会遇到一个你觉得这个事情比你之前做的事情要有意思我觉得是想干得更开心非常非常的开心或者你可以学到一些这个是在另外一个领域我可以学到的这些
经验对吧像我们之前做这个要我研发关于怎么样去最高效的使用这个数据我们会研发了一些主动学习和就是自适应采样的这些算法这些算法到现在这个公司就是可以用虽然说场景是完全不一样这些基础的世界的逻辑的认知是来源于你在不同的领域去看你找到中间的所谓的 commonality 找到这些 pattern 然后去看然后从个人发展的角度你人呃
就是说玄乎一点我们到这个世界上是来看的对吧就是很多这些东西都是虚的就我们来看这些就是这个东西我没有见过没有意思那个东西我也没有见过很有意思然后我路上顺便帮帮其他人大家如果从体验上来说从知识上来说从认识新的人建立新的 connection 这些都是等价
这些是我们可以用来定义我们人的价值就是我们自我的一个 worth 在未来能够保持比较好的一个方式公司是可以做公司的事情自己剩下的时间不要去闲着不要去我就做完公司的事情去倒多大水稍微留一点点时间去和其他人聊聊聊聊他们做的事情对你真的非常有好
那像您平时这个其实也是我们播客的每期最后一个保留节目吗就是说您平时获得一些技术和这个市场的信息渠道是什么比如说您可不可以推荐一些您觉得对创业者是比较有帮助的信息源我可以从几个角度来说吧一个是从工具上来说就是工具上我现在比较主要使用的工具我用的最多是一个 Notebook Notebook Lapp
就是这个你们也可能听过就是就是过去处理过工学对吧就是你他们的呃就是帮助你去学习一个新的尤其是你不是特别熟悉的领域的一个论文是这样而好嗯就是可以帮你 break it down 然后你大概知道整个的股价你再继续看都会
因为我平常需要读挺多的这些技术的这些 paper 然后有时候它就会在我的这个专业范畴之外他们可以给我很大的帮助然后在这个之外的话现在有很多新的这些 research tool 然后可以去帮助你去做一些高层次的搜索像 perplexity 他们的这个 search tool 我觉得他们的 pro 是蛮好用的就是比 Google 要好用就尤其是在做一些比较 in-depth 的一个 market analysis 也好还有就大家的这些这些是我主要社区知识一个途径
然后从这个之外的话我觉得推特是个好东西 X 是一个好东西上面有非常非常多的人然后有些人会说那上面全都是好像搞政治的你可以不去弄这些事情了你去关注你想要关注的人然后你慢慢去建立这个列表说会有很多新的这些东西发在里面然后从人的这个信息摄取上来说就像我刚才说的去和一些你觉得你就是本来被压了
就是那些可能他做的事情跟你没有任何关系就这个时候当然也要就不能说这样随便遇到一个人就跟他开始扯那就是你需要
去想想看这个东西是不是 make sense 我的一些朋友他是做医生的我和他经常聊一聊说他在做医生里面看到哪些局面看到哪些现象有些做金融的有些做政治科学的然后有一些是做机器学习的然后有一些是比如说做金融的做投资的这些朋友多交一交然后和他们去交了一下不同场景你就会发现
就是真的所谓 360 行行行出状元就是很多这些行业它都有非常深的一个东西在里面然后我们作为局外人都会不由自主的去 over simplify 其他行业里面的这些门道有的时候一个东西在一个行业里面不 work 但是在另外一个行业里面可能它就 work 就是这个也是能够激发你产生创业主义的一个想法
我刚想快速补充一下你说到 X 的时候就是 XAI 它有专门的 model 去分析 X 上面别人发的 twit 我之前也一直在用还是非常好用的对 尤其是你知道你想问什么的时候它可以告诉你一些非常非常准确的信息而且也是实时的不是说 OpenAI 它那边可能信息截止吧对吧 到去年五月份这样是
好呀 我最后其实想最后再问一个小问题就是因为正好提到问问题这个点其实问问题它是解决一个问题的本身可能 50%甚至以上那浩浅就是你一个学者兼创业者的双重角度你会怎么建议其他潜在的创业者去问出一个好的问题并且去解决这些问题呢
你这是一个非常非常好的一个问题你这问题非常好就是问问题首先就是你问到问的对的问题它是有很多这个先设的就是你一个问题你问出来也代表很多问题你没有问更多是你能问出一个好的问题是来源于你没有去问那些苦的问题
你没有问那些就是很显而易见或者怎么样的一个问题那这个就是来源于你自己在这边做的功课然后你在问一个问题的时候就是你自己要养成一个问你自己的问题有时候你要自己跟自己对话你晚上躺在那边睡不着或者洗个澡的时候自己脑子里面想想事情你问问自己就是你问问自己说你梳理一下就说我到底想要干嘛
对吧就是哪些事情给我这个 drive 然后哪些事情能让我 get a bit of warning 我觉得哪些东西是有意思然后它为什么有意思然后它有意思的这个原理是什么和它类似的是什么有意思
然后你把这个东西搞清楚那么首先你在说别人问问题的时候你的心态就会好很多你是处于一个好奇的方式来问而不是一个很有些人问一下是什么功利请你告诉我怎么赚钱就这个事情是一个没有办法回答的一个问题但是如果你说这个问题我觉得很有意思然后我的观察是 A 你觉得是不是 A 那这就是一个很好的问题就你要是有自己的观察才能去和别人做出一个交流
而在你在问问题的时候我觉得问题也是一个让对方了解你的一个渠道就是你对于什么问题感兴趣是能够很强的展现出你这个人大概在什么样子的一个就是 level 就是你去问这个东西的时候你也可以
一个信息互换的一个方式就是我更多是在做交流我在问这个问题的时候我也希望能够告诉你我在这个方面我目前了解到什么样子一个程度我哪些东西我想要学习哪些东西我想要做这都是 implicitly 可以从一个问题里面别人 infer 出来然后我在接到一个问题的时候我更多想的是他在问我这个问题他的 incentive 是什么他就想从我这边套话呢还是他觉得这个问题有意思还是他想跟我进行一个就是
交流一个信息的 exchange 一个信息的 exchange 或者是这个好奇肯定是错话或者是骗信息这些要好很多然后就自己弄清楚我这个问题到底为什么我要问这个问题我是想要从别人那边获得解决问题的捷径然后别人有一个就是什么那种短视频的发费策然后就十个赚钱秘诀对吧就这种问题就没有意思是自己做做思考的好那瑞成你还有问题吗
没有非常感谢浩天今天的分享收益良多非常感谢浩天非常感谢你们的邀请今天聊得很开心