Meta 抢人：被天价挖角的 Scale 是 AI 界的台积电还是富士康？| 硅谷徐老师 S9E21
44:40 Share

用声音碰撞世界生动活泼欢迎来到 What's Next 科技早知道第八季和全球创新第一时间同步哈喽大家好我是雅贤 Mark Zuckerberg 在新的一群人的前页上在超级智能研究室

7 月 1 日 Meta 的 CEO 扎克伯格官宣公司的 AI 团队将进行重大重组成立全新的 Meta 超级人工智能实验室 Meta Super Intelligence Lab 简称 MSL

目标是研发能够超越人类的 AI 超级智能 Zuckerberg writing thatSuperintelligence is coming into sight 那公开信息显示为了筹建 MSL 扎克伯格不仅挖来了 GitHub 的前 CEONad Freeman 和 AI 明星公司 Save Superintelligence 的 CEODaniel Gross 还持巨资从 OpenAI Anthropic 还有 Google 的公司招募了 11 名顶尖的 AI 人才那其中还包括 7 位华人研究者可见 Meta 想要开启 AI 新时代的决心有多么坚定

那在扎克伯格用天价挖走的人才名单中还有一位我刚刚没有提到那就是硅谷的数据标注公司 Skill AI 的创始人 Alexander Wang 就在两周前 Meta 宣布以 143 亿美元收购了 Skill AI 49%的股份但这笔交易可谓是醉翁之意不在酒 Meta 真正想要的是公司的灵魂人物 Alexander Wang

Alex 在 19 岁时从 MIT 辍学成立了 Skill AI 在 2021 年时已经成为了全球最年轻的白手起家的亿万富翁也被媒体评为最有可能成为下一个 Sam Altman 的人他现在已经被任命为 Meta 的 Chief AI Officer 并且将与 Ned Freeman 一起领导 MSL 的产品和应用研究工作

我们这期节目的录制时间是 2025 年 6 月 27 日也就是 Meta 刚刚收购了 Skill 后不久我与硅谷徐老师后裔一起采访了两位曾经在 Skill.ai 工作过的硅谷创业者玉婷和云峰在与他们的交谈中我们重新认识了 Skill.ai 这家备受争议的公司和它的 CEOAlex 那我们聊到了 Skill.ai 独特的企业文化和 Alex 的领导哲学

嘉宾们提到的一些观点让我了解到了 Alex 是如何凭借他的个人魅力和前沿科技的敏锐嗅觉塑造了 Skill AI 这家明星公司的那未来 Meta 的超级智能实验室将由 Alex 来领导希望通过我们今天的讨论能够给大家提供一个理解今天硅谷这场 AI 抢人大战的视角好了下面就开始我们的正片吧

欢迎来到 What's Next 科技早知道我是雅贤那今天跟我一起主持节目的呢还有我们的老朋友硅谷徐老师 HoiHello Hoi 你好你好 大家好非常高兴的请到我们两位 Skelda AI 的员工云峰跟雨婷你们两位自我介绍一下吧

大家好,我是玉婷我之前是 2022 年初加入 Scale 然后做的是 Product Incubation 就是去发展它的新业务新业务其实就是在 Content 和 Language 所以做了很多 LM 这边的 Data 的方式然后最终是 2014 年离开当时整个公司都已经在做 GNI 了所以我最后的 Role 是 Director of Engineering 然后主要是负责 GNI 这块

所以说你是在那个 ChaiGTT 出来之前开始就做大模型对所以我是真正就是 experience 那个 over night crazy business growth 的人

OK 云峰我是云峰我是 2021 年加入 2025 年初离职的一开始是做 infrastructure 基础设施那些东西在 CHPT 出来以后我说这个东西实在是太厉害了所以后面转到了 MLinfra 做一些跟模型 hosting 相关的东西在我离开之前我一直在做 agent 相关的

因为 Skill.ai 他们发展出来很多 side business 其中有一个就是怎么更好的为企业服务帮他们 build agent 我的理解是 Skill.ai 那个时候主要是做一些比如说自动驾驶的标注数据但是跟大模型的关系不大还是说其实那时候已经在做大量的东西了只是我们外界的人那时候还不知道

至少从我的角度来看因为我是 21 年加入的那个时候最大的事情我们当时签了一些政府的 contract 但那个时候这种价值也是很大的后面到了 COVID 以后在这个中间的一半的时候我们有一个很大的一个转型去做 e-commerce 再往后面 GNI 起来了以后公司就完全 all in GNI 了

那雨婷来跟我们讲讲那个 GNN 起来的情况可不可以啊可以啊其实在当时 Skill 跟 OpenAI 就其实是一直有合作只是说这个合作的范围相对来说就像你说的大家也不 care 或者说也没有那么 sexy 啊

比如说 instruction following 其实是很早就出来的然后当时还做了一个 math gen 就当时其实真的是已经在 recruitmath 的 PhD 但我觉得从各个方面角度来说包括从 openAI 的角度来说其实我们都不太当时是不太知道这个 scale 或者这个 implication 的那些 effort

所以从我的角度来说那就是呃 the next business line 就是不是没有做大但是可能有一些机会就让我自己去找找各种各样的机会就是 in the broader content and language 那这里面其实一个最大的 theme 就是他的

数据是一个非常主观性非常强的一个门类就像我们拿到一个 model 之后找到一些 domain expert 或者首先你去找什么样的 domain expert 其次找了一些 domain expert 过来说你要问一些什么样的问题那模型的回答到底是好还是不好对吧或者说给了一些模型的回答你现在的 role 是让这个模型的回答更好

这是一个非常 open-ended 和非常 subjective 的一个门类那我觉得其实是非常非常困难的一件事情我有一个问题显然在 2022 年 11 月份 JTPD 出来然后使得整个 GNI 的革命开始那在这之前它的数据肯定是一个很大的进展就是它肯定跟你们合作用标准数据

从你自己回过头去看 Skill.ai 对他的帮助是一个致命性的一个帮助还是说他如果没有 Skill.ai 他自己仍然也是能够往前推很多其实我是想知道对他的影响到底有多大

早期的时候确实是很多的数据都是 scale 做的因为毕竟是 for to be 的话如果你不做的话市场上有没有别人可以做也许可以也许不可以我觉得这个东西很难界定那肯定是在之后我只能说在当时来说这个事情是一件极度困难的事情我觉得市场上的其他的 vendor 可能没有办法做的那么好或者做的那么快

但是 business need 起来之后对吧或者说你这个 contract size 开始涨了之后大家都意识到这里原来有这么多钱那个是在 CHATGPT 出来以后在那之后对但是这之前你是意思就是说这个数据的标准肯定是对 OpenAI 不但是有很大作用而且是当时候如果没有 scale.ai 的话也许有其他 vendor 也能做但是大家因为这个没有看到那么大机会所以说规定做的人

那你觉得 skilled.ai 为什么愿意去做呢因为这就要讨论到 Alex 他是一个在这方面嗅觉非常敏感的人我们内部从来没有停过的一件事情就是我们会一直去找说下一个机会点在哪我们 AI 的 advancement 会来会长什么样那我们认为他需要做一些什么样的东西然后有一个很 unique 的点就是

我们 scale 做 sales 的人其实一直都是我们 engineer 所以我们是会真的把非常 technical 的人拉去跟 lab 的 researcher 去对吧去跟他们聊天去跟他们尝试去理解他们想要做的是什么东西然后我们其实是有很多 thought leadership 在上面的

我们会去真正的去理解说你要做的是这个那我们你的目标是这个那我们觉得你需要什么样的东西我们觉得你需要什么样的 PhD 对吧比如说你的 country 的 focus 是什么样然后我们去想办法去找说我们觉得从这样这样的 channel 可以帮你找到这样这样的人然后给他们带给他们 resume 说你觉得怎么样跟他们是这样是早期是这样非常 collaborative 这样做出来

所以说在 ChaiGPT 出来之前就是 2022 年 11 月份出来之前你们已经在给他用博士来帮他标注数据这已经是工作流程当中的一部分这是第一个第二个 Alex 的嗅觉如果说不是那么敏锐的话

就是完全有一种可能性 OpenAI 的标注数据的进展会比较慢一点对吧就是因为也不知道这里面有钱有多少钱你可以标注数你可以帮政府去标帮那个自动驾驶去标你为什么要去帮一个 OpenAI 看上去是一个研究的公司去标但是你觉得 Alex 在这方面是嗅觉比较敏锐的他觉得这是一个很大的方向即使是表面上没看到有

大量的商业机会在当时候的情况下面但他还是投入了大量的精力去做这件事情这是一个你觉得很不容易的一件事情是的其实这个 Skill AI 这公司其实试了很多方向我觉得 Alex 我可以举一个例子他其实经常会他发一些 memo 出来他会发一些很长的文章讲我对于这个 Domain 是怎么看他其实很多思考是很深的我们为什么有这个 unique positioning

为什么这是一个特别值得去做的一个 domain 对就是他会发很多这种 memo 然后大家都很喜欢去看对能看出来他其实是很擅长去了解在这些 industry 里面是什么是非常值得做的东西

能不能这么理解就是他在很早就看到了大模型对未来的一个深远的影响他是很早就看到这一点了我记得很清楚大概是在 Chad GPT 出来之前的两个月我参加了你们的公司一个 annual 的一个 conference

我就记得很清楚这一个 conference 里面讲了很多的其中第一个演讲者可能就是 OpenAI 的 CEO 我还在想为什么要请 OpenAI 的 CEO Greg 来我其实当时有想过当然了后来过了几个月就发现这是一个非常正常的事情了

我记得那个我也在那应该这么说吧我觉得他是对他很早就知道最前沿的 AI research 长什么样他或者 OpenAI 或者任何人能不能够看到 CHI GPT launch 之后的不一定但是他非常非常的善于去 keep up with 前沿的这种 research 在那个方面他是非常领先的

对,如果我没记错的话,在 CHAT-GBT 出来之前,其实那个时候已经有一些,就 Generative AI 已经有一些比较大的,比如说像 Image Generation,已经能看出来 Generative AI 是一个大的方向,但是我的感觉是没有人想到 CHAT-GBT 会这么大变的。

我是看过 Alex 他最近参加 YC 的一个 podcast 然后在讲他当时在 YC 的时候是怎么样发掘这个数据的方向的我记得他好像当时说的是他跟他在 YCEP 的有一个同事好像是在做就是在做跟自动驾驶或者跟图像识别相关的一些内容然后他就发现数据原来这么有用然后他就从那时候他说其实他是在一个非常非常有限的领域不断的深挖

我觉得他可能一开始的时候也没有想到他最后的这个 data 能有这么大贡献但是他可能就是像那个云峰说他就一直 stay ahead of the wave 当时还举例他说黄仁勋就是因为他一直能 stay ahead of the wave 所以他觉得他要不断地再做预先的判断然后来保持自己的领先地位是

是的,确实,我还有一个 fun story to share,早期 Skill 的第一个 breakthrough 其实是做 LiDAR data,给一个 self-driving car 的 startup,当时市面上没有任何产品可以 render LiDAR at all,是说不能识别雷达数据吗?

对就是当时这个 tech 刚出来大部分人都不知道它是什么就根本别说你去怎么样去 build 一个 product 然后在 browser 里面可以 render 这样的数据量这是一个非常非常难的事情然后就是 Skill 当时有一个非常好的

他就是把他一个人就说你我们是唯一一个就我们自己内部都没有办法 rendering 这个 data 但是你们能够 pitch 这样然后在这么短的时间内能够把这个东西动出来那是他的第一个比较大的 contract 就这个难度是什么就怎么叫 render data 是因为你们不只是一个标注数据还做其他事情还是怎么样理解

是的我觉得是因为这个 LIDAR 的标注它实际上算是一个 niche 在整个这个 Data Label 里面但是它是一个非常难非常难标的一个东西它这个 rendering 实际上是因为 LIDAR Data 它是一个非常复杂的数据很多公司它的数据格都是不通用的它都是自己内部开发的一套因为 LIDAR Data 实际上是

它是从这个车顶这个扩散出去然后它是一个 point cloud 然后它是在一个三维空间里面有很多点然后再加上它有个时间的这个维度反正一个场景它随着时间和空间它大概有几百兆甚至上 G 的一个大小所以它这个东西要 render 起来还是有一定难度

所以说我前两天在小红书上面写了一篇文章是说 Skill.ai 是 AI 界的台积电还是富士康根据你们刚才讲的故事那就说明这个 Skill.ai

有一点台积电的那个味道至少对吧不只是说做一些简单粗暴的事情而且刚才那个雨婷刚才也提到了你们请的不只是说是最低工资的人去帮你标注还要请一些做数学的博士那听上去显然这就是一个台积电嘛对吧这个说到 Alex 他的另外一个非常 interesting 的点就是我们刚刚讲到他非常善于

follow 这种前沿的 researcher 或者 research 他非常看重人的一个 style 就包括他可能他本身他会去想 ok who are the smartest people around mewho are the smartest researcher 对吧 in the industry 所以 scale 是一个 talent density 非常 interesting 的一个一个 company 就真的是有很多 MIT Stanford 的这种就是他们 hire 的人都是一种非常非常聪明然后又

愿意 work hard 的这样的这种 talent pool 台积电还是富士康就是说你仅从 working hour 来看的话可能会看着有一点点像富士康但是确实大家都对大家都 work 的很辛苦所以说从那个 working hour 是富士康但是从一个 talent 或者说是人才的角度来讲其实不只是台积电那听上去像 open ai 变成

对我觉得这是取决于你说是公司内部的人还是做 labeling 的人我觉得做 labeling 的人肯定还是傅时科我做过很多 labeling 就是了我相信永凤也做过我觉得我们每一个 full time in pule 都做过很多 labeling 对但是但是对

从 Libra 的角度来说会有一些 difference 因为确实就是说 eventually 是你的客户不愿意配这么多钱那刚刚像雅贤说的对吧你是不是外包在 oversee 在一些很 cheap 的这其实也是这个 market 决定的那在 LM 的时候说实话没有任何一个 research lab 会说 yeah I only wanna pay you five dollarscan you just do that for me 对吧他们是理解这个 value

和 of expertise 然后他们是愿意 pay for it 是的到了 LOM 的这个数据标注的时候 data point 都是很贵的所以平和云峰你们都觉得这些 talent 就是这些非常有天分的呃员工在 scale 都能发挥出他们的特长也能够实现他们的抱负是吗对在我看来这些年轻人就他们他们是非常年轻的就是 scale 我觉得特别吸引顶尖学校的这些年轻人

这个公司也是给他们很多机会在我看来例子比如说就是我在 MLinfra 的时候就招了一个 New Grad 我们直接让他去做整个 ML 的这个 offline pipeline 这个其实在别的公司可能一整个整个组的人去做我们直接让 New Grad 去做因为当时没有这个东西他很快就打出来了所以我觉得这个公司给人的空间很大

我有一个问题就是他在九年前我前两天是在小红书上面贴了一个帖子就是关于九年前他在成立公司的时候在 YC 路演的时候他用的一个 pitch 就是说 scale.ai 是一个 API for human labor 那从这个角度来讲这个认知是非常先进的

那从你们加入公司以后或者说你们觉得这个公司是不是一个认知方面其实是走在前面的一个公司就是不管是 Alex 也好或者公司也好你们是怎么看的

我觉得雨婷也提了其实这个公司了解很多别的公司到底在标什么数据他可以知道很多 industry AI 的东西它的走向是什么所以在这个基础上面是有判断的而且在很多情况下我们会给客户推荐一些数据说我们觉得你们可能这个东西有用至少在我最后待的一段时间里面我们其实做了很多这种尝试并不是说被动的我要什么数据

OpenAI 问你们要什么数据你们去找人而是说其实你们是有认知的而且是能够帮助到那些模型公司让它往前走是这就是我们为什么会放 engineer 去做 sales 的原因或者做 customer support 的原因

因为我们很多时候我们 conversation 非常 open-ended 我们会讲说我们最近有了你的 model 的 access 我们自己 internally 看了一下然后我们觉得这些 area 可能不太好我们有一些这样的 idea 可以帮你把这方面做得好然后他们一听说 wow that's really cool 相对于其他的公司来说他们如果你接触的是比较传统的那种 model 的话你拿到是一个 salesperson 那你也要去提你的需求

但现在说实话这个 AI 这个 ArmRacer 是没有给你这样的时间和机会的你 take everything 你 take 所有人能够告诉你的说我觉得我可以帮你把这个东西做出来你肯定去试我觉得可以帮你我觉得你的 model 在这方面比另外那个 model 差了一点哇那可太 valuable 了

对我们是做很多这样的东西然后包括刚刚向英凤说的 agent 我们其实从 2023 年我们就在 pitch 这个 idea 就是我们当时拿到这些前沿的 research 之后我们自己会去 ideate 很多很多的就说我们你要 agentic data 我们怎么怎么帮你做对然后客户因为各种各样的原因

当时没有办法 prioritize 因为毕竟 big company 有 budget 有它自己的 road map 但是当他们真正想到说我们现在要开始做 agency 的时候他们肯定第一个找我们对吧有很多这样这样的 model

这其实确实是打破了我的很多认知因为从我的角度来讲不管你说是台积电也好还是那个富士康也好就是人家叫你做什么事情你做什么事情但是从我刚才从你们这边听到的我是觉得这不只是一个标注是一个需要理解

要理解要有深刻的洞见的这个是非常不容易但我还有一个问题尤其是在开始的时候至少 Scaled.ai 给很多人的理解就是跟数据标注数据有关的那你觉得那些名校的学生或者说 talented 最开始的时候是怎么被 Alex 忽悠去的

首先 Alex 他自己是 MIT Dropout 然后 Lucy 是 CMU 所以他们本身他们自己的朋友圈他们的同学其实最开始的那一波就拉了很多还确实是他们学校的同学然后就刚刚我讲的这个 LIDAR 的故事他是一个非常 season engineer 但他被拉进去的原因就是因为 LIDAR 这个 pure tech difficulty

他就觉得我看了一圈我就觉得这个东西是我能看到的最难的最 interestingtechnical problem to solve 这是他当时为什么 join 的原因对还有一个我觉得我经常听大家说的就是说你其实是能够非常前沿的去接触到

AI Frontier Research 的 direction 这个东西本身是一个非常 intellectual 的一个 exercise 不一定是说我找到什么样的 solution 而是我去 solve 一个什么样的 problem 那最后 translated 出来可能它会有各种各样的 solution 也好是不是 interesting 这个我们可以再聊但是 at the end of the day 我觉得你对那一块的 exposure 和你对就像我说的 2023 年我们就在开始 pitch agentic 就这些是非常非常 interesting 的 problem to solve

永远走在技术前面我相信这跟 Alex 和 Sam 的关系也是有关的

我的理解是他跟 Sam 一直是走得蛮近的所以说他跟 Sam 至少从一个朋友的角度能够经常接触或者怎么样肯定也是对他的认知有蛮大的帮助其实我刚才可以补充一下说其实 Alex 在硅谷有很多 connection 因为之前马斯克还开玩笑说 Alex 没有人比你在硅谷参加的 party 更多了就是他在硅谷不管是在商界还是在政界其实都有非常广泛的 connection 就是跟很多人都有联络

然后我看了 Alex 参加 YC 那个访谈他说其实因为他跟很多这些大模型的公司训练所以从处理数据的过程中他就已经发现了 AI 发展的 train 所以他们也是早早就已经开始在谋划说怎么样能够让自己的数据适配 genetic AI 的发展所以他们一直是不是像我们所想要或者我之前所想要的是被动的说别人委托我做什么事情其实他们是一直是 stay on top of things

就是主动的去解决很多问题我觉得这个也是改变我很多对 Skill AI 想法的地方那其实我还蛮想问问就是从这个交易的角度来看就是你们为什么你们觉得就是 Skill AI 还有 Alex 能为 Meta 提供什么以至于 Meta 愿意出 140 亿美元来收购 Skill

这个问题真的很难回答因为如果只是把 Alex 找过去的话我觉得不需要这么多钱但是我可以想象 Meta 非常需要 Alex 的 leadership 因为 Alex 本身是一个他很有前瞻性他自己工作也非常非常的勤奋对但这个敲译我其实不是完全确定哈哈

所以 Meta 现在确实是遭遇到了一个需要大换血的这么一个情景是吗对啊你去看的话相当于 Mark 他对从上到下他都觉得需要重新换对吧比如说 Leadership 换成 Alex 下面的 Researcher 也外面重新招从 OpenAI 或者到处去挖人所以他应该是这样认为就是说整个从上到下全部都要换但我可能更希望的是他

我还挺希望他不要做大换血这件事情是因为我认为 Young Le Queen 他们里的那个 team 是做 foundational research 的那个其实跟他想要 build 的这个 AGI 的这个 super lab 其实不是完全等同所以我如果他真的把那个 effort 给拿掉了我还觉得真的挺可惜的

你的意思是说 META 在 Basic Research 方面做的工作是应该值得持续 Put more effort 但是他们现在如果大换血的话有可能会动摇他们的 Foundation 我希望他们是

去做这个 additional 的这个 effort 而不是把那一块拿掉因为我之前在 Google 所以我觉得不太能想象 Google 把自己的 Foundation Research 的这种 effort 拿掉哪怕他跟这种 commercialization 的 effort 有点远但是我觉得那个是非常 fundamental 也是你从 long term 的角度来说你作为一个 core tech 公司怎么能够去 compete 一个很重要的原因雨婷你觉得 Meta 为什么要

出这么大的价钱去把 Alex 买来我们都知道 Alex 是一个领导能力很强也是一个有前瞻性的也是肯定能够给他带来很大的帮助但这个价格还是很高啊是一个天价啊就是说为什么会有这个天价呢首先我觉得这个价格是 market decide 对吧就是

因为我们大家也都看到了除了 scale 之外 meta 也据说去聊了很多 startup 这些没有一个是便宜的

所以我觉得有很多的现在的 arm risk 的 state 导致你的我们说 inflation 也好我们导致说 price point 非常高可能真的就是现阶段你需要去抢人才如果你去 hire 一个 single researcher 我们都在讨论这是 rumor 了这是传言对吧但是如果 single researcher 我们在讨论 100ml 的这种 comp package 的话 1 亿美元一个科学家

对那这个 Alex 难道还招不进来 14 个吗他在 Henry 方面也确实是非常强所以我觉得他可能现在看着是一个人但是他能够带出来的团队他能够招到的团队我觉得其实本身也是一个非常大的 add-on

没有 Alex 指 140 个 14 billion 还是一个天价那能不能有一个问题其实我也是想听听你们的意见因为它确实是我觉得价格低不了在目前但是它也可以去找一些真正做大模型就是从算法做模型

他这一次把那个 Alex 弄进去能不能理解就是小扎是觉得模型今后的瓶颈主要是在数据那我有一个对数据很懂的人那我的模型往前走就能够走得比人家好能不能这么理解还是说你们觉得不管是数据也好还是算法也好模型也好最终还是一个领导力他是一个领导力很强的一个人你们是怎么看的

都有吧,我认为可能更多的是一个 cultural shift,就是说你带来的是一个首先他的领导的风格非常像 Facebook 早期,可能就是 2006,2007 年这样的,对,他是,我觉得那个那个 culture shift 是一个很大的因素,那

这个人又同时又懂得数据的重要性他同时又就像我们刚刚聊的他的个人风格又永远也不会停留在这是我该做的他永远是 go extra and beyond 去找到最聪明或者最 influential 的这些人然后去 build on that 就这个是一个我觉得这是他能够带来的最 positive 的 change

所以说你是觉得跟 Facebook 早期的风格文化有点接近能不能展开说一下我觉得 Facebook 早期可能就是 move fast and break things 我觉得 Skel 我不知道你应该 agree 就是这个 culture 从文化上面来说 Alex 是一个非常擅长于 impose urgency 的一个人

然后对于现在的这个阶段来说,他的 mindset 可能,我们刚刚聊到了 foundational research,但是我觉得你是需要 foundational research,但你也需要一个层级的这种想法是我们必须得 deliver,我们必须得 iterate,我们必须得 fundationalize。

非常 move 非常非常的快在现在来说这种打法是很需要的对这种打法是需要的不一定是你唯一的打法但是我觉得从 meta 的角度来说这个打法可能对于他们来说是我们早年就是这样这样出来的可能现在让我们来试一试那我们需要一个新鲜的血液把这个文化重新给我们带起来然后来看看我们会不会在这方面能够取得更好的进展我可能是这样猜测的

是的我觉得有两个一个是聚焦一个是速度 Alex 很明显他很知道怎么把这两个方面其实他都很有经验了就是怎么去 focus 在一个东西上面然后让大家做得非常快公司有一个叫 run through the wall 这是一个 credo 不管发生什么事情你都要把它做出来像哥伦干的方法把它做出来这个在 skill 的人是深有体会怎么 run through the wall

能不能举一个例子让你怎么样把你给 motivate 去 run through the world 我可以讲一个我觉得其实跟我不很相关但是很有意思的一个例子在某一个时间我们要 pivot 要去做 e-commerce 这大概在 22 年的时候 21 年还是 22 年的时候我们 pivot 做 e-commerce

然后在很短的时间内我们要帮别人爬网页,scrape website 这是一个 skill 从来没做过的事情但是我们当时就召集了一组人比如我们 infrastructure 一半的人都被抓过去然后我们在大概三个星期之内就搭了一个可以 scrape hundreds of millions of web pages 这样一个 pipeline 我觉得可以算是 run through the wall 但它是怎么能够做到让大家能够去 run through the wall 呢

是有一个 leadership 这样一个人当时我记得是 Ruben 嘛这是一个长期的有好几本来说是几个星期后面到几个月一直都是 war room 这种状态其实所以说你刚才举的一个例子相当于是一个管理上面对就是从 leadership 上面就已经是很拼了然后在下面的人的话就是他会不停的 review 啊

雨婷能不能你介绍一个怎么能够让大家蹦得很紧就是靠什么诀窍让大家因为硅谷的公司尤其是在当然最近几年因为大模型出来各方面其实大家拼得多多但是之前 2016 年 Alex 成立这个公司到 2020、2021 年的时候我觉得硅谷相对来讲不是一个很卷的地方那听上去它是能够让这个公司变成一个很卷的公司很拼的公司

他有什么诀窍从我的角度来说可能是就是每个人做的东西你都能够非常非常直接的看到他跟你公司收入带来的关系

从很多我们不光是我对吧就像我的话我在 SKL 两年一直是有 revenue targetthat's the only thing 你是一个技术背景的人但是你是有 revenue target 对那我们很多的 engineer 也好或者就是公司的员工他们都能够很直接的看到我现在做的这个项目他带来的 revenue 是这样我如果不 deliver 这个 revenue 就有可能 at risk

这是一个非常直接的 impact 然后像我们早期因为其实从 scale 的 business model 来说我们会做很多像 POC 就 proof of concept 或者 pilot 然后你必须得 prove 你自己然后才能转成真正的对 multi-year 的这种 contract 对吧那

我们很多时候做这种 POC 和 pilot 的时候我们就放一个 engineer 而且很多时候这个 engineer 是一个 new ground engineer 我们就放一个上去你去 support 这个 you are 我们叫 DRIDirectly responsible individual 这个 pilot 不能 convert

你是的 responsible individual 能 convert 你马上就为这个公司带来了七位数或者多少位数的这个收入应收这个我觉得我们刚刚也讨论到了 scale 的这个他本身员工的这个组成对于这一些非常年轻的员工我觉得这是一个非常非常 powerful 的 incentive 还有一个问题就是在过去几年

几年很多年吧应该说是我时不时的也跟 Skeldalia 的一些员工接触我自己的一个感觉是这可能是一个 perception 是不是正确也都不知道就是好像感觉公司内部有些混乱这个混乱不是说好跟不好就是 chaos 我不知道你们对这个是怎么评价的也许这个 chaos 所谓的混乱其实是一件很好的事情因为大家走得快你对我这个感觉你们是怎么评价的

我觉得很中肯我觉得混乱来自于混乱一个来自于我们的这个速度混乱来自于就像刚刚用方说的这个聚焦因为这个聚焦本身在 AI 里面可能换的比较快然后混乱也来自于

所以说你觉得从你的角度来讲这种

所谓的 chaos 或者混混乱但是实际上反映出实际上本质是一件好事情因为大家走的快变化快能不能这么理解你是我其实今天刚刚昨天因为出了一个一个一个新闻这可能听起来有点跑题但就我不知道你们有没有看到 air table 呃刚刚 launch 了他的一个 ai coding agent 对吧就是他们的这个 nature of business 导致这个公司融了很多钱现在 series d 是 more than

那个四个亿的营收然后他们突然 pivot 对吧那你想就是一个那样的

都要一个这样的公司都要 pivot 那你可能想的就是这个他们 go through 的这个 pivot 这个 pain 可能就是我们在 scale 经常 go through 的这个东西所以对我们来说我们也非常习以为常就经常各种转型是吧对新的这些 business idea 或者新的这个 customer requirement 对吧或者说以前客户突然他自己不 care 他说这个东西这个 research directionturns out to be not worthwhile 我们现在要换一个

我們現在聽說別的公司在做這個然後他們這個 model 突然好了我們不做我們現在這些我們要做那個這些是在我們這兒是能夠被最大程度的 amplify 了之後造成的這個局面所以我覺得從很多角度來說其實是一個很好的 capture 整個 AI industry 的一個縮影這是非常有趣的因為技術發展最快的幾年就是最近幾年每天每個禮拜都是感覺往前走很快

那听你这么说在大模型有一个 breakthrough 之前你们已经经历了这个不断的快速往前走的这个几年只是在 Skill.ai 之外大家一开始没有觉得这是必要的

对于我们来说肯定 intensity 肯定也涨了就像刚刚雍凤讲的那个 e-commerce 那个 project 我们内部的自己的感受是可能当时就一年可能是那样一下就感觉大家觉得 wow so crazy 每个人都要 run through the wall 现在可能觉得这个东西就不停就是其实有一点习以为常了就很多我们的这种 top priority 的这种 project 都是那样的 level 的一个 effort 所以现在就大家真的都已经习以为常了

其实我有一个问题就是你们觉得 Alex 离开 Meta 或者说是他们收购了 49%的 Skill 的股份以后对 Skill 有什么影响对士气的影响挺大的对于我刚跟我们前同事的了解来说我觉得大家都挺还是挺 sad 的其实

所以我觉得现在还能做成什么样我们我也不是很清楚我觉得大家都得看一下能不能理解一个公司的灵魂就走了虽然说有可能剩下的灵魂也不错但是最开始的灵魂走掉了至少

是的 Alex 在 Skill 内部是非常非常受尊敬的新上任的 CEO 也是 Skill 以前的高管是吗是的 Jason 他之前在 Uber 做 Uber Eats 吧如果我没记错的话他实际上是一个很

很成熟的一个高管 Skill 在 Meta 内部其实以后还是独立运营的因为它只是占了 49%的股份剩下的股份其实还是可以它还是独立的一个公司是的对这个我可以稍微讲一下我的想法我是觉得一个公司成长最终跟创始人跟老大是密切相关的就像 Facebook 如果没有小扎的话其实很难做出来所以从这个角度上来讲我是觉得雨婷跟云峰所说

所担忧的也好 这怎么样也好我觉得是很有道理的这是第一第二 最近两年在 AI 界有几个类似的

你可以说是并购也可以说是半并购这样的一个举动其实它之所以这一次是投资了 49%其实并不是说它不想并购或者怎么样其实都是一个都是背后有一些原因的然后 Google 之前买了或者说是半并购了 Carrier.ai 那我们现在就看到 Carrier.ai 基本上就一蹶不振了这是第一个第二个它确实也是把

Caradoc 的 AI 的 CEO 拿到 Google 去产生了应该说是巨大巨大的价值

像最近 Gemini 2.5 出来应该说它的性能这么好是跟 Cara.ai 的 CEO 去了以后能够起到一些比较关键的作用尤其是听了你们两位介绍以后我是觉得 Meta 或者小扎在大模型上面确实是应该有个对它来说是比较大的促进但同时对公司对 Scale.ai 我觉得应该是影响不小

而且我看到有报道就是 Google 还有 OpenAI 现在他们都已经逐渐撤出了他们要与 Skill 的合作因为是比如说担心我们的数据可能在 Meta 的旗下不太安全啊什么的所以可能对他们的业务来说也是很大的影响

对 我们觉得可能 scale 需要去找一些新的商业增长点这个商业增长点其实就我们刚刚讨论的一些就是这个 Palantir 的这个 model 其实之前也一直在做尝试之后的话我就感觉他们可能会更多的是在这方面做尝试就是我们 to be 这块可能会去做一些尝试这是我之前听到的 对所以说你说的这个 Palantir model 能不能稍微展开说一下

Palantir Model 在这个地方指的是就是说可能更多的是你有一个 service 加上 tech 的一个 enablement 这两个东西是 roll into one 的那从客户的角度来说就是说客户可能不是在买一个软件或者说客户不是在买一个这样的而是客户说我现在想做一个这样这样的系统

你能不能帮我把这个东西搭出来然后其实客户真正 care 的是这个 outcome 对 VC 其实整个创投圈也非常看好的这个方向就是他们叫什么来着叫 AI enabled services

这个其实我之前在 Skill 的时候离职之前其实跟他们做了很多 agent 的 infra 的东西所以我大概知道他们在做什么东西就是跟很多公司说就是这个公司可能比较传统它甚至可能也是一个科技公司但是他们没有 AI capability 所以 Skill 帮他们做很多比如说 agent 也好也许不会直接说 agent 但是就说我们把这个 AI capability 加到你的公司里面去

然后可以让你的公司有一个 transformation 这个 Skill 有一个叫 Generative AI Platform 主要是为这些客户服务的所以说最重要的就是以结果为导向我不只是卖你软件也不只是卖你服务卖给你的是一个结果我这边最后有一个问题你们都是最近都离开了 Skill.ai 然后自己也在创业

你觉得大家应该能够从 Skill.ai 能够学到点什么东西是对大家都会有帮助的一些经验或者教训能不能跟大家分享一下刚刚用 FourShare 一个 credo 叫 Run Through the Wall 我们另外两个 credo 我非常喜欢的一个叫做 Ambition Shapes Reality

第二个叫做 Earn Customer Love 这两个 credo 是我 personally 都非常喜欢然后我觉得我会在我接下来的创业公司也会去传承这个价值观的这里点对第一个就是说很多 UFO 刚刚提到的那个就包括我们后面之前做了很多项目其实很多张

我们第一次决定做它的时候我自己心里都觉得 sounds crazy 就是真的能做出来吗就是 ambition shapes reality 对你一定要相信你能做出这件事情你才能付出你 300%的努力去真的把它做成

这是第一个,第二个你刚才说的是什么?叫 Ear Customer Love,就是我们永远会 go beyond for our customer,就是我们认为他们,就像我们之前说的那个 thought leadership,他们可能很多时候找我们,就是我们要这样的数据,我们不仅 deliver 这样的数据,我们还要 deliver 一个 Eval 给他的 model,

然后我们还要 deliver next step on 我们觉得接下来我们可以这样帮你把你的 model 的 performance 再 improve 我们永远会在他们要的基础上再去做下一步我可能还可以再展开一点比如说 ambitious shapes reality 这个其实在逼大家很多情况下从 first principle 去考虑这个问题比如说你一定要把这个事情做成

不管以什么 approach 必须把这个事情做成在这种很多情况下因为在 AI 的这个领域里面很多东西是新的他可能会逼你重新去思考这个问题从各个角度去考虑这个问题这是为什么 skill 的这些 newground 成长那么快

他可以在很短很短的时间里面获取大量的这种经验他可能本来没有思考过这些问题比如说之前我们在跟 Lama3 launch 的时候跟我们合作那个时候我们 Tri-X 说我们需要把我们的这个 infraMO infra open source 出来我们从来没做过但是整个 codebase 都不是 external 的都是完全是 internal 的

然后我们没有办法大概当时就花了一两个星期疯狂的 hack 想各种方法怎么能够把它 public 和 internal 都可以用起来因为我们当时也就看了这种例子其实是很少的就是突然突然要把 internal 转成 open source 然后内部也可以用外部也可以用所以说出来就是有很多看上去是 impossible 的目标你们老大说了或者说是自己客户说了你们就拼着命

怎么样都把它给做出来对很多情况下其实是能做出来的就是说你可能在事前你去你去估计这个事情也太难了吧这怎么可能但是最后被逼了以后好像确实能做出来说老实话我在跟你们聊之前我自以为对 scale.ai 啊

了解不少但其实短短的一个小时不到我觉得我对 Skill.ai 应该说是产生了浓浓的敬意然后我是觉得去谈论 Skill.ai 是 AI 界的台积电还是富士康感觉太 low 了应该是 AI 界的 OpenAI 还是 Anthropic 还是怎么样

谢谢雨婷啊谢谢云芬感谢云芬和雨婷那我们今天就这样拜拜拜拜