第131章 鼎支付
「訓練不用開物的數據。」韓路一說。
趙文淵放下手裡的咖啡：「剛才那兩百多條」
「專門給你看質量的，既然質量達標，就按這個標準來。」韓路一說，「既然我們要做的是通用對話模型，得讓它理解各行各業的人在說什麼。天工積累的這些代碼相關的數據就不太用的上了，我們需要更多元的數據。」
「你以前在谷歌的時候有經驗，他們是怎麼做的？」韓路一問道。
趙文淵想了想：「大模型出來這幾年，流程已經摸索的差不多了。大廠做對話模型，數據管線一般分三步：先是海量採集，爬蟲加授權數據源，數據PB級起步，恨不得把整個網際網路都存下來；然後清洗，去重、去噪，砍掉百分之八九十的垃圾；最後是標註，上千人的團隊按標註規範一條一條標，光標註成本一年就能燒幾千萬。」
他看了韓路一一眼：「我們沒那個資源，但做原型到也不需要那麼大的量，開源語料庫里有現成的公開數據集、社區問答、百科、論壇，採集和基礎清洗別人已經做過一輪了，剩下的是精洗和標註。五千條高質量標註，就算找外包，也得十幾萬加兩三周，但是質量」
趙文淵的話沒說完，開源語料，找外包標註，和韓路一剛才給他看的標註質量比，那是一個地下一個天上。他技術再自信，也不敢說這種方法做出來的東西可以出去拉投資。
「我也是這個想法。你放心，數據交給我，保證都是剛才的那個質量。」韓路一保證道。
趙文淵狐疑的看了他一眼，你知道自己在說什麼嗎？
開物的數據能標是你有數據源，有用戶場景，有深度理解一一開源語料有什麼？
趙文淵儘量讓自己的語氣聽起來沒那麼冒犯：「開源數據誰都能拿到，標註出來都大差不差，能有什麼區別？」
好問題，我自有辦法。
韓路一看出他不信，也不糾纏：「總之交給我，你先搭訓練管線就行。」
兩人聊完，趙文淵回十三樓繼續工作去了。
韓路一靠在椅背上，想著接下來的事。
趙文淵說得沒錯，開源語料誰都能拿到，標註出來都大差不差，但那是對普通標註員而言。數據標註是什麼？說白了，數據標註就是做理解，給你一篇文章，問「這個人到底想幹什麼」，標註員寫一個標準答案。現在業內的做法是流水線作業：清洗管線負責去重、去噪、統一格式，標註員拿到乾淨的文本，按規範提取核心意圖，一篇三千字的博客，最終變成一句話的意圖標籤。
但標註員忽略的那些細節，恰恰是韓路一最想要的。
一個用戶在論壇發帖，問怎麼跟父母開口說自己不想回老家工作，正文兩百多字，中間有一句「我爸上個月剛退休」。標註員提取的意圖標籤是「如何說服父母接受個人職業選擇」。
但那句「上個月剛退休」在視界下被高亮了。
父親剛退休，兒子這時候提不回去，這其實不是職業選擇的問題，是父親突然空出來的時間和情感需求撞上了兒子的邊界。
這個用戶真正需要的不是說服技巧，是怎麼在不傷感情的前提下，拒絕一個剛剛開始變得孤獨的人。「如何說服父母接受個人職業選擇」這個標註，連問題的門都沒摸到。
語料越精簡，視界反而越難用，信號都在那些被忽略的細節里，原始數據才是金礦。
韓路一要做的，就是使用視界，把那些別人以為是噪聲、其實是真正相關的上下文，撈出來，再配上準確的意圖標註。
同樣一條數據，別人標出來是一句話，他標出來是一整張需求地圖。
點石成金。
和趙文淵聊完，韓路一又去了司衡律師事務所。
顧司玥已經在等了，桌上文件收得乾淨，桌上擺了兩杯英式紅茶。
「來了，坐。」
韓路一坐下，端起紅茶喝了一口，味道還行。
「怎麼，什麼事電話里不方便說？」
韓路一把自己的情況講了一下。
想做一家獨立的模型公司，核心團隊從源碼抽調，主要是趙文淵。主要問題是：他本人和趙文淵能不能同時在兩邊任職？
顧司玥聽完沒說話，轉身從柜子里抽出源碼科技的合同檔案。
源碼科技A輪的協議是她審過的，趙文淵的勞動合同、期權協議都是她擬的，條款她比韓路一自己還清翻了不到一分鐘，合上了。
「先說趙文淵，他的情況簡單。」顧司玥拿起筆，在便簽紙上畫了條線，「競業條款要生效，得源碼主動起訴。你是CE0，你會告他跟你做新項目嗎？」
「那就沒問題了？」
顧司玥看了他一眼，在紙上寫了兩個字，在上面畫了一個圈。
「有一個隱患，期權。」
韓路一靜靜聽著。
「趙文淵在源碼的未兌現期權有百分之三，要一年才能解鎖第一批。」
顧司玥在紙上寫了個數字，六千萬。
「按源碼二十億估值，百分之三就是這個數。」她放下筆，「他才幹了不到兩個月，一股都沒到手。只要離職，全部作廢。」
「如果不離職呢？」韓路一問。
「不離職的話，法律上有個忠實義務的問題，員工不能為關聯方提供核心技術服務。」顧司玥說，「但這條很虛，只要新公司不註冊、不占用他在源碼的工作時間、不使用源碼的任何資源，沒人告得了他。」「那就沒問題。」
「現在沒問題。」顧司玥強調了「現在」兩個字，「問題在後面。賀雲深在董事會有席位，有權審查公司運營和重大人事，如果有一天他發現你的核心技術負責人在給你的體外項目幹活一」
她豎起手指頭一條條數：「第一，要求你解釋；第二，要求趙文淵終止，不終止就解僱，未解鎖期權全部作廢；第三，順便質疑你這個CE0有沒有在全職做事。」
她看著韓路一。
「總之，他承擔的風險很大。」
說完，顧司玥翻了一頁便簽紙。
「接著你的情況，CE0加大股東，A輪投資協議還簽了全職承諾條款。」
「你同時實控另一家公司，屬於技術性違約。嚴格來說，投資人可以要求你限期整改，甚至觸發回購條款。」
韓路一等著她的「但是」。
顧司玥果然有但是：「但是，實操中，投資人幾乎不會因為全職條款違約就走法律程序，太傷關係，而且嚴重影響公司正常運營。」
她把筆放下。
「法律上你的處境比想像中好，只是你要注意一件事：新公司和源碼的資產一定要分的很開。」「你是說，這是法律上最大的風險？」韓路一問。
顧司玥沒有直接回答：「你知道當年鼎支付是什麼時候從鼎盛體系里拆出來的嗎？」
「2011年。」
「你知道就好。」顧司玥靠回椅背，「2011年，呂雲把鼎支付從鼎盛集團轉到他個人控制的內資公司，理由是央行要求第三方支付牌照必須內資持有。鼎盛的投資人作為大股東事先完全不知情，事後直接炸了鍋。」
「這件事在當時爭議非常大。支持的人說他有遠見，牌照不拿到手鼎支付就是死路一條；反對的人說他吃相難看，拿監管當藉口把公司最值錢的資產搬到自己口袋裡。華爾街那邊更直接，好幾家投行直接下調了鼎盛的評級，理由是創始人不值得信任。」
「最後靠補償協議收場，鼎盛集團拿到鼎支付上市後百分之三十七點五的利潤分成，加上一筆現金補償。表面上皆大歡喜，但信任裂痕始終沒修復，鼎盛後來IP0的時候，鼎支付的估值只能以協議價算進去，比市場價低了一大截。而且從那以後，鼎盛每做一筆新業務拆分，投資人都要先問一句，這次是不是又要搬家？」
顧司玥看著韓路一。
「呂雲能推動這件事，是因為他在鼎盛有絕對控制權，沒人能擋他。就這樣，他還是付出了巨大的信任代價，你呢？」
趙文淵放下手裡的咖啡：「剛才那兩百多條」
「專門給你看質量的，既然質量達標，就按這個標準來。」韓路一說，「既然我們要做的是通用對話模型，得讓它理解各行各業的人在說什麼。天工積累的這些代碼相關的數據就不太用的上了，我們需要更多元的數據。」
「你以前在谷歌的時候有經驗，他們是怎麼做的？」韓路一問道。
趙文淵想了想：「大模型出來這幾年，流程已經摸索的差不多了。大廠做對話模型，數據管線一般分三步：先是海量採集，爬蟲加授權數據源，數據PB級起步，恨不得把整個網際網路都存下來；然後清洗，去重、去噪，砍掉百分之八九十的垃圾；最後是標註，上千人的團隊按標註規範一條一條標，光標註成本一年就能燒幾千萬。」
他看了韓路一一眼：「我們沒那個資源，但做原型到也不需要那麼大的量，開源語料庫里有現成的公開數據集、社區問答、百科、論壇，採集和基礎清洗別人已經做過一輪了，剩下的是精洗和標註。五千條高質量標註，就算找外包，也得十幾萬加兩三周，但是質量」
趙文淵的話沒說完，開源語料，找外包標註，和韓路一剛才給他看的標註質量比，那是一個地下一個天上。他技術再自信，也不敢說這種方法做出來的東西可以出去拉投資。
「我也是這個想法。你放心，數據交給我，保證都是剛才的那個質量。」韓路一保證道。
趙文淵狐疑的看了他一眼，你知道自己在說什麼嗎？
開物的數據能標是你有數據源，有用戶場景，有深度理解一一開源語料有什麼？
趙文淵儘量讓自己的語氣聽起來沒那麼冒犯：「開源數據誰都能拿到，標註出來都大差不差，能有什麼區別？」
好問題，我自有辦法。
韓路一看出他不信，也不糾纏：「總之交給我，你先搭訓練管線就行。」
兩人聊完，趙文淵回十三樓繼續工作去了。
韓路一靠在椅背上，想著接下來的事。
趙文淵說得沒錯，開源語料誰都能拿到，標註出來都大差不差，但那是對普通標註員而言。數據標註是什麼？說白了，數據標註就是做理解，給你一篇文章，問「這個人到底想幹什麼」，標註員寫一個標準答案。現在業內的做法是流水線作業：清洗管線負責去重、去噪、統一格式，標註員拿到乾淨的文本，按規範提取核心意圖，一篇三千字的博客，最終變成一句話的意圖標籤。
但標註員忽略的那些細節，恰恰是韓路一最想要的。
一個用戶在論壇發帖，問怎麼跟父母開口說自己不想回老家工作，正文兩百多字，中間有一句「我爸上個月剛退休」。標註員提取的意圖標籤是「如何說服父母接受個人職業選擇」。
但那句「上個月剛退休」在視界下被高亮了。
父親剛退休，兒子這時候提不回去，這其實不是職業選擇的問題，是父親突然空出來的時間和情感需求撞上了兒子的邊界。
這個用戶真正需要的不是說服技巧，是怎麼在不傷感情的前提下，拒絕一個剛剛開始變得孤獨的人。「如何說服父母接受個人職業選擇」這個標註，連問題的門都沒摸到。
語料越精簡，視界反而越難用，信號都在那些被忽略的細節里，原始數據才是金礦。
韓路一要做的，就是使用視界，把那些別人以為是噪聲、其實是真正相關的上下文，撈出來，再配上準確的意圖標註。
同樣一條數據，別人標出來是一句話，他標出來是一整張需求地圖。
點石成金。
和趙文淵聊完，韓路一又去了司衡律師事務所。
顧司玥已經在等了，桌上文件收得乾淨，桌上擺了兩杯英式紅茶。
「來了，坐。」
韓路一坐下，端起紅茶喝了一口，味道還行。
「怎麼，什麼事電話里不方便說？」
韓路一把自己的情況講了一下。
想做一家獨立的模型公司，核心團隊從源碼抽調，主要是趙文淵。主要問題是：他本人和趙文淵能不能同時在兩邊任職？
顧司玥聽完沒說話，轉身從柜子里抽出源碼科技的合同檔案。
源碼科技A輪的協議是她審過的，趙文淵的勞動合同、期權協議都是她擬的，條款她比韓路一自己還清翻了不到一分鐘，合上了。
「先說趙文淵，他的情況簡單。」顧司玥拿起筆，在便簽紙上畫了條線，「競業條款要生效，得源碼主動起訴。你是CE0，你會告他跟你做新項目嗎？」
「那就沒問題了？」
顧司玥看了他一眼，在紙上寫了兩個字，在上面畫了一個圈。
「有一個隱患，期權。」
韓路一靜靜聽著。
「趙文淵在源碼的未兌現期權有百分之三，要一年才能解鎖第一批。」
顧司玥在紙上寫了個數字，六千萬。
「按源碼二十億估值，百分之三就是這個數。」她放下筆，「他才幹了不到兩個月，一股都沒到手。只要離職，全部作廢。」
「如果不離職呢？」韓路一問。
「不離職的話，法律上有個忠實義務的問題，員工不能為關聯方提供核心技術服務。」顧司玥說，「但這條很虛，只要新公司不註冊、不占用他在源碼的工作時間、不使用源碼的任何資源，沒人告得了他。」「那就沒問題。」
「現在沒問題。」顧司玥強調了「現在」兩個字，「問題在後面。賀雲深在董事會有席位，有權審查公司運營和重大人事，如果有一天他發現你的核心技術負責人在給你的體外項目幹活一」
她豎起手指頭一條條數：「第一，要求你解釋；第二，要求趙文淵終止，不終止就解僱，未解鎖期權全部作廢；第三，順便質疑你這個CE0有沒有在全職做事。」
她看著韓路一。
「總之，他承擔的風險很大。」
說完，顧司玥翻了一頁便簽紙。
「接著你的情況，CE0加大股東，A輪投資協議還簽了全職承諾條款。」
「你同時實控另一家公司，屬於技術性違約。嚴格來說，投資人可以要求你限期整改，甚至觸發回購條款。」
韓路一等著她的「但是」。
顧司玥果然有但是：「但是，實操中，投資人幾乎不會因為全職條款違約就走法律程序，太傷關係，而且嚴重影響公司正常運營。」
她把筆放下。
「法律上你的處境比想像中好，只是你要注意一件事：新公司和源碼的資產一定要分的很開。」「你是說，這是法律上最大的風險？」韓路一問。
顧司玥沒有直接回答：「你知道當年鼎支付是什麼時候從鼎盛體系里拆出來的嗎？」
「2011年。」
「你知道就好。」顧司玥靠回椅背，「2011年，呂雲把鼎支付從鼎盛集團轉到他個人控制的內資公司，理由是央行要求第三方支付牌照必須內資持有。鼎盛的投資人作為大股東事先完全不知情，事後直接炸了鍋。」
「這件事在當時爭議非常大。支持的人說他有遠見，牌照不拿到手鼎支付就是死路一條；反對的人說他吃相難看，拿監管當藉口把公司最值錢的資產搬到自己口袋裡。華爾街那邊更直接，好幾家投行直接下調了鼎盛的評級，理由是創始人不值得信任。」
「最後靠補償協議收場，鼎盛集團拿到鼎支付上市後百分之三十七點五的利潤分成，加上一筆現金補償。表面上皆大歡喜，但信任裂痕始終沒修復，鼎盛後來IP0的時候，鼎支付的估值只能以協議價算進去，比市場價低了一大截。而且從那以後，鼎盛每做一筆新業務拆分，投資人都要先問一句，這次是不是又要搬家？」
顧司玥看著韓路一。
「呂雲能推動這件事，是因為他在鼎盛有絕對控制權，沒人能擋他。就這樣，他還是付出了巨大的信任代價，你呢？」