第145章 把他的數據供應商，挖過來
鄭曉波這句話一出口，劉大海就知道自己不用再說了。
鄭曉波是真的懂。
執掌鼎盛這樣一個巨頭，確實得有兩把刷子，知識儲備到了，至少溝通成本能低不少。
而且AI賽道正在風口上，哪家大廠也不敢掉隊，對行業的關注甚至不比領域內的投資人和從業者少。Scale AI，矽谷最炙手可熱的獨角獸之一，他們不做模型，不做產品，只專注做一件事一一數據標註，可以說是A1時代的賣鏟人。
就憑這一項業務，Scale AI的估值做到了幾百億美金。
這是什麼概念？小半個鼎盛了。
於是劉大海在文檔里連翻了幾頁，跳過了準備好的鋪墊，直接翻到一張對比圖。
「2023年6月，微軟研究院發了一篇論文，叫《Tetbooks Are All You Need》（你只需要教科書），用精心篩選的教科書級別的數據訓了一個十三億參數的小模型，Phi-1，在代碼生成任務上打贏了市面上那些參數量是它十倍、訓練數據是它一百倍的大模型。」
程遠插了一句：「劉博士，這是什麼概念？」
「當時除了GPT沒有一個模型跑得過它。」劉大海說，「只有十三億的參數，8張A100訓練了4天，就這麼點成本。這篇論文證明了一件事，數據質量夠高，小模型就能幹翻大模型。」
他轉向鄭曉波。
「這和湯圓的情況完全吻合。7B，就是七十億的參數，一萬條訓練數據，意圖理解打贏了坤元。關鍵不是模型有多大，是數據質量得好。」
最近幾年，這幾乎已經成為AI行業的共識了：誰的標註質量高，誰的模型就強。架構變化不大，算力的邊際效益遞減，但高質量的數據標註才還有很長的進步空間。
問題是，所有人都知道數據標註重要，卻沒人知道數據標註得好到什麼程度才足夠。
OpenAl、Anthropic、Meta，每年砸幾十億美金在數據標註上，模型的表現確實是一代比一代強，但進步也越來越慢，誰也不知道什麼時候會撞牆，也沒人知道極限在哪。
不管資本炒的多麼火熱，這個行業的所有從業者，大家都在一望無際的大海上摸索前行。
直到看到湯圓，劉大海確信自己看到了未來的信標。
鄭曉波沒說話。
劉大海的語速慢下來了，聲音壓低了半度。
「從模型表現倒推，他們的標註精度恐怕是我從業這些年能想像到的最高水平。不是高一點，是高整整一個量級。」
辦公室又安靜了。
鄭曉波的手指在扶手上輕輕敲了兩下。
「那他的數據，會是從哪來的？」
這個問題一出來，劉大海和程遠同時看向他。
鄭曉波的表情沒有變化。
劉大海先開口了：
「鄭總，我先給您算一筆帳，摟一摟。現在行業里最頂級的標註服務，Scale AI的專家級標註，一條大概七八十美金。但那種精度和湯圓的數據比起來，肯定還差了一截。如果按湯圓這個精度去買，市場上根本沒有這個服務，硬要估價的話，一條怎麼也得一百美金往上。他們說的是不到一萬條數據，就算一萬條，光數據成本就是一百萬美金。」
「這種精度的標註不可能是一兩個人手工做的。要麼有專業的標註團隊，要麼有獨家數據源，要麼是和哪個大型研究機構合作。」
鄭曉波看向程遠，下了命令：
「讓商務情報團隊去查，源碼科技的工商變更、公開的合作披露，看看他們最近半年有沒有和標註公司或數據機構打過交道。再查查他們的招聘崗位，有沒有招過標註相關的人。」
程遠點頭，在文件夾內頁空白處快速記了幾筆。
「找到他的數據供應商，」鄭曉波說，「直接挖過來。」
劉大海補了一句：「如果能找到標註規範文檔，那比數據本身還值錢。有了規範至少知道方向在哪，咱們可以試試自己做。」
鄭曉波看了他一眼，微微點了點頭。
「第二件事，」他的視線回到程遠身上，「算力合作可以先談著。」
程遠擡頭，好像自己沒想通：「談合作。」
「但是有條件。合作框架里必須包含一條一一共享訓練數據。」
「如果韓路一不同意呢？」程遠問。
「先談著，但別把姿態擺太高。」鄭曉波的聲音中氣很足，「算力他能找別人要，這個數據我們暫時還找不到第二家。」
「等找到他的供應商，就不用談了。」
程遠露出恍然大悟的神色，趕緊把這句話也記下了。
劉大海在旁邊全程看著，覺得這倆人聊天跟演雙簧似的。這拍馬屁的功夫，比機器學習還難學哦。鄭曉波把轉椅一轉，面向落地窗。
黃浦江在下面拐了個彎，對岸的寫字樓群在冬天的薄霧裡若隱若現。
他背對著兩個人，說了最後一個問題。
「大海，你跟我說句實話。」
劉大海看著他的背影。
「如果拿到他們的數據，坤元能提高多少？」
劉大海沒有立刻回答。
他想了幾秒鐘。
作為一個在機器學習行業泡了十幾年的人，他太清楚85.2意味著什麼。坤元的意圖理解是78，已經是國內第一梯隊。換句話說，從78到85，這七個點，鼎盛模型組兩百多人幹了半年也沒摸到門。而那倆人，哦對，韓路一，用一萬條數據就做到了。
關鍵不是他的模型有多好，關鍵是那一萬條數據有多好。
他越想越是興奮。
「鄭總，如果咱們能拿到他那種精度的標註數據，哪怕只給我五萬條一」
他停了一下。
「坤元能把這個行業的天花板，給捅個窟窿出來。到時候就是咱們鼎盛的模型在全球第一。」鄭曉波轉過身來，窗外灰白色的天光勾出他的輪廓，臉上帶著淡淡的笑意。
「那我就拭目以待了。」
「程遠，你去辦吧。」鄭曉波拿起桌上的礦泉水喝了一口，「算力合作的事，先別給韓路一回復，讓他等兩天。」
程遠愣了一下：「鄭總，這是……」
「記住，在談判桌上，先開口的人，輸。」
與此同時，源碼科技。
韓路一坐在辦公室，點開視界，花了二十分鐘，又標了三百多條數據。
看了看精力值，他打了一個哈欠。
這時，韓路一的手機響了一下，他拿起來一看，是【404寢室】群的消息，有人@他。
前段時間馬小飛和張浩然看球在群裡面刷屏，他設置了消息免打擾，有幾天沒看了。
韓路一翻了一下聊天記錄。
【馬小飛】：兒子們都幹啥呢！咱多久沒見了，出來聚聚不？
【張浩然】：半死，微活。
【張浩然】：還是你們媒體人有活力啊。
【馬小飛】：怎麼了，鐵飯碗還能把你給累著？
【張浩然】：開玩笑呢，現在行里搞全員吸儲，我這個季度的考核還沒著落呢。
【馬小飛】：連你們技術崗都不放過？！
【張浩然】：你來得正好，救救哥，你的人脈里有款爺嗎？
【馬小飛】：手動幫你找款爺，@我的父親韓路一
【馬小飛】：老韓你這是什麼群暱稱，占我便宜是吧？
韓路一爬完了樓，一拍腦門。
最近工作忙的暈頭轉向，怎麼都忘了帶兒子們飛了？我真該死啊。
【我的父親韓路一】：這周末吧？老地方見？
【張浩然】：我要是不加班就來。
【我的父親韓路一】：唉，我這手頭正好有筆閒錢要要存…
【張浩然】：義父！不見不散！
鄭曉波是真的懂。
執掌鼎盛這樣一個巨頭，確實得有兩把刷子，知識儲備到了，至少溝通成本能低不少。
而且AI賽道正在風口上，哪家大廠也不敢掉隊，對行業的關注甚至不比領域內的投資人和從業者少。Scale AI，矽谷最炙手可熱的獨角獸之一，他們不做模型，不做產品，只專注做一件事一一數據標註，可以說是A1時代的賣鏟人。
就憑這一項業務，Scale AI的估值做到了幾百億美金。
這是什麼概念？小半個鼎盛了。
於是劉大海在文檔里連翻了幾頁，跳過了準備好的鋪墊，直接翻到一張對比圖。
「2023年6月，微軟研究院發了一篇論文，叫《Tetbooks Are All You Need》（你只需要教科書），用精心篩選的教科書級別的數據訓了一個十三億參數的小模型，Phi-1，在代碼生成任務上打贏了市面上那些參數量是它十倍、訓練數據是它一百倍的大模型。」
程遠插了一句：「劉博士，這是什麼概念？」
「當時除了GPT沒有一個模型跑得過它。」劉大海說，「只有十三億的參數，8張A100訓練了4天，就這麼點成本。這篇論文證明了一件事，數據質量夠高，小模型就能幹翻大模型。」
他轉向鄭曉波。
「這和湯圓的情況完全吻合。7B，就是七十億的參數，一萬條訓練數據，意圖理解打贏了坤元。關鍵不是模型有多大，是數據質量得好。」
最近幾年，這幾乎已經成為AI行業的共識了：誰的標註質量高，誰的模型就強。架構變化不大，算力的邊際效益遞減，但高質量的數據標註才還有很長的進步空間。
問題是，所有人都知道數據標註重要，卻沒人知道數據標註得好到什麼程度才足夠。
OpenAl、Anthropic、Meta，每年砸幾十億美金在數據標註上，模型的表現確實是一代比一代強，但進步也越來越慢，誰也不知道什麼時候會撞牆，也沒人知道極限在哪。
不管資本炒的多麼火熱，這個行業的所有從業者，大家都在一望無際的大海上摸索前行。
直到看到湯圓，劉大海確信自己看到了未來的信標。
鄭曉波沒說話。
劉大海的語速慢下來了，聲音壓低了半度。
「從模型表現倒推，他們的標註精度恐怕是我從業這些年能想像到的最高水平。不是高一點，是高整整一個量級。」
辦公室又安靜了。
鄭曉波的手指在扶手上輕輕敲了兩下。
「那他的數據，會是從哪來的？」
這個問題一出來，劉大海和程遠同時看向他。
鄭曉波的表情沒有變化。
劉大海先開口了：
「鄭總，我先給您算一筆帳，摟一摟。現在行業里最頂級的標註服務，Scale AI的專家級標註，一條大概七八十美金。但那種精度和湯圓的數據比起來，肯定還差了一截。如果按湯圓這個精度去買，市場上根本沒有這個服務，硬要估價的話，一條怎麼也得一百美金往上。他們說的是不到一萬條數據，就算一萬條，光數據成本就是一百萬美金。」
「這種精度的標註不可能是一兩個人手工做的。要麼有專業的標註團隊，要麼有獨家數據源，要麼是和哪個大型研究機構合作。」
鄭曉波看向程遠，下了命令：
「讓商務情報團隊去查，源碼科技的工商變更、公開的合作披露，看看他們最近半年有沒有和標註公司或數據機構打過交道。再查查他們的招聘崗位，有沒有招過標註相關的人。」
程遠點頭，在文件夾內頁空白處快速記了幾筆。
「找到他的數據供應商，」鄭曉波說，「直接挖過來。」
劉大海補了一句：「如果能找到標註規範文檔，那比數據本身還值錢。有了規範至少知道方向在哪，咱們可以試試自己做。」
鄭曉波看了他一眼，微微點了點頭。
「第二件事，」他的視線回到程遠身上，「算力合作可以先談著。」
程遠擡頭，好像自己沒想通：「談合作。」
「但是有條件。合作框架里必須包含一條一一共享訓練數據。」
「如果韓路一不同意呢？」程遠問。
「先談著，但別把姿態擺太高。」鄭曉波的聲音中氣很足，「算力他能找別人要，這個數據我們暫時還找不到第二家。」
「等找到他的供應商，就不用談了。」
程遠露出恍然大悟的神色，趕緊把這句話也記下了。
劉大海在旁邊全程看著，覺得這倆人聊天跟演雙簧似的。這拍馬屁的功夫，比機器學習還難學哦。鄭曉波把轉椅一轉，面向落地窗。
黃浦江在下面拐了個彎，對岸的寫字樓群在冬天的薄霧裡若隱若現。
他背對著兩個人，說了最後一個問題。
「大海，你跟我說句實話。」
劉大海看著他的背影。
「如果拿到他們的數據，坤元能提高多少？」
劉大海沒有立刻回答。
他想了幾秒鐘。
作為一個在機器學習行業泡了十幾年的人，他太清楚85.2意味著什麼。坤元的意圖理解是78，已經是國內第一梯隊。換句話說，從78到85，這七個點，鼎盛模型組兩百多人幹了半年也沒摸到門。而那倆人，哦對，韓路一，用一萬條數據就做到了。
關鍵不是他的模型有多好，關鍵是那一萬條數據有多好。
他越想越是興奮。
「鄭總，如果咱們能拿到他那種精度的標註數據，哪怕只給我五萬條一」
他停了一下。
「坤元能把這個行業的天花板，給捅個窟窿出來。到時候就是咱們鼎盛的模型在全球第一。」鄭曉波轉過身來，窗外灰白色的天光勾出他的輪廓，臉上帶著淡淡的笑意。
「那我就拭目以待了。」
「程遠，你去辦吧。」鄭曉波拿起桌上的礦泉水喝了一口，「算力合作的事，先別給韓路一回復，讓他等兩天。」
程遠愣了一下：「鄭總，這是……」
「記住，在談判桌上，先開口的人，輸。」
與此同時，源碼科技。
韓路一坐在辦公室，點開視界，花了二十分鐘，又標了三百多條數據。
看了看精力值，他打了一個哈欠。
這時，韓路一的手機響了一下，他拿起來一看，是【404寢室】群的消息，有人@他。
前段時間馬小飛和張浩然看球在群裡面刷屏，他設置了消息免打擾，有幾天沒看了。
韓路一翻了一下聊天記錄。
【馬小飛】：兒子們都幹啥呢！咱多久沒見了，出來聚聚不？
【張浩然】：半死，微活。
【張浩然】：還是你們媒體人有活力啊。
【馬小飛】：怎麼了，鐵飯碗還能把你給累著？
【張浩然】：開玩笑呢，現在行里搞全員吸儲，我這個季度的考核還沒著落呢。
【馬小飛】：連你們技術崗都不放過？！
【張浩然】：你來得正好，救救哥，你的人脈里有款爺嗎？
【馬小飛】：手動幫你找款爺，@我的父親韓路一
【馬小飛】：老韓你這是什麼群暱稱，占我便宜是吧？
韓路一爬完了樓，一拍腦門。
最近工作忙的暈頭轉向，怎麼都忘了帶兒子們飛了？我真該死啊。
【我的父親韓路一】：這周末吧？老地方見？
【張浩然】：我要是不加班就來。
【我的父親韓路一】：唉，我這手頭正好有筆閒錢要要存…
【張浩然】：義父！不見不散！