即刻App
年轻人的同好社区
下载
App内打开
哈维xavi
238
关注
5
被关注
0
夸夸
哈维xavi
5月前
熊猫ai甘蔗: 从Surge, Scale聊到我对数据行业的总体看法 Scale被Meta投资后，非常多人来咨询我对数据行业的看法。硅谷101在6.23这期视频中邀请我分析了几个关键问题，包括Alex为什么愿意加入Meta（感兴趣的朋友可以看看视频https://b23.tv/j4oAuYu）。昨天西元@西元Levy 又问我对Surge的看法，正好借此机会，我把大家最关心的几个问题系统整理一下，一并分享出来。 ⚡️1. 关于数据行业，大家有两个常见的误解： 第一个误解是，AI行业不需要人工标注数据了。但实际上，即便在强化学习的时代，高质量的人类数据依然非常重要。过去几个月，国内自媒体有一大批唱衰Scale的言论，认为有了强化学习就不需要人工标注数据。但Surge的revenue直接用真金白银证明了这种说法是错误的。 第二个误解是，认为数据行业就是血汗工厂的人力密集型行业。但事实上它是一个很有技术含量的科技行业。Surge的CEO Edwin在访谈里提到了一些关键点：如何衡量数据质量，如何衡量工作质量，如何让平台高效运转，以及如何了解frontier model所需要的数据类型和格式。 ⚡️2. 为什么数据标注依然是门好生意？ 高质量的人工数据标注依然是一个极好的business，但竞争极其激烈。 首先，要在数据领域取得成功，公司必须以技术为核心导向。不管是Surge还是Scale，创始人都是MIT毕业的，员工也都是能够与大模型公司需求对话的人才。 其次，高质量数据的价格遵循非线性增长逻辑。高质量数据的价格可能不是普通数据的两倍，而是十倍、百倍的关系，很多人没有理解这一点。 第三，从公开信息可以看到，Meta同时使用了Surge和Scale，但在这种情况下，Meta还是选择对Scale进行大笔投资。这说明美国领先的模型公司非常重视人工标注的高质量数据，并不像自媒体圈狂欢时说的有了强化学习就不需要人工数据了。 第四，Edwin在talk中提到的许多要点——比如需要build的产品、API，需要与客户直接对话、快速响应数据需求——这些都是业内人士一直知道，但外界很少提及的practice。想做数据必须做最高质量的数据，这样才能赚到钱，而且能赚到非常多的钱，这一点其实跟大模型本身是一样的。 ⚡️3. Surge和Scale的区别是什么？ 首先，在谈区别之前，Surge和Scale是非常像的两家公司。都是MIT出身的技术背景创始人，团队都充满了MIT、哈佛、斯坦福的名校生。业务也都非常专注做数据，优先从产品技术角度去解决质量问题。创始人也都对人才质量有自己的理解和追求，Edwin在访谈中强调了高人效，Alex冒着政治不正确的风险提出不要DEI，要MEI (merit, excellence, and intelligence)。 那么，为什么Surge可以提供比Scale更高质量的数据？核心是因为数据需求在不停变化，Surge出现时正好赶上大模型浪潮，从第一天就专门针对大语言模型做优化。而Scale是从自动驾驶时期开始的，经历了从自动驾驶到电商分类，再到大模型，还包括国防部的各种项目等多次转向。 其次，Surge的处理能力其实是不够的，吃不下那么多订单。客观来说，现在整个行业对数据的需求太大了，以至于你能提供多少高质量的数据，模型公司就能吃下多少。即便Surge的处理量再翻十倍，行业还是能消化得下。 在Scale被Meta投资之后，Surge现在处于一个很好的位置，成为最大的第三方中立数据服务机构。但因为这个市场非常巨大，还在非常早期，变数会很多。Surge现在可能也想融资扩张。 Scale和行业内其他公司肯定也会继续有生意可以做。局面可能是这样：比如最优质的数据是100分，但实际上没有人能做到，Surge可能做到80分，Scale可能是75分。当80分的数据量不够时，并不是说行业就不需要75分的数据了。大家都在非常努力地想把数据再往前推进一点，而且这个标准随着大模型能力的提高在更加快速的的提高。 ⚡️4. 谁能成为下一个（或XX领域的）Scale或Surge？ 关于数据的话题，我还有一个观点要补充：最优秀的解决数据问题的团队，不是因为解决不了其他问题而退而求其次的团队，而是相信数据本身有价值的团队。 之前和不少国内VC交流，或者我了解的很多创业公司的做法，是想现在靠提供数据服务来养活自己，之后再做别的。我认为抱着这种想法的团队肯定做不好数据。
0
0
0
哈维xavi
10月前
Sophia在斯坦福: 我觉得这个明星模拟器真的想象空间挺大的，谁不想被大量关注呢！ 最近国外有一个游戏叫status很火，就和这个idea很相似，还有几个直播模拟器也很火。国内完全可以搞个复刻版
0
0
0
哈维xavi
10月前
确实开发难度极大的降低了，但核心还是想干啥？不缺程序员。
一泽Eze: 不开玩笑，人人都是AI 开发者的时代来了 👉 POE 昨天的新功能：你可以只用一梭人话，一次性生成具备 AI 能力的 Agent 应用，并能让任何人访问使用！ 可以理解为完全自动化的 coze 类 agent 搭建 ——不需要配置接口，也用配置后端工作流与前端界面的联动。 如图是我测试的案例，仅用一句话，就生成了完全可用的 AI 有声书应用。 体验地址：https://poe.com/preview/t4evm4PBZUZbQjRaPeM4 Agent、APP即内容 你也可以试试这个提示词：“请制作一个唐诗三百首有声书的网页应用，提供一个用户可查看的唐诗清单，勾选要制作的唐诗题目后，调用 claude3.7 把对应的唐诗生成出符合诗词意向的配图，并提供诗句全文、点击后可自动播放朗读。” 可能，ai 时代手搓 Workflow 确实只能是面向 agent 开发的某种中台化的开发者手段？
0
0
0
哈维xavi
10月前
小晚: 第一反应是，你的这条会不会被删…
0
0
0
哈维xavi
1年前
rosicky311_明浩: 不知道谁会感兴趣的报告系列更新： The state of AI in 2024 （前几天发过saas的） 来自ICONIQ Growth（最早是小扎的家办，后来发展成为投资集团） 报告地址：https://co926i0b3r.feishu.cn/file/Ki4kbXqOjolC1Fx3XfTc4YrtnOm?from=from_copylink 偏调研性质的报告，有些图表最近需要写报告的xdjm可以拿来直接用……
0
0
0
哈维xavi
1年前
袁进辉: SemiAnalysis新出了一个剖析GPU云技术和经济账的长篇报告，含金量巨高，里面提到了美国市场H100租赁价格的变化趋势，很有启发：1， Lambda labs on demand H100 8卡服务器，每卡每小时费用从3.49美元降价到2.99美元，过去一两个月价格下降了30%；2，1000卡 H100用一周，价格区间 2.3~2.5美元每卡每小时；3，按4年折旧，亚马逊这种巨头每卡成本每小时1.46美元，coreweave 每卡每小时1.74美元，次一级玩家每卡每小时2.1美元，也就是对于大部分小型算力供应商，低于2.1美元就会亏；4，GB200上市后，价格稳定后每卡每小时2.8美元，这种情况H100卖每卡每小时1美元相对于GB200才有性价比。
0
0
0
哈维xavi
1年前
深思圈: 87天干到100万美金ARR，Listkit是一款帮助客户找销售线索的工具，这方面的产品非常多，但是Listkit巧妙的从同类产品中找到了更细分的切入点，这个技巧有点像之前分享过的，不是Product-Market Fit而是Postion-Market Fit出发来做产品。 根据我的观察，这类线索挖掘类的产品普遍销售情况都还不错，比如图五是一位独立开发者刚上线的同类产品lightscope，上线一小时就收入600多美金。 主要策略其实也挺简单的，既然产品是给客户找线索的，那自然也能给自己找线索，如图四就是Listkit用来做EDM的邮件模版，以免费帮助客户找50个高质量线索来吸引用户使用产品。
0
0
0
哈维xavi
2年前
High寧: 太走心了，不止做产品 0 到 1，还有团队组建、招聘上的复盘，每一段经历都有反思，很多地方真的就像看到的每个初创公司经验缩影，本文可以打赏吗！？
0
0
0
哈维xavi
2年前
junyu: 刚才那个点名册的完整回答： （作者总结了自己在使用的各种AI产品，包括Chat类、搜索类、阅读类、生产工具类以及其他类别。他列举了每种产品的特点和用途，同时也提到了自己使用中发现的一些问题和不足之处。）
0
0
0
哈维xavi
2年前
清酒半樽: 📕清酒电商AI工具库V24-03 基于电商全链路，整理了些有用的AI工具，尤其适用于跨境电商、达人带货，欢迎参考。 https://i1lfku7w5p.feishu.cn/sheets/PJZTsTnDQhZnAatp2dccKYjQnnh?from=from_copylink -------- 这篇工具库的撰写逻辑，也是基于自己对“AI电商”的目标理解： 1️⃣买家：买到高质量和高性价比的商品 2️⃣卖家：优化做事效率效果，提效增收 3️⃣达人：扩大内容生产能力，解放生产力 4️⃣平台：促进供应和需求的匹配 后续我会持续观察电商和AI的结合，若有相关的建议、想法，可以随时交流。
0
0
0
哈维xavi
2年前
晨然_: 我的大部分信息源直接来源于推特，有一套养号方式。 推特在没有养号的时候，即便你看了很多ai新闻，很多也是浅尝辄止的营销号和网红一遍一遍说相同的新闻、fewlinescode ，非常污染时间。 1. 遇到ai营销号一定要取关、屏蔽。推特算法很吃这一套，我已经屏蔽了大量营销号网红之后再也没刷到过标题党（那种特别想让你点进去看thread的号） 2. 关注从头部公司延展开的研究人员账号。我曾经把OpenAI gpt4研究人员一百人一个一个搜推特账号关注过，如果有感兴趣的论文都可以去搜搜，大部分研究人员都有推特账号，他们的日常所思所想非常有价值。 3. 关注独立黑客。有一些非常牛的开源测试的人，比如才开始的时候有人专门研究prompthack… 4. 关注感兴趣的startup/公司账号。国外的公司特别喜欢发博客分享技术，比如如何build RAG，如何评估RAG，会以这种开源方式宣传自己公司。比如我看了很多databricks的blogs，他们分享了很多实用优化data处理的技巧。 5. 只刷推荐流，多点赞收藏屏蔽互动，过段时间全是有用信息了 6. 由于我很多时候是在看agent和rag，看的最多的是llamaindex和langchain，他们最喜欢分享各类高级前沿技术（需甄别） 欢迎关注我的推特去看关注列表，帮助养号😆Nin19536
0
0
0
哈维xavi
2年前
yusen: 看了OpenAI dev day之后的一些想法，抛砖引玉一下： 看了OpenAI Dev Day，觉得OpenAI现在比较像PC时代Intel+Microsoft两家的结合，提供了芯片和操作系统以及最核心的几个杀手应用，通过技术升级+大Capex投入的规模效应来形成壁垒，同时做操作系统、应用商店和超级应用。 在芯片行业直接对标Intel的第二名还有机会，操作系统的第二名机会就很少了。大Capex投入形成的规模效应还是有被挑战的可能的，操作系统形成的网络效应和非常高的迁移成本，基本上非常难以挑战，并且更加赢家通吃。Dev Day之后很多人哀嚎OpenAI干掉了很多startup，本质上还是因为这些startup在做计算器写字板浏览器这样要么很简单没门槛，要么操作系统肯定会做的事情。 简单粗暴类比下历史，面对Intel+Microsoft，赢家有几种情况，第一种情况就是得像Character这样训自己的模型，在情感陪伴领域有很好的表现以及很低的推理成本，在一个细分市场里面有机会大幅超过openAI，类似于NVDA做GPU或者ARM做低功耗的芯片，然后再围绕独特的模型能力打造独特的产品和生态。 第二种情况是在Windows上构造类似Adobe这样和业务结合非常紧密，迁移成本非常高的软件，让微软自己做不出来。这会考验AI能力是否真的能和业务场景深度结合带来增量价值。 第三种情况是基于Windows提供的浏览器能力，做社交网络，电商等。核心还是用户数据和用户关系的沉淀。这里的关键会是AI的新能力如何形成之前无法产生的连接，以及这样的连接如何能够沉淀形成网络效应。移动互联网早期第一个把滤镜做到极致的不是instagram，而是Hipstamatic，当时红极一时，2010年还拿到了Apple App of the Year的荣誉，然而Hipstamatic的滤镜虽然做到了极致，但并不具备网络效应，现在估计都没几个人记得这个应用了。而Instagram虽然号称也是创始人Kevin从学摄影的经历得到灵感，但其实它的前身是一个叫Burbn的社交应用，做的是类似Foursquare的签到分享应用，这天生具备网络效应的设定，后来才改名为Instagram专攻照片拍摄和分享火起来的。第一波AI创业公司也必然会诞生很多Hipstamatic这样的产品。 同时Dev Day发布的Stateful API很重要，不只是因为降低开发者成本，更重要的是意味着用户在OpenAI模型上的时间投入开始产生了迁移成本。之前的GPT等于还是一个滴滴司机，和用户服务完没有留下记忆，下次见面需要用户重新把prompt和上传的文件再说一遍。现在真正变成了能记得住历史的助理，用户沟通的时间越长，积累的stateful数据越多，就越无法离开。目前看这个stateful的数据还没办法迁移，是和同一个OpenAI账号绑定的，类似这个助理还没办法跳槽去别的助理公司。 GPT4 API的定价大幅下降也是很关键的。用半导体产业类比的话，台积电创始人张忠谋在德州仪器工作的时候，针对半导体行业芯片一开始成本高，良率低，需要起量才能够提高良率降低成本的特点，颠覆了原来业界习惯性新芯片定高价的定价模型，提出了Learning Curve Pricing的概念，也就是行业领先者可以一开始就大幅度低于成本定价，使得先进芯片更快普及，倒逼产能升级，同时打压竞争对手。这一点和OpenAI现在面临的情况是很像的，模型成本还很高，但是需要更多开发者去帮助模型迭代，所以需要激进地补贴降低成本，而不是因为模型训练贵所以急于回本。
0
0
0
哈维xavi
2年前
Sophia在斯坦福: 大模型时代中文已死 最近开发产品调prompt，无论怎么prompt ChatGPT说出来的中文都有一股“英文味”，逻辑、语序、用词都是英语思维。 原以为中国的大模型肯定能说很地道的中文，但是我把文心、讯飞、GLM都测试了个遍，无不也透露着英式思维，没能体验到比ChatGPT说得更地道。 我一开始猜想是中文高质量语料稀少，训练数据中使用了大量的英文语料，今天跟行业内部训模型的人员聊完才知道事实比这个更离谱：训练数据中使用了大量的英译中文本、以及通过问ChatGPT得到的回答。 可想而知，在未来互联网上将越加充斥着大模型生成的内容，总有一天如今的中文会被洗刷成英式中文......
0
0
0
哈维xavi
2年前
yusen: 一个很好的网站：1988-2023：互联网发展里程碑。尤其是互联网早期发展的历程和节点，对现在新技术创业者投资人会尤其有启发。 当很多人说（AI、Web3、Metaverse）等就是互联网的（1993，1994，1995，1998）年的时候，究竟在这些时间点互联网行业发生了什么？
0
0
0
哈维xavi
3年前
瓦恁: 推介一个我们新孵化的产品：Knit 🧶 https://promptknit.com Knit是一个易用的prompt管理和调试工具，支持OpenAI和Anthropic的模型
0
0
0
哈维xavi
3年前
瓦恁: Jony Ive聊他和Steve Jobs的两个往事，都是关于**专注** （一） Jobs: 你最近对哪些事情说了No Ive：No to this，No to that Jobs：这些事情你本来就不关心，专注是对你全心全意相信的事情say no，是对你身体每一根骨头认为绝妙的点子say no （二） Ive：下次批评同事工作的时候能不能稍微缓和点 Jobs：为什么 Ive：因为我在乎我的团队 Jobs：Jony你太虚荣了，你是在关心团队吗，你关心的是别人是不是喜欢你 Jony Ive说当时非常生气，生气是因为他意识到Jobs说的是事实 这是我看过最让我难为情的视频，自恋是产品的敌人
0
0
0
哈维xavi
3年前
来到即刻的第一天。
0
0
0
