起點課堂會員權(quán)益
職業(yè)體系課特權(quán)
線下行業(yè)大會特權(quán)
個人IP打造特權(quán)
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導(dǎo)直播
12場專業(yè)技能直播
會員專屬社群
榮耀標(biāo)識深度｜Alexandr Wang 最新 a16z 對談：AI 領(lǐng)域三大支柱企業(yè) —— 英偉達、OpenAI 和 Scale AI
在人工智能(AI)領(lǐng)域，幾家關(guān)鍵企業(yè)正在推動技術(shù)的發(fā)展和創(chuàng)新。最近，Scale AI的創(chuàng)始人兼首席執(zhí)行官Alexandr Wang與a16z的合伙人David George進行了一場深入的對話，探討了AI領(lǐng)域的最新進展和未來趨勢。在這次討論中，他們分析了Nvidia、OpenAI和Scale AI等行業(yè)巨頭如何成為AI進步的三大支柱，并預(yù)測了AI技術(shù)的未來走向。
近日，Scale AI 創(chuàng)始人&CEO Alexandr Wang 與 a16z 合伙人 David George 展開了深入對話。
Alexandr Wang 表示，AI 的進展依賴于計算能力、算法創(chuàng)新和數(shù)據(jù)資源，而 Scale AI 專注于推動前沿數(shù)據(jù)的生成，支持 AI 在前沿技術(shù)中的進步。
與去年同期相比，Scale 今年上半年銷售額幾乎增長了三倍，達到近 4 億美元，為大型客機公司標(biāo)記數(shù)據(jù)已經(jīng)成為一項巨大的業(yè)務(wù)，預(yù)計今年收入將達到近 10 億美元。
現(xiàn)有的公開數(shù)據(jù)資源已被充分利用，未來 AI 發(fā)展的核心在于如何生成新的高復(fù)雜度、前沿數(shù)據(jù)，并在此基礎(chǔ)上推動更高水平的智能進步。
他強調(diào)，在公司快速擴張過程中，招聘大量新員工反而可能降低組織的整體績效。關(guān)鍵在于保持小規(guī)模、高效的團隊，并確保外部高管能深入理解公司的運作節(jié)奏后，再逐步引導(dǎo)變革。
此外，他還將 AGI 定義為能夠完成 80% 以上人類可通過計算機完成的數(shù)字化工作，雖然這一目標(biāo)并非短期內(nèi)可實現(xiàn)，但隨著算法創(chuàng)新，未來 4 年內(nèi)或許能看到早期跡象。
以下為這次對話的主要內(nèi)容，enjoy～
David George：
我總是很喜歡和你聊天，每次都能學(xué)到很多。我們可以先聊聊你在 Scale AI 正在構(gòu)建的東西，然后深入探討。
Alexandr Wang：
好的，在 Scale ，我們正在為 AI 構(gòu)建數(shù)據(jù)鑄造廠。從大的層面來看， AI 歸結(jié)為三大支柱：計算、數(shù)據(jù)和算法。
我們所看到的所有進展都來自這三個方面：計算由像 Nvidia 這樣的公司推動，算法的進步由像 OpenAI 這樣的大型實驗室引領(lǐng)，而數(shù)據(jù)則由 Scale 提供。
我們的目標(biāo)是生產(chǎn)前沿數(shù)據(jù)，以推動與各大實驗室合作的前沿水平進步，并使每個企業(yè)和政府能夠利用他們的專有數(shù)據(jù)來推動自己的前沿 AI 發(fā)展。
David George：
關(guān)于前沿數(shù)據(jù)這個話題，實際上你是如何獲得這些數(shù)據(jù)的呢？
Alexandr Wang：
是的，我認(rèn)為這是我們這個時代的偉大人類項目之一。如果這有意義的話，我認(rèn)為目前唯一的智慧模型就是人類，而前沿數(shù)據(jù)的生產(chǎn)很像是人類專家與技術(shù)和算法技術(shù)的結(jié)合，以生產(chǎn)大量此類數(shù)據(jù)。順便說一句，迄今為止我們所產(chǎn)生的所有數(shù)據(jù)，互聯(lián)網(wǎng)也是類似的。
在很多方面，互聯(lián)網(wǎng)是機器和人類合作產(chǎn)生大量內(nèi)容和數(shù)據(jù)的成果。而未來的情況可能就像增強版的互聯(lián)網(wǎng)：如果互聯(lián)網(wǎng)不僅僅是一個人類娛樂設(shè)備，而是一個大規(guī)模的數(shù)據(jù)生成實驗，會怎樣呢？
David George：
你對行業(yè)現(xiàn)狀有獨特的見解，你如何描述當(dāng)前語言模型的狀態(tài)呢？我很想談?wù)勈袌鼋Y(jié)構(gòu)，但可以先從你對行業(yè)的整體看法開始。
Alexandr Wang：
是的，我認(rèn)為我們可能正接近語言模型開發(fā)的第二階段末期。第一階段是早期幾乎完全的研究階段，標(biāo)志性的成果包括最初的 Transformer 論文和對 GPT 的早期小規(guī)模實驗，直到 GPT-3 發(fā)布為止。
這是一個專注于小規(guī)模實驗和算法進步的階段。然后，第二階段大致從 GPT-3 開始到現(xiàn)在，進入了初始擴展階段。
GPT-3 表現(xiàn)得相當(dāng)不錯，接著 OpenAI 及其他公司開始大規(guī)模擴展這些模型，像Google、Anthropic、 Meta 和 xAI 等許多公司也加入了這個競賽，將模型的能力提升到極限。
過去兩三年間，幾乎完全是執(zhí)行層面的工作，涉及如何使大規(guī)模訓(xùn)練順利進行，如何避免代碼中的怪異錯誤，如何設(shè)置更大的集群等。
接下來我認(rèn)為我們將進入一個研究和執(zhí)行之間更多交替的階段，各實驗室將朝著不同的研究方向發(fā)展，并在不同時期取得各自的突破，因此這是一個激動人心的轉(zhuǎn)折期。
David George：
他們已經(jīng)達到了一個階段，雖然不能說計算資源是豐富的，但已經(jīng)足夠支撐模型的發(fā)展，基本不再是一個限制。而在數(shù)據(jù)方面，所有前沿實驗室已經(jīng)盡可能地挖掘了可用的數(shù)據(jù)資源。接下來就是在數(shù)據(jù)方面取得突破，對嗎？
Alexandr Wang：
是的，基本上是這樣。如果你看這三大支柱，計算方面我們顯然會繼續(xù)擴大訓(xùn)練集群的規(guī)模，這個方向是比較明確的。算法方面，我認(rèn)為將會有很多創(chuàng)新。
事實上，很多實驗室現(xiàn)在都在這一領(lǐng)域進行深入的研究。而關(guān)于數(shù)據(jù)，你提到的很對，我們已經(jīng)用盡了所有容易獲取的公開數(shù)據(jù)。
David George：
是的，所有人都可以獲得相同的數(shù)據(jù)。
Alexandr Wang：
沒錯，很多人稱之為“數(shù)據(jù)墻”，我們已經(jīng)利用了所有公開的數(shù)據(jù)資源。而下一階段的標(biāo)志之一將是數(shù)據(jù)生產(chǎn)。
每個實驗室將如何生成所需的數(shù)據(jù)以實現(xiàn)更高的智能水平，這將是一個關(guān)鍵問題，我們?nèi)绾纬鴶?shù)據(jù)豐富邁進？這將需要多個領(lǐng)域的前沿研究。
我認(rèn)為，首先是推動數(shù)據(jù)復(fù)雜性的提升，邁向前沿數(shù)據(jù)。我們希望在模型中構(gòu)建的許多能力，其最大的障礙其實是數(shù)據(jù)的缺乏。
比如說，過去兩年內(nèi)， Agent 一直是一個熱門話題，但實際上幾乎沒有 Agent 能很好地運作。原因是網(wǎng)絡(luò)上根本沒有大量有價值的 Agent 數(shù)據(jù)。這些數(shù)據(jù)不在那里，所以我們需要生產(chǎn)高質(zhì)量的 Agent 數(shù)據(jù)。
David George：
能舉個例子，說明我們需要生產(chǎn)什么樣的數(shù)據(jù)嗎？
Alexandr Wang：
我們即將發(fā)布的一項研究表明，目前所有前沿模型在工具組合上的表現(xiàn)都很差。比如它們需要先查找信息，然后編寫一個 Python 腳本，再繪制圖表，使用多個工具串聯(lián)起來解決問題時，模型表現(xiàn)得非常糟糕。而這對人類來說是非常自然的。
David George：
是的，但這些操作沒有被記錄下來，是這個意思嗎？也就是說，模型無法學(xué)習(xí)到這些步驟。
Alexandr Wang：
完全正確。這些推理鏈條在人類解決復(fù)雜問題時非常常見，我們會自然地使用一系列工具，思考問題并推理下一步需要做什么。如果遇到錯誤，我們會回過頭重新考慮。很多這樣的智能鏈條數(shù)據(jù)今天根本不存在。這是一個需要生成的數(shù)據(jù)例子。
退一步講，首先需要在數(shù)據(jù)上取得的進展是增加數(shù)據(jù)的復(fù)雜性，朝前沿數(shù)據(jù)邁進。其次是增加數(shù)據(jù)的生產(chǎn)量，捕捉更多人類在實際工作中的行為。
David George：
更多捕捉人類在工作中的實際操作？
Alexandr Wang：
是的，捕捉更多人類的操作行為，同時投資于合成數(shù)據(jù)或混合數(shù)據(jù)。利用合成數(shù)據(jù)，同時讓人類參與其中，從而生成更高質(zhì)量的數(shù)據(jù)。我們需要像對待芯片生產(chǎn)一樣看待數(shù)據(jù)生產(chǎn)。
就像我們討論芯片生產(chǎn)的邊界，確保有足夠的生產(chǎn)能力來制造芯片。對于數(shù)據(jù)也是一樣的，我們需要有效的數(shù)據(jù)生產(chǎn)邊界，能夠生成海量數(shù)據(jù)來支持模型訓(xùn)練。
最后一個經(jīng)常被忽視的方面是對模型的測量，確保我們能夠科學(xué)地分析模型的不足之處，從而精確確定需要添加哪種數(shù)據(jù)來提高模型的性能。
David George：
大科技公司相對于獨立實驗室，在數(shù)據(jù)資源上有多大的優(yōu)勢呢？
Alexandr Wang：
大公司在利用現(xiàn)有數(shù)據(jù)資源時面臨很多監(jiān)管問題。你可以看到，在生成式 AI 之前， Meta 曾利用所有公開的Instagram照片及其標(biāo)簽來訓(xùn)練非常優(yōu)秀的圖像識別算法，但這在歐洲遇到了許多監(jiān)管問題，最終變得非常麻煩。
所以如何處理這些數(shù)據(jù)優(yōu)勢從監(jiān)管角度來看，特別是在歐洲，還需要進一步觀察。我認(rèn)為大實驗室的真正優(yōu)勢在于它們有非常盈利的業(yè)務(wù)，能夠為 AI 項目提供幾乎無限的資金來源。對此，我非常關(guān)注，也很好奇它將如何發(fā)展。
David George：
行業(yè)中有一個問題是，是否大公司在 AI 領(lǐng)域投入過多。如果你聽他們的財報電話會議，他們會說，我們的風(fēng)險在于投入不足，而不是投入過多。對此你怎么看？
Alexandr Wang：
是的，沒錯。你可以想象一下，站在這些 CEO 的角度，比如 Sundar Pichai 、Mark Zuckerberg，或者 Satya Nadella 的位置上。正如你所說，如果他們真正抓住了 AI 的機會，他們可能很容易地為公司增加一萬億美元的市值。
如果他們真的領(lǐng)先競爭對手，并以好的方式將 AI 產(chǎn)品化，這幾乎是顯而易見的。而如果他們沒有投入額外的 200～300 億美元的資本支出，卻因此錯失了這個機會，后果可能是存在性風(fēng)險。
Alexandr Wang：
對于這些大公司來說，每家企業(yè)的業(yè)務(wù)都有可能被 AI 技術(shù)深度顛覆。所以對他們來說，風(fēng)險和回報非常清晰。更戰(zhàn)術(shù)層面上，他們也能夠輕松收回資本支出。最壞的情況下，他們可以通過使核心業(yè)務(wù)更高效來實現(xiàn)這一點。
David George：
比如說，F(xiàn)acebook 廣告中的 GPU 利用率？
Alexandr Wang：
是的，比如 Facebook 或 Google，他們的廣告系統(tǒng)只要稍微改進一點，就可以回收數(shù)十億美元的成本。
David George：
通過更好的性能？
Alexandr Wang：
是的，蘋果也可以通過推動一個設(shè)備升級周期輕松回收投資。我認(rèn)為這些都相當(dāng)清晰。
David George：
從整個行業(yè)來看，這些公司投入大量資本對行業(yè)是有益的，尤其是像 Google 和微軟這樣的公司，它們還在出租計算資源。
Alexandr Wang：
而且，這些模型已經(jīng)在逐漸普及。比如 Llama 3.1 已經(jīng)是開源的。所有這些投資的成果正在變得越來越廣泛可用。開源模型所產(chǎn)生的溢出效應(yīng)實在是令人難以置信。
David George：
這是一個很好的過渡，談到市場結(jié)構(gòu)，你怎么看待未來幾年的發(fā)展？會不會是幾個已經(jīng)確定的玩家彼此競爭？你覺得這是個盈利的業(yè)務(wù)嗎？開源對業(yè)務(wù)質(zhì)量的影響是什么？請你展望一下未來幾年的市場情況。
Alexandr Wang：
是的，過去的一年半里，模型推理的定價已經(jīng)急劇下降，下降了兩個數(shù)量級。令人驚訝的是，智能可能成為一種商品。我認(rèn)為，純粹依靠模型租賃業(yè)務(wù)在長期可能并不是最優(yōu)的商業(yè)模式，這可能只是一個相對平庸的業(yè)務(wù)。
David George：
這或許取決于早期提到的突破點。如果有人真的取得了持久的突破，市場結(jié)構(gòu)可能會有所不同。
Alexandr Wang：
有兩件事。第一，如果 Meta 繼續(xù)開源模型，那么模型的價值上限會被大大壓低。第二，如果幾家實驗室能夠達到類似的性能，這也會顯著改變定價策略。所以我認(rèn)為，雖然不確定，但純粹的模型租賃業(yè)務(wù)可能不是最有價值的業(yè)務(wù)，更優(yōu)質(zhì)的業(yè)務(wù)機會在模型的上層和下層。
下層，比如 Nvidia 顯然是一個非常出色的業(yè)務(wù)，云服務(wù)提供商也擁有很好的業(yè)務(wù)，因為搭建大規(guī)模的 GPU 集群實際上是相當(dāng)復(fù)雜的，云提供商在租賃這些資源時擁有不錯的利潤率。
David George：
傳統(tǒng)的數(shù)據(jù)中心業(yè)務(wù)本質(zhì)上也是規(guī)模游戲。因此，相比于較小的玩家，他們得到了極大的好處。
Alexandr Wang：
是的，正是如此。所以在模型層之下有很好的業(yè)務(wù)機會。在模型之上，如果你在構(gòu)建應(yīng)用程序，比如 ChatGPT 就是一個很好的業(yè)務(wù)，許多初創(chuàng)公司開發(fā)的應(yīng)用程序也表現(xiàn)得不錯。
雖然沒有哪家公司的規(guī)模能與 ChatGPT 相比，但如果這些應(yīng)用能夠在早期找到產(chǎn)品市場契合點，它們就能成為很好的業(yè)務(wù)。因為如果用戶體驗做得好，應(yīng)用程序為客戶創(chuàng)造的價值遠遠超過了模型的推理成本。
還有一些有趣的事情，比如 Anthropic 在 Claude 中引入的功能是一個信號，表明各大實驗室都在深入推動產(chǎn)品集成，以提升業(yè)務(wù)質(zhì)量。我認(rèn)為未來我們將在產(chǎn)品層面看到大量迭代。
簡單的聊天機器人絕不是最終產(chǎn)品，那將是一個令人失望的結(jié)果。所以產(chǎn)品的創(chuàng)新周期是難以預(yù)測的，正如我們沒想到 ChatGPT 會如此受歡迎。
我認(rèn)為沒人能確切預(yù)測下一個增長點在哪個產(chǎn)品上，但可以肯定的是， OpenAI 和Anthropic有能力打造偉大的應(yīng)用程序業(yè)務(wù)，實現(xiàn)長期獨立和可持續(xù)發(fā)展。
David George：
那么競爭優(yōu)勢的推動力是什么？顯然你需要模型，與之緊密集成的產(chǎn)品，以及從此衍生出的傳統(tǒng)護城河，比如工作流程、集成等。
Alexandr Wang：
是的，你可以看到， OpenAI 和 Anthropic 幾乎在同一時間都聘請了首席產(chǎn)品官，他們正在逐步摸索。我認(rèn)為這表明了他們開始意識到，純粹的技術(shù)驅(qū)動不再足夠，需要深入的產(chǎn)品集成才能實現(xiàn)長期的商業(yè)成功。
David George：
你有一個有趣的應(yīng)用程序業(yè)務(wù)，也有一些非常有意思的客戶。你從企業(yè)客戶那里聽到的關(guān)于他們實際如何應(yīng)用這些技術(shù)的反饋是什么？
Alexandr Wang：
我認(rèn)為我們已經(jīng)看到了企業(yè)的巨大興奮度。許多企業(yè)都意識到，“我們必須開始行動了，我們必須搶占先機，開始嘗試 AI ?！?這讓他們進入了快速的 POC（概念驗證）周期，他們會想著，“好吧，看看我們有哪些可以迅速實施的低垂果實般的想法。”
David George：
搞一些 AI 項目。
Alexandr Wang：
于是他們嘗試了所有這些想法。有些很好，有些不好。但無論如何，這種熱潮確實存在。不過，實際推向生產(chǎn)環(huán)境的 POC 項目遠遠少于行業(yè)的預(yù)期。
我認(rèn)為現(xiàn)在許多企業(yè)看到，原本他們擔(dān)心的“末日”并沒有發(fā)生—— AI 并沒有完全改造和顛覆各大主要行業(yè)，它并沒有徹底改變所有的游戲規(guī)則。
David George：
更多是一些邊緣性改進，比如提高效率、支持性的任務(wù)，還有一些創(chuàng)意類任務(wù)之類的。
Alexandr Wang：
對，沒錯?？傮w來說影響比較輕微。我們思考的一個重要問題是：AI 的改進或變革能否真正顯著提升這些公司的股價？這也是我們鼓勵所有客戶重點考慮的，因為從潛力上來看，幾乎每個企業(yè)都具備在某種程度上實施 AI ，從而顯著提升其股價的潛力。
David George：
大多是通過節(jié)省成本和提高效率。
Alexandr Wang：
是的，今天的 AI 大多體現(xiàn)在成本節(jié)省方面，但未來也可以極大地改善客戶體驗。我認(rèn)為在許多需要與客戶大量人工互動的行業(yè)，如果能夠?qū)崿F(xiàn)更多的標(biāo)準(zhǔn)化和自動化，客戶的互動體驗將會顯著改善。最終，這也會轉(zhuǎn)化為市場份額的提升。
所以這是我們推動客戶努力的方向，我看到我們合作的一些 CEO ，他們都理解這是一個多年的投資周期，可能不會在下個季度見到成效，但如果他們堅持到最后，業(yè)務(wù)將會有巨大的變革。
我認(rèn)為那些圍繞小用例和邊緣性應(yīng)用的熱潮是好事，應(yīng)該繼續(xù)嘗試，但這并不是我們在這里的終極目標(biāo)。
David George：
是的，現(xiàn)在的應(yīng)用層更多像是第一個階段，比如目前的 AI 應(yīng)用大多是自動化工具，主要是聊天機器人。作為創(chuàng)業(yè)投資者，我希望未來會有一個窗口，初創(chuàng)公司可以通過產(chǎn)品創(chuàng)新?lián)魯‖F(xiàn)有的行業(yè)巨頭。
我的合伙人 Allison Pal 有一句話：“初創(chuàng)公司能否在現(xiàn)有公司找到創(chuàng)新之前，率先實現(xiàn)分銷？” 我認(rèn)為這是一個機會，但技術(shù)現(xiàn)在還太早，不知道你是否同意？
Alexandr Wang：
我同意，現(xiàn)在的技術(shù)還為時過早，主要是因為目前大部分的好處來自于成本節(jié)省，而這還不足以顛覆已經(jīng)擁有強大分銷和增長成本優(yōu)勢的大企業(yè)。
David George：
你怎么看待企業(yè)內(nèi)部的數(shù)據(jù)？比如你提到JP摩根擁有15PB的數(shù)據(jù)，但這些數(shù)據(jù)真的那么有用嗎？因為目前這些數(shù)據(jù)似乎并沒有帶來巨大的競爭優(yōu)勢。你認(rèn)為這種情況會改變嗎？
Alexandr Wang：
我認(rèn)為 AI 是第一次有可能改變這一現(xiàn)狀的機會。大數(shù)據(jù)熱潮歸結(jié)于更好的分析，這對業(yè)務(wù)決策的幫助是邊際的，而不是顛覆性的。
現(xiàn)在我們可以想象，產(chǎn)品運作方式會發(fā)生巨大變革。比如，像 JP 摩根這樣的銀行，大部分用戶與銀行的互動是由人驅(qū)動的。盡管他們盡力確保高質(zhì)量的客戶體驗，但人工操作的局限性顯而易見。
然而，企業(yè)過去的客戶互動方式和業(yè)務(wù)運作數(shù)據(jù)是訓(xùn)練模型的唯一可用數(shù)據(jù)，這些數(shù)據(jù)可以幫助我們做得更好。
David George：
在企業(yè)內(nèi)部有豐富的數(shù)據(jù)？
Alexandr Wang：
是的，企業(yè)內(nèi)部有大量豐富的數(shù)據(jù)，但并不是所有數(shù)據(jù)都與業(yè)務(wù)轉(zhuǎn)型相關(guān)，只有部分?jǐn)?shù)據(jù)非常有價值。不過，企業(yè)在利用數(shù)據(jù)方面確實面臨巨大的挑戰(zhàn)。
數(shù)據(jù)往往組織混亂，分布不均，他們支付數(shù)千萬甚至上億美元給咨詢公司進行數(shù)據(jù)遷移，結(jié)果往往沒有實質(zhì)性變化。
因此，問題在于他們能否比初創(chuàng)公司更快地利用和挖掘這些數(shù)據(jù)，從而創(chuàng)造出截然不同的產(chǎn)品。
David George：
好，轉(zhuǎn)到公司運營和你如何構(gòu)建公司這一話題。你曾談到，在2020年和2021年的高速增長期，你犯下了一個關(guān)于招聘的錯誤，認(rèn)為要快速擴張就必須大量招聘人才。我們看到許多投資組合公司也遇到了類似的情況——爭奪人才。你從中學(xué)到了哪些教訓(xùn)？后來你是如何改變招聘策略的？
Alexandr Wang：
過去幾年里，我們基本上保持了員工數(shù)量的平穩(wěn)增長。雖然我們略微擴展了人員規(guī)模，但業(yè)務(wù)本身已經(jīng)增長了五到六倍。
整個過程的啟示是，看似招聘更多的人就意味著更好的結(jié)果、更多的事情能完成，但實際上，如果你擁有一支高效的團隊和高效的組織，想要快速擴充人員規(guī)模而不失去高效性和成功文化，幾乎是不可能的。
David George：
是的，減少溝通和協(xié)調(diào)的開銷確實會提高生產(chǎn)力。
Alexandr Wang：
沒錯，而且我認(rèn)為這背后還有更深層次的原因。一支高效的團隊就像一件非常精巧的雕塑，它是團隊成員之間復(fù)雜互動的產(chǎn)物。如果你貿(mào)然添加很多人，即使這些人都很優(yōu)秀，也會打亂整個團隊的節(jié)奏。
無論如何，隨著你增加人員，都會出現(xiàn)“回歸平均”的現(xiàn)象。如果你觀察那些大規(guī)模擴展的公司，他們的財務(wù)結(jié)果很大程度上取決于是否承認(rèn)這一回歸現(xiàn)象。
例如，大型銷售團隊的擴展過程中，人們通常會承認(rèn)回歸平均的現(xiàn)象，但通過良好的操作，他們可以保持略高于平均水平。只要能做到這一點，整個財務(wù)運作仍然有效。
David George：
銷售和產(chǎn)品之間的區(qū)別還是很大的。
Alexandr Wang：
是的，當(dāng)然不一樣。但我們的觀察是，初創(chuàng)公司之所以有效，是因為它們擁有高度執(zhí)行力的團隊，而你希望盡可能長時間保持這些團隊的完整性。
我認(rèn)為初創(chuàng)公司常見的失敗模式是，你的產(chǎn)品或服務(wù)成功了，但公司內(nèi)部的每個人都很年輕和缺乏經(jīng)驗。
隨著業(yè)務(wù)的擴展，所有事情都逐漸失控。投資者告訴你應(yīng)該聘請一些高管，你開始經(jīng)歷每次都讓人心力交瘁的高管招聘過程。
David George：
如果你運氣好，成功率也只有一半。
Alexandr Wang：
是的，你經(jīng)過高管招聘，聘請了高管，接著給他們很多自由空間。高管們會說：“我們需要建立一支龐大的團隊來實現(xiàn)我們的目標(biāo)?！?你想：“好吧，我也很有經(jīng)驗，你看起來也很有經(jīng)驗，那就按你說的來吧?！?然后你允許這些大團隊建立起來，最終的結(jié)果幾乎總是破壞性的。
我不是說不能從外部聘請高管，但當(dāng)你這樣做時，你必須確保這些高管真正融入公司的運作，理解公司的節(jié)奏和工作方式。
在他們提出任何重大建議之前，他們應(yīng)該先了解為什么公司目前的運作是成功的，然后逐步提出建設(shè)性的建議。你需要一步一步地信任并驗證這些小的改變，最終他們可能會提出更大的建議，但那時他們已經(jīng)有了一系列成功的小步調(diào)整的記錄。
David George：
這很有趣，而且非常具體。當(dāng)你聘請一個高級高管時，從小做起有些反直覺，因為大多數(shù)高管都不喜歡這樣做。
Alexandr Wang：
是的，我注意到有種“高管幻想”，特別是在年輕創(chuàng)始人領(lǐng)導(dǎo)的硅谷公司中常見。很多高管會認(rèn)為：“我來這里是為了修復(fù)這家公司，我要把這里變成一家專業(yè)化運作的企業(yè)?！?
但實際上，你在招聘的是團隊成員，不是什么神奇的工具。你希望這個人能長期做出明智的決策，而不是幻想他們會帶來某種神奇的解決方案。
相反，創(chuàng)始人也有一種幻想，認(rèn)為：“我會雇一群優(yōu)秀的高管，然后我就可以退后一步，只需要看著事情自然運轉(zhuǎn)。” 但這同樣不現(xiàn)實。作為創(chuàng)始人，成功的關(guān)鍵在于你持續(xù)做出一系列正確的決策。如果你脫離了這些決策環(huán)節(jié)，那幾乎是自毀行為。
David George：
我們經(jīng)?？吹竭@種模式：創(chuàng)始人雇傭高管，然后退居幕后，結(jié)果發(fā)現(xiàn)一些重大決策出了問題，意識到：“等一下，這就是我留在這里的原因?！?/p>
Alexandr Wang：
如果你的行業(yè)非常穩(wěn)定，這可能會奏效。
David George：
是的，就像當(dāng)一家上市公司更換 CEO 時，股價只波動 2%，這表明在穩(wěn)定行業(yè)中，高管確實像一個齒輪。但是在由創(chuàng)始人領(lǐng)導(dǎo)的高增長初創(chuàng)公司中，這種情況完全不同。
Alexandr Wang：
沒錯，很多初創(chuàng)公司和企業(yè)的價值在于它們的創(chuàng)新溢價。投資者相信由創(chuàng)始人領(lǐng)導(dǎo)的公司會比市場上的其他公司更具創(chuàng)新能力。所以你的任務(wù)就是不斷地超越市場進行創(chuàng)新。
David George：
你必須參與到戰(zhàn)略決策中，完全同意。那我們談?wù)劇癕ei”吧。你最近推出了這個概念，我看到我的 X 平臺上有很多人稱贊你，也有一部分人在批評你。能不能聊聊這個概念，以及你推出它后的觀察？
Alexandr Wang：
是的，Mei 的核心理念是追求卓越與智慧。我們決定，在每個職位上，我們都會雇傭最合適的人，而不考慮他們的背景或其他人口統(tǒng)計信息。
我們不會為了達到某些人口統(tǒng)計目標(biāo)而進行配額式的優(yōu)化。但這并不意味著我們不關(guān)心多樣性。
實際上，我們非常重視在招聘過程中保持多樣化的候選人來源，但最終我們只會選擇最能勝任的人。這一決定引起了一些爭議，但從本質(zhì)上講，我認(rèn)為這是一種顯而易見的社會準(zhǔn)則。
David George：
很有常識，感覺這應(yīng)該是常識吧？
Alexandr Wang：
是的，這似乎是顯而易見的道理。公司應(yīng)該雇傭最有才華的人。我覺得現(xiàn)在很多問題都圍繞著公司到底有多少社會責(zé)任感在做他們的事情。我的觀點是，我所處的行業(yè)競爭非常激烈。
Scale 的使命是推動智能技術(shù)的發(fā)展，這是一個非常重要的技術(shù)領(lǐng)域。我們需要非常聰明的人才才能做到這一點，我們需要最優(yōu)秀的人來實現(xiàn)這些目標(biāo)。
我認(rèn)為，大多數(shù)在 Scale 的人可能都會認(rèn)為這在某種程度上是顯而易見的，或者說這并沒有偏離我們在 Scale 工作的本質(zhì)想法。
但明確將這一點寫入我們的文化非常有價值，因為這意味著即使公司隨著時間的推移而發(fā)生變化，這種對卓越人才的追求不會改變。
David George：
這真是太棒了。我想以一個樂觀的問題作為結(jié)尾，問一下你對 AGI的看法以及你預(yù)計何時能實現(xiàn)？
Alexandr Wang：
是的，我喜歡這樣定義 AGI：大約 80%以上的數(shù)字化工作，也就是人類可以完成的純粹依靠計算機的工作， AI 也能獨立完成。
這并不是即將實現(xiàn)的事情，也不在短期內(nèi)的可見范圍內(nèi)。我覺得大概 4 年左右的時間可以看到端倪。當(dāng)然，這還取決于我們之前提到的算法創(chuàng)新周期，如果有突破，可能會更早實現(xiàn)
本文由人人都是產(chǎn)品經(jīng)理作者【江天 Tim】，微信公眾號：【有新Newin】，原創(chuàng)/授權(quán) 發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載。
題圖來自Unsplash，基于 CC0 協(xié)議。
我自己也一直在關(guān)注英偉達這家企業(yè)，不得不說創(chuàng)始人真的是很有遠見的一個人。