從 100 萬美元到 5 億美元營(yíng)收僅用了 17 個(gè)月！

更厲害的是，他們從未有過客戶流失，凈收入留存率超過 1600%，年?duì)I收已經(jīng)穩(wěn)定在九位數(shù)的水平。

而這家公司的CEO兼聯(lián)合創(chuàng)始人，Brendan Foody，更是美國(guó)的新一代的傳奇人物。在 22 歲時(shí)，他也成為史上最年輕的美國(guó)獨(dú)角獸創(chuàng)始人。

如果你沒聽過這家公司，不打緊，但你要是知道下面這個(gè)信息，相信你肯定會(huì)感興趣：

Mercor 與“七巨頭”中的 6 家，以及所有前五大 AI 實(shí)驗(yàn)室（OpenAI、Anthropic、xAI等）合作，幫助他們招聘專家來創(chuàng)建評(píng)測(cè)與訓(xùn)練數(shù)據(jù)，從而提升模型能力。

沒錯(cuò)，這些頂尖的美國(guó)AI巨頭，全部都從這家公司來招聘頂尖的后訓(xùn)練專家！

近日，Brendan 做客了 Lenny 的播客訪談，更是透露出大洋彼岸的AI最新進(jìn)展。

在這場(chǎng)對(duì)話中，Brendan 解釋了為什么 evals（評(píng)測(cè)）已經(jīng)成為 AI 進(jìn)展的關(guān)鍵瓶頸，他是如何發(fā)現(xiàn)這一巨大機(jī)會(huì)的，以及在 AI 驅(qū)動(dòng)的經(jīng)濟(jì)中未來的工作可能會(huì)是什么樣子。

在求職招聘方面，Brendan 特別提到：一定要關(guān)注有“需求彈性”的工作，即當(dāng)生產(chǎn)力提高時(shí)，需求也會(huì)隨之大幅增加的工作，比如：軟件/設(shè)計(jì)/用戶研究。

所以，從事coding的老鐵們可以放心了，但需要注意的是：現(xiàn)在必須要使用AI來 VibeCoding 了。

此外，對(duì)于如此高增速的公司而言，作為CEO也提到了“996”高強(qiáng)度的工作。 不過最重要的是，can-do的價(jià)值觀。“行動(dòng)比想法重要！”

大模型已經(jīng)進(jìn)入Evals時(shí)代，未來3年，ASI（超級(jí)智能）為時(shí)尚早！這是他對(duì)美國(guó)硅谷各家頂尖大模型實(shí)驗(yàn)室的洞察。

“實(shí)現(xiàn)這一切的關(guān)鍵不在于‘再多10倍的預(yù)訓(xùn)練數(shù)據(jù)’，而在于更高效、更精心設(shè)計(jì)的后訓(xùn)練數(shù)據(jù)集。”

以下是整理的對(duì)話全文，原汁原味，各位自行收藏細(xì)讀，enjoy：

主持人：今天的嘉賓是 Mercor 的 CEO 和聯(lián)合創(chuàng)始人 Brendan Foodie。Mercor 是歷史上增長(zhǎng)最快的公司，從零到 5 億美元營(yíng)收只用了 17 個(gè)月，不到一年半。Brendan 也是史上最年輕的獨(dú)角獸創(chuàng)始人。他們剛剛完成了一筆 1 億美元融資，公司估值達(dá)到 20 億美元。如果你還沒聽說過 Mercor，它的業(yè)務(wù)是幫助 AI 實(shí)驗(yàn)室和 AI 公司招聘專家，用 AI 協(xié)助訓(xùn)練他們的模型。他們從未有過客戶流失，凈收入留存率超過 1600%，年?duì)I收已經(jīng)穩(wěn)定在九位數(shù)的水平。

在今天的對(duì)話中，我們會(huì)聊到 evals（評(píng)測(cè)）的價(jià)值和重要性正在快速上升，像 Mercor 這樣的 AI 訓(xùn)練公司在整個(gè)版圖中的位置，以及它們?yōu)槭裁慈绱酥匾陀袃r(jià)值。我們會(huì)談到 Brendan 是如何發(fā)現(xiàn)這個(gè)機(jī)會(huì)的，他對(duì)產(chǎn)品市場(chǎng)契合的洞見，他在組織內(nèi)部建立的核心原則如何幫助他打造了史上增長(zhǎng)最快的公司。我們還會(huì)討論：為實(shí)驗(yàn)室撰寫 evals 的人每天到底在做什么；在 AI 崛起的浪潮里，哪些技能和崗位能存續(xù)得更久；他為什么認(rèn)為我們短期內(nèi)不會(huì)看到 AGI 或超級(jí)智能；以及更多話題。這期節(jié)目非常精彩，你一定要聽。

主持人：Brendan，非常感謝你今天能來。歡迎來到節(jié)目。

Brendan Foody：非常感謝邀請(qǐng)我，Lenny。我是你的超級(jí)粉絲，很期待這次對(duì)話。

主持人：我也很期待，能和你聊聊真是太棒了。我本人也是你的粉絲，希望有更多人了解你和你正在做的事情。

大模型進(jìn)入evals時(shí)代

主持人：我想從你置頂在推特上的一條推文開始。內(nèi)容是：我們現(xiàn)在已經(jīng)與“七巨頭”中的六家合作，和所有前五大 AI 實(shí)驗(yàn)室合作，以及大多數(shù) AI 應(yīng)用層公司。

主持人：有一個(gè)趨勢(shì)在所有客戶身上都很普遍：我們正進(jìn)入 evals 時(shí)代。這讓我特別注意，因?yàn)檫@是這個(gè)播客里反復(fù)被提到的主題。大家都在談 evals 的價(jià)值，以及做好 evals 的重要性。但很多人其實(shí)還不太清楚我們?cè)谡f什么，為什么這件事如此關(guān)鍵。你覺得人們還缺失了什么？他們需要知道哪些東西？evals 時(shí)代意味著什么？

Brendan Foody：如果說模型就是產(chǎn)品，那么 evals 就是產(chǎn)品需求文檔（PRD）。研究人員的日常工作就是跑幾十個(gè)實(shí)驗(yàn)，在 eval 數(shù)據(jù)集上做一些小的改進(jìn)。

強(qiáng)化學(xué)習(xí)正在變得非常有效。一旦有了 eval，就能幫助模型“攀升”。比如你看奧賽數(shù)學(xué)（Olympiad math），一旦大家集中攻克，很快就飽和了；Sweebench 也是一樣。所以某種意義上，把代理（agents）應(yīng)用到整個(gè)經(jīng)濟(jì)、自動(dòng)化所有工作流的真正瓶頸是：我們?nèi)绾魏饬砍晒Γ咳绾螌?nbsp;eval，如何寫代理要做的一切事情的 PRD？而 Mercor 顯然在這里扮演著核心角色。

如何做好evals？大家更關(guān)心實(shí)際能力

主持人：聽到這，很多人可能會(huì)覺得，“好吧，我得認(rèn)真關(guān)注 eval 了。”你有什么建議嗎？比如怎么學(xué)會(huì)做好這件事？那些做得好的公司和其他公司有什么不同？

Brendan Foody：我覺得對(duì)企業(yè)來說，核心思路是：如何建立一個(gè)測(cè)試體系，系統(tǒng)化地衡量 AI 在自動(dòng)化其核心價(jià)值鏈上的效果？比如一家建筑事務(wù)所，最終交付給客戶的是建筑設(shè)計(jì)圖，那他們?cè)趺从行Ш饬?nbsp;AI 在這方面的表現(xiàn)？每家公司都有自己獨(dú)特的價(jià)值鏈，如果是多產(chǎn)品公司可能有幾條。思考如何衡量這些價(jià)值鏈，是企業(yè)有效應(yīng)用 AI 的前提。

主持人：我看到你在 No Priority 播客上和 Sarah、Elad 聊過這個(gè)話題。Sarah 還發(fā)推說“evals = 你的新營(yíng)銷”。這是什么意思？你怎么看？

Brendan Foody：是的，這和我剛才說的有聯(lián)系。如果模型是產(chǎn)品，那么 evals 既是 PRD，也是銷售資料。evals 不僅告訴研究人員應(yīng)該構(gòu)建什么，還能向外展示能力的效果。過去大家都引用學(xué)術(shù)評(píng)測(cè)，比如 GPQA、humanities last exam、奧賽數(shù)學(xué)。但現(xiàn)在，大家更關(guān)心實(shí)際能力，比如模型能否自動(dòng)化搭建軟件平臺(tái)，能否自動(dòng)化投行分析。我認(rèn)為無論是實(shí)驗(yàn)室還是應(yīng)用層公司，都將越來越依賴 evals 來展示他們的模型和產(chǎn)品能力。

幫大模型公司招聘專家，狂賺4億刀，為什么？

主持人：好，那我們放大一點(diǎn)，聊聊你所在市場(chǎng)的格局。我在準(zhǔn)備時(shí)注意到，歷史上增長(zhǎng)最快的公司大概分三類：一類是基礎(chǔ)模型公司；一類是 vibe coding 應(yīng)用（比如 Cursor、Lovable、Bolt、Replit 等 V0 公司）；第三類就是數(shù)據(jù)標(biāo)注公司，比如你們。之前我邀請(qǐng)過 Handshake 的 CEO，接下來會(huì)有 Scale 的 CEO，還有 Surge，再加上你們。能幫我們理清一下這整個(gè)版圖嗎？很多人其實(shí)并不清楚。

Brendan Foody：好的。我先講一點(diǎn)起源故事，來解釋這個(gè)格局。我們創(chuàng)始團(tuán)隊(duì)在 14 歲時(shí)就認(rèn)識(shí)了，19 歲時(shí)一起創(chuàng)辦公司。最初是在 2023 年 1 月，做國(guó)際招聘，把人匹配給朋友，并自動(dòng)化整個(gè)招聘流程——就像人類會(huì)篩簡(jiǎn)歷、面試、決定錄用一樣，我們用大模型自動(dòng)化了這些環(huán)節(jié)。靠自籌資金做到百萬美元營(yíng)收跑速后，我們才退學(xué)創(chuàng)業(yè)。后來一系列事情發(fā)生了，我們遇到了 OpenAI。

當(dāng)時(shí)，人類數(shù)據(jù)市場(chǎng)正經(jīng)歷巨大轉(zhuǎn)變：早期 LLM 需要的是寫一些語法勉強(qiáng)正確句子的低中技能人群。但現(xiàn)在，需求轉(zhuǎn)向了“尋找并驗(yàn)證最優(yōu)秀的專業(yè)人士”，比如資深軟件工程師、投行人士、醫(yī)生、律師，他們能幫助評(píng)估和解讀模型能力。這時(shí)我們就開始和頂級(jí) AI 實(shí)驗(yàn)室合作，在 16 個(gè)月內(nèi)把公司從零做到 4 億美元營(yíng)收跑速。

Brendan Foody：這段旅程非常不可思議，也令人振奮。

主持人：天啊，這太瘋狂了。我不確定大家是否意識(shí)到——我想這是你第一次公開這個(gè)數(shù)字。到我們播出的時(shí)候，你們可能已經(jīng)宣布了：16 個(gè)月從 0 到 4 億美元營(yíng)收。

Brendan Foody：沒錯(cuò)。這是歷史上最快的增長(zhǎng)記錄，我們對(duì)此非常自豪。

主持人：好吧，說明確實(shí)有大事在發(fā)生。這為什么這么有價(jià)值？到底發(fā)生了什么？

主持人：讓我來簡(jiǎn)單總結(jié)一下你們的業(yè)務(wù)：你們幫實(shí)驗(yàn)室招聘人來訓(xùn)練模型，不只是一般勞動(dòng)力，而是有專業(yè)背景、能解決模型知識(shí)缺口的專家，對(duì)嗎？

Brendan Foody：完全正確。這也回到你最初的問題：evals 時(shí)代。實(shí)驗(yàn)室提升模型能力的最大瓶頸就是：如何有效衡量成功？eval 既是他們對(duì)照進(jìn)展的測(cè)試集，也是 RL 環(huán)境里的驗(yàn)證者，用來獎(jiǎng)勵(lì)模型、提升能力等等。而這種需求存在于所有領(lǐng)域，所有模型還不擅長(zhǎng)的能力上。全球最有錢的公司愿意不惜代價(jià)來提升模型能力，而 Mercor 就在這個(gè)核心瓶頸上。

專家的日常工作揭秘：給大模型定紅線，監(jiān)督微調(diào)數(shù)據(jù)、強(qiáng)化學(xué)習(xí)任務(wù)

主持人：那么這些專家實(shí)際在做什么？能舉個(gè)例子嗎？比如他們一天到底在電腦前干嘛？

Brendan Foody：市場(chǎng)的邊界就是：凡是人類能做而模型還不能做的，就是需求所在。具體點(diǎn)說，如果你有一個(gè)模型，要像律師一樣修改合同條款（紅線），但它出錯(cuò)很多，漏掉關(guān)鍵點(diǎn)。你可以請(qǐng)律師像教授設(shè)計(jì)評(píng)分標(biāo)準(zhǔn)一樣，寫一個(gè) rubric（評(píng)分準(zhǔn)則），定義模型該做到哪些點(diǎn)，并給出打分方式。這樣我們就能衡量模型進(jìn)步：是否達(dá)到了專業(yè)人士的標(biāo)準(zhǔn)。然后，這些 rubric 還能作為訓(xùn)練數(shù)據(jù)，用來獎(jiǎng)勵(lì)模型、強(qiáng)化其能力。

主持人：所以他們本質(zhì)上就是在寫 eval，對(duì)嗎？

Brendan Foody：沒錯(cuò)。其實(shí)大家常提 RL 環(huán)境和 evals，但正如 Andrej Karpathy 說過的，它們本質(zhì)上只是不同的語義描述，本質(zhì)上都是“如何衡量好壞”。evals 既能當(dāng)作基準(zhǔn)，也能當(dāng)作“銷售資料”，告訴別人“我們的模型為什么最好”，同時(shí)還能用于訓(xùn)練后階段，獎(jiǎng)勵(lì)模型實(shí)現(xiàn)某些能力。

主持人：好，那回到剛才的律師例子。

主持人：律師會(huì)寫出：什么樣的合同修改才算優(yōu)秀，并設(shè)計(jì)一個(gè) rubric 來定義“優(yōu)秀”。

主持人：那么，他們會(huì)不會(huì)還提供實(shí)際的合同修改示例？

Mercor：可能吧。所以從歷史上看，數(shù)據(jù)格局主要包含兩類數(shù)據(jù)。第一類是監(jiān)督微調(diào)數(shù)據(jù)，就是輸入輸出。當(dāng)人們想到傳統(tǒng)意義上的微調(diào)時(shí)，說的就是這個(gè)。第二類是強(qiáng)化學(xué)習(xí)（RL）任務(wù)，模型會(huì)生成幾個(gè)示例，我們選擇哪個(gè)是最優(yōu)的。現(xiàn)在大家普遍轉(zhuǎn)向的是來自AI反饋的強(qiáng)化學(xué)習(xí)（RLAIF），而不是人類反饋。在這種方式下，人類定義某種成功標(biāo)準(zhǔn)、某種可衡量的方式。比如在代碼場(chǎng)景里，可能是一個(gè)單元測(cè)試——我們能大規(guī)模衡量成功。在其他領(lǐng)域，可能是一個(gè)評(píng)分標(biāo)準(zhǔn)（rubric）。然后你用這個(gè)來激勵(lì)模型能力的提升。這種方式更具可擴(kuò)展性，也更高效。所以，這就是為什么整個(gè)市場(chǎng)的大趨勢(shì)正朝著RLAIF發(fā)展，不僅是評(píng)估模型，也是提升模型能力。

主持人：我之前采訪過Anthropic的一位聯(lián)合創(chuàng)始人，他說的完全一樣。他們?cè)贏nthropic所做的，就是轉(zhuǎn)向AI驅(qū)動(dòng)的強(qiáng)化學(xué)習(xí)。那我試著用外行人的角度幫觀眾理解：比如，一個(gè)律師會(huì)說，紅線合同的正確修改應(yīng)該長(zhǎng)什么樣。然后AI就像自己琢磨一樣，“好，我要嘗試改進(jìn)它”，并根據(jù)給定的評(píng)估標(biāo)準(zhǔn)/評(píng)分表來判斷自己是不是在正確的方向上。

Brendan Foody：沒錯(cuò)。這就像是應(yīng)用“好結(jié)果”的所有標(biāo)準(zhǔn)，類似于助教根據(jù)教授的標(biāo)準(zhǔn)來判定學(xué)生的回答是否符合某一條或幾條標(biāo)準(zhǔn)，然后給多少分。

3年內(nèi)不會(huì)出現(xiàn)超級(jí)智能，因?yàn)榇竽Ｐ偷倪吔缇驮谀?/h3>

主持人：太棒了。那我們轉(zhuǎn)向更大的勞動(dòng)市場(chǎng)話題。這問題分兩部分：第一部分是，我們需要做這種事情（AI評(píng)估與訓(xùn)練）多久？會(huì)不會(huì)有一天不再需要人類？你們的公司增長(zhǎng)這么快，那會(huì)不會(huì)有個(gè)時(shí)點(diǎn)說：人類不再需要了，或者已經(jīng)飽和了？我們先聊這個(gè)，再進(jìn)入更大的問題。

Brendan Foody：關(guān)鍵問題是：在經(jīng)濟(jì)中會(huì)有多久存在那些AI做不到但人類能做的事情？

Brendan Foody：當(dāng)然，有些人認(rèn)為三年內(nèi)會(huì)出現(xiàn)超級(jí)智能，那時(shí)人類將不再在經(jīng)濟(jì)中扮演任何角色——這是一個(gè)觀點(diǎn)。但我們的看法完全不同。我們的觀點(diǎn)是，這些模型非常厲害，正在快速自動(dòng)化很多事情，但也有很多它們完全不行的。比如，它仍然不能幫我在日歷上安排會(huì)議，不能幫我寫郵件，不能用一些最基本的工具。我們需要對(duì)一切做評(píng)估——對(duì)工具使用的評(píng)估、對(duì)長(zhǎng)周期推理的評(píng)估。想象一下10年后，我們希望模型能出去運(yùn)行一家創(chuàng)業(yè)公司30天，那就需要對(duì)其進(jìn)行評(píng)估來有效激勵(lì)它。而且只要在經(jīng)濟(jì)中還存在人類能做但模型做不到的事情，這條改進(jìn)之路就會(huì)一直持續(xù)，這也會(huì)成為未來工作的重要組成部分。所以我們的使命就是創(chuàng)造未來的工作形態(tài)。我認(rèn)為這個(gè)行業(yè)非常令人興奮，因?yàn)樗鼮槲覀冋故玖宋磥戆l(fā)展的大方向。

未來求職：關(guān)注有需求彈性的崗位，軟件、設(shè)計(jì)、用戶研究這些崗位只會(huì)增加

主持人：我想問你轉(zhuǎn)發(fā)過的一條推文。“如果你仔細(xì)想想，我們來到這個(gè)世界的意義就是為實(shí)驗(yàn)室創(chuàng)造強(qiáng)化學(xué)習(xí)訓(xùn)練數(shù)據(jù)。”你怎么看？這句話意味著什么？是不是說我們其實(shí)就是在幫模型訓(xùn)練？

Brendan Foody：這句話對(duì)應(yīng)了我和很多頂尖實(shí)驗(yàn)室研究人員和高管的對(duì)話。他們認(rèn)為整個(gè)經(jīng)濟(jì)高度可能會(huì)演變成一個(gè)RL環(huán)境機(jī)器。我們會(huì)構(gòu)建各種各樣的世界和場(chǎng)景，然后在其中加入評(píng)分標(biāo)準(zhǔn)或其他驗(yàn)證機(jī)制。這其實(shí)非常令人興奮。類比到歷史上的其他革命，比如工業(yè)革命時(shí)，大家都擔(dān)心失業(yè)，但隨之出現(xiàn)了一整類新工作：如何造機(jī)器、如何進(jìn)行知識(shí)工作、如何創(chuàng)造新的事物。過去三年的AI敘事幾乎全是關(guān)于“工作被取代”。當(dāng)然，ChatGPT發(fā)展很快，大家都喜歡用它。但從經(jīng)濟(jì)層面上，討論的更多是取代，很少有公司和人去討論新工作類別正在被創(chuàng)造，以及這意味著什么，人們?nèi)绾螠?zhǔn)備和提升自己。對(duì)我來說，最令人興奮的就是：創(chuàng)造那個(gè)未來——人類如何融入經(jīng)濟(jì)，并且這一過程如何演變。

主持人：我經(jīng)常遇到有人問我：我該學(xué)什么？我該提升哪些能力？正在讀書的人也會(huì)問：未來到底什么才是有價(jià)值的？而你正處在人才需求的中心，你最清楚哪些崗位最受歡迎，招聘如何演變。我想直接問你：未來哪些崗位會(huì)保留？年輕人應(yīng)該投資哪些技能？

Brendan Foody：關(guān)于崗位，我會(huì)從需求彈性很大的類別來回答。這些會(huì)非常令人興奮。比如，當(dāng)一個(gè)人生產(chǎn)力提高10倍時(shí)，我們就能開發(fā)10倍、甚至100倍的軟件。產(chǎn)品經(jīng)理在這種情況下就會(huì)非常有優(yōu)勢(shì)。至于技能，我認(rèn)為關(guān)鍵是能利用AI完成自己日常工作的人。比如，我和一些老師聊過，他們想知道如何更好地評(píng)估學(xué)生。我們最早做過大量AI面試和評(píng)估，對(duì)此很有經(jīng)驗(yàn)。我們的結(jié)論是：你不應(yīng)該阻止學(xué)生用模型，就像計(jì)算器出現(xiàn)后，你不可能還讓學(xué)生天天做算術(shù)作業(yè)。你應(yīng)該告訴他們：“去用這些工具，讓我們看看你能做到什么。”所以在我們的面試?yán)铮覀儠?huì)說：“去用ChatGPT、Codex、ClaudeCode、Cursor等任何工具，在一個(gè)小時(shí)內(nèi)搭建一個(gè)網(wǎng)站。”我們想看看最終你能產(chǎn)出什么產(chǎn)品。這個(gè)例子其實(shí)就說明了技能方向：關(guān)鍵不是對(duì)抗AI，而是如何借助它在自己所在行業(yè)做得更多。

主持人：你說的“需求彈性”，是指通才型人才嗎？

Brendan Foody：不是，我指的是行業(yè)的需求容量。舉幾個(gè)例子：會(huì)計(jì)——全世界需要的會(huì)計(jì)數(shù)量是有限的，不太可能需要100倍的會(huì)計(jì)。但軟件開發(fā)不一樣。我們完全可以交付100倍的功能，迭代速度快100倍，構(gòu)建更多新東西。這里的需求幾乎無限。最近Marc（注：指硅谷投資人Marc Andreessen）也在推特上說過：軟件是最具彈性的行業(yè)。當(dāng)生產(chǎn)力提高時(shí)，需求也會(huì)隨之大幅增加。這種特征在很多其他行業(yè)也存在。所以我會(huì)建議人們關(guān)注那些：當(dāng)大家的生產(chǎn)力提升10倍，需求會(huì)隨之增加，而不是減少的領(lǐng)域。

主持人：所以你的觀點(diǎn)是“學(xué)習(xí)編程依然有用”。計(jì)算機(jī)科學(xué)還是值得學(xué)的。那么在彈性崗位類別里，工程和產(chǎn)品管理肯定在內(nèi)。還有哪些？比如設(shè)計(jì)、用戶研究？

Brendan Foody：是的，還有很多環(huán)節(jié)，整個(gè)公司構(gòu)建的價(jià)值鏈里都有這樣的變量。比如運(yùn)營(yíng)、咨詢。想象一下如果我們能有10倍的麥肯錫咨詢顧問，會(huì)產(chǎn)生多少研究和分析？但我認(rèn)為能成功的公司和個(gè)人，都是那些擁抱豐裕思維的人，思考“如何做得更多”，而不是抵抗“如何避免被替代”。

主持人：說到這里，就讓我想起你提到的第二類成功者——不是具體技能，而是會(huì)用AI，讓自己更強(qiáng)的人。這讓我想到馬斯克和Neuralink，他說未來AGI或超級(jí)智能出現(xiàn)時(shí)，人類要想競(jìng)爭(zhēng)，最好的辦法就是把大腦接入超級(jí)智能。這有點(diǎn)像現(xiàn)在的AI：熟練使用AI工具的人，其實(shí)就像獲得了超級(jí)能力。

Brendan Foody：沒錯(cuò)，能學(xué)會(huì)如何利用并融入AI，將會(huì)至關(guān)重要。

主持人：對(duì)，這其實(shí)就回到一句現(xiàn)在聽起來有點(diǎn)老套的話：AI不會(huì)取代你，會(huì)用AI的人會(huì)取代你。

Brendan Foody：我完全同意。在企業(yè)級(jí)別上我也確實(shí)看到了這種情況。有些公司害怕接觸，不想評(píng)估，因?yàn)橐坏┰u(píng)估就等于承認(rèn)價(jià)值鏈正在被自動(dòng)化。但也有一些公司——一些最知名、最復(fù)雜的財(cái)富500企業(yè)——正積極擁抱這種思維：如果我們能多做10倍、100倍，會(huì)意味著什么？未來10年會(huì)有那么多改變，而這些公司將會(huì)是最成功的。

未來招聘市場(chǎng)走向：AI修改簡(jiǎn)歷泛濫，需要智能篩選機(jī)制

主持人：我們?cè)倭幕貏趧?dòng)市場(chǎng)。你們公司最初并不是要把人送去AI實(shí)驗(yàn)室，不是為了訓(xùn)練模型，而是幫助人找工作、幫助公司招聘。后來才發(fā)現(xiàn)了這個(gè)巨大的機(jī)會(huì)。所以你們對(duì)未來勞動(dòng)市場(chǎng)和招聘的走向有很獨(dú)特的看法，能談?wù)剢幔?/span>

Brendan Foody：是的。我還記得我們剛創(chuàng)業(yè)時(shí)（當(dāng)時(shí)我19歲），只是有個(gè)直覺：勞動(dòng)力市場(chǎng)過于低效和分散。什么意思呢？比如我們要在全球招聘，候選人會(huì)申請(qǐng)十幾份工作。但作為一家灣區(qū)公司，我們只會(huì)考慮市場(chǎng)上極小一部分候選人。原因是匹配問題必須人工解決：人工篩簡(jiǎn)歷、人工面試、人工決定雇誰。但如果這個(gè)匹配問題能用軟件自動(dòng)化解決，就能形成一個(gè)全球統(tǒng)一的勞動(dòng)市場(chǎng)——所有候選人都申請(qǐng)到同一個(gè)市場(chǎng)，所有公司都從同一個(gè)市場(chǎng)招聘，信息流動(dòng)更加順暢。毫無疑問，這就是未來的方向。但我們后來意識(shí)到，工作的本質(zhì)也在劇烈變化。而在未來10年的建設(shè)中，除了打造市場(chǎng)，我們還需要通過評(píng)估和RL環(huán)境數(shù)據(jù)集為客戶創(chuàng)造未來的工作形態(tài)。

主持人：我看到的招聘趨勢(shì)也印證了這一點(diǎn)。我跟合作伙伴Gnome一起做過研究：現(xiàn)在投簡(jiǎn)歷變得太容易了，大家都能用AI快速改簡(jiǎn)歷、寫求職信，一口氣投幾百家公司。招聘經(jīng)理這邊就被簡(jiǎn)歷海淹沒了，所以不得不依賴AI來篩選。即使我們不想走到這一步，也被推著走：申請(qǐng)量和招聘量的暴增，迫使我們必須有更智能的過濾和選擇機(jī)制。這正是你們這些年來一直在構(gòu)建的。

Brendan Foody：沒錯(cuò)。很多人會(huì)問：我們到底是勞動(dòng)市場(chǎng)公司，還是數(shù)據(jù)公司？這個(gè)問題有意思，因?yàn)槲覀円庾R(shí)到實(shí)驗(yàn)室真正需要的其實(shí)是勞動(dòng)市場(chǎng)。他們需要的是那些頂尖的專業(yè)人才。當(dāng)然我們會(huì)附加一些項(xiàng)目管理和軟件平臺(tái)，但核心是：如何找到這些跨領(lǐng)域的高水平專家，來測(cè)評(píng)模型能力，并共同構(gòu)建未來的工作形態(tài)。

人的質(zhì)量，決定ChatGPT的質(zhì)量

主持人：回到你們的業(yè)務(wù)。我和朋友聊過一件事：他腳踝扭傷，拍了X光片，然后把片子扔給ChatGPT，讓它分析。結(jié)果它真的給出診斷了。他就問我：“這模型是怎么知道的？網(wǎng)上哪里有這樣的訓(xùn)練數(shù)據(jù)？”我告訴他，不是這樣，其實(shí)是有人在幫模型理解——當(dāng)它不會(huì)時(shí)，人類會(huì)教它。所以模型的學(xué)習(xí)背后，是人類在不斷提供幫助。

Brendan Foody：沒錯(cuò)。其實(shí)運(yùn)作的方式，至少大多數(shù)人的理解是這樣的：模型的工作原理很復(fù)雜，預(yù)訓(xùn)練把大量知識(shí)灌進(jìn)模型里，相當(dāng)于讓它見過世界上各種事物。然后后訓(xùn)練和強(qiáng)化學(xué)習(xí)，才是幫助模型區(qū)分哪些知識(shí)是準(zhǔn)確的、哪些是不準(zhǔn)確的，以及在特定時(shí)刻該如何優(yōu)先取舍來做出決定。在這背后，其實(shí)就有放射科醫(yī)生參與后訓(xùn)練數(shù)據(jù)集的標(biāo)注，他們會(huì)設(shè)定一個(gè)參考點(diǎn)——比如診斷結(jié)果，并配上相應(yīng)的獎(jiǎng)勵(lì)或懲罰機(jī)制。

Brendan Foody：最終，正是這些人的質(zhì)量，決定了 ChatGPT 的決策和推薦的質(zhì)量。

主持人：那我們繼續(xù)展開一下，因?yàn)檫@真的很有意思，我覺得沒多少人真正理解。我大概能理解。所以你們和這些專家做的工作，其實(shí)是“后訓(xùn)練”。這不是往模型預(yù)訓(xùn)練階段去喂數(shù)據(jù)，而是說：我們已經(jīng)有了 GPT-5 模型，然后要補(bǔ)上它缺失的東西，再加強(qiáng)它。對(duì)吧？

Brendan Foody：對(duì)。更準(zhǔn)確地說，這是幫助模型從預(yù)訓(xùn)練里篩選正確的 token，強(qiáng)化正確的推理鏈，讓模型能更通用、更好地推理。

主持人：有多少人規(guī)模在做這件事？是幾千、幾萬人，還是幾十萬人？

Brendan Foody：通常是幾萬人同時(shí)在做，更廣泛來說是幾十萬人。規(guī)模非常大。而且最令人興奮的是它增長(zhǎng)得非常快。你剛才提到競(jìng)爭(zhēng)格局——過去主要是一些眾包公司雇傭大量低技能勞動(dòng)力，比如 Scale 和 Surge 這類公司算是行業(yè)的先驅(qū)。但現(xiàn)在過渡到高技能勞動(dòng)后，人們發(fā)現(xiàn)只要找到更高水平的人才，即便數(shù)量少一些，價(jià)值也能遠(yuǎn)遠(yuǎn)更大。等到滿足質(zhì)量標(biāo)準(zhǔn)后，再逐步放大規(guī)模。我們的快速增長(zhǎng)和營(yíng)收成功，也吸引了一批后來者追隨這個(gè)市場(chǎng)邏輯，這是合理的。

主持人：挺有意思。

主持人：其實(shí)一直有一些公司，比如 AlphaSites 和 GLG，在 AI 之前就做過類似的事：花錢把人和專家連線，問他們問題。現(xiàn)在事實(shí)證明這對(duì)模型也很有用，只不過不再需要“中間人”。

Brendan Foody：沒錯(cuò)。

Brendan Foody：但核心區(qū)別在于：AlphaSites 通常只是“一次性電話咨詢”，而我們更多是把人招進(jìn)來做項(xiàng)目，需要他們長(zhǎng)期投入。這也是為什么傳統(tǒng)專家網(wǎng)絡(luò)很難切入這一領(lǐng)域。另外，你還要考慮怎么長(zhǎng)期留住這些人，以及建立起合理的激勵(lì)機(jī)制。某種程度上，它更像 Uber 或 DoorDash 這樣的勞動(dòng)市場(chǎng)，只不過我們對(duì)接的是高技能人才，并且給予非常優(yōu)厚的待遇。

主持人：我今天學(xué)到好多東西，所以我想多問幾個(gè)問題。你們找的專家，到底是更多偏“硬知識(shí)”，還是偏“人格和軟技能”？比如具體到：怎么做檢查，怎么做 X 光？

Brendan Foody：要看不同實(shí)驗(yàn)室的需求，兩者都有。以前可能更偏軟技能，但現(xiàn)在很多實(shí)驗(yàn)室聚焦的是商業(yè)模式：哪些能力能直接帶來收入，所以更傾向于專業(yè)領(lǐng)域的硬技能。不過創(chuàng)意類能力同樣很重要。比如幾個(gè)月前我們就把哈佛 Lampoon 喜劇社整隊(duì)招了進(jìn)來，讓模型變得更幽默。我們也會(huì)請(qǐng)艾美獎(jiǎng)編劇，或者各類創(chuàng)意人才，來提升模型的創(chuàng)造力。

24小時(shí)內(nèi)交付專家，只需留住前10%的人，時(shí)薪最高達(dá)500美刀

主持人：這故事太酷了。我迫不及待想看到效果。這種改進(jìn)見效要多久？幾個(gè)月還是幾年？

Brendan Foody：要看實(shí)驗(yàn)室。有些模型會(huì)迭代式更新，幾周就悄悄改進(jìn)一次；有些則會(huì)搞“大版本發(fā)布”。我們?cè)谒羞@些實(shí)驗(yàn)室背后提供支持。我們動(dòng)作很快，比如客戶說要找獲獎(jiǎng)編劇，我們能在 24 小時(shí)內(nèi)交付專家。還有個(gè)很有趣的現(xiàn)象：我們雇的 100 個(gè)人里，往往前 10% 的人貢獻(xiàn)了大部分改進(jìn)。就像一家公司，10% 的頂尖員工決定了大部分產(chǎn)出。這意味著只要我們能識(shí)別并留住那前 10% 的人，再把他們高效匹配到項(xiàng)目里，就能創(chuàng)造巨大的客戶價(jià)值，也形成了競(jìng)爭(zhēng)壁壘。這正是公司最初的核心邏輯：找到卓越人才，并持續(xù)把他們帶給客戶。

主持人：那具體來說，比如你們招了一個(gè)叫 Jane 的人，她很會(huì)寫代碼，她會(huì)不會(huì)就被 Anthropic 全職雇走？還是說主要是兼職、項(xiàng)目制？

Brendan Foody：都有。有時(shí)是全職，但多數(shù)是兼職。比如有些人在大廠工作，節(jié)奏慢，手里還有 20 小時(shí)富余時(shí)間，就會(huì)來做這類任務(wù)。當(dāng)然我們也提供很多 40 小時(shí)全職崗位。

主持人：那收入呢？對(duì) FAANG 工程師來說值得嗎？

Brendan Foody：非常值得。我們平臺(tái)的中位時(shí)薪是 95 美元，最高可以到 500 美元/小時(shí)，取決于專業(yè)深度。對(duì)比傳統(tǒng)眾包平臺(tái)，他們一般平均只付 30 美元/小時(shí)，所以只能雇些本科生。而我們能吸引到高盛銀行家、麥肯錫顧問、FAANG 工程師。最終還是要看實(shí)驗(yàn)室需要的能力，大多數(shù)需求還是落在后者這些高技能人群身上。

Claude代碼為什么領(lǐng)先？評(píng)測(cè)！

主持人：我知道你不能說太多客戶細(xì)節(jié)，但比如 Anthropic Claude 在寫代碼方面一直領(lǐng)先于其他模型，還能寫得很好。我也用它做寫作反饋。為什么他們能這么強(qiáng)？

Brendan Foody：我不能講太細(xì)。但整體趨勢(shì)就是：強(qiáng)化學(xué)習(xí)，以及認(rèn)真定義正確的獎(jiǎng)勵(lì)機(jī)制，避免獎(jiǎng)勵(lì)黑客化，才讓模型越來越好。這就是評(píng)測(cè)的威力。客戶經(jīng)常說：“模型的好壞取決于它的評(píng)測(cè)。”這句話一直成立。

主持人：我記得 Greg Brockman 發(fā)過一句話：“Evals are all you need。”確實(shí)如此。

抓住史上最大商機(jī)：領(lǐng)先指標(biāo)、客戶至上，強(qiáng)推PMF無意義

主持人：我們聊回Mercor 本身吧。你們可能是歷史上增長(zhǎng)最快的公司了。 

我想了解你們是怎么做到的。你認(rèn)為 Mercor 成功的核心要素是什么？

Brendan Foody：最重要的是抓住快速變化市場(chǎng)里的領(lǐng)先指標(biāo)。以前在風(fēng)投圈，大家總說“為什么是現(xiàn)在（Why Now）”。我一開始理解為產(chǎn)品層面的時(shí)機(jī)，比如現(xiàn)在能自動(dòng)化篩簡(jiǎn)歷、做面試。但其實(shí)關(guān)鍵在于市場(chǎng)。你要找到那些變化飛快的新市場(chǎng)和新需求點(diǎn)——世界上最有錢的客戶愿意為提升模型能力花任何代價(jià)。我們就要盯住這些領(lǐng)先信號(hào)，把一切資源優(yōu)化到為頭部客戶提供最好的解決方案上。這是最有影響力的一點(diǎn)。

另一個(gè)核心是客戶至上。在公司成立一年半里，我們沒有銷售團(tuán)隊(duì)，也沒有市場(chǎng)團(tuán)隊(duì)，100% 的資源都放在打磨產(chǎn)品和體驗(yàn)。靠口碑傳播，客戶在別的公司工作時(shí)還想繼續(xù)用我們。這就是我們花所有時(shí)間的地方。很多創(chuàng)業(yè)者容易過早糾結(jié)“怎么做好市場(chǎng)推廣”，但真正重要的是：先把讓客戶愛上的“六星體驗(yàn)”做到。

主持人：我想回到你剛才說的，你們發(fā)現(xiàn)了一個(gè)可能是“史上最大商機(jī)”的口袋市場(chǎng)。你們是怎么第一次意識(shí)到的？

Brendan Foody：這背后有些瘋狂的故事。我們?cè)?nbsp;2023 年 1 月成立公司，到 2023 年 8 月，我還在上大學(xué)。有客戶把我們介紹給 xAI 的聯(lián)合創(chuàng)始人，說我們有一批數(shù)學(xué)和編程很強(qiáng)的印度工程師。我們見面后強(qiáng)調(diào)他們的強(qiáng)項(xiàng)就是因?yàn)椴挥帽蝗宋膶W(xué)科分心，不用學(xué)歷史英語這些，他們很喜歡。兩天后，xAI 就請(qǐng)我們?nèi)?nbsp;Tesla 辦公室，見了整個(gè)聯(lián)合創(chuàng)始團(tuán)隊(duì)（除了 Elon）。當(dāng)時(shí) xAI 剛成立，他們對(duì)我們“專家質(zhì)量?jī)?yōu)先”的理念非常興奮。雖然他們那時(shí)還在做預(yù)訓(xùn)練，不急著要人類數(shù)據(jù)，所以沒有立刻合作，但我們已經(jīng)意識(shí)到市場(chǎng)會(huì)徹底變革，我們必須走在前沿。

再往后幾個(gè)月，一家眾包公司來用我們的平臺(tái)雇了上千人。結(jié)果我們收到大量工單，投訴他們沒拿到錢。我們很愧疚，因?yàn)槲覀兺扑]的機(jī)會(huì)竟然沒兌現(xiàn)。這讓我們意識(shí)到：很多老牌公司在人才體驗(yàn)上完全停滯，人才被當(dāng)作廉價(jià)消耗品。但其實(shí)可以直接和實(shí)驗(yàn)室合作，既保證專家尊嚴(yán)、又支付高薪，同時(shí)切掉中間環(huán)節(jié)。于是我們?cè)?/span>2024 年 5 月開始直接對(duì)接實(shí)驗(yàn)室，后面的故事你就知道了。

主持人：哇。

主持人：這就帶來了上億美元的營(yíng)收。所以總結(jié)一下，你們的思路是：先敏銳捕捉“需求拉力”，然后一旦確認(rèn)市場(chǎng)有意義，就全力把客戶體驗(yàn)做到極致。

Brendan Foody：對(duì)。如果給創(chuàng)業(yè)者一句建議，就是：別老想著“強(qiáng)推產(chǎn)品市場(chǎng)匹配”。當(dāng)然，你需要堅(jiān)持自己的世界觀，認(rèn)為世界會(huì)如何變化，但有時(shí)市場(chǎng)本身會(huì)告訴你“拉力”在哪。要找到那些非常容易成交的客戶，因?yàn)槟谴硭麄兺袋c(diǎn)極大、需求迫切。如果每個(gè)客戶都得拼命去推銷，那業(yè)務(wù)做不大。你需要找到“輕而易舉就能成交的客戶”，那才是增長(zhǎng)的核心。所以既要對(duì)未來的假設(shè)保持執(zhí)著，又要對(duì)市場(chǎng)的具體走向保持開放，隨時(shí)調(diào)整。

主持人：這真是一個(gè)了不起的洞見。

主持人：在你剛剛描述的那些時(shí)刻里，感覺像是兩個(gè)關(guān)鍵點(diǎn)疊加在一起：一個(gè)是和 xAI 的會(huì)面——你們意識(shí)到，“哇，他們真的、真的很想要我們手上這點(diǎn)東西，雖然我們做得還不夠完美”；另一個(gè)就是平臺(tái)上一千人的大規(guī)模招聘。

主持人：是不是就是這兩個(gè)瞬間讓你們覺得：“對(duì)，就是這樣”？

Brendan Foody：沒錯(cuò)。而且要注意，這些事發(fā)生的時(shí)候，我們還只是一個(gè)種子輪階段的公司。第一個(gè)是在我們拿到任何種子輪融資之前，當(dāng)時(shí)完全是自力更生。我們把公司做到了一百萬美元的收入運(yùn)行率，始終保持極高的資本效率，從沒燒過錢，整體上一直是盈利的。然后我們?cè)?nbsp;9 月份拿到了 General Catalyst 的種子輪投資。第二個(gè)經(jīng)驗(yàn)，就是在那之后我們真正看清了這個(gè)市場(chǎng)存在巨大的需求——我們看到了量，看到了老玩家其實(shí)對(duì)市場(chǎng)的變化和所需人才有點(diǎn)“睡過去”了。

老外也在996，持續(xù)成功的三個(gè)價(jià)值觀：can-do、高標(biāo)準(zhǔn)、強(qiáng)度

主持人：看到機(jī)會(huì)并開始執(zhí)行是一回事，但能在這樣的規(guī)模下持續(xù)成功是另一回事。你們公司內(nèi)部有一些非常具體的價(jià)值觀，請(qǐng)談?wù)勥@些。我感覺這也是你們成功的重要原因。

Brendan Foody：確實(shí)如此。我可以分享三個(gè)核心價(jià)值觀，并且每個(gè)都講個(gè)小故事。

第一個(gè)是“能做的態(tài)度（can-do attitude）”。大家總是拿這個(gè)說笑，但我們真的一直在設(shè)定看起來瘋狂的目標(biāo)，然后公司的軌跡竟然真的圍繞著這些目標(biāo)展開。我記得在 Benchmark 帶領(lǐng)我們 A 輪融資之前，我們當(dāng)時(shí)收入運(yùn)行率是 150 萬美元，我說我們年底會(huì)做到 5000 萬，他們覺得我們瘋了。結(jié)果前后兩周的差距，我們真的做到了。而且今年我們?cè)缇瓦h(yuǎn)遠(yuǎn)超過了最初定的 5 億美元運(yùn)行率目標(biāo)。所以，不管是營(yíng)收規(guī)模還是人才體驗(yàn)，我們都會(huì)設(shè)定極度雄心勃勃的目標(biāo)，而“能做的態(tài)度”是第一條。

第二個(gè)是高標(biāo)準(zhǔn)。不管是招聘還是日常期望，我們的門檻都非常高。我們雇了很多前創(chuàng)業(yè)者，背景非常優(yōu)秀的人才。比如我們剛剛請(qǐng)來 Sandeep Jain 擔(dān)任總裁，他之前是 Uber 的首席產(chǎn)品官和首席技術(shù)官。Uber 當(dāng)然是全球最大的勞動(dòng)市場(chǎng)，而他愿意加入我們這種相對(duì)還小的公司，就是為了幫我們把流程規(guī)模化。

第三個(gè)是強(qiáng)度（intensity）。看看 Meta 或 Google 的早期文化，都有那種極度強(qiáng)烈的“推山移海”的勁頭。我們公司也是這種氛圍——注重輸出結(jié)果，而不是考核你具體坐多少小時(shí)。但大家都清楚，要建立一家傳奇公司，就必須投入巨大的強(qiáng)度。

主持人：我能理解為什么這套能行。

“能做的態(tài)度 + 高標(biāo)準(zhǔn) + 強(qiáng)度”，聽起來就是成功組合。現(xiàn)在外界很多討論 996、699 這種文化（每天 早9 點(diǎn)到晚 9 點(diǎn)，每周 6 天）。很多人覺得這很糟糕，為什么要這樣壓榨員工？但與此同時(shí)，我不斷聽到頂級(jí) AI 公司都在說，這是成功的必然。機(jī)會(huì)太難得，速度太快，錯(cuò)過就沒了。你怎么看？

Brendan Foody：我需要澄清一點(diǎn)：我們從來沒有強(qiáng)制規(guī)定工時(shí)。這更多是自然而然的結(jié)果——大家都很在乎公司的發(fā)展軌跡。很多人會(huì)自愿留下來加班，但如果他們要早點(diǎn)走去陪孩子吃飯，或者周末要出行，那完全沒問題。對(duì)我們來說，關(guān)鍵在于找到那些有強(qiáng)烈主人翁意識(shí)、真正認(rèn)同公司使命的人，而不是盯著他們坐在辦公室多少小時(shí)。只是現(xiàn)實(shí)往往是——最認(rèn)同的人，通常也就是那些愿意和我們一起熬夜的人。

主持人：當(dāng)你說“高標(biāo)準(zhǔn)”的時(shí)候，有沒有什么具體的例子可以說明你們的要求到底有多高？

很多人覺得自己有高標(biāo)準(zhǔn)，但其實(shí)并沒有。

Brendan Foody：如果你足夠耐心，就能在招聘中把質(zhì)量和速度之間的權(quán)衡做好。我記得我們前 10 個(gè)員工的招聘過程，就異常耐心和嚴(yán)格。比如我們?cè)诿绹?guó)的第二個(gè)員工 Sid，之前是 Scale 的增長(zhǎng)主管，他加入我們的時(shí)候我們還只是種子公司。還有 Daniel，他曾經(jīng)把兩個(gè)消費(fèi)級(jí)應(yīng)用做到 10 萬以上用戶。這些人背景都非常不凡。最初那 10 個(gè)員工的“人才密度”，極大地塑造了公司后續(xù)擴(kuò)張時(shí)的文化和格局。

招人的快與慢

主持人：我知道你們還有個(gè)觀點(diǎn)是：外界經(jīng)常說“招人要慢”，但你認(rèn)為這并不總是對(duì)的。能展開講講嗎？

Brendan Foody：這確實(shí)是把雙刃劍。一方面，我很高興我們前 10 個(gè)員工都如此優(yōu)秀，這對(duì)公司幫助巨大。但另一方面，公司到了一定規(guī)模，就必須快速招聘。有些工作就是需要大量人力來完成。你必須承認(rèn)，快速招聘一定會(huì)帶來一定差異性，但此時(shí)速度更重要。某種意義上，我們?cè)趫F(tuán)隊(duì)擴(kuò)張上其實(shí)走得有點(diǎn)慢了。好處是每個(gè)人都很強(qiáng)，我們保持了高門檻。但壞處就是，即使公司已經(jīng)成長(zhǎng)得很快了，其實(shí)我們本可以更快，如果我們?cè)趶?nbsp;10 人擴(kuò)張到 100 人這段時(shí)間里能更迅速些。

主持人：所以前 10 人要謹(jǐn)慎，之后 10 到 100 人要加快？

Brendan Foody：差不多吧，但我不會(huì)說一定是“10”這個(gè)數(shù)字。關(guān)鍵點(diǎn)是：一旦你清楚公司真的跑通了，市場(chǎng)需求遠(yuǎn)超你能承接的范圍，那就是要“踩油門”的時(shí)候，速度比什么都重要。但在此之前，耐心和高標(biāo)準(zhǔn)依然最重要。

高速增長(zhǎng)下CEO的兩件事

主持人：你之前還創(chuàng)過幾家公司，規(guī)模都比較小。現(xiàn)在作為一家超高速增長(zhǎng)公司 CEO，最讓你意外的是什么？很多人夢(mèng)想當(dāng) CEO，但可能想象不到日常的重點(diǎn)。

Brendan Foody：其實(shí)沒什么太意外的。最主要的兩個(gè)方面依然是招聘和客戶。第一是怎么找到、培養(yǎng)最強(qiáng)的團(tuán)隊(duì)；第二是怎么真正理解客戶需要什么，以及我們?nèi)绾沃С炙麄儭．?dāng)然，還有很多臨時(shí)出現(xiàn)的管理事務(wù)，比如組織架構(gòu)、薪酬等級(jí)等等，這是隨著公司規(guī)模化才會(huì)遇到的。但核心時(shí)間花在招聘和客戶上，這和我之前的預(yù)期一致，也正好是我最喜歡做的事，這算是幸運(yùn)吧。

從甜甜圈到AWS項(xiàng)目：行動(dòng)比想法更重要

主持人：你過去創(chuàng)的那兩家公司，能分享一下嗎？我覺得挺有趣。它們又是如何幫助你在現(xiàn)在的角色里更成功的？

Brendan Foody：我之前搞過十幾個(gè)項(xiàng)目，挑兩個(gè)最喜歡的吧。一個(gè)是我八年級(jí)時(shí)開的 甜甜圈王國(guó)（Donut Dynasty）。當(dāng)時(shí)發(fā)現(xiàn) Safeway 賣一打甜甜圈才 5 美元，我覺得太劃算了。于是我騎車去買，再拿回學(xué)校，一個(gè)賣 2 美元。賣得飛快。我后來請(qǐng)我媽開車送我去批量進(jìn)貨，一次買十打帶回來賣。后來學(xué)校禁止我在校園賣食物，我就把攤子挪到校門口 50 英尺之外，說他們沒權(quán)力管我。競(jìng)爭(zhēng)對(duì)手也出現(xiàn)了，有人賣更高檔的 Chuck’s Donuts，一只就要 1 美元。我于是把價(jià)格壓到 1 美元兩個(gè)，撐了兩周把他們擠出市場(chǎng)（當(dāng)時(shí)我還不知道這叫反競(jìng)爭(zhēng)）。我還雇朋友幫賣，用甜甜圈支付他們的勞務(wù)，他們覺得值 2 美元一只。就是各種有趣的商業(yè)博弈。

另一個(gè)是我高中時(shí)期做的 AWS 相關(guān)業(yè)務(wù)，規(guī)模更大一些。但我從這些經(jīng)歷里得到的最大收獲就是：行動(dòng)比想法更重要。很多人都有點(diǎn)子，但很少人真正去做。只要你愿意開始做、去滿足客戶需求，并投入精力和野心，就能把事情做起來。這些練習(xí)讓我明白，后來應(yīng)該在更大規(guī)模上干同樣的事。

主持人：哈哈，這個(gè)故事太棒了。

主持人：我最喜歡的是你給你媽 20 美元當(dāng)“運(yùn)費(fèi)”。

Brendan Foody：對(duì)，她堅(jiān)持說這不是白幫忙，得算她的時(shí)間成本。她還要求給她一個(gè)頭銜，我們最后笑著把她封為“全球運(yùn)營(yíng)總監(jiān)”。

主持人：希望她把這寫進(jìn) LinkedIn。

Brendan Foody：還沒，不過也許以后會(huì)加上。

主持人：你說自己開過十幾家公司。

Brendan Foody：算是十幾個(gè)項(xiàng)目吧，但真正做大的就是甜甜圈生意和 AWS 公司。

主持人：那“Mercor” 這個(gè)名字有什么故事？

Brendan Foody：“Mercor” 在拉丁語里是市場(chǎng)、買賣、交易的意思。我們想打造全球最大的市場(chǎng)，一個(gè)所有人找工作的市場(chǎng)。所以就取了這個(gè)名字。

寫eval的專家，正在創(chuàng)造最高增速的公司

主持人：好的。最后一個(gè)問題吧。回到前面的話題：現(xiàn)在大家都說，過去是“數(shù)據(jù)驅(qū)動(dòng)模型”，現(xiàn)在變成“專家驅(qū)動(dòng)模型”。你覺得下一步是什么？會(huì)不會(huì)走向 AGI？

Brendan Foody：我不覺得是從“數(shù)據(jù)”轉(zhuǎn)向“專家”，更準(zhǔn)確地說是：實(shí)驗(yàn)室必須和專家密切合作，來設(shè)計(jì)好評(píng)測(cè)（evals），推動(dòng)模型前沿。很清楚的一點(diǎn)是，只要我們還想提升模型，就需要專家來設(shè)計(jì)評(píng)測(cè)，提供后訓(xùn)練數(shù)據(jù)，讓模型學(xué)到能力。當(dāng)然，訓(xùn)練方式可能會(huì)變，比如不同的 RL 方法，但始終都需要評(píng)測(cè)來衡量在各個(gè)領(lǐng)域里什么才是成功。

三年內(nèi)不會(huì)有超級(jí)智能

主持人：好，那在這個(gè)基礎(chǔ)上，我想問一個(gè)現(xiàn)在常被提起的問題。規(guī)模定律以及模型智能的進(jìn)展。很多人覺得，好像放緩了。按照這樣的速度，我們可能真的無法達(dá)到超級(jí)智能。你的看法是什么？

Brendan Foody：我完全同意這種看法。雖然有些大實(shí)驗(yàn)室的高管說我們?nèi)陜?nèi)會(huì)有超級(jí)智能，但我認(rèn)為事實(shí)是，這條路會(huì)更長(zhǎng)。這并不是貶低當(dāng)前模型的能力——我認(rèn)為在未來十年內(nèi)，我們一定能自動(dòng)化掉大多數(shù)知識(shí)型工作的任務(wù)。但這條漫長(zhǎng)的道路，靠的將是各種評(píng)測(cè)（evals），幫助模型獲得這些能力。實(shí)現(xiàn)這一切的關(guān)鍵不在于“再多10倍的預(yù)訓(xùn)練數(shù)據(jù)”，而在于更高效、更精心設(shè)計(jì)的后訓(xùn)練數(shù)據(jù)集，它們才會(huì)推動(dòng)能力進(jìn)化。

主持人：David Sachs 曾經(jīng)發(fā)過一條推文，說我們現(xiàn)在的情況其實(shí)是最佳情境：AI 沒有進(jìn)入極速躍升到超級(jí)智能的狀態(tài)；有很多競(jìng)爭(zhēng)者彼此制衡；模型已經(jīng)很有價(jià)值，而且越來越有價(jià)值；但并沒有出現(xiàn)某個(gè)“贏家”型超級(jí)智能主宰世界的局面。

Brendan Foody：是的，我覺得這沒錯(cuò)。我認(rèn)為關(guān)于超級(jí)智能的恐慌有些被夸大了。但同時(shí)，很多人的框架是：即便只有 5%-10% 的概率會(huì)出現(xiàn)這種情況，我們也該保持謹(jǐn)慎——這聽上去也合理。但我覺得未來十年對(duì)硅谷乃至全世界來說都會(huì)是非凡的，因?yàn)檫@項(xiàng)技術(shù)能夠帶來真正的豐裕——讓每個(gè)人都能獲得更好的醫(yī)療、更優(yōu)質(zhì)的法律咨詢，以及前所未有的產(chǎn)品創(chuàng)造能力。

主持人：教育也正在被徹底改變。

主持人：完全正確，對(duì)嗎？

Brendan Foody：是的，我自己這十年來也深有體會(huì)。比如我記得大學(xué)時(shí)，父母總批評(píng)我不去上課，但我當(dāng)時(shí)就覺得，YouTube 上的課程講得更好，為什么不直接在那里學(xué)？而且我可以想象，當(dāng)模型的表達(dá)和教學(xué)能力遠(yuǎn)超最好的教授時(shí)，這意味著什么——獲取各種知識(shí)的門檻大大降低，推動(dòng)人類進(jìn)步和全民技能提升。

AI產(chǎn)品漫談：喜歡ChatGPT語音模式、AI玩寵、Codex

主持人：那我就借這個(gè)問題，進(jìn)入今天的最后一個(gè)環(huán)節(jié)——AI 角落，這是我們播客的固定環(huán)節(jié)。你個(gè)人是怎么用 AI 來幫助工作或生活的？

Brendan Foody：我主要用它來寫文檔，這個(gè)很自然。另外，我也會(huì)和它對(duì)話，尋求建議。我覺得它就像一個(gè)思考伙伴，幫我理清思路。因?yàn)橛袝r(shí)候，跟同事或身邊的人不能把所有想法都說出來，但和 AI 聊，我就能更好地思考。

主持人：所以主要是用 ChatGPT 的語音模式？

Brendan Foody：是的，我很喜歡 ChatGPT 的語音模式，雖然還有改進(jìn)空間，但我對(duì)語音的未來非常興奮。

主持人：讓我給你看看我做的一個(gè)小東西。我原本沒打算提這個(gè)。有個(gè)叫 Eric Antoneau 的人，很多人推薦過他。他是個(gè)很有創(chuàng)造力的產(chǎn)品人，之前在 Facebook 待過。他做了一個(gè)叫 ParrotGPT 的項(xiàng)目，把 ChatGPT 塞進(jìn)毛絨玩具里，可以對(duì)話。他做了一只智慧小貓頭鷹，我現(xiàn)在沒帶過來。基本原理就是在玩具里縫一個(gè)小音箱，肩膀上貼一個(gè)磁鐵，就能隨時(shí)對(duì)話。

Brendan Foody：太棒了，兄弟。我愛死了，我一定要搞一個(gè)。我家里已經(jīng)有一些語音助手，但我更想要一個(gè) ChatGPT 語音助手。我真的很期待。我剛才還在想這個(gè)事。

主持人：是啊，為什么不能有一個(gè) ChatGPT 語音助手，就隨時(shí)在旁邊聽？而不是像手機(jī)那樣休眠，你得喊它一聲“嘿”。

Brendan Foody：沒錯(cuò)，正是這樣。

主持人：好吧，他還在做 Kickstarter，我們會(huì)把鏈接貼出來，大家可以去支持。Brendan，在進(jìn)入最后的閃電問答環(huán)節(jié)之前，你還有什么想補(bǔ)充的嗎？

Brendan Foody：呼應(yīng)我們剛才談到的“主動(dòng)性”這個(gè)話題，我想鼓勵(lì)大家：尤其在 AI 時(shí)代，構(gòu)建產(chǎn)品和嘗試的門檻已經(jīng)低得多了，所以請(qǐng)邁出那一步，去做，去和用戶交流，去嘗試。因?yàn)槲矣X得，最大的障礙就是缺乏主動(dòng)行動(dòng)。只要我們能降低這一障礙，就會(huì)有更多創(chuàng)新。

主持人：對(duì)。現(xiàn)在太多人光是聽播客、看文章，但就是不去實(shí)踐。而如今，已經(jīng)是史上最容易動(dòng)手構(gòu)建、動(dòng)手嘗試的時(shí)代了。所以，一定要記住：Just do it。就像你當(dāng)年把甜甜圈攤往外挪了 50 英尺一樣。好，Brendan，下面我們進(jìn)入快問快答環(huán)節(jié)，我有五個(gè)問題準(zhǔn)備好了。你準(zhǔn)備好了嗎？

Brendan Foody：準(zhǔn)備好了。

主持人：第一個(gè)問題：你最常推薦給別人的兩三本書？

Brendan Foody：《高效能管理》（High Output Management），這是一本關(guān)于如何運(yùn)營(yíng)公司的經(jīng)典；第二本是《從零到一》（Zero to One），大家都知道；第三本是《鞋狗》（Shoe Dog），我覺得它特別勵(lì)志。

主持人：最近你喜歡的一部電影或電視劇？

Brendan Foody：我很喜歡《奧本海默》。我最喜歡的電視劇是《金裝律師》（Suits），雖然不是最近的。如果說近期的話，就是《奧本海默》。

主持人：很酷。最近你發(fā)現(xiàn)并喜歡上的一個(gè)產(chǎn)品？

Brendan Foody：我很喜歡新版 Codex，我覺得它進(jìn)步巨大，非常驚艷。

主持人：你有沒有一句人生格言？

Brendan Foody：就是我們剛才說的那句：You can just do stuff。勇敢邁出那一步。

主持人：我本以為你要說“Can do”，畢竟這是你 Twitter 簽名。

Brendan Foody：也行，可以是“Can do”。

閱讀障礙者如何管理公司

主持人：兩句都不錯(cuò)。最后一個(gè)問題：你之前說過一個(gè)細(xì)節(jié)，還沒對(duì)外分享過，就是你其實(shí)有閱讀障礙（dyslexia）。

Brendan Foody：是的。

主持人：能和大家聊聊嗎？畢竟你在這樣的情況下，還建立了史上增長(zhǎng)最快的公司。

Brendan Foody：我從不隱瞞，很多同事都知道。閱讀障礙確實(shí)讓處理大量郵件或文件很困難。但另一方面，它讓我思考方式不同，更有創(chuàng)造力，能看到別人未必注意到的市場(chǎng)變化。從管理角度來說，它讓我意識(shí)到：更應(yīng)該發(fā)揮團(tuán)隊(duì)成員的長(zhǎng)處，而不是執(zhí)著去彌補(bǔ)短板。因?yàn)橛行┦挛以僭趺淳氁膊粫?huì)做到最好，但我可以在自己的強(qiáng)項(xiàng)上不斷精進(jìn)。

主持人：這是我們節(jié)目里經(jīng)常出現(xiàn)的主題：專注優(yōu)勢(shì)，而不是過度糾結(jié)于弱點(diǎn)。Brendan，這期節(jié)目太精彩了，我學(xué)到很多。最后兩個(gè)問題：第一，大家應(yīng)該知道 Mercor 現(xiàn)在在做什么、招什么崗位？第二，聽眾怎么能幫到你們？

Brendan Foody：當(dāng)然。我們正在大量招聘：運(yùn)營(yíng)團(tuán)隊(duì)的戰(zhàn)略項(xiàng)目負(fù)責(zé)人、工程團(tuán)隊(duì)的軟件工程師、研究員等等。大家可以直接去 Mercor.com 應(yīng)聘。也歡迎推薦朋友，因?yàn)槲覀兤脚_(tái)超過一半的人才都來自轉(zhuǎn)介紹。我們很希望和優(yōu)秀的人一起工作。這就是大家能幫到我們最大的方式。

主持人：太棒了。謝謝你來參加。

Brendan Foody：謝謝邀請(qǐng)。

主持人：好的，各位，再見！

好了今天的文章到這里就結(jié)束了。大模型已然走到了“evals”時(shí)代，更好的評(píng)估帶來更高質(zhì)量的模型和Agent，大家是否認(rèn)同呢？歡迎評(píng)論區(qū)交流。

參考鏈接：https://www.youtube.com/watch?v=ja6fWTDPQl4&t=8s