郑晓波这话一出口，刘大海便明白，自己不必再多说了。

    看来，郑总是真懂啊。

    这其实不奇怪。执掌鼎盛这样的巨头，总得有两把刷子；哪怕不懂原理，至少也得知道个大概，跟下属沟通的成本才能低不少。

    像郑晓波这样的企业高管，对AI行业的关注，甚至不比投资人和从业者少。

    Scale AI是硅谷近来最火的AI创业公司之一，可它既不做大模型，也不做AI应用产品，业务只有一项——卖标注数据。

    仅凭这一项业务，Scale AI的估值就做到了几百亿美金。

    也好。既然郑总懂，刘大海就不用从头讲起，直接上干货。

    “去年六月，微软研究院发过一篇论文，叫《Textbooks Are All You Need》（你只需要教科书）。他们用精心筛选的教科书级数据，训练出一个十三亿（1.3B）参数的小模型，名叫Phi-1。就是这个模型，在代码生成任务上打赢了市面上那些参数量是它十倍、训练数据是它一百倍的大模型。”

    程远插话：“刘博士，这是什么意思？”

    “这么说吧，当时除了GPT，没有一个模型跑得过它。这个十三亿参数的模型，只用8张A100训练了4天，折算下来的训练成本也就几万美元，就这么点。论文证明了一件事：只要数据质量够高，小模型也能干翻大模型。”

    说完，刘大海转向郑晓波。

    “这和汤圆的情况完全吻合。7B，也就是七十亿参数，一万条训练数据，在意图理解上打赢了坤元。我猜，他们的秘密武器就是数据质量足够好。”

    最近几年，一个新观点正成为AI行业的主流：谁的标注质量高，谁的模型就强。

    原因主要是架构近来变化不大，算力的边际效益又在递减，而高质量的数据标注还有很长的进步空间。

    问题是，所有人都知道数据标注重要，却没人知道标注质量要高到什么程度才算够。

    OpenAI、Anthropic、Meta每年都要在数据标注上砸几十亿美金，模型表现也确实一代比一代强，可进步越来越慢。谁也不知道什么时候会撞墙，更没人知道极限在哪。

    不管资本炒得多热，这个行业的从业者都像在一望无际的大海上摸索前行。

    直到昨天看到汤圆，刘大海才确信，自己看见了未来的信标。

    最后，刘大海说出结论：

    “从模型表现倒推，他们的标注精度，恐怕是我从业这些年能想象到的最高水平。”

    郑晓波没说话，低头沉思。好一会儿，他才开口：“那他的数据，会是从哪儿来的呢？”

    这话一问出来，刘大海和程远都一惊。

    郑晓波转向刘大海：“大海，这是你手底下的项目。你先说说，咱们现在的标注大概是什么水平？”

    刘大海答道：“咱们的标注大部分自己做，也和中文领域内一些专业标注团队有合作。算成本，大概一条10块到50块钱。但那个汤圆，数据精度一定比我们高得多。”

    “成本会高出多少？”郑晓波追问。

    “中文领域没什么参考对象，英文领域里，Scale AI的专家级标注应该算最顶级的标注服务。他们请各行业资深专家来标，成本大概七八十美金一条。但按我的经验，汤圆模型用的训练数据，应该还要再高一阶。”

    “如果我们想买呢？”

    “先不说市场上有没有这种服务。真要估价，一条怎么也得100美金往上。他们说不到1万条，就算1万条，光数据成本就是100万美金。这还只是给7B大的模型做微调；要适配更大的模型，数据量还会更大。”

    郑晓波心算了一下，觉得就算全买这种高质量数据，鼎盛也并非承受不起。

    或者说，鼎盛花在标注上的钱，早已是这个量级了。

    郑晓波开口：“如果是这种规模、这种精度的标注数据，就不可能是一两个人手工做出来的。韩路一手里要么有专业标注团队，要么就是和哪个大型研究机构在合作。”

    说到这儿，郑晓波看向程远，下了命令：

    “让商务情报团队查一查源码科技，看他们最近半年有没有和标注公司或数据机构打过交道；再查查招聘岗位，有没有招过标注相关的人。”

    程远一边点头，一边在文件夹内页空白处飞快记了几笔。

    郑晓波沉声道：“找到他的数据供应商，直接挖过来。”

    他说这话时极有气势，坐在一旁的程远和刘大海都感到一阵压力。鼎盛的CEO纵横商海几十年，对付一个初创公司的愣头青，确实手拿把掐。

    刘大海想说，其实没法直接拿到数据的话，从他们的合作伙伴那里把标注规范问过来也行；到时候照着规范，鼎盛的团队还可以试着自己做。

    直接去挖人家供应商，他总觉得不太妥当。

    可刘大海再没情商，也不至于在这个时候顶撞老板。

    郑晓波说完，又看向程远：“他们要求的算力合作，你也可以先谈着。”

    程远一时没听明白。

    咱们不是都釜底抽薪了吗？还要跟他虚与委蛇？

    “供应商的事还不好说。先和他谈着，稳住他，最好能让他答应一个条件。”

    “什么条件？”程远问。

    “用鼎盛的算力可以，让他把训练数据共享给我们。”

    如果训练数据真是他们唯一的壁垒，这恐怕不好谈。程远接着问：“那如果韩路一不同意呢？”

    “先谈着，但别把姿态摆太高。算力他能找别人要，数据我们暂时还找不到第二家；等找到他的供应商，自然就不用谈了。”

    程远露出恍然大悟的神色，赶紧把这句话也记下。

    刘大海全程看在眼里，觉得这俩人一唱一和跟演双簧似的。这拍马屁的功夫，比机器学习还难学哦。

    郑晓波向程远交代完任务，又转向刘大海。

    “大海，你跟我说句实话。”

    刘大海看向郑晓波。

    “如果能拿到他们的数据，坤元能提高多少？”

    刘大海想了一会儿。

    在机器学习行业泡了十几年，他太清楚85.2这个分数意味着什么。

    坤元的意图理解是78分，已经是国内第一梯队。从78到85这七个点，鼎盛研究院两百多个做模型的人干了半年，也没摸到门路。

    而那俩人——哦对，韩路一——用一万条数据就做到了。

    这一万条数据的精度，得高到什么程度啊？

    刘大海心里有了答案，开口说：

    “郑总，如果咱们能拿到他那种精度的标注数据，哪怕只给我五万条——”

    他停了停，才把后面的话说出来：

    “坤元能把这个行业的天花板捅个窟窿出来。到时候，咱们鼎盛的模型在全球排第一。”

    郑晓波闻言，脸上露出淡淡笑意。

    “大海，那我就拭目以待了。”

    随即，他又对程远说：“程远，你去办吧。算力合作的事先别给韩路一回复，让他等两天。”

    程远一愣：“郑总，这是……”

    “记住了，在谈判桌上，先开口的人，输。”

    ……

    与此同时，源码科技。

    韩路一坐在办公室里，点开视界，花二十分钟又标了三百多条数据。

    看了看精力值，他打了个哈欠。

    这时，韩路一的手机响了一下。他拿起来一看，是【404寝室】群的消息，有人@他。

    前段时间马小飞和张浩然看球，在群里刷屏，他设了消息免打扰，有几天没看了。

    韩路一翻了翻聊天记录。

    【马小飞】：儿子们都干啥呢！咱多久没见了，出来聚聚不？

    【张浩然】：半死，微活。

    【张浩然】：还是你们媒体人有活力啊。

    【马小飞】：怎么了，铁饭碗还能把你给累着？

    【张浩然】：开玩笑呢，现在行里搞全员吸储，我这个季度的考核还没着落呢。

    【马小飞】：连你们技术岗都不放过？！

    【张浩然】：你来得正好，救救哥，你的人脉里有款爷吗？

    【马小飞】：手动帮你找款爷，@我的父亲韩路一

    【马小飞】：老韩你这是什么群昵称，占我便宜是吧？

    韩路一爬完楼，一拍脑门。

    最近工作忙得晕头转向，怎么忘了带儿子们飞了？我真该死啊。

    【我的父亲韩路一】：这周末吧？老地方见？

    【张浩然】：我要是不加班就来。

    【我的父亲韩路一】：唉，我这手头正好有笔闲钱要存……

    【张浩然】：义父！不见不散！