视界一开，屏幕上滚动的日志便不同了。

    每一条经过清洗管线的数据，在韩路一眼里都浮起一层薄薄的色彩。

    干净、有信息量的数据泛着淡蓝的光，像水流一样顺畅地通过管线；被规则正确拦下的垃圾数据呈灰色，在某个节点被清理出去，不再进入下面的环节；而那些有问题却未被拦住的数据，则发着刺眼的橙红，混在蓝色水流中间，格外扎眼。

    韩路一还注意到另一种颜色：偶尔有几条数据闪着暗蓝，在灰色数据中格外显眼——它们被规则误判为垃圾扔了出去，其实却是有价值的内容。

    就像站在流水线旁，别人只看见传送带上的产品在动，韩路一的眼睛却能给每一件产品、甚至每一条传送带本身做质检。

    他盯着屏幕看了约十分钟，先从最显眼的橙红色入手分析，渐渐摸清了规律。

    问题主要有三个。

    最多的一类，是纯垃圾没清干净。菠菜广告、瑟瑟引流、关键词堆砌，这些最低级的垃圾，现有规则只做关键词匹配，变体却太多。

    用谐音字、用emoji替代、把敏感词拆成两段分别塞进前后文里，简单的正则表达式根本防不住。视界里这类数据发着最亮的橙红，数量也最多。

    其次是语义重复：两段话用词完全不同，意思却几乎一样，基于关键词和格式的规则识别不了。

    最后一个最隐蔽，是低质量内容的伪装。有些内容的格式、长度、关键词分布都符合优质内容特征，实际却是洗稿或机器生成的填充物，里面还夹着不少事实性错误。

    这三类加在一起，占了全部数据的近七成。

    韩路一退出视界，动手改脚本。

    若沿用传统的垃圾分类规则，想全面覆盖，工程量大；他干脆换了个思路。

    汤圆的模型不是还在吗？直接把数据发给汤圆做检测、做意图识别。不管怎么变体、怎么拆字、怎么塞emoji，只要最终属于“引导点击”或“诱导付费”的内容，一律标出来。

    同样，用汤圆给数据做精简化处理，再合并便简单多了。

    最后识别伪装内容稍难一些，却难不倒视界。在视界提示下，韩路一加了一层基于困惑度的筛选。

    真正有信息量的文本，语言模型预测下一个词时不确定性更高；洗稿和填充内容因套路化严重，困惑度反而很低。

    改完整个数据清洗管线的规则，韩路一再次启动。

    这一次再用视界看过去——

    橙红几乎消失了，只剩零星几个边界条件外的数据在蓝色水流里若隐若现；暗蓝色的误杀数据也大幅减少，偶尔闪过一两条，韩路一记下来，又微调了一轮参数。

    视界里只剩干净的蓝色。

    等这些工作都做完，关掉视界时，已是凌晨两点。

    他看了看最终的数据清洗报告。

    原始数据的有效留存率从赵文渊先前标注的41%降到29%。之前的41%其实不准，里面还混着不少低质量垃圾数据；现在的29%却是准确的。

    同时，误杀率从12%降到不足3%，被旧管线错杀的一批好数据也救了回来。

    清洗后的数据质量提升了，速度也快了不少，耗时大约只有先前的一半。

    韩路一给赵文渊发消息，把改好的脚本和清洗报告一并传了过去。

    “文渊，你明天试试这版。我做了几项修改，效果应该比之前好。”

    时间这么晚，他本没指望接到回复；没想到过了一会儿，赵文渊的信息就来了：“你还没睡啊？”

    紧接着是第二条：“我看看。”

    又过半小时，赵文渊发来一条长信息：

    “韩总，你是怎么一晚上搞出来这个的？一般团队光迭代这条清洗管线就得两三个月，你刚发我的这版，有效率和误杀率都比行业基准优秀！按这个效率和精度，全量数据清洗大概一周能跑完！一周后就能开始预训练！两个月就能看见第一版模型了！”

    难得赵文渊发这么多感叹号。有这么高质量的原始数据和标注数据，他实在太期待看到训练结果了。

    不过这时韩路一已经睡了。

    ……

    时间往回拨十几个小时，太平洋另一边。

    美国太平洋时间。

    12月27日，周日下午。

    硅谷洛斯阿尔托斯山，约翰的房子就在这里。

    约翰·斯诺（John Snow）是Nexus AI的CTO。

    CEO瑞恩拥有人工智能领域博士学位，还一路在AI研究院工作；约翰则不同。

    约翰只有本科学历。他从斯坦福还没毕业就开始创业，前后共创立、联合创立过五家企业，其中两家分别被谷歌和Meta收购；收购后没过几个月，他又离职继续创业。

    他在硅谷风投和技术圈人脉很广，自己也做投资人。

    像他这样已经财富自由的人，其实早不为钱工作；之所以接受瑞恩邀请加入Nexus AI，是因为他看好这个方向，也看好瑞恩本人。

    约翰的家，从大门进去是一段爬坡车道，停着四五辆车；走到主楼后面，才能看见院子。后院很开阔，一棵宽得过分的橡树，阴影覆住近一半草坪。

    这里正办着一场烧烤派对。

    派对两点开始，到下午三点多，客人的酒杯已空了两三轮。

    圣诞装饰灯还绕着廊柱和几棵树。白天光线强，灯虽亮着却不显眼；风一吹，轻轻晃动。

    烤架那边，专职厨师还在翻烤肋排，油脂滴进炭火，滋的一声。

    加州十二月，十八度上下，天气晴朗，微风；不冷，却也不值得脱掉外套。

    约翰每年圣诞节后都会办这样的小聚会，邀请科技圈里比较熟的人；被邀请者也可以带朋友。

    这个场合被视为硅谷科技、创投圈的小沙龙。

    瑞恩到时，约翰正在烤架旁和厨师讨论肋排火候；见他来了，约翰举起夹子打招呼，又把夹子还给厨师，走了过来。

    瑞恩和约翰是谷歌时期就认识的老朋友。

    “你每次都带这个。”约翰瞥了一眼瑞恩手里的Opus One，调侃道。

    “你每次的酒都不行。”瑞恩笑笑，把瓶子递过去，“帮我打开吧。”

    约翰接过，从旁边桌上找来开瓶器，熟练地拧开，倒进玻璃醒酒器，放在阴凉处。

    “行，这瓶确实比我这的好。”约翰说，“但至少还得等半小时。”

    “我知道。”瑞恩从冰桶里先拿了一听罐装啤酒，“等一等才好。”

    两人在院里走了一圈，和几个认识的人打招呼。

    约翰的社交方式与瑞恩不同。

    瑞恩在人群里很自然，八面玲珑，跟谁都能聊上三五分钟，再体面地抽身，不让人觉得自己被冷落。

    约翰是主人，更随意：有时跟一个人聊很久，有时路过只点个头就走，全凭心情，也不在乎对方怎么想。

    有人问起Nexus最近的动态，瑞恩一律微笑着说“还不错”，不多也不少。约翰在旁边听着，偶尔补一句无关紧要的话，两人配合得很默契。

    转完一圈，瑞恩在靠近烤架的位置找了把椅子坐下，约翰则去招呼别的客人了。

    不远处，一个戴眼镜的中年男人正给旁边两人讲他最近看的一个物流AI创业项目：

    “我让他们给我看个原型演示，你们猜怎么着？那个CEO打开电脑，放出一张幻灯片，跟我说：“这是我们的愿景。””

    旁边两人哄笑起来。

    另一侧，一个金发女士，身材胖胖的，穿一身深色长裙，正靠着木栏杆，一脸疲惫地跟旁边朋友抱怨找不到技术合伙人：“简历收了几十份，聊下来没一个合适。要么经验不够，要么对薪资不满意。现在这些人要求太高了，只出技术，还想要多少啊？”

    约翰从人群里穿过来，把手搭在她肩上。

    “别在聚会上聊这个。”

    “那聊什么？”

    “聊吃的。”他朝烤架方向抬了抬下巴。

    她有些畏缩地抬头看他一眼，举起酒杯喝了一口，换了话题。

    约翰家的黄色拉布拉多趴在草坪靠边处，肚皮贴地，下巴搁在前爪上，眼睛闭着，只有尾巴时不时扫一下。

    两个孩子不知在踢什么规则的球，从草坪这头追到那头；过了一会儿，连球都不见了。

    一个先前聊过两句的投资人走过来，朝瑞恩伸手：“瑞恩，好久不见。Nexus最近怎么样？听说水星模型3.1在做推理方面的研究？”

    “还不错。”瑞恩起身与对方握手，“我们已经在几个场景里跑出了一些结果。”

    “准备什么时候发论文啊？”

    瑞恩狡黠一笑：“这是我们的独家突破，可不一定会发论文。”

    那人挑了挑眉毛，“独家”两个字显然让他更感兴趣；但眼下人多嘴杂，不是说话的地方，他闲聊两句便走了，心里却打定主意，要和Nexus AI再跟进一下。

    这时，约翰走回来，在瑞恩旁边的椅子上坐下，接过酒瓶给自己倒了一杯，又把瓶子顺手放到地上。

    “你刚才说的那句，真是这么打算的？”

    “哪句？”

    “不发表论文那句。”

    瑞恩端起酒杯向约翰示意：“发表论文为了什么？招人、刷排行、让同行引用，这些我们现在都不缺。总不能真是为了推进科技进步吧？”

    约翰没说话，也端起酒杯。

    两人的酒杯碰了一下。

    总不能真是为了推进科技进步吧？

    约翰在心里默念了一遍，想起第一次见到瑞恩时的场景。

    那是在谷歌内部的一场技术分享会上，瑞恩当时还是研究员，讲的是他刚发表的一篇关于注意力机制优化的论文。

    讲得很好，但让约翰印象最深的不是内容，而是瑞恩讲话时的状态——那种既权威又坚信的神情和语气，会让人不由自主地相信他所讲的内容。

    那种确定感，在学术界少见，在工业界也少见。

    后来两人共事多了，约翰才意识到，瑞恩身上的确定感，可能不只源于他对所讲内容的熟悉，更源于他整个人天生带着的那股强烈自信。

    这是瑞恩成为优秀CEO的关键。

    但约翰有时也会想：一个人可以选择不怀疑自己，却不代表他做的决定永远都对。

    ……

    五点多，太阳快沉到山脊后面，气温凉了些。

    陆续有人过来和约翰打招呼，说谢谢招待，也想留下一点好印象。

    等人走得差不多了，约翰和瑞恩搬了两把椅子到泳池边，各自从冰桶里摸了一瓶啤酒。

    泳池这季节没人用，水面平静，偶尔飘进一片落叶。

    夕阳把水面染上一层浅橙，山脊线还亮着最后一点光。

    瑞恩喝了一口，掏出手机。

    “给你看个东西。”他把屏幕转向约翰，“和我们合作的那家中国公司，这一个多月的API调用分析。”

    约翰接过翻了翻。

    瑞恩在一旁讲解：“你知道，他们的任务规划全走水星模型。产品每接到一个用户指令，后面涉及思考的部分——意图理解、任务规划这些——用的都是水星；他们自己只有执行代码。”

    约翰慢慢划着屏幕，没说话。

    瑞恩接着说：“现在看，产品体验很好，用起来流畅，用户满意度高，我们这边收集到的数据质量也很高。但你明白真正的价值在哪儿吗？让这个应用变聪明的是水星模型，模型才是不可替代的部分。”

    约翰把手机还给他：“他们那边的代码生成能力也不差。”

    “是不差，但那没用。现在这个参数量级，代码生成的差距已经很小，再往上更难拉开。意图理解是水星模型的杀手锏，他们自己知道，这也是他们接受合作的原因。”

    瑞恩退出报告，重新打开一个文件：“我们现在处在第一阶段。”

    瑞恩说话的语气既自信又从容，有种一切尽在掌握的感觉。

    “这个阶段，我们要做的就是充分利用这个中国盟友，让他们用自己的成功经验积累用户、打磨体验；我们则收获这期间所有真实任务场景的数据。这批数据会是下一代金星模型（Venus）智能体（Agentic）能力的核心训练材料，比起自己收集，又省钱又省力。”

    约翰知道，这是瑞恩最近自己整理出的战略；他心里不太认同，却还是静静听着。

    “等合同到期，他们的用户基础已经建起来了，这没错；但所有核心逻辑都跑在水星模型上。到那时候，我们提高分成比例，再增加API费用。”瑞恩停顿一下，脸上露出笑容，“你说他们会怎么选？迁移到别的模型，顶着用户流失的风险改变整个产品架构、花时间紧急修改、重新上架，还是接受我们这个更“合理”的新条款？”

    约翰给出自己的判断：“这根本不是选择题。在现有架构上让他们迁移，风险大，代价也大，没有一个理性的企业家会做这种选择。”

    瑞恩语气放松：“你说得对，我的朋友，他们没有选择。只要等下一代金星模型出来，我们的智能体能力有真实数据支撑，用户场景也全覆盖了，那时我们就自己下场做开发者工具，用这段时间积累的数据做一个比他们更好的产品。”

    约翰仰起头，看了一会儿天空，又晃了晃手里的酒瓶。

    “他们会发现吗？”

    “会的，早晚会。但到那时候，他们已经没有选择了。”

    “我是说——”约翰收回视线，“他们现在知道吗？”

    “他们可能感觉得到。他们的CEO不傻，应该能看到这个风险；但他们需要我们，现阶段没有水星模型提供的意图理解能力，产品就跑不起来。他们大概想在合同到期前尽量收集数据，再开发自己的模型。”

    “能吗？”

    “开发一个模型要多久？一年？最快也要半年吧。我们的合同到四月就到期了。”

    瑞恩的意思是，四个月时间，不可能做出一个能替代水星模型的大模型。

    等合同到期，源码科技就是砧板上的鱼肉。

    约翰把剩下的啤酒喝完，才开口：“你是说，等我们数据够了，就把他们踢掉？”

    “是。”

    约翰沉默片刻。

    泳池水面暗了下来，刚才的浅橙消失，变成灰暗的蓝色；山脊后还剩最后一点光，也在慢慢消失。

    “瑞恩，你有没有想过一种可能。”约翰把空瓶放在脚边，“他们那个CEO，如果真像你说的那么聪明，现在可能已经在做模型了。”

    瑞恩看他一眼：“用什么做？他们没有算力，没有数据团队，没有研究背景。想做一个能替代水星的模型，可不是写几行代码的事。”

    “四个月，从零开始做出一个够用的基座模型？做出能在意图理解和任务规划层面替代水星的模型，你觉得可能吗？”

    约翰没有回答。

    他确实觉得不太可能。

    但他想起之前看过的一个视频——那个中国公司CEO在GAIS上的演讲。

    约翰也在GAIS上发表过演讲，虽然是远程连线。

    他觉得那个人不简单。

    “其实我们可以直接自己做。我自信能做得比他们好。”约翰闷闷地说。

    “我们的资源有限，要放在最重要的事情上。”瑞恩不在意地说，“这样免费的劳动力，又这么好用，为什么不用？”

    说到这儿，瑞恩脸上浮起一丝笑容：

    “你什么都不知道，约翰·斯诺。”

    “该死的，我说了多少次，我叫约翰（John），不叫囧（Jon）。”约翰骂了一声。

    他恨死《权力的游戏》了。

    还有那个乔治·马丁。

    “你才是什么也不知道呢，瑞恩·米勒。”

    瑞恩对这小孩子一样的回击，只是笑了笑。

    没说话。