创业就像坐过山车，有低谷也有高峰。我的观点是：你就该享受这趟旅程。人们试图规避风险，但你要做的就是骑上去并从中寻找乐趣。>> 让我们欢迎 Eric Landau，他是 Encord 的联合创始人，正在为物理人工智能构建数据层。>> 没错。>> 欢迎 Eric。>> 谢谢，很高兴来到这里。>> [掌声] >> 在准备这次聊天并查看你的背景时，我确实感到有些惊讶。你从事过大型数据粒子物理研究，然后做了十年量化交易员。>> 是的。>> 在创立 Encord 之前。好的，请带我们回顾这段历程。为什么？这里有什么共同点吗？>> 是的，这条主线几乎与我职业生涯期间人工智能发展的轨迹一致。这很有趣，你知道“痛苦教训”吗？>> 提醒我一下。

所谓的“痛苦教训”是指这样一个理念：过去构建人工智能系统时，你会非常仔细地思考。你会进行大量的特征工程，试图在将模型封装进机器学习之前，向系统中注入尽可能多的领域专业知识。但他们发现，实际上最好不做这些，而是直接扩展系统规模。只需向系统中加入更多的数据和算力即可。当我刚开始从事物理学研究时，我做的粒子物理策略是基于物理学本身的。例如，根据粒子的运动方式和动量来过滤数据；而在高频交易中则是思考市场因素如何推动市场走向，精心打磨这些逻辑后再将其整合进机器学习模型。而现在则是直接将数据扔进庞大的机器学习中，然后观察其内部表现。

太棒了。在谈论 Encord 之前，我意识到我们昨天快速聊过这个话题，对吧？我的意思是，致富并不是最佳选择。你在量化领域工作了十年，我想你作为创始人赚的钱远少于做量化交易员时，对吗？>> 是的。事实上，我辞职是在疫情期间。我刚决定去创业的那个月，市场变得疯狂至极。那是油价为负、波动性极高的月份，华尔街的赌徒们赚得盆满钵满。我所在的交易台在那一个月里赚的钱，比之前三年加起来还要多。所以我辞职了，然后坐在沙发上与机器学习库中的 Python 依赖问题作斗争，心想：“我都干了些什么？”但显然，我这么做不是为了钱。

是的，你放弃了很多金钱。而且你可能没意识到放弃了那么多。那么是什么促使你做这件事？是什么样的原因让你辞去高薪工作去成为创始人？>> 首先，我的联合创始人和我都坚信人工智能。对我们来说，这是我们这一代人的技术范式转变。这就像是互联网的早期时代，或者是计算机的早期时代。当我做量化交易员的那段时间里，特别是最后几年，每晚躺下睡觉时，我会用头撞枕头并思考：“我的人生到底在做什么？”当我开始创业后，即使市场发生疯狂变化，每晚睡觉时我只会思考公司面临的问题。我不再存在那种存在的恐惧感了，取而代之的是非常具体的问题：我们实际上是否在为他人提供价值？起初并没有。

嗯，起初确实没有，但你相信自己是某种比自己更宏大事物的一部分，这非常令人满足。身处一家公司并见证其成长及其可能产生的影响力，是极其有回报的。>> 好的。那么现在是2021年，这就是你创立 Uncode AI 的时候吗？你们花了多长时间才确信这里有前景呢？早期几年并不轻松，对吧？>> 不，我们在荒漠中徘徊了几年。>> 等等，是什么让你们继续坚持而没有放弃或转型？

我们仍然相信人工智能。如果你从长远来看，这项技术的力量及其通用性是非常强大的。但很难说服人们它的重要性。随后 ChatGPT 出现了，对话的基调发生了变化，这确实极大地帮助了我们。>> 所以 ChatGTP 的发布实际上震撼了市场？是因为人们需要更多数据，还是因为人们开始意识到人工智能的重要性？>> 是的，是他们更愿意进行对话了。这很有趣，对于某些人来说产品市场契合度既涉及产品也涉及市场，这两者必须结合起来。有些人通过设定一个不变的市场目标并不断迭代产品来达成契合；有时是市场向产品靠拢，世界发生了变化，人们突然开始关心以前不在乎的东西。在大多数情况下，两者是朝同一方向移动的。

对于我们要说我们的产品一直在不断变好。而在 ChatGPT 之后，我不认为存在某种巨大的二元阈值变化，但市场向我们靠拢的速度比以前更快了。因此很多人、很多公司谈起时都说他们发布了新产品，改变了产品形态，然后突然感到巨大的市场契合感。这种情况从未发生在我们身上。我们感觉只是每一天都变得好一点点，缓慢地复利增长。回顾过去，我的联合创始人认为我们实现产品市场契合的时刻是：我们在 Gong 频道看到一笔交易成交时，甚至不知道这家公司做什么。心想：“这公司是什么？”那非常令人满足，因为所有销售都是我们自己做的。我们极度深入地参与了每一个试图向其推销的公司的每个环节。当你看到有人给你钱，而你甚至不知道他们做什么时，你就会想：“哦，我们成功了。”

你并没有参与销售？你是这个意思吗？好的。那是什么时候发生的？>> 呃，两个月前。不，那是在几年前。但当时我们只看……

“没有哪一个瞬间让我们觉得‘哦，我们实现了产品市场契合’。” “是的。我想谈谈这里的一个话题：你曾是量化物理学家，后来不得不组建销售团队。你是怎么做到的？什么时候雇用了第一批销售人员？” “是的，我希望我们能给出一个更优雅的答案，但其实是试错的结果。” [笑声]

“你们解雇了多少人？” “嗯，我们招了一个销售团队，不行。又招了一拨，还是不行。到了第三支团队才开始奏效。” “有趣的是，Y Combinator（YC）给你们的建议几乎总是对的。这是我们发现的真理之一。” “也就是说，YC的建议永远正确？” “是的，几乎总是如此，但你还是会犯错。我记得很清楚，有一次我们准备录用一个人（或者已经录用了）。那是我们在YC毕业几年后，你告诉我们：‘对于这个职位，你应该关注这些特质，避免那些陷阱。’”

“我们当时想：‘哦，不！’因为我们刚刚就雇了你说绝对不要招的那种人。我们意识到犯了一个大错，但还是把他们留用了，后来发现确实不合适。” “我觉得大概花了9个月才意识到这一点？” “没关系。是9个月，不是9天或9周。”

“我们现在在‘学习’这件事上高效多了，但这是我们要付出代价才能学到的教训。” “好吧。在座的大多数人还没到那个阶段。毕竟，没有哪个世界会让你明知某人不好却留用9个月。” “是的。通常情况并非显而易见的‘糟糕’，而是你直觉上觉得不对劲。没有强烈的理由证明他不行，但你就是知道他不合适。”

“这些年我们进步的地方在于：跟随直觉，更快地做出正确决定。” “我对此深表赞同。让我们回到产品本身吧。你们最初做的不是物理AI（Physical AI）。感觉你们转型了好几次，虽然始终围绕‘AI数据’这一核心，但目标应用随时间发生了变化。你们最初是从哪里开始的？是医疗行业吗？”

“是的，我们起步于计算机视觉。最初的理论依据是：视觉是最难攻克的模态，所以我们希望成为多模态系统。我们的观点是，既然人类是多感官的，AI系统自然也应如此；为了做出最佳决策，应尽可能多地接收感官输入。视觉是一种数据密度极高的类型，我们在此积累了大量专业知识。”

“随后我们转向多模态。至于物理AI的兴起，属于‘产品先行，市场跟进’的情况——起初市场需求低迷，后来才真正转向我们。目前多模态AI最大的应用场景正是物理AI。” “因此我们现在涉足机器人、自动驾驶汽车、物流和制造业。但我们最初是从一些如今不再热门的用例起步的。”

“感觉物理AI作为一个市场仍处于萌芽阶段。你说我在Core Bots（一家机器人公司）看到了它，但日常生活中还没看到太多机器人。你的意思是市场已经存在了吗？” “现实中有很多机器人在工作，但物理AI的机会是巨大的。80%的经济活动涉及在现实世界中操纵或移动物体。”

“如果你问许多机器人领域的人，他们会认为5到10年内机器人的数量将超过人类。所以在这个房间里，其他座位上的听众可能都是机器人，它们正在聆听演讲并将内容传输回中央服务器。” “也许不需要机器人来做这件事吧？”

“是的，但YouTube的 feeds 会……你会看到这样一个世界：一个充满自主性的房间或世界。” “你的公司发展得很好，而且你在一个新领域押注未来，走在时代前列。这公平吗？你是如何做出这个决定的？是因为看到了来自物理AI的新客户，还是与联合创始人深入讨论的结果？”

“在AI领域，你永远不能感到舒适。你必须不断思考下一步做什么。最好的方法就是与人交谈：尽可能多地与聪明人交流，并与联合创始人深入对话。” “我们不断接触潜在客户、客户以及在该领域领先的人。在YC的活动上，与其他AI联合创始人交谈，真正去吸收正在发生的事情：他们在思考什么问题？他们正在做什么？”

“然后将这些信息综合起来，形成我们要下注的下一个方向。这并不是我们坐在房间里安静地想象未来，而是走出去获取尽可能多的数据。” “好的。你们改变了叙事方式，也改变了对公司本身的表述。那现有的客户呢？你们是否还保留着许多医疗行业的模型？”

“是的，我们仍有许多医疗健康公司客户。我们的业务涵盖了几乎所有应用领域。” “最有趣的一个？人们总是问哪个是最有意思的，答案是‘奶牛的面部识别’。” “事实证明，人类很不擅长辨认牛脸，但算法可以做得很好。可能比你做得更好？”

“是的，我们在AI领域见识过各种事物。” “那么是谁在标注这些数据呢？是人工吗？” “是的，专家人类。当然也有其他方法通过 barn（畜棚）追踪奶牛，但你需要了解它们的健康状况等。人类只是标注过程的一部分。”

“一旦你识别出是哪头牛，给它打上标签，你就能通过面部特征来认出了。”

“很多次或者类似的情况。” “是的。那很酷，真的很棒。那么你认为目前在物理AI领域最大的应用场景有哪些呢？就像你提到的自动驾驶是其中之一。” “是的，自动驾驶是一个已经处于成熟曲线较后阶段的应用。因此它更接近实际的生产环境。” “实际上，在某些地方已经投入生产了。”

“是的，接近大规模量产阶段。而我们目前增长最快、规模最大的领域是机器人技术。无论是人形机器人、消费级机器人还是制造业，我们看到了机器人技术的众多不同应用。” “那么你们是如何收集数据的呢？” “你是问我们要如何收集数据吗？”

“是的。” “嗯，我们在湾区有一个设施，那里有机器人系统和操作人员为各种任务收集数据。此外，很多数据也是在生产环境中收集的。我们的系统会从客户那里摄取生产数据，然后使用……” “那是视频流还是说……？”

“是的，是视频流、传感器数据、音频以及语言。这是多模态数据。” “那么那个湾区的设施是如何运作的呢？比如人们带着他们的机器人来，你们有一些特定的设置……” “没错。是的，这有点像电影片场，你会搭建一个场景，让机器人在特定环境中执行任务，并在那个环境下收集数据。”

“但是数据采集通常是为那些处于早期阶段的公司服务的。他们在为预训练积累足够的数据。很多公司已经拥有生产循环了。” “那么你们产品的其余部分是什么？”

“产品剩余的部分是对这些数据进行管理、策展，也就是选择合适的数据。我们常说这就像是在十亿个干草堆里找一百万根针。你需要使用大量数据，但你拥有的数据更多。然后是数据的标注和增强，最后是评估环节。” “你能和我们分享一下这个运营规模的概览吗？我不知道你们是否分享收入或团队规模等信息。”

“嗯，我们有数百名客户。我们处理的数据量超过了训练GPT-4时所使用的数据（据我们所知）。至于最新的GPT-5的数据量，我们还不清楚。是的，我们正在处理多个PB的不同类型的多模态数据。” “你刚才提到在湾区建立了设施，但你们总部设在伦敦。你们是欧洲公司，却仍然扩展团队并在当地建立设施。为什么？”

“是的，我的联合创始人住在旧金山。我仍常驻伦敦。我们是在伦敦创立这家公司的。我们的总体哲学是，你应该待在对你公司最重要的人群所在的地方。对我们来说，顺序是客户、人才和投资者。”

“但不同的人对这些类别的权重分配不同。例如，如果你在构建深度技术产品，可能不太在意客户，而会过度关注人才部分。那么你可以只待在优秀人才聚集的地方。对我们而言，大部分客户在美国，其中绝大多数在湾区。”

“所以我的联合创始人搬到了那里，我们在那里建立了设施，开展了大量运营活动，只是为了更贴近地进行那些对话。” “嗯？”

“人才方面……但我认为伦敦在AI和工程领域拥有很棒的人才，有很多优秀的大学以及来自其他公司的人员。因此目前伦敦欧洲在人才方面具有比较优势。” “虽然现在有个‘伦敦最大化’的说法，这有点像是在套利利用伦敦的人才库……”

“是的。就像人才竞争在欧洲比在旧金山稍微不那么激烈。” “没错。” “好的。你们也在与一些非常优秀的公司竞争。我是说，当我们谈论数据采集时，我想到的是规模，像Merkle等许多其他公司都是美国企业。你们如何脱颖而出？如何在竞争中获胜？”

“嗯，当我们刚创立公司时，主要的反对意见是空间太具竞争性了。公司太多了。然而多年来，很多竞争对手要么转型、合并，要么资金耗尽。在很长一段时间里，该领域实际上没什么竞争。”

“现在竞争又变得激烈了。我们的观点是，我们其实希望有竞争。我们要好的竞争对手，因为他们会推动你，让你作为一家公司变得更好。” “脱颖而出方面，在你提到的那些公司中，我们都有不同的侧重点。我们的焦点真正在于物理AI以及数据的可扩展性。”

“比如能够操作多个PB级别的数据，这对人们来说很难做到，而我们花了很长时间去构建这方面的基础。” “如果这里有人正在从事物理AI开发，而且是小型初创公司刚开始起步，他们应该怎么做？是否应该使用像你们这样的产品？我想随着时间推移你们的定位可能已经向上游移动，产品价格对他们来说也许负担不起。”

“嗯，通常人们来找我们时，是因为他们已经建立了内部工具，尝试过概念验证（POC），并处于需要扩展的关键转折点。此时他们的模型正从POC转向生产环境，或者他们刚刚涌入大量数据。” “我通常不想过早地过度推销我们的产品。当你们准备好时，才应该使用像我们这样的产品。”

“但你可以从开源工具开始起步。” “比如什么？任何推荐的产品吗？” “有很多这样的产品。我不想在这里贬低我自己的书。”

“没关系。在结束之前，既然聊到了建议这个话题，对于该领域的创始人，你有什么建议吗？” “我认为对所有创始人都很重要的一个建议……这来自YC的一次静修会，当时Reddit的CEO谈到这一点：创业就像坐过山车。有低谷也有高峰。”

“我的观点是你应该就坐在过山车上 ride it。人们试图去缓解这种波动，但你就享受这个过程吧，试着从中找到乐趣。” “因为当你处于低谷时，你知道高峰即将到来；当你在高峰时，你也知道低谷会来。接受你就在坐过山车这一事实。”

“我有时会说‘黑客你的大脑’。如果你能调整自己的心态去享受挑战，那么当新的火焰、新的挑战出现时，你就迎上去……”

冲向火焰，就像你因为兴奋而奔跑一样。旅程会变得更加愉快。是的，你会经历疯狂的高潮和低谷。 过山车很有趣吗？ 你一开始就这么认为吗？ 不，你是什么时候开始这么想的呢？嗯……其实直到最近我才这样想。当你经历了足够多的这种起伏波动后，你会觉得：“好吧，我可以让它变得有趣。” 这很有趣。很少有人会认为事情会变得更容易。你觉得它变容易了吗？嗯，你会变得更加……你意识到你对自己的心理状态拥有比想象中更多的控制权。然后你就能接受现实以及自己对此的反应方式。这在帮助我随时间推移看待波动增加方面起到了很大的作用。 太棒了，谢谢你埃里克。今天很高兴你能加入我们。非常感谢！掌声响起。