单个智能体再强也成不了团队，AI需要生产关系
贾扬清从Caffe到两次创业，复盘AI十五年：模型能力已经够用，瓶颈在怎么让一群Agent像人类团队一样协作，他还断言AI没带来大规模裁员，只是替罪羊。
核心论点 · 点时间戳可跳到原声
业界曾判定AI已死
贾扬清在2005、2006年寻找研究生方向时第一次接触人工智能概念，但当时整个业界已经判定这个方向「死了」，认为人工智能是一个历史概念，更常用的是机器学习、模式识别等词汇。他回忆自己本科念自动化，研究生转向模式识别，当时人们相信人工神经网络的浪潮已经过去，需要用更直接的数学方法来识别猫狗。直到2012年AlexNet出现，AI才重新回到经济中心。这个背景解释了为什么后来深度学习兴起被视为巨大跳变。
— 贾扬清Caffe诞生自一张快递GPU
贾扬清读博期间，因为AI计算量猛增，他写了开源框架Caffe。最初是作为side project，原因是当时几乎没有开源代码可以复现AlexNet。他向英伟达申请学术硬件捐赠计划，对方寄来一张GPU，装在快递盒里。贾扬清说那时候收到快递，自己装机器。这张GPU让训练时间从CPU上的1到2个月大幅缩短，也让英伟达跟伯克利建立了合作。Caffe后来成为AI基础开源工具，也让他第一次领略到开源的正向影响。
— 贾扬清AlphaGo没留住他，Pay留住了
2016年AlphaGo打败李世石，对贾扬清来说是「挺大的冲击」，但他在Google Brain的同事并不惊讶，因为模型预测胜率从未低于50%。他坦言当时完全没想到下围棋的算法能在十年后颠覆所有行业。尽管如此，他还是选择离开Google加入Facebook，原因是Facebook「更加乱七八糟、生机勃勃」，更像本科生聚在一起做事情。另一个很现实的原因是「pay good」——刚生娃背着房贷，钱多一点挺好。这也反映硅谷人才流动的务实。
— 贾扬清在阿里学到的是胆量
2019年贾扬清加入阿里云，负责计算平台事业部。阿里云CTO行天对他说，你可以继续深耕技术，但要不要试试把这个技术铺到所有行业。贾扬清认为阿里给了技术专家一个舞台，也冒了很大风险。他最大的收获是「胆量」：之前在Google、Facebook更像做完美答案的好学生，在阿里则面对「中国互联网半壁江山」的问题，需要自己定义问题。他学到的处理复杂度的能力，后来直接用到创业公司上，比如帮客户解决供应链问题而不仅是软件平台。
— 贾扬清GPT-3.5让AI变成通才
贾扬清回忆GPT-3.5在2022年11月出来时，还是个粗糙的prototype，问数学题也不一定答对。但整个业界花了好几个月理解能力边界，心智从「有个东西慢慢用」变成「往死里试」。他说以前AI是「通用技术、专用产品」，需要专科知识去特化；大语言模型后变成可以用自然语言交互的通才。他的创业想法其实比GPT稍早，9、10月就在和合伙人聊，但AI拐点放大了对新型云和GPU系统的需求。
— 贾扬清创业别学大厂省钱
Lepton AI成立第二年就实现盈利，贾扬清很proud，但回过头反思，觉得可以更aggressive。他把在大厂做「solid business」的思路带到创业公司：重视盈利、闲置效率、省钱。但创业任务不是盈利而是增长，火箭起飞时不该算燃料效率。他说在大厂和创业公司，决策的untold context不一样，比如在大厂里闲置资源是巨大损耗，在创业公司里业务高速增长时，闲置资源很快会被填满。这段反思对很多从大厂出来创业的人很有共鸣。
— 贾扬清一群Agent不是团队是团伙
贾扬清第二次创业的动机，来自看到单个Agent已经够聪明，但多个Agent如果没有好的机制协调，就是「agent团伙」而不是团队。AI agent会像人一样偷懒，比如迭代不出结果就建议把需求记为to-do item，review agent也会说「你说的有道理」。他认为需要可验证的机制，比如用业务系统或模拟环境来验证，而不是让AI互相闲聊。他的新公司要做的是构建AI之间的组织关系，让人定义「要什么」和「什么算做好」，把「怎么做」交给Agent。这可能是未来6到12个月会突破的方向。
— 贾扬清裁员潮里AI是替罪羊
面对AI带来的社会反弹，贾扬清的观点有些逆耳：AI并没有像媒体渲染的那样带来大规模失业，更多是猜测。他举例说，像Brex（做SRE的公司）半年多前宣称因为AI裁员，但更本质的原因是其推进crypto业务和疫情期间多招了一倍人，如今在为之前的错误买单，而AI恰好是「冠冕堂皇的理由」。他还说，任何组织都会给自己找理由，AI成了替罪羊。他承认AI从业者确实较少关注信任问题，硅谷的傲慢姿态加剧了对立，但正向变化也存在，比如电子支付提升了人与人之间的信任。
— 贾扬清原话 · 已逐字校验
当时至少整个业界是判定他的死亡了。大家认为人工智能是一个历史概念
当时至少整个业界是判定他的死亡了。大家认为人工智能是一个历史概念
贾扬清8:19
我们做AI的基本上在10年多以前，就已经非常非常大量的，几乎是exly的用英伟达的GPU开始。去做这些科研和训练。
我们做AI的基本上在10年多以前，就已经非常非常大量的，几乎是exly的用英伟达的GPU开始。去做这些科研和训练。
贾扬清23:55
metter是一个更加乱七八糟的生机勃勃的地方，乱七八糟，生机勃勃。
metter是一个更加乱七八糟的生机勃勃的地方，乱七八糟，生机勃勃。
贾扬清41:57
你看杨青对你们来说，你们出来第二次创业其实是一个最合适一件事情。
你看杨青对你们来说，你们出来第二次创业其实是一个最合适一件事情。
贾扬清1:38:25
如果说有一堆agent，但是你没有一个好的机制来协调他们的话，这就是一个agent团伙
如果说有一堆agent，但是你没有一个好的机制来协调他们的话，这就是一个agent团伙
贾扬清1:43:44
我觉得我可能一直的确在呃在低估就是AI发展的速度
我觉得我可能一直的确在呃在低估就是AI发展的速度
贾扬清2:03:49
数字与实体
| MNIST手写数字数据集大小 | 5万个样本 | 10:21 |
| AlexNet对ImageNet错误率的提升 | 从约20%降至14% | 30:05 |
| Google Brain团队规模 | 约40人 | 37:42 |
| Lepton AI实现盈利的时间 | 成立第二年 | 1:28:38 |
| AI成本增长速度 | 每45天增长一倍 | 1:40:38 |
| AI组织突破的预期时间 | 半年到一年 | 1:48:06 |
| Lepton产品开发周期 | 原型4个月，稳定用8个月 | 1:14:12 |
术语
- Caffe开源的深度学习框架
- 贾扬清参与开发的开源框架，用于快速设计和迭代深度学习模型。
- AlexNet深度神经网络模型
- 2012年赢得ImageNet竞赛的深度神经网络，推动了深度学习复兴。
- Agent智能体
- 能独立完成任务的AI程序，贾扬清讨论的是多个Agent如何协作组织。
- FAIRFacebook人工智能研究院
- Facebook AI Research，负责基础研究，贾扬清加入的是更偏应用的AI Infra。
收听指南
AI创业者、大厂技术管理者、投资人，以及关心AI到底怎么影响组织和就业的人。
不关心个人经历的话，可从1:05:05的GPT时刻开始听，前半段可快进。