AI沒殺死工作，Agent團隊才是真瓶頸
賈揚清從Caffe到兩次創業，復盤AI十五年：模型能力已經夠用，瓶頸在怎麼讓一群Agent像人類團隊一樣協作，他還斷言AI沒帶來大規模裁員，只是替罪羊。
原視頻在 YouTube 上放不出來，用音頻聽：
核心論點 · 點時間戳可跳到原聲
業界曾判定AI已死
賈揚清在2005、2006年尋找研究生方向時第一次接觸人工智能概念，但當時整個業界已經判定這個方向「死了」，認為人工智能是一個歷史概念，更常用的是機器學習、模式識別等詞彙。他回憶自己本科念自動化，研究生轉向模式識別，當時人們相信人工神經網絡的浪潮已經過去，需要用更直接的數學方法來識別貓狗。直到2012年AlexNet出現，AI才重新回到經濟中心。這個背景解釋了為什麼後來深度學習興起被視為巨大跳變。
— 賈揚清Caffe誕生自一張快遞GPU
賈揚清讀博期間，因為AI計算量猛增，他寫了開源框架Caffe。最初是作為side project，原因是當時幾乎沒有開源代碼可以復現AlexNet。他向英偉達申請學術硬件捐贈計劃，對方寄來一張GPU，裝在快遞盒裡。賈揚清說那時候收到快遞，自己裝機器。這張GPU讓訓練時間從CPU上的1到2個月大幅縮短，也讓英偉達跟伯克利建立了合作。Caffe後來成為AI基礎開源工具，也讓他第一次領略到開源的正向影響。
— 賈揚清AlphaGo沒留住他，Pay留住了
2016年AlphaGo打敗李世石，對賈揚清來說是「挺大的衝擊」，但他在Google Brain的同事並不驚訝，因為模型預測勝率從未低於50%。他坦言當時完全沒想到下圍棋的算法能在十年後顛覆所有行業。儘管如此，他還是選擇離開Google加入Facebook，原因是Facebook「更加亂七八糟、生機勃勃」，更像本科生聚在一起做事情。另一個很現實的原因是「pay good」——剛生娃揹著房貸，錢多一點挺好。這也反映硅谷人才流動的務實。
— 賈揚清在阿里學到的是膽量
2019年賈揚清加入阿里雲，負責計算平臺事業部。阿里雲CTO行天對他說，你可以繼續深耕技術，但要不要試試把這個技術鋪到所有行業。賈揚清認為阿里給了技術專家一個舞臺，也冒了很大風險。他最大的收穫是「膽量」：之前在Google、Facebook更像做完美答案的好學生，在阿里則面對「中國互聯網半壁江山」的問題，需要自己定義問題。他學到的處理複雜度的能力，後來直接用到創業公司上，比如幫客戶解決供應鏈問題而不僅是軟件平臺。
— 賈揚清GPT-3.5讓AI變成通才
賈揚清回憶GPT-3.5在2022年11月出來時，還是個粗糙的prototype，問數學題也不一定答對。但整個業界花了好幾個月理解能力邊界，心智從「有個東西慢慢用」變成「往死裡試」。他說以前AI是「通用技術、專用產品」，需要專科知識去特化；大語言模型後變成可以用自然語言交互的通才。他的創業想法其實比GPT稍早，9、10月就在和合夥人聊，但AI拐點放大了對新型雲和GPU系統的需求。
— 賈揚清創業別學大廠省錢
Lepton AI成立第二年就實現盈利，賈揚清很proud，但回過頭反思，覺得可以更aggressive。他把在大廠做「solid business」的思路帶到創業公司：重視盈利、閒置效率、省錢。但創業任務不是盈利而是增長，火箭起飛時不該算燃料效率。他說在大廠和創業公司，決策的untold context不一樣，比如在大廠裡閒置資源是巨大損耗，在創業公司裡業務高速增長時，閒置資源很快會被填滿。這段反思對很多從大廠出來創業的人很有共鳴。
— 賈揚清一群Agent不是團隊是團伙
賈揚清第二次創業的動機，來自看到單個Agent已經夠聰明，但多個Agent如果沒有好的機制協調，就是「agent團伙」而不是團隊。AI agent會像人一樣偷懶，比如迭代不出結果就建議把需求記為to-do item，review agent也會說「你說的有道理」。他認為需要可驗證的機制，比如用業務系統或模擬環境來驗證，而不是讓AI互相閒聊。他的新公司要做的是構建AI之間的組織關係，讓人定義「要什麼」和「什麼算做好」，把「怎麼做」交給Agent。這可能是未來6到12個月會突破的方向。
— 賈揚清裁員潮裡AI是替罪羊
面對AI帶來的社會反彈，賈揚清的觀點有些逆耳：AI並沒有像媒體渲染的那樣帶來大規模失業，更多是猜測。他舉例說，像Brex（做SRE的公司）半年多前宣稱因為AI裁員，但更本質的原因是其推進crypto業務和疫情期間多招了一倍人，如今在為之前的錯誤買單，而AI恰好是「冠冕堂皇的理由」。他還說，任何組織都會給自己找理由，AI成了替罪羊。他承認AI從業者確實較少關注信任問題，硅谷的傲慢姿態加劇了對立，但正向變化也存在，比如電子支付提升了人與人之間的信任。
— 賈揚清原話 · 已逐字校驗
當時至少整個業界是判定他的死亡了。大家認為人工智能是一個歷史概念
當時至少整個業界是判定他的死亡了。大家認為人工智能是一個歷史概念
賈揚清8:19
我們做AI的基本上在10年多以前，就已經非常非常大量的，幾乎是exly的用英偉達的GPU開始。去做這些科研和訓練。
我們做AI的基本上在10年多以前，就已經非常非常大量的，幾乎是exly的用英偉達的GPU開始。去做這些科研和訓練。
賈揚清23:55
metter是一個更加亂七八糟的生機勃勃的地方，亂七八糟，生機勃勃。
metter是一個更加亂七八糟的生機勃勃的地方，亂七八糟，生機勃勃。
賈揚清41:57
你看楊青對你們來說，你們出來第二次創業其實是一個最合適一件事情。
你看楊青對你們來說，你們出來第二次創業其實是一個最合適一件事情。
賈揚清1:38:25
如果說有一堆agent，但是你沒有一個好的機制來協調他們的話，這就是一個agent團伙
如果說有一堆agent，但是你沒有一個好的機制來協調他們的話，這就是一個agent團伙
賈揚清1:43:44
我覺得我可能一直的確在呃在低估就是AI發展的速度
我覺得我可能一直的確在呃在低估就是AI發展的速度
賈揚清2:03:49
數字與實體
| MNIST手寫數字數據集大小 | 5萬個樣本 | 10:21 |
| AlexNet對ImageNet錯誤率的提升 | 從約20%降至14% | 30:05 |
| Google Brain團隊規模 | 約40人 | 37:42 |
| Lepton AI實現盈利的時間 | 成立第二年 | 1:28:38 |
| AI成本增長速度 | 每45天增長一倍 | 1:40:38 |
| AI組織突破的預期時間 | 半年到一年 | 1:48:06 |
| Lepton產品開發週期 | 原型4個月，穩定用8個月 | 1:14:12 |
術語
- Caffe開源的深度學習框架
- 賈揚清參與開發的開源框架，用於快速設計和迭代深度學習模型。
- AlexNet深度神經網絡模型
- 2012年贏得ImageNet競賽的深度神經網絡，推動了深度學習復興。
- Agent智能體
- 能獨立完成任務的AI程序，賈揚清討論的是多個Agent如何協作組織。
- FAIRFacebook人工智能研究院
- Facebook AI Research，負責基礎研究，賈揚清加入的是更偏應用的AI Infra。
收聽指南
AI創業者、大廠技術管理者、投資人，以及關心AI到底怎麼影響組織和就業的人。
不關心個人經歷的話，可從1:05:05的GPT時刻開始聽，前半段可快進。