笔趣阁

第145章 把他的数据供应商挖过来（第1页）

郑晓波这句话一出口，刘大海就知道自己不用再说了。

郑晓波是真的懂。

执掌鼎盛这样一个巨头，确实得有两把刷子，知识储备到了，至少沟通成本能低不少。

而且AI赛道正在风口上，哪家大厂也不敢掉队，对行业的关注甚至不比领域内的投资人和从业者少。ScaleAI，硅谷最炙手可热的独角兽之一，他们不做模型，不做产品，只专注做一件事一一数据标注，可以说是A1时代的卖铲人。

就凭这一项业务，ScaleAI的估值做到了几百亿美金。

这是什么概念？小半个鼎盛了。

于是刘大海在文档里连翻了几页，跳过了准备好的铺垫，直接翻到一张对比图。

「2023年6月，微软研究院发了一篇论文，叫《TetbooksAreAllYouNeed》（你只需要教科书），用精心筛选的教科书级别的数据训了一个十三亿参数的小模型，Phi-1，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。」

程远插了一句：「刘博士，这是什么概念？」

「当时除了GPT没有一个模型跑得过它。」刘大海说，「只有十三亿的参数，8张A100训练了4天，就这么点成本。这篇论文证明了一件事，数据质量够高，小模型就能干翻大模型。」

他转向郑晓波。

「这和汤圆的情况完全吻合。7B，就是七十亿的参数，一万条训练数据，意图理解打赢了坤元。关键不是模型有多大，是数据质量得好。」

最近几年，这几乎已经成为AI行业的共识了：谁的标注质量高，谁的模型就强。架构变化不大，算力的边际效益递减，但高质量的数据标注才还有很长的进步空间。

问题是，所有人都知道数据标注重要，却没人知道数据标注得好到什么程度才足够。

OpenAl、Anthropic、Meta，每年砸几十亿美金在数据标注上，模型的表现确实是一代比一代强，但进步也越来越慢，谁也不知道什么时候会撞墙，也没人知道极限在哪。

不管资本炒的多么火热，这个行业的所有从业者，大家都在一望无际的大海上摸索前行。

直到看到汤圆，刘大海确信自己看到了未来的信标。

郑晓波没说话。

刘大海的语速慢下来了，声音压低了半度。

「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像到的最高水平。不是高一点，是高整整一个量级。」

办公室又安静了。

郑晓波的手指在扶手上轻轻敲了两下。

「那他的数据，会是从哪来的？」

这个问题一出来，刘大海和程远同时看向他。

郑晓波的表情没有变化。

刘大海先开口了：

「郑总，我先给您算一笔帐，搂一搂。现在行业里最顶级的标注服务，ScaleAI的专家级标注，一条大概七八十美金。但那种精度和汤圆的数据比起来，肯定还差了一截。如果按汤圆这个精度去买，市场上根本没有这个服务，硬要估价的话，一条怎么也得一百美金往上。他们说的是不到一万条数据，就算一万条，光数据成本就是一百万美金。」

「这种精度的标注不可能是一两个人手工做的。要么有专业的标注团队，要么有独家数据源，要么是和哪个大型研究机构合作。」

郑晓波看向程远，下了命令：

「让商务情报团队去查，源码科技的工商变更、公开的合作披露，看看他们最近半年有没有和标注公司或调制解调器构打过交道。再查查他们的招聘岗位，有没有招过标注相关的人。」

程远点头，在文档夹内页空白处快速记了几笔。

「找到他的数据供应商，」郑晓波说，「直接挖过来。」

刘大海补了一句：「如果能找到标注规范文档，那比数据本身还值钱。有了规范至少知道方向在哪，咱们可以试试自己做。」

郑晓波看了他一眼，微微点了点头。

「第二件事，」他的视线回到程远身上，「算力合作可以先谈着。」

程远擡头，好像自己没想通：「谈合作。」

「但是有条件。合作框架里必须包含一条一一共享训练数据。」

「如果韩路一不同意呢？」程远问。

「先谈着，但别把姿态摆太高。」郑晓波的声音中气很足，「算力他能找别人要，这个数据我们暂时还找不到第二家。」

「等找到他的供应商，就不用谈了。」