「老板……我完全没听懂。」
星城之旅就这么毫无波澜的结束了。
没有人被当场抓包，也没有人影响到黎芝和周明远的幸福甜蜜。
但变化依旧存在。
像是沉在海底的冰山，潜移默化影响著很多很多事情。
周明远回到办公室的第一时间，就把贺敏喊进屋子，嘀嘀咕咕安排了一长串工作。
可贺敏却始终一脸懵逼。
什么东西？
老板他说的究竟是什么东西？
手上已经有了这么多公司，这么多项目，插足了这么多产业，他怎么还要……
究竟还要把手伸到哪里去？
最让人难以理解的是，周明远这次创业，颇有几分不计成本的架势。 虽然贺敏心里也清楚，老板几家公司或许不缺现金流，但是……
这到底是不是烧钱？
「具体哪里不懂，我再给你一点点解释。」
周明远抱起胳膊，大半个身子倚靠在沙发里，笑吟吟望向小助理。
「数据标注到底是干嘛的？」
「这有什么用？」
「我们为什么要花人力物力来做这个东西？」
「你说的那些乱七八糟的，什么ai啊人工智慧啊，我都完全听不懂……」
「法学生连这个都要学吗？」
「招的都是大学生，我刚刚听你讲工作逻辑，好像也没什么技术之类的壁垒，你确定这玩意能赚到钱？」
贺敏压根也没跟周明远客气。
不懂就是不懂，她连珠炮般问了一大串，干脆利落。 「应该是可以的。」
周明远思考了几秒钟，点了点头。
相比模仿瑞幸咖啡，做法律咨询，搞mcn公司这种前人已经验证过是超级大风口的行业来说。
他这波想法，的的确确带著几分赌性。
没接触过，没尝试过，哪怕两世为人的他也说不准能不能行。
跟黎芝彻夜长谈之后，他其实也有些触动。
想想也真没错。
自己从零到一白手起家不难，到a8甚至a9也不难，只不过需要一点时间。
无论是手上的明理法律咨询公司，亦或是解忧传媒，似乎都存在著一点点发展速度上的天花板。
哪怕给了他足够的时间发展，但论行业影响力和爆发力，好像都还不足以到达碾压顾采薇或者黎芝家境的程度。
更不用说解忧咖啡了。
哪怕解忧咖啡做到全国top1，那又怎么样？ 天使投资人是顾采薇的爸爸，他一个小股东还能翻什么天？
于是，经过一番思考之后，周明远默默做出了一个新的决定。
换一条没有上限的新赛道。
重生嘛，就要做些对自己来说有挑战的事情。
输了大不了从头再来。
赢了呢？
赢了当然获得一切，亲手书写历史。
作为站在历史肩膀上的巨人，周明远自然心知肚明。
十几年后的世界是什么样子？
十几年后的世界，什么赛道最牛逼？
莫过于正统ai和大模型。
周明远根本不用多想，马上选择抛开法律垂直行业的舒适区，直接杀进最核心的通用人工智慧赛道。 这条路比做本职工作难十倍，但上限也高百倍。
复盘起来，2015年还真是个前赴后继的好时代。
众所周知，深度学习有著三大支柱。
算法、算力和数据。
三个支柱，现阶段正处于一个微妙的临界点上。
算法端，hinton在2006年就提出了深度信念网络，lstm在1997年就被发明出来。
可直到这一年，才真正开始在工业界大规模应用，cnn首次在图像识别上超过了人类水平。
更重要的是，2014年刚提出的注意力机制，正以极快的速度渗透进nlp领域。
transformer论文还要等两年，所有关键技术都在高速叠代。
时代鼓著长风，旌旗猎猎。
算力端，英伟达三月份刚刚推出geforce gtx titan x，12gb显存，单精度浮点算力不过7 tflops。
跟后来的h100比起来不值一提。 可庙小妖风大，在现阶段已经足够跑一个中等规模的深度学习模型了。
最关键的其实是数据。
网际网路每天产生的文本、图片、视频以pb计，细究起来99%都是非结构化的噪音。
谁先把这些噪音变成可训练的数据资产，谁就拿到了下一轮竞争的入场券。
思考过后，周明远的切入点就决定是这里。
理由很简单。
他除了懂趋势之外什么都不懂，也没有相关学术背景。
技术团队为零，ai行业人脉为零，个人技术能力约等于零。
周明远唯独有著三样东西，是纯技术背景的ai创业者没有的。
第一，是子弹充足的超绝现金流。
明理公司和解忧传媒两家，都是正向到夸张的现金奶牛。
更不用说周明远在股市还有一大笔，自打开市起不断滚动。 不论成败，他是真的输得起。
第二，叫做商业嗅觉和管理能力。
技术方面他不懂，但公司做到一定规模的话，管理方式和人性把控，这种东西一通百通。
他能把很多东西从零做到一，知道怎么搭团队、控成本、拿订单，这件事的核心对他来说就不算难。
第三，是对数据价值的超前认知。
这一点就不用多说了，纯开挂。
在别人还把数据当废料的时候，他知道这是未来十年最稀缺的矿产资源。
于是经过一番考虑，周明远决定放弃做算法研发之类的东西。
自己搞一个数据标注工厂。
为什么不做正统算法？
要知道，2015年做算法，绝对不是件容易事。
这方面的刚需，是至少招到一批深度学习方向的博士。 而这些人呢？
要么在谷歌微软百度，要么在高校实验室，没有人会加入一个没有任何ai背景的初创公司。
这压根不是钱的问题。
人家看重的是平台和同行的认可，钱有时候排不到第一。
可周明远选择的方向就不太一样。
数据标注不需要博士，不需要论文，不需要顶级学术背景。
它需要的是管理能力、成本控制能力和对数据质量的极致追求。
还真别说，这三样恰好是他最擅长的。
而且最关键的是，2015年的ai行业还在拼模型结构创新，绝大多数从业者还没有意识到一个事实。
数据质量比模型结构更重要。
几年后等大家都反应过来的时候，先行者就能用规模和管理形成护城河，把成本压到后来者无法跟进的程度。
这就是周明远的先机。 「好好好，就算能赚钱，可是老板！你说的这个……数据标注，它和ai有什么关系啊？」
贺敏依旧保持著一脸疑惑的神情，自顾自抿了口咖啡，坐在周明远对面，托著下颌认真聆听。
「这个东西啊，听起来很低端，实际上它是ai产业链最上游的石油。」
周明远耐心解释道。
没办法。
两世为人的视野和认知，对于手下的小助理而言还是太过超前了。
不好好科普外加一通势大力沉洗脑的话，这个活还真没法推进。
「任何深度学习模型的训练都依赖于高质量标注数据，而标注数据的生产成本和质量控制，是一个极其复杂的系统工程。」
男人摊开双手，开始给贺敏一个一个举例。
「imagenet有1400万张标注图片，背后是亚马逊mechanical turk上数万名众包工人的劳动；谷歌翻译能支持上百种语言，是因为它用了海量的人工翻译数据做训练。」
「懂我意思吗？」
「通用领域的标注市场竞争会越来越激烈，真正的壁垒在于垂直领域的深度标注。」 「现在是网际网路时代，你知道最容易被人忽视的需求是什么吗？」
「呃……我不知道。」
贺敏眨了眨眼睛，老老实实回答。
「中文语料。」
周明远伸手点了点小助理额头，继续科普。
「英文有维基百科、common crawl、斯坦福的squad数据集，中文呢？」
「中文的维基百科条目只有英文的零头，中文的自然语言处理数据集几乎空白。」
「这意味著什么？」
「.……意味著什么呢？」
贺敏傻乎乎的跟著重复一遍，可可爱爱。
「如果有人从现在开始系统性地积累高质量的中文语料，未来做中文大模型的时候，所有团队都需要这些数据。」
「哇……听起来还挺厉害。」 女孩子往往难以沉浸在宏大叙事和星辰大海里面。
贺敏也是一样，只能摆出一副不明觉厉的样子。
「不仅如此，做这个不是我们的终点，等我们年营收过亿的时候，还可以是融资手段。」
短短一晚上思考之后，周明远已然胸有成竹。
他心里明白，等到2016年就好。
明年会有一个ai历史上的标志性事件。
alphago击败李世石之后，全球ai投资会进入狂热期。
到那时候，一家靠数据标注年营收过亿，拥有上千名全职标注员、服务几十家头部公司的数据标注企业.……
融资估值只会比纯算法公司更健康。
「年营收过亿？」
「啊？」
「老板你认真的吗？」 前面都还好，就当是自家老板的一时心血来潮。
可听到这里，贺敏直接惊呆了。
「认真的啊。」
「这个工作，跟短视频公司有著很紧密的直接关系。」
周明远翘起二郎腿，单手撑著面颊，另外一只手解锁手机，把屏幕朝向贺敏。
「是吗？」
总算听到自己了解一点的领域了。
贺敏坐直了身子，提高声音。
「数据标注是短视频平台最核心的基础设施之一。」
「短视频平台需要什么样的数据标注？推荐算法最核心的任务是给每个用户打上精准的标签，然后匹配ta最可能喜欢的内容。」
「那你说标签怎么来？」
「这些其实不是算法自己想出来的，是海量的标注数据训练出来的。」 「比如你刷短视频平台的时候看到一个视频，停留了三秒划走了，系统记录了一次弱兴趣；你又刷到一个视频，点赞收藏加转发，系统记录强兴趣。」
「这些行为本身就是一种标注，但你记住，这叫做被动标注，效率低，噪声大。」
「主动标注是平台自己请人看视频、打标签、写描述、分类、去重、筛选敏感内容。」
「到了平台发展的后期，每个视频的标签体系极其复杂。」
「场景类（室内/户外/夜晚/雨天）、人物类（年龄、性别、颜值、著装风格）、情绪类（搞笑/治愈/励志/伤感）、动作类（跳舞/做饭/化妆/健身）、音乐类（bgm识别、卡点节奏）……」
「这些标签不是用户行为能自动产生的，是靠专业标注员一条一条标注出来的数据，再用这些数据训练内容理解模型。」
「等到模型能自动识别了，标注员再去标注更难的边缘案例。」
「继续叠代模型，形成数据飞轮。」
「.……」
听老板聊了整整一下午，贺敏第一次眼睛亮了起来。
她隐隐约约明白了一点点，周明远要做的事情，究竟有什么作用和含义。
2015年这个时间点，抖音还没上线，快手也才刚刚转型成为短视频社区。 两家都没开始大规模做推荐算法，但也不过是临门一脚的事情。
不管是哪家短视频平台，快手也好，日后的抖音微视秒拍也好，第一件事就是解决内容冷启动问题。
一个新视频上传之后，系统怎么判断内容质量？
怎么决定推给谁？
答案就是内容理解模型。
而内容理解模型的训练数据，就是标注数据。
「所以啊，我为什么有自信能做到营收破亿？」
「因为如果我们在这一年，就把数据标注工厂做起来的话，规模和管理能做到行业领先……」
周明远跺了跺脚，眉眼中洋溢著满满的自信。
「要么大家都是我的客户，要么来给我股份，要么拉我一起创业干平台。」
「跑不掉的。」
事实上，这样的商业模式也非常清晰。 短视频公司提供海量视频素材，标注工厂负责标注标签、情绪、场景、动作、音乐等多个维度，按时交付标注结果。
按条收费或按项目收费。
标注的越精准，推荐算法就越强。
算法越强，就越懂用户，用户停留时长就越长，广告收入就越高。
所以标注成本对平台来说不是可选项，是必选项。
更深一层的价值在于垂直领域的壁垒。
通用标注谁都能做，但视频级多维标注需要不少东西。
一个搞笑视频的【笑点位置】标注，需要文化背景和理解能力。
一个舞蹈视频的【动作拆解】标注，需要一定的专业素养。
一条时政新闻的【立场倾向】标注，需要基本的政治敏感度。
这些说难不难，说简单也不算简单。
需要长期积累和培训的能力，简单的众包还真搞不定。 一旦某个团队，在视频标注领域积累了大量的标注标准和培训体系。
后来者想挖人、想复制，成本高的惊人。
所以数据标注跟短视频的关系，本质上是一条产业链的上下游。
短视频平台是数据标注的甲方，标注工厂是数据标注的乙方。
如果这个乙方在2015年就提前卡位，把规模、质量、成本三个维度都做到极致。
那一旦等到短视频大战全面爆发，或者说新军想要扰乱整个行业，数据标注需求会在一年内从零飙升到数亿元的年市场规模。
到那个时候.……
甲方排队等签约，乙方挑客户、提价格、设壁垒。
更长远看，手里有了海量的视频标注数据，训练自己的视频理解模型就不再是天方夜谭。
万一有人想拉人马自己干呢？
进可攻退可守，那都是预期之内的事情。
哪怕不想进军短视频平台抢饭吃，既可以帮平台做内容审核和智能推荐，又可以把ai能力开放给所有想做视频分析的企业客户。 从标注服务升级为ai能力输出。
这个跃迁一旦完成，就不再只是平平无奇的数据标注公司。
而是高贵洋气的，ai基础设施提供商。
最有趣的事情是。
在这个构想里，数据标注只是第一步，是这个商业模式的现金流来源。
真正的星辰大海是用积累的数据和资本，反向杀进大模型赛道。
在周明远的预期里，transformer论文发布是关键节点。
从这开始，nlp领域的范式开始从rnn/lstm转向注意力机制。
谁先在中文语料上用transformer架构做预训练，谁就能定义中文nlp的下一个标准。
要做出一个可用的中文预训练模型，需要三枚龙珠。
足够多的中文语料、足够便宜的算力、知道怎么训练的人。
而到了那个时候，这三枚龙珠周明远应该已经凑齐了。 语料是现成的。
几年积累下来的标注和未标注数据已经是天文数字。
算力可以买。
gpu云伺服器按小时租，aws和阿里云都有gpu实例。
那个时候的人才，自然也不是问题，ai投资热潮之后人才流动性大增。
第一版不需要做到bert那个量级，可以先从更小的模型开始，用更干净的语料、更长的训练时间、更精细的领域适配来弥补参数量的差距。
大模型做出来之后，商业化路径就很简单了。
做api调用，全盘抄openai就完事了。
开放平台，按调用量收费。
中小企业不需要自己训练模型，直接调用api就能获得最先进的中文nlp能力。
这是最标准的平台型商业模式。
一边是开发者生态，一边是模型能力，中间靠api连接。 一旦这个飞轮转起来，后来者就算有更好的模型也很难抢走客户。
因为客户已经在上面积累了大量的调用记录和应用生态，迁移成本太高。
这个模式在若干年后会被openai的gpt-3验证。
api调用收入年化数亿美元，估值暴涨到千亿级别。
时间回调到2015年，这个看似不可能做ai的年份，恰恰是最好的起点。
再过几年，所有投资人和热钱都一股脑涌入ai的时候，先发优势的价值会被卷到无限趋近于零。
而现在，这条赛道几乎是完全真空的。
前无古人，后无来者。
(https://www.mangg.com/id182349/56792552.html)
1秒记住追书网网：www.mangg.com。手机版阅读网址：m.mangg.com