十字路口Crossing · · 41 min
【年终复盘②】RSI可能是NeoLab的机会、PA真的有用、创业要造灭火器还是砖头?|对话谷雨
TL;DR
- 谷雨改判RSI创业有机会:new lab的优势可能来自迭代加速度,而非已有模型积累。 当AI越来越能写training infra和recipe,大厂既有系统可能反成适配负担,新团队则可以随时重做,“我确实被打脸了”。但full-stack训练仍需要大量资本;他对明年RSI创业公司可能推出最强、或至少SOTA级模型的判断,明确限定为“瞎预测”。
- computer use的操作可靠性已明显进步,业务认知则是另一层问题。 coding训练规模上去后,谷雨认为“手已经基本解决了”;剩下的是理解公司规则、流程与审批,这和操作能力是相互独立的。Neocognition的ApprenticeBench把100道会计任务串起来,考察从反馈中学习;真正的长程,是员工用几个月或一两年从菜鸟变成老员工。
- 数学与memory notes两次突破,都推翻了谷雨对模型学习上限的判断。 他曾认为数学需要形式化系统提供信号、改写memory notes也不是可靠优化算法,如今承认scaling能走得更远,“不得不信”。不过,按他的观察,持续学习目前真正做得强的仍主要是Anthropic和OpenAI,训练recipe也未成熟。
- 谷雨认为论文数量已难以承担人才评价,招聘更应直接了解候选人的工作与问题理解。 他一年半没有投稿、半年多没有审稿,举例称一个16篇的审稿批次,可能只有一两篇质量过关。团队会看research presentation中的逻辑表达、问答反应和对问题的理解;但他并不因此劝退读博,“想做一件事去做就是一种理性”。
- 创业的关键教训是让技术与市场闭环,过高的发布标准也会成为成本。 学术团队想造出扎实的灭火器,着火的客户却可能先买砖头:“在你灭火器造出来之前,别人卖砖头的已经卖100个。”谷雨承认自己太本分、发布太慢;Koji则保留约束:可以先创造momentum,后面必须持续deliver,“你肯定不能bluff嘛”。
- 资本充裕正在把创业变成一种“随大流”的选择。 Neocognition种子轮融资4000万美元,谷雨说硅谷常见种子轮是500万、1000万美元;2026年上半年,国内一些new lab已出现20亿美元估值,让他震惊。资本能降低尝试门槛,但对话中的压力追问仍成立:没有回购、对赌的个人财务压力,也可能付出几年时间。
- AI视频的竞争开始落到作品本身,而非观众对技术的猎奇。 谷雨在B站观看一部两个多小时、七八个角色保持一致的AI僵尸片,“我是真的把它当电影看”;观众知道它由AI创作,弹幕仍主要讨论剧情。他由此把人的稀缺价值概括为“一个是审美,还有一个是美”:决定方向,以及提供情绪价值。
- personal agent已经在邮件筛选上给谷雨带来实际价值,突破更多来自产品交互。 持续的单一对话、拟人形象与主动推送,把已有能力组织成了助手体验;proactiveness本身并不是新技术。他同时尝试Muse与Instinct,但判断真正形成生活依赖后,“只要一个就够了”。
Digest · the substance, structured for research
1. RSI让new lab重新获得追赶前沿的可能
- 谷雨原先反对RSI创业有两层理由:新公司追不上前沿模型,递归改进又需要自己的模型作为起点。Recursive和MiroMind等团队的发布让他改判;他提到有人用3个多月训出的预训练模型比K3还强,“我确实被打脸了”。
- 他的解释是,AI研发能力继续增强后,大厂积累的infra与recipe可能成为负担。一位国内模型厂朋友明知OpenAI的score centering可能提升一两个点,却因适配infra代价过高而不采用;新团队没有这层包袱,可以随时丢掉重做,获得“更大的加速度”。
- Koji追问,full-stack训练仍需要钱、卡与数据,谷雨认同资本门槛。他对明年另有一个明确标注的“瞎预测”:可能出现来自RSI创业公司的最强模型,或者至少达到前沿、SOTA级别,并非断言一定发生。
2. computer use的“手”已明显进步,难点转向“脑”
- 谷雨认为,从去年年底到今年年初,coding训练规模扩大,能力泛化到软件与网页操作,“手已经基本解决了”。剩下的认知问题是:模型是否知道事情该怎么处理,尤其是各家公司特有的业务流程。这类认知问题与操作能力是相互独立的,但最终仍要落实到软件或网页操作上。
- 团队曾花几个月搭pipeline,让agent多做几次、挑出正确结果,再封装成reusable skill。现在他认为这套工程已无必要,举Opus 5.5为例,模型能直接实现流程并自行纠错;操作层能力进步,改变了公司原来的解题思路。
- ApprenticeBench采用建筑行业的会计报账场景,共100道任务,涉及公司惯例、特定workflow与审批规则。关键在于题目不独立,必须在一个stream里连着做100个,前面获得的反馈与知识要能帮助完成后面的任务。
- 谷雨反对把长程简单等同于寻找耗时半天的难题:这种任务难以规模化,也未必导向lifelong intelligence。“真正的长程”不是一个会计把一笔账做一个星期,而是几个月或一两年里从菜鸟成长为熟悉公司的老员工。
- 第一版最强Claude模型约80分,谷雨称新版会让现有最强模型得分低很多。测试数据未公开,但更重要的是测meta-level学习能力;只对着这家公司的特定规则刷分没有意义,真把持续学习能力提上去,他也认可“那确实也算做了件好事”。
- 他还提到团队在OSU NLP Lab时期做过MMMU、Mind2Web和AgentBench等benchmark;其中MMMU、Mind2Web的后续版本或变体也被模型公司用于发布评估。
3. 数学与memory notes都突破了他原先设定的上限
- 2024年,谷雨还认为数学需要形式化系统提供信号;到2025年,informal方式已能拿到IMO金牌,2026年又进一步,前几年的一些问题基本可以通过informal方式解决。这至少打破了他两年前的认知,让他觉得还是要相信scaling,“不得不信”。
- 他上半年也曾断言,靠改写memory notes做持续学习“肯定不靠谱”,因为这不是可靠的优化算法。如今他仍认为这不是可靠优化算法,却承认上限被低估:过去记忆质量受模型能力限制,模型越强,这条路越可能走远。
- 按谷雨目前的观察,这方面真正强的主要是Anthropic与OpenAI。训练模型更好地写memory notes可能有帮助;Claude Code、Codex的long session也可能自然产生相关数据,但recipe尚未成熟。他把2024至2025年的关键词概括为vision-language、VLM、world model,2025年底至2026年是coding;从2026年到明年,至少明年下半年之前,关键词可能是continual learning。
- Koji提出另一种理解:解决数学问题的价值,也在于过程中发现方法、积累know-how,并可能像棋类运动一样成为人挑战智力极限的方式。谷雨回应,很多事情并不是因为机器做不到才有价值;做这件事本身也能给人意义与快乐。
4. 论文评价失灵,并不等于读博失去个人意义
- 谷雨用“彻底崩塌了”描述2026年的投稿与评价体系。他一年半没投稿、半年多没审稿或担任AC;一个16篇的批次,可能只有一两篇真正过关,大量AI slop让他觉得这类工作不尊重自己的时间。
- 招聘时,他更看候选人对既往工作和当前问题的理解,以及research presentation里的逻辑表达、问答反应与综合能力。他认为有taste的同行评议更理想,举例是院系资深教师通过job talk评估候选人,而不是仅凭论文数量;新的评价体系尚未建立,学校仍按惯性运行。
- 对AI人才降低教职优先级,他给出的原因很现实:frontier lab、new lab startup的收入与资源更好,学校还有评价体系问题。Koji以“10年之后教授的社会地位可能不如夜店的男模”作夸张比喻;谷雨表示自己确实这么觉得,并认为当智力不再值钱时,长相和身材可能更值钱。
- 但被问是否值得读PhD,谷雨拒绝替别人决定:不知道对方追求什么,就不该给统一建议。“想做一件事去做就是一种理性。”他的态度是先确认自己真的想要,而非把职业收益当作唯一尺度。
5. 创业需要市场闭环,灭火器也可能输给砖头
- 谷雨说自己“这辈子没有一秒钟想过去大厂”:他需要灵活作息、决定研究方向的ownership,也很难为别人完成使命。对风险,他自称“没有什么概念”;父母不强加人生节点要求,也给了他一定安全感。
- 团队在学术界一直避免拿锤子找钉子,创业后却发现自己成了solutions in search of problems。原因是研究在技术体系内自洽即可,公司却必须和market闭环;continual learning是fundamental problem,不等于已找到客户愿意购买的产品形式。
- 他借“头上着火”的例子反思发布节奏:客户不会等完美灭火器,手边有砖头也会先拍灭。“在你灭火器造出来之前,别人卖砖头的已经卖100个。”团队过于追求solid,应该更早发布没那么成熟的东西,把闭环跑起来。
- 谷雨说有时甚至可以先把牛吹出去;Koji随即补上约束:提早宣布能创造momentum,但必须不断deliver,不能bluff。谷雨举马斯克为“fake it till you make it”的典型;这段讨论保留了抢先发布与兑现承诺之间的张力。
6. 充裕资本把创业变成了随大流的选择
- Neocognition种子轮融资4000万美元,现有17名全职员工、4名实习生,计划很快启动A轮。谷雨说,硅谷常见种子轮是500万、1000万美元,而2026年上半年国内一些new lab直接出现20亿美元估值;他到6月才意识到国内会投这么多钱。
- 他最惊讶的是,开始有人说“大家都在创业,我周围人都在创业,我也想去创业”,原本非主流的路径成了跟随选择。Koji肯定资本支持年轻人尝试的价值,谷雨追问“真的没有压力吗”;随后讨论把不签回购、对赌时的个人财务压力,与可能浪费几年时间区分开来。
7. AI电影开始以作品质量留住观众
- 谷雨在B站看UP主龙小胖制作的AI僵尸片,把林正英带回一个新故事里。两个多小时、七八个角色,脸、衣着与情节保持一致,和大半年之前几分钟里人物就变样的体验不同;观众可以沉浸其中,把它当作电影看。
- Koji追问观众是否知道是AI作品,谷雨说平台有声明,但弹幕主要在讨论剧情。对他而言,这意味着观众更关心最终deliverable,而非作品如何产生;体验已经从了解技术能力,转向沉浸在故事中。
- 他还回忆,去年一部60集、每集一分钟的AI短剧,剧本报价约7万元人民币;他觉得如今AI一天就能写100个剧本。由此给出的粗线条判断是,人以后需要“一个是审美,还有一个是美”:前者决定方向,后者提供情绪价值。
8. personal agent的价值来自持续关系与主动筛选
- 谷雨认为personal agent走红更多是产品设计到位,而非某项技术突然越过临界点。真正的personal assistant需要持续的单一对话,而非每件事新开session;就像微信里每个联系人只有一个聊天窗口,卡通形象则进一步增强“有人的感觉”。
- proactiveness在他看来也不是新技术:年初的OpenClaw已有相关feature,ChatGPT、Claude的scheduled tasks也能定时查看邮件并推送。变化在于,这些能力被组织成了更自然的助手体验。
- 他同时试用Muse与Instinct,主要让它们筛邮件、挑重点并主动提醒;国内外卖、酒店、机票等服务不太好用,限制了其他用途。目前多用几款主要是尝鲜,真形成生活依赖后,他认为“只要一个就够了”。