
92 浏览
本期对话:@Kai 杨凯,多伦多大学数学系,Geoffrey Hinton的学生,亲历了AlexNet开启深度学习时代的那个瞬间。哈佛统计硕士,华尔街对冲基金量化交易员,连续创业者。现在在新加坡做Arros AI,为招聘行业提供AI基建,ARR超100万美金,上个月被纳斯达克上市公司YY Group任命为首席AI科学家。这期聊了两件事:一是"找人"和"找信息"有什么不同,二是为什么龙虾(agentic AI)是真正的范式变化。他的回答比我预想的朴素得多——不是因为技术多牛,是因为人越来越懒了。
1. Hinton教的是好奇心
杨凯本科在多伦多大学数学系上过Hinton的课。当时深度学习还没成为显学,AlexNet刚刚出现,用卷积网络做分类任务的准确率让所有人震惊。但他说Hinton教给他最重要的不是某个技术点,是好奇心。"北美的教育体系给我带来很大的冲击。中国传统教育比较老师导向,要你掌握知识点。北美崇尚探索精神——老师把你引进门,介绍一些很有趣的东西,你就觉得这个很有意思,我也想研究研究。"他说这种好奇心支撑了他十多年在AI领域的深耕,包括创业。"创业其实很像在实验室做研究——一直在研究新问题,尝试用新方法。"
2. LLM不过是大三学过的东西
杨凯说过一句话:LLM不过是一个大学本科就学过的autoregressive model,大三就学过的东西,只不过基于庞大数据量做得很深。展开讲的时候他没有否认大模型的价值,但强调的是"万变不离其宗"。底层还是以前学的原理——怎么capture文字之间的关系。只不过从预训练到RLHF到数据标注,工程量是学生时代不可想象的。万卡集群训练,这不是实验室能具备的条件。"如果没有教授们之前的贡献,没有AlexNet让人看到深度学习的巨大潜力,就不会有Google更多的投资,不会有Transformer,不会有OpenAI。整个是一个连锁反应。""什么事情都不在于理论,在于你做得有多深。"
3. 从量化交易到AI招聘
暂时没有回复
来日方长 敬请期待
4. 中国SaaS的血泪史
第二次创业做魔音智能,语音技术方向。前几年爆发——大量金融从业者在家用腾讯会议做尽调、写竞调报告,需要会议自动转录和总结。几个月累积上百万用户,融了300万美金。但飞书后来全部主打免费,腾讯会议也加了免费功能。他们比飞书早了将近一年推出产品,但大厂免费碾压。后来转做大企业智能客服,拿了用友、金蝶这些大客户。但大企业的问题也很明显:愿意和创业公司合作因为便宜有干劲,一个订单一两百万人民币,但要消化一年。第二年就压价,或者干脆自己做个六七十分的替代你。"中国的consumer产品有成功的商业模式——广告、游戏、电商。但enterprise至今没有找到scalable的商业模式。"两年前他重新回到海外市场。
5. 从AI招聘玩家到AI招聘基建
Arros AI最初是自己做AI招聘业务。但做着做着发现了一个更大的机会:每个招聘公司都在谋求AI转型,都很焦虑,都急迫地想要AI能力。于是他们做了一个华丽转身——从行业玩家变成行业基建。不在市场里竞争,而是把技术当弹药供应给所有招聘平台。"你可以理解为所有的招聘公司都是AI招聘公司。所以卖铲子变成了最大的机会。"YY Group是其中一家,看到他们的技术后投资了Arros AI并任命杨凯为首席AI科学家。但除了YY,还有很多类似的平台主动找过来要合作。这个定位转换的关键在于时间积累。一年半的深入研发——算法准度、服务稳定性——才达到和这种级别的客户合作的水准。
6. 用关键词index信息很简单,用意图index人很难
我在对话里抛了一个类比:Google用意图搜索重新组织了信息,LLM也可以搜到很多信息,但你们做的事本质上是用算法重新还原人。杨凯说人是一个非常复杂的object。一份简历里写了"LLM",他就是做LLM的吗?不一定——他可能只是一个招LLM岗位的recruiter。关键词能做的事情非常有限,它只有弱相关性。找人需要的是强相关性和深度理解。比如客户说"我要找一个中国背景的人"——你用关键词怎么搜?搜姓氏?赵钱孙李?搜不出来。他们做了一个叫profile consolidation的技术:把一个人在LinkedIn、社交媒体、新闻、论坛上所有的留痕聚合起来,用LLM做信源比对和交叉验证——确定这是同一个Ellen Cheng,不是另一个Ellen Cheng——然后拼成一个完整画像。有了完整画像之后,不管用户关心的是职业经历、个人兴趣还是社交媒体账号,都可以按需抽取。"AI作为一个communication tool变得越来越有价值。LinkedIn就是世界上最大的通讯录。AI已经具备巨大的潜力,成为未来的Connector。"
7. 龙虾就是下一个AlexNet
杨凯对龙虾(Lovable/Bolt这类agentic AI平台)的判断非常明确:是真正的产品范式变化,不是buzz。
原因不是技术多牛。是人越来越懒了。"我原来要登录一个软件,学怎么操作,点100下按钮。现在我只是说话,就能实现一样的功能。人一旦习惯了这个东西就很难回去——就像用惯了ChatGPT就不想翻Google。用龙虾用惯了,退回SaaS就很难。"他们的recruiter用龙虾做大量工作:organizational chart mapping、sourcing、自动发WhatsApp和LinkedIn、生成PPT、做会议纪要、查候选人之前聊了什么薪资多少。以前实现这一套工作流需要七八个SaaS,现在一个对话式的assistant就够了。"所有的due diligence现在几乎都在龙虾上发生。大家懒得用Google,懒得用ChatGPT,都不想敲字了,直接说话,东西全都拉到。"他把龙虾比作下一个AlexNet:"我们已经通过龙虾看到了agentic AI非常巨大的潜力,就跟我当年在多大时候看到AlexNet一样。大家看到潜力之后就会更多投入和投资,它慢慢就会创造越来越大的社会价值。"
8. AI时代做产品最稀缺的是什么
最后一个问题:AI时代做产品,最重要的是什么?杨凯的答案是:对需求的理解。"现在很多工程的门槛都在降低,vibe coding这些技术、很多执行层面的东西都变得越来越简单越来越便宜。核心问题还是:需求在哪里?客户究竟需要什么?我应该怎么更好地满足?"他说现在的趋势是人变得越来越复合——engineer变产品经理,产品经理变engineer,还要懂市场懂推广。AI技术进一步放大了个体的能力边界。"这个问题亘古不变。"
Copyright © 2026 RADHOST PTE. LTD. (UEN: 202450723N). All Rights Reserved.