跨国深谈← 返回←Scale AI 创始人 Alexandr Wang:AI 时代,最稀缺的不是智能而是愿景

Scale AI 创始人 Alexandr Wang:AI 时代,最稀缺的不是智能而是愿景

关联

人物 Alexandr Wang

公司 Scale · Meta

概念 MuseSpark · 开源模型 · 智能体 · 多智能体设置 · 训练数据 · 前沿AI实验室 · 主观能动性 · Spark API · 个人超级智能

十年前,数据在 AI 圈是最不性感的词,投资人不屑一顾;今天,这帮人正在各大媒体头头是道地撰写深度文章,论述数据是 AI 最大的商业机会。说这话的是 Alexander Wang,他在 19 岁那年创办了 Scale,后来成为 Meta 前沿 AI 实验室的掌舵人。

在这场 YC 的对谈里,他聊了四件事:自己从一个新墨西哥州洛斯阿拉莫斯小镇的少年,如何走上创业这条路;为什么无论周遭多嘈杂、别人怎么泼冷水,你都必须发展出一套属于自己的「内在指南针」;他从 Scale 跨入 Meta 这一年,是怎么从零重整团队造出 MuseSpark 模型的;以及,当 AI 让智能和执行力变得不再稀缺时,未来的人类到底该拼什么、学什么。访谈结尾,他宣布现场所有观众都能获得用于 Spark API 的 1000 美元免费额度。

18 岁那年,Alexandr 住在因为他最近因电影而闻名、但当时堪称穷乡僻壤的新墨西哥州洛斯阿拉莫斯。他参加数学和计算机竞赛,内心确信自己想做点大事情,却完全不知道具体的路在哪。后来,在一个热衷编程、高中毕业就去硅谷 Palantir 实习的朋友的影响下,他高中毕业后跑来硅谷的 Quora 做了一年间隔年实习。

他非常推荐这段经历,因为从外行视角看,你根本不知道一家公司是怎么运作的——不知道怎么构建东西、怎么迭代、群体决策是什么样。19 岁这年,带着这些见识,他去了 MIT。

正是在 MIT,他第一次训练模型、玩 TensorFlow,也生出了 Scale 的核心想法。YC(知名创业孵化器)在他的创业路上扮演了关键角色:他们既鼎力支持你的成功,又会在你犯傻时毫不客气地当面戳穿你。

带着从 MIT 孵化的创业点子,他最初拿着 AI 智能体(能够自主执行任务的程序,这里指帮人获取医疗护理的智能体)的构想去申请 YC,做了一两个月后被 YC 的 Jared Friedman 拉到一边劝住,认为这个方向走不通。于是他们回到原点重新思考,最终确立了 Scale。

在 MIT 训练模型时,他发现获取算力(比如开个云服务账户)和代码,只需上网按个按钮就能拿到;唯独获取训练数据,毫无有效途径。他觉得这就是未来的刚需:一按按钮就能获得数据。

说完了他是怎么找到 Scale 这个方向的,接下来是他最核心的创业心法——对抗周遭的噪音。在 Scale 成立的头几年,数据毫无性感可言,每次去融资,哪怕收入数据极佳,VC(风险投资人)也总是充满怀疑,质疑这门生意到底持不持久、算不算好生意。

他觉得很荒谬:这些投资人里没有一个亲手训练过模型,他们自然不懂。如今,当初拒绝他们的投资人,纷纷在写文章大谈数据的关键性。

因此他反复强调:你不能通过看《华尔街日报》来决定创业方向,必须建立一套别人都不认同时,你依然坚信的信念体系。那些最成功的公司,往往在核心想法成为共识前,已经在默默无闻中耕耘多年。如果你总是随大流,最终只会彻底迷失。

这种不盲从的信念,也是他面对当下 AI 技术洪流时的定力来源。话题自然转到了这个时代的宏大背景:他认为,我们正处在一个文明级的机遇面前。目前的瓶颈根本不是模型本身的进步,而是如何把这项已经存在、甚至哪怕从此再也不升级的惊人技术,扩散到全世界,让经济和社会去适应它 。

十年前,最好的 AI 模型还只能识别 YouTube 视频里的猫,而现在大家正在和宛如数字神祇的系统对话。AI 的能力正呈指数级飞跃,每一波新浪潮都比上一波大十倍:第一波是自动驾驶,随后大十倍的是聊天机器人,再之后大十倍的又是编程智能体。因此,他认为未来的关键不是担忧模型会停滞不前,而是顺应这条陡峭的指数曲线。

带着这种对趋势的笃定,他在大约一年前加入 Meta,接手前沿 AI 实验室。刚去时,发现原有的模型没能达到所需的预期发展轨迹,于是他进行了从零开始的重建。

仅仅九个月后,团队就推出了 MuseSpark 1,之后又很快发布了 Muse Image 和 Muse Spark 1.1。在这场重整中,他深刻体认到:前沿 AI 工作本质上是科学研究,需要不断实验探索模型的边界,这与传统的互联网产品运营模式完全不同。这里最核心的赌注是「人才密度」——顶尖人才会自然产生复合效应,吸引更多顶尖人才加入。

除了 MuseSpark 模型系列,他们还致力于开源模型。他们的理念是拒绝一个模型极其昂贵、只供少数富人使用的寡头世界,而是要释放整个生态系统。他们即将推出自己的 harness(一种帮助开发者更好地使用模型的测试控制框架),极其注重速度和可靠性,以支持复杂的多智能体设置。

工具变了,人的认知和定位该怎么办?这正是下一个话题。

面对台下的年轻观众,主持人提到斯坦福大学计算机专业的人数出现了两位数的下降,人们在担忧学编程还有没有用。Alexandr 给出了一个颇为反直觉的回答:纯粹只懂文字处理而不懂数理逻辑的人是行不通的,你依然需要严谨的系统化思维。

他解释说,技术的「抽象层」一直在变。以前创业是亲自写代码,后来变成组织人类;而现在,变成了如何编排和组织成千上万乃至上百万的 AI 智能体大军去协同工作 。这种设计协同机制的能力,依然极度依赖系统思维。

既然智能和执行变得如此便宜,什么才是未来的核心竞争力?他的结论非常鲜明:人类历史长河中,一群聪明人为了共同目标聚集在一起,一直是进步的瓶颈。但现在,智能和主观能动性即将过剩,未来的稀缺资源将是「愿景和抱负」——你是否有一幅清晰的、关于未来世界该是什么模样的图景,以及穿越万难去实现它的野心 。

落到具体的业务实操上,他认为当前最大的红利,存在于对「智能体循环」的挖掘中。本质上,所有的公司都是大规模的反馈循环:获客、讨好客户、赚更多钱、招更多人去讨好更多客户。如果你能开发出能精准优化这套闭环的智能体群,只要找准指标和评估方式,一群智能体能比一百个工程师更高效地完成任务 。

本集带走

最后收个尾,这一集值得带走的是这几层认知。首先,不要盲从主流共识,真正巨大的机会往往诞生于那些别人看不懂、觉得缺乏持久性的地方,你需要打磨出一套属于自己的内在指南针。

其次,我们正处在一条陡峭的指数级增长曲线上,历史告诉我们,每一波 AI 浪潮的规模都会比上一波大十倍。与其纠结模型会不会撞墙,不如把精力放在如何利用这些已经极其强大的工具上。

第三,面对 AI 的冲击,传统的写代码技能虽然被淡化,但如何编排和管理成百万的智能体大军,依然极度考验系统性的严谨思维。最后也是最深刻的,在智能变得不再稀缺的未来,真正拉开人和人差距的,将是你有没有对世界发展抱有积极的愿景,以及有没有与之匹配的抱负和执行力。

我认为关键是你需要在一套其他人都不同意的信念中建立坚定的信念。
I think the key thing is you need to develop conviction in a set of beliefs that nobody else agrees with.
—— Alexandr Wang · [06:49]

如果你过多地随大流,你会变得非常困惑,你最终将一事无成。
If you go too much with the herd, you will get immensely confused and you will end up nowhere.
—— Alexandr Wang · [07:39]

我认为如果模型从今天起完全没有改进,在经济和世界运作方式以及我们周围的一切方面,仍然会有几十年彻底的动荡和变化。
I think if the models didn’t improve at all from today, there would still be decades and decades of total upheaval and change in the economy and how the world operates and everything around us.
—— Alexandr Wang · [09:56]

现在我实际上认为随着智能体和 AI 的力量,广义上讲,这更接近歌利亚对战歌利亚。
And now I actually think with the power of agents and AI, broadly speaking, it’s much closer to Goliath versus Goliath.
—— Alexandr Wang · [10:51]

我们不相信一个这些模型如此昂贵以至于它们只配给最富有的开发者和公司使用的世界。
We don’t believe in a world where these models are so expensive that they get rationed only for the most wealthy of developers and companies.
—— Alexandr Wang · [16:54]

如果你观察 AI 生态系统和发生的一切,每一波浪潮都比前一波浪潮大 10 倍。
If you look at the AI ecosystem and everything that’s happened, every wave is 10 times bigger than the past wave.
—— Alexandr Wang · [17:17]

突然之间,稀缺资源将不再是智能或主观能动性。
All of a sudden, the scarce resource isn’t going to be intelligence or agency.
—— Alexandr Wang · [22:17]

所以我认为完全押注于文字工人绝对是个错误。
So I think it’s definitely a mistake to go all in on word cell.
—— Alexandr Wang · [26:00]

我认为在智能体循环和弄清楚如何开发系统方面仍然存在天文数字的机会,这些系统使你能够在持续反馈循环中花费 1000 倍或 100 万倍的 token 来推动结果。
I think there’s still just astronomical opportunity in agentic looping and figuring out how you develop systems that enable you to spend 1,000x more or 1,000,000x more on tokens to drive an outcome in a continuous feedback loop.
—— Alexandr Wang · [27:11]

我认为我们在 Meta 内部看到过这样的案例,如果你能开发出正确的智能体循环,并且你有正确的评估或正确的指标供智能体优化,你可以让一群智能体非常非常轻松地、非常非常容易地完成比 100 名工程师团队更多的工作。
I think we’ve seen, internally at Meta, cases where if you can develop the right agentic loop and you have the right eval or the right metric for the agents to optimize, you can have a swarm of agents accomplish more than a team of 100 engineers very, very handily, actually, very, very easily.
—— Alexandr Wang · [28:09]

因此人类在未来十年的变化将超过过去 100 年,大概。
So humanity will change more in the next decade than it has in the past 100 years, probably.
—— Alexandr Wang · [26:32]

我的另一条建议是,尝试识别世界上什么是指数级的,它既有最陡峭的曲线,并且将持续最久。
And then the other piece of advice I would have is try to identify what is the exponential in the world that has both the steepest curve and will go the longest.
—— Alexandr Wang · [30:38]