Jason Wei

「你能做什么」的衰落与「你认识谁」的兴起 传统上，我们许多人相信，在这个世界上，你有多努力比你认识谁更重要。我曾经也认同这个想法：既作为一名科学家，相信关于我们这个世界的事实并不取决于是谁说的；也作为一名美国人，从小相信成功是努力工作的函数，而不是你认识谁。 然而我现在感到，人工智能领域正在发生实质性变化，尤其是在过去五年里，「你认识谁」正变得更重要，「你能做什么」正变得不那么重要。我显然不是说技术能力不再重要，也不是说没有人脉就无法成功。技术能力仍然重要，仍然能成就或毁掉你的职业生涯。但我注意到了一种趋势。如果任意赋个数字，我会说五年前，成功是 75% 靠技能、25% 靠人脉。现在，也许是 55% 技能、45% 人脉。 这一趋势有三个技术层面的原因。第一是智能的商品化——编程智能体基本上已经把研究执行民主化了。过去，你可以通过熬夜调试代码，或更频繁地看管实验，来比竞争对手更努力。现在，许多研究任务只要知道该提示什么，任何人都能完成。研究品味显然仍然重要，但赛场确实更加平等了。当技术执行越来越难成为区分因素时，其他优势自然会变得更重要。 第二个原因是，随着语言模型规模化的成功，资源充裕会让你成功的可能性大得多，这已是一个简单的事实。十年前，一个拥有八块 GPU 的学术实验室仍有真正机会做出出色的研究。现在，单次强化学习运行可能需要数百（甚至数千）块 GPU，以及大量的数据和基础设施。因此现在，两位能力相当的研究者，仅仅因为掌握的资源不同，就可能得到截然不同的结果。而获得这些资源并不单单取决于技术能力。它还取决于声誉、与决策者建立的信任，以及职业关系。这些因素一直都重要，但随着前沿人工智能对资源的需求增长，它们的重要性也一并上升了。 第三，当公司停止发表研究、转向保密的闭源模型之后，人工智能成了一个可观测性很差的领域。在国际象棋或足球这类可观测性近乎完美的领域，很容易看出谁表现出色、理解他们的贡献。但现在在人工智能领域，公开的功劳归属机制变少了，局外人更难知道模型发布中谁做了什么。这个问题如何解决？当某人的技术贡献难以被独立核实时，人们就越来越依赖间接信号，例如声誉、个人背书，以及谁愿意为他们担保。因此，在招聘、招揽人才和融资中，「你认识谁」扮演的角色要大得多。 我们经常谈论如何提高技术能力，但几乎没人真正谈论如何在「你认识谁」这件事上做得更好。一个观察是，许多人脉广的人会把工作和私人生活混在一起。传统智慧是在两者之间划出明确界限，这在过去是非常合理的做法。但社交的回报已经上升，这意味着任何仍然坚守这条界限的人，为此付出的代价比以前要高得多。 Sam Altman 是把工作和私人生活混在一起、人脉很广的典型例子。从 Sam 身上可以学到很多。例如，在 OpenAI 还比较小的时候，Sam 几乎会邀请所有员工去他家参加社交时光。他会在家里办扑克之夜和晚餐，用于招聘。Sam 有乐于付出时间、善待朋友的名声，我认为这给他带来了不成比例的回报。显然，OpenAI 里并非所有人际关系都一帆风顺，但我认为 OpenAI 成功的很大一部分来自 Sam 的人脉。 有意思的是，刻意努力去认识人，大概反而是次优策略。我不认为 Sam 建立人脉是因为他知道这些关系会在事业上带来回报，而更因为他是一个慷慨的人，对人和技术有天生的好奇。也许最好的策略是做最好、最真实的自己——这说起来容易做起来难，尤其是在一个不断变化的技术世界里。 虽然这些技术趋势让这个领域不再那么依赖技术实力，但我不认为这一定是坏事，而且这并不是我们这个领域第一次出现这种情况。例如，Python 引入的抽象也让编程不那么「技术化」，让更多人能够写代码。而就某些技能组合而言，现在的机会比以往任何时候都多。例如，没有编程背景的人现在也能创造出出色的技术，产品或研究品味成为更突出的杠杆。因此，尽管「我们能做什么」被商品化了，「我们选择做什么」以及「我们和谁一起做」，将比以往任何时候都更重要。 感谢 Edward Hu 对这篇文章的反馈。