NeoLab谷雨谈AI十个Aha时刻与RSI机会

👦🏻 Koji

先从快问快答开始，帮助大家了解你。请问你的年龄是？

👨🏻‍💻 谷雨

31 岁。

👦🏻 Koji

毕业院校是？

👨🏻‍💻 谷雨

南京大学本科，俄亥俄州立大学博士。

👦🏻 Koji

你的 MBTI 和星座呢？

👨🏻‍💻 谷雨

INTP，天蝎座。

👦🏻 Koji

谷雨也是 NeoCognition 的 co-founder，可不可以一句话介绍一下 NeoCognition？

👨🏻‍💻 谷雨

NeoCognition 主要做 Continual Learning，是一家 NeoLab。

NeoCognition 官网首页

👦🏻 Koji

公司的融资情况如何？

👨🏻‍💻 谷雨

种子轮融了 4000 万美元，很快会开始 A 轮。

👦🏻 Koji

目前团队规模有多大？

👨🏻‍💻 谷雨

17 个全职，还有 4 个实习生。

👦🏻 Koji

在创立 NeoCognition 之前，你还做过些什么？

👨🏻‍💻 谷雨

我其实也是一个播客的联合发起人。

👦🏻 Koji

我知道，《Ungrounded 不着边际》。

👨🏻‍💻 谷雨

欢迎大家关注一下！

👦🏻 Koji

那咱们就正式开始 10 个 Aha Moments 的分享吧！你的第一个 Aha Moment 是什么？

👨🏻‍💻 谷雨

第一个 Aha Moment 是 RSI。上个月我还说，搞不懂为什么会有创业公司在做 RSI 这件事。最近发现我确实被打脸了，所以我觉得这是一个很大的 Aha Moment，现在我发现 startup 做 RSI 确实有它的一条逻辑。

比如前阵子 Recursive 跟 Mirendil 发布模型，确实给了我很大的惊喜。我发现创业公司还真的能做出来 RSI，还真的有这种机会。

Mirendil 官网首页

👦🏻 Koji

你原来觉得 startup 做 RSI 没有机会的原因是什么？

👨🏻‍💻 谷雨

原来的逻辑非常粗暴。

第一点，做 RSI 本质是模型叙事，我觉得要追最前沿的模型厂，别说新的 startup，除了 OpenAI 和 Anthropic，其他的模型厂这么长时间还在后面赶着呢，startup 拿什么做？

第二点，要搞 RSI、要 recursive，首先得有起点，起点是得有自己的模型。

但最近确实超出了我的想象，比如 Recursive 跟 Mirendil 的发布。Mirendil 一个人搞三个多月，训出的 Pre-training model 比 K3 还要强，这些事情还是很刷新认知的。

👦🏻 Koji

为什么想法扭转了？ NeoLab startup 能做成 RSI 的原因是什么？

👨🏻‍💻 谷雨

大家现在渐渐达成的一个共识是：AI 研发能力越来越强。你可以想象，总有一天 AI 写 training Infra、写 training recipe 的能力会超过人。

当这一天到来的时候，大的模型公司之前积累下来的 Infra 或者 recipe，反而可能会成为一种累赘。

举一个非常具体的例子，我前两周和在国内某家模型厂的朋友聊天。最近大家都知道 OpenAI 的 Score Centering 有用，他们也知道用了之后，模型可能会提一两个点。但是他们为了用 Score Centering，需要去适配自家的 Infra，需要花的代价太大，所以大厂不愿意去做这个事情。

但对于一个从 0 开始的 startup 来说就没有这种负担。反正都是 AI 去做一套新的 recipe 和 Infra，随时可以迭代，随时可以丢掉。

👦🏻 Koji

因为模型训练技术还在不断变化，如果大模型公司的 Infra 或者过去的一些 SOP 和团队组织架构已经成型了，大厂就比较难调整去适配新的变化。反而这个时候像 NeoLab 这样的初创团队是有灵活性的。

👨🏻‍💻 谷雨

对，NeoLab 可能会有更大的加速度。

👦🏻 Koji

但前提是不是 NeoLab 还是得融到更多的钱，才能够有资金、有资源、有算力卡、有数据去做 RSI？

👨🏻‍💻 谷雨

那是必然的，因为要走模型叙事，要做这种完整的 full-stack 模型训练，肯定需要大量的资金。所以 Recursive 跟 Mirendil 确实拿了很多钱。

👦🏻 Koji

除了 Recursive 跟 Mirendil 这两家，你还看好哪些 RSI 公司？

👨🏻‍💻 谷雨

包括 Jeff Dean 的 Discovery Loop，我觉得这种 RSI 公司可能都挺有机会的。国内也有一些了，但是可以再观察观察。

Discovery Loop 官网首页

👦🏻 Koji

这是第一个 Aha Moment，这其实是一个认知被改变的时刻？

👨🏻‍💻 谷雨

Aha Moment 的意思就是这个，感到惊讶才会 Aha。

👦🏻 Koji

你的第二个 Aha Moment 是什么？

👨🏻‍💻 谷雨

第二个 Aha Moment 是：NeoCognition 团队一直在做 Computer Use Agent，今年我们发现 Computer Use Agent 确实快被解决了，Computer Use 的能力真的泛化了。

去年大家一直在聊 Computer Use 最大问题是泛化性问题和可靠性问题。从去年年底到今年年初，大家发现了一个趋势，Computer Use 在操作层面的问题基本解决完了。其中很大一个原因是因为 coding 的训练规模上去了，模型泛化到了很多软件操作或者网页操作。

具体来说，Computer Use 现在到了一个“手”已经基本解决的阶段。下一步是 Cognitive Level：认知层面或者脑子层面还有一些需要去解决的问题。这也是 NeoCognition 在做的事情。

比如模型要知道某件事情该怎么去处理，对应到具体软件或者网页的操作，模型完全可以做对。但很多时候的难点在于，模型不太知道一个事情应该怎么去处理，因为每个公司内部会有一套自己的业务流程，这个业务流程模型可能不太清楚。但一旦清楚这个事情在认知层面知道要怎么处理之后，模型的操作是没有问题的。

这也是过去一年，我对 Computer Use 认知的一个转变。

👦🏻 Koji

是不是认知层面已经不是 Computer Use 的范畴了？

👨🏻‍💻 谷雨

认知层面和 Computer Use 其实是彼此独立的，但是认知能力需要体现在和软件操作的交互上面。

要解决数字世界的工作，最终还是落到 Computer Use 上面。

👦🏻 Koji

“Computer Use 在操作层面被解决”对你来说是一个 Aha Moment，具体原因是什么？

👨🏻‍💻 谷雨

因为 NeoCognition 刚成立的时候，我们花了几个月时间想要去解决操作层面的问题。

👦🏻 Koji

NeoCognition 当时的解题思路是什么？

👨🏻‍💻 谷雨

当时操作层面有个很大的问题，就是所谓的 reliability。

Agent 可能做一次能做对，第二次可能会做错。所以当时的解题思路是：让 Agent 做几次，把做对的挑出来，封装成一个 reusable 的 skill。

当时 NeoCognition 搭了一套 pipeline 来做这个事情。但现在发现完全不需要这套 pipeline 了，比如你让 Opus 5.5 自己去实现一下这个流程，其实很快。

👦🏻 Koji

没错，而且 Opus 5.5 会在这过程中自己纠错。

要不要再讲一下 NeoCognition 在做的  ApprenticeBench？

👨🏻‍💻 谷雨

NeoCognition 做 Continual Learning，我们要真正的去解决 Agent 或者模型部署之后，在生产过程中怎么样持续地迭代自己的问题。

这件事情现在并没有一个现成的 Benchmark 能很好地去学习或评估，这就是为什么 NeoCognition 定义了 ApprenticeBench，一个 聚焦的是建筑行业的会计场景。

ApprenticeBench 官网首页

👦🏻 Koji

建筑行业的会计问题这是一个非常垂直的场景呀。ApprenticeBench 有多少道题？

👨🏻‍💻 谷雨

100 道题。

👦🏻 Koji

这 100 道题是一个什么样的分布？

👨🏻‍💻 谷雨

这 100 道题其实都是在做一件事，就是会计报账。但是每道题背后，会涉及到一些不同的规则。比如这家公司会有一些不同的处理事情的惯例，一些特殊的工作流程和审批流程，各个题目都会包含这些规则。

有一个很特别的点，ApprenticeBench 的任务和现在的很多 Agent Benchmark 有一个本质的不同：这 100 个任务不是独立的。

👦🏻 Koji

不是独立的？

👨🏻‍💻 谷雨

现在的 Benchmark 正常是一些独立的题目，ApprenticeBench 是 Agent 得一个一个连着做 100 个任务。

👦🏻 Koji

ApprenticeBench 这么设计的原因是什么？

👨🏻‍💻 谷雨

这 100 个题之间，连着做是一种边干边学的过程。Agent 做了前面的题目，从前面的题目得到的反馈或者学到的知识，Agent 才能继续去做后面的题目，所以预期是一个持续学习的过程。

这也涉及到我们对于 Long-Horizon 的看法。现在有很多称自己是做 Long-Horizon Agentic tasks 的 Benchmark。这些 Benchmark 有一个 bias，就是去找一堆特别难的任务，一个 Agent 或者一个人要做半天，我们觉得这个事情可能不是最理想的状态。

第一是因为这种长任务很难去找，很难 scale up；另一点是，我们为什么要长程？

如果真的 scale up 起来，那么长程的终局，由量变引起的质变是我们会得到一种所谓的 Lifelong Intelligence。

你要实现 Lifelong Intelligence，就一定不是光埋头干一件事一直干下去，而是得一直能够边干边学，持续迭代自己。

打个比方，真正的长程不是让一个 Agent 给你报一个星期的账，而是一个让菜鸟员工变成公司的老员工的过程，这几个月到一年的转变才是真正的长程。这种长程 scale up 起来才能到达 Lifelong Intelligence。

👦🏻 Koji

我觉得这个长程定义非常有道理！

👨🏻‍💻 谷雨

这也是 NeoCognition 提供的一个新的视角，同时也是为什么我们发布了 ApprenticeBench，因为我们希望能告诉大家未来 AI 应该去追求的方向是什么样的。

👦🏻 Koji

现在 ApprenticeBench 刚发布，你之前在学术界发的 Benchmark 可不可以也介绍一下？

👨🏻‍💻 谷雨

我们在 OSU NLP 实验室其实发过一些很有影响力的 Benchmark。

比如 MMMU，一个多模态的 Evaluation，这是 OpenAI、Anthropic、Google 发模型的时候都会默认用的一个 Benchmark。

MMMU 项目官网首页

还有 Agent 相关的 Mind2Web，我们做得非常早，是 2023 年 5 月份发的。那会儿算是 LLM 时代最早的 Computer Use 或者 Web Agent 的 Benchmark。后续以及变体比如 Online-Mind2Web，也会被 Anthropic、OpenAI、Gemini 发模型时候去使用。

Mind2Web 项目官网首页

另外之前和清华合作过一个 AgentBench。可能大家发模型时评估用的不是很多，但 AgentBench 确实算是一个 LLM Agent 时代早期的 Evaluation，给大家提供了一些 Agent 任务早期的 formulation 和数据上、任务分布上的资源。

👦🏻 Koji

再说回 ApprenticeBench，要在 ApprenticeBench 上把分数提上去，好像还挺难的？

👨🏻‍💻 谷雨

目前最强的模型在第一版 ApprenticeBench 上已经做到近 80 分。

ApprenticeBench 官方公开榜单（CUA，2026 年 11 月 8 日核对）。当前第一名 Fable 5.1 为 72%；API 榜最高为 70%。

👦🏻 Koji

模型要如何在 ApprenticeBench 提分？

👨🏻‍💻 谷雨

靠 Continual Learning 的能力。

Continual Learning 能力是现在我们觉得区分前沿模型和非前沿模型的一个维度。

👦🏻 Koji

什么样的数据能够在 Continual Learning 上面帮前沿模型有大的提升？

👨🏻‍💻 谷雨

最重要就是能够让模型更好地去写 Memory Notes 数据。

我听说 OpenAI 和 Anthropic 都有自己的一些 recipe。有一种可能性是：天然 Claude Code 和 Codex 这种 long session，本来就会伴随这种性质的数据。

但目前这个 recipe 并不是一个非常成熟的东西，所以 NeoCognition 也还在探索。其他 Model Labs 也没有特别好的解决方案。包括 OpenAI 和 Anthropic 两家，虽然现在在 ApprenticeBench 上面分数挺高，但是我觉得还是有很大的提升空间。

ApprenticeBench 很快会发新的版本，目前最强模型的分数在新版本上也会低很多。

👦🏻 Koji

ApprenticeBench 的分数容易被刷吗？

👨🏻‍💻 谷雨

刷分难有两点。

第一点，ApprenticeBench 没有公开数据，所以数商没有办法追着我们刷。

第二点，跟 Benchmark 定义的挑战有关系。

光去刷 ApprenticeBench 本身的数据去解题没有意义。让模型针对建筑公司的特定规则把会计报表这件事做好，有什么意义呢？刷这个会计任务对模型没有任何好处，因为 ApprenticeBench 测的并不是这种 level 的能力，而是 meta-level（元级别）的能力。只是持续学习能力做好了，结果可以体现在报表任务上面。

所以就算要去刷分，有意义的刷法也应该是去刷 meta-level 能力，如果真能把持续学习能力刷上去，那我也服了，也算积德了。

👦🏻 Koji

你的第三个 Aha Moment 是什么？

👨🏻‍💻 谷雨

最近数学千禧年问题被 OpenAI 一个接一个解决。这个可能更多是去年的 Aha Moment，直到今年数学能力的提升进一步放大了 50 倍、100 倍。

2024 年那个时候，大家觉得模型做数学能做成，是因为有 formal verification（形式化验证），有 Lean 这种形式化的系统。但是后来发现，数据量上去、质量上去，去年就已经可以通过 informal（非形式化） 的方式拿到 IMO 的金牌了。那个时候其实已经很 Aha 了，没想到今年更进一步，千禧年问题可能后面基本上通过 informal 就可以解决。

这个确实打破了两年前的认知。两年前觉得需要有 formal 的形式化系统来给 signal，不然纯 informal 让 LLM 来 judge 自己，有点左脚踩右脚的感觉。那会儿觉得 informal 路线的上限不会特别高，但发现确实还是我们认知不足。

👦🏻 Koji

这其实还是某种 Bitter Lesson，大家还是应该相信 scaling 可以解决更多的问题，不得不信？

👨🏻‍💻 谷雨

现在的趋势确实是不得不信。

👦🏻 Koji

我觉得好像很多做数学的人，因为 AI 解决数学难题而陷入了某种虚无主义。

👨🏻‍💻 谷雨

很能理解做数学的人。

本来他们是这个世界上最聪明的一群人，做的是这个世界上对智力要求最高的一件事，结果智力突然变得不重要了。

👦🏻 Koji

我也听到另外一个说法，解决数学问题本身的目的并不是解决问题，而是在解决的过程中不断探索发现新方法、积累下来新 know-how，这些比解决问题本身更加重要。

👨🏻‍💻 谷雨

比如人跑得也没有机器快，但运动员仍在追求身体的极限，但这对人来说本身是一种意义。

我觉得数学可能后面会像一些棋类运动一样，成为人自己去挑战智力极限的方式。

👦🏻 Koji

确实，很多时候我们做的事情并不是机器做不到，而是做这个事情本身就对人有价值、有意义、有快乐。

👨🏻‍💻 谷雨

我觉得人自己开心最重要。

👦🏻 Koji

我最近发现有一个存在叫拼豆自习室。大家在一个大自习室里面，每个人一个小隔间，前面放着拼豆的素材。大家什么都不用带直接去就好了，几百个颜色、各种图纸、所有的工具全部都有，按小时收费。

想象那个画面，很像一个工厂，每个人一个格子，都很安静，在付费劳作拼豆。

👨🏻‍💻 谷雨

哈哈哈，这个模式不错，NeoCognition 可以推行：付费来上班。

👦🏻 Koji

前面聊着好像比较搞笑，但其实还是让人想起来挺五味杂陈的。

你的第四个 Aha Moment 是什么？

👨🏻‍💻 谷雨

第四个 Aha Moment 回到跟 NeoCognition 比较相关的领域，是做 Continual Learning。这也是很打我脸的一个事情。

今年上半年我还在到处说，基于写 Memory Notes 这种方式来做 Continual Learning 肯定是不靠谱的。当时的观点也很 research，说 Memory Notes 通过 rewrite 这种方式，并不是一个 reliable 的 optimization algorithm，所以我觉得 Memory Notes 就是不行。

结果发现随着 scaling，Memory Notes 路线还是能行的。一个是 Computer Use 到了临界点；另外一个就是基于 Memory Notes 做 Continual Learning 这件事情的上限被我们低估了。

Memory Notes 如何保留经验：Claude 将会话中的重要观察写成记忆笔记，供后续会话读取。图片来自 Anthropic 官方研究文章《The components of agent memory》；展示的是记忆笔记在跨会话记忆体系中的位置。

现在我觉得，虽然 Memory Notes 确实不是一个可靠的优化算法，但我之前说写 Memory Notes 存在一个很大的问题是会被模型自己的能力 bottleneck 住了。但是随着模型越来越强，Continual Learning 的上限确实有可能是挺可观的。

但是我还是需要声明一点，目前我们观察到，真正这方面比较强的也就是 Anthropic 跟 OpenAI，其他大厂做的都不行。

👦🏻 Koji

听起来前面这几个 Aha Moment，其实都和模型的快速进化有关。

模型的进化颠覆了你之前认为模型做不到，需要去用别的方式解决。感觉今年还是要更加相信模型的 scaling？

👨🏻‍💻 谷雨

对，而且模型迭代也更快了。

👦🏻 Koji

你的第五个 Aha Moment 是什么？

👨🏻‍💻 谷雨

第五个 Aha Moment 是关于 research community 或者学术体系的崩塌。

相对来说没那么 Aha，因为从 2023 年感觉就有这种趋势，但到 2026 年开始发现临界点到了，整个学术的评价体系、投稿系统、会议系统彻底崩塌了。

拿我个人举例，我已经一年半没有投过任何一篇论文了。

👦🏻 Koji

为什么不投论文了呢？

👨🏻‍💻 谷雨

纯粹是不想投，因为发论文不再是一个很高的优先级。另外我已经半年多没有审过稿，也没有去担任过 AC，这些学术服务也不太想去做，因为我感觉去做这些对我个人的时间并不是很尊重。

现在学术界有大量的 AI slop，大量的灌水，实在很难去审。

比如当 AC，一批分到手的 16 篇文章，最后真的拿得出手、质量说得过去的，可能就一两篇。所以现在大家对于发顶会论文这个事情越来越不看重。

投稿系统崩塌了，很难再拿论文数量去考核大家，虽然以前我也不认同数论文数量这个行为，但现在发论文和个人能力真的完全没有任何相关性了。

👦🏻 Koji

NeoCognition 招新毕业生的时候，还会看候选人的论文情况吗？

👨🏻‍💻 谷雨

更多还是看面试聊的情况。

去问候选人做过的事情，看他对我们正在做的事情的理解，这些很容易看出来能力。面试流程里我们会让候选人给一个 research presentation，presentation 还是很体现一个人综合能力的，包括逻辑表达、Q&A 时候的反应、对技术问题的理解。

👦🏻 Koji

如果你觉得现在的学术评价体系坍塌了，什么样的体系会重建起来？

👨🏻‍💻 谷雨

我其实觉得学术方面最好的评估就是同行评议，不应该是一个量化的指标。

👦🏻 Koji

学术会议某种程度上也是 peer review？

👨🏻‍💻 谷雨

现在的审稿过程是 peer review，但是跟我说的同行评议可能还是有点不一样。

现在的审稿人没有什么门槛，我说的那种同行评议要求评议者有较高的学术判断力。比如美国各个院校招人的时候，肯定得去给 job talk，院系里一些资深教授可能会给一些意见，去判断这个人本身怎么样，但现在的论文投稿，本科生也可以当审稿人。

👦🏻 Koji

你有看到什么新的体系在建立吗？

👨🏻‍💻 谷雨

体系的建立肯定有滞后性。

不管中国还是美国，学术圈还是在按之前的惯性走。导致的结果就是：进大学当教职的优先级越来越往后了，尤其是对于 AI 领域的学者来说。

👦🏻 Koji

优先级往后的原因是什么？

👨🏻‍💻 谷雨

机会跟钱。

很现实的一点，现在一个 AI 领域的博士去 Frontier Lab 或者去一些 NeoLab startup，可以赚很多钱。在学校当教职可能待遇差很多，算力资源少导致很多事情做不了，同时学校还存在评价体系落后的问题。

👦🏻 Koji

我们聊了 5 个 Aha Moment，听起来很多都是世界在巨变。AI 带来的变化让过去我们认为很难去撼动的东西松动了。

👨🏻‍💻 谷雨

所以我之前跟朋友开玩笑说，可能十年之后，教授的社会地位不如夜店的男模。

👦🏻 Koji

这是一个夸张的比喻，还是你真的觉得未来社会地位会变成这样？

👨🏻‍💻 谷雨

我真的这么觉得。当人的智力不再值钱的时候，可能长相跟身材更值钱。

人类智力值钱并不是一个很长时间的事情。人类历史上这么多年，进入现代文明前的很大一部分时间，体力都是更值钱的。机械时代到来之后，强壮变得不那么重要，进入数字世界后脑力变得更重要。

但现在 AI 就是数字世界的机械，AI 来了之后脑力变得不重要了。未来可能会有一些新的东西变得重要，比如情绪价值短期内是机器很难取代的。

👦🏻 Koji

最近有一个新闻，现在全世界卖得最好的减肥药的收入是大于所有模型公司的收入的。

👨🏻‍💻 谷雨

减肥药只要有效果，没有副作用，卖减肥药就很容易成为世界首富。

👦🏻 Koji

如果现在有一个博士过来问你还值不值得读博，你会给什么建议？

👨🏻‍💻 谷雨

我不给建议，自己开心就好。我又不知道你追求什么，看重什么，自己想清楚就行。

👦🏻 Koji

你觉得有什么样的人在今天还适合读博？

👨🏻‍💻 谷雨

只要是想读博的人，想读就可以去读。

👦🏻 Koji

读博不需要非常多理性的分析？

👨🏻‍💻 谷雨

想做一件事去做就是一种理性。只要真的知道自己想读博就行了，其他都不重要。

👦🏻 Koji

那我很好奇，你是为什么想创业？

👨🏻‍💻 谷雨

如果要理性分析，确实能说出一些原因。

我一路都是读计算机的，但在专业里跟很多同学不太一样。大家一开始上本科可能默认的想法是进大厂、拿好的薪酬待遇，但我从头到尾没有过这种想法，这辈子没有一秒钟想过去大厂。

很大原因是因为我不喜欢固定的上班和作息时间。固定打卡对我来说非常痛苦，我需要灵活性，不需要工作跟周末的边界。我在那个状态的时候需要去做事情，不在状态的时候可以不做。

另外，创业相对来说对于做的事情的方向有更大的 ownership。我可以有更大程度的决策权，去决定我想做的事情，而不是去完成别人给的使命，我很难为别人工作。

我不抗拒创业的理由是我对风险没有任何概念。我做一件事情想做就行，不会去计较代价。

👦🏻 Koji

不计较代价，是不是因为家庭不管是情绪上还是财务上提供的安全感比较强？

👨🏻‍💻 谷雨

我父母对我确实没有什么要求，并不会对我有世俗层面的规定，包括人生节点什么时候结婚干嘛，这些都没有，所以创业还是有一定的安全感。

👦🏻 Koji

创业到现在快一年了，感受怎么样？和一开始的预期一样吗，想要的自由自主都拿到了吗？

👨🏻‍💻 谷雨

这其实是第七个 Aha Moment。

NeoCognition 整个团队在导师苏煜老师带领下，之前在学校整个组的声誉很好，大家觉得我们的研究眼光和研究品味不错。

学术界有一个很多人会犯的问题，就是拿锤子找钉子。学者喜欢先去想一个算法，再想办法这能用到什么问题，然后写篇论文。这种事我们从来不会干，我们会比较本质地想技术问题，从根本层面去解决，这也是为什么我们团队能在 LLM Agent 时代做了一些开创性工作。

但是放到创业上之后，我发现 NeoCognition 成了拿锤子找钉子，或者所谓的 Solutions In Search of Problems（SISP）的人。

👦🏻 Koji

为什么创业后会变成拿锤子找钉子呢？

👨🏻‍💻 谷雨

做学术研究，只要在一套技术体系内能闭环自洽就行，有一套完整的体系。

但是做 startup 光自洽不行，那是自娱自乐，startup 需要和市场一起完成闭环。你还得想这些根本问题能解决别人的什么问题，能带来什么样的商业价值。

这就是过去几个月或者一年我们在交的学费。NeoCognition 可能是一直从根本的技术问题出发，比如 Continual Learning 确实是现在 AI 的根本问题，但把 Continual Learning 放到市场和产品里，应该是什么样的形式，解决什么样的问题？

👦🏻 Koji

讲起来是个挺浅的道理，就是做公司要考虑怎么赚钱。但如果不是自己做，别人直接告诉你，是没有那么深刻的体感的。

👨🏻‍💻 谷雨

人一旦进入做事的状态，可能会局限在自己的 bias 里跳不出来。人要经常跳出来反思，产生 Aha Moment 帮自己迭代。

VC 有一个理论：当一个人头上着火了，他是不会等着你给他一盆水或者灭火器的，手头有个砖头也得把火拍灭。

我们学术团队出来做事很扎实，一直去想我们要造出一个好的灭火器。但可能在灭火器造出来之前，别人卖砖头的已经卖了 100 个了。

👦🏻 Koji

投射到 NeoCognition 的业务上，灭火器和砖头分别对应什么？

👨🏻‍💻 谷雨

团队对于产品发布的标准太高了，总是要发布一个自己特别满意、特别成熟可靠的东西。但作为公司层面，有时候可能真的得先发布一些不那么成熟的产品，先把商业闭环跑起来，甚至先把牛吹出去都行。

这方面我们太本分了。

👦🏻 Koji

在节奏方面，有谁做得足够好吗？

👨🏻‍💻 谷雨

最典型的就是马斯克。我觉得马斯克就是硅谷这种 fake it till you make it 的极致。

👦🏻 Koji

你怎么看今天确实开始有一批高中生毕业甚至连本科都不读，直接开始工作？

👨🏻‍💻 谷雨

我觉得高中生直接工作合理。

在教育资源比较丰富的地方比如北京上海，年轻人可能很早就能做真正有价值的事情，接受有价值的训练。

我们国家的教育体系对国情是符合的，但对个体来说，前十几年可能并不在磨练能力，更多是为了完成筛选。如果年轻人能把时间用到真正有价值的事情上，在高中能做非常有意义的贡献是合理的。

👦🏻 Koji

你的第八个 Aha Moment 是什么？

👨🏻‍💻 谷雨

第八个 Aha Moment 是关于创业环境的。最近这一年多创业环境让我 Aha 了好多次。

以前大家都觉得创业是一个非主流的路径，想法不太一样的人才会出来创业。但过去这一年，我频繁听到身边有人说大家都在创业，我周围人都在创业，我也想去创业。这让我感觉好诡异，什么时候创业成了一个随大流的事情？

为什么会这样？因为大家还是趋利的。

现在的市场环境钱是真的多，投得太多了。我是到今年 6 月才知道国内原来会给 AI 投这么多钱。

以前印象是硅谷钱更多，NeoCognition 在硅谷拿 4000 万美元种子轮算挺大了。国内 2023、2024 年有些很厉害的老师出来创业也就拿 500 万、1000 万美元。但今年上半年，国内有些所谓的 NeoLab 直接 20 亿估值。可能确实因为国内房地产崩了，热钱不知道去哪里。

👦🏻 Koji

鼓励创业创新，总体来说对社会是好事情。让掌握最前沿技术、最有想法的年轻人能没有压力地得到足够多资本去尝试。

👨🏻‍💻 谷雨

这样创业真的没有压力吗？

👦🏻 Koji

多数创业者不会签回购或者对赌，所以不是个人财务上的压力，更多是会不会浪费几年时间的心理压力。

👨🏻‍💻 谷雨

那确实还好。

👦🏻 Koji

你的第九个 Aha Moment 是什么？

👨🏻‍💻 谷雨

最近这几个月 AI 视频生成达到了之前没想到的高度。现在 AI 真的能做一段两个小时左右，非常前后一致的电影。

👦🏻 Koji

你在哪里看这样的电影？

👨🏻‍💻 谷雨

前阵子在 B 站看一个叫龙小胖的 UP 主。

我小时候很喜欢看香港僵尸片，喜欢林正英，他去世比较早。B 站那个视频用 AI 把林正英搬回来，做了一部新的僵尸片。电影两个多小时，前后非常一致，人的脸、情节、衣着，从头到尾七八个角色完全保持一致，不会像大半年前，几分钟的 AI 视频脸都在不断变。

B站 UP 主龙小胖利用 AI 创作的僵尸电影，展现了 AI 视频生成在长篇影视创作上的进步。

👦🏻 Koji

你是可以沉浸式看进去的？不是为了了解 AI 做到什么程度，而是真把它当故事看？

👨🏻‍💻 谷雨

我是真把它当电影看。这对于影视从业者来说可能是一个更大的 Aha Moment。

👦🏻 Koji

会飘什么弹幕？讨论 AI 还是讨论剧情？

👨🏻‍💻 谷雨

都在讨论剧情。

👦🏻 Koji

大家知道这是 AI 做的吗？

👨🏻‍💻 谷雨

知道，B 站会声明是 AI 创作的。

👦🏻 Koji

所以大家知道是 AI，但也不在意，大家关心的已经是电影做得怎么样了。

👨🏻‍💻 谷雨

大家对于一个内容是怎么产生的不是很有所谓，关键还是最后的成品长什么样。

👦🏻 Koji

你有产生过自己去拍一部 AI 电影的冲动吗？

👨🏻‍💻 谷雨

挺想试一试的。

这个时代真的很利好创作者，像 Alexandr Wang 说的，大家想做的事情，AI 都能帮你实现。

👦🏻 Koji

前两天，我有个好朋友写了部科幻小说，创意是他的，写作 AI 帮了很大忙。

剧情是未来算力越来越贵、但 AI 仍需要源源不断的新训练数据，人类永生了，要获得更多算力享受娱乐，就要用自己的记忆数据去换。

模型进化需要吃掉人的记忆作为数据，人类于是卖掉记忆换取算力享受当下。这是个很悲伤的故事。

👨🏻‍💻 谷雨

关于怎么样更好地做记忆这件事情，可以关注 NeoCognition 后续的工作。

👦🏻 Koji

哇，这个植入太丝滑了哈哈哈！

👨🏻‍💻 谷雨

AI 写剧本这个事情也挺有意思。去年听说有个拍 AI 短剧的朋友，60 集一分钟的短剧，人工剧本报价 7 万块人民币。现在 AI 一天能给你写 100 个出来。

👦🏻 Koji

那 AI 时代什么会变得值钱？

👨🏻‍💻 谷雨

非常粗暴的一个结论，未来人只需要两件事：一个是审美，一个是美。审美是决定正确的方向、前进的路线，美就是情绪价值。

👦🏻 Koji

来说最后一个 Aha Moment 吧！

👨🏻‍💻 谷雨

第十个 Aha Moment 是 Personal Agent 这个事情突然起来了。

Personal Agent 起来其实不是技术真到了什么临界点——当然跟 coding 更强、Computer Use 更强有关系，但是更多是产品上有两个关键设计。

首先一定要做成 Personal Assistant，像 ChatGPT 或 Claude 这种 Session-Based 的会话管理肯定不合适。如果把 AI 当个人助手，不可能说一件事开一个窗口，得是一个持续的单独会话。比如你跟 Muse 交流，就是一个单独的会话从头到尾。这样更有人的感觉，就像在微信上跟人聊天，每个人对应一个窗口。

第二点也是产品层面，拟人化。为什么 Personal Agent 都要搞卡通形象？比如 Muse 的毛绒形象，就是为了增强拟人化的感觉。

Muse 官方产品展示图：毛绒角色与聊天、语音交互界面。

至于 Agent 的 proactiveness，本身不是特别新的技术。年初 OpenClaw 就有 proactive 的功能，ChatGPT 的 Scheduled Task 也能固定时间看邮件给推送。

Personal Agent 能火本质上确实是因为产品跟交互体验。

👦🏻 Koji

你自己在用什么 Agent 产品？

👨🏻‍💻 谷雨

在用 Muse 和 Instinct。

👦🏻 Koji

用这两个 Agent，他们的分工是什么？

👨🏻‍💻 谷雨

其实都在帮我看邮件、看消息。

因为这两天在国内，Agent 用不了订外卖、订酒店机票的服务，所以主要就是帮我看邮件。但看邮件也很关键，Agent 能帮你挑出需要优先处理的重要信息并主动推送，这一点确实挺有用。

👦🏻 Koji

最后会收敛到只用一个 Agent 吗？

👨🏻‍💻 谷雨

最终会的。现在试不同的 Agent 只是尝鲜。生活中形成依赖后，一个就够了。

👦🏻 Koji

今天的 10 个 Aha Moment 说完了，时间过得好快！最后预测一下明年吧，你认为有什么一定会发生的事？

👨🏻‍💻 谷雨

明年一定会发生的事：NeoCognition 被高价收购了，哈哈哈开玩笑！但是我个人会再老一岁，这是肯定发生的。

👦🏻 Koji

AI 仍然不能让时光倒流。

👨🏻‍💻 谷雨

但 AI 可能会研制出长生不老药，虽然可能不是明年的事。

对于模型发展来说，每一年都有一个关键词，对大家职业规划有参考意义。2024 到 2025 年可能是 Vision-Language-Model、MultiModal；2025 年底到 2026 年是 coding；2026 年到现在到明年，我觉得重点得做 Continual Learning。Continual Learning 可能是到明年下半年前的一个行业关键词。

再瞎预测一个，明年真的会有一个来自 RSI 创业公司的最强模型，至少是 SOTA 级别的前沿模型。

👦🏻 Koji

好的，拭目以待！谢谢谷雨做客《十字路口》

👨🏻‍💻 谷雨

拜拜 👋