一家低调到爆发的公司,如何靠“人类数据”撑起前沿模型
SurgeAI 创始人 Edwin Chen 在播客中罕见地系统讲述了公司从默默无闻到年收入破十亿的核心逻辑:不追风口、不迷信融资,而是死磕高质量人类数据。本篇文章提炼了他对模型训练、数据质量、RLHF 以及 AI 对齐的关键洞见。
SurgeAI 创始人 Edwin Chen 在播客中罕见地系统讲述了公司从默默无闻到年收入破十亿的核心逻辑:不追风口、不迷信融资,而是死磕高质量人类数据。本篇文章提炼了他对模型训练、数据质量、RLHF 以及 AI 对齐的关键洞见。
这场来自 Glean 的分享,直面一个困扰无数 AI 工程师的问题:到底该做“工作流”,还是“智能体”?演讲者通过真实的工程取舍、形象的比喻和企业级场景的反思,给出了一套并不极端、却更可落地的方法论。
这场来自 Ivan Burazin 的演讲提出了一个激进判断:未来软件不再主要为“人”设计,而是为数量呈指数级增长的 AI Agent 服务。文章梳理他对 Agent Experience(AX)的定义、关键技术原则,以及为什么“只是把过去的产品移植过来”会彻底失败。
Michael Albada在演讲中系统拆解了AI Agent应用从概念到落地的全过程。他不谈炫技,而是聚焦真实产品中遇到的障碍:工具设计、单体到多智能体的转变,以及评估与可观测性,勾勒出一条务实的工程路线。
这是一场来自Augment Code技术人员Eric Hou的真实工程故事。他没有讨论更强的模型,而是分享了一种全新的工作方式:把AI视为“永远的初级工程师”,通过系统性的导师机制弥合上下文鸿沟。文章还原了他一天的工作转折、现场演示的AI Agent协作流程,以及背后关于知识基础设施的关键洞见。
Baseten CTO Amir Haghighat 基于三年一线销售与落地经验,讲述了企业从 OpenAI、Anthropic 等闭源模型起步,却在 2025 年开始系统性转向开源模型的真实原因。这不是意识形态之争,而是质量、延迟、成本与“命运掌控权”的现实博弈。
在“AI正在取代工程师”的喧嚣中,Wisedocs 机器学习负责人 Denys Linkov 给出了一个更冷静、也更残酷的答案:问题从来不在技术,而在团队结构与认知。本文系统梳理他关于 AI 团队构成、通才与专才演化、以及何时该招聘人的一整套方法论。
这场演讲没有谈影像识别或新药研发,而是把镜头对准了医疗体系中最不性感、却最烧钱的角落:收入周期管理。Nathan Wan 结合自己在 Google、医疗 AI 创业公司以及 Ensemble Health 的经历,讲述了为什么“让 AI 把钱收回来”,可能是当下对医疗系统影响最大的一件事。
这次对话中,Sierra联合创始人Clay Bavor分享了他从Google到创业的关键思考:为什么客户服务和代码生成是AI最先落地的两大领域,以及一种全新的角色——“AI Architect”——正在企业内部出现。文章提炼了他关于AI Agent构建、组织变革和长期技术判断的核心洞见。
这是一场关于“如何真正把AI产品做成”的坦诚对话。Raindrop CTO Ben Hylak 与连续创业者 Sid Bendre 用大量失败案例和一线经验,拆解了AI产品中最容易被忽视的真问题:不是模型不够强,而是迭代方式、信号设计和产品认知出了错。