第一百四十三章 把他的数据供应商，挖过来 (第1/2页)
郑晓波这句话一出口，刘大海就知道自己不用再说了。
郑晓波是真的懂。
执掌鼎盛这样一个巨头，确实得有两把刷子，知识储备到了，至少沟通成本能低不少。
而且AI赛道正在风口上，哪家大厂也不敢掉队，对行业的关注甚至不比领域内的投资人和从业者少。Scale AI，矽谷最炙手可热的独角兽之一，他们不做模型，不做产品，只专注做一件事一一数据标注，可以说是A1时代的卖铲人。
就凭这一项业务，Scale AI的估值做到了几百亿美金。
这是什麽概念？小半个鼎盛了。
於是刘大海在文档里连翻了几页，跳过了准备好的铺垫，直接翻到一张对比图。
“2023年6月，微软研究院发了一篇论文，叫《Tetbooks Are All You Need》（你只需要教科书），用精心筛选的教科书级别的数据训了一个十三亿参数的小模型，Phi-1，在代码生成任务上打赢了市面上那些参数量是它十倍、训练数据是它一百倍的大模型。”
程远插了一句：“刘博士，这是什麽概念？”
“当时除了GPT没有一个模型跑得过它。”刘大海说，“只有十三亿的参数，8张A100训练了4天，就这麽点成本。这篇论文证明了一件事，数据质量够高，小模型就能干翻大模型。”
他转向郑晓波。
“这和汤圆的情况完全吻合。7B，就是七十亿的参数，一万条训练数据，意图理解打赢了坤元。关键不是模型有多大，是数据质量得好。”
最近几年，这几乎已经成为AI行业的共识了：谁的标注质量高，谁的模型就强。架构变化不大，算力的边际效益递减，但高质量的数据标注才还有很长的进步空间。
问题是，所有人都知道数据标注重要，却没人知道数据标注得好到什麽程度才足够。
OpenAl、Anthropic、Meta，每年砸几十亿美金在数据标注上，模型的表现确实是一代比一代强，但进步也越来越慢，谁也不知道什麽时候会撞墙，也没人知道极限在哪。
不管资本炒的多麽火热，这个行业的所有从业者，大家都在一望无际的大海上摸索前行。
直到看到汤圆，刘大海确信自己看到了未来的信标。
郑晓波没说话。
刘大海的语速慢下来了，声音压低了半度。
“从模型表现倒推，他们的标注精度恐怕是我从业这些年能想象到的最高水平。不是高一点，是高整整一个量级。”
办公室又安静了。
郑晓波的手指在扶手上轻轻敲了两下。
“那他的数据，会是从哪来的？”
这个问题一出来，刘大海和程远同时看向他。
郑晓波的表情没有变化。
刘大海先开口了：
“郑总，我先给您算一笔账，搂一搂。现在行业里最顶级的标注服务，Scale AI的专家级标注，一条大概七八十美金。但那种精度和汤圆的数据比起来，肯定还差了一截。如果按汤圆这个精度去买，市场上根本没有这个服务，硬要估价的话，一条怎麽也得一百美金往上。他们说的是不到一万条数据，就算一万条，光数据成本就是一百万美金。”
“这种精度的标注不可能是一两个人手工做的。要麽有专业的标注团队，要麽有独家数据源，要麽是和哪个大型研究机构合作。”
郑晓波看向程远，下了命令：
“让商务情报团队去查，源码科技的工商变更、公开的合作披露，看看他们最近半年有没有和标注公司或数据机构打过交道。再查查他们的招聘岗位，有没有招过标注相关的人。”
程远点头，在文件夹内页空白处快速记了几笔。
“找到他的数据供应商，”郑晓波说，“直接挖过来。”
刘大海补了一句：“如果能找到标注规范文
（本章未完，请点击下一页继续阅读）