当硅谷开始说 “打不过国内”丨五源孟醒

没有任何迹象表明 AI 慢下来了，钱、卡、人还在往这里涌。真正超出我预料的是，一些过去很难听到的判断，开始出现在最核心的人群里。

几位 OpenAI 的朋友，花了很长时间复盘过去一年押错的方向，也认真拆解中国模型公司到底强在哪；Google 的 researcher 聊到多模态，很直接地说：“打不过国内。” 这当然不能概括今天中美 AI 的整体位置，但几年前，很难想象这样的判断会从硅谷一线的 researcher 嘴里说出来。

大家开始重新估计中美之间的差距到底有多大，不过这个问题也已经没有一个统一判断：在预训练、后训练和多模态上，答案可能完全不同。

另一种变化，发生在过去两年最贵的那批 Neo lab 身上。

Thinking Machines Lab 的 researcher 告诉我，他们今天经历的痛苦，其他 Neo lab 迟早还会再经历一遍。而我越来越怀疑，下一家真正跑出来的 Neo lab，不会长成今天这个样子。

这可能是我这次在硅谷最强烈的感受：过去两年形成的很多边界和共识，并没有想象中那么牢固：

最顶尖的 researcher 聚在一起，是不是就能再造一家 OpenAI？美国最好的 Lab，是不是在每一个战场上都能领先？模型、数据、应用和算力，到底谁是谁的上游？最强的模型，是不是就应该一直卖最贵的价格？……

甚至连最漂亮的增长故事，也被重新计算：8 月，彭博报道 Anthropic 的 ARR 达到了 650 亿美元，比两个月前又涨了 180 亿。放在任何一家公司身上，这都是惊人的增长。但它仍然低于市场此前的期待，一些投资者原本预期，这个数字会达到 700 多亿美元。

五个月前我写 “全员 token-maxxing”，那时候硅谷最强烈的情绪是怕跟不上，更多 token、更多卡、更大的模型、更快的迭代，速度本身就是答案。

但五个月后，越来越多人开始回头问：过去两年我们最相信的那些东西，到底还有多少成立？

这次在硅谷出差，我反复听到一句以前很少听到的话：

“打不过国内。”

说这句话的人都挺核心。有 Google 做多模态的 researcher，也有 xAI 和其他 frontier lab 的人，还有的是在研究美国的开源模型。这句话在不同的人、不同的场景里反复出现，听得多了，很难再把它当成随口抱怨。

这里的 “打不过国内”，指向的是一个个具体方向，不同训练阶段、不同模态、不同任务，答案可能完全相反。

做多模态的人，说的是 Seedance；做开源模型的人，盯着的是 K3；有人看到的是数据和 operation。同时美国自己的几个开源模型和 Neo lab，进展又明显没有达到预期。

还有在多模态，一个让我意外的是，一直是多模态最坚定的投入者 Google，最王牌的团队也被砍了算力，无论是做图片编辑的 Nano Banana，还是做视频的 Veo（现在的 Omni），虽然在美国都已是绝对的第一梯队，但现在几乎人人都在转方向。当 Google 的 researcher 朋友说 “打不过国内” 时，这个背景也很重要。

过去那种拿一张榜单、一条 scaling curve，就给中美模型排出一个总名次的方式，早就失效了。

听得多了，我越来越想弄清楚：到底哪些地方真的追上来了，哪些地方差距还很大，以及为什么会出现这种分化。

先从 pre-train 说起。

过去一年，中国模型公司补得最快的一课，是怎么 “爬 ladder”。

一个几百亿、几千亿参数的模型，很少直接从头跑到尾。团队会先在更小的模型上验证数据、架构和训练方法，再一级级往上 scale。梯子搭得够不够完整，决定了一个小实验里的误差，最后会不会在大模型上变成一次几千万美元的失败。

几位 frontier lab 做预训练的朋友告诉我，今年国内头部 Lab 的 scaling ladder 已经明显完善，训练方法越来越科学。

所以 pre-train 今天是一个有点反直觉的状态：看起来，中国和美国的差距仍然很大，但其实在方法论上已经很接近了，剩下的主要是卡和相应的系统工程经验。

最前沿的 pre-train 依然需要巨量算力，美国 Lab 跑过更多超大规模训练，有更多卡、更成熟的集群，也更知道几万张 GPU 跑起来以后，可能会出现什么问题，中国缺的还是这种 “把同一套方法稳定 scale 上去” 的经验。

换句话说，pre-train 的路大家都已经知道该怎么走，只是美国走得更远、跑得更多。

到了 post-train，就不能这么给答案了，因为事情开始分化。

Post-train 不是一套统一的方法，需要的能力很多：怎么定义问题，怎么设计 environment、reward 和 eval，怎么把训练稳定地跑起来，都很重要。但如果看中美之间最容易拉开差距的地方，有三项尤其明显：大规模 RL、human operation，以及蒸馏。

中国在这三件事上的位置，并不一样。

最难补的，其实是第一种：大规模 RL。

今天前沿的 post-train，一次 RL 的 Big Run 可能要同时占用上万张卡，一个任务要连续跑上千步，中间任何一个环节不稳定，整条 trajectory 都可能报废。你还得知道什么 environment 值得搭，什么 reward 真正有效，rubric 怎么定义，规模从一百步涨到一千步以后，原来的经验还成不成立。

这些东西很难靠看论文学会，它更像一种只有真正跑过很多次大规模实验，才会留下来的 “肌肉记忆”。

中国过去没有那么多卡，也没有跑过足够多这种规模的 RL，所以这一块的差距，反而比 pre-train 的方法论差距更深。

但 post-train 还有另外一半。

一旦模型要优化的目标已经被定义清楚，接下来需要大量人把数据、标注、评测和反馈一层层铺出来，这就是中国公司非常擅长的地方。

Seedance 是一个很好的例子。字节自己拥有最终的视频分发平台，它比单纯的模型公司更容易知道：一个视频模型到底什么叫 “好”？什么样的运镜用户喜欢，什么样的人物一致性不可接受，哪一种生成结果真的有人愿意发出去……这些东西很难靠一个 benchmark 去提前定义，分发平台本身就在不停帮它定义 benchmark。

一旦目标清楚，后面的事情就开始变得很 “中国”：快速组织大量的人，把数据、标注、评测和训练一轮一轮往上推。

这里面当然有算法的因素，但越来越多的差距，藏在算法之外。

这也是为什么，在多模态领域，特别容易把中国公司的优势放大。它不像 Coding，很多时候没有一个干净的 “对” 或 “错”，大量判断仍然要人来做，目标越模糊，human operation 的价值越高。

OpenAI 和 Google 的朋友，把这种差距概括成了 operation（运营）能力：在一些训练目标没有那么标准化的领域，中国公司的优势反而会被放大：一旦方向明确，就可以迅速组织大量人力，来搞定大量数据、标注、评测和后训练的繁杂工作。

美国公司其实也在补这一课。

Meta 最近组建了一个大约 6500 人的内部团队，叫 Applied AI，大量 Meta 员工被调去出题、造场景、做评测。有人甚至不是主动申请，而是直接收到调岗通知。

第三种是蒸馏。

蒸馏说到底是 post-train 里的一种手段。你可以自己搭 environment、跑 rollout、找 reward，把一种能力从头训出来；也可以借助一个已经具备这种能力的模型，把它的输出重新变成训练数据。

所以蒸馏本身并不完全是一件 “不光彩” 的事。很多时候，它只是为了更高效地把一种已经获得的能力，重新压回下一代模型里。同一家公司的模型，也会自己蒸自己。

比如 DeepSeek 训练 R1 时，就用 RL 后的模型生成并筛出了约 60 万条推理数据，再配合约 20 万条来自 V3 的非推理数据，回头重新训练了一遍 V3-Base。

也正因为模型的输出可以重新变成训练数据，推理过程本身开始凸显价值。今年几家 frontier lab 开始集体关掉完整的 CoT 输出。

但门关得并不严。

5 月，一组研究者发现，即使完整 CoT 被隐藏，推理信息仍然可能通过加密的 reasoning block 泄露出来，Anthropic、OpenAI、Google 三家全中招。

具体做法是，把强模型的加密推理块塞给同一家的弱模型，弱模型就会把里面的内容用明文写出来。加密的大门没有被攻破，但钥匙竟然就压在 “门口的脚垫” 下。

这篇论文《Stealing Reasoning Traces from Proprietary LLM APIs》到 8 月才正式公开。没过多久就又有人找到新的方式，打开了 Fable 5.1 的推理过程，也有第三方公司专门做这个生意。

与此同时，我从几家数据公司和模型团队听到，其实有美国的 Neo lab，也在蒸馏 K3。

原因很现实：开源模型可以直接部署在自己的集群里，成本低，也更方便大量生成数据。当 K3 这类模型在某些能力上已经足够好时，它自然会进入这些团队的 post-train 工具箱。

但是，到了 Coding，中国模型却没有呈现出多模态那样的优势。

Coding 同样高度依赖 post-train，只是在前面提到的几种能力里，它更依赖大规模 RL。

Coding 天生有很强的 verifiable reward：代码能不能运行、测试能不能通过、任务最后有没有完成，结果都很清楚。但结果好判断，不等于 RL 好做。

一条 trajectory 如果到上千步，最后往往只拿到一个成功或者失败的结果。真正困难的是 credit assignment 这个最终结果，到底应该归功于前面哪几个关键决策？哪一步看起来绕了远路，却恰好是最后成功的原因？

所以 Coding 拼的不只是 rollout 能不能做大、RL 能不能跑稳，也包括 reward 怎么设计、怎么把最后的成败分回一条很长的 trajectory 里。这也是今天中国模型，在 post-train 里更难补的一块。

Human operation 在这里依然有用，只是边际价值低了很多。真正需要人的数据，也更看重少数顶尖 coder 的质量，大规模标注的重要性低了很多。

一位 frontier lab 的朋友跟我提到，Anthropic 很多真正高质量的 Coding 数据，主要来自内部 100 多名很强的 coder，普通 Claude Code 用户产生的数据，反而嘈杂得多。这类任务上，人力铺得再多也没用，它要的是精锐。

所以对于 post-train，很难简单归结成 “谁的 operation 强，就一定更强”。

如果一个领域目标模糊、质量依赖大量人的判断，human operation 会被放大，多模态就是典型。

如果一个领域有非常明确的 ground truth，可以自动跑海量 rollout，大规模 RL infra 和少数高质量 expert data 就更重要，coding 更接近这一类。

在这三种能力背后，更值得注意的一个变化是，AI research 本身正在变宽。过去大家说 research，首先想到的是怎么设计架构、怎么训模型。后来，搭 AI infra 也算 research 了，到了今天，operation 本身也进到 research 的范畴。

万卡规模的 RL、千步的 Rollout、把人组织起来生产数据，这些完全不同的工作，都开始直接决定模型最后能到哪儿。

对一家公司来说，这意味着一个 research 组织，必须同时具备多种能力；对个人来说，一个 researcher 的边界，也在从 “我能想出什么”，扩张到 “我能组织和管理什么”。

而中国公司过去最擅长、一度并不凸显重要性的能力，恰好在这一轮里，开始变得越来越重要。

所以这次反复听到的 “打不过国内”，不是指一个总排名的变化，决定模型能力的东西正在换位置：有些差距还很大，有些过去并不显眼的能力，却突然变得越来越重要。

“Thinking Machines Lab 经历的所有痛苦，其他 Neo lab 都会再经历一遍。”

晚上 8 点多，一位曾经与 TML co-founder 共事过、以前不太好约的朋友，这次终于约上了。

过去两年，Neo lab 是硅谷最昂贵的一种创业方式：最顶尖的 researcher，从 OpenAI、Google、Anthropic 跳出来，VC 跟着人下注。没有产品、没有收入都没关系，只要团队足够豪华，先给几亿美元再说。

但无论 TML 还是 SSI、无论从内部看还是外部看，今天的结果都低于预期。一位长期看 frontier lab 的投资人朋友感叹：“上一波在美国融到大钱的顶级 Neo lab 们，没有一家做出来。”

Thinking Machines Lab 是其中最重的一注。

去年 7 月，公司成立才五个月，没有产品，没有收入，就融了 20 亿美元，投后估值 120 亿美元，这是史上最大的一笔种子轮。创始人 Mira Murati 出生的阿尔巴尼亚，也投了 1000 万美元，为此专门修改了 2025 年的国家预算。

去年 11 月，TML 又开始按 500 亿美元估值谈新一轮，有人报到 600 亿。两个月后，CTO 和一批核心成员离职回到 OpenAI，那轮融资没有落地。直到最近，TML 才又开始谈 400 亿美元估值的新融资。

TML 的估值虽然在涨，但新一轮数字，已经低于它去年底想要的价格，这在过去几年高歌猛进的 AI 市场里，非常罕见。

更让我意外的是，连 TML 自己人都觉得，这家公司从一开始就有很强的 “拼起来” 的感觉。

那位曾经与 TML co-founder 共事过的朋友告诉我，几位联创当时想做的东西其实差得很远：Mira Murati 更想做 enterprise，Lilian Weng 对 interaction model 更感兴趣，John Schulman 更偏纯 research。

官网首页那份宣言，是几位创始人各写一段再拼起来的，最后选 human-AI collaboration 做公司愿景，很大程度上因为这是大家少数能重合的地方。

这也解释了 TML 后来很多问题。

能够从 OpenAI、Anthropic 这种地方跳过来的人，往往都有很强的 research taste：相信什么问题重要、什么路线值得押、什么方法可能 work，哪条路线应该坚持。

可一群都有强烈 taste 的人凑在一起，也反过来成为问题。因为这是一群在原组织里，无法说服别人、也无法被说服的人，出来自己干。

在成熟的大厂里，组织已经给定了北极星指标。你可以不同意一条技术路线，但最终总有人决定资源往哪放。比如 OpenAI、Anthropic 至少已有一套机制，让不同的 research taste 最后收敛到组织的选择上。

这次在 Palo Alto 吃饭，几位 OpenAI 的朋友坐在我对面。饭还没上齐，其中一个人已经开始复盘公司过去一年犯过的错。

最让他耿耿于怀的是 reasoning 这条路线。o1 明明是 OpenAI 先做出来的，最后却让 Anthropic 更早在 coding 上，把这条路线变成了好用的产品，对 OpenAI 来说 “这实在是非常糟糕的一件事。”

两家公司在管理风格上也有不同。OpenAI 更 bottom-up，很多方向从 researcher 自己往上冒，研究空间大，也容易四处开花。Anthropic 更 top-down，上面决定往哪里打，资源就集中往那里打。

前一种容易散，后一种更依赖少数人的判断。但方向一旦押中，Anthropic 会跑得很快。放到国内，Moonshot 更像前者，DeepSeek 更像后者。

而对于 TML，从第一天起就缺少足够具体的共同目标。当所有人都很有 taste，每个人最坚持的东西，反而最容易把团队带向不同的方向。

在算力和资源充足的时候，不同方向还能同时存在；一旦开始排优先级，矛盾就出来了。TML 的团队在半年里迅速膨胀，老人和新人之间的信任还没长出来，几位联创却接连离开，中层也跟着洗牌。

算力也没有外界想象得那么宽裕。从外面看，它和 Google Cloud 签了巨额算力合同，也拿到了英伟达最新的 GPU；但一线 researcher 的体感依然是实验互相挤，“很多基本实验都跑不了”，一些小实验只能放到小得没有参考价值的模型上去做。

最疼的一课是 Tinker。一位曾参与过 Tinker 训练的朋友复盘说，Tinker 是 “目前最优雅的单场景框架”，但也承认团队一度太享受把框架做漂亮这件事：“当你有 ego，觉得自己推出了一个漂亮框架而自满的时候，就不会去把脏活做完。”

他说的 ego 很具体：一个很强的 researcher 会天然觉得，设计框架、想算法、解决难题才是自己的工作，prefix caching、成本优化、部署、稳定性这些 “脏活”，总觉得应该有人在后面补。

可产品最后的毛利，偏偏就死在这些地方。同样的调用量，你没有认真做 caching，成本就比别人高；框架再漂亮，客户最后付的钱，还是一笔一笔算出来的。结果这块生意，反而被把这些 “脏活” 做得更扎实的 Fireworks，抢走了不少。

把这些细节放在一起，TML 暴露出的就是 Neo lab 1.0 最根本的矛盾：一群靠 taste 出来的人，最缺的恰恰是一个不需要 taste 的目标。

这半年我反复在想，为什么这一批 Neo lab 起步这么猛，现在却慢了下来？

我后来把这个动作理解成 “跳车”。OpenAI、Anthropic 像两辆高速行驶的大巴。一个 researcher 从车上跳出来的时候，会暂时继承原来那辆车的速度：履历、融资、人才、硅谷所有人的注意力，一下子全来了。

但那是原来那辆车的速度。落地以后，你还能不能自己继续加速，才是最难的。

而这批人跳车的时候，往往还带着一张 “旧地图”。

Frontier lab 崛起时，行业缺的是一些非常基础且稀缺的能力：怎么搭模型，怎么做大规模训练，怎么找数据，怎么把几千、几万张卡跑起来。

那时候，掌握这些 know-how 的人本身就是壁垒。OpenAI、Anthropic 也证明了这条极其诱人的路：聚集最好的 researcher，拿到足够多算力，把 intelligence 不断往上推，至少在 LLM 的 pre-train 阶段，模型不必先定义最后要解决的具体任务，随着 scale 往上走，一大片能力也会一起改善。

所以第一批 Neo lab 相信 “把最聪明的人重新聚一遍，再给足算力” 并不奇怪。他们复制的，就是 OpenAI、Anthropic 早期被验证过的成功路径。

只是模型继续往前走后，OpenAI、Anthropic 自己面对的难题也变了。机器人、法律、医疗等场景，最后都要回答一个非常具体的问题：任务到底有没有完成？公司也需要一个足够清楚的北极星指标，告诉一群各自拥有 research taste 的人，下一步到底应该往哪里走。

这也是今天 frontier lab 花越来越多精力解决的事情：怎么搭 environment，benchmark 怎么设，eval 怎么做，reward 怎么定义，模型最后究竟应该在哪个真实任务里变得更好。

每一代 Lab，都有每一代 Lab 的命运。

今天再想做 Neo lab，得在 frontier lab 现在最难的那些问题上，找到新的解法。

所以我越来越觉得，下一批真正跑出来的 Neo lab，可能会从完全不同的地方长出来。它很可能先有产品，再有 environment，最后才长出自己的模型。

Cursor 是一个很直观的例子。它先进入真实的软件开发流程，拥有大量真实用户和任务，然后再不断往模型层走。

Harvey、OpenEvidence 也有类似的条件。它们最有价值的地方，是每天都在一个具体的工作流里知道：什么任务用户真的要完成，什么结果算成功，模型在哪一步会失败。

这恰好也是今天 frontier lab 最难补的东西：北极星指标已经写在产品里，Researcher 不需要从零讨论公司究竟应该解决什么问题。

但变化的并不只有 Neo lab。

这次一路聊下来，一个很明显的感觉是，过去两年 AI stack 里分得很清楚的几类公司，都在往别人的位置上走。

Neo cloud 是最明显的一类。过去它们最容易被理解成卖 GPU 的公司，现在却越来越往模型和 inference 上走。

CoreWeave 收购 Weights & Biases 以后，已经把 pre-training、post-training、inference、agent evaluation 一路装进自己的产品栈。今年 4 月推出的 managed inference 产品，ARR 3 个月里就从 100 万美元涨到 1 亿美元。

Nebius 也在做类似的事。它的 Token Factory 已经开始直接提供模型推理，今年二季度 production inference workload 环比增长超过 3 倍。

原因并不复杂。GPU 本来就是一门很重的生意，只卖算力 margin 很难一直往上走；一旦手里有卡、有客户，也看得到客户在跑什么 workload，继续往 inference、模型服务和 eval 走，几乎是必然选择。

另一边，一些新型 Neo lab 又开始往数据公司走。模型还没训出来，或者根本买不起足够多的数据，就先帮别人做数据、做 environment，把服务过程中积累下来的东西，留一份给自己，最后再反过来训练自己的模型。

所以今天再看这些公司，原来的标签已经越来越不够用了。

Lab 在做数据，Neo cloud 在往模型和 inference 上走，有些 Neo lab 又想把算力和服务一起握在自己手里。每一家都有变的理由，大家都在往别人的位置上走。

这大概就是这一轮 AI 发展，最有意思的地方。Neo lab 有自己的 2.0，Neo cloud 有自己的 2.0，数据公司也在找自己的 2.0。

再往后会不会还有 3.0，很难说，也许到那时候，今天这些名字本身都已经不重要了。

美国 Spirit 航空公司 5 月就停飞了，但它留下来的一样东西，突然变得很值钱。

8 月，Google 在破产拍卖里出价 1000 万美元，想买走这家公司几十年积下来的内部数据：上亿封邮件、几亿条 Teams 消息，还有代码、财务、运营和项目管理记录。Mercor 出到 750 万美元，后来 Micro1 又把价格抬到了 1250 万美元。

买破产公司这个打法，去年我只从 TML 那里听到过，圈里都当是说着玩的。

但今年大家已经是成建制地干，姿势都标准化了。一位 Mercor 的朋友告诉我，真正把一家破产公司买回来以后，第一件事是把数据 “救活”。

几十年的邮件、表格、聊天记录堆在那里，外人根本不知道是什么意思。哪张表对应哪个业务，某个缩写是谁起的，一个航班取消以后运营、客服和财务究竟怎么协作，这些关系不会自己从文件里长出来。

所以买完数据，往往还得把一两个老员工留下来。他们的工作很像给一座废墟做导游：告诉你这些东西原来是怎么运转的：一个航班取消以后，谁先发现问题；运营、客服和财务怎么沟通；一个决定经过哪些人；哪里出了错，最后又是怎么解决的。

一家经营失败的公司，第一次因为 “失败得足够真实”，重新变得值钱。

背后的原因也很简单：容易拿到的互联网文本，早已经被 AI 吃过了。整个互联网能抓到的文本，大概是 100T 的量级，真正清洗完、能拿来做 pre-train 的，可能只剩 15T。再把那些藏在网页背后、不容易直接抓到的信息也扒到极致，最多也就是 300T，这些早都被用完了。

当互联网越来越难提供新的数据，模型公司开始把目光转向那些，还没有被整理成训练数据的真实世界。

此时更进一步，“数据” 这个词也已经不够用了。模型真正想要的，正在从一份已经整理好的 dataset，变成一个可以不断产生新任务、新过程和新反馈的 environment。

过去的训练环境更像一张静态试卷，但 Agent 要面对的是一个会随着行动变化、信息不完整、很多动作无法撤回的世界。它得一边做事，一边判断自己身处什么环境。

Vending-Bench 2 很像这几个变化的一个缩影。它是 Andon Labs 做的一个 benchmark，让 AI agent 自己去经营一台自动售货机：进什么货、怎么定价、什么时候补货、库存和现金怎么管。它要跑完整整 365 天，每天还要扣两美元场地费，最后按账户上剩多少钱来计算得分。

Agent 看不到完整的决策空间，只能凭每天拿到的那点信息往下走。时间也只朝一个方向流动，昨天进错的那批货，今天发现了也退不回来。什么都不做同样会输，场地费每天照扣。

更有意思的是，这个环境后来真的走出了模拟器。今年 4 月，Andon Labs 在旧金山签下一份三年租约，把 10 万美元和一张信用卡交给一个叫 Luna 的 agent，让它从零开一家店，选品、定价都由它决定。

这样的 environment，考验 AI 的已经不是聪明，它要的是在一个看不全、退不回去、不断变化的世界里，把一件不难的事，连续做对很长时间。

而一台自动售货机，是这类生意里最简单的一种。真正值钱的那些 environment，在活着的公司里。

这也是 “死” 公司和 “活” 公司最大的区别。已经破产的 Spirit 航空，数据再多，也只能告诉你过去发生过什么。一家还在营业的公司，明天还会产生新的订单、新的争吵、新的误判，以及最后是怎么补救的。

所以模型公司更想进入那些还 “活着” 的公司。现在大致有四种办法，越往下，成本越高，拿到的东西也越完整。

最轻的一层，是让自己的 agent 直接进入工作流。比如在 Claude Code 里，用户写代码、改 bug、不断重试，过程自然就被记录下来。

再往前，是直接进入公司的沟通场景。比如把 agent 放进 Slack，让它看到任务是怎么讨论、推进和修改的。Claude Tag 干脆不做自己的界面，它就住在客户的 Slack 里，谁需要就 @ 它一声。

如果产品进不去，就派人进去。FDE 住进客户公司，一边部署系统、解决问题，一边更接近真实的工作过程。

但企业对此往往很敏感。一位客户的技术负责人说得很直接：“我付你钱，是让你帮我干活，不是让你记录我的数据。”

于是出现了最重的一层：干脆把公司买下来。

一位 Scale AI 的朋友跟我说，FDE 最多能捡到一些 trajectory；把公司买下来，拿到的却是整个 environment。公司原来的业务、流程和数据都在，可以不断产生新的轨迹，甚至直接跑 RL。

卖方也不全是破产的。Mercor 的朋友说，不少还在正常经营的公司也愿意卖，因为对它们来说这是一笔 recurring revenue。数商有专门的人去寻找目标，一家家上门谈，难点在于对方往往不知道自己手里有什么可卖。

于是，数据公司站在中间，越来越像一个行业 know-how 的交换机。Lab 知道自己缺数据，又不知道这些数据藏在哪里；卖方手里有东西，却不知道模型公司究竟想要什么。

干这门生意的人，现在也开始分成两派。

老一派还是按人头计价。Scale、Mercor 这类公司，本质上卖的是一个人在单位时间里能加工出多少数据，人越多，产能越大。

新一派开始按 environment 和 trajectory 计价。同样两小时的工作量，价格可能差很多，核心是这个环境本身有多稀缺、搭起来有多难。

但老一派也在往前走，最明显的是 FDE：既然人本来就是最大的资产，干脆把这些人派进客户公司解决具体问题。除了更接近真实工作流，这门生意也比一次性的数据项目稳定得多。

所以两派最后，是在往同一个地方靠：单纯卖人力越来越不够，谁能更接近真实的 environment，谁就更值钱。

不过不管哪一派，核心都是 “加工”。一位在 Scale AI 的朋友，把自己的工作形容成 “厨子”，买公司数据只是买原材料，麻烦的全在后厨。

其中一个核心动作叫 “退档”：把一家公司已经完成的工作，重新拆回任务刚开始的那一刻。当时手里有什么材料，要解决什么问题，最后产出了什么，再把整个过程打包成一个 RL environment。

然后是最难的一步：怎么知道模型做得好不好？数商得把行业里那些老师傅说不清、只能靠手感的判断，翻译成一条条 rubric，让结果可以被机器自动验证。

现在这间厨房甚至卷到了另一个程度：不能只告诉 lab“我这批数据很好”，还得直接跑实验，告诉它这批数据能让基模哪项能力涨、能涨多少。

不过要说数商已经反过来教 lab 做事，那还差得远。最核心的方向判断，仍然握在头部 lab 的 researcher 手里。

但活得最好的那批数商，已经不满足于等着被动接单了。它们开始自己去赌哪个方向会重要，提前把对应的 benchmark 搭出来。一旦这个 benchmark 被 frontier lab 认了，变成大家刷榜的依据，它手里那批数据就顺理成章地进了主流。

独家数据尤其值钱。一份数据如果卖给所有人，一年可能值 1 万美元；只卖给一家，价格可以翻几倍。一位在 frontier lab 负责训练数据的朋友说：“如果我有钱，把所有 data vendor 都买了，这些 data 我甚至都不用。我买掉的，是别人赶超我的可能性。”

Coding 已经给过所有人一次教训。最初真正重押它的人并不多，直到 coding 的 token 消耗开始暴涨，数据和资源才迅速跟过去。

现在行业里有了一个简单粗暴的判断标准：哪里的 token 在快速增长，数据就往哪里去。

当然，如今的数据越卖越贵，另一个问题也跟着出现：你买到的东西，到底是哪来的？

一位在大厂做数据采购的朋友，给我讲过一件事。他们的合同明明规定，交付的数据不能由 GPT 等模型生成。但有次拿到一批外采数据，用检测工具一扫，几乎 100% 都像 GPT 写的。

他去质问这个印度供应商。对方解释得非常 “自然”：我们的英语不好，所以先用印度语写，再用 ChatGPT 翻译成英文，被你们检测出来不是很正常吗？“我也没招，真的。”

于是这形成了一个 “你只要别让我知道来源就行” 的局面，毕竟这些数据确实都是模型公司急需的，需求越来越强，来源却越来越复杂，很多时候买方既没有能力、也没有动力一路追查到最底层。

这也给数据商留下了一个很微妙的位置。它们一头替 lab 找数据、找人、做加工，另一头也把那些买方不愿意直接面对的来源、合规和交付风险，隔离在外面。

某种程度上，数商就是这场模型战争里的白手套。

“白手套” 值多少钱？同一条 call trace，来路有问题的报价 3 美元；通过美国供应商合法拿到，要 300 美元。

一百倍的差价，买的是风险转嫁。

外面的数据这么麻烦，大厂自然会想到另一条路：那就从自己员工身上找。

今年 Meta 一度记录员工的鼠标移动、点击和键盘输入，并随机截屏用于模型训练。后来超过 1600 名员工联名反对，计划最终停摆。一位 researcher 告诉我，做过类似尝试的不只 Meta 一家。

但这件事反过来也说明了，真正好的 human data 为什么这么难拿。如果想记录的是一个人工作时发生的一切，这就是最贵、最敏感，也最难规模化的部分。

数据生意再往前走，还有一种更深的 “加工”。

前面那位 Scale AI 的朋友把自己形容成 “厨子”，一份原始数据也可以有不同的 “做法”：简单一点，是把它清洗、整理成模型可以直接训练的数据；再往前一步，则是干脆用这些数据训练出一个模型。

旧金山的创业公司 Noetik 就更接近后者。

它积累了几亿个带有空间位置信息的人体细胞数据，拥有肿瘤领域规模最大的空间生物学数据集。这类数据不只告诉模型一个细胞是什么，还保留了它在真实组织中的位置，以及周围有哪些细胞。

Noetik 没有只把这些数据作为数据集卖掉，而是拿它们训练自己的模型。对它的药企客户来说，两者的价值很不一样：数据记录的是过去已经发生的东西，模型却可以拿来处理新的问题。 一个新的药物、新的实验条件，都可以用模型做新的虚拟实验和预测。

今年 GSK（葛兰素史克）和 Noetik 签下五年合作，拿到的也是模型的使用权。

所以 Noetik 更像是数据加工链条走到更深的一层：卖数据，卖的是一份资产；把数据训练成模型以后，卖的是利用这份资产继续推演新问题的能力。 加工越深，越有机会卖出更高溢价。

但这种模式并不容易复制。Noetik 的数据足够专业，客户又是药企，模型本身就可以直接成为产品。更多 human data 还停留在更重、更脏的加工环节里。

模型公司当然也可以自己做，只是背后需要成千上万名 contractor 的招聘、管理、质检，以及一整套劳动和合规风险。

Lab 越来越想掌握数据，但并不意味着它们想把整条数据供应链都自己做掉。

这也是为什么，过去看起来最苦的数据生意，反而站到了模型战争越来越中央的位置。

最后，如果说这趟硅谷出差，还有一个让我印象很深的变化，就是那些从 AI 浪潮里得到最多的人，已经开始认真思考：接下来的人生应该怎么过。

有天晚上，我和一位年轻的 AI researcher 吃饭。聊到这一轮硅谷的人才流动，他忽然说：

“你不觉得这里就跟缅甸园区差不多吗？一个大的园区，大家在这上班，聊的全是 agent、infra、startup，同质化特别严重。”

这个比喻听起来很刺耳，但我一时也不知道怎么反驳。

他自己就是这个 “园区” 里的一份子，他读博时所在的实验室，去年毕业了 5 个 PhD，只有一个人到现在没换过工作。“在一个公司待满一年，已经是很漫长的事。”

过去两年，AI 浪潮给 researcher 定出了一个前所未有的高价：以前 50 万美元年薪，已经是很体面的工作，但现在 100 万以下的 offer，很多人已经不看了。

可最早开始怀疑这个价格还能维持多久的，也是他们自己。

有人仍然像 “传教士” 一样相信 AGI，愿意为一个技术判断押很多年；也有人更像 “雇佣兵”，“没有太多 conviction，能赚多久赚多久，不行再换一家”。到了这个价格，工作也变成了一笔很难拒绝的交易。

两三年后，AI researcher 也许就不再是今天这样的稀缺品。有人赶着在窗口关上之前做到 leader，有人开始投资，有人已经在想，赚够这些钱以后还想做什么。

所以在研究员的饭桌上，模型之外，买什么股票、投什么项目，和下一份工作能不能承载现在的薪酬包，是越来越常见的话题。湾区一些基金的出资人名单里，已经有很多 Anthropic 和 OpenAI 的研究员。

另一位已经财富自由、仍在做 AI 领域探索的朋友，给我数过他的朋友圈：有人想卖红酒，有人想把国内的货搬到美国卖，有人准备买新房子，还有人真的盖了一座室内滑雪场，像在玩现实版的 Minecraft。

“我也想离开任何 digital 的东西一段时间。” 他说。

放在两年前，这幅画面几乎不可想象。那时硅谷最相信的资产之一，就是 researcher 本人。

但这次一路聊下来，我越来越觉得，那些被重新定价的东西，最后也包括我们自己。

那些过去最有把握的能力，可能被模型学会、被工具封装；原来只有少数人掌握的方法，也可能很快变成整个行业的基本功。

只是身处其中的人，每天只看到一点点变化，反而很容易把它当成正常。

一位年轻研究员跟我说过一句话，我一直记得：“没有什么问题，是只有我能回答，而 ChatGPT 不能的。剩下还需要人的，是人与人的沟通，以及在一个人年轻的时候，如何影响他、塑造他。”

他身边不少人都计划 “先赚几年钱，再回学校”。有人拖一年，有人拖两年，也有人已经拖到了第四年。我后来才明白，这些看起来很私人的选择，也和这种变化有关。

当公司、技术、壁垒，甚至一个人最相信的能力，都可能在几年里被重新定价，最后总会剩下一个没法交给模型回答的问题：

我们到底想把自己的时间花在哪里？

来硅谷之前，我在法罗群岛休了个假。

那里离这一切很远，海上终年是雾，山坡上只有羊、草和零星的房子。我出发前跟朋友说，终于可以有几天不聊 AI 了。

但好几次在当地打车，司机都不会说英语，只会说法罗语和丹麦语，我们两边比划了半天还是讲不明白，最后只得掏出手机，让安排这趟行程的 ChatGPT 在中间翻译。

AI 越来越像一个不会消失的背景。模型可以一次次 rollout，沿着不同的路径试错，再从头来过。人不行，我们无法把几种人生都活一遍，再回头挑一个最好的答案。

时间无法回滚。每个选择，都只有一次。