WEBVTT

00:00:00.000 --> 00:00:04.600
Hello, today we're chatting with Qiu Yuan, Jin Qiuyuan

00:00:06.200 --> 00:00:07.800
Sandy, you graduated from Yale

00:00:07.900 --> 00:00:09.600
Right, right, undergrad at Yale

00:00:10.200 --> 00:00:10.900
And then

00:00:12.000 --> 00:00:14.600
Right, so what was your career path after that

00:00:15.700 --> 00:00:17.000
Yes, I'm a serial entrepreneur

00:00:17.000 --> 00:00:18.700
So after graduating from Yale as an undergrad

00:00:18.700 --> 00:00:19.700
I first worked in consulting

00:00:19.700 --> 00:00:21.300
And then later transitioned into product management

00:00:21.600 --> 00:00:24.900
Before starting my own business, I worked as a product manager at Tantan

00:00:25.000 --> 00:00:26.300
Responsible for growth and monetization

00:00:26.800 --> 00:00:29.300
After Tantan was acquired, I started my own business independently

00:00:29.500 --> 00:00:31.900
I built an online events platform

00:00:31.900 --> 00:00:33.100
Called VLAN

00:00:33.600 --> 00:00:35.700
I previously raised two rounds of funding

00:00:35.900 --> 00:00:36.700
From Shouyuan and Sequoia

00:00:37.300 --> 00:00:38.400
So for our platform

00:00:38.400 --> 00:00:40.500
We mainly served online enterprises

00:00:40.700 --> 00:00:42.500
Hosting virtual events

00:00:42.900 --> 00:00:46.700
Everything from online recruiting to corporate open days

00:00:47.100 --> 00:00:50.100
Yes, we built this product for a little over four years

00:00:50.500 --> 00:00:51.800
We went through the whole cycle

00:00:52.100 --> 00:00:54.700
During the pandemic we had a lot of

00:00:55.000 --> 00:00:55.800
Momentum

00:00:55.900 --> 00:00:58.200
After the pandemic, many events moved back offline

00:00:58.400 --> 00:01:00.400
So last year I paused the company

00:01:00.400 --> 00:01:02.200
And this year I'm exploring new directions

00:01:03.700 --> 00:01:05.400
We've been WeChat friends for many years

00:01:05.800 --> 00:01:07.700
We were internet friends

00:01:07.700 --> 00:01:09.900
Used to be online friends, now offline friends

00:01:11.200 --> 00:01:12.400
Back then it was at Yale

00:01:12.400 --> 00:01:14.500
What did you study, and how did you end up coming back to start a business

00:01:15.600 --> 00:01:17.800
Right, I studied economics as an undergrad

00:01:17.800 --> 00:01:22.400
At the time, China had a strong entrepreneurship and innovation environment

00:01:22.700 --> 00:01:24.100
So back then it was quite emphasized

00:01:24.400 --> 00:01:25.900
Trying out entrepreneurship as a direction

00:01:26.300 --> 00:01:28.600
So after graduation I came back to look for opportunities

00:01:29.600 --> 00:01:31.900
So how long did you work at Tantan

00:01:32.300 --> 00:01:35.000
I was at Tantan around 2018 to 2019

00:01:35.800 --> 00:01:37.500
So it happened that the pandemic came right after

00:01:38.100 --> 00:01:40.600
虚拟社交トラックが爆発的に成長

00:01:40.700 --> 00:01:41.900
バーチャルソーシャルを始めた

00:01:42.600 --> 00:01:46.000
私はもともと人と人とのつながりを作ることをずっとやりたかった

00:01:46.300 --> 00:01:49.100
そうそれで私のこのプロダクトマネージャーとしてのキャリアは

00:01:49.100 --> 00:01:50.000
つまりソーシャルをやるってこと

00:01:50.100 --> 00:01:52.700
それでその後メタバースのイベントプラットフォームを作った

00:01:52.800 --> 00:01:56.800
それもオンラインでイベントの主催者と参加者に対して

00:01:57.100 --> 00:01:59.800
つながりと没入型のソーシャル環境を作り出すためだった

00:02:00.600 --> 00:02:02.500
それでTantanでは主にどの部分を担当していたの

00:02:03.200 --> 00:02:05.500
Tantanでは主にグロースとマネタイズを担当していた

00:02:05.600 --> 00:02:08.400
マネタイズについては基本的にゼロからイチの段階を経験した

00:02:08.700 --> 00:02:12.000
月間の収入が非常に低い水準から

00:02:12.000 --> 00:02:14.700
月間1億の収益成長までを実現した

00:02:14.900 --> 00:02:17.700
私たちは非常に多くのfeatureと非常に多くの

00:02:18.000 --> 00:02:18.700
ABテストを行った

00:02:18.900 --> 00:02:22.300
だからこのプロセスはかなりproudに思っている

00:02:22.800 --> 00:02:25.000
それで当時最も重要だったfeatureは何だと思う

00:02:25.500 --> 00:02:26.400
たくさんあると思う

00:02:26.700 --> 00:02:28.900
今Tantanの中で課金されている機能で言うと例えば

00:02:29.400 --> 00:02:30.400
誰が自分を「いいね」したか見る機能

00:02:30.700 --> 00:02:31.900
例えばスーパーいいねとか

00:02:32.300 --> 00:02:35.400
それぞれのfeatureはだいたい数千万人民元の収益に相当する

00:02:35.900 --> 00:02:38.000
月間収益ベースでのこういう課金機能ポイント

00:02:38.600 --> 00:02:40.900
スーパーいいねって当時Tantanが最初に始めたの

00:02:40.900 --> 00:02:42.600
それともTinderとかがもともと持っていたの

00:02:43.100 --> 00:02:45.900
私たちも手探りで進めていた

00:02:46.500 --> 00:02:50.100
Tinderを参考にして多くの革新や改良を加えた

00:02:50.100 --> 00:02:52.600
そうTinderはその頃すでにかなり大きな会社で

00:02:52.600 --> 00:02:53.900
収益もかなり安定していた

00:02:54.100 --> 00:02:58.200
だから彼らのマネタイズのfeatureやこうした機能は

00:02:58.400 --> 00:02:59.300
比較的成熟していた

00:02:59.500 --> 00:03:02.300
だから私たちは最初主に彼らの課金機能を参考にした

00:03:02.500 --> 00:03:04.900
主に中国でのローカライズと

00:03:04.900 --> 00:03:08.800
パッケージ化と課金の部分でいくつか新しいデザインをした

00:03:10.200 --> 00:03:12.200
つまりTantanはTinderの後に出てきたということ

00:03:13.600 --> 00:03:14.500
そうその通り

00:03:17.100 --> 00:03:18.900
それはcopy to Chinaのプロダクトだった

00:03:19.500 --> 00:03:19.900
そう

00:03:20.500 --> 00:03:22.900
当時実は多くのプラットフォームがcopy to Chinaだった

00:03:23.000 --> 00:03:28.200
私の最初のテック関連の仕事はDidiだった

00:03:28.300 --> 00:03:30.600
当时也是超的Uber的模式

00:03:30.800 --> 00:03:35.400
那时正好是Uber中国被并购之后我加入的

00:03:35.500 --> 00:03:37.900
所以当时其实还有很多copy to China的模式

00:03:38.300 --> 00:03:40.400
这样一种移动互联网的创业方式

00:03:40.900 --> 00:03:42.700
探探会培养你一个用户模型

00:03:42.900 --> 00:03:46.500
你大概会在脑海中知道用户进入这个产品后可能会做什么

00:03:46.900 --> 00:03:47.600
对

00:03:47.600 --> 00:03:49.900
这相当于是一个验证的路径

00:03:50.200 --> 00:03:52.200
但从付费角度来看，可能会有汇率上的差异

00:03:53.600 --> 00:03:54.700
学到了一些用户模型

00:03:55.200 --> 00:03:59.100
后来做探探的时候用到了这些用户模型

00:03:59.400 --> 00:04:05.000
你脑海中形成的用户模型对你后来做元宇宙社交有帮助吗

00:04:05.900 --> 00:04:07.100
这方面确实有帮助

00:04:07.200 --> 00:04:11.600
因为其实很多付费功能的设计都是围绕人性展开的

00:04:12.100 --> 00:04:14.300
比如说男女比例非常不平衡

00:04:14.400 --> 00:04:19.900
怎么让男性用户有更主动地查看女性用户的权利

00:04:20.000 --> 00:04:25.300
或者让他能够展示自己的实力

00:04:25.700 --> 00:04:29.100
我们其实还有很多付费功能都是围绕这一点设计的

00:04:30.200 --> 00:04:34.800
从我们后来创业做线上社交活动这个角度来说

00:04:35.100 --> 00:04:38.600
其实也是利用了人性中的一种需求

00:04:38.700 --> 00:04:42.100
就是在疫情的条件下

00:04:42.300 --> 00:04:44.500
很多人开了很多视频会议

00:04:44.500 --> 00:04:46.100
感到非常疲惫

00:04:46.200 --> 00:04:53.300
也缺乏那种沉浸感和互动的方式

00:04:53.600 --> 00:04:56.300
我们线上其实是用游戏化的体验

00:04:56.500 --> 00:05:00.000
去还原了线下社交的这种体验

00:05:00.300 --> 00:05:02.300
其实里面每个人都有自己的avatar

00:05:02.600 --> 00:05:05.400
然后当这个小人走近其他用户后

00:05:05.700 --> 00:05:07.700
会自动生成音视频连接

00:05:08.100 --> 00:05:11.300
从而让你觉得这个人好像和自己处在同一个空间里

00:05:11.700 --> 00:05:13.600
从而产生这种社交体验

00:05:13.900 --> 00:05:17.400
所以这其实也是围绕着人的需求

00:05:17.800 --> 00:05:18.800
来展开产品设计的

00:05:19.400 --> 00:05:20.500
那么这是线上一对一的吗

00:05:21.200 --> 00:05:22.200
是一对多的

00:05:22.400 --> 00:05:24.300
它主要体现的是一种空间感

00:05:24.500 --> 00:05:27.600
比如说我们现在处于一个大厅的环境中

00:05:27.700 --> 00:05:29.500
里面有不同的桌子，对吧

00:05:29.600 --> 00:05:31.100
那边在讨论另一个话题

00:05:31.100 --> 00:05:33.600
然后我们这边正在录制一段视频

00:05:33.800 --> 00:05:35.800
然后那边可能还在做一个研讨会。

00:05:36.000 --> 00:05:39.600
其实就是同样一个空间能给你一个代入式体验。

00:05:40.300 --> 00:05:42.200
这个其实我们在线上就通过一个……

00:05:42.800 --> 00:05:45.100
所谓游戏化的一个空间，

00:05:45.700 --> 00:05:48.300
和沉浸式的环境给你去创造还原，

00:05:48.700 --> 00:05:51.800
这样的话你的发布会就像在一个真的发布会现场在开。

00:05:52.200 --> 00:05:55.300
你的一个线上招聘会就像在学校的一个摆摊，

00:05:55.500 --> 00:05:59.600
然后可以真的去游走在不同的booth之间，

00:06:00.000 --> 00:06:02.300
然后你在这一个booth聊完之后，

00:06:02.300 --> 00:06:04.100
你也可以切换到另一个频道，

00:06:04.300 --> 00:06:05.100
这样也互不打扰，

00:06:05.100 --> 00:06:08.500
但同时你有一个比较丝滑的一个体验。

00:06:09.200 --> 00:06:10.800
完了这个我觉得挺好玩的。

00:06:11.300 --> 00:06:12.400
是非常好玩。

00:06:12.400 --> 00:06:14.300
对我们也是一个比较受……

00:06:15.300 --> 00:06:19.100
就是学生和这个年轻的用户比较喜爱的一个产品。

00:06:19.400 --> 00:06:20.800
因为我们都说就是Gen Z，

00:06:21.100 --> 00:06:23.500
以及以后的这一代都是游戏原生的人群。

00:06:23.500 --> 00:06:25.500
所以我们其实也用他们喜欢的方式，

00:06:25.500 --> 00:06:29.800
创造了一个比较有互动性和娱乐价值的这样一个平台。

00:06:30.600 --> 00:06:32.800
关键是上个月我聊了一个19岁，

00:06:32.800 --> 00:06:34.900
从Houston过来一个年轻人，

00:06:35.400 --> 00:06:38.500
他almost想做一个类似的idea。

00:06:38.500 --> 00:06:41.900
他的出发点就是他之前去参加线上会议，

00:06:41.900 --> 00:06:42.400
Summoner，

00:06:42.800 --> 00:06:44.900
结果去了之后就发现是一队三百人，

00:06:44.900 --> 00:06:46.800
那个大佬对着一堆人在讲课，

00:06:46.800 --> 00:06:47.800
他在那听lecture，

00:06:47.800 --> 00:06:48.800
像美国人嘛，

00:06:48.800 --> 00:06:51.300
包括这个我也是现在新一代的人觉得好烦啊，

00:06:51.300 --> 00:06:51.700
对吧，

00:06:51.700 --> 00:06:53.100
我上来想跟人交流交流，

00:06:53.100 --> 00:06:54.900
结果就变成了被训导。

00:06:54.900 --> 00:06:57.500
他想做一个线上的就类似这种，

00:06:57.500 --> 00:06:58.900
然后上去生成一个舞台，

00:06:59.200 --> 00:07:01.200
然后人们可以走近互相一对一的聊。

00:07:01.200 --> 00:07:04.800
对这个在那个时代我们是第一批吧，

00:07:04.900 --> 00:07:07.700
至少在亚洲区域是最早推出的。

00:07:07.700 --> 00:07:07.900
对，

00:07:07.900 --> 00:07:10.300
所以这个需求我觉得还是存在的。

00:07:10.300 --> 00:07:13.200
只是说现在大家可能被疫情封久了

00:07:13.200 --> 00:07:14.600
又回到线下的一种社交方式

00:07:15.700 --> 00:07:18.300
因为我看那个小孩在玩Roblox

00:07:18.300 --> 00:07:20.600
真的有很多的空间

00:07:20.600 --> 00:07:20.900
对

00:07:20.900 --> 00:07:22.100
那你怎么看

00:07:22.100 --> 00:07:24.400
而且那个19岁的年轻人还觉得

00:07:24.400 --> 00:07:25.900
他这个需求没有得到满足

00:07:25.900 --> 00:07:27.700
他觉得这个东西挺未来的

00:07:27.700 --> 00:07:28.700
你怎么看

00:07:28.700 --> 00:07:32.700
这是一个使用者和付费者脱节的问题

00:07:32.800 --> 00:07:35.300
就是我们的付费客户

00:07:35.300 --> 00:07:36.300
其实是企业

00:07:36.300 --> 00:07:38.000
那企业里面的决策者

00:07:38.000 --> 00:07:39.600
有些年纪会更大一些

00:07:40.400 --> 00:07:43.400
所以他在分配预算以及为此支付的时候

00:07:43.400 --> 00:07:46.000
不一定完全理解这个需求

00:07:46.000 --> 00:07:48.800
所以我们的用户和参与者

00:07:48.800 --> 00:07:50.500
每个人上来都很喜欢

00:07:50.500 --> 00:07:52.700
NPS基本上都在80%以上

00:07:52.700 --> 00:07:55.600
所以它是一个非常受参与者欢迎的平台

00:07:55.600 --> 00:07:59.000
但付费的却是活动主办方和企业客户

00:07:59.000 --> 00:08:01.900
所以会有一定的滞后性吧

00:08:02.000 --> 00:08:03.500
所以这也是这个平台

00:08:03.500 --> 00:08:05.100
在商业化方面的一些挑战

00:08:06.400 --> 00:08:08.500
但当时这件事因为是企业付费

00:08:08.500 --> 00:08:10.300
所以应该还是逼退了不少企业

00:08:10.300 --> 00:08:11.900
对我们其实大量是英镑

00:08:11.900 --> 00:08:13.900
因为我们第一个客户是Aula

00:08:13.900 --> 00:08:16.600
后面就有很多企业客户主动来找我们

00:08:16.600 --> 00:08:18.200
说想办一个类似的活动

00:08:18.200 --> 00:08:19.000
有品牌露出

00:08:19.000 --> 00:08:22.000
有属于它的品牌展示场地

00:08:22.000 --> 00:08:22.200
对

00:08:22.200 --> 00:08:24.900
所以这也是我们对企业的一个卖点

00:08:24.900 --> 00:08:27.000
基本上2C和2B都做了

00:08:27.000 --> 00:08:31.500
对我们既有C端参与者也有B端组织方

00:08:31.600 --> 00:08:32.200
双端的市场

00:08:32.800 --> 00:08:35.600
那C端用户当时大概是什么样的方案

00:08:35.600 --> 00:08:38.200
我们一年大概办3000场活动

00:08:38.200 --> 00:08:43.600
然后每场几十上百上千的都有吧的翻訳として、「その後、各回数十人から数百人、数千人規模のものもあるでしょう」

00:08:43.600 --> 00:08:43.800
そうですね

00:08:43.800 --> 00:08:47.000
なのでそれは比較的大きなプラットフォームなんです

00:08:47.000 --> 00:08:47.700
そうです

00:08:47.700 --> 00:08:49.500
つまり

00:08:49.500 --> 00:08:50.900
でも問題も一つあります

00:08:50.900 --> 00:08:54.400
つまり必ずしも特にrecurringなモデルではないということです

00:08:54.400 --> 00:08:55.500
なぜなら一度イベントを開催した後

00:08:55.500 --> 00:08:58.000
次回開催するのは来四半期か下半期になるかもしれません

00:08:58.000 --> 00:09:00.600
なのでそれほど良い自動課金にはならないんです

00:09:00.600 --> 00:09:00.800
そうです

00:09:00.800 --> 00:09:03.100
なのでこれも私たちのこの手のプロダクトの問題でもあります

00:09:03.100 --> 00:09:05.000
つまりイベントプラットフォームですね

00:09:05.000 --> 00:09:06.500
新規性はあるでしょう

00:09:06.500 --> 00:09:10.900
でも企業のワークフローに組み込むのはかなり難しいかもしれません

00:09:10.900 --> 00:09:12.700
長期的に課金し続けてもらうというのは

00:09:12.700 --> 00:09:16.800
もし今の子供たちが将来本当にバーチャルソーシャルのニーズを持つようになったら

00:09:16.800 --> 00:09:19.700
彼らをそこで遊ばせるようになったら

00:09:19.700 --> 00:09:20.900
それはもちろんあり得ることです

00:09:20.900 --> 00:09:21.300
そうですね

00:09:21.300 --> 00:09:24.500
我认为从长期来看

00:09:24.500 --> 00:09:29.400
这仍然是一个相当有价值的产品和平台

00:09:29.400 --> 00:09:32.700
所以说随着终端的变化

00:09:32.700 --> 00:09:34.900
以及用户结构的变化

00:09:34.900 --> 00:09:37.100
我觉得可能会有新的机会

00:09:37.100 --> 00:09:39.100
那你现在是怎么想的

00:09:39.100 --> 00:09:42.000
对于AI你想做什么

00:09:42.000 --> 00:09:44.400
因为我的背景和兴趣

00:09:44.400 --> 00:09:47.900
一直是在做与人的行为

00:09:47.900 --> 00:09:50.800
人的连接和科技交叉的领域

00:09:50.800 --> 00:09:51.500
是的

00:09:51.500 --> 00:09:55.100
然后我之前的经历也一直围绕这条主线发展

00:09:55.100 --> 00:09:56.500
现在想做的一个方向

00:09:56.500 --> 00:10:04.000
其实是想让AI具备一些人的直觉判断和人性在里面

00:10:04.000 --> 00:10:05.500
因为现在我们看AI的很多执行

00:10:05.500 --> 00:10:08.000
它会遵循一个工作流

00:10:08.000 --> 00:10:10.500
遵循一个硬编码的规则

00:10:10.500 --> 00:10:11.600
然后来执行

00:10:11.600 --> 00:10:14.700
但是你让它自己去做一些决策和判断

00:10:14.700 --> 00:10:17.900
或者根据上下文，对吧

00:10:17.900 --> 00:10:21.100
そして、こういう専門性の高い判断をする際に

00:10:21.100 --> 00:10:23.500
それが割と大きなズレを生んでしまうことが多いんです

00:10:23.500 --> 00:10:25.200
下手をするとインターン生にも及ばないくらいで

00:10:25.300 --> 00:10:28.800
なので私たちはAIが交わることができるようにしたいんです

00:10:28.800 --> 00:10:31.800
professionalのようなある程度経験を積んだ

00:10:31.800 --> 00:10:34.400
ベテランの職業人のように

00:10:34.400 --> 00:10:38.100
こうした専門的なタスクをこなせるようになってほしいんです

00:10:38.100 --> 00:10:39.800
特にlong horizonのような、長い工程を要するものです

00:10:39.800 --> 00:10:41.200
そして時間軸の長いものです

00:10:41.200 --> 00:10:44.500
実際の仕事で使えて、経済的な価値を持つ仕事に活用できるようにです

00:10:44.500 --> 00:10:45.400
そうですね

00:10:45.400 --> 00:10:50.800
なので基本的に私たちはbasically、あるプロダクトのプラットフォームをbuildしようとしています

00:10:50.800 --> 00:10:54.500
そしてそのprofessionalな専門家を助けて

00:10:54.500 --> 00:10:55.400
彼らの知識を共有してもらう

00:10:55.400 --> 00:10:58.100
彼らのworkflowや専門的なやり方を共有してもらう

00:10:58.100 --> 00:11:00.400
つまりパソコン上での操作、computer useですね

00:11:00.400 --> 00:11:05.000
そこから私が重要で有効な行動情報を抽出します

00:11:05.000 --> 00:11:09.200
そしてAIにさまざまな仕事のやり方を教えるんです

00:11:09.200 --> 00:11:12.300
それが私たちのプロダクトのポジショニングですね

00:11:12.300 --> 00:11:14.800
つまりあなたはそれが技術的な問題ではないと考えているんですね

00:11:14.800 --> 00:11:16.000
データの問題だと

00:11:16.000 --> 00:11:17.300
実際にはデータの問題なんです

00:11:17.300 --> 00:11:20.500
というのも、実は全ての大規模モデル企業を見てみると

00:11:20.500 --> 00:11:24.400
人員とリソースの3分の2ほどを割いているんです

00:11:24.400 --> 00:11:28.000
データの収集、クリーニング、ラベリング、そして事前学習のパイプライン構築に

00:11:28.000 --> 00:11:31.400
なのでデータの良し悪しが学習の質を決めるんです

00:11:31.400 --> 00:11:33.600
つまり俗に言うGarbage in garbage outです

00:11:33.600 --> 00:11:35.900
データという観点から見ると非常に重要だと思います

00:11:35.900 --> 00:11:40.200
そして今、AIの学習はまさにこうしたデータのボトルネックに直面しています

00:11:40.200 --> 00:11:42.800
というのもネット上のデータや

00:11:42.800 --> 00:11:46.100
人手でラベリングできるデータは

00:11:46.100 --> 00:11:47.500
もうほぼ使い尽くされてしまっているんです

00:11:47.500 --> 00:11:48.900
一方で現実世界には大量のデータがあるのに

00:11:48.900 --> 00:11:52.800
それを効果的にフィルタリングして収集した人がいません

00:11:52.800 --> 00:11:54.800
なのでこれが私たちが解決したいと考えている、わりと大きな問題なんです

00:11:54.800 --> 00:11:58.500
つまり、人間による実演を規模化して行うことができれば

00:11:58.500 --> 00:12:04.200
AIにあらゆる種類の職種や実際の仕事のプロセスをどうこなすか教えられるようになります

00:12:04.200 --> 00:12:08.500
そうすればAIの実際の応用における実用性を大きく高められるはずです

00:12:08.500 --> 00:12:09.900
そしてその有用性もです

00:12:09.900 --> 00:12:13.700
なのでこれが私たちのプロダクトの目標の一つなんです

00:12:13.700 --> 00:12:17.100
它可以归类为数据标注行业

00:12:17.100 --> 00:12:18.800
我们不想把它称为数据标注行业

00:12:18.800 --> 00:12:22.900
我们更多是一个behavioral intelligence layer

00:12:22.900 --> 00:12:26.300
就是我们基于我们的数据渠道和真实数据

00:12:26.300 --> 00:12:29.000
可以构建一个类似于行为模型

00:12:29.000 --> 00:12:32.800
这个模型可以让AI的agent可以更高效

00:12:32.800 --> 00:12:36.900
更低价的去执行锤类的一个任务

00:12:36.900 --> 00:12:38.400
这个比起一个传统大模型来说

00:12:38.400 --> 00:12:40.000
它可能需要更少的步骤

00:12:40.000 --> 00:12:41.400
然后更少的token

00:12:41.400 --> 00:12:45.600
然后反而有锤类领域的一些专业知识和直觉

00:12:45.600 --> 00:12:46.700
可以做得更好

00:12:46.700 --> 00:12:49.100
所以这个其实也是在研究领域被验证的

00:12:49.100 --> 00:12:52.400
因为现在像亚马逊

00:12:52.400 --> 00:12:55.600
然后他们的research就做过一个shopping agent

00:12:55.600 --> 00:12:58.400
就是利用shopper的一个trace

00:12:58.400 --> 00:13:02.000
就是真实的购物者他的一些行为轨迹

00:13:02.000 --> 00:13:06.600
然后去训练AI的shopping agent

00:13:06.600 --> 00:13:08.600
购物agent

00:13:08.600 --> 00:13:11.100
实际的效果是比基础大模型

00:13:11.100 --> 00:13:12.100
让他去选择商品

00:13:12.100 --> 00:13:14.100
然后去完成整个购物的链路来说

00:13:14.100 --> 00:13:15.500
会有百分之二三十的提升

00:13:15.700 --> 00:13:19.100
所以这个其实是在一个锤子领域已经被验证的

00:13:19.100 --> 00:13:21.500
所以我们想从数据获取这端

00:13:21.500 --> 00:13:24.700
以及从infra的这个产品层面的构建

00:13:24.700 --> 00:13:29.100
都能够去产生一个不一样的一个结果

00:13:29.100 --> 00:13:32.400
然后帮助AI真的有效的去部署和执行

00:13:33.700 --> 00:13:36.400
那你希望可以把它卖给大模型公司

00:13:36.400 --> 00:13:38.200
让他们把这个通用的做得更好

00:13:38.200 --> 00:13:40.500
还是卖给具体的客户

00:13:40.500 --> 00:13:43.900
让他把他的那个工作流做得更好

00:13:43.900 --> 00:13:45.500
这个是有个先后顺序

00:13:45.500 --> 00:13:47.300
就是我们现在大模型的公司

00:13:47.300 --> 00:13:52.200
有很多的需求去购买这类的数据

00:13:52.200 --> 00:13:54.400
那也是能给我们带来早期收入吧

00:13:54.400 --> 00:13:56.000
那未来的话

00:13:56.000 --> 00:13:59.300
其实我们的愿景还是能够成为一个behavioral layer

00:13:59.300 --> 00:14:03.200
就是能够让这个基础大模型之上

00:14:03.200 --> 00:14:08.100
我们有一个类似于行为这个层

00:14:08.100 --> 00:14:10.600
可以让agent能够自主学习

00:14:10.600 --> 00:14:12.000
自己去学习

00:14:12.000 --> 00:14:12.900
从人的示范中学习

00:14:12.900 --> 00:14:14.900
从专家的这种经验来说

00:14:14.900 --> 00:14:18.000
可以就是服务于agent

00:14:18.000 --> 00:14:19.400
这样一个expert marketplace

00:14:20.700 --> 00:14:23.300
我也没想过服务agent

00:14:23.300 --> 00:14:24.700
对，因为未来的话

00:14:24.700 --> 00:14:30.700
其实agent会自己去寻找很多学习内容

00:14:30.700 --> 00:14:31.600
对，因为现在的agent

00:14:31.600 --> 00:14:35.500
其实你需要给它喂很多上下文

00:14:35.500 --> 00:14:38.400
告诉它很多的documentation以及skill

00:14:38.400 --> 00:14:40.600
但其实以后agent会自己去寻找

00:14:40.800 --> 00:14:42.700
我这类不懂或者没做过的

00:14:42.700 --> 00:14:44.800
我应该怎么去学习

00:14:44.800 --> 00:14:48.100
那这时候就需要一个拥有大量人类的

00:14:48.100 --> 00:14:51.300
这种示范和经验的库

00:14:51.300 --> 00:14:55.100
这个库是可以让AI来学习示范的

00:14:55.100 --> 00:14:56.800
然后它自己就能教自己

00:14:56.800 --> 00:14:59.400
去执行这些具体的工作

00:14:59.400 --> 00:15:01.000
因为其实每项工作都有人做过

00:15:01.000 --> 00:15:02.000
只不过这些数据

00:15:02.000 --> 00:15:03.600
现在没有被很好地留存下来

00:15:06.100 --> 00:15:09.000
我想一想，就是你觉得

00:15:09.100 --> 00:15:12.400
虽然模型比方说模型现在回答问题

00:15:12.400 --> 00:15:15.600
它有很多数据是来自它的训练集

00:15:15.600 --> 00:15:18.900
但也有一些内容是它现场上网搜索的

00:15:18.900 --> 00:15:22.000
然后你觉得之后agent

00:15:22.000 --> 00:15:25.000
做事情的那部分也会是这样吗

00:15:25.000 --> 00:15:25.800
对对对

00:15:25.800 --> 00:15:27.600
因为其实就像你现在

00:15:27.600 --> 00:15:29.300
如果作为开发者来说

00:15:29.300 --> 00:15:32.400
你不知道有没有现成的一个solution

00:15:32.400 --> 00:15:34.000
有没有现成的API和SDK的话

00:15:34.000 --> 00:15:35.600
你自己会上Github去搜

00:15:35.600 --> 00:15:36.800
其实这是类似的逻辑

00:15:36.800 --> 00:15:40.300
就是最后agent要学一门手艺类的知识

00:15:40.300 --> 00:15:42.000
一个具体任务人是怎么做的

00:15:42.000 --> 00:15:44.000
它也会去寻找对应的reference

00:15:44.000 --> 00:15:45.300
所以我们希望提供这样一个

00:15:45.300 --> 00:15:46.800
等于是说reference的一个system
つまり、referenceの一種のシステムということですね

00:15:46.800 --> 00:15:48.900
彼が素早く学習できるようにするための

00:15:50.800 --> 00:15:51.600
もう一度繰り返しますが

00:15:51.600 --> 00:15:53.700
つまり、あなたが思うに彼は～ない

00:15:53.700 --> 00:15:57.100
大規模モデルの会社は、すべてを自社のモデルに学習させ込むわけではない

00:15:57.100 --> 00:16:02.100
外部のreferenceが必要になるということですね

00:16:02.100 --> 00:16:02.700
そうです

00:16:02.700 --> 00:16:06.200
理由は、大規模モデルでそれを行うのは経済的でも効率的でもないからだと思います

00:16:06.200 --> 00:16:08.700
つまり、今、汎用モデル一つを使って

00:16:08.700 --> 00:16:12.000
あらゆる常務クラスのタスクを解決することは不可能だということです

00:16:12.000 --> 00:16:13.200
これが私の大きな判断です

00:16:13.200 --> 00:16:14.700
なぜなら、最近のあるresearchで

00:16:14.700 --> 00:16:16.400
agent last examというものがあって

00:16:16.400 --> 00:16:17.700
実は私たちも研究していますが

00:16:17.700 --> 00:16:19.700
それが比較しているのは

00:16:19.700 --> 00:16:24.000
おそらく150から200件程度の具体的な現実の職種で

00:16:24.000 --> 00:16:26.500
どれも比較的複雑なもので

00:16:26.500 --> 00:16:27.800
複数のソフトウェア操作を伴い

00:16:27.800 --> 00:16:29.200
複数のステップが必要なものです

00:16:29.200 --> 00:16:32.900
それらは実はfrontierのSOTAモデルでも

00:16:32.900 --> 00:16:34.600
one shotで

00:16:34.600 --> 00:16:38.000
end to endで通過できる割合はわずか2%程度です

00:16:38.000 --> 00:16:40.400
ですからこの部分について私は

00:16:40.400 --> 00:16:44.300
今後3～5年は一発ですべてをこなすのは難しいと思います

00:16:44.300 --> 00:16:47.400
私たちも、各分野にはそれぞれ独自の蓄積があるべきだと考えています

00:16:50.900 --> 00:16:51.600
もう少し続けます

00:16:51.600 --> 00:16:53.400
この件は本当にとても興味があるので

00:16:53.400 --> 00:16:55.800
なぜなら今見て分かるのは、彼が

00:16:55.800 --> 00:16:56.900
先ほど言った通りですね

00:16:56.900 --> 00:16:58.800
たとえ大規模モデルが質問に答えるときでも

00:16:58.800 --> 00:17:01.500
ある年からは、単に

00:17:01.500 --> 00:17:03.600
自分のモデルの学習室の中だけを見るのではなく

00:17:03.600 --> 00:17:07.200
外部のネット検索も見るようになったということです

00:17:07.200 --> 00:17:09.800
これは実は今後もずっと続いていくでしょう

00:17:09.800 --> 00:17:11.700
だから外部の新しい学習素材は常に役立つのです

00:17:11.700 --> 00:17:16.200
それで今、それをagentの行動レイヤーにまで広げているのです

00:17:16.200 --> 00:17:19.600
agentの視点に立つと

00:17:19.600 --> 00:17:21.400
そうですね、これはあなたがやっている方向性とも

00:17:21.400 --> 00:17:22.900
少しechoする部分がありますね

00:17:22.900 --> 00:17:25.400
つまり、あなたは実は人の社会的関係を提供しているわけです

00:17:25.400 --> 00:17:29.900
和这个社交这个资产 → And this social, this asset

00:17:29.900 --> 00:17:31.400
作为一个API → As an API

00:17:31.400 --> 00:17:34.800
或作为一个agent可以去铺的一个network → Or as a network that an agent can build out

00:17:34.800 --> 00:17:38.000
对然后我其实把大家脑海里的知识和经验 → Right, and I actually take the knowledge and experience in everyone's minds

00:17:38.000 --> 00:17:39.200
也做成这样一个network → And turn it into a network like this as well

00:17:39.200 --> 00:17:40.400
让大家可以去铺 → So that everyone can build it out

00:17:40.400 --> 00:17:42.100
对所以这个逻辑 → Right, so this logic

00:17:42.100 --> 00:17:43.500
我觉得是有相通之处的 → I think there are commonalities

00:17:43.500 --> 00:17:45.400
因为只要人存在吧 → Because as long as people exist

00:17:45.400 --> 00:17:46.200
他的关系 → Their relationships

00:17:46.200 --> 00:17:50.200
他的这个经验和这种专业判断和直觉 → Their experience, professional judgment, and intuition

00:17:50.200 --> 00:17:54.400
其实是很难被AI就是穷尽的去学完的 → Are actually very hard for AI to fully and exhaustively learn

00:17:54.400 --> 00:17:55.900
那我这时候我就冒出来一个想法 → So at this point an idea came to me

00:17:55.900 --> 00:18:02.500
就是这个专业的数据库 → Which is this professional database

00:18:02.500 --> 00:18:04.400
专业的行为层数据库 → A professional behavioral-layer database

00:18:04.400 --> 00:18:05.500
它已经不是知识层了 → It's no longer the knowledge layer

00:18:05.500 --> 00:18:06.900
知识层是别人解决的 → The knowledge layer has already been solved by others

00:18:06.900 --> 00:18:09.400
它是一个怎么操作电脑啊 → It's about how to operate a computer

00:18:09.400 --> 00:18:11.800
这么一个层次 → That kind of layer

00:18:11.800 --> 00:18:14.000
那是因为这个层次里面的数据 → Is that because the data within this layer

00:18:14.000 --> 00:18:15.600
它会产生很多动态的变化吗 → Undergoes a lot of dynamic changes?

00:18:15.600 --> 00:18:17.900
所以你要它是一个实时的 → So you need it to be real-time

00:18:17.900 --> 00:18:20.300
他说他只是因为常美 → He said it's just because it's so common

00:18:21.700 --> 00:18:24.400
这个东西不值得大魔星自己去内化的train → This thing isn't worth having the big model internalize and train on itself

00:18:26.100 --> 00:18:27.200
两方面都有吧 → Probably both aspects apply

00:18:27.200 --> 00:18:29.700
确实他太常为太分散 → Indeed, it's too common and too scattered

00:18:29.700 --> 00:18:31.800
所以你没法学所有东西 → So you can't learn everything

00:18:31.800 --> 00:18:34.100
然后第二个就是说 → And secondly

00:18:34.100 --> 00:18:39.300
他其实也是一个需要很多reasoning的一个行为 → It's actually also a behavior that requires a lot of reasoning

00:18:39.300 --> 00:18:41.400
因为人在操作不同的软件 → Because when people operate different software

00:18:41.400 --> 00:18:43.500
不同的这个键盘鼠标操作的时候 → And perform different keyboard and mouse operations

00:18:43.500 --> 00:18:44.400
他其实会想吧 → They actually think about it

00:18:44.400 --> 00:18:46.900
每一步他其实经过了一个思考 → Every step actually goes through a thought process

00:18:46.900 --> 00:18:51.400
然后说我考就是考察哪些信息 → Then it's like, I'm considering, what information am I examining

00:18:51.400 --> 00:18:53.300
然后就是take into account对吧 → And then taking it into account, right

00:18:53.300 --> 00:18:54.500
考虑了哪些因素 → What factors were considered

00:18:54.500 --> 00:18:56.600
然后我和谁可能还沟通什么什么内容 → And then who I might have communicated with about what

00:18:56.600 --> 00:18:58.800
然后最后才做了这个案件 → And only then did I finally complete this case

00:18:58.800 --> 00:19:00.800
去提交或者说去分享对吧 → To submit it or share it, right

00:19:00.800 --> 00:19:04.200
然后这个过程中其实有很多很多的复杂的 → And in this process, there's actually a lot, a lot of complexity

00:19:04.200 --> 00:19:07.500
これがまさにマルチスタンプのシンキングチェーンです

00:19:07.500 --> 00:19:08.800
中に一つの思考の連鎖があります

00:19:08.800 --> 00:19:13.900
この部分は実はまだうまく捕捉・記録されていないんですよね

00:19:13.900 --> 00:19:17.100
なのでみんなの操作ログとは別に

00:19:17.100 --> 00:19:21.800
この生データに付随するこの層も持たせたいんです

00:19:21.800 --> 00:19:23.800
最終的にAIに渡せるようにして

00:19:23.800 --> 00:19:25.300
私は似たようなタスクに遭遇した

00:19:25.300 --> 00:19:27.900
人間と同じようにこう考えることを学ばせられないか、と

00:19:27.900 --> 00:19:29.300
OK

00:19:29.300 --> 00:19:31.100
あなたはイェール卒業なので

00:19:31.100 --> 00:19:33.700
学部から渡米されたんですか

00:19:33.700 --> 00:19:34.100
そうです

00:19:34.100 --> 00:19:35.600
高校の時にアメリカに来ました

00:19:35.600 --> 00:19:36.900
高校で渡米

00:19:36.900 --> 00:19:39.900
それで私たちの年齢からすると

00:19:39.900 --> 00:19:43.700
元々大模型企業にいる同級生も多いのでは

00:19:43.700 --> 00:19:44.100
そうです

00:19:44.100 --> 00:19:48.400
つまり起業家としてのネットワークの観点では

00:19:48.400 --> 00:19:51.900
多くのリサーチャーと接点があるので

00:19:51.900 --> 00:19:55.600
彼らは異なるフロンティアラボの間にいますよね

00:19:55.600 --> 00:19:55.700
そうです

00:19:55.700 --> 00:19:59.200
それから外部のadvisorにmachine learning at scale AIの方がいて

00:19:59.200 --> 00:20:02.700
彼のネットワークや教え子も多くがフロンティアラボにいます

00:20:02.700 --> 00:20:02.900
そうです

00:20:04.300 --> 00:20:07.600
なので過去の起業経験からすると

00:20:07.600 --> 00:20:09.900
企業顧客を開拓する能力があり

00:20:09.900 --> 00:20:12.500
かつパーソナルな人脈もあるので

00:20:12.500 --> 00:20:17.200
大模型企業にアクセスできるわけですね

00:20:17.200 --> 00:20:19.300
最初に話していたその収益化のニーズです

00:20:19.300 --> 00:20:20.100
そうです

00:20:20.600 --> 00:20:22.500
そして実際に彼らと直接やり取りもしました

00:20:22.500 --> 00:20:24.300
だからそのニーズは本物です

00:20:24.300 --> 00:20:24.500
そうです

00:20:24.500 --> 00:20:25.700
これは非常にリアルなニーズです

00:20:25.700 --> 00:20:29.700
最近得た情報によると、Salesforceのような会社は

00:20:29.700 --> 00:20:31.500
二十万ドルを費やして

00:20:31.500 --> 00:20:35.400
二十件の操作軌跡の長いスレッドデータを購入しました

00:20:35.400 --> 00:20:38.500
つまり自社のソフトウェアでタスクを完了させるものです

00:20:38.500 --> 00:20:43.100
そしてそのような高品質な軌跡一件で一万ドルの価値があるんです

00:20:43.100 --> 00:20:43.600
そうです

00:20:43.600 --> 00:20:48.800
然后其他所有的很多公司都需要这样的操作轨迹来训练他们自己的AI translates to: そして他の多くの企業も、自社のAIを訓練するためにこうした操作の軌跡データが必要になります

00:20:48.800 --> 00:20:54.400
なのでこれが私たちが考える次の大きなチャンスでありボトルネックだと思います

00:20:54.400 --> 00:20:59.000
つまりAIが本当にLong HorizonのいわゆるAGIという目標を達成しようとするなら

00:20:59.000 --> 00:21:01.800
やはり大量の人間の経験が必要になります

00:21:01.800 --> 00:21:05.300
それを示範してAIに教えていく必要があります

00:21:05.300 --> 00:21:07.000
なのでこのニーズは非常にリアルなものです

00:21:07.000 --> 00:21:07.500
そして

00:21:07.500 --> 00:21:10.800
次のステップとして、実際にそれを行う人材を見つけることにも関われます

00:21:10.800 --> 00:21:11.300
そうそうそう

00:21:11.300 --> 00:21:11.600
そうです

00:21:11.600 --> 00:21:11.900
そうです

00:21:11.900 --> 00:21:12.100
そうです

00:21:12.100 --> 00:21:17.300
今はまさに、そうした製品の初期プロトタイプの構築に専念しているところです

00:21:17.300 --> 00:21:19.400
そしてできるだけ早くローンチしようとしています

00:21:19.400 --> 00:21:22.300
そして最初のバッチの契約を販売しようとしています

00:21:23.700 --> 00:21:25.100
かなりマッチしているように感じます

00:21:25.100 --> 00:21:28.500
以前もオンラインでのバーチャル世界の採用のようなことをやっていたので

00:21:28.500 --> 00:21:32.500
これはなんだかとても似ているように聞こえます

00:21:32.500 --> 00:21:32.800
そうです

00:21:32.800 --> 00:21:33.100
そうです

00:21:33.100 --> 00:21:33.400
そうです

00:21:33.400 --> 00:21:33.600
そうです

00:21:33.600 --> 00:21:37.400
つまりこれは私の以前の興味や背景とも一貫性があるんです

00:21:37.400 --> 00:21:41.400
そして私たちも、比較的プロダクト化された標準的なソリューションを持ちたいと考えています

00:21:41.400 --> 00:21:44.300
規模を持ってsourceしexportできるようにするためです

00:21:44.300 --> 00:21:46.000
そして彼らに対応するインセンティブと報酬を提供します

00:21:46.000 --> 00:21:47.900
そして彼らがオンボードできるようにします

00:21:47.900 --> 00:21:50.300
そうすれば私たちも比較的柔軟に

00:21:50.300 --> 00:21:52.400
異なるニーズに応じて

00:21:52.400 --> 00:21:54.100
異なる専門性をsourceすることができます

00:21:55.300 --> 00:21:55.600
そうです

00:21:55.600 --> 00:21:56.800
これはとても似ています

00:21:56.800 --> 00:21:59.600
なぜならあなたが以前担当していたのも基本的にトップクライアントだったからです

00:21:59.600 --> 00:22:01.700
トップクライアントには採用予算があります

00:22:01.700 --> 00:22:02.300
では今はどうでしょうか

00:22:02.300 --> 00:22:04.000
このモデル企業にも採用予算があります

00:22:04.000 --> 00:22:05.200
なので彼らはお金に困っていません

00:22:05.200 --> 00:22:05.800
そうそうそう

00:22:05.800 --> 00:22:09.900
なぜなら各モデル企業は基本的にone billionの予算を持っているからです

00:22:09.900 --> 00:22:11.700
データ調達の分野において

00:22:11.700 --> 00:22:11.900
Right

00:22:11.900 --> 00:22:13.700
And this part is actually very certain

00:22:13.700 --> 00:22:15.000
It's also a very large market

00:22:15.000 --> 00:22:15.500
They lack people

00:22:15.500 --> 00:22:18.000
And then that recruitment event, on the other side

00:22:18.000 --> 00:22:19.100
People coming to look for jobs

00:22:19.100 --> 00:22:20.000
Right, right, right, right, right

00:22:20.000 --> 00:22:22.600
So actually dating is similar too

00:22:22.600 --> 00:22:24.000
It's also a two-sided market

00:22:24.000 --> 00:22:24.200
Right

00:22:24.200 --> 00:22:25.600
So I think a marketplace

00:22:25.600 --> 00:22:29.900
Is still part of my architecture and approach to entrepreneurship as a product manager

00:22:29.900 --> 00:22:30.300
That is

00:22:30.300 --> 00:22:30.900
Oh no, oh no

00:22:30.900 --> 00:22:36.300
Isn't this the common dream of product managers with a China industry background

00:22:36.300 --> 00:22:38.900
Would people think we're outdated

00:22:38.900 --> 00:22:39.600
I don't think so

00:22:39.600 --> 00:22:42.700
Even in the AI era, there's still wisdom in this kind of marketplace

00:22:42.700 --> 00:22:44.100
And once a marketplace gets started

00:22:44.100 --> 00:22:45.600
It still has a flywheel effect

00:22:45.600 --> 00:22:48.000
So it will have relatively fast growth

00:22:49.000 --> 00:22:53.100
My feeling is that the people around us all quite like this network

00:22:53.100 --> 00:22:53.500
And so on

00:22:53.500 --> 00:22:56.300
But some people think this is something mobile already finished

00:22:57.700 --> 00:22:59.100
Right

00:22:59.100 --> 00:23:00.800
How do you see this—are we old-school

00:23:00.800 --> 00:23:04.600
Or is it actually the next-generation product opportunity that should emerge

00:23:06.100 --> 00:23:07.200
I think there is an opportunity

00:23:07.200 --> 00:23:09.900
Otherwise the two of us wouldn't be sitting here discussing this topic

00:23:09.900 --> 00:23:12.000
Doing similar things all involve network, right

00:23:12.000 --> 00:23:13.400
Directions with potential

00:23:13.400 --> 00:23:20.600
But I don't think every field or direction is suitable for solving with network

00:23:20.600 --> 00:23:20.800
Right

00:23:20.800 --> 00:23:23.100
So for example, some vertical AI of the hammer type

00:23:23.100 --> 00:23:25.100
It may not inherently have a network effect

00:23:25.100 --> 00:23:28.000
It may just need to be forward deployed and implemented one by one

00:23:29.000 --> 00:23:30.800
Mainly it's another point of view

00:23:30.800 --> 00:23:33.100
As soon as you hear this, it sounds very mobile-internet, very outdated

00:23:33.100 --> 00:23:33.400
Right

00:23:33.400 --> 00:23:35.600
Your mind has been solidified by mobile internet

00:23:35.600 --> 00:23:37.400
这也是很常见的观点

00:23:37.400 --> 00:23:38.100
你怎么反驳

00:23:39.900 --> 00:23:42.600
我觉得还是要去从第一线原理出发

00:23:42.700 --> 00:23:44.600
就是说到底解决这个问题

00:23:44.600 --> 00:23:47.300
用什么样的架构和方式最好去解决

00:23:47.300 --> 00:23:47.400
对

00:23:47.400 --> 00:23:50.600
然后我们现在看到这类数据瓶颈

00:23:50.600 --> 00:23:55.400
其实是比较分散的long tail的supply

00:23:55.400 --> 00:23:56.900
其实是比较适合用这个架构来解决的

00:24:01.700 --> 00:24:03.400
那你接下来都会呆在美国

00:24:03.400 --> 00:24:03.600
对

00:24:03.600 --> 00:24:05.900
我现在就relocate base在旧金山这边

00:24:07.800 --> 00:24:08.300
好

00:24:08.300 --> 00:24:09.300
还有什么想聊的

00:24:09.300 --> 00:24:09.500
好

00:24:09.500 --> 00:24:11.100
差不多就分享到这里

00:24:11.100 --> 00:24:11.400
谢谢
