Subscribe
Share
Share
Embed
课代表立正的官方Podcast
深度访谈，有用干货，亲身验证的「真本事」
Superlinear Academy创始人，Maven Top AI Instructor
前Statsig布道师（OpenAI收购），腾讯副总监，Meta，Amazon；康奈尔经济学博士
社区：Superlinear.Academy
课程：ai-builders.com
个人：lizheng.ai
在美国的这个大学的话
经常会把这个实验室当中的
这个电脑啊
丢到这个楼下的垃圾箱去
后来我们当时就是蚂蚁搬家似的
就基本上拼拼凑凑拼了大概6台机器
这个机器的话
就是我们就放在宿舍里面
就经常会把这个宿舍的电给搞爆
所以当时是你是已经开始去找工作
工作且在这里业余创业
对
就上一波AI这个
大家盈利的这个独特业态
哈哈好
hello欢迎灶爷
hello感谢课代表同学的邀请
哈哈哈你先做一个自我介绍呗
好那个大家叫我TQ就可以了
就是我的网名其实叫灶爷
我现在是这个Huhu AI的CEO
然后这个其实是一个
主要是帮助这个时尚行业
去做这个AI的option（解决方案）的一个公司
在做这家公司之前的话
这个实际上我第二次创业了
第一次创业实际上是在2011年
12年的那个时候
当时做了一家公司叫Orbeus
主要是做这个计算机视觉API这一块的这个公司
然后15年的时候
就被亚马逊给收购了
所以后来就加入了这个Amazon
我稍稍做了一下研究
收购是50 million收购的
差不多对
然后你们当时融了大概三次的资
也是就融了可能100万
总共加起来
可能大概是接近500万美金左右
500万美金的融资
就是被收购了
应该退出的很爽了吧
就是小赚了一点点
小赚了一点点
对请继续
就是你到了亚马逊以后
对我们到了亚马逊之后的话
其实主要做的工作是
现在Amazon有一个
就是计算机视觉的一个平台
叫做Rekognition
所以就是
大家其实用AWS上面
这个计算机视觉服务的话
那个大概率
是我们当年搭下来的这个东西
所以我们在亚马逊就呆了三年半
后来就到了这个
西雅图的一家做这个摄像头的start up
叫Wyze
然后我在Wyze那一块的话是做CTO
并且就是帮他建这个技术团队
开始进去的时候是我一个人
然后我最后走的那个时候大概是150多
150多人然后就
主要还是负责它这个整个AI技术栈的
这个搭建
还有这个技术团队的这个搭建这一块
我们Wyze也是西雅图这边非常厉害的一个
这个start up了
我家就有好多Wyze的产品
对
然后你搭这个技术团队
都是在西雅图招的人吗
还是在国内
没有一半是美国
一半是中国
你一开始做的这个Rekognition的
这个就是CV的这样一个startup
那个时候是非常非常早期
2011年那个时候
AlexNet 是2012年
2012年出的
NIPS
对
所以说你那个时候就是属于在发展的前夜
当时是怎么想到的去创这里的业呢
实际上这个事情
我觉得是有运气的成分在的
因为我是在07年的时候开始
初次开始接触这个computer vision
所以当时
实际上那个时候computer vision这个状态
大家可能学这行都知道
就大家可能聚焦都是SVM什么这种
就是这种比较偏线性的
就是这个linear regression这种方面的东西
对
然后在当时那个computer vison
包括说这个neural network这个事情
在我们的那个课程当中
基本都是一个选修课
就是我们没有强制说
一定要修到那个东西
只是给你一个知识点而已
用不上
用不上对
所以当时我印象当中记得这个事情
是说我07年的时候开始学这个
后来我发现说我当时在
因为我是哈工大毕业的
然后我那个lab当中
就是当时其实提到说
大家毕业之后的这个出路
我发现说绝大部分这个师兄师姐
大部分其实都是随着这条路做研究做下去
就是就业这一块的话
就相对来讲其实并不是特别好
没有什么用武之地嘛
就没有用武之地
主要是因为是当时的那个
整个技术水平上面
相对来讲是比较差的
我记得当时我在波士顿
就是2011年的时候在MIT
当时我记得李飞飞是有过一次这个演讲
然后当时其实就提到说
那个时候ImageNet的那个竞赛
各种也才刚出来嘛
所以整个准确率上面来讲
那个时候的说法可能也就是说40%多平均
（40多我以为70多）就是你flip the coin都没有
然后当时12年这个事情是变化很大
12年因为有AlexNet
AlexNet你说他的performance好吗
那其实也没多好
在那个时候算起来
平均下来也就是64我记得
所以
就是比那个flip coin稍微要强一点
对当然他那个类别也是比较多
也不能完全说是fake point
但是整体上面来讲的话
就是说这个整个technology
其实我觉得就一直到2016年
就是Resnet
就是这些出来以前
整体上面来讲的话就是是有进展的
比过去做这个SVM做这些东西有进展
那没进展到那个完全的production ready的那个程度
那个阶段
我们之所以选择这个事情的话
非常简单的一个原因
并不是说因为我们看到了2012年
就是预言家能出来
对就是AlexNet能出来
而是纯粹是因为我2011年的那个时候
觉得说
我们当时那个实验室的项目
过于boring了
所以说呢
所以说萌生的就是说不想读PHD
然后开始做自己的一个项目
的一个想法
而自己我当时就是
因为一直都是在学校呆着嘛
所以我能做的项目也有限
也只能做computer vision
我记得之前采访郭宇
他就说人的大选择
其实很多时候都不是自己选的
对大选择基本都是命运推着你走的
对这边我可以展开一下
就我当时在波士顿大学读博士
其实我读到了第二年
第二年当时就是因为美国这块的
这个读博士嘛
所以很多他的那个项目其实都是这个NSF的
这个funding去support
就是他这个NSF的
这个funding的话
他基本上会定向的
支持某一些这个项目
所以当时我赶上的那个项目的话
是做一个Multi object tracking的这个东西
就是说多目标跟踪
在计算机视觉当中
做多目标跟踪的这么一个话题
那这个话题本身的话
我觉得像现在
后来你看嘛
像Amazon go像很多这种新的这种应用
它其实也会应用到这块的这个技术
对但是回到那个2012年的话
我们当时那个实验室的那个应用
是什么呢
是去track
就是那个在德州有一个那个蝙蝠洞
那个里面就有很多的那个蝙蝠
在一个时间点就能够飞出来
所以当时为了就是去做这个技术
相当于说用这个技术
就是去检测这个动物迁徙的这个轨迹
所以就是基本上
你每天可能在德州的那个草坪那边
你架着一个这个相机
对着那个蝙蝠洞拍照
然后接着你把那个视频拿回去之后
接着就是去做这个视频的这个分析
所以当时做这么一个项目
那这个项目的话
我觉得
第一个是听说这个德州的蚊子比较多
哈哈哈
然后第二个的话是
当时就是这个项目
因为听上去就是
毕竟我觉得商业化应用上面
就是当时还是存在一些这种怀疑的
对所以在这种情况下的话
我当时是要面临一个选择
就是因为在那边读书的话
只要考完这个qualify（资格测试）
就博士的qualify（送个master）对
就是他有一个选择
就是说你可以选择就拿master走人
或者说继续跟着做这个研究
那做研究的话
就是这么一个确定的主题
我当时就是说主要的一个考虑因素
就是这个主题我可能不太感兴趣
尤其蚊子又多对
哈哈哈所以后来我就选择了自己
应该说当时其实挣扎了下
还去找工作了
对其实还去找工作
这是一般人的路径吧
就是quit master找工作
尤其那个时候你编程
就是虽然deep learning没有起来
但是对去个大厂应该还是
对对对对
当时其实就找工作其实也算比较顺利
但同时我们在找工作的时候
因为当时是OPT身份
所以在美国这块读书的同学
可能也知道
OPT的时候是比较flexible（灵活）的
就是你基本上可以有多份工作
这个也没有什么特别大的问题
然后所以当时业余爱好的这个
就做了一些事情
当时因为在美国的这个大学的话
经常会把这个实验室当中的这个电脑
就是丢到楼下的这个垃圾箱去
就是Dumpster里面
而且他垃圾堆很干净
就在可回收的那个部分
在可回收的那个垃圾的那个部分的话
你经常可以就发现一些
这个电脑零部件
所以后来我们当时就是蚂蚁搬家似的
就基本上拼拼凑凑
就是和我的当时另外一个合伙人
拼了大概6台机器
就是6台服务器吧
然后这个机器的话
就是我们就放在宿舍里面
就经常会把这个宿舍的电给搞爆
做一个cluster computer
cluster对
那个时候如果拿来挖币的话
哈哈哈噢
当时拿来挖币肯定是很好的
就但是没想到那个嘛
就是对没有想到那个
那当时那个6台机器就是组起来之后
而且那个时候
实际上还有一个大的背景
就是很多这种就是云计算的
这种开源项目
刚刚出来
就包括说像Google的话
就是大家也知道说大概是零几年0405年
或者是什么
当时像Bigtable
然后这些MapReduce这些项目是吧
这个是零几年的这个论文
但是开源项目的话相对来讲比较滞后
所以大致就是到了10年11年左右
很多人其实那个时候在讨论
大数据的这个东西
所以当时实际上有很多这种开源项目
包括说一些RPC的这种Protocol等等
其实都是在那个时候开源的
所以我们当时后来就在想
就是这些开源项目的话
能不能就是把computer vision这个算法
通过这种开源项目
就这种云计算这种开源项目
给它也组合成一个cluster
然后拿去Serve这个外界的一些
这个实际的这个request
噢你这完全就是各种云服务的
这个Rekognition
就是前身
对其实是一个云服务的这个前身
对但当时没想那么多
当时只是觉得说把这个东西拼起来
然后在cluster当中跑出来是吧
我们那个时候的最早的一个界面
也非常简单
其实就只有一个网页
然后那个网页上面的话
就是界面基本跟Google长得一样
就你想象一下那个Google那个搜索框
把上面那个Google logo给换成Orbeus logo
就一样的
然后用户可以在那个地方
就是上传一个这个图片
就是可以上传人的图片
可以上传物体的图片
然后呢
那个网站会告诉你图片里面有什么
其实最早的一个服务就是这个
哦但是那个时候
因为其他的云服务还没有到位
所以说你们自己搞这个
应该也是很需要技术的吧
就是很多后端
服务器这些东西
包括serving（模型服务）啊infra（基建）
我觉得确实就是他需要做不少这种research
但当时其实也是感谢的
像Facebook Google这些大厂
当时大家还是很有这种开源意识的
不像现在
现在
可能大家都要把大部分的这个项目
给藏着是吧
就防止Open AI之类的东西出来
像当时我记得那个时候有RPC
我们就直接用了那个Facebook开源的
那个Swift
然后去搞
然后包括说我们那个整个这个cluster的这个storage
那个时候我们就还是用了Hadoop
用的这些就是七七八八的
像那种数据库上面是吧
我们就Bigtable替代
我们当时其实可能也用了cassandra
用了一些这个
其他的这种开源项目去做
所以那个时候实际上整个开源软件
我觉得那个生态还是比较繁荣的
而且那些软件还相对比较好用
确实是花了一点点时间
但是呢当时量也不大
后来量大了之后确实崩溃了很多次
那个时候量也不大
所谓量也不大
但是也把宿舍的电给搞崩好多次
是后来我们基本在加州
当时最后后来这个公司
我们就搬到一个加州Mobile house里面去
所以在那个Mobile house里面的话
我们把所有的这个服务器
放到了一个那个Mobile house的barn house里面去
就仓库里面
然后那个仓库的话
就是那个电也是非常有限的
后来也经常被警告说
你们这个服务器这么放的话
可能会发生火灾
在那边基本上host了大概大半年左右
好
所以当时你是已经开始去找工作
工作且在这里业余创业
对当时实际上是一边找了工作
然后当时找工作的这个同时的话
比如晚上周末其实都有时间
而且那个时候
其实美国的工作没有现在那么卷
绝大部分的时候的话
晚上周末你还是有大把的这个时间
确实 然后搞自己的这个事情
所以当时其实就一边工作
一边做这个项目
那这个项目本身
后来为什么会把工作辞掉呢
就主要的一个原因是
这个项目后来似乎是get了一些traction
就是包括我们参加一些波士顿本地的一些
这个创业大会
然后包括说后来我们申请这个Incubator（孵化器）
正式的这种像Techstarss
然后我记得
当时我们应该是第一个华人项目
进了那个Techstars的
然后YC的话
我们进了这个final list
就是之前
应该也没有任何华人项目进过这个YC
在11年12年那个时候
所以后来是因为我们拿了Techstars的offer
然后他给了
一个这个投资者协议
所以那个时候我们就面临一个决定
如果我们take了这个钱的话
那就意味着说
那我们就得全职开始创业是吧
然后如果我们不take的话
那代表我们基本上放弃了这个机会
那时候用户大概是多少
没有什么用户
就是基本上是0
我们都不能叫用户
因为我们都没有注册系统
其实就只有一个traffic
有traffic
但是也有traffic 一点点
有traffic一点点
但那个时候我们甚至都没有说
在measure那个traffic什么的
我们就经常发现的时候
把那个宿舍的电给搞断了
就只知道有用（户）
就是如果一旦停电
我们就知道说有用户哈哈哈
靠电量来measure
而且是一个开关来
哈哈
然后后来就决定
怎么决定创业了
这个决定当时好做吗
基本上后来唯一要做的决定是
我们是否去take这个incubate的这个投资
当时是三个人嘛
然后就合计了一下
合计了一下
我们基本上得出一个结论
就是说你工作这个事情
那个时候在美国还相对比较宽松对吧
要找的话也很容易对吧
你今天就是这个工作辞了
你做点别的
明天再找
也是相对比较容易的
但是就是说进这种就top incubator的
这个机会其实不多的
对所以我们当时合计了一下
就是说这个事儿怕我们将来会后悔
所以
我们后来就决定去take这个incubator的
这个事
当时竞争激烈吗
还是因为你们这个东西实在太惊艳了
所以说就piu～给他们一看
他们就说来来来
那个时候确实是
那个时候连AlexNet都没出来
那个是2012年的
这个三四月份的时候
连AlexNett其实都没出来
那你们这个detection（检测）用的
背后用的算法是什么
我们当时其实就是最传统的那种
像SVM（支持向量机）什么的这些东西
就是老的这种方法去做的
哦～那好你们这个service
站在了整个算法发展的这个风口上
最前沿的
应该说是这个整个AI
就上一波起来的这个一个风口上面
就是在那个前夜
哇哦
哈哈哈哇哦！
因为恰好命运推上你走向了这个项目
然后这个项目
你又有足够的工程能力
去把它实现出来
然后包括你刚刚说的那个很简单嘛
就是Google的页面
是吧
但这个东西我知道想把它做到简单
尤其想做到focus其实还是挺难的
因为你会遇到各种各样的诱惑
对吧
你在做这个过程中
你可以拿这个技术做很多事情
但是
你选择只给这么一个simple的interface
当时是怎么样子选做一个简单focus的东西
versus做很多乱七八糟的东西
因为这个事情就简单来讲的话
就是你可能很多人听过这个
刺猬跟狐狸的故事嘛
有一种人的话是狐狸一样的人
狐狸一样的人的话
就是说狐狸的攻击方式非常灵活
他可以根据这个环境
来决定不同的这个攻击策略
或者是躲避的这个策略
包括躲闪天敌
但是刺猬的话
他只知道一件事情
就是遇到任何事情的这个时候
不管是攻击还是防御
他就把自己蜷成一团
变成一个刺
所以这个是刺猬的这个防御方式
所以我们当时对自己的认知
包括说我当时合伙人就是
也是偏技术的
大家的认知就是说
我们基本是一个刺猬型的人
不是狐狸型的人
你们那个时候就有这个比喻吗
那个时候没有
是后来总结下来的
那那个时候就觉得说我们是学这个的
其他东西我们也不懂
就是因为我们确实也没有能力
做出其他的
这个决定
就是你想
我们是一直都是在学校里面
然后07年到12年
硕士博士
就是各种
其实都是做这个computer vision
中间我们没有过怎么去太多的接触
其他的这个产业
包括社会之类的
是吧
所以整个眼界从各方面来讲的话
基本上聚焦了
就是我们的这个研究方向
很多人是这种情况
但是他没有这样的认知
就对自己会有过高的估计
know yourself还是挺难的
但这个事情我觉得说就
其实就看你想不想
一种人肯定是希望
就我觉得刺猬型的人吧
典型的可能是希望
待在自己这个熟悉的这个领域当中
就是做擅长的事情嘛
然后狐狸型的这种人的话
他会去试探一下不同的一个机会
我就是这样的人 狐狸型的人哈哈哈
这个挺好的
挺好的
知行合一
哈哈哈
知行合一
就是狐狸型
这种人的话
他基本上是一边行动
一边把自己的认知跟行动align起来
是
对吧
那刺猬的话
是一个他的认知催着你去行动
然后逐渐再达到一个统一
我觉得他出发点可能不大一样
确实
确实很多东西
我的出发点是为了提高自己的认知
我知道这个东西我不会
所以说我想要去做
我有的时候是这样
有意思我第一次听到这个比喻
我觉得这个比喻还是挺清楚的
好那我们继续往前
把故事往前走
就是那你现在开始呃
收了钱了
然后开始做了
接下来呢
你们就是一个用户量平稳增长
然后这个背后的技术平稳增长
然后增长到一定程度被收购了吗
其实没有
用户量也没有太多的增长
哈
但是会被收购了
但我觉得这个是属于十多年前
这个低利率时代的
这个独特的这个现象
现在没有了
那肯定
现在这波这波是没有了
我们现在讲的就是黄金年代
是什么样子的
黄金年代就是你只要会coding
你的coding能力很强了
就coding能力到了你这种程度以后
工作随便找
然后创业
很多东西都可以做得好
但我觉得不完全是这样的
因为我觉得
这个
其实跟这个整个大环境是有关系的
就我觉得
一个是从大的经济背景上
就现在是上帝视角
当时是一个低利率年代
对吧
我说的就是那个年代
对就是那个
当然这个是有关系的
就是说我们现在是一样的这种条件
是吧就是我觉得
现在不太可能跟那个时候做到一样的
这个业态
就我简单的来讲吧
就当时的
那个情况是说
它的这个低利率的这个时代
导致这个投资相对来讲就是比较激进
投资这块
投资环境好
投资相对比较激进
投资比较激进的这个情况下
而AI这个技术本身
在上一波它达到这个实用的这个范围
其实并不大
就是包括我前面说的
就是说AlexNet
它能够boost（提升）这个Rekognition的performance（性能）
但这个performance boost（性能提升）其实并不多
就完全没有到
这个production ready（用于生产环境）的这种程度
或者说甚至不如说
远比现在的这个generative AI（生成式AI）这个东西
就是没有这么惊艳的
这是第一个
那第二个的话
就是说如果说这些公司它的这个技术
它并不是一个production ready
甚至说我觉得在2017年以前
它其实都不是一个production ready的
一个状态的话
那就这上一波这个AI
这些公司怎么赚钱呢
所以这里其实就涉及到一个
就上一波AI
这个大家盈利的这个独特业态
它其实并不是通过卖产品来赚钱的
而是通过卖公司来赚钱的
这个事情是我们卖了之后回头再看
我们发现这个事情是对的
但是在卖之前我们没意识到这个事情
还是非常认真的在做这个产品和技术
这个事情本身
为什么会出现
说大家以卖公司作为盈利呢
其实我们就是说你再回顾一下历史
12年的这个时候是AlexNet出来
后来的话那个Hinton
Geoffrey Hinton的这个公司就是叫DNN network
就已经被Google收购了
当时还有一个故事
是在滑雪山庄里边
然后大家过来
你知道这个故事吗
可能知道
我不知道
大家bid就是Microsoft Google
应该还有其他公司就是在那bid
然后就是Hinton
一开始可能说就是两三百万
三四百万
然后他们bid至10 million
20 million 40 million
好像叫到四五十million的时候
还是四五百million的时候
Hinton说不不不
行了行了
就Google吧
就是crazy
但是后来就是
我记得应该是听Lex的访谈
或者说怎么样
就是那个年代
大家突然发现了一件事情
就是你在AI上投入的ROI
是这样上升的
所以说你投入越多
赚的钱越多
因为推荐算法什么
这些都有了（对对对是的）
当时的这个情况是
基本上我们后来总结下来
就是说
以当时这个算法的这个能力来看
就天花板来看的话
就是说绝大部分的这种创业公司
它不太可能会有这种Killer App（杀手级应用）
或者是这种应用出来的是
所以那个时候
其实我们那个时代看下来的话
其实并没有一个真正意义上就是成功
商业化的这个纯AI公司
头条算吗
这个不完全算
不完全算
就是他那个实际上是从这个推流
它其实主要还是通过做APP
做Mobile这一层
很多人说就是过度简化的版本
是觉得头条它的成功
是来源于它背后的算法
你算法推一切
它应该是Mobile
我觉得他走的是Mobile这个trend
有道理
就是mobile替代这个传统这个web的这么一个trend
所以它走的是这个
我不觉得说它是AI
AI只是说在这个当中
起到了一个推波助澜的作用
这个实际上跟我们后来被亚马逊收购的契机
也有一定相似的这个地方
就我们自己
作为一个小公司
其实也是找了很多很多这种应用
只有这个算法
或者说在这个特定的这个constraint（约束）下面
就怎么样能够让这个算法
就是能够真正的商业化
但其实我们做了四年左右时间
其实也没有太成功
当时实际上就是说
我刚才说要收购这个事情
就是Hinton那边的话
就是在12年的时候
其实是Hinton的公司被收购
我记得当时还有那个CMU（卡内基梅隆大学）的PittPatt
然后那个也是做人脸识别的公司
还有Facebook收购了Face.com
是一个以色列的这个公司
然后接下来的话
就是说这波这个热潮
就是后来你发现这个五年之内
就一直有公司这样的公司被收购
都是买到大厂当中
这个事情直到说17年的时候
这个事情基本上终结了
17年的时候
当时有一个标志性的事件
是英特尔收购了Mobileye
在这个之后就很少再见到
就上一波的这种AI公司
就是走收购的这个路线
基本这波终结了
但为什么那个时候
AI公司有退出的机会呢
最主要原因是绝大部分大厂
他意识到AI这个事情
可能能够power其中一部分这个应用
或者说这个是一个趋势
但是呢就是大厂内部原生的这个AI团队没有
这个时候
最省力最省钱的这个方法
就是直接把外头看起来技术比较靠谱的
这个创业公司给买进去
他们买的也不是你的产品和技术
而是人
最主要是人和这个能力