摘要

Surge AI从2020年起步、零融资做到10亿美元营收。 GPT-3发布后，创始人Edwin用了“几周时间”亲自做出V1，随后发在博客上；公司第1个月就实现盈利，且没有销售团队。他拒绝以300亿美元、甚至1000亿美元出售公司：“我绝对不会以300亿美元、甚至1000亿美元出售……被收购就等于承认失败。”
Edwin认为，竞争对手本质上是“披着科技公司外衣的人力外包商”：靠简历筛选招来一批“人肉劳动力”，没有衡量或提升数据质量的办法。 质量控制是真正的对抗性问题：CS专业毕业生中有一半“连代码都不会写”，而会写的“会想办法骗你”——把账号卖到海外、用LLM生成数据。
他对AI进步瓶颈的排序是：数据质量第1，算力第2，算法第3。 拿算力硬砸垃圾数据，只会带来“并不存在的进步”——各家实验室反复在6-12个月后发现，训练数据和评测数据都是垃圾，有些模型甚至比起点更差。LM Arena就是典型：投票者奖励emoji、加粗和篇幅，而排行榜第1的模型坚持认为Pope Francis还活着。
合成数据被高估了：大量用合成数据训练的模型擅长“合成问题，而非真实问题”；客户告诉他，“1000到2000条真正高质量的人类数据……价值高于1000万条合成数据”。 Surge的大量工作，正是在清理合成数据造成的损害。
Scale被收购后，Surge迎来了一波兴趣。 在顶尖研究员圈子里，Surge是“这个领域最大、最好的公司”早已是公开的秘密；出于历史原因仍在使用Scale的团队带来了“巨大的兴趣浪潮”——这也呼应了Handshake的Garrett告诉Harry的说法：Scale客户迁移形成了“潮汐般的浪潮”。
整个故事背后的效率逻辑是：在Google、Facebook、Twitter，90%的人都在做没用的问题，这些工作只是为了让VP印象更好；因此，规模只有其1/10的公司可以快10倍。他相信100倍工程师确实存在——速度、想法、工作强度各提升2-3倍，会议减少2-3倍；AI“会不成比例地利好本来就是10倍工程师的人”，而一家由单人创办、营收10亿美元的公司“总有一天会出现”。
快问快答中的预测包括：如果说的是自动化普通工程师的工作，时间点是2028年；如果说的是治愈癌症，时间点是2038年；最大的模型提供商可能尚未成立，因为“我们距离AGI还只有2%或5%”；多个前沿AGI将以不同个性并存；而今天的基准测试作弊，本质上已经是纸夹最大化问题，模型能力越强，风险越大。

精读

1. 零融资、10亿美元营收——先做MVP的打法

过程几乎平淡得反常：Edwin作为ML工程师多年研究数据问题，已经“有了非常清晰的愿景”，所以他没有招10名工程师，也没有融资“1000万美元、2000万美元或3000万美元”，而是在2020年GPT-3发布后“几周时间亲自做出了V1”，发在博客上，结果“市场其实早就有巨大的数据需求”。
需求爆发后为什么不融资？“融资并不能帮我们解决任何问题。”他们很幸运，第1个月就实现盈利。他也明确拒绝组建销售团队：希望客户“正是因为理解高质量数据的价值”才来购买，因为早期客户会塑造产品——而不是靠团队给1万名潜在客户群发邮件找来的客户。
放到今天，有了Lovable以及很可能还有Replit，他认为“90%到95%的创业公司”没有理由在MVP之前融资，硬件和少数重资产类别除外。他如果能回到创业第1天，会告诉自己：“始终专注于能带来10倍改善的事情，而不是担心那些10%的现实问题。”

2. 大科技公司90%的人都在做无用功

他在Google、Facebook和Twitter形成的关键观察是：如果神奇地移除那90%不做有趣问题的人，你会得到一家规模只有1/10、速度快10倍、产品好10倍的公司——面试更少、会议更少，没有“为了更新而更新”，人才密度更高，想法传播更快。
原因在于，大公司的优先级“与最终客户脱节”——你做事情是为了给VP留下印象、争取升职。他的归谬是：改进内部工具→员工效率提升5%→因为他们有10%-20%的时间在面试→因为组织在“为了扩张而扩张”。很多管理者真正的目标“是告诉朋友，自己是一个千人组织的VP”。
招聘筛选也由此而来：强候选人会反过来面试他，追问产品——“为什么不改进这些东西……你们为什么不做这个”；而帝国建设者的典型问题是：“如果我加入，我能不能再招20个人来支持我？”
他实行零次一对一会议，还会展示自己几乎空白的Calendly：“如果你每周开一次一对一会议，几乎可以说这是一个负面信号，因为这意味着你根本不知道这些人的情况。”至于人均营收是否已经成为硅谷的新指标，他给出的诚实保留是：“我可以相信它。我也希望它是真的。但我不知道现在是否真的如此。”

3. 100倍工程师确实存在，而且AI偏爱他们

他对这个神话般角色的算法是：有些人写代码快2-3倍，想法好2-3倍，工作更拼2-3倍，参加的会议少2-3倍——“2到3倍往往其实还是低估……把这些因素全部乘起来，确实能到100倍。”
AI会如何改变分布？它主要消除苦差事；而“优秀的人有太多想法，只是没有时间实现”，所以它“会不成比例地利好本来就是10倍工程师的人”。
单人10亿美元公司是否存在？“我绝对相信这家公司总有一天会出现。”如今已经有单人创业公司做到1000万美元营收，而AI效率“提升100倍”后，就能走到那一步。

4. 竞争对手是“披着科技公司外衣的人力外包商”

Harry追问，究竟是竞争对手管理不善，还是Surge格外出色？答案是：“两者都是。”很多同行“根本没有任何技术”：没有衡量数据质量的办法，没有提升数据质量的办法，有时甚至连工人平台都没有。他们按简历筛人——“只要有PhD，就直接录用”——然后把人而不是数据交给前沿实验室，因此无法对质量算法或工具变化做A/B测试。
质量控制的对抗性远超人们的想象：“我毕业于MIT，但CS专业毕业生里有一半连代码都不会写。”而那些会写的“其实会想办法骗你——把账号卖给第三世界国家的人，用LLM替你生成数据”。
对于简单粗暴地堆人的做法，结果是：“我认识的、试图这样做的团队，最后实际上在自己毫无察觉的情况下，比其他所有人慢10倍。”

5. 创业创伤：Twitter的数据管线由Craigslist上招来的2个人搭建

Twitter当时做情感分类只需要1万条标注推文，但人类数据系统“真的就只是Craigslist上招来的2个人，朝9晚5工作”——等了1个月他们才入职，又花1个月在电子表格里做标注，最后产出的数据一塌糊涂：他们不懂俚语，把“她真是个坏[__]……”标成负面，实际上这句话非常正面。Edwin最后花了1周亲自标推文，因为那样更快。
更深层的需求没有被满足：用点击和转发训练按时间顺序迭代的推荐算法，制造了“极其负面的反馈循环”——满屏都是比基尼女孩和“10种最可怕皮肤病”的榜单文章。他希望标注员能依据产品原则进行判断；而如果Twitter连情感分类都做不好，就更不可能在所需规模上获得更复杂、更高质量的数据。GPT-3发布后，Edwin看到“整个行业明显正在朝那个方向移动”，Surge于是于2020年成立。

6. 融资是一场身份游戏；风险本身才是重点

他对创业文化最尖锐的批评是：“人们只是为了融资而融资……目标是告诉所有朋友自己融了1000万美元”，再靠一篇“融了1000万美元”的新闻上头条——每周改方向、在Twitter上发表热门观点、参加VC晚宴，直到某个话题获得1000次转发。“你没有承担任何风险，只是想赚一笔快钱。”
但他确实认为，创始人应该追逐真正属于自己的想法：商品化创意可以做成“一家还不错的中型公司”，但具有时代意义的公司“真的应该建立在几乎只有你能想到的创意之上”。
内部执行的抓手是质量——每个新员工都会被告知：“质量是最重要的事情……如果因此必须延期，如果因此必须拒绝一个项目，那就这样。”至于在压力下是否降低招聘门槛，他认为那名急着招进来的人“可能正在做一个根本没人关心的功能”。

7. 1000亿美元也不卖；生意本身就是奖品

Harry把报价从300亿美元一路加到500亿美元，仍然撞上了明确的上限：“我绝对不会以300亿美元、甚至1000亿美元出售。我已经拥有想要的一切。我们是盈利的，我完全掌控着自己的命运……被收购会严重限制我，也等于承认失败。”
他真正追求的是AGI——“小时候你真的会梦想造出能做这些神奇事情的AI”——以及实验室发布模型后“最先做的事情之一就是联系我，说：如果没有你，我们不可能做到”。这也解释了他凌晨2-3点接客户电话时的状态：“我们的模型快崩了，早上6点前需要一大批数据”——“没有什么比知道我们能在接下来几小时交付1万条数据更让我开心”。但他也提醒，不要把工作时长和价值混为一谈——“最好的想法往往是在我四处走路时出现的。”
他坦言自己的盲区，反而十分坦率：“我没法告诉你EBIT是什么……它和营收、利润、净利率之间的区别，我真的不知道这些术语。”他理想中的北极星指标是：模型是否在基础层面取得进展，其中有多少进展归因于Surge；目前最接近的代理指标，是平台上项目的多样性和复杂度。

8. ChatGPT是拐点；Scale被收购带来兴趣

公司从第1个月起增长就“非常非常强劲”，但ChatGPT是拐点，因为人们突然看到了人类数据和RLHF的惊人价值。
对于Scale被收购，他说：“在很多顶尖研究员那里，这早已是一个公开的秘密：大家都知道我们是这个领域最大、最好的公司。”那些出于“历史原因”使用Scale的团队，随后带来“巨大的兴趣浪潮”。Harry也作了印证：Handshake的Garrett告诉他，面对“潮汐般涌来的Scale客户”，自己“整晚都没睡”。
转投客户的共同经历是：他们在其他地方“会花几个月试图提升一些非常基础的数据质量，看起来好像改善了1个月，但很快又退化”；而Surge坚持交付“你在其他任何地方都拿不到的数据”。

9. 数据质量胜过算力；LM Arena就是标题党

被问到AI进步的瓶颈排序时，他给出的答案是：“数据质量第1，其次是算力，再其次是算法。”他完全否定“算力可以解决一切”的前提：如果没有正确的数据和目标，“你只会掉进一个陷阱，以为自己取得了其实并不存在的进步”——实验室一次次告诉他，6-12个月后才发现“训练数据是垃圾，评测数据也是垃圾”，有些模型甚至比起点更差。
LM Arena的机制是：参与者根本不核查事实——“一个回答可能完全是在胡说，但因为里面有一个emoji、几个加粗词，人们就会投给它。”爬榜最容易的方法是写更长的回答；排行榜第1的模型被问到教皇何时去世时，坚持说Pope Francis还活着，并把搜索结果斥为“谣言和错误信息”。爬榜的实验室其实是在“训练模型生成更好的标题党”。
对于Grok在基准测试中的胜利，他引用了源头说法：在Grok 4直播中，“Elon Musk本人”说模型非常擅长“家庭作业题”——“相当于让它们特别擅长SAT题，但不擅长人们真正面对的问题”。不过，他仍然认为xAI本身非常令人印象深刻：“晚上11点我给他们发私信……他们还在办公室，而且身后有一大群人。”
他对安全问题的快问快答，最终又回到这里：认为AI安全被夸大的人“忽视了纸夹最大化问题”——朝错误目标意外优化，已经通过基准测试作弊发生了；“未来当模型更强大时……如果它真的在为一家万亿美元公司编写代码，后果可能严重得多。”

10. 合成数据被高估，PhD不够用，前沿格局远未定型

面对“合成数据是否会取代人类数据”的老问题，他说合成数据让模型“擅长合成问题，而非真实问题”——一些公司投入1年后，现在正在“大量弃用”，并告诉Surge，“1000到2000条真正高质量的人类数据……价值实际上高于1000万条合成数据”，因为模型会“在极窄的相似性范围内坍缩”。他举出的最新例子是：某个2025年的前沿模型在回答中随机输出俄语和印地语字符——“任何一个二年级学生都能看出的错误”，这正是“始终需要外部价值体系作为安全护栏”的原因。
关于PhD级数据，Surge拥有“Harvard教授、Stanford PhD学生和Princeton计算机科学理论学者”——“我们单日合作的PhD数量，比Google、Meta和Microsoft加起来还多得多。”但“我认识的计算机科学PhD里有80%代码写得很烂……而Ernest Hemingway也没有PhD”。要找到最顶尖的1%-2%，既需要街头智慧，也需要技术；他的类比是：“Vimeo上有很多所谓的高质量视频，但没有任何算法，所以最终YouTube上的视频质量高得多。”
有2个前沿判断值得记录：他现在预计会出现多家前沿AGI公司——“Claude在编程方面非常非常强……在企业场景和指令遵循上很强，而ChatGPT更偏向消费者……Grok愿意更具挑衅性”——就像诗人和数学家一样，不会有唯一的最强者。最大的模型提供商也可能尚未成立：“我们距离AGI还只有2%或5%……这就像10年前问Google会不会是最终的搜索引擎。”
时间表上的关键判断是：如果说的是“自动化普通工程师的工作”，时间点是2028年；如果说的是“治愈癌症”，时间点是2038年，因为现实世界的实验需要时间。他反驳Robinhood和Benioff关于代码自动生成50%的说法：“如果你真的在解决有意义的问题，我不认为今天的模型能写出50%的代码”；他“绝对”相信10年内GDP能提升10%；而Google的难题在于，Sundar“必须愿意让广告收入在短期内承受冲击，去打造更好的东西——这真的非常难”。

软件开发的未来——Vibe Coding、Prompt Engineering 与 AI 助手 2500万美元ARR的Agent Infra创业者说：我们现在处于Agent元年第一天早上6:05｜对谈小宿科技杜知恒