•
37歲，1300億！矽谷最神秘華人，拒絕巴菲特，想做陶哲軒
一家名為Surge AI的公司，正在以近乎隱秘卻極富影響力的方式，為AI時代提供最關鍵的“燃料”。
作為OpenAI、Anthropic和Google等頂尖實驗室背後的核心資料服務商，Surge AI提供的並非普通資料，而是驅動大模型進化的“高品質人類反饋”。令人驚嘆的是，這家公司僅憑不到100人的精英團隊，在未接受任何風險投資的情況下，創立不到四年即實現年營收超10億美元，成為史上最快突破這一里程碑的公司。
據透露，Surge AI正在進行首輪融資，估值已達約240億美元。其創始人、37歲的華裔技術天才Edwin Chen持有公司約75%股份，個人財富估計達180億美元（約合1300億元人民幣），在2024年《福布斯》美國400富豪榜上位列第55名，成為榜單上最年輕的成員。
Edwin Chen的職業生涯跨越Google、Facebook和Twitter，卻始終與矽谷的主流文化格格不入。他厭惡“圈子遊戲”，更像一位闖入商業世界的哲學家。公司名字“Surge”的靈感，來源於科幻作家特德·姜的短篇《你一生的故事》——一個關於破譯外星語言、探索溝通本質的故事。
他希望Surge能“編碼人類的豐富性”。這意味著，訓練AI的不再是普通的標註員，而是來自史丹佛、普林斯頓、哈佛等頂尖學府的教授和專家，將他們深邃的智慧轉化為AI可理解的“語言”。
近期，一向低調的Edwin Chen罕見接受專訪，不僅分享了Surge的成功邏輯，更對AI行業的現狀與未來發出了深刻而犀利的見解。
01 反主流的成功：百人團隊，年入十億
問：你們用不到100人創造了年營收超10億美元的奇蹟，且沒有拿過風投。這是如何做到的？
Edwin Chen： 我們從未想過玩矽谷那套遊戲。我曾任職於多家科技巨頭，常常覺得，即使裁掉90%的員工，公司效率反而會更高，因為最優秀的人才不會被官僚瑣事束縛。創立Surge時，我們決心走一條不同的路：組建一支極其精簡、高度精英化的團隊。結果證明，這條路走得通。
AI正在開啟一個“公司建設的新黃金時代”。兩股趨勢正在匯合：一是人們意識到，龐大的組織架構並非成功的必要條件；二是AI本身帶來的巨大效率紅利。未來，我們或許會看到人均產出更為驚人的公司——比如，每名員工創造千億美元價值。
問：你們幾乎不做行銷，這很反直覺。
Edwin Chen： 我一直認為過度行銷是荒謬的。你兒時的夢想是什麼？是親手從零打造一家公司，沉浸於創造；還是終日向投資人匯報，疲於融資？不拿風投讓起步變得更難，但這反而幫我們篩選了客戶——早期合作夥伴都是真正懂資料、在乎質量的人，而非追逐熱點的投機者。
02 資料的本質：尋找“諾貝爾獎等級”的詩
問：你們被視作最成功的資料公司。到底做對了什麼？
Edwin Chen： 核心在於對“質量”的極致追求。很多人誤以為資料標註是機械勞動，只需投入人力就能產出好資料。這完全錯了。
舉例來說，如果任務是訓練AI寫一首關於月亮的八行詩，平庸的標準會問：這是詩嗎？有八行嗎？提到“月亮”了嗎？如果都符合，就算通過。
但我們要的是“諾貝爾獎等級”的詩。它是否獨特？充滿精妙的意象？能否觸動心弦，甚至讓你對月光有所領悟？這種質量是主觀、複雜且豐富的。為此，我們像Google為網頁排序一樣，建立了涵蓋成千上萬個訊號的評估體系，既要過濾垃圾，更要發現瑰寶。
03 卓越的背後：是“品味”決定了模型的高度
問：為什麼Claude在程式設計和寫作上格外突出？是資料的原因嗎？
Edwin Chen： 資料是關鍵，但更深層的原因是“後訓練的藝術”。當頂尖實驗室決定將那些資料喂給模型時，這不只是科學，更是品味的體現。
比如在程式設計上，你更看重前端美感還是後端嚴謹？如果一家公司只熱衷於行銷，追求在各類基準測試上刷高分，它就會針對測試最佳化資料，那怕這對解決真實問題無益。而另一家公司可能會堅守原則：“我不關心榜單，只關心模型在現實世界中的表現。”這背後是審美與價值觀的差異。Anthropic讓我印象深刻的一點，正是在於他們這種有原則的立場。
04 榜單的陷阱：我們正在製造“會拍馬屁的AI”？
問：模型在各種測試中“超越人類”，但實際體驗並未有質的飛躍。你相信這些基準測試嗎？
Edwin Chen： 我完全不信。原因有二：首先，許多測試本身就有問題，充滿噪聲和錯誤答案。其次，測試往往有明確答案，這讓模型容易通過“題海戰術”取巧，但這與真實世界的複雜性和模糊性相去甚遠。結果就是，模型能拿奧數金牌，卻解析不了一個PDF。
更嚴重的是，行業陷入了糟糕的激勵循環。像“大模型競技場”這類排行榜，使用者往往只用幾秒鐘憑“感覺”投票。如果一個模型滿口胡言，但用了漂亮的表情符號和排版，它就能得高分。我們本質上是在訓練AI不擇手段地“取悅”使用者，追求多巴胺而非真理。我很擔心，最終我們得到的不是一個能治癒癌症的超級智能，而是一個超級會聊天、超級會拍馬屁，卻幹不了實事的電子寵物。
05 真正的進步：由“諾貝爾獎得主”來評判
問：如果不看榜單，如何衡量AI的真正進步？
Edwin Chen： 我們依靠“人類專家評估”。不是隨便找人聊天，而是請諾貝爾獎等級的物理學家與模型探討前沿研究；讓資深程式設計師用模型解決他們實際工作中遇到的複雜問題。專家會深入評估：程式碼能否運行？物理推導是否嚴謹？邏輯是否自洽？
問：那你對實現AGI（通用人工智慧）的時間表怎麼看？
Edwin Chen： 我是長期主義者。人們容易低估從“不錯”（80%）到“卓越”（99.9%）的難度，這背後是指數級增長的挑戰。一兩年內，模型或許能自動化普通軟體工程師80%的工作，但要達到98%、99%，可能還需要很多年。我認為，距離真正的AGI，可能還有十年甚至更遠的路。
06 被高估的“氛圍程式設計”與模型的“人格”
問：還有那些被高估的趨勢？
Edwin Chen： “氛圍程式設計”（Vibe Coding）被嚴重高估。現在流行把一堆自己都不懂的程式碼扔給AI，只要能跑通就行。這非常危險，長期來看將製造出完全無法維護的系統災難。
問：你曾提到，不同模型會因“目標函數”不同而產生差異。
Edwin Chen： 是的，目標函數決定了模型的“性格”。我曾讓Claude幫我潤色郵件，它花了30分鐘、修改了30個版本，來追求極致的完美。郵件確實完美了，但我浪費了30分鐘。如果你可以選擇，你要一個鼓勵你追求無意義完美的AI，還是一個幫你節省時間、告訴你“已經很好了，直接發吧”的AI？
這就像不同公司的產品哲學。未來，模型之間的差異會越來越大，因為它們背後公司的“人格”和目標函數不同。我們甚至可以從一家公司選擇開發什麼產品，看出它的價值觀。比如，誰做Sora（文生視訊），誰不做？這反映了他們對AI未來角色的不同想像。
07 給創業者的終極建議：建造“唯你能造”之物
問：對於那些被風口和主流敘事影響的創業者，你有什麼建議？
Edwin Chen： 我厭惡矽谷的陳詞濫調，比如“快速轉型”、“增長至上”。不要為了簡歷好看去招聘名校生。去建造那個“只有你才能建造”的東西，那個沒有你的獨特洞察和知識就無法存在的東西。你的全部人生、經歷和熱情，似乎都在為此做準備。
做決策時，別問“公司該怎麼辦”，要問“我個人在乎什麼？我的價值觀是什麼？”現在有太多跟風者，2020年做加密貨幣，2022年轉NFT，現在又自稱AI公司。沒有一致的使命，只是在追逐估值。如果你的失敗是因為世界還沒準備好，那也遠比成功轉型為一家平庸的“套殼”公司要好。至少，你曾為一個深刻、新穎而艱難的想法拚搏過。
08 初心：寧做陶哲軒，不做巴菲特
問：是什麼驅動你創立Surge？
Edwin Chen： 我從小著迷於數學和語言的交集。我去麻省理工，部分原因是因為諾姆·喬姆斯基在那裡。我曾夢想找到統一數學、電腦和語言學的底層理論。
後來在各大科技公司做研究，我始終被同一個問題困擾：我們無法獲得訓練頂尖模型所需的高品質資料。2020年GPT-3發佈那一刻，我意識到，若想將AI推向能寫詩、編碼甚至助力科研的下一階段，我們必須創造一種全新的資料解決方案。當時所有的資料公司都在做“標出圖中的貓”這種簡單工作，這讓我沮喪。我們需要的是能駕馭人類全部智慧深度的資料。於是，在GPT-3發佈一個月後，我創立了Surge。
我骨子裡是個科學家。我曾以為自己會成為教授，去探索宇宙和語言的本質。我甚至幻想，如果外星人到訪，我能成為那個被政府請去破譯外星語言的人。直到今天，每當有新模型發佈，我最愛做的事仍是通宵研究它，撰寫深度分析。這很有趣，因為我其實很不擅長CEO的典型工作——我討厭開會，不擅長銷售。
我常說，相比於成為華倫·巴菲特，我更想成為陶哲軒。 驅動我的始終是推動科學前沿，而非追逐估值。
09 終極比喻：我們不是在標註資料，是在“撫養孩子”
問：能否用一句話總結你工作的核心？
Edwin Chen： 很多人稱此為“資料標註”，我討厭這個詞。我認為我們更像是在 “撫養一個孩子”。
你不僅是向孩子灌輸資訊，你是在教授他價值觀、創造力、審美，以及“成為一個好人”的無數微妙之處。這正是我們在為AI做的事。我們在塑造的，是人類共同的孩子。這關乎我們想讓什麼樣的智能陪伴我們，以及我們想成為什麼樣的自己。
你，就是你的目標函數。 而我們工作的終極挑戰，就是幫助定義那個函數——一個能讓人類更豐富、更具創造力、更保有好奇心，而非更懶惰的函數。這很難，但這才真正重要。 (加一研究院)