[矽基槓桿]

又是一個換駕照、讀書、統整實驗、和律師開會、處理稅務文件、準備要飛走的連續一段24小時。
平心而論，這已經算是「度假」等級的輕鬆了，所以我才有時間發短文。
今天來點槓桿和職涯的話題，我不想廢話。

我相信大家都用過AI，但我仍然有值得分享的心路。
為了解釋，我會寫一些好懂但不絕對嚴謹的類比，你知道意思就好。

我先直接說，我是工科出身的，對技術稍微有點理解優勢。
雖然非專業，但我學生時期就參與非營利的開源專案開發，幫助人民對抗極權，也對資安和入侵有些研究。
近年常常在世界各國結交新創團隊和技術、研發人員，而且我自己也有接觸部署HPC集群、主導專案的經驗。

「龍蝦」出名的一兩年前，我就已經在處理agents的記憶缺陷，也在研討會上請教self evaluation、跨伺服器記憶管理等議題。
而往性能工程走，CI/CD和MLOPs也是必備，我也因故結識了做AIOPs的新創CEO兼準備當教授的校友，在NeurIPS上我還去捧他的場。

所以真要論技術層面，我跟坊間的比算「勝之不武」。
但是我得說，這些單一技能非常廉價，而且貶值得很快。
AI對我的影響，遠遠不只是有個好工具而已，因為它直接把我的各種槓桿都「點火」了。

第一，我本來就喜歡跨領域融合。
這是有些人揶揄我的缺點，說我太不務正業。
但我發現自己學有興趣的事物時，進度更快，所以我不會自我設限，想碰就碰。

我玩卡丁車，開到店家看秒數直接問「你是哪個車隊的?」
我對投資文章有興趣，我寫到有人以為我是金融業的。
我昨天晚上設定好系統，邊打撞球，邊談論巴哈和蕭邦。
我前天在摩托車訓練班，邊和教練聊技術，邊回答新創的事情。
我和博物館的導覽說，我從抽象角度來看印象派對學院派的反諷時，就想到後現代主義用「玩世不恭」來解構現代主義的真理，這兩者精神非常像。
如果你感覺我寫文章總是混雜著各種技術、政治、商業、資本...你是對的。

第二，我喜歡系統。
你可以看我系統性的拆解不同書籍，包括對踏出舒適圈那本書的偷換概念復現，以及Oxford那本的社會科學應用。
有人笑我說像是機器人，我早期也確實容易「過度工程化」和過度設計，結果踏不出第一步。
但無腦衝的朋友讓我發現競爭對手沒我想像中的強悍，「矽谷速度」和VC朋友們又讓我有機會校正自己，而華爾街那幫人的資本主義玩法，配合商會和政治的人脈網路加速...我的靜態系統變成了能自適應、自進化、反脆弱的動態系統。

第三，我思考資源配置。
從我決定帶團隊、不當freelancer開始，我每一秒都面臨這個問題。
小到請哪間餐廳、送什麼伴手禮，大到怎麼在別人公司塞anchor, 怎麼挖角、怎麼幫資訊競價、怎麼和其它場域的玩家coopetition...
都讓我反射性的優化手邊資源，而這也是我獲得信任的方式。

第四，我喜歡「變」。
我從不滿足於固定模式，我喜歡疊代、加速、突破。
如果說系統讓我能抽身，則求變就是讓我想抽身的最大動機。
抽象化讓我視野更廣、跨域應用更快，遞歸化讓我能系統性進化，而元化(meta)思考讓我能超越自身既有侷限。

好，現在把AI加入，你就會看到爆炸現場。

「跨領域」的一個風險在於，對方可能聽不懂我的語言。
可是這對AI來說沒有問題，它完全能接住我的比喻。
況且，目前LLM已有部分領域知識超越博士等級，因此它能把我的隱諱錯誤抓出，也能接受我的修正。

在我「系統化」的組裝之後，AI agents變得更強，而且還會自動精進，且進化會隨錯誤經驗而加速。
我做了hybrid search系統，配合我自己買的數萬篇paper, 公開課、開源庫等，以及自動化從網路上獲取資訊的流水線，我相當於平時就有個數千博士的「智庫」可以參考，而且它們還在自動變聰明。
更有趣的是，我整套體系的優化，完全可以參考最前沿的理論，所以每更新一次，這個槓桿就越大。

身為一些公司的創始人和CEO，我的義務就是「資源配置」，最經濟的使用工具和人，而AI agents不用我盯、完全自動、不會累、不用下班和放假、不跟我吵股權、不會罷工、不用勞健保、薪水很低、能力超群，簡直就是最強戰隊。
當然更精確的說，我不把AI當成工具，我當成某種生物，因此我充分授權這些矽基生物決策、規劃、提案、發包、審核、辯論，並且它們也能開口調用其它工具、agents和人類。
以前我不知道這個模式叫什麼，後來看到McKinsey的報告，發現這相當於「AI原生」公司的原型，效率很高。

上述幾個槓桿都很厲害，但最後一個「變動」槓桿，我覺得強到能把前面都壓平。
我之前在聚會上，吳恩達用線上露臉的方式分享簡報，他提到AI能讓普通人獲得10倍漲幅，同時讓本身有技術的人變成100倍，這造成兩者差距更難被追平。(意思是這樣，具體數字我忘了。)
然而我認為，事情比這個形容還誇張，因為高倍率放大的人，它本身的槓桿還能進化。

我舉個例子，假設凡人只會1個英文字母，高手會26個，這差距是數十倍。
第二天，凡人學了第2個字母，但此時高手不是學會52個字母，而是能用這些字母去拼出單詞和句子，還去翻牛津辭典(3.5億個字母)，他們已經身處兩個平行宇宙。
第三天AI出現，凡人一下子學會20個字母，而高手用它的詞彙開始叫AI規劃，把莎士比亞、曹雪芹、大仲馬、托爾斯泰、村上春樹等作家的理念和技巧都融合，這差距已經不能用數字來表示。
沒錯，凡人也在神速進步，但是它和高手的差距會以前所未有的速度被扯開，而且每過一天，這個速度就增加一分。

無意間，我發現這種模式完全貼合我的「求變」。
如果世界是一潭死水，那也許我會活得不舒服，可是當整個地球在加速運轉時，我就有一種「時代在迎合我」的感覺。

商用AI不完美，例如GPT SOL系列依然改不掉嘴硬的毛病(這是公司的政治，此處略)，而且官方也無法阻止危險行為。
Fable有時候太有彈性或自我攻略，我們要加入機械性的unit/ integration test，避免它把口頭敷衍當成驗收結果。
所以借用軟體工程語言，我們整個loop強制TDD, 還要混沌測試，看能不能炸出edge cases.
產能瓶頸都是真的，但考量到這些生物的薪水，它們相對於人力還是有非常大的競爭優勢。

有partner跟我說，我們的領域，競爭和模式進化，要用「天」來當單位。
我說這太誇張了，怎麼可能以天當單位?
實際上，應該是「小時」才對。

就以AI來說，LLM最新版旗艦推出，我們平均兩小時就已經投入產線。
而一篇熱騰騰的journal or preprint paper，從下載到原型產出，並經過可應用的可復現性測試，實測可以壓到150分鐘內。

API模式下，我一天曾付超過1000美元在token，而Fable近期所謂的加量放送，最頂級的20倍訂閱方案中，一周額度在我手中也撐不過50分鐘。(嚴格來說，45%只花了10分鐘。)
這還是在我已經熟悉cache, 分發便宜subagents, 自動router的狀況下。

當然，我這種規模只能算微型，就像有人說如果月花五萬美元以上，可以找他們團隊優化，也有廠商工程師推薦，若是年花千萬美元可以由他們代訓和微調。
但至少，目前的速度看起來還算健康。

在我們睡覺的時候，歐洲、美國、亞洲都有server在全速運轉，CPU/GPU都滿載並排隊解任務。
因此我們睡醒時，專案或者整間公司都進化了一輪，我們速度又能得到提升。

說了這麼多，我也該閃了。
本篇就當最近smoke test一坨AI agents cluster之餘的筆記。

..and guess what?
We got a fucking busier, faster yet much better life.

#狂徒投資
#狂徒日誌