编辑丨林觉民

他是亚洲首个 ACM 国际大学生程序设计竞赛世界冠军团队成员；

他是谷歌中文网站搜索质量优化工作的负责人；

他是AI四小龙依图科技的第10号员工；

他是李开复50个“关门弟子”之一...

他也是澜码科技的创始人。

缘何命名为澜码？周健这样说：寓意波澜壮阔的代码。

澜码科技于今年2月份在上海成立，与其他创业公司不同的是，澜码科技想做的是基于大模型打造新一代的自动化平台。

虽然成立时间不长，但澜码科技已于近期完成了千万人民币的A轮融资，其中IDG资本、联新资本、Atom Capital三家参与了本次投资。

另外在产品层面，澜码科技已经成功研发出了Agent平台Ask XBot。AI科技评论了解到，其操作主要分为两层，第一层由专家通过传统、新兴的对话交互的方式定义工作流程；第二层由一线员工通过自然语言指令，控制机器协助完成数据分析、资料调取等工作。

谈及短期内缘何能受资本如此青睐？周健告诉AI科技评论：“早期投资资方首先看的是创始人本身的特质，然后才是商业化能力。”

显然这两者方面，周健都具备。一方面，周健本人从业经历丰富，且澜码科技的核心成员均来自依图、阿里、腾讯、Google等头部企业；另一方面，大模型技术将带来交互方式的变革，澜码科技基于大模型的自动化平台，不仅顺应了AI 2.0的发展，还符合企业以及人们生产生活的需要。

在澜码科技之前，周健也算是连续创业者。被问及为何选择再次创业？周健表示：“前几段创业经历给我带来了很多灵感，尤其是我在做CTO时，看到了很多自动化的场景，但由于AI 1.0阶段AI的成本太高，有些场景很难实现。”

可以说，大模型的出现顺利把AI 1.0带入到AI2.0阶段。而在这一时期成立的澜码科技想做的正是用新的AI技术解决之前的难题。

“很可能未来很难再次遇到像今天大语言模型这样的宏大浪潮和机遇。”周健补充说，大语言模型的出现，开启了软件新范式，过往企业数字化转型中尚未解决或解决的不够好的问题，今天伴随着大语言模型的出现，都能够解决了。

周健过往在依图科技和弘玑RPA的连续创业经验，使得他更知道市场需要什么。在他看来，接下来比拼的就是谁能更好的应用大模型，就像当初微软使用英特尔的CPU一样，只要应用的好就能在大模型时代脱颖而出。”

谈到未来，周健给澜码科技定了一个目标，即“要有挑战世界第一的勇气。”

以下是AI科技评论和周健的对话：

AI科技评论：能否介绍一下您的工作经历？

周健：我是1999级入学上海交大，2002年拿了ACM世界冠军，2006年硕士毕业时我拿了三个offer：一个是微软亚洲研究院，一个是谷歌，还有一个是在上海的MSN。那个时候谷歌刚进入中国市场，因为我有亚洲首个ACM冠军团队成员的背景，对Google有宣传效果，所以李开复说我是他的50个“闭门弟子”之一。

当时微软亚洲研究院的沈向洋打电话给我，我去北京和沈向洋当面One&One，但那时我觉得谷歌更互联网思维所以还是选了谷歌。现在回过头看，也还是会选谷歌。

AI科技评论：因为当时谷歌离实践比较近？

周健：主要是那批人都很强。当时我的mentor 是黄峥，我旁边坐着有宿华，还有洪锋也都是那一届的。

到了2008年我就进入了阿里云，到2011年时，因为公司和自己个人多方叠加因素我离开阿里云，回到上海加入了Media V，直到2013年离职后短暂的开启了一段创业，再到后来我加入依图科技和弘玑RPA。

AI科技评论：您2013年离职后，其实就开始创业了？

周健：是的，2013年从Media V出来时产生了一个错觉，当时hadoop在国内火起来了，所以就打算做分析日志，做hadoop。当时阿里用hadoop已经有四、五年时间了，百度也用了，Media V也用了，但实际上国内较国外还差的远。

AI科技评论：回过头来看，您认为不成功的原因是什么？

周健：不懂商业化，因为之前一直做纯粹的技术，在阿里时我是在后台，在Media V时候虽然稍微接触了一点业务，但实际上也是纯后台，比如广告行业的大数据分析，你不知道研发成本是多少，不知道毛利率是什么，不知道怎么定义客群，不知道产品的价值是什么，销售体系也不明白，当时就只知道日志分析是有可能会出圈的、Spark是个浪潮，这种情况下创业很难成功。

AI科技评论：那当时为什么选择创业？

周健：当时见了IDG的李丰和蓝驰的陈维广，陈维广给了我一个TS，我就被“架”上去了，所以就找了合伙人，花15万美金建了一个三、四人的技术团队。但是问题也就来了：你的客户在哪儿？你的产品是什么？能提供什么价值？后来发现4个人什么都做不了，所以8个月后就把公司关掉了。

AI科技评论：那段创业对您最大的影响是什么？

周健：因为有了CEO的视角，所以后来不管是看弘玑还是依图都可以感同身受，可以更容易带入和理解CEO的感受、压力、困难、预判等等，相对应地，当你有CEO的视角再去近距离观察别人创业时，能够吸收到的经验也更多，体会也更深刻。这是最重要的。

另外，在创业的过程中我也积累了很多资源，这10年资方是看着你成长起来的，我现在的股东就是当时创业期认识的。

AI科技评论：再次选择创业做澜码，又是为什么？

周健：在依图我完整经历了一个技术从创新至普及应用到全社会的过程，我今天选择做基于大模型的创业其实是在这段经历中学习到的。2014年时人脸识别技术是不能用的，直到2021年人脸识别这项技术才开始实现大规模通用。我们原来做人脸识别，只能做一比一认证，之后做人脸门禁、人脸闸机，人脸布控，人脸搜索等，主要是在工程方面做了很多“妥协”，这是我经历过的。

今天大语言模型从技术到商业的发展曲线也是一模一样的，唯一的区别在于，以前依图的算法团队是依图自己组建的，这就意味着依图要自己承担底层模型的研发风险，但今天众多大语言模型公司在投资者的支持下进行技术探索，我们用市场化的手段去购买使用就可以了，因此，澜码免于承担底层大模型研发的风险。

AI科技评论：相当于不用承担风险了，只考虑怎么用大模型就好了？

周健：准确地说，是我不需要负责大模型智能能力的提升，就像当年微软使用英特尔的CPU一样，CPU的研发风险由英特尔承担，而每隔一年半的时间，微软使用到的CPU在成本相同的情况下计算能力会翻一倍，或者计算能力一样，成本降一半。

我们现在是基于大模型做产品和商业化。做大模型产品，比拼的是谁能更好地应用大模型。相当于虽然大家都能用，但我用的好、我就是领先的。就像当年微软用英特尔，微软用的好，微软就把其他软件全部灭掉了。（欢迎添加作者微信ericahss1224，交流更多国内大模型背后的故事）

AI科技评论：选择基于大模型做新一代的自动化平台，是受哪段经历的启发？

周健：主要是做RPA给我带来的新视角，现在我做得是人和系统的连接，这样我就能把重复性的劳动问题解决。但不同的是，RPA替代的是一线业务人员重复性的工作，解决的是工作效率问题，我们今天在大语言模型下提供专家知识和经验，解决的是业务流程的质量问题。

其实我做RPA时，就看到了很多自动化的场景，我知道财务有什么场景，HR有什么场景，国家电网有什么场景，银行有什么场景，保险有什么场景，但由于AI 1.0阶段的AI技术不成熟，成本也非常高，所以很难实现。

AI科技评论：具体有哪些场景？

周健：现在数字化程度较高的企业内部肯定有大量的系统，比如供电所有大量的基层单位和大量系统。假如供电所要换电表，起码要涉及计量系统、营销系统和物资系统三个系统，以及六次操作。

首先要把这个电表里的数字记到系统里；第二，把电表拆下来，这个电表和原来电账户就没关系了，要登记 ；第三，由于这个电表在物资系统里已经是一个二手的物资了，还要再登记一次；第四，新电表装上去，这个电表的ID在物资系统里，激活之后要把这个电表和账户连接起来；第五，新电表上的读数是什么，计量系统里又一个开始计费的起始点，这六步操作完，还有很多复杂的工作，如果没有RPA，是非常繁琐复杂的。

银行里信贷额度的审核场景也是类似。假如要做一家网红饮品公司的信贷额度授信审核，首先要拿到它的财报做分析，然后要去法律系统里看看它是否有纠纷，把这些数据收集好，可能有40列信息，然后还要看央行规定是什么样的，总行规定是什么样的，都要整理好，然后做决定——是要维持授信额度不变、增加授信额度、减少授信额度还是暂停。如果没有RPA大概40分钟才能做一个审核。

全社会不可能有一个超级系统，一定是要有连接的。

AI科技评论：所以AI 2.0是在解决以前不能解决的问题？

周健：对，大模型出来之后，很多以前不能实现的工作，都有可能实现了。

澜码科技实际上是一家AI原生的公司，我尽量不让员工去写软件菜单，因为我觉得这些都是意义不大的工作，做完之后就被扔了。就像现在 SaaS 公司，因为要服务现有的客群，所以必须去做传统意义的拖、拉、拽，但其实这些事情已经没有意义了，最后一定是对话式的UI。

AI科技评论：较AI 1.0，AI 2.0不仅技术水平提升了，也降本增效了？

周健：AI 1.0阶段，机器学习、深度学习确实把门槛降低了，但成本是非常高的，尤其是AlphaGo出来后，人力成本急速上升，再加上移动互联网时代到来，拼多多、字节等大厂出现，极大拉高了人力成本。

我在依图时，负责依图的研发招聘，最多的时候一年招了40个清华的学生，2016、2017年只要是AI的硕士研究生年薪就是60万起，显然这样的人力成本根本赚不回来。再加上当时的数据、算力的成本都非常高。

进入AI2.0阶段，因为有了提供大语言模型技术的公司，市场得到充分竞争，使得每隔一年成本一样的情况下，大模型的智能水平肯定会翻一倍，反过来智能水平一样的情况下，成本会降到原来的二分之一到三分之一。

AI科技评论：澜码现在主要服务哪些客户群体？

周健：猎头招聘是主攻场景之一。初级猎头搜候选人主要通过猎聘、脉脉、BOSS直聘等，有3、4年工作经验的猎头可能不需要了，因为他们都会有一个候选人私域库，大概2000人左右，这2000人平均每两、三年要换一次工作，这部分信息的更新是一个很大体量的工作。

此外，猎头顾问基于私域库寻找候选人的工作方式，对顾问来说准确率高，工作量也小，但是很难把打电话沟通或见面沟通时有价值的数据补充到私域库中，只能在私域库自己去打标签，比如今天和候选人打电话说了啥，当时自己记下来了，但时间一长就忘了，私域库的管理效率和质量都不高。

大模型出来后，腾讯会议之类的软件有了语音识别的功能，就可以把打电话沟通等交互过程中的“活”数据整理、提炼、存档，这些都是大模型赋予的能力。

大模型催生了第四个新的范式，可以叫对话式或者匹配式。现在的猎头工作是人岗匹配，抽象来说就是一个X space，x空间和y空间。x空间描述需求，y空间匹配需求。

大模型出来之后，对话的方式可以提高匹配效率，这是很典型的场景，也在更多其他场景适用，比如房产中介搜房源，设计师搜图，外包程序员搜函数、代码等。

AI科技评论：相当从猎头这个场景出发，先做了一个工具试试？

周健：其实最终语义的匹配肯定是一个大的场景，这个场景在所有专业场景、企业里都能用到。我们只是把猎头作为其中一个突破口而已，我们还有一个战略合作伙伴，属于行业Top3级别，营收在5亿左右，我现在已经在帮他做运营的工具。

我们之前也服务过金山办公，WPS中Excel表格就是我做的，比如说“请一班学生成绩前十名的家长，明天下午 2 点到办公室。”这是一个很复杂的需求，原来需要你在表格里面查询、检索，再去微信找人、发信息，现在有了大模型就很容易智能化地处理了。

AI科技评论：作为应用方，澜码怎么和大模型合作？

周健：因为大模型的“幻觉问题”和权限问题，终端用户或者甲方很难和大模型直接合作，肯定是需要澜码科技这样的中间厂商。

以猎头场景为例，比如找阿里P9级的35岁的员工，如果没有，放宽到38岁，有三个。那是应该优先问38岁，还是阿里系、还是P9，这是专业知识的范畴了。

在我看来，现在的大模型是一个重要的模块，如果用OpenAI的说法就是，Agent底下有一个领域模型。比如识别简历中的985、211高校这样的信息，需要用大模型训练吗？其实不需要，所以大模型不是万能的，很多事情不需要、也不应该用大模型来做。

AI科技评论：国内外的大模型，都有用过吗？

周健：没必要把所有的大模型都用一遍，只需要用目前水平最高的模型就够了。所以我们是在用GPT 4做训练。比如我有10个问题，我会让GPT 4 帮我破解这10个问题，破解完我再让 GPT 4 帮我确认答案、评价答案，然后训练出一个小模型，解决场景问题。

AI科技评论：怎么保障隐私问题？毕竟这个问题还是很敏感的。

周健：个人隐私保护法规定数据简历不能随便出境，所以我会把姓名、电话、年龄这些涉及个人隐私的问题摘出来，只把院校、项目经历给大模型，相当于一个表，我只给了表头的内容，表里的内容我不会给出去。

AI科技评论：目前，国内大模型还是非常火热的，您怎么看？

周健：AI新闻和AI不是一件事儿，一个创业公司不可能一开始就做千亿参数的模型，因为这件事情非常烧钱，完全没必要。应该循序渐进，先训练一个6B的，再训个13B的，再训个33B的...不见得真的这样，但是过程肯定是这样的。

智谱、MiniMax很早就开始做这件事情了，所以他们能取得现在的成绩是在意料之中的。但是有些公司未必走过这个技术路线，但对他们来说，不可能先发一个13B的模型，他只能说我已经有千亿模型了，但实际上水平还没达到。（欢迎添加作者微信ericahss1224，交流更多国内外大模型背后的故事）

AI科技评论：所以国内的模型水平还很难赶超OpenAI？

周健：这个问题和行业人士探讨过，如果想做GPT4起码需要25000张卡、训练8个月的时间。从目前来看，国内大模型的水平不可能比OpenAI强，大模型是不存在弯道超车的。

AI科技评论：较之前，您认为现在创业哪些东西是最重要的？或者和之前有什么不一样？

周健：我觉得没成功之前很难说这句话，因为创业是 99 死一生的事情，每次创业的环境不一样。我在依图经历过40亿美金，弘玑也达到过6、7亿美金，如果现在我只做二、三十亿，或者两三亿美金被收购了，对我来说没有任何意义。如果做到10亿美金上市的话，算是及格。

很可能以后很难再遇到这样的浪潮了，这辈子如果有冲百亿的机会，我肯定会冲百亿，有千亿我也肯定会take risk，最后很可能就是大赌大输大赢，小赌小输小赢。

AI科技评论：作为初创企业，澜码的优势是什么？

周健：其实现在是在用未来的技术解决过去的问题。过去的从业经验使得我能很好的利用大模型的优势，再就是市场端我早就探索过了，我知道今天市场需求是什么样的，我也知道他们付费的意愿。

但也有一个难题，是排序的问题——我应该先解决哪个问题、再解决哪个问题。反过来，大模型迟早会突破，所以你的目光只要足够远，你等着它突破就好了。

AI科技评论：澜码以后的规划是什么样的？

周健：我给澜码订的目标是要有挑战世界第一的勇气。

我们的目标是做企业的入口，到时候企业不用登陆SaaS，因为我是对话式搜索，只需要和我讲你的需求，比如我要请假，我要报销，我要分析某个门店的情况，只需要讲就行了。

五、六年前我写过一篇文章说，我想做一个行星级的智慧系统，那时就看到了一个技术趋势说摩尔定律要停了，这就意味着技术的每一层芯片层、操作系统、数据库可能都会发生变化，只不过今天以这种形式表现出来了。

本文作者：何思思，微信ericahss1224。长期关注国内外各企业在AIGC、大模型及应用层方面的动向，欢迎添加作者微信互相交流、互通有无。

更多内容，点击下方关注：