关于 team 成立后的一个月总结（AI Native，Proactive，Personal Model）

好久没分享内容了，公司从第一轮融完到 team 成立和再到现在能正常运转差不多花了一个多月时间，看着队伍不断壮大以及和更多的 founder，researcher 聊天，又多了很多感触和拙略的见解，今天简单分享下。

有一个最大的 surprise 是说我们也没想到招到了这么多厉害的人才，可能我们的方向确实大家比较感兴趣且没那么非共识，但这里其实衍生出了一个很大的问题，真的 AI Native 的人才无论在任何岗位都非常难得，这里可能要先定义下 AI Native，我对这个词的理解是

Design for AI, not just with AI.

简单的解释就是说不要思考在某个场景下怎么加入 AI，而是要反过来想 AI 要真正理解世界，理解人他还缺哪些内容。

这是这个时代最缺失的特质，上个时代优秀的从业者大多会有很强的路径依赖，这对于这个 AI 时代特别不适用，这个时代的迭代和更新速度太快了，Sota 模型以周为单位在进行 update，同时loop engineering，harness 这样的技术架构层出不穷，如果不以 AI 的角度去思考就很容易陷入长期的焦虑，一方面要不断适配最新的 model，同时要防止被大厂和模型厂商的迭代所吞并。

如何更好的做 Research

最近跟一个很厉害的前辈探讨很多做 Research 和工业界的一些 balance 的问题，他的结论是，如果要做 Research 就要选一个足够容易打穿的赛道，要在最短的时间内拿到最多的 data set 然后去 support 你的 Research 运转，这里显然硬件就不是一个特别好的赛道，因为一个硬件的 kickoff 到能拿到数据少说都需要6个月时间，但有些方向的探索纯软件的 dataset 是不足以支撑这个方向的探索的，对于这种情况大多只能在前期做简单的 verify 搭好 infra 然后空转一段时间等待硬件的时间，这里也很好奇现在一些在做 world model 的公司以及一些做视觉方面探索的公司数据到底怎么来。

招聘的一些感悟

组建这个 team 的过程有特别明显的反共识就是： intern > 应届 > 社招，这个问题我觉得值得跟目前在各个大厂的佬友探讨一下，很明显就是在大厂做久了，当“螺丝钉”当久了，人很容易丧失学生时代的学习主动性和学习能力，导致很容易跟这个时代脱节，所以可能这也是社招招不到合适的原因，当然厉害有梦想的那部分除外。

今天先写这么多，后面会保持持续更新哒，最后再提一下我们还是在招技术岗位的全职和intern，Research 和 工程两个方向都会有，欢迎感兴趣的佬友评论区探讨啊！