即刻App年轻人的同好社区
下载
App内打开
甜菜欣欣
120关注658被关注0夸夸
硅谷AI创业者,前谷歌工程师,哥大本科💙
CVPRw最佳论文,全网20万订阅。
英文推特: tiancaixinxin
置顶
甜菜欣欣
5月前
AI写代码太可怕了。亲测现在的Claude + Cursor,已经达到直接原地起项目框架,一句话写function,半自动debug,半自动部署的程度。
一个人一星期,就能上线一个产品。对于产品落地标准的项目,目前仍要求用户具有一定技术能力。

预测未来的2-5年在米国 ,不仅junior级别程序员受到冲击,人才需求大幅缩水,senior一些的岗位也无法幸免。
这件事情已经在发生了。据Indeed公布的数据(图二),米国发布程序员招聘帖的数目从2022年顶峰以来大幅下降。
我认为长期受欢迎的,会是
🔺有领域内经验、能拿下单子的创业者
🔺能拆解复杂技术的程序员
🔺有审美能力的设计师

与此同时,欣欣在Sensortower等统计网站看到,过去独立开发者能达到的盈利有限,然而从去年开始,一人公司、小团队获得上百万刀营收的情况越来越多。
我们现在处在技术奇点的前夕,技术人在这个时间节点应当发挥优势,完成资源积累和转型。
#人工智能# #硅谷# #创业# #程序员就业#
89
甜菜欣欣
4天前
混乱而丰富的一天:
一早起来做了ICCV会议的海报,要去夏威夷展示去年的3D生成数据集。下午搞产品。
晚上助理给我打鸡血,说是去年我们的一个油管视频今年又开始爆了,要赶紧发布新视频接住泼天的流量,顺利的话至少进账几千刀,明年还能继续火。
可这是一个游戏频道啊!!我一年没打,键位都不记得了,更别说游戏道具了。
于是玩了一晚上这辈子玩得最痛苦的游戏😭
00
甜菜欣欣
6天前
作为创始人收到了一条略长的私信感谢,来自一位日常使用读屏功能的用户,TA试了十几家同类产品,说我们的AI产品最为好用。摘录一部分:
Honestly the most accessible Al app l've ever seen... l seriously cannot express enough how grateful l am...
好开心,感觉世界变得更美好了一点点!
21
甜菜欣欣
11天前
我称之为【职业发展的逃逸速度】:你个人履历经验的累积,必须超过AI逐步淘汰人类的速度。
01
甜菜欣欣
1月前
投资人可以交朋友,也可以聊项目,但不能打着投资的旗号白嫖学习。
作为技术出身的创始人,在一线摸爬滚打,对赛道的理解肯定比投资人深。我们数据库里几十万用户数据,是市场清清楚楚的需求。
创始人不用担心不认识圈里的人,担心没钱。做到每一个milestone,资源自然就来了。
00
甜菜欣欣
2月前
谷歌论文引用过100,野生的小水怪炼成~
谢谢大佬们带飞。从辅助到一作再到老板作,数字背后是成长
00
甜菜欣欣
2月前
进入产品迭代期,最爽的一点就是及时的正反馈:
1️⃣ 给首页改个UI,第二天开始注册用户提升30%。
2️⃣ 新增一种支付方式,用户咔咔咔用新方式付费。
3️⃣ 上线新的ai模型,留存提升两个百分点。
像是在玩一个大型模拟经营游戏,太上瘾了~
20
甜菜欣欣
2月前

熊猫ai甘蔗: 从Surge, Scale聊到我对数据行业的总体看法 Scale被Meta投资后,非常多人来咨询我对数据行业的看法。硅谷101在6.23这期视频中邀请我分析了几个关键问题,包括Alex为什么愿意加入Meta(感兴趣的朋友可以看看视频https://b23.tv/j4oAuYu)。昨天西元@西元Levy 又问我对Surge的看法,正好借此机会,我把大家最关心的几个问题系统整理一下,一并分享出来。 ⚡️1. 关于数据行业,大家有两个常见的误解: 第一个误解是,AI行业不需要人工标注数据了。但实际上,即便在强化学习的时代,高质量的人类数据依然非常重要。过去几个月,国内自媒体有一大批唱衰Scale的言论,认为有了强化学习就不需要人工标注数据。但Surge的revenue直接用真金白银证明了这种说法是错误的。 第二个误解是,认为数据行业就是血汗工厂的人力密集型行业。但事实上它是一个很有技术含量的科技行业。Surge的CEO Edwin在访谈里提到了一些关键点:如何衡量数据质量,如何衡量工作质量,如何让平台高效运转,以及如何了解frontier model所需要的数据类型和格式。 ⚡️2. 为什么数据标注依然是门好生意? 高质量的人工数据标注依然是一个极好的business,但竞争极其激烈。 首先,要在数据领域取得成功,公司必须以技术为核心导向。不管是Surge还是Scale,创始人都是MIT毕业的,员工也都是能够与大模型公司需求对话的人才。 其次,高质量数据的价格遵循非线性增长逻辑。高质量数据的价格可能不是普通数据的两倍,而是十倍、百倍的关系,很多人没有理解这一点。 第三,从公开信息可以看到,Meta同时使用了Surge和Scale,但在这种情况下,Meta还是选择对Scale进行大笔投资。这说明美国领先的模型公司非常重视人工标注的高质量数据,并不像自媒体圈狂欢时说的有了强化学习就不需要人工数据了。 第四,Edwin在talk中提到的许多要点——比如需要build的产品、API,需要与客户直接对话、快速响应数据需求——这些都是业内人士一直知道,但外界很少提及的practice。想做数据必须做最高质量的数据,这样才能赚到钱,而且能赚到非常多的钱,这一点其实跟大模型本身是一样的。 ⚡️3. Surge和Scale的区别是什么? 首先,在谈区别之前,Surge和Scale是非常像的两家公司。都是MIT出身的技术背景创始人,团队都充满了MIT、哈佛、斯坦福的名校生。业务也都非常专注做数据,优先从产品技术角度去解决质量问题。创始人也都对人才质量有自己的理解和追求,Edwin在访谈中强调了高人效,Alex冒着政治不正确的风险提出不要DEI,要MEI (merit, excellence, and intelligence)。 那么,为什么Surge可以提供比Scale更高质量的数据?核心是因为数据需求在不停变化,Surge出现时正好赶上大模型浪潮,从第一天就专门针对大语言模型做优化。而Scale是从自动驾驶时期开始的,经历了从自动驾驶到电商分类,再到大模型,还包括国防部的各种项目等多次转向。 其次,Surge的处理能力其实是不够的,吃不下那么多订单。客观来说,现在整个行业对数据的需求太大了,以至于你能提供多少高质量的数据,模型公司就能吃下多少。即便Surge的处理量再翻十倍,行业还是能消化得下。 在Scale被Meta投资之后,Surge现在处于一个很好的位置,成为最大的第三方中立数据服务机构。但因为这个市场非常巨大,还在非常早期,变数会很多。Surge现在可能也想融资扩张。 Scale和行业内其他公司肯定也会继续有生意可以做。局面可能是这样:比如最优质的数据是100分,但实际上没有人能做到,Surge可能做到80分,Scale可能是75分。当80分的数据量不够时,并不是说行业就不需要75分的数据了。大家都在非常努力地想把数据再往前推进一点,而且这个标准随着大模型能力的提高在更加快速的的提高。 ⚡️4. 谁能成为下一个(或XX领域的)Scale或Surge? 关于数据的话题,我还有一个观点要补充:最优秀的解决数据问题的团队,不是因为解决不了其他问题而退而求其次的团队,而是相信数据本身有价值的团队。 之前和不少国内VC交流,或者我了解的很多创业公司的做法,是想现在靠提供数据服务来养活自己,之后再做别的。我认为抱着这种想法的团队肯定做不好数据。

00
甜菜欣欣
2月前
一早就收到用户邮件询问,网页版的某个功能为什么没手机版。
自从用ai一个月上线以后,完全没想到会有人付费。。理想情况下,应该优先完善手机版。但我手机端开发水平几乎为0,所以都是用网页版把前后端测通,再把网页前端的代码移植到手机端。
我现在水平也长进了,能debug出ai也不会的bug了,真是欣出于ai而胜于ai啊!
20
甜菜欣欣
2月前
我的假说是,如果你整个数据集都是基于特定的知识,比如说一些专业的医学或法律术语,并且彼此是统一的,那么就相当于把这些知识以优于RAG的稳定度植入了模型

提示词爱好者: 其中的逻辑maybe是: 训练量/数据量 > 阈值 触发 拟合 导致 学会 名字=你 整个过程是不可控的 但是能解决某些特定场景的需求maybe

00
甜菜欣欣
2月前
过去三个月我的资本利得是(如果还在大厂当程序员)劳动利得的两倍多。。
但我一周还是工作六七天,基本都在写代码😵‍💫
00