好文集ChatGPT Plus¥119

年终回顾:一只不想进肯德基的鸡

文章目录

我非常喜欢观看《睡前消息》节目,不论马督工的观点是否正确,有一点让我格外喜欢——对一个人的观察要从长期角度,去分析他观点的连续性,多去做媒体和公众人物的合订本。

  • “翻合订本”是中文互联网上一种常见的讽刺手法——把某人(或某个媒体)过去说的话、做出的预测,与后来的现实发展对照起来看,形成戏剧性或打脸的效果。

  • 马前卒作为《睡前消息》节目的核心人物,长期高频地对热点时政、社会经济、国际局势(如俄乌战争等)发表较为犀利且具体的预测与评论。随着时间推移,网友、观众及不同的舆论群体会将其早期的言论翻出来,制作成各种“合订本”合集,用来审视其观点是否经受住了时间的检验。

  • 《睡前消息》官方自己有时也会主动做“新闻合订本”(例如年度新闻回顾、特定事件阶段性盘点)来回看过去的信息。

于我看来,做合订本是一种非常有趣的进行自我解构的方式,来观察这段时间我的观点和思想是如何变化的,我是否还保持着我正直朴素的初心。有感于此,前段时间我在朋友的帮助下,整理了我过去一年录制过的七期节目,为我一年内的观点做一个合订本,希望我的观点能经受时间的检验。今天是第一部分,分享一些我对优绩主义的看法。我会来分析,我是如何看待优绩主义塑造的成功学理念的危害,以及分享我的个人经历,督促自己不要有为自己辩经的优绩主义行径。

一只鸡的价值

我经常讲一句话:一只鸡如果进不了肯德基、麦当劳这种知名企业,进不了 Chick-fil-A,连正新鸡排都进不了,这样的鸡生还有任何价值么?

这当然是一句反讽,我在网上见过太多这样的分享:OpenAI 的薪资有多高,谁已经财富自由了,Meta 有多么恐怖的算力,Google 的午餐有多好吃。这些分享本身没有什么错,这些公司也确实非常伟大。我每天都在高强度地使用它们的产品;我有很多朋友在这些公司工作,其中不少人和我们的项目或多或少有过合作;如果有一天我能加入它们,一起打造一些伟大的工作和产品,那也会是我人生的幸事。

我只是不认为,一个人的价值需要以加入这些公司作为唯一的衡量指标。所以,每次看到大家认真地比较这些物质化的反馈,好像薪资、算力和公司福利就是一个人全部的刻度,我脑子里浮现的画面,都是一群鸡在养鸡场里热烈地讨论,到底是去正新鸡排还是去德克士,去肯德基还是去麦当劳。店与店之间当然有差别,有的还差得很远;可如果一只鸡只能用自己进了哪家店来证明自己,这样的鸡生未免有些索然无趣。

这就是我最喜欢去解构的优鸡/优绩主义。在我看来,优绩主义最隐蔽的地方,是它让一个人的价值越来越等同于哪一家机构选中了他。考进了哪所学校,进了哪家公司,在哪个组,拿多少钱,这些本来只是一个人生活里的几件事实,慢慢却成了这个人本身。一只鸡的价值,被换算成了它最后进了哪一家店。

这种换算还有一个隐藏版本:替世俗意义上的成功人士美化来路,为他们的过去辩经。高中时,带我们竞赛班的熊李程老师,跟我们讲过一件事,我记忆犹新:一个人如果成功了,他原来的很多特点,甚至缺点,都会被人拿去重新定义为他成功的原因。一个人品行再败坏,成功之后也自有大儒为他辩经,说这种败坏恰恰是他成功的原因;那些没那么积极、没那么努力的人,成功之后给自己写传记,也会说自己当年每天早上五点起来背英语单词,绕着阳澄湖高声朗读古文。

往前,优绩主义按照谁被选中来给人排序;往回,优绩主义把被选中的人的过去重新写成一串伏笔:焦虑被写成野心,偶然被写成眼光,一次被逼无奈的选择被写成深思熟虑。写的人未必在说谎,可这两个方向合在一起,会给读的人一个很残忍的结论:一个人能走到今天,只是因为他足够坚定、足够努力;而那些没有走到这里的人,就是少了一点坚定和努力。运气不见了,出身和环境不见了,那些在关键时刻拉了你一把的人也不见了。我很讨厌优绩主义,也很喜欢批评它:它不只粉饰了成功的人,也在悄悄地审判没有成功的人。

但我得先承认,我并不站在这一切之外。我也曾经是一只很想进肯德基的鸡(可能现在也是,苦笑):选专业的时候,我想的是收入和体面;听说有学长去了某某 AI 公司,我觉得非常非常厉害,暗暗想着自己以后能不能也够上那个水平。所以这份合订本与其说是拿来批评别人,不如说是拿来检验自己。我是 2002 年 9 月出生的,今年二十四岁。下面这些本科和读博时的经历,我尽量不把它们写成伏笔,权当作今年年底的随笔与分享。

计算机专业是一个很不差的选择

我高中学的是化学竞赛,和我现在做的事情几乎毫无关系。比较好玩的是,后来进了清华计算机系,我发现身边真有不少同学也是学化学竞赛出身的;反倒是高中那些学信息竞赛的同学,很多没有学计算机,有人后来还去学了化学。

这件事让我对“早早选定方向”一直有点怀疑。高中学什么竞赛,和一个人最后的人生选择往往没有太大关系。竞赛真正留下来的,是一种学习能力的急剧化训练:在很短的时间里啃下一门远超课本的知识,知道一个陌生领域大概要从哪里入手,也满足了我那时候对自己能力和学习欲望的一点好奇。这些东西可以带到任何地方去。它训练的是一个人如何学习,并不规定这个人以后去哪里学。

那为什么最后我选择了计算机?坦诚说,原因很朴素:我当时觉得学这个专业,以后能有不错的收入,过上比较体面的生活。对一个从相对闭塞的高中环境走出来、没有得到多少职业选择指导的学生来说,计算机是一个很不错的保底选择。就像是高考之前,老师跟我们说过,如果想不好,就去学数学,因为数学可以转去任何专业。

现在回头看,“保底”这个词本身就很说明问题。一个十八岁的学生,其实并不知道自己想要什么,也很难知道各个专业背后具体是什么样的工作(我很羡慕那些早早就知道的人,但是这类人是极其少的),他能抓住的只有几个粗糙的信号:收入,体面,以后转方向的余地。说得直白一点,这些信号问的都是同一个问题:将来哪里会要我。在信息这么少的时候,选一个能保住最多后路的选项,是很理性的做法,没有什么可难为情的。只是它和成功学里常讲的那种“从小热爱”,确实是两回事。

所以我没有深厚的计算机基础,没有从小学编程,不是什么少年天才,更没有立志研究人工智能的宏伟愿景。很多人讲自己怎么走上这条路,会说小时候打游戏,打着打着就开始研究怎么 hack 这个游戏,于是开始学编程。成功学特别喜欢这样的故事,因为它让一个人的今天,看起来在童年就已经注定。我小时候也打英雄联盟,但我只想把那一局打赢,从来没研究过它的底层机制。所以以后就算我真的成了世俗意义上成功的人,大概也不需要有大儒为我辩经。

引路人

如果一定要说我是什么样的人,在职业道路上,我喜欢定义自己为一个很典型的好学生:给我一个好的环境、好的老师,学什么我都能学进去(生物、物理、数学、化学等等)。高中的时候,只要我知道一件事值得做,就愿意在里面投入时间;慢慢理解了其中的门道,题目做得不错,分数也给了正向的反馈,兴趣就跟着来了。

我们通常以为兴趣在前、投入在后:先喜欢上一件事,然后才愿意为它花时间。可在我身上,顺序常常是反过来的。先有一个让我觉得值得的理由,然后投入,然后理解,然后做出一点成绩,得到反馈,兴趣是在这一圈一圈的循环里长出来的。成功学喜欢把热爱讲成一种天赋,好像有的人生来就知道自己要什么;这种讲法的副作用是,那些暂时还没找到热爱的人,会以为自己天生少了点什么。所以每次听到“去找到你真正热爱的东西”,我知道我不是这样的:至少对我来说,热爱更像是在这个循环里一点点做出来的。

而让这个循环最开始转起来的,往往是人。高中有一段时间我很不喜欢生物,后来班里换了一位老师,她对我们特别好,也很愿意把问题讲清楚。对高中生物这种在我看来高度模糊的学科(有些内容甚至为了应试教育而故意讲得不准确),她的启蒙意义非常大。因为喜欢这位老师,我愿意在这门课上多花时间,后来才发现生物也挺有意思。

我很难把兴趣和人与人之间的关系分开。一个好的引路人,教给我的不只是知识,还有一种信念:问题是可以问的,困难是可以被拆开、被解决的。有了这种信念,一个人才愿意在看不懂的时候继续往前走;没有它,再有意思的东西,看起来也只是一堆让人望而却步的困难。这些人在优绩主义的叙事里最容易被删掉,因为一旦承认他们的分量,成功就不再只是一个人的事了。

计算机对我而言也是这样一个慢慢走进去的过程。大一刚开始学编程,我很痛苦,一度怀疑自己是不是真的要在这个系熬满四年。到了大二,专业课多了起来,我也遇到了很好的老师。这里我特别想感谢清华大学计算机系的邓俊辉老师,他教我们数据结构与算法课程。这门课拿了我本科最低的绩点,但邓老师对我的影响非常大,我一直很感谢他的启蒙。在一个卷得很厉害的环境里,一门课的绩点和它对一个人的影响,衡量的是两件不同的事。

站在即将步入 2027 年的时间点上,兴趣也好,好奇也罢,信心也好,对好工作、体面生活的期待也罢,它们缠在一起,构成了我对计算机一种很复杂的感情。我说不清哪一样是起点,也不想为了优绩主义的故事,硬挑一样出来作为伟大的开端。

本来就没有什么伟大的故事,有的只是迷茫无助与妥协罢了(只是我没有写出来)。即便如此,很感谢这一路的伙伴与导师们,我自己没法每次都做出正确的选择;在他们的帮助下,经过相当长一段时间,每一个选择都慢慢变得正确。

错过一个亿

如果把本科看成一场赛跑,我起跑得并不早。在我那个年代(虽然只是 6 年前,但是 AI 爆发后一年就是一个时代),清华计算机系最优秀的学生,大一结束甚至刚入学就开始做科研了。我有一位非常好的朋友,信息学集训队出身,本科很早就进了实验室,现在在华盛顿大学读博,他的导师是这个领域世界上最好的老师之一。很可惜,我不是这样的学生。真正开始有人带我做科研,已经是大二升大三的那个暑假了。

那一年系里有个很好的课程改革,取消了暑期的小学期,我第一次有了一整个完整的暑假可以去探索。摆在面前的有两个选择:去一家科技公司实习,或者去唐杰老师在清华的实验室。我给唐杰老师发过邮件,他回得很快,大意是:“好啊,赞,你有什么感兴趣的话题?”我回信说,我要先准备托福。他说,那要不过段时间。然后一过,我们就错过了。

这件事后来有一个很好笑的续集。智谱上市之后,我看到有人在小红书上晒了一份大概 2024 年的智谱 offer,算了算,说当时那些股票现在可能值一个亿了。我看着觉得很搞笑。人生里错过一个亿的事情实在太多了,要是我出生的时候就劝爸妈说,我是从二十年后回来的,咱们倾家荡产去买比特币吧,这件事同样毫无意义。

这种反事实的账之所以没法算,是因为它偷偷换了信息。站在今天,我知道哪家公司上市了,知道哪些东西涨了;可站在那个暑假,我只知道自己要考托福,只知道一位前辈对另一家公司的评价。用今天的信息去审判当时的选择,和用今天的成功去给当时的选择贴金,其实是同一件事的两面:一个往后悔里写,一个往伏笔里写。说到底,这也是另一种形式的大儒辩经。

回到那个暑假,我最后请教了一位前辈。他说接触过从那家科技公司出来的研究员,都挺不错,公司也有一些海外的 connection。于是我去了那家公司,这是我人生里一个重要的选择点。坦白说,这个选择背后的信息少得可怜,一位前辈的一句评价,加上一点海外 connection 的吸引力,仅此而已。但它带给我的东西很实在:我从一个资源极度匮乏、需要自己摸索的环境,终于到了一个有人引路的状态。

在那一家公司,我做的是模型蒸馏,简单说,就是尝试把一个模型学到的东西拿来帮助另一个模型学习。那个年代蒸馏还不是一个贬义词,是一个很严肃的话题。(现在有人跟我聊蒸馏,我还会给他讲特斯拉的 FSD 是怎么从 V14 蒸馏到 V14 Lite 的,它是一项很伟大的技术。)那个项目后来写成了一篇叫 TeacherLLM 的论文,它现在还挂在我的 Google Scholar 上,状态一直写着 under submission;但我很确信,这辈子我们不可能再把它投出去了。以我后来的学术观点,它的贡献确实很有限。

不过,我从这篇不算出彩的文章里得到的收获仍旧是非常巨大的。对我而言,应该把一项工作的价值,和它对做这件事的人的价值分开来看。按照优绩主义的算法,一篇没中的论文就是一段白费的时间。可 TeacherLLM 让我比较完整地经历了一遍科研:怎么读文章,怎么设计实验、展开讨论,以及面对一个又一个匪夷所思的结果,怎么继续追问下去。后来我才明白,科研训练真正留下来的,是一种思维习惯:一次只改变一个变量,用证据去解释现象,弄清楚一次实验究竟证明了什么,又没有证明什么,这种科学培养和发不发论文没有关系。

一百四十封邮件

2023 年 1 月,我开始申请暑研。前前后后发了一百四十多封邮件,那时候大家都在 NLP 圈子里,能投的老师我几乎都投了,回信的却寥寥无几。那段时间我特别焦虑,每天早上醒来第一件事就是查邮箱,看有没有人回我。

直到某一天早上,我看到一封回信,来自 Graham Neubig。他只写了几句话:Your paper sounds interesting, could you send that to me? 我颤颤巍巍地把论文发了过去,他回了一句 good,然后我们聊了半个小时,定下了那个暑假去他组里做暑研。

我清楚地记得,那天早上我惊喜得从床上弹了起来,恨不得在宿舍里大吼大叫。可是我起得早,室友们都还在睡觉。于是我穿好衣服,整理好着装,在清冷的初春早晨走到紫荆宿舍北边的校河上,然后“啊”地叫了出来。我猜对面居民区的人对此颇有微词。

有的人觉得,专业的表现是喜怒不形于色,而我恰好是一个喜怒很形于色的人,很难抑制自己的惊喜。这可能是我的缺点,但我觉得保持这样的真诚没有什么坏处。

在优绩主义的叙事里,被选中常常被当成一个人足够优秀的证明。这件事真正让我想明白,是在角色对调之后。后来我开始工作,邮箱一周会收到十几二十封询问合作、想来实习的邮件,我才知道站在收件人那一边是什么感觉:时间和注意力都有限,每一封邮件能得到的,往往只是几秒钟的判断。Graham 是 NLP 领域的大师,每天大概要收上百封邮件。我不知道他出于什么原因把我挑了出来,总之我成了那个暑假他实验室里唯一的实习生。

所以我很愿意承认,这里面有很大的运气成分。那一百四十多封邮件里,被回复的那一封未必是我写得最好的(似乎每封邮件都是模板,苦笑);那些没有回我的老师,也未必是因为我不够好。如果我把这件事讲成“努力终有回报”,那就又是在给自己辩经。更诚实的说法大概是:我把能做的都做了,然后在某一个早上,运气站到了我这边。

(坦白一句,一百四十多封邮件能写出来,和 GPT 很有关系。我用它写了很多初稿,但每一封我都自己改过。这和现在用 GPT 写完、看都不看就发出去还不太一样,何况那时候 GPT 写邮件的水平也远没有现在这么高。)

在 CMU 才学会了软件工程

那个暑假,指导我的有三个人:Graham 是我的 chief advisor;PhD mentor 是 Vijay Viswanathan,我们到现在都经常联系,他是我非常好的伙伴;还有 Sherry Tongshuang Wu 老师。我们做的项目叫 Prompt2Model,想法很简单:如果每一个 prompt 都发给 GPT 去完成任务,成本是很贵的;那么对一个你每天都要用的 prompt,能不能基于它训练一个小模型来替代?现在回头看,它的很多假设都有问题。GPT 背后有一整套工业化的推理体系,成本可能比你本地跑一个小模型还低;要不要为每个特定任务都做一条模型管线,本身也值得商榷。但回到 2023 年 6 月,这就是我们的课题。

这里有一个很有意思的反差:项目的假设过期得很快,我在项目里学到的东西却没有过期。成本结构一变,Prompt2Model 想解决的问题就不那么成立了;可那个暑假养成的工作习惯,我一直用到今天。

这个项目是我人生的工程启蒙。它本质上是一个工程项目,投的是 EMNLP 的 demo track,产出是一个 Python 包,你现在还能 pip install prompt2model,尽管它已经两年多没人维护了。那是 GPT-3.5 的年代,AI coding 还没有这么泛滥,大部分代码都是我自己写的。我开始学怎么写单测,怎么发版,什么是 CI/CD,怎么写小的 PR,怎么和人 review,怎么把自己的 PR 解释清楚,怎么把一串 PR stack 起来、让人方便地 review。Graham 和 Vijay 都有非常扎实的软件开发经验,Vijay 读 PhD 之前还上过三年班,我是跟着两位真正懂软件的人入门的。这些规范后来在我加入 SGLang 时帮了我很大的忙。

让我很惊讶的是,这些东西在本科的软件工程课上完全没有学过。那门课教我们写 Vue,写 React(前端的那个 React,不是 Agent 的那个 ReAct),却没有人告诉我们怎么设计一个好的 API,怎么写单测,怎么保证软件 scalable,怎么重构,怎么用 GitHub 的 runner。我后来猜,原因可能在于课程作业的生命周期太短:一个学期的项目,交完就结束了,没有人需要在半年后读懂你的代码,也没有人需要 review 你的改动。而单测、小 PR、把改动的理由写清楚,这些规范之所以存在,恰恰是因为真实的软件要被很多人、在很长的时间里一起维护。离开了这个场景,规范就只剩下一堆看不出意义的条条框框。最重要的软件规范反而不在课堂上,这是我觉得本科教育的一个缺憾。

说到这里,还得坦白一件更好笑的事:我当初为什么选了 AI,而没有去大厂当软件工程师?那时我已经笃定要出国,眼前能参考的,只有系里学长们的两条路。要么读一个硕士,毕业后进大厂做软件工程师;要么学一学翁家翌学长的人生道路,去做 AI 研究。然后我写了一个学期的前后端,对这件事深恶痛绝,于是选了另一条我不反胃的路。现在看来,前后端根本不是软件工程的全部,我对软件工程的改观恰恰发生在 CMU。所以我选择 AI 的理由一点都不高尚,甚至现在想来很搞笑:正是因为当时对软件工程认知不足,我才做出了那个武断的决定。

这大概是我很典型的一种选择方式。那时我并没有看清自己想去哪里,只知道自己不想待在哪里。排除法的麻烦在于,你排除掉的,往往只是自己见过的那一小块:我以为自己讨厌的是软件工程,其实我讨厌的只是那一学期的前后端作业。好在后来有机会看到了更大的样子,认识也跟着变了;那个决定虽然已经做完,回头看,它也没有把我带到一个坏地方。如果我今天把它写成“很早就看准了 AI 的方向”,听起来会体面很多,可那就是标准的辩经了。

那个暑假也是我第一次离开国内的环境。从清华计算机系相对闭塞、课程又卷得惨无人道的环境,到资源相对多一些的科技公司,再到 CMU,后两处我都是组里唯一的实习生,没有明确的竞争关系。学术圈的资源当然比不上工业界,但美国社会的风土人情让我觉得很有意思。我第一次去时代广场看了那些现在看来仍旧耀眼的大屏幕,也更加坚定了以后要去美国读一个 AI PhD 的想法。

从众是我的默认选择

如果你问我,那时候是不是已经很清楚自己以后要做什么,答案是否定的。我不会说自己当时是一个高瞻远瞩的人,我只是很焦虑。而我焦虑的时候,就会选择做大家都在做的事。那时候系里大概有四分之一的同学会去做 AI 相关的东西,大家又普遍认为,要做 AI,有一个博士学位是很重要的,至少要经过博士的培养。在那时的我们眼里,博士学位有点像进入德克士门店之前必须盖的一个章。于是我申请了美国的 AI PhD,2024 年本科毕业,那年秋天去了 UCLA。

我现在并不想批评那时候的自己。焦虑的时候跟着大家走,本质上是把一部分判断交给了人群:四分之一的同学都去做 AI,大家都说要读博,这背后多少包含着很多人的信息,跟着走未必是错的。但我也看得出优绩主义在这里起的作用:当一个人的价值取决于将来被哪里选中,最安全的做法就是走大家都在走的那条路,因为那条路通向的店最多。我得承认,那个决定里真正属于我自己的理由并不多。属于我自己的东西,是后来在做事的过程中,一点点长出来的。

我的导师是顾全全老师,他对我的帮助非常大。顾老师本来是一位非常古典的统计机器学习研究者,他既不是做 machine learning system 出身的,以前也不做大语言模型,为了进入新的研究方向,他自己也要打破一些墙壁。他对我也是这样的鼓励。在他的引导下,我开始学习怎么做开放的研究,做了很多 machine learning system 的问题。那段时间我也在适应中美两边生活、工作和 workload 的差别。一位已经很成熟的研究者,愿意离开熟悉的领域,从头进入一个新方向,这件事本身对学生就是一种示范:方向是可以换的,换方向也不等于前功尽弃。这些经历,对我后来敢于做出更大的选择帮助很大。

我和 SGLang 的故事也是在那时候开始的,这里只简单说几句,以后会专门写。刚到 UCLA,我和顾老师做一个 Agent memory 的项目,需要对 Agent 已有的上下文做大量的检索、裁剪和分叉,效率很低。我在网上看到了 SGLang,用了以后发现这玩意儿怎么这么快;又发现它还不支持我需要的 embedding 模型,于是给两位作者发了邮件。他们给了我一个小任务,做完之后很认真地问我:你真的想要严肃地做这件事吗?我说想。然后我就被拉进了一个只有七个人的开发者群。

读博之前,大概是 2023 年 9 月,我和 Vijay 聊过一次。那时我已经觉得论文进入了一种爆炸的阶段,很多人发论文发得非常猛,我也能理解他们为什么这样做:当论文数量成了最直接的计分方式,多发几篇是一种很合理的应对。但我跟他说,如果读博之后有一天我能找到一个好的项目,我更愿意花两到三年把它打磨到我自己觉得完美,而不是在两三年里每四五个月换一个新项目。我并不觉得前者一定比后者好,这只是我的工作习惯。幸运的是,读博一开始我就找到了这样一个项目。

也差不多是那段时间,我开始意识到 impact 对我有多重要。我在主页上写过一句话:没有 impact 的人生,就像没有活过一样。我也承认,impact 这个词和功名利禄多少有点关系,但它的核心是影响力,是你做的东西有没有真的被人用起来、改变了什么,而不是(不完全是)你被哪家店收下了。我本科后期做的小模型蒸馏,到现在我仍然认可它的价值,它也可以是一门不错的生意;只是在推理和强化学习迅速发展的阶段,我觉得它的影响相对有限,而我在系统上可能做出更直接的贡献。这并不意味着我从此觉得系统比算法更高级,我很难给这两件事排出高下。

这几件事后来连在了一起:对 impact 的在意,让我更愿意长期打磨一个真正被人使用的东西;而一个真正被人使用的东西,又不断把我的注意力往学校外面引。但在当时,我只是一件一件地做,并没有看到它们之间的那条线。

每个人都应该在体制内有一个“单位”

我长大的地方叫马尔康。长大之后我才知道那是一个旅游城市,可小时候对我来说完全不是这样。马尔康是好几级政府的所在地,镇政府、县政府、市政府,还有州政府,以至于我的小学同学里,除了家里是牧民的,每个人家里都有单位:这个人家里是公安局的,那个人家里是水利局的。我到现在在硅谷都还会下意识问别人,你是哪个单位的,别人都觉得很诧异(单位这个词对于硅谷似乎太罕见了)。在我长大的城市,每个人的家都来自体制内的某一个角落,都有一个按部就班的人生,我大多数小学同学后来也进入了这样的人生。

后来我发现,在马尔康问一个人是哪个单位的,和在硅谷问一个人在哪家公司、拿多少钱,其实是同一个问题的两种方言:都是在问,你被哪里选中了。只是在体制内,选中你的那一刻,你后面几十年的样子也一起被定下来了。

我的父母都是公务员。对他们而言,人生是线性的:到了某一年,工资会涨五百,涨一千,一切都可以预期。公务员的人生非常确定,二十五岁考公上岸的那一刻,就已经知道五十岁是什么样子了。

我想先替这种人生说一句公道话。在一个家家都有单位的地方,确定性本身就是很珍贵的东西:你知道下个月工资会到账,知道几年后会涨多少,也大概知道孩子以后能走一条什么样的路。对我父母那一代人、在那样的地方,追求确定性是完全理性的选择。我后来对这种人生有很多保留,但并不觉得它可笑。

所以我离开学校这件事,比它看上去要难。如果要粉饰一下,我会说自己毫不犹豫;但事实上,我有过很多犹豫。离开学校曾经是我很久以前非常神往的事,可真到了临门一脚,我其实很害怕。退学,不念书,放弃博士学位,全职去一家 startup,这是一个巨大的 risk。我为此做了很多思想上的 debate,有和自己的,也有和家里的。

最后压在天平这一端的砝码,有几个角度。卖弄一点地说,理想主义是一座丰碑,我愿意为理想主义付出一定的代价。实际一点地说,我决定去工业界之后,联系过一些公司,大概谈过 offer,才第一次切身体会到市场经济是什么样子:没有一个单位会告诉你,工作五年之后工资就该涨了;这个阶段大家觉得强化学习特别火,就给做强化学习和强化学习 Infra 的人开高工资,过一段时间做 coding 的人火了,又给他们开高工资。

这是我第一次真正面对“价格”这件事。在单位里,一个人的价值由制度事先定好,年限到了就涨;在市场里,一个人的价值随着热点起起落落,同样一身本事,换一个时间点,价格可能差很多。这让人不安,它也再一次提醒我,一只鸡的“价值”有多么不稳定:今天这家店抢着要,明天可能就换了口味。可它同时也意味着,增长可能是指数性的、完全非线性的。我意识到,我不能在一个可能指数增长的时刻,忽略掉这样一个机会。

前段时间看一篇关于 Kimi 的人物访谈,里面有个说法我很认同:给一群人 1% 的可能拿 100 分、100% 的可能拿 60 分,他们会毫不犹豫地选 1%。并不是因为大家都喜欢 100 分,而是因为大家讨厌那个 100%。我大概也是讨厌那个 100% 的人。确定性在我父母那里是安全感;可对我来说,我好像并不想在二十五岁的时候,就看见五十岁的样子。何况我还足够年轻。我问过一个朋友,他一直说创业很危险(其实此人是月球大叔),但又说,考虑到我的年龄,做什么事情都可能是错的,所以无所谓。

从现在来看,我那段时间的 debate 大概率是对的。我甚至为此总结出了一个有点偏激的观点:在我十八岁成年之后,任何选择,只要和父母相悖,我一定要坚定自己;因为父母那套从体制内出发的判断,放在市场经济里一定是错的。我知道这句话听起来不太孝顺,也不见得适用于所有人,我不想把它修饰得更圆滑。只是后来再想,这句话的分量其实落在后半句:那套判断在我父母的世界里是对的,它帮他们过上了确定而安稳的生活;而我要去的地方,已经不是那个世界了。也要补一句公道话:真到我做决定的时候,我的导师和家人都支持了我。

为什么离开学校

真正做出离开学校的决定,大概是在 2025 年 6 月前后。那时我发觉,自己希望得到的训练和反馈,在工业界、在全职工作里会更加密集;我已经知道自己想做什么,也遇到了愿意一起做的人。于是我先以学生身份在 RadixArk 实习了一个多月,之后转成了全职。算下来,我在 UCLA 读了十五个月的 PhD,而这十五个月和我做 SGLang 的时间几乎完全重叠。

如果把当时的理由拆开看,大概有三层。

第一层是我自己的目标,它有一种连续性。我原本对自己的设想,就是博士毕业之后去一个能把前沿研究带进实际使用的团队。读博的时候,大家经常会想,如果我的工作最后被 Meta、被 DeepMind 采用了,那就是一个很好的 milestone。可是如果你心里一直抱着这样的 milestone,就会经常自我怀疑:既然我最终要让工作得到工业界的认可,为什么不直接进入工业界,让它直接被用起来?如果终点本来就在学校外面,读博在某种意义上就成了一段绕路。对做系统的人来说,这个问题更尖锐。如果一个 system PhD 的目标是维护一个好的系统(我自己的认知是 system PhD 苦笑),并让它真正 scale 得很大,那为什么不在工业界做这件事?说实话,我到现在也没想明白这个问题的答案,它也许本来就没有一个对所有人都成立的答案。

第二层是反馈。在工业界想要自欺欺人,难度要大得多。你接到的需求是真实的,背后有 revenue;产品做得不好,公司或许能容忍你半年一年,但如果一直这样,资本是很无情的,它会自然地朝着效率最大化的方向走。我恰恰看重这种无情,因为它让反馈变得诚实:你做的东西有没有用,不太取决于你怎么讲它,而取决于有没有人真的在用、愿不愿意为它付钱。比起一个人被哪里选中,我更想知道自己做的东西到底有没有用。当然,这未必说明谁更好、谁更坏,学术界有它自己的价值,只是我那时更想要这样的反馈。

第三层是现实的约束,也就是在美国读博本身的挣扎。我们这些在美国念书的中国学生,读书的许可和工作的许可是两回事。顶尖的模型公司里,核心工作基本是内部人员加上 new graduate 在做,实习生大多要到 PhD 快毕业时,才可能接触到比较 core 的角色。我不觉得 Meta 的任何一个实习生能接触到 Meta 最核心的业务。国内反而不太一样,很多前沿模型公司愿意给非正式编制的实习生更高的权限,对实习生敞开大门。所以我的结论是,frontier lab 并不是不欢迎退学的人,它们不欢迎的是非全职员工,而想成为全职员工,本身就是一件比较麻烦的事。

我离开学校,也不是因为 UCLA 不好。恰恰相反,我的导师和我们的组都很好,我没有遇到特别 toxic 的老师;我去上那些 system 的课,讲课的是拿过好几次 OSDI outstanding paper 的老师(Harry Xu 和 Tony 等等),听着如沐春风。离开学校的也不只是学生,很多老师也在出来创业。我本科时的导师 Graham,本身就是学术界非常有 impact 的研究者,后来也出来做了 All Hands AI。在我看来,impact driven 的人,总会去自己所处的时代里 impact 更大的地方。以前大家觉得学术圈的 impact 足够大,自由度又高,资源也不算匮乏;但至少从 2022 年以后,越来越多的老师和学生意识到,想把研究最后变成真实的 impact,和工业界打交道是不可或缺的。

去年底我去录一档播客,主持人介绍我的时候,没有说“赵晨阳同学”。我当场意识到,这对我个人是一个挺大的改变:我好像真的不再是学生了。很多公司喜欢管员工叫某某同学,说是延续校园文化,我倒觉得未必是一件好事。一个称呼背后,是一整套关于你是谁、别人对你有什么期待的默认设定;离开学校,某种程度上就是把这套设定换掉。

至于学籍,要说得准确一点:严格来说,我现在是休学的状态。主观上我也没有很想把退学手续办完,因为留着它 no hurt。在中国人的观念里,学生休学或者退学是一件离经叛道的事。我本科时有个朋友休学去闯荡币圈(此人在币圈江湖人称方哥/方割),我当时觉得他很离经叛道,现在也还是觉得他挺离经叛道的。不过轮到自己,我发现这件事说到底只是一个选择,它不需要被讲成叛逆,也不需要被讲成远见。

一只不想进肯德基的鸡

经常有人问我,什么样的人适合离开学校,什么样的人应该留下来。这个问题很难回答得没有爹味,我只能说说自己会看哪几个维度。

最重要的是你做的东西有多 applied。做系统是一件非常 applied 的事。如果你在学校里做一个 GPU 复用的方案,最后要靠大厂愿不愿意 adopt 来证明它好不好,那为什么不直接去大厂推动它?很多偏应用的方向也是这样,评价工作的标准就是它有没有被业界顶尖的公司用起来。我很难相信,用几张 A100 做出来的实验,能说服一家大公司真金白银地砸上十万张 GPU 去验证。反过来,如果你做的是很基础、很偏数学的东西,留在学术界仍然是一件好事。顾老师的学生大多是数学背景出身,数学在我看来是一个没有被 AI 冲击得那么严重的地方,你也能经常在网上看到同在 UCLA 的陶哲轩的观点;模型可以拿到 IOI 金牌,但从 IOI 到真正的数学研究,中间还隔得很远。然后再看你希不希望自己的工作在业界更大的 scale 上被证明,你有多愿意 take risk,更偏好循规蹈矩、稳扎稳打的人生,还是愿意去赌一个不确定的东西。

这几个维度里,没有一个是在问读博好不好、退学酷不酷。“读博就是浪费时间”和“退学才叫勇敢”这类说法,也带着一点优绩主义的味道:它们只是把“进哪家店”换成了“走哪条路”,给所有人排了同一个顺序,于是人就不必去面对自己真正想要什么。对一个具体的人来说,诚实地回答自己想做什么、想过怎样的生活,比给读博或者退学贴上任何标签都有用。

我也真心敬佩那些留在学校、认真打磨研究的人。我听说有人读了六年博士,第五年到第六年,就是想把研究打磨到臻于完美再去找教职,我觉得那是非常值得尊敬的研究者(NLP 圈子内的 Sewon Min)。我身边也有朋友,我觉得他是我们这一代 PhD 里真正具有好的研究品质的人,我非常佩服他。我还有个朋友骂学术圈骂得很难听(虽然他自己现在还在学术圈),他说有些人口口声声坚守学术大义,本质上只是因为找不到工业界的工作,要是哪家公司给的钱比他在学校当 faculty 多 20%,他会毫不犹豫地放下一切。我觉得确实有人是这样,但不全是;也有很多人很真诚地承认,自己还没有准备好,还没有到能去自己想去的那个位置的状态。很多时候,我也会羡慕留在国内读博的朋友。每个人在自己的环境里做出的选择,没有什么对错。

也有人问我,以后会不会回到学术界。我觉得这有点像大家喜欢在乱世买黄金:如果这个行业不再像现在这样疯狂扩张,回去也未必是坏事,还是要看在那个时间点上,做什么事情更适合我。

我有个朋友离开清华一段时间后,跟我说过一句话:离开了清华,才发现外面根本没有在下雨(其实这个朋友是我对象)。我很喜欢这句话。在一个特别看重排名的地方待久了,人很容易以为离开排名就是失败;可外面的环境,很多时候并没有我们在里面想象的那么恶劣,真的下定决心之后,一件事做起来也可能没有那么难。

不过刚开始上班的时候,我也意识到,自己以前的 value function 需要改一改了。以前我总觉得,能离开学术界本身就是一种 reward;现在这个 reward 已经兑现,也就终结了。仔细想想,那其实是一个用“离开”来定义的目标,它告诉我不想待在哪里,却没有告诉我要去哪里。就像当年因为讨厌前后端而选了 AI 一样,排除法能帮我做出一个决定,却没法替我回答接下来要做什么。我需要给自己设计一个更长期的 reward。它会是什么,我还需要多想想。

我能确定的只有一件事:我不希望它只是另一家更有名的店。一只不想进肯德基的鸡,并不比别的鸡更高贵,它也要吃饭,也会羡慕,也会在焦虑的时候跟着大家走。它只是不想让自己的价值,由最后进了哪一家店来决定。如果以后真的想明白了那个 reward 是什么,我也不打算回过头来,把今天的这些犹豫写成伏笔。

全文完
查看原文