拆一面墙,才知道AI Native长什么样吃完早餐去公司，杭州刚下完雨，空气里全是潮气，香樟树被雨洗过，叶子亮得有点晃眼。路上一直在想一个事，AI Native组织到底长什么样？不是接个模型接口，就宣称是AI Native的组织。路过西湖大学，我停了下来，校门不大，灰色石材，没什么装饰。《人民日报》有篇文章，讲西湖大学考核助理教授，只有一个标准，在自己的方向上，有没有做出一个“世界范围内非你不可”的突破。这标准放到一所历史悠久的大学，大概率落不了地。因为，这些大学要考虑的东西太多。怎么打分？怎么排名？怎么跟隔壁学院拉通对齐？最近一直在推动团队升级转型，让全员具备AI技术服务的基本能力；不是赶时髦，图新鲜，而是ALL IN AI，全员能用AI，会用AI，在日常工作中用AI。升级转型的阻力，最大的不是技术，而是原业务流程中，并没有给AI留有位置。客户提了问题，流转到人，人做排查，然后回复客户。AI能不能先拦截一道，当然是能，但流程不认它，系统架构也不认它，合规那关更是过不去。我们做了个小尝试，内部员工提云产品问题时，先让AI做诊断和回答，服务小二只介入异常情况处置。但常有同学质疑，公司有那么多的AI工具，我们这么做的价值是什么？我在想一栋老房子里，拆一面墙，虽然暂时拆不动，但至少知道了墙在哪。1980年，中国的南海边画了个圈，深圳，一块可以暂时不管旧规矩的地方。同样，西湖大学，不是在某所老大学里加个新学院，是从零建了一所新的。前阵子，张教授团队做了个DeepScientist，一个文本检测任务，两周跑了一千多种假设，相当于人类科学家干三年。正因为给了这样的自由度和新机制，才有了两周跑完三年的结果。这个AI系统不只在执行，它自己发现问题，自己想方案，自己写代码跑实验。这不是工具的升级，是工作方式的重写。脑子里还琢磨一件事，智能语音质检，它链路成熟、数据完整、落地效果容易衡量。三五个人，流程围绕AI原生重构，三个月时间。
夜雨聆风