(Edwin Chen：4年做到10億美元的 AI 數據公司)

這兩年，大部分 AI 創業故事都從一輪又一輪融資講起。

Surge AI 反著來。

創立四年，不到百人團隊，從未融資，2024 年營收突破 10 億美元，從第一天起就盈利。

但比商業成績更重要的，是他們在做的事。

當 OpenAI、Anthropic、Google 在拼參數、爭排名時，Surge 在做一件被行業忽視但極其關鍵的事：在模型還沒成型時，就決定它該成為什么樣的模型。

你看到的是算力大戰，看不到的是背后那套決定模型如何思考、如何表達、如何做決策的人類系統。

2025 年 12 月 7 日，在一場播客中，創始人 Edwin Chen 說：

我們不是在教模型如何對話，而是在教它什么是對、什么是好。

這件事看似簡單，卻極其決定 AI 的上限。

當別人還在堆算力時，Edwin 已經在重新定義標準。這家被嚴重低估的公司，正在影響主流大模型的行為邊界。

這是一個關于品味、判斷力與 AI 未來的故事。

(昨天我們寫過 Anthropic 哲學家 Amanda Askell 的那堂「提示詞課」，講的是前端用戶怎么跟模型說話。這一篇換到另一端：Surge AI 在訓練后端，決定模型學什么、怎么學。提示詞和數據，其實是同一套模型的一體兩面：前者決定你能調動多少能力，后者決定它原本擁有什么能力)

第一節｜不融資、不刷榜、不造勢，Surge靠什么贏？

如果只看表面，Surge AI 完全不像一家10億美元公司。

沒有媒體報道，沒有病毒式傳播，沒有頂級 VC 站臺背書。官網首頁樸素得像個科研項目。

但就是這樣一家低調到極致的公司，卻成為 OpenAI、Anthropic、meta 等實驗室的核心數據合作方，產品滲透到大模型訓練的關鍵環節。更重要的是：他們從第一天起就盈利，從未融過一分錢。

Edwin Chen說：我們從不打算玩硅谷那一套。

他的邏輯非常清晰：

不融資，因為融資會引入錯誤的目標函數，你開始為投資人而不是為產品優化；

不擴張，因為優秀人才在少而精的團隊里反而更能專注，不受內耗干擾；

不刷榜，因為最好的客戶是那些真正理解數據價值的實驗室，而不是沖著新聞來的甲方。

Surge 從一開始就不為估值而活，而是為產品而活。他們選擇的是一條極難的路徑：靠口碑打入實驗室核心圈，靠真實效果贏得續約。

這意味著他們必須打造10倍好的產品，而不是差不多就行的交付。

在傳統 AI 數據公司靠堆人力、接訂單、外包打標簽驅動時，Surge徹底反其道而行：

自建訓練系統，精細追蹤每一位標注者的數千個行為信號；

用機器學習反向分析，判斷誰擅長寫詩、誰擅長技術文檔；

不止提供數據，還提供評估標準、驗證器和微型 RL 訓練工具，直接參與客戶的模型調優。

這套體系讓他們服務的不是邊緣創業團隊，而是行業最頂尖的前沿實驗室。而且，憑借真實的效果提升，他們建立了極高的客戶信任。

Edwin說：我們成功的唯一方式，是讓產品好到客戶愿意主動推薦。

在這個充滿增長技巧和融資話術的AI創業浪潮中，Surge是個例外。他們用一個近乎反商業的姿態，驗證了高質量×小團隊×深耕一事的極致杠桿效應。

成功不一定要靠融資。真正理解模型需要什么，也能走到最后。

第二節｜AI的地基不是算力，是數據質量

Surge AI 做的不是標注貓狗圖像，也不是讓模型輸出用戶喜歡的回復，而是教模型如何判斷世界上的好與壞。

Edwin Chen 舉了個例子：

“我們不是在檢查這首詩有沒有提到月亮、有沒有八行，我們在問，這首詩有沒有打動你？”

換句話說，Surge 的數據標準不是機械的指標，而是能否打動人。

要做到這一點，Surge 建立了一套完全不同的系統。每位標注者的輸出不只看是否完成任務，更看是否展現專業直覺、能否引發深度反饋。數據不是靜態結果，而是經過多輪模型驗證后的動態優選值。

他們真正在做的不是打標簽，而是訓練判斷力。

在這個體系下，Surge 更像是模型的品格塑造者。

什么樣的行為是合格的？

什么樣的偏差需要被消除？

什么樣的表達能代表真實的人類智慧？

這些看似模糊的品味問題，最終都被系統化成可評估、可追蹤的指標。

而這，正是大多數數據公司做不到的核心壁壘。普通數據供應商只能標注你讓它判斷的東西，Surge 能定義你該判斷什么才對。

這直接影響模型的走向。

你希望 AI 成為盡職的助手，還是能挑戰你的同事？不同的判斷標準，塑造出完全不同的模型性格。

這才是 AI 工廠里最容易被忽視、卻最難被替代的關鍵環節。

算力決定速度，數據決定方向。Surge的系統，不是給模型鋪路，而是先問清楚：你到底想去哪？

第三節｜訓練AI不是教對話，是讓它學會做事

大多數人以為，訓練AI就是給它喂數據、寫prompt、評輸出。但真正進入模型能力的核心階段，這種單步訓練方法就會失效。

讓 AI 寫再多郵件，也訓練不出能修復生產系統的智能體。寫郵件是單一任務，修系統需要連續決策。

Edwin Chen 倡導的 RL 環境訓練，提供了一個極具現實性的突破思路：不是在對話框里調教模型怎么回答，而是把它丟進一個真實世界，看它如何解決問題、規劃路徑、完成任務。

舉個例子：

模型的任務是修復宕機的網站。它要能讀懂Jira工單、理解服務器日志、檢查PR、閱讀代碼注釋，甚至發送Slack消息、寫復盤文檔。而不是一句“請幫我寫一封道歉郵件”就結束了。

這不是 prompt 工程，這是智能體級別的能力訓練。

在Surge 的系統中，他們設計了大量模擬現實場景的RL環境。

例如：

企業系統被攻擊，模型需完成威脅排查到修復部署的全流程；

財務報表出現異常，模型需理解業務邏輯、核對數據、生成分析報告；

代碼無法上線，模型需定位問題、評估風險、給出方案。

這是從工具調用到任務協作的躍遷。

Edwin指出：即便模型最后答對了，如果它中途瞎試了50次，我們也不會認為這是好行為。

這就是 RL 環境訓練的核心差異。傳統訓練（SFT、RLHF）像是讓學生模仿老師怎么說，而 RL 環境是讓學生自己動手做事，失敗后一起復盤哪里錯了。

這才是真實世界的智能挑戰：任務是開放的，不是選擇題；工具是動態的，不是固定選項；決策是連續的，每一步都影響后續。

RL環境不僅是調優工具，更是未來AI工廠的新型基礎設施。prompt是過去的界面，環境是未來的場景。單輪對話是練習題，多輪任務才是實戰。

Surge 正在搭建這樣的實戰訓練場，讓模型在真實任務中干活、犯錯、成長。

人類不是靠看書長大的，AI 也不是靠喂prompt變聰明的。

第四節｜不做流量號：AI該追求真相，不是討好

當下，大多數模型在訓練的不是做對，而是說得像對的。

你在 ChatGPT 里問一個問題，它會微笑回應：你是對的，而且你太棒了。再順手送上五種彩色 Markdown 格式的改寫版本。看起來豐富、熱情、聰明，但往往答非所問、幻覺頻出。

Edwin Chen點出了這個行業真相：

我們不是在訓練 AI 去理解世界，而是在訓練它討好人類的注意力機制。

而這背后的根源，是榜單文化和參與度陷阱

以當前風靡 AI 圈的排行榜LM Arena為例，它本意是讓用戶評比不同模型的回答好壞，結果變成了幻覺加粗體加表情包大賽：

模型 A 邏輯嚴謹但輸出干凈，

模型 B 胡說八道但字體大、排版花、語氣夸張，

普通用戶 2 秒打分，B 贏了。

Surge 團隊實測發現： 只要在輸出中加入更多 Markdown 標題和 Emoji，就能顯著提升排名。甚至輸出越長、內容越偏離事實，評分越高。

這種現象正在系統性污染 AI 模型的訓練方向。研究員為了年底晉升優化榜單，銷售為了簽單展示排名，管理層為了估值只看數據。

最終形成一條惡性循環：錯誤的評估→錯誤的激勵→錯誤的建模→錯誤的行為。

Edwin 說，這和社交媒體沒什么兩樣：

“我們不是在訓練AI講真話，而是在訓練它做流量號。”

更嚴重的是，這些模型最終被部署到企業系統、醫療工具、教育產品中，承擔的是決策職責。如果訓練它們的方向錯了，哪怕只偏 3 度，未來就會偏到無法回頭的地方。

我們本該建設能治愈癌癥、解決貧困、理解宇宙的 AI，卻在優化流量內容。我們在教模型追逐多巴胺而不是真相，為那些沉迷八卦的用戶優化模型。

行業需要的不是更多會討好人的模型，而是敢于說“不”的系統。

當用戶花 30 分鐘讓 AI 改了 50 版郵件時，理想的模型應該說：停下來，你的郵件已經夠好了，別浪費時間。但現在的訓練方向是：你絕對是對的，還有 20 種改進方法，讓我們繼續 50 次迭代。

AI 的競爭，表面看是誰更強大，但最終會是誰更正確。

技術決定上限，價值觀決定終局。

結語｜AI 的盡頭，是價值觀之戰

四年時間，Surge 把一套被行業忽視的方法，變成了影響整個 AI 行業的力量。

它不靠噱頭贏市場，而是靠清晰的價值取向贏得未來。

在大多數公司還在調教模型說得更像人的時候，Surge 已經在問：我們真的知道自己想要 AI 成為什么嗎？

數據是門檻，環境是工具，模型是結果。但一切都取決于最初的選擇。

這不是工程問題，是人類選擇。