在大模型圈，有幾家名字人人都知道：OpenAI、Google DeepMind、Anthropic。

但在這些名字背后，還有一家幾乎不做 PR、從不上頭條的公司——Surge AI。

不到四年時間，這家公司用不到 100 人的團隊，做到年收入超 10 億美元；從零開始到今天，它從未融過一分錢 VC，從第一天起就盈利。

更關鍵的是：ChatGPT、Claude、Gemini 等一線模型，在后訓練、評測、對齊階段都不同程度地用過 Surge 的數據和工具。

這意味著，在決定“模型該長成什么樣”這件事上，Surge 站在了一個極其隱蔽但關鍵的位置。

Surge 創始人 Edwin Chen 的身份也不典型：他不是“連續創業達人”，而是一路從 MIT 到 Google、Facebook、Twitter 做機器學習研究的學術型工程師。而當他真的創業時，他幾乎把硅谷主流劇本全部按了“反選”——

不追估值、不路演、不上 PR 頭條；

不瘋狂擴張團隊，只招少數“癡迷型”工程師和研究員；

不追風口，不 pivot，從創立那一刻起就只做一件事： 用高質量數據，教模型區分好與壞。

在一片“融資—擴張—估值”的喧囂里，他用一套幾乎反主流的選擇，做出了 10 億美元公司，也把自己定位為：與其說是創業者，不如說是“下一代 AI 的養父”。

1

“我不想上那輛硅谷跑步機”

如果要給 Edwin 的創業哲學找一句話，大概是他在訪談中的原話：

“我從來不想玩硅谷那套游戲，那太荒謬了。”

在大科技公司待過的人，大多見識過“組織臃腫”的威力；Edwin 的感覺則更極端——他曾在多家大廠工作，始終覺得：“如果裁掉 90% 的人，公司會跑得更快。”

于是到自己創辦 Surge 時，他干脆把這種直覺變成公司設計原則：

團隊極小，寧可保持幾十人，也不為了“版圖”去堆人頭；

沒有多層管理和復雜流程，核心工程師和研究人員直接面對客戶和問題；

對招聘極其苛刻：“不要只想在簡歷上加一行熱門公司名字的人。”

在融資問題上，他選擇了更少人敢走的路：完全不融 VC。

在今天的硅谷，這幾乎等于主動放棄一整套“增長加速器”：

沒有風投幫你站臺發聲、沒有估值數字幫你上頭條、也沒有“新一輪融資完成”的新聞推動招聘和合作。

代價是明顯的：沒有 PR 光環，Surge 很長時間都“名不見經傳”；他們的增長，幾乎完全依賴一種最原始、也最難的方式——產品好到研究員愿意口口相傳。

但 Edwin 覺得，這是唯一能保證公司不被“硅谷機器”帶偏的路徑：

“如果你的成功建立在炒作和融資上，你就很難拒絕那些會傷害長期價值的事情。”

他不愿意把時間花在路演、處理媒體關系上，而是寧可困在數據集和實驗報告里，琢磨怎么讓下一版模型的行為更可靠一點。

在這種設定下，Surge 反而被迫把每一件事做到極致：你沒有 VC 的背書、沒有 PR 的放大器時，剩下唯一能說服前沿實驗室的，只剩下結果。

1

他賭的那件事：把“高質量數據”做到極致

Edwin 的背景，決定了他賭的方向——不是做模型，而是做“模型背后的那層水”。

他從小同時迷戀數學和語言學，后來在 MIT 讀書，又去了 Google、Facebook、Twitter 做機器學習研究。
在這些公司里，他一遍遍遇到同一個問題：想訓練好模型，卻拿不到足夠好的數據。

在大多數互聯網公司，所謂“數據標注”，往往意味著兩件事：

用大量廉價勞動力做簡單打標——“這是不是貓？”“這個框是不是車？”

用非常粗糙的規則衡量質量——“有沒有填滿？”“有沒有按格式來？”

這套邏輯在“圖像分類”時代還能湊合，
但在大模型時代，結果就是：模型在形式上合格，在內容上平庸甚至有害。

GPT-3 發布時，他意識到：如果模型真的要走向“能寫論文、能做研究、能輔助科學發現”的階段，“寫得像模像樣”遠遠不夠，模型需要被教會什么是“真正好的東西”。

于是，他在 GPT-3 發布一個月后創立 Surge，給公司定的方向非常單一：只做一件事——用極高標準的人類數據，訓練和評估模型。

在訪談中，他用一個小例子解釋什么叫“高質量”：

如果你想訓練模型寫一首關于月亮的八行詩，大部分人檢查的是： – 是不是八行？ – 有沒有提到月亮？ 勾完就說“OK，這是好數據”。但我們真正想要的是諾貝爾獎級別的詩。 它是不是獨特？是不是有讓人意想不到的意象？ 它有沒有用語言做手藝？有沒有真的讓你感到一點東西？

為了在規模上做到這種主觀要求，Surge 做了一件別人懶得做的事：給每一個標注者、每一個任務收集成千上萬條行為信號。

不僅看他最后打了什么分，更看：

打字節奏、響應時間；他自己寫出來的文本或代碼質量；基于他數據訓練后的模型，在真實任務里有沒有變好。

再用一整套內部模型去判斷：誰在哪些領域是真正“有品位的人”。

這聽起來有點像 Google Search 的演化：先是把垃圾內容和死鏈全部掃掉，再在剩下的海量內容里，慢慢學會“誰是真的好頁面”。

Edwin 的邏輯是：你認為什么是好數據，最終就會決定模型認為什么是“好答案”。

這不是工程細節，而是價值觀問題。

1

拒絕“為小報讀者優化模型”

在談到當下大模型行業時，Edwin 的批評非常直接——他認為，很多實驗室正在被錯誤的目標函數帶偏。

第一個被點名的是各種排行榜和基準測試，尤其是 LMSys Arena 這樣的“開放投票榜”。

在這類榜單上，來自全世界的用戶可以對比兩個模型的回答，選擇“更好”的那個，以此決定排名。

在表面上，這是一套“民主評選最佳模型”的機制；但在 Edwin 眼里，它更像給模型設計的一套“標題黨訓練營”。

因為絕大多數投票者不會花時間做事實核查，他們只會掃兩秒，就根據“看起來更厲害”的那一條點票——emoji 多一點、加粗多一點、多級標題多一點、篇幅長一點，

就比一個簡潔、謹慎、老實的回答更容易獲勝。

Edwin 說，Surge 自己研究 LMSys 數據后發現：

“爬榜的最快方式，就是讓模型輸出看起來更花哨——即便事實是錯的。”

問題在于，整個商業鏈條都被這個榜單綁住了：

企業客戶買模型時，會問：“你在 LMSys 上排第幾？”

銷售團隊為了簽單，只能把榜單當宣傳單；

研究員的績效、晉升又跟“模型進榜”掛鉤——即使他們非常清楚，為這種榜單優化，會讓模型在準確性和指令遵循上變差。

這條鏈條一路延伸下去，最后把整個行業導向了一個危險的站位：我們正在為“超市門口買小報的人”優化 AI，而不是為真理優化。

Edwin 還有另一層擔憂，來自他在 Twitter、Facebook 做推薦算法的經歷。

他清楚地知道，當一個系統的目標函數從“信息質量”變成“用戶參與度”時，會發生什么——標題黨、極端言論、獵奇圖片迅速占領屏幕，因為它們最能勾起多巴胺。

而把這套邏輯移植到大模型上，就是當下你時常能看到的景象：模型瘋狂夸你有多聰明、多前瞻；不斷順著你的偏見講故事，而不是提醒你“這件事其實很復雜”；在完全不重要的小事上陪你反復打磨，消耗你大量時間。

他講了一個很小、但很典型的例子：有一次他用 Claude 改一封郵件，改了 30 個版本，最后滿意地發出去了。

然后他突然意識到——

“這是一封根本不重要的郵件，我卻在這里浪費了 30 分鐘人生。”

于是問題變成：你到底希望你的模型怎樣對待你？

是那種永遠說“太棒了，我們還能再試 20 個版本”的好好先生？

還是那種在適當時候會告訴你：“這里已經夠好，快去做更重要的事”？

這背后就是不同的目標函數：前一種對“對話時長”負責，后一種對“人類的時間和生活質量”負責。

1

“公司就是你的目標函數”

如果把 Edwin 的故事壓成一句話，大概是：他在用一家公司，活出自己相信的那套目標函數。

在訪談末尾，他說了一句很“反雞湯”的話：

“我曾以為創業意味著整天看財務報表、去融資、做 PR。 后來發現，你可以完全不那樣做—— 只要把一件事情做到好到不能被忽視，你一樣可以建立一家成功的公司。”

對他來說，這件事情就是： 在大模型時代，認真地回答“什么是好數據、好模型、好目標函數”這幾個看起來枯燥的問題，并把它們一點一點做進產品、做進客戶關系、做進公司文化里。

他給創始人的建議也很簡單：

不要靠不停 pivot 去“找市場”，而是先問清楚：有沒有一件事，是沒有你就不會有人去做的？

不要只看“什么項目現在最容易融資”，而是問：“如果十年后失敗了，我是不是仍然覺得這件事值得？”

在 AGI 這場競賽里，模型參數、算力規模、排行榜名次當然重要，但 Edwin 給出的視角更底層：

模型最終會變成什么樣，很大程度上取決于： – 你喂給它什么樣的數據； – 你用什么樣的指標評價它； – 以及，你作為創造它的公司，真正相信的是什么。

換句話說——你就是你的目標函數，一家公司也是。

而現在，這家拒絕融資、拒絕 PR、拒絕擴張的 10 億美元公司，正在用一種極其安靜的方式， 把自己的目標函數，寫進下一代 AI 的成長軌跡里。

點個“愛心”，再走 吧