這次去美國(guó)，我的一大收獲就是認(rèn)識(shí)了 Mercor 的首位中國(guó)工程師（節(jié)目錄制時(shí)也是全司唯一的中國(guó)員工）虞快。他是前金融科技獨(dú)角獸工程總監(jiān)，Google、Two Sigma、Citadel 工程師，也是我這次硅谷行遇到的最聰明的人之一。

本期播客對(duì)談原文約 16000 字，本文經(jīng)過刪減整理后約 8000 字。

曲凱：Mercor 今年很火，國(guó)內(nèi)也有不少分析和報(bào)道。我發(fā)現(xiàn)大家對(duì)你們的認(rèn)知大致經(jīng)歷了兩個(gè)階段：

一開始很多人覺得你們是 AI 招聘公司，但后來發(fā)現(xiàn)，你們本質(zhì)上是在做數(shù)據(jù)標(biāo)注。

在你看來，Mercor 到底是一家什么公司？

虞快：我們的核心業(yè)務(wù)，是幫頂尖 AI 公司招各行各業(yè)的專家。

大家可能對(duì)數(shù)據(jù)標(biāo)注有刻板印象，覺得就是從欠發(fā)達(dá)地區(qū)找廉價(jià)勞動(dòng)力做些基礎(chǔ)活。

但現(xiàn)在完全不同了。

AI Labs 需要的是醫(yī)生、律師、投行顧問，甚至細(xì)分到專門寫 Swift 的工程師、俄羅斯的生物學(xué)家。

因?yàn)槟Ｐ鸵呀?jīng)進(jìn)化到了只有專家才能標(biāo)注的地步。大多數(shù)人會(huì)的題，它早就會(huì)了。再想提升模型智能，就必須請(qǐng)?zhí)囟▽＜姨峁┫到y(tǒng)性反饋，告訴模型什么是好答案、什么是差答案。

曲凱：那這些 AI Labs 拿到你們的專家標(biāo)準(zhǔn)后，還需要再去找 Scale AI、Surge 這樣的平臺(tái)做人工標(biāo)注嗎？

虞快：不需要。某種程度上講，我們已經(jīng)完全替代了傳統(tǒng)的數(shù)據(jù)標(biāo)注平臺(tái)，因?yàn)槟Ｐ涂梢灾苯踊谖覀兲峁┑脑u(píng)估標(biāo)準(zhǔn)做強(qiáng)化學(xué)習(xí)。

曲凱：也就是說，隨著模型變強(qiáng)，過去的標(biāo)注方式不夠用了，出現(xiàn)了市場(chǎng)空白，而你們正好抓住了這個(gè)機(jī)會(huì)。

那你們是一開始就這么定位的，還是在過程中逐漸調(diào)整出來的？

虞快：我們的目標(biāo)一直沒變，就是「幫客戶找到他們需要的任何人」。

只是我們發(fā)現(xiàn)，眼下最急迫、最愿意花錢的客戶，正是 AI Labs。雖然 AI Labs 沒有那么多，但是他們的預(yù)算很高，因?yàn)閷?duì)他們來說，這筆投入非常劃算：

算法的突破要靠頂級(jí)研究員，但這些人很貴，而且隨時(shí)可能被競(jìng)對(duì)挖走；算力的競(jìng)爭(zhēng)更殘酷，OpenAI 也未必能打過 Google。那要讓模型真正進(jìn)步，數(shù)據(jù)依然是一大突破口。而為數(shù)據(jù)花的錢和模型能帶來的回報(bào)相比，幾乎不值一提。

曲凱：明白。那你們幫客戶找到人之后，他們是自己去和這些專家談薪資之類的嗎？會(huì)不會(huì)出現(xiàn)飛單的問題？

虞快：客戶會(huì)把錢給我們，再由我們支付給專家。

目前我們沒遇到過飛單的情況。因?yàn)檫@件事的難點(diǎn)不只是「找到人」，更在于后續(xù)的管理。一個(gè)項(xiàng)目可能需要上百個(gè)分布全球的工程師，怎么和這些人溝通？怎么評(píng)估他們的產(chǎn)出？怎么結(jié)算？出了問題怎么協(xié)調(diào)？

這些瑣事，AI Labs 并不想自己操心，都需要我們來幫忙打理。

曲凱：聽起來你們有點(diǎn)像一家大型第三方人力外包公司？

虞快：其實(shí)不是。先不談使命和愿景，單從業(yè)務(wù)層面來看，我們和外包商就有很大差別：

我們能評(píng)估人才質(zhì)量。

比如一家公司要招工程師，可能會(huì)收到一萬份簡(jiǎn)歷。我們能用更科學(xué)的方法，幫客戶篩出最優(yōu)秀的那一小撮。

曲凱：這里正好可以捋一下你們的業(yè)務(wù)流程。比如你說可能會(huì)有一萬人來申請(qǐng)，這些人都是主動(dòng)來的嗎？

虞快：對(duì)。我們業(yè)務(wù)流程的第一步是獲客，主要方式有熟人推薦、廣告投放、AI 自動(dòng)發(fā)私信等。我們內(nèi)部也有一個(gè)團(tuán)隊(duì)，會(huì)去主動(dòng)搜羅一些特別難找的人。

目前我們平臺(tái)上超過一半的專家都是靠熟人推薦來的。推薦人可以拿推薦費(fèi)，所以甚至有人會(huì)全職在我們平臺(tái)上幫忙找人，賺的還挺多的。

曲凱：相當(dāng)于這些人來你們這做獵頭了（笑）。

虞快：是的哈哈。專家被吸引到 Mercor 后，會(huì)上傳簡(jiǎn)歷、選擇崗位并投遞申請(qǐng)。過程中我們也會(huì)用一些自動(dòng)化流程，規(guī)避簡(jiǎn)歷造假等問題。

簡(jiǎn)歷過了的人，就會(huì)進(jìn)入 AI 視頻面試環(huán)節(jié)。面試問題都是由 AI 基于簡(jiǎn)歷和 JD 自動(dòng)生成的，比如要招一個(gè)數(shù)學(xué) PhD，AI 就會(huì)問研究方向、論文細(xì)節(jié)等問題。

面試過程也可以人工干預(yù)。像我自己在用 Mercor 招人時(shí)，就會(huì)告訴 AI 我想重點(diǎn)問什么，并設(shè)定評(píng)分標(biāo)準(zhǔn)，讓它幫我執(zhí)行。

每場(chǎng)面試大概 20–30 分鐘，結(jié)束后會(huì)生成一份帶轉(zhuǎn)錄文本的視頻。用人方可以直接看文本，也可以點(diǎn)擊文字跳到對(duì)應(yīng)的片段，查看更多文本捕捉不到的細(xì)節(jié)。

曲凱：那如果有很多人面試，我要把每個(gè)視頻都看完嗎？

虞快：不用。創(chuàng)建崗位時(shí)，我們會(huì)請(qǐng)你先定義好目標(biāo)和要求，相當(dāng)于一套評(píng)分標(biāo)準(zhǔn)。面試結(jié)束后，AI 會(huì)根據(jù)候選人的表現(xiàn)自動(dòng)打分并排序，方便你快速篩選。

曲凱：那把人招來之后，你們?cè)趺丛u(píng)估他們的標(biāo)注結(jié)果？如果有人亂做標(biāo)注怎么辦？

虞快：這很容易分辨。同一套題我們可能會(huì)問 50 個(gè)專家，如果有一個(gè)人的解法每次都和別人不一樣，那這個(gè)項(xiàng)目做到一半 ta 就會(huì)被開掉。

曲凱：合理。那結(jié)算呢？你們平臺(tái)上的報(bào)酬區(qū)間大概是怎樣的？

虞快：我們按時(shí)薪結(jié)算，各種崗位的平均時(shí)薪超過 90 刀，但不同職業(yè)差別很大。我們會(huì)根據(jù)找人的難度、緊急程度等因素，與甲方協(xié)商定價(jià)。

比如英文語音訓(xùn)練的時(shí)薪大約是 21 刀，因?yàn)閹缀跛杏⒄Z母語者都能做。軟件工程師的時(shí)薪一般在 100-200 刀之間。最夸張的一個(gè)案例，是我們招過時(shí)薪 400 刀、推薦費(fèi) 5000 刀的皮膚科醫(yī)生，因?yàn)槿苏娴暮茈y找。

曲凱：你們這真是個(gè)太好的生意了…我都想上去接單了哈哈。

那 AI Labs 會(huì)同時(shí)把需求發(fā)給很多平臺(tái)嗎？不同平臺(tái)最后拼的是什么？

虞快：如果我是 AI Lab 的決策者，最多只會(huì)找兩三家合作。只找一家風(fēng)險(xiǎn)太大，比如 Scale AI 被收購(gòu)后，他們的客戶就很被動(dòng)；但找太多家又很麻煩，因?yàn)槊考业牧鞒潭疾煌?，結(jié)算起來很復(fù)雜，出了問題還很難歸因和追責(zé)。

而不同平臺(tái)最后拼的，就是誰能又快又好地找到合適的專家、贏得客戶的信任。如果你找來的人靠譜，AI Labs 就更愿意與你長(zhǎng)期合作。

曲凱：說到 Scale AI，聽說他們被收購(gòu)之后，業(yè)務(wù)下滑得很厲害？

虞快：對(duì)。其實(shí)在被收購(gòu)之前，Scale AI 就遇到了問題。他們靠給 OpenAI 做標(biāo)注起家，但隨著模型能力提升，他們?cè)瓉碚业臉?biāo)注員的水平不夠用了，OpenAI 的反饋也變差了。

收購(gòu)之后，大家又覺得它成了 Meta 的一部分，不太敢繼續(xù)跟它合作。

曲凱：所以 Meta 這次收購(gòu)真就是「人才收購(gòu)」？花了這么多錢，結(jié)果業(yè)務(wù)還跌了。

虞快：我個(gè)人猜測(cè)，扎克伯格主要是為了收編 Alex Wang。

Alex 很有抱負(fù)，兩三年后大概率還會(huì)再創(chuàng)業(yè)。如果只是給他高薪，很難把他挖來，因?yàn)樗茈y向團(tuán)隊(duì)和投資人交代，等他未來再創(chuàng)業(yè)時(shí)，融資和組團(tuán)隊(duì)都會(huì)遇阻。Windsurf 創(chuàng)始人的經(jīng)歷就是前車之鑒。

所以扎克伯格干脆花 150 億，把 Alex 的團(tuán)隊(duì)和投資人都安頓好，替他解決了后顧之憂。

曲凱：所以現(xiàn)在 Scale AI 對(duì)你們已經(jīng)沒什么威脅了？雖然這么說有點(diǎn)奇怪，畢竟他們體量還是比你們大。

虞快：從增長(zhǎng)來看，我不覺得 Scale AI 是我們的對(duì)手，反而是 Surge 更值得警惕。

曲凱：那市場(chǎng)對(duì) Mercor 的理解形成共識(shí)了嗎？大家是不是普遍把你們看成數(shù)據(jù)標(biāo)注公司？

虞快：我不覺得我們是數(shù)據(jù)標(biāo)注公司，而是一家 Eval Provider。

其實(shí)我們核心交付給 AI Labs 的東西，就是 Evaluation 和 Benchmark 的標(biāo)準(zhǔn)，或者說是一份模型的 PRD。

我們的專家會(huì)幫模型公司設(shè)定目標(biāo)，讓研究員去推動(dòng)模型實(shí)現(xiàn)那些暫時(shí)還不具備的能力。

曲凱：理解。

但我覺得 Mercor 一開始在講的是一個(gè)很性感的平臺(tái)型故事。雖然現(xiàn)在數(shù)據(jù)標(biāo)注這條線從賺錢角度看可能更性感，增長(zhǎng)也快，但相比之下，平臺(tái)故事的想象空間是不是更大？你們現(xiàn)在做的，會(huì)不會(huì)只是階段性的事情？

虞快：其實(shí) Mercor 一直在堅(jiān)持同一個(gè)愿景，就是我們相信隨著 AI 能力提升，未來的工作形態(tài)會(huì)改變：

全職崗位會(huì)減少，項(xiàng)目制會(huì)成為主流。

所以我們現(xiàn)在看似是在階段性地滿足 AI Labs 的需求，本質(zhì)上是在押注未來的工作方式。

未來，「用 AI 來衡量一個(gè)人」不只適用于面試，還能拓展到更多場(chǎng)景。比如我是 VC，要和上千個(gè)創(chuàng)業(yè)者交流，我也可以先設(shè)幾個(gè)問題，定義什么是好答案、什么是差答案，然后讓 AI 幫我去問。

曲凱：所以 Mercor 這套模式未來可以推廣到更多行業(yè)？

虞快：可以復(fù)用到所有行業(yè)，因?yàn)槿魏涡袠I(yè)最終都離不開「挑選」這個(gè)環(huán)節(jié)。

曲凱：明白了。也就是說，Mercor 并不是中途轉(zhuǎn)型成數(shù)據(jù)標(biāo)注公司，而是一直在講同一個(gè)故事、做同一件事。只是你們?cè)谧龅倪^程中，發(fā)現(xiàn)了最有錢的客戶和他們最痛點(diǎn)的需求，然后先把資源集中到了這個(gè)方向，跑起來后，未來可以再慢慢擴(kuò)展。

那你覺得國(guó)內(nèi)能復(fù)制出一個(gè) Mercor 嗎？

虞快：關(guān)鍵要看國(guó)內(nèi)的 AI 公司愿不愿意在數(shù)據(jù)上花錢。只要有預(yù)算，就一定有人能把這件事做出來，而且可以做得很成功。

曲凱：但國(guó)內(nèi)外還是有差距。

比如國(guó)內(nèi)的模型公司估值可能也就三四十億美金，而美國(guó)這邊已經(jīng)到三四千億美金了。

曲凱：那在你看來，數(shù)據(jù)標(biāo)注的市場(chǎng)規(guī)模有多大？

虞快：現(xiàn)在看，大概有 50 - 100 億美金。

只要 OpenAI、Anthropic 這些公司還在，這個(gè)市場(chǎng)就會(huì)繼續(xù)擴(kuò)大，因?yàn)樗麄儠?huì)持續(xù)砸錢來換取模型的領(lǐng)先地位。而只要他們投入，那 Google、Meta 這些不差錢的大廠也會(huì)跟進(jìn)，所以市場(chǎng)還會(huì)進(jìn)一步擴(kuò)大。

曲凱：確實(shí)。如果 Meta 在一個(gè)人身上都能花 1 億美金，在數(shù)據(jù)上肯定更舍得花錢。

那你當(dāng)時(shí)為什么選擇加入 Mercor？

虞快：原因很多。

第一，我覺得好的創(chuàng)始人至少要在某個(gè)領(lǐng)域特別強(qiáng)，而 Mercor 的三位創(chuàng)始人有個(gè)共同特長(zhǎng)：辯論（笑）。他們是全美頂尖高中辯論隊(duì)的隊(duì)友，反應(yīng)快、說服力強(qiáng)。

會(huì)辯論其實(shí)很有價(jià)值。比如幾個(gè)月前，我們招人時(shí)還沒什么籌碼，全靠創(chuàng)始人把 vision 賣出去，說服大家加入。再比如我要是自己做產(chǎn)品，也會(huì)想讓他們?nèi)臀屹u，因?yàn)槲蚁嘈艧o論客戶問什么，他們都能講到對(duì)方信服。

第二，Mercor 的增長(zhǎng)勢(shì)頭實(shí)在是太好了。從 100 萬到 1 億美金 Run Rate，Mercor 只用了 11 個(gè)月，比 Cursor 12 個(gè)月的紀(jì)錄還短。而公司跑得越快，就越能吸引好的人才；好的人才來了，效率更高，增長(zhǎng)也會(huì)更快。

第三，我認(rèn)為在這個(gè)時(shí)代，有特點(diǎn)、有話題性的創(chuàng)業(yè)公司更容易成功，或者更容易拿到溢價(jià)，而 Mercor 的三位創(chuàng)始人就很有話題性：他們都是拿到 Thiel Fellowship（Peter Thiel 創(chuàng)辦的項(xiàng)目，非常難獲得，其中一個(gè)條件就是必須退學(xué)）的 college dropouts，二十出頭就創(chuàng)立了 Mercor。

其實(shí)我們團(tuán)隊(duì)整體都很年輕，平均年齡只有 22 歲，很多人都是 dropouts，一半的人之前都創(chuàng)過業(yè)。

曲凱：這里我很想和你探討一個(gè)問題，就是中美年輕人創(chuàng)業(yè)的區(qū)別。

在國(guó)內(nèi)，現(xiàn)在很多人不太看好年輕人創(chuàng)業(yè)。大家會(huì)覺得這波 AI 是移動(dòng)互聯(lián)網(wǎng)的延續(xù)，所以經(jīng)驗(yàn)豐富的人更懂怎么避坑，也有更多的資源。而年輕人需要不斷試錯(cuò)，就算拿到融資，也可能不敢花、不會(huì)花，很難做出結(jié)果。

那在你看來，為什么 Mercor 能在平均年齡這么小的情況下，跑出這么快的增長(zhǎng)？

虞快：我覺得中美創(chuàng)業(yè)氛圍的差別很大。歸根結(jié)底，這是個(gè) sample size 的問題。

在中國(guó)，創(chuàng)業(yè)失敗對(duì)一個(gè)人職業(yè)生涯的打擊遠(yuǎn)比在美國(guó)大，所以愿意嘗試的人本身就少，成功案例就更少。而因?yàn)榇蠹铱床坏教喑晒Φ墓适?，所以就更不愿意選擇這條路。

而硅谷有很多「創(chuàng)二代」。很多人從小就聽著父母輩的創(chuàng)業(yè)故事長(zhǎng)大，所以他們甚至?xí)褎?chuàng)業(yè)當(dāng)成是畢業(yè)之后的默認(rèn)選項(xiàng)。

曲凱：確實(shí)。而且這邊很多人很小就在街邊賣檸檬水，上大學(xué)后也經(jīng)常做 presentation，所以他們講故事和 pitch 的能力，甚至可能強(qiáng)過國(guó)內(nèi)一些很 senior 的創(chuàng)始人和高管。

虞快：是。在美國(guó)，sales 和 marketing 是非常核心的能力，而且大家也很愿意去提升這些技能，比如在美國(guó)亞馬遜暢銷榜上，就常年有一本叫《How to Win Friends and Influence People》的書。

曲凱：那總結(jié)下來，你覺得 Mercor 增速這么快，最核心原因是什么？

虞快：首先我們?cè)趯?duì)的時(shí)間，選中了一個(gè)特別好的賽道。而且我們一上來就從 Scale AI 招了一些核心人才，幫我們少走了很多彎路。

除此之外，最關(guān)鍵的一點(diǎn)就是快。

我們的決策速度和執(zhí)行速度都很快。

曲凱：「決策快」是不是意味著，你們必須有更高效的評(píng)估和反饋機(jī)制？

虞快：對(duì)。創(chuàng)始人最在意的就是「what's working & what's not」。

曲凱：但你們快速做出的決策，很多時(shí)候真的是對(duì)的嗎？

虞快：對(duì)錯(cuò)沒那么重要，只要不是大錯(cuò)就行。

Mercor 并不是特別 data-driven，很多時(shí)候都依賴創(chuàng)始人和管理層的直覺。因?yàn)槭袌?chǎng)變化太快，我們沒時(shí)間做特別科學(xué)的判斷，所以關(guān)鍵是快速行動(dòng)。

就算錯(cuò)了，能及時(shí)意識(shí)到問題、立刻修正就行。

曲凱：也就是你說的「執(zhí)行快」？

虞快：對(duì)。這是我們最核心的競(jìng)爭(zhēng)力，別人很難復(fù)制。

最直觀的體現(xiàn)，就是我們能「說到做到」。我們一旦定下一個(gè)目標(biāo)，就一定能按時(shí)交付。而且整個(gè)團(tuán)隊(duì)都是這樣，所以大家彼此信任，也敢對(duì)客戶做出承諾。

曲凱：你們是怎么做到的？我覺得很重要的一點(diǎn)，是你們可能比其他硅谷公司要卷。

虞快：確實(shí)很卷（笑）。我們團(tuán)隊(duì)里絕大多數(shù)人都是每天 7 點(diǎn)半上班，凌晨 1 點(diǎn)下班。

但工作時(shí)長(zhǎng)不是關(guān)鍵，關(guān)鍵是我們真的在乎自己做的事，所以都是心甘情愿地在拼。

在一家每月營(yíng)收都能漲 50% 的公司里，你根本不會(huì)糾結(jié)那些有的沒的，只會(huì)越做越有勁。

曲凱：所以增長(zhǎng)就是最大的激勵(lì)。

那像你們這樣勤奮的公司，在硅谷 AI 創(chuàng)業(yè)圈里大概有多少？

虞快：十幾人的團(tuán)隊(duì)很多都是這種狀態(tài)，等團(tuán)隊(duì)擴(kuò)張到一百人，還能保持這種強(qiáng)度的就不多了。

曲凱：但這可能已經(jīng)超出很多國(guó)內(nèi)公司對(duì)硅谷努力程度的預(yù)期了。國(guó)內(nèi)很多人以為美國(guó)公司很悠閑，但其實(shí)這邊的很多團(tuán)隊(duì)也很拼。所以大家還是不能小看硅谷公司。

那你現(xiàn)在在 Mercor 負(fù)責(zé) Engineer Management，也在招人，能不能講講你招人的一些標(biāo)準(zhǔn)？

虞快：首先技術(shù)肯定要強(qiáng)。

比如我們招 PM 時(shí)，也很看重候選人的技術(shù)能力，經(jīng)常會(huì)問「你最近 build 過什么」，哪怕是個(gè)網(wǎng)站也可以，只要你能講清楚過程中你的一些思考就行。現(xiàn)在 AI 工具這么多，如果一個(gè)候選人什么都沒 build 過，就是個(gè) huge red flag。

另外，我個(gè)人更看重的一個(gè)品質(zhì)是 Agency。

曲凱：這個(gè)詞在美國(guó)很火，有點(diǎn)像是「主動(dòng)性」的意思，就是你能不能克服一切困難，拿到最終的結(jié)果。

虞快：對(duì)。如果我要把一個(gè)任務(wù)事無巨細(xì)地拆解給你、還要給你設(shè)定每天的工作量，那我就會(huì)覺得你沒有足夠高的 Agency。團(tuán)隊(duì)里可以有一兩個(gè)只會(huì)埋頭干活的人，但前提是他們的溝通和學(xué)習(xí)能力也要過硬，否則就會(huì)拖慢整個(gè)團(tuán)隊(duì)。

另外，我特別看重一個(gè)人是不是足夠聰明。

怎么判斷呢？

我常用的方法是：先拋一個(gè)新概念，然后看這個(gè)人能多快理解并融會(huì)貫通。

學(xué)習(xí)有不同層次，最基礎(chǔ)的是機(jī)械背誦，再高一層是能理解原理，但沒有內(nèi)化、講不清楚。

更高級(jí)且輕巧的思維方式，是能拿熟悉的東西去類比。舉個(gè)例子，你不知道 MCP 是什么，但你很懂 API，能立刻看出 MCP 和 API 的相似點(diǎn)與不同點(diǎn)，那你就能通過類比的方式，快速消化新概念，而且理解得會(huì)比較深刻。

曲凱：其實(shí)好的哲學(xué)家、詩人都有這種能力。他們很擅長(zhǎng)解構(gòu)，然后在底層找到不同事物之間的聯(lián)系。

不過你舉的 MCP 的例子還挺有趣的，因?yàn)榇蠖鄶?shù)人學(xué)新概念可能就是看介紹、讀文章，而你的第一反應(yīng)是去找類比？

虞快：對(duì)。我會(huì)在 Google 里輸入「MCP vs」，看自動(dòng)補(bǔ)全是什么。

曲凱：如果只是想粗淺地了解 MCP，用你這種方法可能只需要 1 秒鐘。因?yàn)榇蠹抑灰芸吹阶詣?dòng)補(bǔ)全的「MCP vs API」的詞條、認(rèn)知到 MCP 可以類比 API，那就已經(jīng)很夠用了。

虞快：是。另外，對(duì)我來說，學(xué)習(xí)新東西最有效的方式是看別人的評(píng)價(jià)。比如搜完「MCP vs API」，我會(huì)優(yōu)先去看 Reddit 上的帖子。再比如我想快速了解 A 產(chǎn)品，我也不會(huì)先看官網(wǎng)，而是會(huì)想它的競(jìng)品是誰，然后搜索「A vs B」，看大家對(duì)這兩個(gè)產(chǎn)品的評(píng)價(jià)。

曲凱：你的學(xué)習(xí)方法有個(gè)前提，就是腦子里得有一套結(jié)構(gòu)化的框架，這樣遇到新概念時(shí)，才知道該放在哪一塊。不然就算能想到做類比，腦子里的知識(shí)也是一盤散沙。

然后你剛才說面試會(huì)用新概念來考察一個(gè)人聰不聰明，能舉個(gè)例子嗎？

虞快：比如我可能會(huì)介紹一個(gè)概念，叫「parking function」：

假設(shè)有三個(gè)人要停車，只有 3 個(gè)車位，如果這三個(gè)人都能停到自己想停的位置，就算滿足條件；而只要有一輛車停不下，就不滿足。

舉幾個(gè)例子：

如果三個(gè)人分別想停在 1、2、3 號(hào)位，顯然都能停下，所以「123」是一個(gè)滿足條件的 parking sequence；

如果三個(gè)人都選 1 號(hào)位，那后面的人看到 1 號(hào)位被占之后，可以向后順延、停進(jìn)后面的車位，所以「111」也滿足條件；

但如果三個(gè)人都想停 3 號(hào)位，且車不能后退時(shí)，那第一個(gè)人占了 3 號(hào)位之后，后面的人既不能退回到 1、2 號(hào)位，也沒有 4 號(hào)位可選。所以「333」不是一個(gè) parking sequence。

講完定義，我會(huì)給候選人一個(gè)數(shù)組，讓 Ta 判斷這個(gè)數(shù)組是不是 parking sequence。

比如我給出的數(shù)組是「231」，大多數(shù)人都會(huì)老老實(shí)實(shí)按照定義去模擬：第一輛車去 2 號(hào)位能停下，第二輛車去 3 號(hào)位也能停，而第三輛車本來就想去 1 號(hào)位，所以大家都能停下，因此這個(gè)數(shù)組是對(duì)的。

曲凱：大多數(shù)人可能這會(huì)兒已經(jīng)暈了（笑）。

虞快：哈哈，而且這種列舉的方式很慢。更好的做法是 take a step back，思考「在什么情況下會(huì)有人停不下」。

曲凱：稍等啊，給我?guī)酌腌姟?/p>

（大家也可以一起停下來想一想 :P）

我在想，如果后面的車想停下，前面的車位必須先被占滿。

虞快：對(duì)，這是一個(gè)很好的觀察。所以你希望大家優(yōu)先選擇停在靠前的車位。那么如果沒有人選擇 1 號(hào)位呢？

曲凱：那車位的數(shù)量就一定要大于車的數(shù)量，否則就必須得有人選 1 號(hào)位。

虞快：那需不需要一定有人選 2 號(hào)位？

曲凱：不需要，因?yàn)榭梢杂袃蓚€(gè)人選 1 號(hào)位。

虞快：對(duì)。所以要么得有兩個(gè)人選 1 號(hào)位，要么得有一個(gè)選 1 號(hào)、另一個(gè)人選 2 號(hào)。

這里還有一個(gè)觀察，就是數(shù)組的順序其實(shí)無所謂，比如「321」和「123」，最后結(jié)果是一樣的。

所以最后能推出的規(guī)律就是：一個(gè)數(shù)組從小到大排序之后，第一個(gè)數(shù)必須 ≤ 1，第二個(gè)數(shù)必須 ≤ 2，第三個(gè)數(shù)必須 ≤ 3。只要滿足這個(gè)條件，就是一個(gè) parking sequence。

但很多人不會(huì)這樣思考問題，而是會(huì)花很多時(shí)間去硬生生地模擬。這時(shí)我也會(huì)給大家一個(gè) hint，比如：如果我給你一個(gè)隨機(jī)數(shù)組，你覺得它大概率能不能滿足條件？

曲凱：很有意思。有沒有更簡(jiǎn)單的題？

虞快：我面試其實(shí)也會(huì)問一些很簡(jiǎn)單的題，但往往能從細(xì)節(jié)里看出很多問題。

比如我會(huì)給候選人「123」和「456」這兩個(gè)字符串，然后讓 ta 寫段代碼，把這兩個(gè)字符串相乘的規(guī)則表示出來。有的人會(huì)卡半個(gè)小時(shí)，最后說「我忘了乘法怎么算了」。

其實(shí)忘記乘法沒關(guān)系，畢竟大家現(xiàn)在都會(huì)用計(jì)算器。但我介意的是：你不記得規(guī)則，為什么還要在那硬耗半個(gè)小時(shí)？這半小時(shí)你在做什么？既然你不會(huì)，那為什么不直接問？

不過有時(shí)候我自己也不知道某道題的答案是什么。這種情況，我會(huì)一邊聽候選人推理，一邊在心里想「如果是我，我會(huì)怎么做」，然后和候選人的答案做對(duì)比。如果 Ta 答得太離譜，那我可能就會(huì)直接拒掉。

曲凱：明白。前面你聊到的這些框架和思路，是什么時(shí)候開始形成的？

虞快：其實(shí)是做管理之后才開始形成的。我大概做了四五年管理，很多想法都是和我在 Two Sigma 的老板學(xué)的。

另外說起來，讓我快速成長(zhǎng)的，是在 Google 的那段時(shí)間。

我剛參加工作的第二個(gè)月，需要做一個(gè)項(xiàng)目，涉及到一項(xiàng)全新的技術(shù)。我對(duì)那個(gè)技術(shù)一無所知，所以就有點(diǎn)沮喪，覺得自己對(duì)團(tuán)隊(duì)沒有貢獻(xiàn)。但我的 Tech Lead 和我說了一番話，讓我茅塞頓開，他說：

如果真有人知道該怎么做，這個(gè)項(xiàng)目早就做完了。所以第一，別把別人想得太強(qiáng)，不要以為 senior 的人一看就能搞定，其實(shí)大家都要摸索；第二，你的工作之一就是主動(dòng)去搞明白這件事到底該怎么做，如果你能啃下來，那你就是組里第一個(gè)會(huì)做的人，還能去教別人。

這件事對(duì)我影響很大。在那之前，我會(huì)覺得自己只是 L3，而組里全是 L5、L6，所以自己就是不如別人。但其實(shí)很多時(shí)候不是這樣的。

曲凱：所以從 Google、Two Sigma、Citadel，再到初創(chuàng)公司，你在各種類型的公司都待過。你感受到的核心區(qū)別是什么？

虞快：我覺得公司類型不重要，重要的是賽道。

我當(dāng)時(shí)去金融公司，是因?yàn)榘l(fā)現(xiàn)周圍厲害的人都在做金融。而現(xiàn)在，很多厲害的人都會(huì)優(yōu)先去搞 AI。

你想想，未來十年，是金融更可能漲 100 倍，還是 AI？

答案顯然是 AI。

所以真正值得思考的問題不是要選大廠還是創(chuàng)業(yè)公司，而是你要不要做 AI。

曲凱：最后，你覺得未來 AI 公司的組織形態(tài)會(huì)是什么樣？PM 和工程師的角色會(huì)發(fā)生什么變化？

虞快：隨著 AI Coding 能力提升，寫代碼會(huì)越來越省時(shí)間。比如我現(xiàn)在在通勤路上想到一個(gè)點(diǎn)子，就會(huì)把需求丟給 Cursor，等到家時(shí)，它可能已經(jīng)生成了一個(gè)初版。

所以未來，工程師更重要的能力不是寫代碼，而是要想清楚該做什么、方向?qū)Σ粚?duì)。這種判斷往往來自客戶反饋，所以工程師也應(yīng)該重視和客戶的交流。

反映到組織架構(gòu)上，就是工程師和 PM 的邊界會(huì)越來越模糊，組織也會(huì)趨向扁平化。

這就要求公司有健康的激勵(lì)機(jī)制，管理層也要有識(shí)人能力，能看出誰真的在為公司思考。

42章經(jīng)

思考事物本質(zhì)