Inside the expert network training every frontier AI model

嘉宾：Garrett Lord ｜ Handshake 联合创始人兼 CEO ｜领域：AI 数据训练与专家网络

背景与引子

2024 年 1 月，Garrett Lord 和他的团队在已有 10 年历史的 Handshake 平台上悄然启动了一项新业务。这家为美国大学生提供求职服务的平台，坐拥 500 万博士生、300 万硕士生和超过 1500 所高校资源。没有人能想到，四个月后，这个新生儿竟然突破了 5000 万美元年化收入。更疯狂的是，按照这个速度，它的营收将在不到两年内超越那家花了十年才做到的”老 Handshake”。

这不是一个关于 AI 取代人类的悲观故事，而是一个关于人类智慧如何成为 AI 进化燃料的正面案例。当整个行业都在担忧模型会触及天花板时，Garrett 告诉我们：在通往 AGI 的路上，人类专家的需求不是减少了，而是指数级增长了。

这场访谈揭开了 AI 行业最隐秘也最关键的一环——数据标注与后训练。如果你好奇 ChatGPT 是怎么变得越来越聪明的，这篇文章会给你答案。

一、嘉宾是谁

Garrett Lord 是 Handshake 的联合创始人兼 CEO。Handshake 成立于十年前，定位是”大学生版 LinkedIn”——帮助学生连接企业、找到第一份工作。如今，它是美国 Fortune 500 企业的首选招聘平台，覆盖超过 1500 所高校、2000 万学生和校友、以及超过 100 万家企业。

但真正让这次访谈引人注目的是 Handshake 在 2024 年的惊人一跃。Garrett 发现，自己平台上这些顶尖高校的 PhD 和硕士生，正是 AI 实验室最稀缺的人才资源。于是，一个全新业务在内部孵化：从零起步，四个月做到 5000 万美元 ARR，八个月后瞄准 1 亿美元。

这不是偶然的运气，而是一个积累十年的护城河终于遇上风口的史诗故事。

二、核心观点 TOP10

预训练已经触顶，后训练才是未来。模型从”吞噬所有人类知识”转向”精细化打磨每个能力域”。
通用型标注员已被淘汰，现在是专家的时代。模型足够好后，只有顶级专家才能发现和修正它的缺陷。
专家网络的护城河只有一个：触达受众的能力。没有品牌和信任，你就只能花巨资买流量。
数据质量是生命线。给模型喂错误数据，比不给数据更糟糕。
速度决定生死。实验室随时在跑多个假设实验，一旦某个方向证明有效，必须快速上量。
人类不会被取代，只要模型还在进步。最前沿的科学家告诉我们：未来十年都需要人类参与。
年轻一代反而是 AI 原住民赢家。他们从小接触这些工具，身披”钢铁侠战甲”，效率远超前辈。
在同一公司内部孵化新业务，必须彻底隔离。独立团队、独立节奏、独立文化。
无限需求是真实的。只要你能产出高质量数据，市场永远在等你。
数据类型的演变才刚刚开始。CAD 文件、科学仪器操作轨迹、多模态音视频——下一个前沿是无穷的。

三、关键洞察

洞察一：AI 的进化瓶颈不是算法，而是数据

很多人以为 AI 进步靠的是更聪明的模型架构，但实际上过去 18-24 个月，预训练（把整个互联网喂给模型）的收益已经趋于饱和。现在真正的战场在后训练——如何用高质量专家数据，把模型在特定领域的能力推到极限。Garrett 打了个比方：预训练是让学生读遍所有教科书，后训练是找最好的导师一对一辅导。哪个效果更明显？显然是后者。

洞察二：专家的价值被严重低估

以往的数据标注市场靠的是”低价劳动力画框框”——成本低、量大、但质量有限。但模型进化到这个阶段，通用任务已经难不倒它了。真正的问题出在极其垂直的领域：量子物理的推理链条哪里断了？某个有机化学反应的机理哪里错了？这些事情只有站在该领域前沿的专家才能判断。Handshake 的 50 万 PhD 恰恰填补了这个空白。这是结构性的供需错配，不是短期机会。

洞察三：品牌和信任是最硬的护城河

Garrett 透露，行业里某头部公司养了 200 个招聘专员，日复一日在 LinkedIn 上发消息，还每月烧掉数千万美元投效果广告来获取专家用户。而 Handshake？10 年积累的品牌、1600 所合作高校、学生的主动下载和使用——零获客成本，高转化率。用户信任你，愿意来，来了愿意留下反复接项目。这种护城河不是钱能短期买来的。

洞察四：年轻人是 AI 时代的”钢铁侠”

Garrett 提到一个有趣的现象：过去简历上会写”熟练使用 Google 搜索”，因为这曾经是稀缺技能。今天，AI 原住民的理解力和工具使用能力，让一个实习生第一天就能独立完成过去需要几个月培训才能做的任务。他 20 年前在简历上写 Google 搜索，今天的年轻人不需要写什么，因为他们天生就长在 AI 时代。

洞察五：合成数据不会统治世界

尽管合成数据在某些可验证领域有价值，但 Garrett 听到的来自实验室的反馈是一致的：真实的人类专家数据，尤其是轨迹数据（人类如何一步步解决复杂问题的过程），是不可替代的。实验室愿意为真正懂行的专家付出 150-200 美金一小时，因为这是模型突破瓶颈的关键。

四、精彩金句

“预训练是喂给模型整个互联网的知识，后训练是把模型磨炼成某个领域的顶尖高手。”

“模型已经足够好了，通用型标注员不再被需要。他们真正需要的是专家——各个领域的世界级头脑。”

“人类数据领域唯一的护城河，就是触达受众的能力。”

“今天的模型，是你以后用过的最差的一版。它只会越来越好。”

“不要等到机会过去了才后悔。登上飞机去见客户，深夜加班，重复检查六遍数据——把一切交给运气？绝不。“

五、实战案例

Handshake 的 AI 数据业务能跑多快？Garrett 分享了一个细节：团队从只有四五个人，迅速扩张到 75 人以上，上周一就有 12 个人入职。这不是盲目扩张，而是需求端真的在倒逼——“如果你能产出高质量、大批量的数据，你产多少就能卖多少”。

另一个细节是关于信任构建。Garrett 强调，他们为专家提供的不是”接到任务就开工”的流水线体验，而是一个社区化的学习环境：分组、导师制、同伴学习、专业的工具培训。“PhD 学生期待被当专家对待。他们知道 handshake 和学校有合作，学校不允许我们亏待他们。“这意味着更高的留存率、更多的项目参与、更高的 LTV。

还有早期的一个决策：他们主动选择只服务一个客户（当时最头部的实验室），把数据质量做到极致，然后才拓展到其他六个前沿实验室。“你得学会对很多事情说不。“

六、行动建议

建议一：如果你是创始人，重新审视你积累的用户资产

Handshake 的故事告诉我们，你多年前解决的问题、建立的信任、积累的用户池，可能在某个新范式下突然变成核爆级的竞争优势。问自己：我的用户除了现有的需求，还有哪些我从未想过能满足的需求？

建议二：如果你在做 to C 或 to B 平台，开始思考”专家网络”的战略价值

Garrett 说得很清楚：唯一的护城河是触达受众的能力。无论你做什么业务，如果能建立高信任度的用户社区，你就已经在建造一座别人很难攻破的城堡。

建议三：如果你是知识工作者，尤其是 PhD 或研究生，认真考虑参与 AI 训练

这不是”出卖劳动力”，而是参与人类知识前沿的机会。你在标注和修正模型的过程中，实际上在学习 AI 的思维边界——这对你自己的科研和应用能力是巨大的反向提升。而且，时薪 150-200 美金，也是实实在在的回报。

建议四：如果你的公司想进入 AI 领域的新业务线，从一开始就把新业务彻底隔离

Garrett 分享了内部孵化的关键原则：独立工程师团队、独立设计师、独立运营、独立财务、独立的办公空间、甚至不同的招聘节奏。“让每个人只有一件事要做：让新业务成功。”

建议五：如果你是年轻人，不要焦虑 AI 会抢走你的工作，而是快速上手成为 AI 原住民

Garrett 明确说，年轻人反而是大赢家。你对 AI 工具的直觉和使用习惯，会让你在职场中的效率远超那些还在适应期的前辈。把”会提问、会迭代、会用工具”当作核心竞争力去打造。

七、我的总结

这场访谈最震撼的地方，不是 Handshake 跑出了多快的增长数字，而是它揭示了一个反直觉的真相：AI 越强大，人类专家越稀缺、越值钱。Garrett Lord 用十年时间建了一座连接年轻人和机会的桥，然后在 AI 时代发现，这座桥的桥墩——那些拥有前沿知识和技能的年轻人——恰好是训练最聪明模型最需要的原材料。

这不是关于 AI 取代人类的叙事，而是关于人类智慧如何被重新定价的故事。数据标注不再是”体力活”，而是知识前沿的现场勘察；专家不再是幕后英雄，而是推动 ASI 实现的直接参与者。Handshake 的故事，是一个”旧土地长出新大陆”的范式转移——而这种转移，正在每一个积累深厚的平台上静悄悄发生。

📺 播客信息

发布时间：2025-08-24
时长：1小时9分钟51秒
播放量：16443 次观看
原版视频：『YouTube』