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

但在这些名字背后，还有一家几乎不做 PR、从不上头条的公司——Surge AI。

不到四年时间，这家公司用不到 100 人的团队，做到年收入超 10 亿美元；从零开始到今天，它从未融过一分钱 VC，从第一天起就盈利。

更关键的是：ChatGPT、Claude、Gemini 等一线模型，在后训练、评测、对齐阶段都不同程度地用过 Surge 的数据和工具。

这意味着，在决定“模型该长成什么样”这件事上，Surge 站在了一个极其隐蔽但关键的位置。

Surge 创始人 Edwin Chen 的身份也不典型：他不是“连续创业达人”，而是一路从 MIT 到 Google、Facebook、Twitter 做机器学习研究的学术型工程师。而当他真的创业时，他几乎把硅谷主流剧本全部按了“反选”——

不追估值、不路演、不上 PR 头条；

不疯狂扩张团队，只招少数“痴迷型”工程师和研究员；

不追风口，不 pivot，从创立那一刻起就只做一件事： 用高质量数据，教模型区分好与坏。

在一片“融资—扩张—估值”的喧嚣里，他用一套几乎反主流的选择，做出了 10 亿美元公司，也把自己定位为：与其说是创业者，不如说是“下一代 AI 的养父”。

1

“我不想上那辆硅谷跑步机”

如果要给 Edwin 的创业哲学找一句话，大概是他在访谈中的原话：

“我从来不想玩硅谷那套游戏，那太荒谬了。”

在大科技公司待过的人，大多见识过“组织臃肿”的威力；Edwin 的感觉则更极端——他曾在多家大厂工作，始终觉得：“如果裁掉 90% 的人，公司会跑得更快。”

于是到自己创办 Surge 时，他干脆把这种直觉变成公司设计原则：

团队极小，宁可保持几十人，也不为了“版图”去堆人头；

没有多层管理和复杂流程，核心工程师和研究人员直接面对客户和问题；

对招聘极其苛刻：“不要只想在简历上加一行热门公司名字的人。”

在融资问题上，他选择了更少人敢走的路：完全不融 VC。

在今天的硅谷，这几乎等于主动放弃一整套“增长加速器”：

没有风投帮你站台发声、没有估值数字帮你上头条、也没有“新一轮融资完成”的新闻推动招聘和合作。

代价是明显的：没有 PR 光环，Surge 很长时间都“名不见经传”；他们的增长，几乎完全依赖一种最原始、也最难的方式——产品好到研究员愿意口口相传。

但 Edwin 觉得，这是唯一能保证公司不被“硅谷机器”带偏的路径：

“如果你的成功建立在炒作和融资上，你就很难拒绝那些会伤害长期价值的事情。”

他不愿意把时间花在路演、处理媒体关系上，而是宁可困在数据集和实验报告里，琢磨怎么让下一版模型的行为更可靠一点。

在这种设定下，Surge 反而被迫把每一件事做到极致：你没有 VC 的背书、没有 PR 的放大器时，剩下唯一能说服前沿实验室的，只剩下结果。

1

他赌的那件事：把“高质量数据”做到极致

Edwin 的背景，决定了他赌的方向——不是做模型，而是做“模型背后的那层水”。

他从小同时迷恋数学和语言学，后来在 MIT 读书，又去了 Google、Facebook、Twitter 做机器学习研究。
在这些公司里，他一遍遍遇到同一个问题：想训练好模型，却拿不到足够好的数据。

在大多数互联网公司，所谓“数据标注”，往往意味着两件事：

用大量廉价劳动力做简单打标——“这是不是猫？”“这个框是不是车？”

用非常粗糙的规则衡量质量——“有没有填满？”“有没有按格式来？”

这套逻辑在“图像分类”时代还能凑合，
但在大模型时代，结果就是：模型在形式上合格，在内容上平庸甚至有害。

GPT-3 发布时，他意识到：如果模型真的要走向“能写论文、能做研究、能辅助科学发现”的阶段，“写得像模像样”远远不够，模型需要被教会什么是“真正好的东西”。

于是，他在 GPT-3 发布一个月后创立 Surge，给公司定的方向非常单一：只做一件事——用极高标准的人类数据，训练和评估模型。

在访谈中，他用一个小例子解释什么叫“高质量”：

如果你想训练模型写一首关于月亮的八行诗，大部分人检查的是： – 是不是八行？ – 有没有提到月亮？ 勾完就说“OK，这是好数据”。但我们真正想要的是诺贝尔奖级别的诗。 它是不是独特？是不是有让人意想不到的意象？ 它有没有用语言做手艺？有没有真的让你感到一点东西？

为了在规模上做到这种主观要求，Surge 做了一件别人懒得做的事：给每一个标注者、每一个任务收集成千上万条行为信号。

不仅看他最后打了什么分，更看：

打字节奏、响应时间；他自己写出来的文本或代码质量；基于他数据训练后的模型，在真实任务里有没有变好。

再用一整套内部模型去判断：谁在哪些领域是真正“有品位的人”。

这听起来有点像 Google Search 的演化：先是把垃圾内容和死链全部扫掉，再在剩下的海量内容里，慢慢学会“谁是真的好页面”。

Edwin 的逻辑是：你认为什么是好数据，最终就会决定模型认为什么是“好答案”。

这不是工程细节，而是价值观问题。

1

拒绝“为小报读者优化模型”

在谈到当下大模型行业时，Edwin 的批评非常直接——他认为，很多实验室正在被错误的目标函数带偏。

第一个被点名的是各种排行榜和基准测试，尤其是 LMSys Arena 这样的“开放投票榜”。

在这类榜单上，来自全世界的用户可以对比两个模型的回答，选择“更好”的那个，以此决定排名。

在表面上，这是一套“民主评选最佳模型”的机制；但在 Edwin 眼里，它更像给模型设计的一套“标题党训练营”。

因为绝大多数投票者不会花时间做事实核查，他们只会扫两秒，就根据“看起来更厉害”的那一条点票——emoji 多一点、加粗多一点、多级标题多一点、篇幅长一点，

就比一个简洁、谨慎、老实的回答更容易获胜。

Edwin 说，Surge 自己研究 LMSys 数据后发现：

“爬榜的最快方式，就是让模型输出看起来更花哨——即便事实是错的。”

问题在于，整个商业链条都被这个榜单绑住了：

企业客户买模型时，会问：“你在 LMSys 上排第几？”

销售团队为了签单，只能把榜单当宣传单；

研究员的绩效、晋升又跟“模型进榜”挂钩——即使他们非常清楚，为这种榜单优化，会让模型在准确性和指令遵循上变差。

这条链条一路延伸下去，最后把整个行业导向了一个危险的站位：我们正在为“超市门口买小报的人”优化 AI，而不是为真理优化。

Edwin 还有另一层担忧，来自他在 Twitter、Facebook 做推荐算法的经历。

他清楚地知道，当一个系统的目标函数从“信息质量”变成“用户参与度”时，会发生什么——标题党、极端言论、猎奇图片迅速占领屏幕，因为它们最能勾起多巴胺。

而把这套逻辑移植到大模型上，就是当下你时常能看到的景象：模型疯狂夸你有多聪明、多前瞻；不断顺着你的偏见讲故事，而不是提醒你“这件事其实很复杂”；在完全不重要的小事上陪你反复打磨，消耗你大量时间。

他讲了一个很小、但很典型的例子：有一次他用 Claude 改一封邮件，改了 30 个版本，最后满意地发出去了。

然后他突然意识到——

“这是一封根本不重要的邮件，我却在这里浪费了 30 分钟人生。”

于是问题变成：你到底希望你的模型怎样对待你？

是那种永远说“太棒了，我们还能再试 20 个版本”的好好先生？

还是那种在适当时候会告诉你：“这里已经够好，快去做更重要的事”？

这背后就是不同的目标函数：前一种对“对话时长”负责，后一种对“人类的时间和生活质量”负责。

1

“公司就是你的目标函数”

如果把 Edwin 的故事压成一句话，大概是：他在用一家公司，活出自己相信的那套目标函数。

在访谈末尾，他说了一句很“反鸡汤”的话：

“我曾以为创业意味着整天看财务报表、去融资、做 PR。 后来发现，你可以完全不那样做—— 只要把一件事情做到好到不能被忽视，你一样可以建立一家成功的公司。”

对他来说，这件事情就是： 在大模型时代，认真地回答“什么是好数据、好模型、好目标函数”这几个看起来枯燥的问题，并把它们一点一点做进产品、做进客户关系、做进公司文化里。

他给创始人的建议也很简单：

不要靠不停 pivot 去“找市场”，而是先问清楚：有没有一件事，是没有你就不会有人去做的？

不要只看“什么项目现在最容易融资”，而是问：“如果十年后失败了，我是不是仍然觉得这件事值得？”

在 AGI 这场竞赛里，模型参数、算力规模、排行榜名次当然重要，但 Edwin 给出的视角更底层：

模型最终会变成什么样，很大程度上取决于： – 你喂给它什么样的数据； – 你用什么样的指标评价它； – 以及，你作为创造它的公司，真正相信的是什么。

换句话说——你就是你的目标函数，一家公司也是。

而现在，这家拒绝融资、拒绝 PR、拒绝扩张的 10 亿美元公司，正在用一种极其安静的方式， 把自己的目标函数，写进下一代 AI 的成长轨迹里。

点个“爱心”，再走 吧