Skip to content

第二百二十五章 赵鸣岐的算法

赵鸣岐把笔记本电脑接上投影仪的时候,方小满在旁边小声问林知行:"他今天要讲什么?"

"知识图谱。"

"什么东西?"

"你听完就知道了。"

方小满皱了皱眉。他不喜欢听不懂的东西,但赵鸣岐来了两个月,每周都搞这种技术分享会,他已经习惯了——听不懂没关系,听完再问就行。

会议室不大,一张长条桌围着七个人。林知行坐主位,方小满在旁边,程浩靠窗,周然和陈小川坐在对面,赵大勇搬了把椅子坐在角落。白板上还留着昨天方小满画的客户漏斗图,六个大客户的进展用不同颜色的马克笔标注着。

赵鸣岐站在投影幕布旁边,穿一件洗得发白的蓝色牛津纺衬衫,袖子卷到肘弯。他没有寒暄,直接打开PPT。

"过去两周,我把六家客户的数据接入流程跑了一遍。"他说,"刘总的超市、陈建明的湘味居、王建华的物流、李总的制造企业——每家的数据格式、业务逻辑、接入周期都不一样。"

投影上出现一张表格,四列分别是客户名称、数据格式、业务复杂度、接入周期。刘总的超市排在第一行:Excel+POS系统,中等复杂度,接入周期14天。

"十四天。"赵鸣岐用激光笔点了一下那个数字,"这是目前最快的一家。最慢的是李总的制造企业,ERP系统加MES系统加人工台账,接入周期四十七天。"

方小满靠在椅背上,双手抱胸。"这我知道。每家都不一样,没法标准化。"

"对。"赵鸣岐说,"没法标准化的原因不是技术问题,是行业知识问题。我们每次接新客户,都要从头学一遍这个行业怎么运转——库存怎么管、订单怎么流转、成本怎么算。这些东西不在代码里,在行业经验里。"

他翻到下一页。屏幕上出现一张复杂的网络图,节点是各种业务概念——库存周转率、安全库存、补货周期、季节性系数、供应商账期——节点之间用不同粗细的线条连接,线条上标着权重值。

"这是行业知识图谱。"赵鸣岐说。

林知行盯着那张图。他看得出来,这不是一个简单的流程图,而是一个多层的、带权重的知识网络。节点之间的连接不是随便画的,每一条线都对应着一个业务逻辑。

"我把六个行业——零售、餐饮、物流、制造、电商、服务——的核心业务逻辑全部拆解了。"赵鸣岐说,"每个行业有多少个关键节点,节点之间怎么连接,连接的权重怎么算。这套东西做好之后,新客户接入的时候,我们不需要从零开始学行业知识,只需要把客户的数据映射到图谱上就行。"

程浩在旁边点了点头。"映射的复杂度是多少?"

"时间复杂度O(n log n),n是客户数据源的数量。"赵鸣岐说,"之前每次接入新客户,我们都要做一轮完整的行业调研,平均耗时两周。现在用知识图谱,行业调研这一步可以省掉,新客户接入周期从平均二十三天缩短到九天。"

他在投影上放了一张对比图:左边是之前的接入流程——行业调研(7天)+数据清洗(5天)+模型适配(6天)+测试上线(5天),总计23天。右边是新的接入流程——数据映射(3天)+模型适配(3天)+测试上线(3天),总计9天。

"接入成本降低60%。"赵鸣岐说。

方小满的胳膊松了一点。"这个东西,能写进给孙浩的季度报告里吗?"

"可以。"赵鸣岐说,"但我建议先不写。"

"为什么?"

"因为知识图谱只是第一步。"赵鸣岐翻到下一页,"我今天真正要讲的,是第二步。"


屏幕上出现了两个框图。左边写着"可解释AI",右边写着"可审计AI"。两个框图之间用一条虚线连接,虚线上方写着"信任的升级"。

"解释层技术是我们产品的核心卖点。"赵鸣岐说,"用户看到AI的建议,还能看到AI为什么这么建议。这解决了'黑箱'问题——用户知道AI在想什么。"

林知行点了点头。这是他从排课系统开始就在做的事。

"但有一个问题。"赵鸣岐说,"解释层解释的是AI的决策过程——它怎么想的。但没有解释AI的学习过程——它怎么学的。"

方小满皱眉。"有什么区别?"

"区别很大。"赵鸣岐在白板上画了一条时间轴,左边是"训练阶段",右边是"推理阶段"。"解释层技术,解释的是推理阶段——AI看到一个客户的数据,做出了一个建议,解释层告诉用户这个建议是怎么来的。但训练阶段呢?AI是怎么学会做建议的?它用了什么数据?数据有没有偏见?训练过程有没有被人为干预?"

他看着方小满。

"如果训练数据有偏见,AI学到的模式就有偏见。偏见会被放大一万倍——因为AI会把偏见当成规律,应用到所有客户身上。"

程浩在旁边补充:"我在渡渡的时候见过这种情况。有一个推荐算法,训练数据里男性用户的购买记录比女性多三倍,结果模型学出来之后,给女性用户的推荐准确率比男性低40%。没人发现这个问题,因为解释层只解释了'推荐了什么',没有解释'为什么这么推荐'。"

赵鸣岐点头。"这就是可审计AI要解决的问题。"

他翻到下一页,屏幕上出现一个三层架构图:

第一层:数据层——训练数据的来源、规模、分布、质量评分 第二层:模型层——训练过程的参数设置、迭代次数、损失函数变化曲线 第三层:决策层——推理过程的解释(现有的解释层技术)

"可审计AI,是让用户不仅能看到AI怎么想的,还能看到AI怎么学的。"赵鸣岐说,"每一层都可以被审计——用户可以检查训练数据有没有偏见,训练过程有没有异常,最终决策有没有被扭曲。"

林知行盯着那个三层架构图。他看得出来,这个架构的核心逻辑是:信任不能只建立在结果上,还要建立在过程上。结果可以被美化,过程很难被伪造。

"这个技术,"他说,"能做到什么程度?"

"理论上,可以做到训练过程完全透明。"赵鸣岐说,"每一次模型迭代的参数变化、每一次数据更新的来源记录、每一次人工干预的操作日志——全部记录在案,用户随时可以查看。"

"这不就是开源吗?"方小满说,"开源代码不就是让所有人都能看到你的技术细节?"

"不一样。"赵鸣岐摇头,"开源是把代码公开,但代码不等于过程。你开源了一个算法,用户能看到代码,但看不到这个算法是怎么训练出来的——用了什么数据、训练了多久、调了多少次参数。可审计AI是把过程公开,不只是代码。"

他在白板上画了一条线,左边写着"可解释AI",右边写着"可审计AI",中间的连接线上写着"信任的升级"。

"解释层解决的是'AI在想什么'的问题。可审计AI解决的是'AI是怎么变成这样的'的问题。"赵鸣岐说,"前者是结果透明,后者是过程透明。信任的升级,就是从结果透明走向过程透明。"


会议室安静了几秒。

林知行盯着白板上那条线——可解释AI到可审计AI的连接线。他的脑子里在跑一套逻辑:

如果他们做到了可审计AI,意味着什么?

意味着他们的训练过程完全透明。意味着所有人都能看到他们用了什么数据、怎么训练的、模型是怎么迭代的。意味着竞争对手可以复制他们的技术路径——不需要偷代码,只需要审计他们的公开记录,就能逆向工程出一套类似的技术方案。

他想起沈渡。想起渡渡科技。想起那些用他的开源算法做出来的竞品。

开源是把代码公开。可审计AI是把过程公开。两者都建立信任,但两者都放弃壁垒。

"赵鸣岐。"他说。

"嗯。"

"如果我们的竞争对手也用同样的方法审计我们呢?"

赵鸣岐看着他。"你是说,他们可以通过审计我们的公开记录,学到我们的技术路径?"

"对。"

"可以。"赵鸣岐说,"这就是可审计AI的代价。你把过程公开了,所有人都能看到你是怎么做的。学习能力足够强的人,可以复制你的路径。"

"那我们的壁垒是什么?"

赵鸣岐没有立刻回答。他走到白板前,拿起马克笔,在"信任的升级"那条线的下方写了一行字:

"壁垒不在技术,在信任。"

"技术可以被复制,信任不能。"他说,"可审计AI的核心不是让别人看到你的技术细节,是让别人看到你的技术细节之后依然信任你。因为你知道你在做什么,你知道你没有作弊,你知道你的AI没有学到偏见。这种信任,不是靠保密建立的,是靠透明建立的。"

林知行盯着那行字。

他想起王老板——长沙水果店的王老板。当初王老板问过一句话:"你们的AI建议我进十箱苹果,但你们不知道下周要下雨。"那时候他意识到,AI缺少一个维度——外部环境数据。他让周然接入了天气API,成本为零,但产品体验大幅提升。

那个改进,如果放在可审计AI的框架下,意味着什么?

意味着所有人都能看到他们接入了天气数据,看到他们是怎么把天气数据融入模型的。竞争对手可以复制这个做法。但竞争对手复制不了的是——王老板对他们的信任。王老板信任他们,不是因为他们的技术有多先进,是因为他们愿意听他说"下周要下雨"。

技术可以被复制。信任不能。

"终极透明,"林知行说,"也是终极风险。"

赵鸣岐看着他。"怎么说?"

"我们把过程公开了,竞争对手可以学我们。但我们学不了竞争对手——因为他们的过程是不公开的。这是一个不对称的信息结构。我们透明,他们不透明。我们吃亏。"

"短期看,是的。"赵鸣岐说,"但长期看,透明的人会赢。因为不透明的人,迟早会被怀疑。怀疑会侵蚀信任。而信任一旦被侵蚀,就很难修复。"

他顿了顿。

"渡渡科技就是例子。他们的数据收集不透明,丑闻一出来,客户流失了30%。三千万的品牌建设,毁于一旦。"

林知行想起沈渡在茶馆说的那句话——"我做错了。"当时他觉得那是坦诚。现在他意识到,沈渡的"做错"不是因为道德败坏,是因为他选择了不透明。不透明是渡渡的商业模式,也是渡渡的致命弱点。

"所以你的建议是——"他说。

"把解释层升级为可审计AI。"赵鸣岐说,"这是我们下一个技术迭代的方向。不是因为我们必须这么做,是因为我们应该这么做。信任不是靠保密建立的,是靠透明建立的。我们的产品理念从第一天就是'让用户看到AI在想什么'。可审计AI是这个理念的自然延伸——让用户不仅看到AI在想什么,还看到AI是怎么学会这么想的。"

他看着林知行。

"这是信任的升级。也是风险的升级。两者是同一件事。"


会议结束后,方小满把林知行拉到一边。

"你真打算做可审计AI?"他问。

"在想。"

"你知道这意味着什么吗?意味着我们的技术细节全部公开。竞争对手——包括渡渡——可以看我们的公开记录,学到我们的技术路径。"

"我知道。"

"那你还做?"

林知行看着白板上赵鸣岐画的那条线——可解释AI到可审计AI,中间写着"信任的升级"。

"小满,你还记得我们在合租房的时候吗?"

"记得。怎么了?"

"那时候我们的产品,核心卖点就是解释层。我们说,'让用户看到AI在想什么'。这句话从第一天就在我们的产品文档里。"

"我知道。"

"可审计AI,是这句话的延伸。如果我们不做,我们就是在说——我们只愿意让用户看到一部分,不是全部。我们有选择地透明。这不是我们产品该有的样子。"

方小满没有立刻说话。他盯着白板看了几秒,然后叹了口气。

"你这个人,"他说,"就是太较真。"

"这不是较真。这是信任。"

"信任和较真有什么区别?"

"较真是为了证明自己对。信任是为了让别人相信你。"林知行说,"我们做可审计AI,不是为了证明我们的技术有多先进,是为了让客户相信我们——我们没有作弊,我们的AI没有学到偏见,我们愿意把所有的过程都公开给他们看。"

方小满看着他,看了几秒。

"你知道吗,"他说,"有时候我觉得你比赵鸣岐还像个技术人。"

"什么意思?"

"赵鸣岐是技术洁癖。你是信任洁癖。"方小满说,"技术洁癖的人,追求的是技术上的完美。信任洁癖的人,追求的是信任上的完美。两者都很难伺候,但后者更危险。"

"为什么?"

"因为信任没有上限。"方小满说,"你今天做可审计AI,明天可能觉得还不够透明。后天可能要把训练数据也公开。大后天可能要把所有客户的使用记录也公开。你永远在追求'更透明',但透明的边界在哪里?"

林知行盯着他。

"我不知道。"他说,"但我知道,如果我们不迈出这一步,我们就不知道边界在哪里。"

方小满摇了摇头,没有再说什么。


晚上,林知行一个人坐在办公室里。窗外是中关村的夜景,远处是中关村大街的灯光。

他打开笔记本,翻到新的一页。

在纸上,他画了三个同心圆。最里面写着"可解释AI",中间写着"可审计AI",最外面写着"?"。

他盯着最外面那个问号。

可审计AI是信任的升级。但信任的升级之后呢?如果可审计AI还不够,下一步是什么?

他想起赵鸣岐说的那句话——"技术可以被复制,信任不能。"

但信任能被复制吗?

信任不是代码,不能被fork。信任是关系——是人和人之间的关系,是公司和客户之间的关系,是产品和用户之间的关系。关系不能被复制,因为关系是唯一的。刘总信任他们,不是因为他们的技术有多先进,是因为他们愿意去刘总的超市蹲点,愿意听刘总说"那些小便利店不是我的敌人"。

这种信任,渡渡科技花三千万也买不到。

但渡渡科技可以学他们的技术。渡渡科技可以通过审计他们的公开记录,学到他们的技术路径。技术是可复制的,信任是不可复制的。

所以他们的壁垒不在技术,在信任。

可审计AI,是把技术公开,把信任留下。

他在笔记本上写了一行字:

"技术是公开的,信任是私有的。"

下面画了一条线,左边写着"可复制",右边写着"不可复制"。左边写了"技术",右边写了"信任"。

他盯着这两行字看了很久。

然后在"信任"下面加了一行小字:

"但信任的代价是什么?"

他合上笔记本,关掉灯。

窗外的中关村大街灯火通明,车流像一条永不停止的河流。他想起赵鸣岐在白板上画的那条线——可解释AI到可审计AI,中间写着"信任的升级"。

信任的升级,也是风险的升级。

两者是同一件事。

他站起来,走到窗边。远处的中关村大厦群在夜色中像一排排发光的柱子。他想起三年前第一次来北京的时候,在灵犀科技大楼外面站了十分钟。那时候他什么都没有,只有一张硬座票和一个不确定的方向。

现在他有了公司、有了团队、有了客户、有了投资人。

但他知道,真正让他走到这里的,不是这些——是信任。是王老板的信任,是刘总的信任,是陈建明的信任,是每一个愿意把数据交给他们的客户的信任。

可审计AI,是对这些信任的回报。

也是对这些信任的考验。

他转身回到办公桌前,打开电脑,给赵鸣岐发了一条消息:

"可审计AI的事,我同意做。但我们先做一个小范围的试点——只对核心客户开放审计权限。不是所有人都能看到我们的训练过程,只有我们信任的人才能看到。"

赵鸣岐秒回:"可以。但我有一个条件。"

"什么条件?"

"审计权限一旦开放,就不能收回。信任没有部分透明这回事。要么全透明,要么不透明。"

林知行盯着这条消息看了很久。

然后他回了一个字:"好。"

他关掉电脑,靠在椅背上。

窗外的夜色很深,中关村的灯光在远处闪烁。他想起方小满说的那句话——"信任洁癖的人,追求的是信任上的完美。两者都很难伺候,但后者更危险。"

也许方小满说得对。

但他不知道怎么停下来。

从第一天开始,他的产品理念就是"让用户看到AI在想什么"。可审计AI是这个理念的延续——让用户不仅看到AI在想什么,还看到AI是怎么学会这么想的。

信任的升级,也是风险的升级。

两者是同一件事。

他站起来,拿起背包,走出办公室。走廊里的感应灯亮了,照亮了他脚下的地板。他走到电梯口,按了下行按钮。

电梯门打开的时候,他看到了白板上赵鸣岐画的那条线——可解释AI到可审计AI,中间写着"信任的升级"。

那条线还在。

他走进电梯,按了一楼。

电梯门关上的时候,他想起了赵鸣岐最后说的那句话——"终极透明,也是终极风险。两者是同一件事。"

是的。

两者是同一件事。

(本章完)