吴承霖：放弃数亿财富自由机会，只想做一个 AI 幕后玩家 | TGO 专访

吴承霖在互联网大厂摸爬滚打几年，曾是华为、腾讯史上最年轻的技术专家。他也曾错失了不少实现财富自由的机会，如在华为做开源，代码被人打包卖了十几亿美元，放弃过拿到价值数亿元期权的机会。

但他从不觉得遗憾，对他来说，做什么事才决定了一个人。2019 年，吴承霖开始创业，成立深度赋智，开发出了 AutoML 产品全自动 AI 中台，以 AI 制作 AI，与北美 DataRobot 竞争；目前公司已发展到 80 人，半年内已拿下十余个行业头部客户。

当然，他的人生开挂远不如此。比如，28 岁入选福布斯 30 位 30 岁以下精英和胡润 30 位 30 岁以下创业领袖，29 岁成为 CEO，拿到多个 AI 顶级竞赛的世界冠军，在人工智能顶级期刊 TPAMI 上发表论文。

在 AutoML（自动机器学习) 领域，他试图打破常规，改变行业现状。这和他的理性性格、始终勤奋，拥有缜密数据化思维有很大关系。

在吴承霖身上，你可以看到 90 后创业者的特点：自信锐气，想法新奇，对自己认可的事情高度自律，勇于表达自己的不满，并想积极用行动去改变这个世界。

吴承霖和他的成长故事，未来可能会成为一个传奇，不管是关于奋斗还是野心，它一定无比精彩。

以下是 TGO 对吴承霖的访谈实录：

01

一个有着软性外壳的理性人

TGO：听说您入选了 2018 年福布斯 30 位 30 岁以下精英。

吴承霖：对。公平的说，福布斯中国 U30 在榜一年五六百个人，但这代表不了什么。张一鸣 2013 年也在这个榜上，能不能跑出来还靠每个人自己。

TGO：张一鸣是您的偶像吗？

吴承霖：他数据化管理很强，我们现在也遵循数据化管理，但整体的哲学稍有不同，我们是一个 To B 公司。当然，我觉得技术方向可以称为偶像的还是埃隆·马斯克。

TGO: 为什么是马斯克？

吴承霖：他有一些基础习惯，比如，把每天的所有时间都拆成了 5 分钟的时间片，然后会安排自己的每一个 5 分钟的工作。除此之外，他会要求自己去学习很多他以前不会的东西，他能在很多场景下，用一个小时学到别人 100 小时才能学到的东西。

TGO：您一天的时间安排和习惯是什么样的？

吴承霖：Elon Musk 5 分钟颗粒度是比较优秀的。我现在是 15 分钟颗粒度时间管理，还做不到 5 分钟。我也要求公司的所有成员做 15 分钟颗粒度时间管理，做到自律、自驱、自省。虽然大家从字节、腾讯、百度的、华为来的，但确实只有少数同学能跟得上这一套管理方法。

TGO：您是一个对自己和对别人要求都非常高的人？

吴承霖：我主要是对自己的要求高，但对别人还好，我刚才说的自律、自驱、自省，大家都是自愿实行，我并不严格抓这一套。而且其实我们推起来还有很多的问题：原始的期望是先 plan 再 report，但实际可能大部分人都只写 report 了。

TGO：您如何管理自己的能量，保持一个比较好的精神状态？

吴承霖：我有一个独立的 OKR，叫做长期健康搞大事 O，其中 KR 有几条，一个是维持多巴胺的中轴，因为人没有情绪时效率最高，另一个 KR 是控制最低的全因死亡率。

吴承霖自己制定的健康 OKR

TGO：您做事习惯量化和数据化，遵循一定的科学标准？

吴承霖：确实是。这个 OKR 是我 11 月某天心血来潮，花两个小时制定，每一个点背后都有一篇论文，每篇论文都在这个文档里面，证据都是明确的，比如喝咖啡可以降低 12%-22% 全因死亡率。整体来说，这是一个比较好的生活方式。

TGO：您是一个非常理性的人？

吴承霖：我是一个非常典型的有感性外壳的人，但会非常理性看待感性外壳。

02

想做一个幕后玩家，给每个公司卖“军火”

TGO: 您现在的理想是什么？

吴承霖：我们现在做的事情是用 AI 制作 AI，我们称为 Meta AI，做完了 Meta AI 之后，我们下一步是 Meta AI 的平方，让做 AI 能自我进化，到那时，可能我们会成为推动强 AI 出现的第一波人。这个事情很有意思，可能会改变 AI 行业本身。

TGO：这个技术走在世界前列吗？

吴承霖：自动机器学习效果我们是全世界最好的。在 2010 年，我就用自动机器学习炒股票了，主要是基于遗传算法和神经网络，做特征生成、特征选择、模型选择、模型结构调整、超参数优化等等；那时候还没有正式的自动机器学习的概念。当时业界、学术界也没有发现比我更早的。

TGO: 您设计的金融市场交易机器人后来有把它卖掉吗？

吴承霖：我当时都是在学校里赚的钱，赚了几年的生活费和工作后第一台笔记本。毕业之后，到了华为，工作强度很高。我理解像用 AI 炒股票这种事情得高举高打，需要有一个巨大的公司才能做得好，因此，这个事情没有继续了。

TGO：您希望别人将您定位为一个技术专家、创业者、企业家？

吴承霖：我喜欢躲在幕后做一个幕后“黑手”。

TGO：像诸葛亮那样？

吴承霖：不是的。用个比喻的话，我比较喜欢做“一战”、“二战”期间的美国，美国是能真正最后能够跑出来的国家。对我而言，角色和 title 都没有意义，做什么事情才决定了一个人。

TGO：什么样的事情您会记忆深刻？

吴承霖：比如我在腾讯时，我们申请机器要做非常多的评审，这些评审并不一定合理，因为我们用的机器数并不多，一年也就是几万块钱的成本。从公司角度来说完全没有必要评审，纯粹是为了流程而流程，这些机制直接影响了我们打竞品。我会把这些点全部都记下来，包括评审过程耗了多少时间，哪些事情是有效的，哪些是无效的。但这是原来腾讯定的部门之间相互制约的体系，我很难改变。那个时候老板认为是对的，但很明显这种体系对腾讯局部战场不利。我记下来这样的事情，是防止自己以后重蹈覆辙。

03

大部分人还没到比智商的程度

TGO：您在 30 岁之前就达到了很多人一辈子才能有的高度，有什么秘诀吗？

吴承霖：这不是什么高度，我做的事情并不复杂，高度也不怎么高。我只能说我相对努力，我刚毕业那两年在华为，每天早上 9 点上班，晚上 11 点下班，最后一个去关灯，我记得那个时候扫地的都已经走了。我发起过一个编程马拉松的活动，即连续 365 天每天在业余时间贡献 50 行有意义不重复的开源代码，因此，11 点回家后我会写代码写到两点，然后第二天早上 9 点继续上班，这样的作息持续了两年。

TGO：您在事业上很拼！

吴承霖：只能说相对勤奋，我理解很多人实际上都可以做到这样的勤奋程度。大部分人根本没有到比智商的程度，勤奋都还没有比过。我理解智商大家差距不会很大。我有一个同事，每天想下了班去哪玩，怎么去生活地更好，我也很羡慕。但有舍有得，你想要变得更强，你就要有自己的付出。

TGO：您在腾讯和华为积累的经验是什么？

吴承霖：先表明一个观点，很多时候东西都不是别人教的，也不是环境给的，都靠自己。据说自学是最有效率的学习方式。我在华为和腾讯，学的大部分东西是没有任何人教的，都是我自己学出来的。如果说在华为和腾讯有什么 benefit，有！在华为，我们的组写 Linux kernel 人比较多，代码质量比较好，我们可以探寻到全世界代码能力边界。在腾讯做搜索推荐，大部分的逻辑没有任何人教我，都是自己一点一点从各种各样的论文摸索出来的。我们当时扛的 KPI，被称之为不可能的 KPI，如，让某核心业务的点击量涨三倍。

TGO：既然不可能实现，为什么要定？

吴承霖：老板想赚钱，我们压力比较大。这种目标压上来以后，我们就得想尽各种各样的办法去完成，幸运的是在那一年，虽然说人很少，但我们想出了完整的低成本实现路径，仍然把这个目标给实现了。

TGO：您如何评价您的前上司腾讯看点 CTO 徐羽？

吴承霖：他是一个非常典型的优秀的技术领袖，不管做到什么级别都会去看代码，像 Google、微软很多厉害的高管都是有这样的习惯，这种习惯非常难养成，他在这方面能力非常突出。

04

Meta AI 会让许多 AI 工程师失业吗？

TGO：创业两年多，您觉得创业最难的是什么？

吴承霖：最难的是做公司内部的 SOP（标准作业程序），SOP 建立后，建得好公司能自行运转，但能做好的人凤毛麟角。字节跳动这方面能力是业界首屈一指，值得我们学习。另一方面我们做的是一个非常典型的极难技术，这就要求整体团队专业能力强、智商水平高、全身心投入，这几个点都比较困难。

TGO：极难的技术体现在哪里？

吴承霖：我们今年在人工智能最顶级期刊 TPAMI 发了两篇论文，2021 年全中国所有的公司加起来就发了十来篇，中国除了我们以外，还有字节、华为、腾讯、商汤。这两篇是我们随手发的，大概能够侧面描写我们的技术难度。

TGO：您是怎么发现 AutoML 的市场痛点？

吴承霖：2010 年，我就认为 AI 的生产和制作不应该由人来做，我们一开始就做这个事情，不是立足于市场，只是认为这个事情是对的，后面发现这本身实际上也是一个巨大的市场。AutoML 这个方向在中国还是一个小市场，但在北美已经有跑出来的公司了（指 DataRobot，也是深度赋智的实际竞品）。

TGO：您为什么认为 AI 的生产不应该由人来做，而是由机器来做？

吴承霖：人应该去做更加有创造性的事，去研究 AI 和推动 AI 领域的进步。Meta AI 的核心本质就是全自动机器学习，就是把所有的人所需要做的事情，全部都搬到一个搜索空间里，进行一个自动化的求解。

TGO：这样是不是意味着以后有很多的 AI 工程师要失业了？

吴承霖：AI 从业者应该做更有价值的事情，如果只是简单排列组合，价值并不高。

TGO：深度赋智不做“双十一”活动这种线下预测，因为场景受到人工的干扰。是不是意味着 AI 也是有边界的，这个边界在哪里？

吴承霖：AI 逻辑有两个，一个是省人，一个是超人。省人，拿销量预测来说，计划员不用花那么多时间去做计划了，超人像推荐系统，做的最好的实际上就是今日头条和抖音。AI 肯定是有边界的。如果我们把 AI 看成一个独立物种，它现在能做的事情不太可能覆盖人所有能做的事情，它只能做人类做事情的一小部分，有些事情可以超人，但大部分事情它还做不过人类。AI 现在能做的任务数可能不到 100 个，但现实场景人类要做的任务数远远比这个数量多。

TGO：目前 AI 最前沿的技术趋势和创新的应用场景是什么？

吴承霖：比如 Prompt。我们现在生产的是比较小颗粒度的神经。如果将这些组合在一起，会成为一个大的单位视神经，再往上组合可能就是真正一个大脑。但这中间的组合衔接，以及里面各个小的神经元的定义需要一个实现过程。Prompt 能帮助我们更好的实现这一套技术。因为 AI 各个任务都需要很多样本，自监督可以把样本量从原来的 10000 降到 100，Prompt 可以把 100 降到 10，我们期望能够把 10 再降到 1，然后 1 再降到 0。如果能降到 0 的话，它就真的完全不需要训练，可以直接拿来用。

TGO：请问成功的 To B 服务市场的逻辑是什么？

吴承霖：核心是要能够立竿见影，关键有两点：第一点是能在对应的场景明确算出端到端 ROI（投资回报率），第二是要能够快速落地看到效果。

本期嘉宾介绍：吴承霖，深度赋智创始人 & CEO，TGO 深圳学员；

90 年生，厦门大学计算机本科，曾是华为 2012 实验室成员之一，带队攻入顶级开源项目，2014 年，加入腾讯，成为 T3.3 高级研究员。2018 年，入选福布斯 30 位 30 岁以下精英，2018/2019 年胡润 30 位 30 岁以下创业领袖；2019 年，创立深度赋智，并在人工智能顶会 NeurIPS、KDD Cup 竞赛获得多个世界冠军，在人工智能顶级期刊 TPAMI 2021 发表了 2 篇 AutoML 论文。