传统上，我们很多人都相信这样一个世界：你有多努力，比你认识谁更重要。我曾同时以两种身份信奉这一理念：作为一名科学家，我相信关于我们这个世界的事实与是谁说出它们无关；作为一名美国人，我从小相信成功取决于你有多努力，而不是你认识谁。
然而我现在感受到 AI 领域发生了实质性的变化，尤其是在过去五年里，你认识谁正变得越来越重要，而你能做什么正变得越来越不重要。我显然不是说技术能力不重要，也不是说没有人脉就无法成功。技术能力依然重要，决定着你职业生涯的成败。但我注意到了一种趋势。如果硬要给出任意数字，我会说五年前，成功是 75% 靠你的能力、25% 靠你认识谁。现在，大概是 55% 靠能力、45% 靠你认识谁。
这一趋势有三个技术层面的原因。第一是智能的商品化——编程智能体基本上让研究执行民主化了。过去，你可以靠熬夜调试代码或更高频率地照看实验来比竞争对手更拼。现在，许多研究任务任何知道该怎么写提示词的人都能完成。研究品味显然仍然重要，但竞争场地确实更加平等了。随着技术执行不再那么具有区分度，其他优势自然变得更加重要。
这一趋势的第二个原因是，随着语言模型规模扩展的成功，一个不争的事实是：资源丰富会让你成功的可能性大得多。十年前，一个拥有 8 块 GPU 的学术实验室还有真正的机会做出出色的研究。而现在，单次 RL 运行就可能需要数百（甚至数千）块 GPU，以及大量的数据和基础设施。所以现在，两位能力相当的研究者，可能因为所拥有的资源不同而得到截然不同的结果。而能否获得这些资源，并不只取决于技术能力。它还取决于声誉、与决策者建立的信任，以及职业关系。这些因素一直都很重要，但随着前沿 AI 对资源的需求不断增长，它们的重要性也随之上升。
第三，当公司停止发表研究、转向秘而不宣的闭源模型后，AI 就成了一个可观测性很差的领域。在国际象棋或足球这类可观测性完美的领域，很容易看出谁做得好，并理解他们的贡献。但如今在 AI 领域，我们用于归属功劳的公开机制变少了，这使得外部人士更难知道在模型发布中谁做了什么。这该如何解决？当难以独立验证某人的技术贡献时，人们会越来越依赖间接信号，比如声誉、个人背书，以及谁愿意为他们作保。因此，你认识谁在招聘、招募和融资中扮演的角色要大得多。
我们经常谈论如何提升技术能力，但很少有人真正谈论如何提升“你认识谁”。一个观察是，许多人脉广的人会把工作和个人生活混在一起。传统智慧是在这两者之间保持明确的界限，这在过去是非常合理的策略。但社交的回报已经上升，这意味着任何仍然坚持这条界限的人，为此付出的代价比以往要高得多。
Sam Altman 是将工作与私人生活融合、人脉广泛的一个典型例子。从 Sam 身上有很多值得学习的地方。例如，在 OpenAI 规模还小的时候，Sam 几乎邀请所有员工到他家参加社交活动。他还会在家中举办扑克之夜和晚宴，用于招聘目的。Sam 以慷慨付出时间和善待朋友而闻名，我认为这为他带来了不成比例的回报。显然，OpenAI 内部并非所有人际关系都完美无缺，但我认为 OpenAI 成功的很大一部分来自 Sam 的人脉。
有趣的是，刻意努力去结识他人可能并不是最优策略。我不认为 Sam 建立人脉是因为他知道这些关系会在他的职业生涯中带来回报，而是因为他是一个慷慨的人，对人和技术有着与生俱来的好奇心。也许最好的策略是做最好、最真实的自己，这说起来容易做起来难，尤其是在一个不断变化的技术世界中。
虽然这些技术趋势使该领域对技术功底的依赖降低，但我认为这未必是坏事，而且这也不是我们领域第一次发生这种情况。例如，Python 引入的抽象也让编程变得不那么技术化，使更多人能够编程。而对于某些技能组合来说，如今的机会比以往任何时候都多。例如，没有编程背景的人现在也能创造出优秀的技术，产品品味或研究品味成为更突出的杠杆。因此，虽然我们能做的事情被商品化了，但我们选择做什么，以及和谁一起做，将比以往任何时候都更重要。
感谢 Edward Hu 对本文的反馈。