智能知识汪涉洋：只靠RSI到不了AGI，人类数据仍是关键

“Frontier data, made in China.”这是智能知识官网挂着的口号。

它指的，是中国 AI 下一轮竞争里必须补上的一环：能持续供给前沿模型所需的高质量数据。

眼下在大洋彼岸，硅谷上下都在热议怎么蒸馏人类经验。Anthropic 等模型公司内部忙着搭数据团队，外部也在找供应商合作；Scale AI、Surge AI、Mercor 这类公司就在这种紧密协作中长大，已经跑出数家估值数百亿美元的企业。模型能力的较量，实质上已经变成数据供给能力的较量。

这个机会，智能知识提前一年半甚至更早就看到了。

2025年4月，智能知识成立。此后它拿到五源资本、奇绩创坛的种子轮投资，以及锦秋基金、耀途资本联合投资的天使轮融资。

公司的核心技术成员里，不少人曾在字节内部做模型数据相关的工作，也有人来自Scale AI等公司。

创始团队方面，创始人兼 CEO 汪涉洋此前负责字节 Seed 的模型数据工程；CTO 李宽野在字节的经历，覆盖预训练数据管线，以及推理、工具调用等方向的强化学习数据合成与环境建设；联合创始人兼总裁曾资文，出自字节商业化平台与流量策略团队。

2024年下半年，他们在大厂内部共同察觉到一件事：模型所需知识的生产，正快速越过模型公司的组织边界。

训练重心往后挪，后训练的分量越来越重。模型要吃的人类经验，覆盖面越来越宽，专业门槛也越来越高；任务一变，数据要往哪个方向找也跟着变。这么多种人，一家公司内部很难凑齐，也就没法把模型所需的全部数据自己产出来。

独立数据公司的窗口，就此打开。

不过，作为国内几乎最早投身后训练数据的创业公司，智能知识成立后至少半年里，团队跟投资人聊商业模式时，得到的理解与认同都很少。

“从没人懂，到新人没机会，也就半年时间。”曾资文说道。

2025年上半年，DeepSeek-R1 等模型进一步证明了强化学习对推理能力的提升空间，国内模型团队加快探索后训练与 Agent 能力。到了下半年，这些需求背后的商业机会被更多人看见，一批曾在模型公司内部负责数据与训练的人陆续出来创业，和智能知识团队走的是同一条路。

进入2026年，情况正如我们此前发布的《AI数据凶猛》《此刻AI的未来和热钱，藏在中国的Alexandr Wang里》所写：模厂、创业者、应用、中转站、投资人成批涌入，高订单、高利润、高估值与灰色地带齐飞，这个新市场最热闹的一面由此展开。

面对种种混乱，既是00后又是“行业老兵”的李宽野认为，主线始终只有一条：“数据不需要什么天才般的想法，就是把每个判断做得足够认真和仔细。”

在李宽野的拆解里，强化学习所需的数据由三个要素构成：环境，决定模型能看到什么、操作什么；任务，决定模型需要完成什么；验证器，判断它究竟做得好不好。

模型能力往上走、进入真实生产之后，这三要素的难点也在跟着变。

去年他们跑模型评估，还常被底层基础设施卡住：并发一高，整个环境甚至会直接挂掉。今年这类问题少了很多，支撑模型运行的基础设施逐步成熟，行业把更多精力转向复刻真实的业务环境。

可在他看来，环境仍然属于Easy Part。环境搭好之后，还有两端的问题要回答：训练开始前，哪些任务值得让模型去做？模型完成任务后，又该凭什么判断它做得好不好、给出怎样的反馈？

举个例子，让模型把几张发票录进报销系统，任务明确，核对金额和日期对不对就够了。可如果要求换成“下周去上海见客户，安排一下”，模型就得去翻邮件、聊天和日历，先弄清到底要安排什么，再协调各项事务。

任务越模糊，环境越复杂，验证环节还要判断行程是否合理、预算花得值不值、体验好不好。

业务一旦搬进被冻结、可反复训练的虚拟环境，现实反馈也跟着缺席。一个真正能让模型提升的好任务，是起点；评分标准是结尾。这两端，都更依赖专家的判断。

说到底，Human Data is all you need。

这和不少数商的做法不同。过去一段时间，模型厂更看重数量与时限，质量排在后头，于是有公司拿合成数据顶“专家数据”；也有从业者认定，强模型已胜过人类，其轨迹会比人的操作更优。

智能知识却不这么看。他们认为专家经验只会越来越稀缺，但重要性始终排在第一。

所谓“专家经验不再重要”，某种程度是因为没找到模型真正需要的那类专家，或者没能把人的经验转成训练信号。

行业的注意力走向，也印证了他们的判断。

“市场的重心已经经历了几次转移，最初侧重数据工程管线，看效率，后来开始……”

“这是数据行业在变好的信号。”

我们和李宽野聊了聊他们从模型厂出来的经历，以及这一年多里不断刷新的判断。

听他讲，你能感到技术人员那种认真和严谨。这个头发稍长、爱玩摇滚的年轻人，说观点前常加一句“在我的视野里”，会分清哪些是自己看到的变化、哪些是还没验证的推断，也更愿意站在模型和智能的角度，去推演数据更远期的本质。

比如他说，“RSI 是把现有能力用到极致，但不等于产生新的智能。”

他还提到，日常工作中大量任务并不需要多高的智能水平，难点在于要在多个系统交织的复杂环境里一遍遍捞取信息，还得在没有标准答案时自己拿主意。智能是一块，经验是另一块，两者相对独立。

他这种想问题的方式，和做数据很像：都得在混沌的世界与抽象的人类经验之间，找出一个个经得起推敲的信号。

眼下行业被生意牵着走，风向一变就抢走注意力，这场对话因此显得难得——来自一线从业者的冷静思考，给出了理解当下智能瓶颈的另一种视角。

智能知识在官网自述里也写过，“机器，也许会更快、更强、更记得住。但它的人性，来自我们选择教它什么、忽略什么、赋予它怎样的品味。我们的使命，是培育真正有灵魂的AGI。”

模型能力怎么变，有一点他们始终没松口：

“没有人的参与，就无法达成 AGI。”

以下为对话实录，经编辑整理：

硅星人：当初为什么从字节出来做数据创业？那时行业还很早，你在模型公司内部看到了什么？

李宽野：我2022年刚进字节，在商业化广告团队做大数据工程。后来大家开始关注 GPT 和 scaling law，我借着这个契机转到大模型方向。

当时团队从网上收集了海量资料。算法研究人员更关注模型架构，工程上则需要有大数据经验的人去解决另一类问题：怎么让整条数据处理管线规模化，面对超大量级的数据，怎么设计分布式清洗和处理策略。我主要参与的，就是预训练数据处理体系的建设。

做了大半年之后，团队里开始弥漫焦虑：互联网上的数据差不多被用光了，下一步还能干什么？后训练被提起的次数越来越多。而在那之前，聚光灯一直打在预训练团队身上。

2024 年下半年，特别是 o 系列出来以后，强化学习成了讨论中绕不开的一块。我加入了一个 GUI Agent 团队，负责环境和数据建设，也是在那时候开始接触复杂环境和长程 Agent。

走到这一步，强化学习的用法变了：不再只是把输入丢给模型、等它输出答案、再拿标准答案去比；模型得在环境里连续执行任务，我们也要把对应的训练环境和规模化评测系统搭起来。举个例子，让大几千个任务同时在复杂的虚拟环境里roll out，然后再把后续评估做完。

这部分又做了差不多半年。去年 4 月前后，就出来做了现在这家公司。

更早的时候，团队就形成过一个判断：数据这件事，不该被关在一家公司内部做完。

它吃人力，还要按任务灵活组织；涉及的知识和经验铺得很开。想让一家公司封闭地把模型要的数据全生产出来，几乎办不到。这反倒成了外部公司的机会。

生意具体怎么落地，2024年2月 Mercor 给了启发。那会儿它刚受到关注，对外讲的是面试服务，博客里却冒出了 Human Data。这个细节让人印象很深。后来才看明白，面试是它搭专家网络的入口：先筛人，再把人组织起来，给 OpenAI 等公司生产专家数据。

顺着这个思路，团队很快拍了板：出来做一家自己的公司。

硅星人：不少人对数据的印象还停在标注上。可今天模型要的数据越来越复杂，行业里也跑出了高估值公司。从过去到现在，数据的演变和区别在哪？

李宽野：模型一代一代换，要的数据也跟着换。

大模型起来之前，标注多集中在分类、打标这类基础常识工作。给一张图，判断是猫还是狗，就属于这一类。

那会儿这是劳动密集型活儿，用不上多强的专业知识。公司能不能做好，拼的是线下管理：把大批人组织起来、培训到位、完成标注、守住质量。

大模型出现后，数据更吃知识了。预训练阶段就有大量检查工作，看一段文本有没有有害内容、事实性上有没有毛病，受过一定教育的人就能上手。

再往后是偏好数据：模型给出两个或三个回答，人来判断 A 好还是 B 好，这就是 RLHF。跟前面比，它更依赖经过培训、对 AI 有了解的人。Scale AI 就抓住了从传统标注往这类工作转的机会。

现在进入第三个阶段，数据越来越由评测驱动。说到底，是要回答两个问题：什么是智能，怎么判断模型达到了希望它具备的能力。

比如都说某个模型编程能力强，可强在哪，得靠一个干了十年的工程师，把程序员的工作拆成前端、后端、运维，再往下拆，才判断得出具体活儿干得好不好。

一个职业里包含很多种工作，模型在每种工作上的表现，都会影响它在这个领域落地的经济价值，于是越来越依赖有经验的人来判。

知识和经验带来附加值，数据也就慢慢变成高附加值的工作。这是最大的变化。

参与者得深入跟模型交流，发现问题，再把“我觉得它做得好或者不好”这种主观感受，变成一条条能验证、能评价的标准。数据公司和生产数据的专家，都得琢磨这件事。

硅星人：创业之后，你们对数据行业的认识有哪些变化？

李宽野：从去年 4 月到现在，市场的关注点变过好几轮了。

一开始，大家主要关心怎么搭标注产线、怎么控数据质量。那时 RLHF 还是主流方案，生产范式没现在这么复杂。一套好的标注规范，就能让质量维持在比较高、又可控的范围内。

到了去年下半年，注意力从生产系统挪到了专家网络。

过去做对错判断、偏好判断，可以把人集中在线下，在相对稳定的环境里生产。可对专业能力的要求越来越高之后，这套办法就难以为继：专家来自不同地方，可能还有自己的全职工作，集中不到同一个场所。

线上的专家网络因此被更多关注。也是在那段时间，团队开始接到针对专家的定制需求。

到了今年上半年，大家开始相信专家网络有规模效应，认为它可以 Scaling。但很快发现，把一个有知识的人转化成能生产数据的人，本身成本就很高。专家网络里人已经很多，不等于再加一个人的成本就会明显下降。

与此同时，模型进步很快，此前能帮上模型的人，可能慢慢帮不上了；模型进入新领域，又需要另一批人。比如 CAD、机械制图，今年下半年被提起得更多。

所以，专家网络的规模效应没有此前想得那么稳。过去互联网行业那套思路不能完全照搬，不能把 Scaling 当成最优先的事。

如今我们看专家网络，质量和效率两头都得盯，光数人头不行了。去年在数据生产管线上攒下的经验，也因此重新有了分量。

专家的门槛在往上走，生产系统的要求同样在提高。过去大家容易只顾一头，现在两头都松不得。

硅星人：可模型公司组织专家这道难题，你们也躲不开：专家散落在各行各业，需求变得快，质量要求一节比一节高，交付时间还卡得紧。数据公司基本都在花钱招人、加激励，除此之外，差异和竞争力到底落在哪儿？

李宽野：找专家这件事，本身门槛就不低，还得真金白银地投。

先要算一笔价值账：究竟花多少钱，才能请到真正帮得上模型的人。这个数在涨，是符合客观规律的；而怎么找到这批人，本身就是公司的核心竞争力之一。

不过还有另一半竞争力：怎么把他们组织起来，让他们清楚模型当下缺什么。不是随便哪位专家都明白自己该做什么才能帮到模型。他得被培训、被引导，这是另一块核心竞争力。

这块竞争力从哪来？来自对模型能力边界的评测。我们内部会一直做研究，摸清当前阶段模型还不擅长的点和方向，再去物色对应的人，培训他们去做能提升模型能力的事。

整套流程不那么容易规模化，做起来相当复杂，门槛也就在这里。相比之下，砸钱把人招进来，反而是更简单的部分。

硅星人：我能不能这样理解——数据公司需要研究者或者资深专家一起钻研细分领域，研究透了之后形成培训和任务流程，让更多专家更高效地给出专业判断？

李宽野：对。

以前，模型的缺陷由模型公司内部提出来，因为大家追的是共性问题。比如怎么提高 function calling 的准确性，怎么让模型更好地遵循指令。这些偏向模型底层能力的建设，研究员能发挥很大作用。

现在的诉求变了：怎么让模型更接近一位真实专家，怎么结合专家的工作场景，去判断模型做得好不好。

所以我们研究团队里，除了计算机背景的博士，还有生物、金融、法律等领域的博士。他们要跟行业专家一起，判断模型在哪些问题上还做得不够好，哪些问题值得投入。

这项工作的难点，不只在研究本身。怎么把不同领域的人组织起来，让他们共同发现问题、生产数据，同样要投入。有时候，运营和管理的工作量甚至会超过研究。

就我看到的美国市场，发现模型在各行各业的能力边界，已经开始成为数据公司的工作。原因在于数据公司离专家更近，能更快把人组织起来发现模型的问题，再把这些发现转成具体的数据需求：该出什么任务、该构建什么数据集，才能帮模型补上缺口。

国内未来可能也会走到相应阶段，但目前还稍微早了点。

硅星人：作为一家横跨多个行业的数据公司，你们怎么判断这些专家给出的判断？

李宽野：两部分都有。

比如一项任务的评分标准有40条甚至100条，有些涉及深层专业判断，有些则相对浅层。

真正难啃、又说不清楚的那类问题都落在深层，靠的是专家之间先形成一致看法。同一个问题我们请好几位专家分别判断，做法有点像投票，多数人倾向的那个意见，通常离行业里的最优解更近。

浅层那边，模型和工程化手段已经能派上用场。比如把同一个任务交给不同模型去跑，看哪些环节大家都能做对、哪些环节能拉开差距，再据此分辨到底是强模型确实更强，还是评分标准本身出了偏差。

这样还能揪出一些系统性错误：任务描述不清楚，或者明明要求完成 A，验收却检查 B。这类问题可以通过工程化方式识别出来。

从这个角度看，数据行业反而是最能吃到模型红利的行业之一。

把两种方式放在一起用，图的是把数据生产的效率提上来。资深专家就那么些人，得让他们的力气花在刀刃上；工程和模型能提前处理掉的部分，先替专家做完。

这样转起来就是一个循环：模型越强，能接住的简单任务越多，团队再去物色能啃更难问题的专家，反过来推着模型往上走。

硅星人：初创公司不可能一口气扎进十个行业，总得先挑一个，法律、金融或者其他方向。对你们来说，为什么先做 A 而不是 B？

李宽野：大方向上的判断其实不复杂。

比如 OpenAI、Anthropic 会不断放出它们在看什么。我的判断是，国内的动作会比海外慢半年到一年，但大方向差不了太多。

问题是 Anthropic 体量很大，我们挑的注定只是它关注方向里的一个子集，还得结合国情。

有几个问题我们会反复问自己。

头一个，这个行业的经济价值落在哪儿？它对 GDP 的贡献，是个可以参照的角度。

再一个，这件事在国内成不成立，又会以什么样的不同形式成立？中美产业结构的差异我们研究过。按我们的观察，美国法律、律师这类专业白领工作的经济占比更高；国内则是电商、物流等行业的分量更值得关注。

第三，模型厂的注意力在哪儿，特别是国内模型厂正盯着什么。数据带有供应链属性，客户是不是正在往一个方向投钱，直接关系到商业化和变现的效率。

硅星人：数据行业挨着模型很近，模型进步的红利它直接就能吃到。可这是不是也意味着，它最容易被模型公司自己接手做掉？当下的答案和长期的答案，会不会不一样？

李宽野：眼下模型厂内外都在做，国内国外都是这个情况。

但站在智能的角度，我们探的是整个人类社会知识工作的边界和上限。这个问题太大，一家或几家公司很难包下来。

一边是，模型公司内部会招优秀的专业人士，帮着摸清模型的能力边界。科学这类重要领域，他们会找博士、教授进来。领域实在太多，全覆盖很难，这正是数据公司的落脚点之一。

另一边，研究越往深走，市场其实是在变大。去年就有人担心，模型写代码已经这么强，代码数据还能有多少事可做？可真走到新的能力边界，大家又希望模型更深地进入工作流，暴露出来的问题就越来越细。

数据公司的做法是从评测入手，先把一个行业的知识体系拆清楚，再看模型在哪些节点上做得不好，一个个解决。对质量标准的理解、对专家网络的运营，都会在这个过程中攒下来。

往长期看，行业里会分化出很多数据公司，各自扎进特定领域，再靠着已有积累往外扩。

硅星人：现在模型厂内外的数据分工，逻辑是怎样的？

李宽野：模型厂并不排斥外部采购，实际上还比较依赖。就我看到的现阶段，市场仍然供不应求。

分工上，模型厂在一步步搭质量体系，对外采购时把精力放在挡住不好的数据进训练上。

内部生产的数据，多样性一定有限；连接不同的公司，就能借它们接触各个行业、找到不同来源。何况方向变得快，去年大家还在聊代码，今年已经在聊 RSI。模型厂很难每冒出一个方向就迅速拉起一支庞大的内部团队，后面要调头也难。

对模型厂来说，建起数据管控体系，是能产生最大复利的事。

硅星人：你们既然能更贴近人类经验，也能看出模型缺什么，甚至横向比较过不同模型，那为什么不干脆自己做一家模型公司？

李宽野认为，创业公司得守住专注。使命说改就改、摊子越铺越大，反倒容易哪样都做不精。

既然认定数据是重要一环，就该让它有独立的位置。我们的做法是：找出模型的弱点，提出好问题，再把这些问题的解法交给算力和算法过硬的团队，推着模型往前走。

硅星人问：质量把关是模型厂自己负责就行，还是供应商得在源头就把高质量数据交出来，这已经是竞争的关键？眼下多样性和质量，哪一个更要紧？

李宽野的回答是：质量比多样性更重要的阶段，已经到了。

模型内部必须设团队把控质量。不然外部就会钻规则和验收的空子，各种乱象都冒出来。内部连最后一道关都不查，很难指望外面能把数据做好。

对数据公司而言，质量一样是核心战斗力。质量、多样性、数量，这是供应商竞争的三个主要维度。

硅星人追问：判断质量，归根到底要看数据进了训练之后能不能让模型变强。可这得真跑训练，还有时间差。“数据质量”这个说法很虚，它到底落在哪些能力上？另外，不同模型厂拿到差不多的数据，差异又会从哪儿来？

李宽野说，最直接的判断标准，就是数据进训练后模型效果有没有涨，在其他评测上有没有涨。

对数据公司来说，这事目前很难做全。Mercor 这样的公司也会拿自己的数据做训练和消融实验，可实验规模和模型厂内部比还有差距。结果能说明一部分质量，但能不能外推到客户的大模型，因果关系有多强，并不好判断。

回到数据本身，有几类活是我们能干的。

一类是模型厂越来越看重的专家思考记录：有多少专家给出了判断，讨论里发生了什么，最后为什么能达成共识。

有些供应商在生产时太依赖 AI，自己的判断没多少，这部分内容自然就拿不出来。

硅星人说，这有点像模型的变化，起先只给答案，后来还得交出思考过程。

李宽野答“对”。他还提到另一项值得投入的活：观察模型执行任务时的行为，反过来分析它为什么失败。这往往对应某类任务里反复出现的失败模式。他认为，长期看数据公司应该更多承担这部分工作。

举个例子，同一个任务交给模型，有一半检查项没过。我们就去看这些失败的地方缺了什么，把缺的方法或经验整理成提示，塞回任务里让它再试一遍。要是带着提示做得更好，就能进一步判断，这段提示是不是点出了模型的能力缺口。

不过得排除一种情况：人为把必要信息藏起来。我把密码捂着不告诉模型，它当然做不出来；再把密码给它，它就能完成。这不算我们要找的能力缺口。

如果提示给的是方法论或者工作经验，这种验证就更有意义。这也是数据公司做得了、客户也比较容易看懂的一种方式。

硅星人问：Coding 数据不光改善了编程能力，也把模型的通用能力带上去了。数学、科学或者其他行业，会不会也出现类似的情况？你们看到迹象了吗？

李宽野说，他觉得有。

代码和数学跑在前面，是因为它们背后对应着更基础的能力。数学重在推理，代码牵扯工具调用等能力。有些模型公司早期就是按这些能力分团队，你负责提升 reasoning，我负责提升 function call，并不完全按行业来划。

李宽野喜欢拿教育人来类比模型训练。之前的基础能力训练，有点像本科及以下的教育。代码工作恰好很吃这些能力，所以表现突出。这部分基础能力、通用智能的提升不会停，而且还在快速往前跑。

可一旦落到经济价值和真实工作上，不少日常任务根本用不着那么高的智能。模型能解很棘手的题，偏偏一些看着不难的活儿干不好，原因在哪？

大概是它没在真实场景里做过这类事，缺了相关经验。

我看法是，经验和智能算两块相对独立的东西。数学往往在一个比较封闭的范围里，追的是有明确正确答案的题；现实里很多事并没有非黑即白的结论。

同一个场景为何这样定，条件一变又换一种做法，中间全是取舍。这些决策经验攒到一起，我理解本身就是另一种智能。

硅星人：数据公司离下一代模型的训练更近。短期和长期看，接下来哪些方向值得盯？

李宽野：长期方向更稳。短期要看资本往哪走、风口在哪，比较难预判。

放长看，模型得帮到足够多的人，把原本要花大量时间思考的工作做掉。这就要求它扎进各行各业，弄懂不同职业的人怎么想问题、怎么做决定，什么样的决定更优。模型会顺着这个方向继续走。

对个人来讲，平时多用模型、找出它哪里不行，也有意义。先说效率，你用模型的水平会更高。我们接触过一些离 AI 比较远的行业，整体用得还不多，可会用和不会用的人之间，效率差距已经拉得很开。

那些把 AI 用得好的人，往往对数据也摸得更透，清楚模型为什么在这里做不好，会琢磨怎么改，也说不定能靠贡献数据拿到回报。这样的人我们也想找。

审数据的时候我们常问一句：模型要是把这事干成了，你肯为它掏多少钱？答不上来，这份数据对应的价值恐怕就不够硬。

短期里研究热点是 AI for Science 和 RSI。产品拉动的需求更多落在工作场景，特别是白领的知识工作。比方让模型做一份 PPT，光好看不够，内容、结构、表达顺序都得站得住，用户才愿意为这些掏钱。

硅星人：RSI 眼下很火，甚至分出一个 Data RSI 的细方向，你怎么看？

李宽野：RSI 的定义和方向不止一种，数据、算法、模型运行系统这些层面都有自我改进的路子。总体说，我觉得它更多是把现有能力榨到极致。模型要进步，得不断拿到外部信号，RSI 偏内部循环，研究的是怎么把已有信号消化得更好。

比如让模型自己去设计实验、调参数。这点很关键，人类研究员做实验的速度，可能已经追不上模型自己做实验的速度了。目标清楚时，模型能不停试下去，把实验效率提上来，这就是 RSI 的好处。

可智能的边界怎么不断往外推，我觉得单靠 RSI 自己办不到。

我依然认为，少了人的参与，AGI 就无从谈起。