“女博士”張晴晴的硬核AI創業經：做數據難于做芯片

在高校扎堆的北京北三環黃金地段，海淀文教產業園其實不那么打眼兒，但卻擅長收攬“金種子”入駐，創業公司Magic Data就是其中的一位了。

僅看名字，不難看出Magic Data的業務：數據！這家公司成立至今不到7年，從不到10人擴張到100余人規模，客戶遍布全球200家頭部大廠，5年內營業收入突破了一個小目標（億元），成為AI語音數據服務圈的第一梯隊……在這其中，有一個人功不可沒。

她就是Magic Data創始人兼CEO張晴晴。

張晴晴身上有很多社會化的標簽：女博士、創業先鋒。拋開這些，在與她1個半小時的交談中，我更多能明顯感受到她對于事業的激情與執著，因此你什么問題都能問，她什么也都能接的住。后來我才發現，這本來就是她的日常之一，在個人視頻號里經常分享各種觀點：關于數據、關于AI、關于ChatGPT、創業&科研、ToB服務、管理、IT女性，等等，科普性極強。

所以你很容易在AI的圈子里，看到張晴晴的分享。就像你很難在AI的賽道里，不討論數據一樣——因為說到底，張晴晴的成長，也伴隨著中國人工智能產業的成長。

時間調回到約20年前，人工智能非常不火，不火到學這個專業的大學生可能一畢業就面臨失業，甚至大學里沒有真正教AI的老師，還得從通信專業里“借”老師，張晴晴打趣道：“人工智能的前身可能是通信”?？蓞s在那時，張晴晴對語音識別萌生了興趣。

大三那年，她偶然選修了一門課叫做“語音數字信號處理”，學習人的發音機理，再把發音過程通過信號建模出來，做成語音合成——“我覺得這特別有趣。”她說。

后來在保研過程中，張晴晴一心想繼續學語音信號處理，恰巧看到中科院在招生，就毫不猶豫報了名。最終結果是，她在北郵通信學院600多個報名的學生中脫穎而出，以第7名的成績被保送到中科院聲學研究所，師從中科院語言聲學與內容理解重點實驗室教授顏永紅。

再之后，張晴晴成為實驗室中最年輕的副高，并且獲得了2014年度中科院杰出科技成就獎，又在法國國家實驗室擔任語音信號處理博士后?？傊?，她就是那種“別人家的孩子”。

自此在這二十年間，這位女博士長期專注在同一件事：如何更好地構建模型，讓機器更好地理解人話。直到，她發現了一個致命性問題。

讀博期間，張晴晴的論文研究的是“中國人說英語”，為此她要拿到200個真人的語音，只為讓機器理解中國人說英語的特點。結果，這期間她大量的精力都花在了找人說英語上，甚至走在街上，也會下意識向路人問一句：“您能幫我錄句話嗎？”而最終，機器僅花費了1天就給出了第一個實驗結果，可她卻足足花了300天用來收集人聲。

張晴晴不禁感慨，人們普遍認為，AI科學家每天的工作是構建高大上的模型，但其實絕大多數時間都用在了數據上，他們也想用好的數據幫助建模，但結果卻是像圍城一樣——這是很多AI科學家共同的難題。

那么，有沒有可能創造一個龐大的數據集，讓所有的AI科學家和公司都能夠用來訓練模型呢？這一疑問浮現在張晴晴的腦中。

直到2016年，人工智能迎來了再次爆發，張晴晴觀察到一些互聯網巨頭對于數據的需求越來越旺盛，于是從中科院離職，正式在北京創辦Magic Data。

如果要用一句話概述公司業務。張晴晴介紹，Magic Data的定位是一家多模態的人工智能數據解決方案公司，做的是多模態數據，提供的是數據的解決方案。七年來，Magic Data積累了超過60種語言、超過15萬小時的對話式AI訓練數據集，覆蓋智慧金融、智慧出行、智能社交、智能家居和智能終端等五大行業。

回想一路走來，讓張晴晴印象深刻的故事有很多，但最讓她觸動的一件事，是來自于團隊。

2017年，公司成立還不足一年，為了節約成本，張晴晴只能把公司租在北京海淀區的一座商住兩用樓里。在那段時間，北京的幾場大火波及了消防隱患小區，都需要被清查整治。

一個周日下午，消防員篩查到了這座大樓，告知大樓的消防不合規，必須立刻撤走。這意味著，張晴晴需要在幾個小時內轉移幾十位員工的辦公物品，怎么搬？搬去哪？面對突如其來的狀況，她一時不知所措：“我當時很尷尬，也不知道怎么跟員工開口，覺得自己好像挺不靠譜的。”

但她很快晃過神來：得馬上告訴大家，集結團隊的力量。而讓滿心愧疚的張晴晴欣慰的是，員工沒有一位抱怨，一晚上搞定了搬遷。第二天一早，所有人準時出現在新辦公室里，開始了新一天的辦公。

而在那個兵荒馬亂的時刻，公司還正在忙著A輪融資，也正因為整個團隊的凝聚力，Magic Data在那一周里成功拿到了A輪。

自那以后，張晴晴悟出一個道理：“創業是在和平年代里對人最有挑戰的一種生活方式，在創業過程中感受到的喜怒哀樂是幾輩子的喜怒哀樂，但反過來對于人的自我迭代也是極快的。創業是個非常有趣的過程。”

ChatGPT好比數據工廠，但是做數據難于做芯片

科技行者：ChatGPT與人交互起來對答如流，感覺它的大腦在飛速運轉，背后肯定是有海量數據在支撐吧？

張晴晴：沒錯，數據對ChatGPT的作用實在是太大了。ChatGPT起初的數據量很多，幾乎都是來自于網絡用戶的原生數據，但這些數據不能直接用，要經過分類清洗。

反過來說，你的處理速度、精度、效率都會直接影響到ChatGPT本身的質量，所以本質上它是一個工業級的生產過程，是個極具挑戰的過程。

挑戰有兩點。首先，你需要把很多人組織起來，在一個生產系統里完成事情。其次，如果我們已經構建了一個基礎的ChatGPT，剩下的就要開始做一個圍繞ChatGPT而生成的垂直領域模型，這里產生一個問題，這種垂直數據怎么獲??？

垂類數據的獲取通常都非常難，特別是醫療、金融等數據，網上沒有現成的。所以這就衍生了另外一個熱門技術，叫AIGC（人工智能自動生成內容），它為什么同步火了，就是因為現實生活中的數據獲取太困難了，就想著用AI去生成類似的數據去用于訓練。

AIGC其實也叫做合成數據，合成數據中間有一個非常重要的分支，叫做simulation data（模擬數據），對于企業來講，模擬數據可以很好地實現數據場景擬合、快速交付的需求，同時數據的合規性也能得到保證。

6年前， Magic Data開始做模擬數據，實話講這在整個人工智能的數據領域，前瞻性是走得比較靠前的。

我們做的模擬數據，叫做off the shelf data（自有數據），通過模擬出各種場景，比如通話場景、車載場景、家居場景等，對模擬場景中的數據進行采集和標注，打包成分行業、分領域的垂類數據。這些數據可以快速交付企業和科研院所，助力AI研發。

科技行者：那么做模擬數據的難點是什么？

張晴晴：做數據要求很專業，我曾經跟同事講，做數據的專業度有點像是做芯片，都是一個long term（長周期）的事情。但現在我越來越覺得，做數據的難度甚至高于歷史上生產芯片的過程，因為芯片是可以被結構化的。

但是數據的差異化太大了，不同的行業、場景、甚至是不同的形態數據，里面的參數和差異度都是極大的，同時，數據要用于人工智能建模，機器在建模的過程中如何消化吸收這些數據，也是難點。

對于我們“數據人”來講，一定要先理解，才能生產出好的數據，所以雖然看上去我是一直在做數據，但是我每做一個數據，都要換位思考，思考數據在使用過程中會發生什么，這里就有大量專業的“know how”在里面。

第一點就是專業度。數據越做到后面，意味著我們要去處理數據的精度和復雜度就越高，需要的專業人士在里扎根的時間就越長。所以客觀上，我也不認為任何一家數據公司可以把所有的數據都做了，每家公司可以生根在擅長的某個方向，做深做透就很了不起了。

第二點就是規?；?。數據不可能永遠留在實驗室里，未來都還是要面臨工業級生產的問題。就像做芯片，做3納米的一顆芯片不難，難的是批量生產出一堆3納米芯片，可能也就那么幾家公司能搞出來。

數據也一樣，需要系統和人一起耦合去不斷迭代，機器在這個過程中處理哪些環節，如果機器出現異常，人應該給予什么information，讓機器再去回饋。整套流程是一個不斷打磨的過程，也是一個不斷求最優解的過程，但是你又永恒在求最優解，所以做數據是一個long term（長周期），需要你be patient（有耐心），需要你keep going（堅持不懈）。總之這對做數據的企業也是綜合性考量，要持續投入研發，不斷迭代，不斷筑高壁壘，最后沉淀下來，才能越來越好。

真正理解數據的人，就一小撮人，他們很痛苦

科技行者：Magic Data成長一年后，就有了千萬級的收入。很多創業公司技術雖好，難的是獲得收入。你們是如何破冰的？

張晴晴：虛頭巴腦的我就不講了，客觀說，任何一家企業剛起步，要想運轉起來，一定靠的是信任度，它決定了客戶是否信任你，愿意跟你合作。同時要有交付質量，這是后續合作的基礎。

我們公司發展6年間，一些主要客戶的復購幾乎沒有斷過，這反過來也證明我們是一家非常踏實的企業，從創立第一天起，我們的核心訴求就是，希望從根本上改變數據的生產力。

只要是能在生產力上面有幫助到數據的生產的，不管是從機器的研發效率、營銷、供應鏈任何環節，只要能優化的，就應該不遺余力去做，對于整個AI的賽道來講，降本增效一定能推動發展。

科技行者：咱們第一個客戶是誰？

張晴晴：我有點不記得了，但應該是中國企業，雖然我們的客戶全球都有，但最初做人工智能的基本都是現在的大廠。

科技行者：大概在兩年前，你們公司做了很多開源項目，還有一個開源社區，感覺也是在給數據的生產力蓄力。

張晴晴：真正理解數據價值的人，有時候就像圍城一樣，在那一小撮人里面，他們也很痛苦，很想用好的數據幫助到自己的建模，但是他們又很難鑒別，到底什么是好數據。

我們做了很多好數據，凝結了專家團隊的know-how，我希望告訴大家，至少在人機交互的數據領域，Magic Data是專業的，我們把一些典型的數據開源，也是希望跟其他企業創造更多價值。

科技行者：有什么細節可以證明，咱們的數據就是好數據嗎？

張晴晴：“好”可以理解成相對概念。

比如在人機交互場景里，終極形態是完全自然的交流，就像人和人對話一樣，是非常放松、想到哪說到哪的狀態。所以機器的訓練目標一定是越逼近于人類越好，我們公司長期一直在用“人類對話數據”去訓練機器。

但是哪怕在兩年前，大家都還沒有意識到這個問題，導致過去我們跟機器交流時，會覺得死板又生硬，因為傳統的數據用的是書面用語，訓練出來的機器當然死板，直到現在，大家才意識到了問題所在。

科技行者：就好比學書本英語很多年卻無法跟外國人交流一樣。說到對話式數據，又要提到ChatGPT了，Magic Data能為這類大模型做什么？

張晴晴：兩個方面。一是基礎的「大模型」，對數據的清洗和分類是ChatGPT需要的，這部分我們有高效的數據生產工具，叫做Annotator智能化標注平臺，它凝結了我們過去十幾年做數據和人工智能的經驗，如果用這套系統去處理數據，可以降本增效。

二是基于大模型做「垂類模型」。這個過程就一定會涉及到模擬數據，我們會專門設定很多指標，在這些指標下面去采集相應的數據，并且做后期打標簽的動作，如果企業直接用我們的模擬數據，去解決某些應用場景，也可以降本增效。

科技行者：前面還提到了，傳統訓練的數據是非常機械式的，而咱們用的都是人性化數據，那么咱們的數據獲取方法是怎樣的？

張晴晴：過去，互聯網公司有很多用戶，它會基于這些數據去使用，當然這存在隱私問題。

我們的方式是去中心化，反其道而行之，我們不是去拿用戶的數據，而是有一個眾包的工作平臺，大家到我的平臺來，貢獻他個人的一些數據，然后再獲取相應的報酬。比如請一個人來給我做一段表演，或者請他來念一段古詩小說，這種情況下，他產生的數據有價值，他也會拿到相應的報酬，這恰好是一種去中心化的狀態。

科技行者：無論是ChatGPT也好，還是AIGC也好，都是圍繞AI來談的，那么你怎么理解未來 AI與人類社會發展的關系？

張晴晴：要從階段性來看。在未來幾十年的周期里，人工智能會很大程度上幫助人類的工作生活，比如當老人或小孩摔倒了，智能監控會預警，這些機器肯定是有利于社會安全穩定發展的；而從更長期的角度來看，當人工智能越變越好，智能系統越來越多，大家會思考人類會不會部分被取代？我覺得不是沒有可能，我們總說奇點，可能一旦突破奇點，變化一觸即發。

躺平or卷？我更追求“被需要的價值”

科技行者：創業維艱都說爛了，你每天思考最多的問題是什么？

張晴晴：思考的問題也跟不同時期有關。早期總在想，怎么把一件事情去落地做好。

創業到第三年，考慮戰略、定位、擅長做的事。

到第四五年，也就是從去年開始，除了以上這些東西，我更多的開始關注組織的問題，一個企業的成功必定是一個組織形態的成功。

科技行者：“創業是在和平年代里對人最有挑戰的一種生活方式”，你這話說的很好，不過既然是和平年代，有人可能就一直想躺平，為什么你要這么卷？

張晴晴：躺平和卷，其實是個哲學話題，我時不時也會想一些哲學問題，比如每個人在社會上追求的到底是什么？

我也跟公司的小伙伴講，大家為什么要去做這些事，說到底是為了兩件事。眼巴前的是為了收益（錢），這個大家都會考慮，但是如果一個人只考慮錢和收益，除非這個人真的是立刻要餓死，否則是不可信的，那就意味著你的精神世界已經整個崩塌了。

所以除了錢之外，每個人一定會追尋一種“被需要的價值”，當一個人被需要，他會迸發出一種極大的發自內心的力量，這種力量會讓這個人覺得非常幸福，這也是所謂的“情緒價值”。

上面說的兩個追求，在每個人那兒的占比有所不同，而于我而言，我更需要“社會價值”。

最理想的狀態是，你對自己的評價和社會對你的評價是幾乎對等的，其實兩者一旦發生誰高誰低，你都會覺得，要么別人虧欠你，要么你好像占了別人便宜，就是這種狀態。

科技行者：對，說回到躺平和卷的兩個維度，我們或許不用去界定到底是要“躺平”還是要“卷”，可能卷累了就躺，躺累了再卷，大家其實不用只選擇一種狀態。

沿著這個話題，我們再來做一個預測。如果3~5年后，公司還能達到一個什么樣的高度，你會比較滿意？

張晴晴：可能兩三年前，你問我這個問題，我會習慣性回答一句：如果企業可以上市，我應該很滿意。

但是現在看來，要達到滿意的目標有兩者。第一者是，客戶們覺得Magic Data這家公司能夠給它們帶去價值，這對于人工智能數據的生產力也會帶去更好的推動。

第二者是，Magic Data公司里共事的小伙伴們可以因為這家企業而生活得更體面，并且他們的社會價值感會更高。

如果這兩件事情同時滿足，我就覺得這家企業讓我很滿意。

科技行者：這么看來，感覺你是一個很有奉獻精神的人，因為你個人的成就感來自于給他人帶去的價值感。

張晴晴：這么說是合理的，因為創始人其實是公司集體的化身，關鍵是自己內部的一個邏輯自洽和對于外界來講是一個價值呈現。

科技行者：那么做成一家創業公司，要具備哪些重要的品質？

張晴晴：最重要的就兩點，學習力和復盤力，這是對于創始人和創始團隊都特別重要的能力。然后第三點不是我們可以完全掌控的，就是“看天吃飯”。

復盤能力對于很多人都是極大沖突的，首先你得先否定自己，然后再去調整成一個好狀態，自己否定自己可能絕大多數人就做不到。但如果能做到的話，不管是創業者，還是非創業者，他的上升速度都會非?？斓?。

科技行者：總結而言是，不斷學習讓人進步，不斷復盤讓人自省，其他的交給時運。

張晴晴：對。

科技行者：在人工智能領域，有很多女性科學家和企業家，那么如果有女性學子也想投身于這個領域，你有什么建議？

張晴晴：我覺得無論是女性還是男性，都存在一個突破自己的艱巨過程。

女性早期可能會不自信，比如自己認為是這樣的，還會習慣性去問別人“是這樣嗎”。另外女性存在一些天然色彩，比如習慣減少沖突、或是要讓周圍人感覺舒適等，這里有好的方面，就看怎么去用它。在創業這件事上，有時候反倒需要“獨裁”，獨裁這個詞不好聽，但也代表著對于自己所要干的事情更加篤定。你敢于去做決策，并且堅定不移朝著這個方向走下去。

男性要突破的，就是承認自己曾經錯過而重新再來的過程。所以，創業對男性女性都不容易，不過新時代有個詞叫做“女性經濟”，對于女性創業或女性出現在商界，大家的包容度好像真的變高很多了。