（来源：上观新闻）
Reflecti🥟🔭on 的投资人和😿我提到👭👗，这家 neo ⚙lab 最早出来🆙融资的时候，是🔝🇵🇭做 codi💄ng 的，🛵然后创始人😝🐜去见了黄仁勋🇰🇼👩🎤，黄仁勋跟他🦑⛪说：你别搞 c🇿🇲oding😐 了，你出来给⚽我做 “美国的🇦🇹🚌 DeepSe🏄♀️🦅ek”，做美国🏌👩🎤的开源模型，我🥾⛅给你钱🍮给你卡👎⬇。AI即将📩吃掉软件，并由此🦃🇳🇱通往吃掉全世界🇸🇱的AG👨👩👧I🍈。
Matt：当你🏜有 100 🤫🇱🇨个原型♾️之后，真正的🚃瓶颈是什么？总要📓有人做选择🧙♀️🦁，这一步是不是🃏会变慢？ 🔨📆Felix🐣🍑： 是的，我觉得👩🦳🦕“al🇧🇾🇨🇵ignment（🇲🇭对齐）🚧”依然很难🇲🇸，而且📁🦀一直都很难🇧🇩。Oncall🆖📙 任务的一个👀典型场景是：如果👘 Cl🔥aude 的 A🌫🇧🇬PI 突然响应✂变慢、某个模🇾🇹型推理节点挂🕠了、用户反馈某🏄♀️类 prompt🇭🇺🐀 输出🇵🇬🇲🇵异常，o🐭⚡ncall🚰 工程师需要快👨✈️🇸🇨速定位问🍏题根源，判🥥断是代码 bu😑😲g、算力分配📚问题还是模型本👩🦳身的异🙈👘常，然后决定怎🇿🇲么修🇮🇱🇻🇮。
Matt：你们🛢🇳🇨真的会同🐣时做 10 个版🚪本甚至 1🐀0 个产品，然后👩🎨🌁让内部的人测试🐋🤦♀️，最后🐛再决定走哪🏈个方向？ Fe🍘lix： 实际上📜🇸🇰不止 10🖇 个，我们🇵🇲现在公司👨🦱🛋内部，可能有😂🍻 100 个不5️⃣同的原💽型在跑🇰🇿。“这些协议被打包🚴整合，🛴💶那么多机🤵构，一键点🎌一下就全部签完📀🇮🇶了，根本无法单独🕖🇻🇪拒绝🤛🚴。数据驱动的价值🏪在于：帮你验证你🏑🇬🇧的“品味”是🖤🛴否真的被用户认💠可，帮你判断方👬🐫向是不是🔈👨🚒对的👭🔽。
