在“百模大戰”的硝煙之外，是否存在一條能攔截到“從戰場中心溢出的機會”的小路？「瀾碼科技」讓我們看到了這樣的可能性。

瀾碼科技成立于2023年，專攻大模型中間層，致力于實現抽象大模型在具體業務情景中落地應用的企業級AI Agent平臺公司。其核心產品「AskXBOT」，能夠讓企業用戶通過對話的方式，快速設計、創建與管理屬于自己的智能體，進而提高企業的工作質量和效率。成立僅半年，瀾碼便完成了數千萬人民幣的A輪融資。

從僅由0、1組成的、直觀性極差的機器語言，到匯編語言，再發展到今天的高級語言——計算機語言的發展的目的，無一不是降低人類與機器的溝通門檻。瀾碼科技正在做的事情，便與之一脈相承：讓不會編程的人，用屬于人類的自然語言，就能夠DIY出符合自己業務需求的AI Agent。

進入瀾碼科技的官網，你一眼就能看見“致力于碳基生命和硅基生命在協同、融合、共生領域的研究和探索”這句距離日常生活似乎過分遙遠的表達。但這其實與創始人不折不扣的科幻小說迷身份，有著脫不開的關系。

周健，上海交通大學計算機本碩，2006年，李開復以“關門弟子”的稱號將他招入谷歌，而他也成為了當時極少數獲得訪問PageRank算法核心代碼權限的中國工程師之一。離開谷歌之后，周健先后加入阿里云、依圖、弘璣等公司，見證了AI技術從0到1落地的全過程。

正如喬布斯所說的“connect the dots”，周健認為，自己在AI應用領域的創業，也是一種水到渠成。這與當今時代下的科技浪潮涌向有關，也與自己在不同節點作出的選擇有關。

本期《Boss宣講會》，我們邀請到了瀾碼科技創始人兼CEO周健，由他來分享自己似乎“每一步都算得很準”的職業心路，以及其作為連續創業者，在行業內歷盡千帆后，所積累下的市場洞察，或許能為渴望入局AI行業，卻迷茫于切入口的你，提供一些最底層的認知與靈感。

• 想看到更多風景，就需要付出代價╱ 一
• 能被定義清楚的東西，不是好的創業機會╱ 二
• “讓天下沒有難賣的代碼”╱ 三
• 群友 vs. CEO╱ 四

想看到更多風景，就需要付出代價

職場Bonus：您承認自己是一個“自帶光環”的人嗎？

周健：初高中的時候，有各種數學、物理奧林匹克競賽。我中學時代并沒有拿到過這些獎，但我從小就一直想要拿第一，對冠軍的位置念念不忘。于是，在交大讀本科的時候，我參加了ACM國際大學生程序設計競賽，代表亞洲高校第一次拿到了ACM的冠軍，也算是實現了自己中學時代的執念吧。

因為這樣的光環，我在職場中其實會順利很多。但這些榮譽是光環，也是包袱。

我是在大三的時候拿到冠軍，因此在之后讀研、工作的過程中，面對很多未能如愿的小事，我就會忍不住想：“作為冠軍，我連這些都做不好嗎？”

后來有一段時間，只要有人說到ACM冠軍這件事，我就會連忙說“別提”。

職場Bonus：但有光環在，可供選擇的職業方向應該很多。

周健：我是可以做很多東西，但我一開始并不明確自己到底是個什么樣的人。在職業生涯的早期，這些都是需要探索的，包括世界需要你做什么、你實際上又能做什么。

雖然我是創業公司的CEO，但其實我是個內向的人。還記得第一次坐上管理崗位的時候，我的上級讓我去找自己的下屬一對一溝通，對此我是很驚慌的，當時嘴上雖然說著：“小王我們來聊一下”，實際上心臟全程都在怦怦跳，根本不知道到底應該說什么才好。

不過，即便是不擅長的事情，也可以通過后天的反復訓練來改進。現在的我，跟下屬可以聊三四個小時，真成話癆子了。但比方說如果你問我，加班加到晚上十點鐘打車回家的時候，還愿不愿意跟司機聊天？我是不愿意的，因為我獲取能量的方式實際上并不來自于外界，而來自于獨處。

職場Bonus：您在20年前就拿到了綠卡，為什么還選擇回國發展？

周健：因為那樣的生活不是我想過的。

20年前，絕大部分人，包括我家里人都認為我應該留在美國生活。我一開始并沒有給自己設限，一定要去或不去哪個地方，我是有廣泛嘗試且拼命努力的，但努力到了某一個節點你就會突然意識到：“嗯，這不是我想要的。”

我無法說服自己去相信這些東西就是我想要的，因為如果我連對這些事物的選擇權利都沒有的話，那我也不愿意再為這一方向上的職業發展付出那么多了。

職場Bonus：2014年“大眾創業，萬眾創新”的政策提出之后，大批硅谷的人都回國了，你的選擇比他們還早。

周健：運氣很好的是，王堅博士（現在已經是院士了）邀請我加入阿里巴巴，做阿里云。我此前供職的谷歌已經有了很強的云計算基礎設施，當時馬云一年投十個億，也打算搭建國內的云計算基建。

很感激當時的勇氣和機遇，在工作第五年的時候，我們做出了一個在國內算是比較先進的系統。而即便是在數據規模巨大的今天，在幾千臺機器的規模上設計、測試系統這件事，我相信也沒有多少人敢去做，但我們2008、2009年的時候就已經做到了。

這給我的職業生涯打下了很強的信心源。

職場Bonus：從阿里云開始，到后來加入依圖、去弘璣做CTO，這樣的職業路徑，下一步自然而然就是創業？

周健：是的，因為在大廠工作，本質上還是螺絲釘。

在谷歌的時候，我即便是號稱“李開復關門弟子”，但說到底還是個程序員，每天都要寫代碼。但我在谷歌三年，最終提交上去、被生產系統所采納的代碼只有1000行，也就是平均一天只能提交一行代碼，這是一件很可怕的事情。

之后去阿里巴巴，當時也已算是大廠，但我所在的團隊是一個創新團隊，能夠感受并享受到從0到1做成一些事情的過程。

后來，隨著一波一波的技術創新浪潮，我擁有了更多機會去不斷突破自己。在學生時代的突破往往是一路拿第一，從區級到市級到省級再到國家級；在大廠里也是相似的，從經理到總監到副總裁到CXO再到CEO，就是一圈一圈突圍的過程。

在這個過程中，最幸運的就是能夠跟著一些厲害的、有意思的人一起做事。

我本科時ACM冠軍團隊的隊長，也是依圖的聯合創始人。他給了我很大的幫助，讓我能去升級自己的操作系統，向外承擔更大的責任。我感覺整個人的能力都被展開了，不斷地有機會去實踐，并得到來自整個社會的反饋——這令我非常享受。

職場Bonus：您每次離開某家公司、做出新選擇的時間點，都算得很準。從創造財富的角度來說，哪家公司更好，是未可知的；但從書寫人生履歷的角度來說，那個時候離開，實際上完成了某種自我升華。

周健：如果我當初留在阿里，現在可能就已經實現財富自由了。但想要看到更多風景，就是要付出代價的。

我接觸的大多數創業者，對他們來說，財富真的只是一個結果。他們更希望去挑戰自己心中的篤定或懷疑，最終向外界證明自己。

能被定義清楚的東西，不是好的創業機會

職場Bonus：瀾碼科技為什么選擇做大模型中間層？

周健：從計算機被發明開始，出現了用0和1指代萬物的機器語言，之后逐漸發展到匯編語言、C語言等等，其實都是抽象程度降低、越來越接近于人類語言的發展過程。今天，我們最需要的，其實就是介于人的自然語言與機器的程序語言之間、能夠幫助人和機器更好溝通的語言。

作為程序員，如果能夠去定義一門編程語言，或者做出讓全世界都人都在使用的東西，是一件很酷的事情，要想實現這個愿景，我們的選擇是做大模型中間層。

大模型中間層的功能，就是讓更多的人能夠去設計、制造自己的AI Agent，也就是做自己的程序。

從當前的時代發展來看，這是一件水到渠成應當有人去做的事情。

對于我個人而言，就像是喬布斯說的“connect the dots”。你在探索人生的過程中，或許隨機地踩了一些點，但回過頭去看，當你要做某件事的時候，這個東西所需的所有技能、經驗、客戶資源，都在你過去走過的每一步上累積下來了，到了現在的時間點上，它們正好可以呈現出商業價值。

職場Bonus：您們產品的服務對象來自各行各業，如何去協調這之中共性和個性的問題？

周健：我在弘璣的時候累積了這部分經驗。

我在弘璣做RPA（Robotic Process Automation，機器人流程自動化），在當時叫做數字員工，需要進入很多行業去了解他們不同職能的具體業務。企業是一群人的組合，為了讓大家能夠標準化地協作，就出現了Business Process，也就是業務流程。弘璣的RPA花了3~4年的時間去理解Process。

如果沒有這段經歷，是很難理解“流程”的。

職場Bonus：所以瀾碼是做項目的，而不是做產品的？

周健：在今天，項目和產品已經并不矛盾了。

理論上來說，產品是針對一個特定的客群才能去做的。那么今天的大模型是不是一個產品？對于一家創業公司來說，這件事如果能被定義清楚，那就不是一個好的創業機會。因為只要產品定義又清楚、又受全社會關注，那么大廠一定會入局，把這個東西給吃掉。

創業需要在一個不確定的情況下進行。目前大模型一定會不斷演變、推進，但誰都不能確定它下個月會推進到什么程度、最好的開源大模型又變成了誰。

職場Bonus：我們能否理解為，瀾碼并沒有選擇先做產品還是先做項目，而是先快速響應客戶需求，在項目中有貢獻的東西迅速標準化、產品化，在未來，項目的比重降低，產品的比重增高？擁有越多的項目經驗，面向各行各業的產品解決方案成本就越低，未來競爭力就越強。

周健：是的。

職場Bonus：大模型改變了什么？

周健：在過去，不管是依圖還是弘璣，都要靠自己做技術研發。當時還并沒有大模型公司，搭了一堆現成的算力，開放了多少的token，如何收費等等，這是沒有的。那時候的情況是，谷歌發了一篇論文，研發們一起學習一下，再買一堆GPU服務器。依圖最多的時候有300臺GPU服務器，是一筆很重的投入。

但到了今天這個時代，大模型變成了基礎設施，對于小公司來講，就能夠更便宜的獲取研發能力，從商業生態上來講，這是一個很好的結構。

職場Bonus：相對于熱火朝天的大模型公司，您們的紅利在哪里？

周健：全社會都在關注大模型，投資人也會給大模型公司投很多錢，那么接下來，大模型公司必然會開始打價格戰。

就像是過去的滴滴跟快滴、摩拜跟ofo，這些大模型公司為了搶奪市場份額，必然會燒錢，而這燒的錢被誰用到了呢？要么是C端用戶，要么是我們這樣B端的、能夠用好大模型的人。

職場Bonus：從去年開始，大家就很少提RPA這個單獨賽道了，它是否受到了大模型、AIGC的沖擊？

周健：過去程序員的效率不夠、個性化定制的成本高，因此出現了低代碼、RPA、BI等大量的細分賽道，但它們試圖解決的問題都是同一個，那就是讓不是程序員的人也能夠自己開發應用。它們對外宣稱自己做的不是系統，而是數字員工，但目標并不是代替員工，而是作為人與系統的鏈接。

也就是說，RPA當時火的原因，是大家相信AI在未來一定會爆發，而AI范疇是比RPA大得多的。到了今天，很多事情不只有RPA公司能做了，所有的公司都能用上大模型，這就讓大模型變成了一個比RPA大幾十倍的東西。

因此，大家關注的重點變了，開始集中關注“誰能用好大模型”，去實現數字員工或者超級自動化的愿景，而RPA就被困在了池子里，它的天花板被封住了。

職場Bonus：它們靠想象力講故事去獲得融資的路被封住了，但如果踏踏實實賣軟件，對企業的數字化以及效率提升還是沒問題的。所以無論資本層面是唱衰還是叫好，最終還是會回歸最本質的商業路徑。

周健：對。

“讓天下沒有難賣的代碼”

職場Bonus：瀾碼科技的企業愿景是什么？

周健：隨著大模型的演進，我認為未來會出現很多超級個體，他開公司不再需要雇傭HR或財務，更多地提供咨詢服務，目前大公司的組織結構形態也會因此發生很大變化。

到那個時候，只要你能夠說出來應該怎么做的事情，都不應該反復去做，就像程序員常說的“ DO NOT REPEAT YOURSELF”，重復寫過的代碼就應該變成一個函數，方便重復使用。

最開始我給瀾碼設計的slogan是“讓天下沒有難賣的代碼”，后來覺得這句話理解門檻偏高，改成了“人人都能設計自己的AI Agent”。

讓AI幫助每個人去創造自己的業務，讓個體在市場上也能發揮自己的價值，這就是我的愿景吧。

職場Bonus：為了實現這一愿景，瀾碼的智能體的哪些方面還需要優化？

周健：從目前的經驗來看，我們發現專家知識所帶來的業務價值，對AI智能體非常重要，就好像金山辦公或百度文庫生成的簡歷模板，跟百萬年薪獵頭顧問幫你個性化定制的簡歷，它的業務價值至少相差百倍。

職場Bonus：很多人存在的誤解是，未來所有人都不得不學編程。但實際上，越易得易用的產品，未來在商業化上是越成功的。

周健：是的。

職場Bonus：目前瀾碼不同職能的員工占比是什么樣的？

周健：首先肯定要有一定比例的算法工程師，大模型本身作為算法的產物，必然需要有人理解它的原理，才能更好地利用。此外，產品、研發、工程也都有。

我們目前非常重視售前和交付。雖然有些人沒有技術背景，但具備較強的學習能力，愿意擁抱AI、擁抱業務，成為理解客戶的業務專家，把用戶需求翻譯成產品上的改良，這是我們特別需要的人才。

這實際上也是一種新的工種。我們目前的產研有自己的節奏，不會隨意擴增或減員。但從一個工具、一個平臺的層面來說，我們希望自己的產品能夠適配不同行業、不同職能，這就需要相關人才幫助我們去做各行各業的切入。

我們這個行業變化很快，每個月幾乎都會有新東西，不斷地會有新的大模型、新的場景。能夠快速迭代，不讓自己過去學過的東西過期的同時，又能快速學習新知識的人，是我們特別喜歡的。

職場Bonus：很像是做咨詢，只不過咨詢是提交一個優化報告，但您們能給到直接可用的東西，不只是告訴客戶要怎么做，還最終幫對方解決了問題，不單是打開了認知，還確保了效果。

周健：對，我們要去判斷，哪些事情是我們當前的產品可以解決的，哪些是不能解決的。

職場Bonus：從互聯網產品經理、運營轉行類似瀾碼科技的公司，是有優勢的對嗎？因為他們更理解客戶。

周健：是的，還需要補充學習一些基礎代碼的邏輯，包括大模型的邊界、原理等等，需要懂得才能跟客戶解釋。

職場Bonus：我看過您們的官網，我很少在一家企業的官網看到宇宙、人類這樣的詞，這似乎離我們很遙遠。

周健：有一個概念叫做Gaia，它認為整個地球就是一個生命，我們只是其中的一個部件而已。從底層的物理性質來看，我認為，最終，硅基生命會代替碳基生命，占據全球的主導地位。而硅基生命本身，也會是人類的最后一個發明。

我們瀾碼科技的Logo，是一種叫“Rule 30”的數字生命，使用很簡單的規則就能生成出來的、很復雜的、看上去有生命的一個pattern。

在我三十幾歲的時候，我一直在思考自己的人生目標，但總是很粗略。后來有一個我很尊敬的谷歌工程師，叫Jeff Dean，他的一篇論文叫做“Planet Wide Database”，也就是行星級數據庫，當時我就認為我的Lifetime goal是要構建一個行星級的智慧系統，那種巔峰體驗是讓我現在都很難忘的。

所以我希望我們公司，也能有一些這樣底層的文化存在。

群友 vs. 創始人

群友：我是一名HR，我們職能部門是最容易被標準化的，因此我也去學習了AI，但還是很焦慮，害怕被替代，我怎樣才能提升自己的職業天花板？

周健：首先，人不會被AI替代，只會被會用AI的人給替代。

HR或財務之類的職能崗，領域內部還是有很多專業知識的，大模型看似會這些知識，但對知識的整合運用還是比較弱，還需要軟件工程師優化。

因此，我的建議是，一是去深入理解本專業的知識，二是去跟業務一號位多溝通和學習，去理解業務。今天的AI可以記住很多東西，也可以根據專家的要求去做很多重復性工作，但它很難把知識和實際業務情景結合起來。

人崗匹配，最難的事情就在于隱藏的知識。獵頭的工作分為三個階段：

一是“把做大餅的人再賣去繼續做大餅”。這一步基本只要看事實，比如5年java工程師等等，這是AI可以解決的；

二是“讓做大餅的人去做油條”。這時候就需要去判斷候選人過去做過什么、現在又能不能做另一件事，這之中涉及到很多工作細節，有些能力是職場通用的，有些能力卻不是。至于哪些能力可遷移，這是需要獵頭去拆解、估算匹配度的；

三是職業生涯的選擇。比如你想挖一個中國的高管到美國，但他有兩個孩子在國內，如果你沒有實際的人生經驗，就無法共情、搞定這件事。

我經常會開玩笑說，就算GPT-10出來了，它最多也就是愛因斯坦，但就算是愛因斯坦，也不能直接擔任上市公司CFO，因為CFO不僅要懂財務，還要懂老板、熟悉公司的業務，這些技能是不會被AI替代的。

實際上，目前的大模型還很缺數據，我不知道到了下一代會不會解決這個問題，但現在，舉例來說，獵頭跟候選人溝通的時候，這個數據并沒有被整理出來，那么AI就得不到、學不會。

職場Bonus ：可能等到下一代，人類生活中所有的Knowhow都被記錄下來了，有各種音視頻語料訓練AI，那很多事情確實被AI替代了，但崗位情況也不是現在的局面了，會誕生出新的職業崗位。

群友：生成式AI的發展會引發失業潮嗎？

周健：這是一個hard question。我認為如果在美國，是會的，但中國還是會有緩沖的。首先是我們的技術跟美國相比還有一定差距，其次我國對數據、對勞動者的保護做得還是不錯的。不過我依然認為，還是有很多人需要去轉型，去重新學習。

但是，我對需求側的爆發是比較樂觀的。從大方向上來看，一定會出現虛擬世界，或是數字孿生，基于此，如果我今天有資源的話，我一定會去做教育，因為目前的學生根本不知道在職場中，AI是如何發揮作用的，或者根本沒用過AI，教會他們最好的方式就是游戲。

相對來說，教育對最終準確率的要求沒那么高，因此更應該去先做。隨著AI的發展，比方說現在美國的Sora，或許未來劉慈欣所有的科幻小說都能被拍成電影，那我們自己也可以組一個團隊去做這樣的視頻，這種自我創作者一定會越來越多的。

對于政府來說，如何承接這些大量的需求，讓這個轉換變得更加絲滑，是非常重要的。

群友：現在的技術發展，距離實現電影《Her》中的情景，還需要多久？

周健：5~10年。

單就情感陪伴、短時交互，目前是沒有什么問題的。但長時記憶、世界模型，還難以灌輸給它，因為它無法依靠背誦來獲取這些內容，只能依靠你們高頻的互動。

舉例來說，今天的大模型很強，它可以背出《紅樓夢》，但如果你下指令說把《紅樓夢》的背景從清朝改成明朝，發布一個《藍樓夢》，它做不到。這不是簡單“記住”的問題，它需要了解社會的背景、人物的背景，讓互動不產生沖突。

而這是一件十分困難的事情。