这是刘思毅宝宝总的 AI 专业访谈，这次访谈的嘉宾是是国内 AI 创业者顶尖前沿的创业者武彬第二期，他的公司是用人工智能来做电商营销素材的，就是帮助所有的品牌跟电商卖家来做内容，公司现在市值几十个亿了。

武彬非常牛逼，清华本硕，计算机本科， NLP 人工智能实验室的硕士，今天这篇文章核心探讨一个问题，刘思毅到底要投入多少钱才能完成刘思毅孪生 AI ，以及能否由此开启新的搞钱项目。

一、 AI 对于我们这种创始人、创作者来说，到底能帮助我们什么？

刘思毅：我 10 月份去了一趟硅谷，和那些 AI 的创始人聊了，但我觉得他没有解决我的一个核心问题，我并不知道作为一个 IP ，AI 能够帮助我带来什么。

我现在最显性的需求叫做刘思毅已经生产了 6 年的短视频文字，有几百万字的资料，我想要让我的用户可以看到一个数字孪生版的 641，

但是 OpenAI 哪怕读了我几百万字的文字资料，好像没有办法对我出任何的有效帮助。

他不能吃掉这个 PDF以后就成为刘思毅，我缺了什么？

武彬：我觉得可能还是数据样本不够，我之前看到一个视频说你让一个 AI 学你的东西，学完之后出来的文字都是骂人的。

刘思毅：是真的，我找了一个国内 10 家 AI 公司，他只能学口吻。但是他要模仿一个刘思毅的思想，他学不到。

武彬：你如果真让他学到，可能还需要更多的数据，比如某些事情是怎么想的。

刘思毅：什么叫做缺数据？我已经有这些几百万字的数据，但是它没有办法一次性的咀嚼完成。

武彬：可以的，那就可能是你们缺了一个专门来给他做训练的人。这个训练不是说一股脑给他一个 PDF 就叫做训练。

一般来说你要像我们这种专业人士，内部有一个东西叫做 Finetune，就是优化的意思，像 GPT，文心一言是拿海量的通用文本训练的。

他知道整个世界的这个语言什么样子的，但是你如果到垂直行业，比如我们做电商的，你就要告诉他这个垂直电商很多数据，比如说这是一个怡宝是什么的瓶子，你要给他很多垂直的这个数据。

你要训练你的样本，你要告诉他，比如你面对特朗普上台这个事情你的一些想法，你给他一个文字，你告诉他你这个文字里面是怎么一步一步的思考的。

如果只给他一个长的 PDF，是无效的。

刘思毅：请问我告诉他这个告诉本身是怎么执行的？

武彬：就好像 GPT 的对话逻辑一样，告诉他。一种是完全我们这种做程序员的，我们就会给他标好的数据，比如这是猫，这是狗，这是书，这是花，第二就是完全用对话的逻辑，一句一句拆解，对话。

二、刘思毅有几百万字的资料，我希望它变成一个刘思毅版的 GPT，如何实现？

刘思毅：用户可能问题是我这个情况是这样的，关于小红书，你觉得应该怎么操盘我，我就希望他能够结合我喂给他的东西，给用户一个较为刘思毅版的回答。

因此我需要做啥呢？

武彬：第一，你把几百万字的 PDF 先拆成一段一段的。

就比如我们前面说的这个对话，就是你为什么说这句话？它是什么样的问题，导致你说这句话，比如几百万字是我的 3, 000 篇文章，每篇文章都有标题和中心一群，我可能是一篇文章，一篇文章的告诉他你写这篇文章的目的是什么？

这个文章可能是别人问你如何来操盘小红书，比如这篇文章是当今这个时代你如何看待中美竞争，你把这个标题给他，这是你的回答，这是标题。

刘思毅：为什么是一篇一篇带着它吃，而不是 PDF 直接混杂的给它吃？这叫数据的人肉结构化吗？

武彬：按理来说大模型不太需要做结构化了，但是你给它结构化之后，能理解的更好。

比如说你把所有的从小学到高中的书全部背给他，中间要梳理这些逻辑很复杂。你告诉他这是语文，这是数学，这是物理，这是化学，这是物理里的电，

这是声，这是光，是运动，他就学得更好，你如果不帮他拆解，他只能像你说的模仿文风。

他就回避关键问题，他就不理解底层东西样。

刘思毅：因此我用中文对话式可以手把手带教 3, 000 篇文章，每篇文章主题让他吃进去之后，它就变成了一个吃进 3, 000 篇文章的一个 AI。这和 QA 机器人的区别是什么？

武彬：就是你给他的目的，这个目的叫做你来学习我的内容，以后你来模仿服务我的客户，所以我们的目的就是要让他深度学习，举一反三。

如果不用 train 的方式，你只能让他来模仿。有一个程序员告诉他如何来 train，这个就是我们做的事。

三、如果要有一个刘思毅的开源模型，要花多少钱？

武彬：我们之前部署服务器，不贵，大几十万，但是要标数据比较费钱。我们那个数据会更复杂，不只要学习文风，要理解什么是电商好的内容。

什么是上衣、裤子、鞋包、帽子、配饰，上衣的领型、纹理、花纹怎么样的？

应该如何包装？所以我们那个结构化的复杂程度要更多。

我们标数据又花了几百万，买服务器可能一两百万。

刘思毅：标数据贵在哪里？工程师生产力吗。

武彬：不是工程师。你要先来制定规则。

刘思毅：为什么规则贵？这个成本在哪里？

武彬：你准备一大堆的图片、一大堆的视频，让人来先告诉他这是猫，只是狗，这是上衣、裤子、鞋。

刘思毅：为什么要高校老师来做？