港科大孟子立创办WiCi 研发无线GPU以Wi-Fi替代PCIe

孟子立: 15岁,清华,HKUST,教授,家庭计算中心,云游戏,WiCi,网络系统,创业 — 月球大叔

月球大叔

端侧设备受制于重量与散热的物理极限,WiCi通过重构底层驱动以局域网替代PCIe总线,让轻薄终端与机器人得以无感调用本地桌面级GPU。

AI-assisted summary of 孟子立: 15岁,清华,HKUST,教授,家庭计算中心,云游戏,WiCi,网络系统,创业 — original source. Check the original for full context.

Source published:

Key ideas

  • 15 岁考入清华、23 岁出任港科大助理教授的孟子立创立了 WiCi,致力于打造 Wireless GPU 架构,通过 Wi-Fi 替代传统物理 PCIe 总线,让轻薄本、手机及机器人能低延迟共享家庭局域网内的顶级独立显卡算力。 (58:07)
  • 孟子立提出学术评测革新提案,主张网络顶会未来应由官方评测 Agent 直接对接代码库进行问答与验证,用架构和代码质量替代八股文式的传统纸质论文。 (41:44)
  • 在 AI 时代,大模型工具正在迅速抹平 Linux 内核与驱动等底层编程壁垒,科研人员的核心竞争力正从单纯的代码编写转向自定义问题能力(Storytelling)与系统直觉(System Sense)。 (16:22)
  • 商业化实战让团队深刻认识到“场景很多并不等于用户付费意愿强”,WiCi 在未来 18 个月将聚焦底层推理引擎与无线驱动,硬件制造完全依托深圳成熟代工生态。 (69:05)

Detailed notes

## Background 该视频由 YouTube 频道“月球大叔”于 2026 年 7 月 28 日发布。视频内容围绕 15 岁考入清华、23 岁成为香港科技大学助理教授并创立 WiCi 的孟子立展开,记录了他关于科研求学、AI 时代教育变革以及家庭计算中心与 Wireless GPU 硬科技创业的深入对谈。

## TL;DR 孟子立回顾了自己从 15 岁压线考入清华、MIT 访学到成为港科大年轻博导的成长轨迹,阐释了时机(Timing)、人脉连接(Connection)与系统品味(Sense)在科研中的决定性作用。面对大模型爆发对传统论文与大学教育职能的重构,他指出适应变化与快速学习才是人类最不可替代的底层能力。随后,他详细复盘了从 AI 考试眼镜、CallArena 评测平台到创立 WiCi 的过程,分享了用 Wi-Fi 替代 PCIe 打造家庭无线算力中心、赋能轻薄设备与具身智能机器人的硬核技术突破与硬件出海创业反思。最后,他总结了放下 Ego、换位思考与长期主义的人生智慧,表达了希望因一项伟大的系统级工作而被世人记住的初心。

## Atmosphere & style 整场对话在真挚、风趣且充满极客张力的氛围中展开。面对“天才神童”等外界光环,孟子立表现得极为谦逊坦荡,频繁用自嘲解构神话,直言不讳地复盘挫折与踩坑经历。主持人的互动敏锐而共情,二人在技术体系结构推演与商业现实认知的碰撞中层层深入,既有对已故恩师毕军纯粹奉献精神的动人追忆,也有从学术象牙塔走向残酷硬件供应链后的通透蜕变,兼具硬核深度与温暖的人文底色。

## Bulletin - [58:07](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=3487s) 15 岁考入清华、23 岁出任港科大助理教授的孟子立创立了 WiCi,致力于打造 Wireless GPU 架构,通过 Wi-Fi 替代传统物理 PCIe 总线,让轻薄本、手机及机器人能低延迟共享家庭局域网内的顶级独立显卡算力。 - [41:44](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=2504s) 孟子立提出学术评测革新提案,主张网络顶会未来应由官方评测 Agent 直接对接代码库进行问答与验证,用架构和代码质量替代八股文式的传统纸质论文。 - [16:22](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=982s) 在 AI 时代,大模型工具正在迅速抹平 Linux 内核与驱动等底层编程壁垒,科研人员的核心竞争力正从单纯的代码编写转向自定义问题能力(Storytelling)与系统直觉(System Sense)。 - [01:09:05](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=4145s) 商业化实战让团队深刻认识到“场景很多并不等于用户付费意愿强”,WiCi 在未来 18 个月将聚焦底层推理引擎与无线驱动,硬件制造完全依托深圳成熟代工生态。

## Key takeaways - [09:47](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=587s) 跨领域技术代差套利是科研突破的高效路径:在 2017 至 2018 年网络系统仍依赖传统数学算法时,孟子立在 MIT 访学期间率先将前沿强化学习跨界引入集群调度,证明入场 Timing 往往比埋头苦干更为关键。 - [13:34](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=814s) 科研品味的本质在于定义问题:相比于 AI 领域依赖固定 Benchmark 刷榜的“应用题”逻辑,网络系统研究的核心素养在于从零定义未被探索的问题与构建完整系统架构(Storytelling)。 - [16:22](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=982s) 底层编程的溢价只是中间态:尽管目前精通系统底层的高级工程师依然拥有高薪,但随着 AI 代码工具演进,自然语言终将全面接管驱动与内核编写,学者必须将精力聚焦于高阶系统架构设计。 - [24:18](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=1458s) 博士期间不应局限于象牙塔科研:生产环境(Production)与学术实验存在巨大鸿沟,必须经过真实业务与工业级 Corner cases 的洗礼,同时及早积累海外与产业人脉网络(Connection)。 - [30:00](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=1800s) 以长期主义替代过度透支:学术探索与创业本质上都是长达数十年的生活方式,导师毕军英年早逝的经历警示后人必须追求可持续性(sustainable),避免身心自我耗尽(burn out)。 - [37:12](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=2232s) 青年导师选拔标准的范式转移:大模型爆发前实验室硬性要求学生能写千行系统代码,如今选拔门槛已转向对系统的直觉(System Sense)以及在无基准环境下自主探索的品味(Taste)。 - [41:44](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=2504s) 重构论文评价体系:当前的学术发表逐渐陷入“AI 写、AI 审、AI 读”的无效闭环,未来应推动向“核心代码库 + 专属评测 Agent”的学术交付与验证模式演进。 - [44:38](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=2678s) AI 时代大学的核心使命是“托底”:对于自主能力极强的拔尖学生,单向知识灌输已失去吸引力;大学教育的当务之急是拯救不愿主动接触新工具的学生,培养其应对技术剧变的适应力。 - [47:14](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=2834s) 香港与内地的双城互补特性:香港科研基金全盲审机制有效杜绝了人脉潜规则、学术环境惬意,但 Deep Tech 创业所倚仗的高密度工程师红利与硬件供应链,仍深扎于深圳与内地。 - [50:27](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=3027s) 从 AI 考试眼镜原型摸清技术边界:团队在第一人称超低延迟 RTC 系统上实现了视线看题秒出答案,但因微型电池续航与硬件瓶颈彻底放弃独立商业化,聚焦自身技术舒适区。 - [55:55](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=3355s) 评测指标能够反向塑造行业发展:在 OpenAI 推出 GPT-4o 之前,团队便打造了视频通话多模态评测基准 CallArena,通过设定实战质量指标(Metric)牵引技术演进路线。 - [58:07](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=3487s) WiCi 的核心是 Wireless GPU 架构:借助虚拟驱动与网络层透明截获图形及 PCIe 调用,让轻薄设备在 Wi-Fi 单跳覆盖内无感获得满血独显算力,突破移动端功耗与散热的物理枷锁。 - [01:13:00](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=4380s) 以弱链路替代强链路的计算机体系结构突破:用丢包抖动的 Wi-Fi 局域网替代带宽数百 Gbps、微秒级延迟的主板物理 PCIe,团队借助体系结构中的智能缓存与调度预测成功抹平了通信鸿沟。 - [01:03:55](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=3835s) 家庭算力中心将释放具身智能潜能:移动机器人受限于电池与发热无法搭载大算力显卡,若将算力卸载至局域网家庭中心,其视觉-语言-动作模型(VLA)规模可直接放大 10 至 100 倍。 - [01:05:15](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=3915s) 放下学术 Ego 勇于求助:从推导公式的学者跨界做硬件,初创团队遭遇代工厂“订单量小”与显卡价格暴涨的高墙,唯有主动放低姿态求教产业伙伴与整合朋友资源才能破局。 - [01:09:05](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=4145s) 场景丰富不等于付费意愿高:技术能走通的很多外挂算力用例仅仅属于“锦上添花”,商业化推进必须依靠极客(大 C)与小型工作室(小 B)这类痛点极强的种子用户反复校准刚需。 - [01:12:02](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=4322s) 初创企业对抗大公司抄袭的法则:大公司立项决策链冗长,初创团队必须依靠极速抢跑打磨底层驱动调优与协议性能,建立后来者难以复现的技术代差与生态认知壁垒。 - [01:19:10](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=4750s) 克制攻击性并懂得利益共享:年轻时的自负与情绪化是推进合作的阻碍,学会换位思考、站在对方视角挖掘共同利益,才能在科研评议与商业落地中实现“团结一切力量”。 - [01:22:07](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=4927s) 向前看别回头与享受过程:人生走过的弯路无法依靠提早预警完全避开,唯有摔疼过才能积累生存智慧;无论是科研还是创业,拒绝强行透支、享受当下的体验才能跑完马拉松全场。

## Detailed walkthrough ### [00:00](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=0s) 15岁考入清华:少年班机制与特异功能之辨

孟子立 15 岁便考入清华大学,本科与博士均在清华完成,23 岁成为香港科技大学最年轻的助理教授之一,随后又创立了 WiCi。谈及 15 岁上清华的经历,孟子立解释道,这并非外界以为的“清华少年班”,而是源于他初高中所就读的少年班机制。该机制从小学五年级选拔招生,学生省去了“小升初”和“中考”两道关卡,直接一路读到参加高考,教学内容与普通学生并无二致,加之他本人入学年龄稍早,才在 15 岁完成了高考。不过他也提到,由于后来各地教育部门严格限制初高中“掐尖”招生,这类少年班机制如今基本已经停办。

面对主持人提到同年龄段考入北大的菲尔兹奖得主王虹,孟子立谦虚地表示完全无法同日而语,对方的数学天赋和成就有目共睹,自己只是做了一点微小的学习。针对外界关于“清华学生都有过目不忘等特异功能”的猎奇看法,孟子立笑着打破了神话:真正有特异功能的人大多都去上《最强大脑》了,清华绝大多数学生都是规规矩矩、认认真真刷题考上来的。他调侃自己当年其实是比录取线仅高出 1 分“稀里糊涂滚进来的”——当年清华录取线是 682 分,他考了 683 分。

- **录取分数**:当年清华录取线 682 分,孟子立高考考取 683 分,压线 1 分录入。 - **少年班学制**:小学五年级选拔,直接贯通小学、初中与高中,省去小升初与中考两次分流应试。

---

[03:22](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=202s) 内驱力、“童工”趣事与降低预期的力量

聊到坊间关于“清北学生内心都有一股极度要强的‘黑暗原力’(野心与超强自驱力)”的说法,孟子立认同其中一半:在国内高考机制下能脱颖而出的学生,自驱力普遍都极强;但并不是人人都带有极度拔尖的争胜心,身边也有很多心态随性平和的同学,群体整体非常多元。

进入清华后,面对比自己大三四岁的室友和同学,孟子立坦言最初遇到过不少因年龄引发的现实困难。由于未满 18 岁,不仅在银行开户受限,甚至参加社团组织去工地进行社会实践调研时,工地方也以“这是童工”为由拒绝让他干活。不过相处半年后大家便完全打成一片,“群众里面还是好人多”。

学业上,孟子立大一时因高中搞过物理竞赛拿到省一等奖,抱着一股“初生牛犊不怕虎”的冲劲直接选修了大二的高难度大学物理;而面对挂科率极高的清华电子系微积分传统,他也遭遇了考验——当时平均分仅 50 多分,他考了 70 多分,而顶尖学生依旧能考 98、99 分。他坦言压线进清华反倒让他早早磨砺出强大的心理抗挫力,因为高考前一个月模拟考他曾跌出全班前十。他总结道,在做任何事之前只要不抱太高期望,无论面对什么结果都会感到开心;这正契合了黄仁勋在斯坦福毕业典礼上分享的心态:在无法掌控的环境中,放低预期、增强韧性,才能安然跨越人生的每一个低谷。

---

[06:51](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=411s) 辅修工商管理与大一开启网络系统科研

孟子立本科期间曾修读工商管理,但最终因为学分未修满没能拿下第二学士学位,遗憾变为了“辅修”。他坦言自己天生热爱折腾,大学期间面对经济、管院、美院的双学位乃至各种辅修专业都想尝试,这正是步入大学后“解放天性”的表现。这种对未知事物的好奇与折腾劲头,也贯穿了他日后科研与创业的全过程。

他之所以本科毕业后顺理成章走上读博之路,核心原因在于大一下学期就极早地进了实验室。当时清华电子系有一门融合模拟电路、数字电路与电路原理的硬核硬课——“电子电路与系统基础”(简称“电电”)。两本内部印制的厚教材摞起来堪比一张竖立的学生卡高度,被同学们戏称为雷军当年调侃的“一元硬币厚度”。授课老师在网络学堂发布招募科研助理的公告,孟子立凭着迎难而上的性格果断报名,最初做了三个月神经信号处理的课题,随后在大二上学期正式转向计算机网络系统方向,一路扎根至今。

---

[09:47](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=587s) MIT访学:代差套利、强化学习与Timing的重要性

本科期间,孟子立前往 MIT 计算机科学与人工智能实验室(CSAIL)做访问学者。之所以选择 MIT 而非斯坦福,是因为当时在清华年级排名第一的孟子立在套磁时方向匹配极为契合,且 MIT 在网络系统领域底蕴深厚,Mohammad Alizadeh 团队早在思科时期就做出了 DCTCP 等奠基性工作。孟子立谦虚地表示,对于教授而言,招收自带资金且成本极低的暑期科研助理(RA)决策成本很小,更多是给有潜力的年轻人一个尝试的平台。

在 MIT 期间,孟子立跟随毛洪志师兄开展研究,主要工作是探索利用深度强化学习(DRL)提升网络系统的性能(例如集群调度)。彼时正值 2017 至 2018 年 AI 浪潮爆发期,孟子立敏锐地察觉到计算机网络领域与 AI 领域存在一到两年的技术“代差”:当网络领域学者仍在硬啃拥塞控制等传统数学算法时,将 AI 领域成熟的 A3C、PPO 等前沿强化学习算法跨界应用到网络系统中,便形成了一种“代差套利”。尽管将算法落地到真实系统和集群中需要啃下大量工程脏活(System challenges),但由于切入时机极早,论文的影响力非常深远。

这次经历让他深刻领悟到:**在科研中,敏锐的洞察力和入场时机(Timing)往往比埋头苦干更为关键。**

```mermaid flowchart LR accTitle: Cross-Domain Technology Arbitrage Flow accDescr: Diagram illustrating how bleeding-edge AI algorithms were ported across a time gap into network systems to achieve breakthrough papers.

subgraph AI["AI 领域前沿 (2017-2018)"] direction TB A1["前沿算法涌现<br/>(A3C / PPO / DRL)"] A2["打榜与固定基准测评"] end

subgraph Arbitrage["跨领域技术代差 (1-2年时间窗口)"] direction TB B["跨界迁移与套利<br/>(Timing 优于单纯埋头苦干)"] end

subgraph Sys["网络系统落地 (System Research)"] direction TB C1["经典网络痛点<br/>(集群调度 / 拥塞控制)"] C2["底层工程填坑<br/>(解决 Scale-up 脏活)"] C3["开创性系统顶会论文"] end

A1 --> B C1 --> B B --> C2 C2 --> C3 ```

---

[13:34](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=814s) 科研品味:打榜解题 vs. 自定义问题与可解释性

虽然强化学习与网络系统的结合取得了亮眼成果,但孟子立并未转型成为一名纯粹的 AI 研究者。他分析了两个学科在科研品味上的根本分野: 1. **AI 领域的“应用题”逻辑**:无论是计算机视觉(CV)还是自然语言处理(NLP),科研很大程度上依赖于固定的基准数据集(Benchmark)去打榜、刷准确率,本质上是在解别人定义好的固定题目。 2. **网络系统领域的“讲故事”逻辑**:系统方向没有现成的基准和固定命题,每篇论文都要求研究者从零开始去“定义问题”(Define a question)。

正是因为更偏爱自定义问题的探索感,孟子立随后在 AI 与网络交界处转向了模型可解释性(Interpretability)的研究,并将其运用到网络系统中发表了论文。他幽默地指出,虽然如今工业界在落地大模型时更看重刷榜性能与实用价值、对模型可解释性的关注有所回落,但对于博士训练而言,网络系统领域最核心的两项核心素养始终未变:**Storytelling(讲故事、定义问题的能力)与科研品味(Sense)**。

---

[16:22](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=982s) 网络系统的底层编程壁垒与AI时代的变化

面对主持人的讨论,孟子立谈到了网络系统研究者的传统核心竞争力——底层编程(Low-level programming)。以往做网络系统的博士生,往往需要耗费数年苦练 Linux 内核(Kernel)和驱动程序(Driver)的代码编写,学习曲线异常陡峭。然而随着 GitHub Copilot、Codex 和 Claude Code 等大模型编程工具的爆发,底层代码编写的技能壁垒正在被迅速瓦解。

尽管主持人认为在当下的硅谷,能够精准指挥 AI 编写出稳定底层代码的高级工程师依然拥有不可替代的高薪溢价,但孟子立持坚定的激进观点:**这种溢价只是中间态**。正如程序员如今不再需要手写机器码或汇编语言一样,上层的自然语言与抽象代码工具必然会彻底接管底层编程,技术终究会朝着使用更便捷的范式演进。这也倒逼网络系统学者将精力更加聚焦于高阶系统架构设计和问题定义上。

而在读论文层面,孟子立回忆起初读计算机网络顶会(如 SIGCOMM)论文时的极端痛苦:NeurIPS、ICML 等机器学习会议论文通常只有 6 到 8 页,通信方向论文虽然可达 20 页但全由数学公式逻辑串联;而网络系统的顶级论文往往长达 12 页双栏排版,通篇都在描绘一套全新的系统架构(Setup)、论证其设计的精妙之处并向同行评议人(PC)证明其实际价值。理解这种“故事好在哪里”,需要漫长时间的科研审美沉淀。

---

[19:01](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=1141s) 博士研究:通感Top-Down优化视频卡顿与边际效益抉择

孟子立的博士论文核心聚焦于降低网络视频通话(如微信、Zoom、WhatsApp)中的卡顿与延迟。在这个课题中,深度学习只是工具,核心思路是从计算机网络分层体系中采用自顶向下(Top-down)的视角,沿应用层、传输层、网络层一路深扎到链路层,逐层排查并消解一切可能引起传输抖动与延迟的系统因素。

谈及为何本科毕业(2018年)没有选择赴美读博而是留在清华,孟子立用经济学经典原理“理性人在边际上做决策”(Rational people think at the margin)剖析了当年的权衡:

| 决策维度 | 赴美读博(如 MIT)的边际考量 | 选择留在清华的边际考量 | |:--- |:--- |:--- | | **边际成本 (Marginal Cost)** | 极高:需暂停科研小半年备考托福/GRE;恰逢2018中美贸易摩擦,下一届清华学生签证遭遇大面积吊销(Revoke) | 极低:无需语言考试与签证阻碍,可无缝推进手头已有的科研项目 | | **边际收益 (Marginal Benefit)** | 科研环境提升并不绝对:国内网络顶会正在爆发,课题组与 MIT 差距并不大,且国内同伴“all-in”做大项目的拼劲体验极佳 | 极高:已有关于集群调度与可解释性的 Ongoing 项目可迅速产出顶级成果 | | **当时未意识到的隐形资产** | **校友网络 (Alumni Network)**:赴美可开拓全新的海外人脉圈,这是当时纯学术视角未能充分评估的维度 | 沿用清华原有的同门网络(Same setup alone),圈层相对固化 |

孟子立总结,如果单从学术产出看,留在国内的决定完全合理且高效;但回望过去,未能拓展全新的海外校友网络(Connection),是当年认知局限下的一个教训。

---

[24:18](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=1458s) 博士期间切忌只做科研:走入工业界的生产现实与现实打击

孟子立指出,读博期间最大的忌讳就是“只待在象牙塔里做科研”。博士学位赋予了学生最高容错率的试错机会,理应去体验多元的产业现实。由于国内读博没有美国复杂的 CPT/OPT 签证束缚,他在清华读博的四年间,实际在校园内的时间仅有半年至一年,其余时间辗转于产业界与海外名校: - 腾讯业务部门(实习 1 年) - 阿里巴巴达摩院(实习半年) - 早期创业公司 Startup(实习数月) - 卡耐基梅隆大学(CMU,访问 1 年)

在腾讯的云游戏(Cloud Gaming)业务线,孟子立深刻体会到了学术与工业界生产环境(Production)的云泥之别:发论文往往只需在特定用例或基准下跑通实验即可宣称成功;但在千万级用户的真实生产环境中,必须具备如履薄冰的“匠人精神”,去穷尽各种 A/B 测试测不出的极端异常情况(Corner cases),任何疏漏都会直接导致系统崩溃。

而在阿里达摩院的经历则戏剧性地展现了“Timing 与政策”对现实项目的残酷重构。当时孟子立团队构想利用特定算法改造 Wi-Fi 路由器,以消除那 1% 造成网络波动与高延迟的极端场景。为了寻找硬件落地场景,他们通过阿里的一位同门师兄牵线,锁定了“在线教育上网课”这一家长极具换机付费意愿的刚需切入点。然而进驻阿里仅三个月,国家“双减”政策正式落地,整个 K12 在线教育行业生态剧变,该项目的商业化落地瞬间搁浅,最终仅作为学术成果发表了论文。

这次经历再次印证了孟子立的核心体会:个人的硬核实力只是拿到入场券的基本盘,现实世界中项目的成败,往往由人脉连接(Connection)与无法预知的时代时机(Timing)最终裁决。

[30:00](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=1800s) 导师毕军的影响与学术长期主义

回望求学与科研之路,孟子立感叹人生的际遇往往是“从前往后看全是运气和努力,从后往前看实际上全凭运气”。在清华求学期间,对他塑造最深的人是他的博士生导师毕军老师。毕老师英年早逝,年仅46岁,但孟子立至今仍将导师挂在个人主页最显眼的位置。网络研究院曾发表过一篇题为《与时间赛跑的人》的报道追忆毕军,学生时代的年轻人大多带点叛逆,对媒体报道中的英模事迹往往一笑而过,但当孟子立读到那篇文章时,过往相处的点滴瞬间涌上心头,因为报道中的每一句话都是真实的——毕军常常一周里大部分时间都睡在办公室,连续多天不回家;面对早上8点截止的论文投稿 Deadline,毕军会在凌晨2点来给实验室学生分发一轮咖啡,凌晨5点又精神饱满地送来第二轮咖啡。

目睹导师在四十四五岁时仍对科研抱有如此纯粹的奋斗精神与热爱,孟子立由衷地敬佩(admire)。但与此同时,导师的早逝也给他留下了刻骨铭心的深刻教训:在追求梦想的路上,绝对不能忽视身体健康。无论是在汹涌的 AI 浪潮前创业还是在象牙塔中做科研,都绝不能靠透支与自我消耗(burn out)来维系,而必须追求可持续性(sustainable)。做学术与创业都应当成为一种生活方式,需要用十年、二十年乃至三十年的“长期主义”维度去稳步推进。

- 导师毕军去世时仅46岁,生前长期高强度工作、常年睡在办公室,常在清晨论文截稿前的凌晨2点与5点为学生分发提神咖啡。 - 长期主义的核心是可持续性(sustainable),避免短期的过度透支(burn out),将科研与创业当做数十年的生活方式来践行。

[32:44](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=1964s) 23岁出任港科大助理教授:大厂寒冬下的教职契机

1999年出生的孟子立,在清华博士毕业后以不到24岁的年龄受聘成为香港科技大学(HKUST)最年轻的助理教授(Assistant Professor)。回顾这一选择,孟子立坦言这并非一开始就精密规划的路径。2022年他在卡耐基梅隆大学(CMU)访学期间恰逢求职季,当时全球正值疫情与科技大厂裁员潮,技术论坛“一亩三分地”上充斥着各家大厂裁员百分之几的惨淡消息,工业界 Research Lab 招募极度萎缩。面对大厂职位的荒芜,孟子立与 CMU 的导师沟通后做出了务实的预案:先申请教职,如果拿不到就去读博士后(Postdoc)“苟一苟”,等待大环境回暖。

孟子立当时向全球高校投递了二三十所学校,香港科技大学是最早发放 Offer 的学校之一。收到 Offer 后,他觉得“终于有地方收留我了”,便毫不犹豫地取消了后续所有的线下面试(on-site interviews)。吸引他奔赴港科大的一大关键因素在于该校极为浓厚的创业与多元氛围。在港科大面试时,他结识了一位曾联合创办无线芯片公司 Atheros(后被高通高价收购)的资深教授。孟子立作为网络与无线系统领域的研究者,长年使用 Atheros 驱动,得知能与产业界的传奇先锋共事,让他倍感振奋。港科大不仅走出过李泽湘教授与大疆创新(DJI)这样的硬件孵化神话,整个学院也包容了专注做纯科研、搞产业公关、投身教育乃至技术创业的各路人才,这种宽容与多元的土壤促使他最终接下了教职。

[37:12](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=2232s) 青年教授的带组之道:从“千行代码”到“系统直觉”

刚过23岁便要指导与自己年龄相仿甚至年长几岁的博士生,孟子立并未感到身份隔阂,他将师生关系定义为平等的“合伙协作”,更关注学生攻读博士的核心诉求。随着 AI 编程浪潮的推进,他对博士生的选拔标准也发生了动态演进:在2023年 GitHub Copilot 刚刚普及的初期,作为底层系统(System Research)实验室,他最看重硬核编程功力,主页的招生要求明确写着“至少独立写过1000行以上代码的系统项目”;但到了2025、2026年,大模型写代码的能力突飞猛进,单纯的代码量不再是门槛,取而代之的是对系统的直觉(System Sense)与学术品味(Taste)——即在一个缺乏现成基准(benchmark)、需要自己定义问题(define problem)的开放领域中,能够敏锐感知到“冥冥之中这个问题能解还是不能解”。

从学生蜕变为教授后,孟子立最大的思维转变为两点:一是跳出发论文与交差的微观视角,更加注重研究工作能否产生正向的“外部性”(positive externality)并给行业带来实质价值;二是肩负起类似初创公司 CEO 的融资与运营职责,不再只是面对论文审稿人(reviewer),而是需要面向学术大同行申请各类科研基金(grants/funding),以支撑庞大课题组的日常运转与学生津贴(stipend)。在培养风格上,他介于“大包大揽”与“彻底放养”之间:大包大揽会把学生变成只会执行的“Agent”,剥夺其建立系统思维架构的机会;而完全放养则会让缺乏经验的新生在摸索中痛苦踩坑。他的策略是因材施教——对基础扎实、品味成熟的学生给予充分自由,对尚处懵懂阶段的新生则给出清晰、明确的研究指令逐步引导。

```mermaid flowchart TD accTitle: 青年教授培养风格与思维进阶 accDescr: 展示从学生到教授的思维转变,以及根据学生能力分层培养的指导策略

subgraph MindsetChange["思维与角色转变"] A["个人视角:单篇 Paper 接收 / 个人名声"] --> B["大组视角:正外部性 / 产生实际社会价值"] C["对标客体:迎合会议审稿人 (Reviewer)"] --> D["生态构建:面向同行申请 Grant 维持运转"] end

subgraph MentoringStyle["因材施教的指导策略"] E{"学生能力评估"} E -->|"基础成熟 / 有明确 Taste"| F["给予高自由度探索<br/>激发自主课题创新"] E -->|"初入科研 / 处于懵懂期"| G["提供 Clear 指令与目标<br/>引导建立 System Sense"] F --> H["规避:事无巨细把控使学生沦为执行 Agent"] G --> I["规避:彻底放养导致盲目试错踩坑"] end ```

[41:44](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=2504s) AI对论文体制的重构:代码库、Agent与自我认同

针对学术圈内“五年后传统论文载体将不复存在,研究者应直接与 Agent 交互并展示实验全流程”的激进观点,孟子立表达了部分认同。他指出,当前学术生产已经逐渐演变成“作者用 AI 写论文、评审人拿 AI 审论文、读者靠 AI 读论文”的闭环,文字载体本身的繁复修辞正迅速贬值。为此,他曾向计算机网络顶会 SIGCOMM 社区提出过一项提案:未来会议不必再提交传统八股文式的论文,而是提交核心代码库(Codebase),由官方匹配对应的评测 Agent。任何审稿人想验证细节,直接通过 Agent 深入代码库提问交互;代码库里有就有,没有就得接受质疑。研究者的精力应从炮制表面文字,转向打磨代码架构、撰写供 AI 解析的 README 文档,实现类似生成引擎优化(GEO)的学术交付模式。

然而,孟子立坚信传统论文的写作与发表对年轻学者的心理成长依然具有无法替代的情感价值。他深情回忆起自己2017年第一次赴美前往加州圣克拉拉(Santa Clara)参加顶会展示 Poster 的情景:当时清华全系极少数人才能拿到的国家奖学金一年仅有8000元人民币,而赴美开会一周的差旅出差补贴每天便有100美元,短短一周的补助就抵得上午半个国奖;那种兼具真金白银激励与研究成果被国际同行认可的“名利双收”巨大成就感,构成了他坚定投身学术研究的关键多巴胺回路。此外,撰写摘要(Abstract)与引言(Introduction)时对逻辑架构和讲故事(Storytelling)能力的极度锤炼,本质上是对人类大脑严谨思维的不可替代的训练。

- 2017年孟子立首次赴美国加州开会展示会议 Poster,一周出差补贴每天100美元,金额相当于半个清华国家奖学金(全系名额极少,年额度8000元)。 - 孟子立在 SIGCOMM 社区提出改革提案:主张未来以“代码库 + 专属官方 Agent”的形式替代八股文纸质论文,倒逼学者专注代码质量与工程落地。

[44:38](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=2678s) AI时代的大学意义:筛选、下限拯救与适应力培养

面对“传统大学在 AI 时代是否已失去存在意义”的行业悲观论调,孟子立给出了清晰剖析。他认为大学始终承担着两大底层职能:“筛选”与“培养”。筛选职能源于社会顶级资源的天然稀缺性(例如 MIT 每年在清华招募的学生名额极其有限),必须依靠严密的考核系统进行分流与分配。而随着生成式 AI 的崛起,传统大学的知识灌输与单向“培养”功能确实在被大幅削弱——尤其是对于前30%的拔尖学生而言,强大的自主学习能力使他们常常觉得传统大学课堂在浪费时间,在课上刷作业乃至缺课早已是常态。

孟子立认为,当代大学教师真正的历史使命是“提高底线”(raise the floor)以及“拯救落后的学生”。现实中,哪怕有学生尝试利用 AI 作弊眼镜进入考场,在孟子立看来,这种学生至少展现了主动寻找工具解决现实问题的能动性;教育者真正需要担忧并拯救的,是面对触手可及的先进 AI 工具却连注册账号都不愿去尝试、固守旧有路径的学生。大学教育的核心价值,已不再是传授即将被淘汰的死板知识点,而是将那些落后于时代步伐的学生托举起来,培养他们脱离校园后依然能够跟上技术演进、主动拥抱未知的自主学习能力与适应力。

[47:14](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=2834s) 从学术走向Deep Tech创业与香港的双城特质

任教近三年后,孟子立选择投身硬科技(Deep Tech)创业。他认为这一跨越是顺理成章的水到渠成。网络系统(Network Systems)领域的研究不同于纯理论实验室,其本质从一开始就无限逼近真实工业产品。正如他此前在清华读博及阿里巴巴实习期间,研发成果本身就是一款硬核高性能路由器。当实验室的技术沉淀在2025年前后迎来了成熟的落地契机(Timing),他便毅然决定推向产业应用。面对三年来外部大模型狂飙突进、同辈进工业界的同学早已购置房车而高校青年教师收入清贫的现实,他坦然承认内心曾有过波澜,但他对那些在早期便敢于全情投入(All-in)、拥有极高确信度(Conviction)去相信大模型未来的同行致以由衷的敬意。

在横向对比科研与创业环境时,孟子立对香港展现出客观理性的观察: - **学术科研层面**:在香港高校做教职比在北美或内地更加惬意(relax)。香港由于地域狭小,其竞争性科研基金(Grants)的评审全部送往全球各地进行同行评阅,从机制上杜绝了学术圈内基于人脉关系(Connection)的潜规则,迫使学者抛开社交羁绊,纯粹专注于科研本身。 - **产业创业层面**:香港作为传统金融中心,资本与生态更倾向于赋能金融科技;然而对于需要深厚工程师红利、高技术密度和硬件供应链支撑的 Deep Tech 创业,隔壁的深圳、北京中关村或美国硅谷才是更具活力的沃土,拥有更愿意承担技术冒险溢价的风险资本(VC)和崇尚工程师价值的人才生态。

[50:27](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=3027s) AI考试眼镜:一次关于低延迟RTC与硬件瓶颈的硬核实验

在正式开启家庭计算中心创业前,孟子立曾主导研发过一款引爆舆论的“AI 考试作弊眼镜”。该项目的灵感源于2025年春季学期的一场监考插曲:在香港科技大学本科与研究生合上的《计算机网络原理》考场上,他敏锐地注意到一名学生戴着墨镜答题。作为长期深耕超低延迟音视频通信(RTC)与 AR/VR 可穿戴设备的学者,他出于职业直觉上前探查对方是否佩戴了智能穿戴设备。尽管查验后发现只是普通墨镜,但这个小意外瞬间激发了他的极客灵感:“既然没有,那我能不能亲手做一款能直接在考场上看题秒出答案的眼镜?”

孟子立团队在2025年七八月份正式立项,将其当做一个硬核系统研究来推进。研发的系统体验宛如科幻电影:考生戴上眼镜扫一眼试卷上的考题,视野前方的微型显示器便会实时浮现出解题步骤与答案。该原型机并非为了鼓励作弊,而是为了向公众证明一种极限可能——若技术已能轻易瓦解传统考核,教育评价体系就必须反思并重构。系统背后隐藏着极高的工程与系统挑战:在第一人称视角(FOV)下,动态视频流中的试卷往往倾斜扭曲、光照不一、画面畸变严重且仅占视野的一小部分,还要将视频流以几十毫秒级的超低延迟经由 RTC 管道回传、由多模态大模型解析出题意并精准对齐答案输出到眼前微型光机上。

虽然项目一度受到硅谷 YC 风格的投资人青睐,但团队最终决定放弃将其独立商业化。孟子立在原型开发中摸清了核心瓶颈所在——整个产品流水线(pipeline)的最大瓶颈(bottleneck)被死死卡在硬件上。经过严格评估,当时市面上仅有三款设备具备二次开发条件: 1. **Rokid** 2. **Meta 的 Ray-Ban Display** 3. 创业公司 **Brilliant Labs** 推出的眼镜

这三款眼镜受限于人体工学体积,电池容量普遍仅有 200mAh 左右,开启高清视频推流与显示后续航彻底崩溃。硬件底层优化与工业设计并非孟子立团队的核心技术舒适区。这次“失败”的硬件原型探索,让他更清晰地辨明了团队的护城河边界。孟子立借此总结道,正如小时候不用看地图就能在城市中穿行的空间记忆能力在被 Google Maps 彻底替代一样,AI 时代任何单一技能都可能被技术浪潮迅速抹平,唯有极强的**适应变化能力(Adaptability)**才是人类立足的核心竞争力。

[55:00](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=3300s) 适应环境与学习速度:AI时代最核心的能力

随着技术的飞速演进,孟子立认为很多过去人类所依赖的具体技能正在逐步失去原有的社会价值。然而,真正对一个人的思维方式(mindset)产生深远影响的,从来不是某项单一知识本身,而是在学习与创造的过程中所锤炼出的核心素养。“重要的不是你会做什么、非得被具体的事情所定义,而是当你被扔进一个全新的环境里时,你能够以多快的速度学会新知识。”

他形象地用自然界作比喻:海洋里的游鱼与陆地上的走兽之所以能生存演化,全在于对所处环境的适应能力。在 AI 带来剧烈颠覆的今天,人类社会正处在一个前所未有的加速期,唯有具备极高的学习与适应速度,才能在浪潮中立于不败之地。

[55:55](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=3355s) CallArena:打造视频多模态大模型的评测基准

谈及团队之前研发的一款产品与工具 CallArena,孟子立分享了该项目诞生的科研背景。当时市面上针对多模态、特别是视频通话大模型的评估极为匮乏,研究界甚至找不到一个像样且公认的测试基准(benchmark)。他们曾做过一个非常直观的实景测试:测试人员拿着手机在地下停车场几百米长的走廊里走动,通过视频通话向 AI 实时提问前方紧闭的大门该如何打开。

以往的做法通常只是将单帧画面截取后当成静态图片上传给视觉语言模型(VLM)处理,但这完全无法体现连续视频通话中的实时动态与交互能力。为了衡量各大模型的真实表现,他们搭建了 CallArena 评测平台,用户可以在网站上发起视频并观察模型的实时响应质量。

- **早于 GPT-4o 布局**:在 OpenAI 正式发布 GPT-4o 具备视频通话能力之前,团队就已经在攻关并构建视频通话的质性评估基线。 - **Metric 塑造未来**:孟子立指出,搞科研和做质量评估(QE)的人都有极深的共鸣——指标体系的设计并非小事,一个标杆性评测指标(metric)的确立,甚至能够反过来牵引和塑造整个行业未来的技术演化方向。

[58:07](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=3487s) 创立 WiCi:从《黑神话:悟空》到 Wireless GPU

孟子立将目光投向了全新的创业项目——WiCi。这个名字读音与 Wi-Fi 相仿,蕴含着团队的核心构想:将 Wi-Fi 中的 "F"(Fidelity)替换为 "C"(Computing),打造成一套 Wireless GPU(无线 GPU)架构。用户无论使用手机、轻薄笔记本还是智能眼镜,只要连接了 Wi-Fi,设备就会误以为本地接入了一块顶级的独立显卡。

```mermaid flowchart TD accTitle: WiCi 无线 GPU 架构工作流 accDescr: 展示终端设备如何通过 Wi-Fi 截获 GPU 驱动调用,并将算力完全卸载至本地家庭计算中心

subgraph Clients ["各种轻量化移动终端 (Mobile / IoT)"] A1["智能手机 / 轻薄本 (MacBook, ThinkPad)"] A2["AR/VR 眼镜"] A3["具身智能机器人 (扫地机/厨师机器人)"] end

subgraph Protocol ["底层网络与驱动层 (WiCi Stack)"] B["API / PCIe 调用截获层"] C["Wi-Fi Driver + 虚拟 GPU Driver"] end

subgraph Hub ["家庭算力中心 (Local Compute Hub)"] D["WiCi 算力路由器 / 边缘设备"] E["桌面级顶级 GPU (如 RTX 5090 / 6090)"] end

Clients -->|"本地运行无感调用"| B B --> C C -->|"Wi-Fi 单跳局域网传输"| D D --> E ```

这个创业想法的最初萌芽与游戏密切相关。2024 年国产单机大作《黑神话:悟空》火爆全网,孟子立自己也打通关了。他在体验云游戏时深刻感受到,公网传输的“尽力而为”(best effort)网络特性存在不可避免的高延迟与抖动,体验极不可靠。与将计算扔给公网远端边缘数据中心不同,他思考能否把高算力彻底 offload(卸载)到本地局域网设备中。 - **端侧硬件的物理极限**:一张桌面级顶级显卡(如 RTX 5090)功耗高达 600W,重量达 3 公斤,根本不可能塞进一部轻薄手机里;移动设备的核心诉求始终被尺寸、重量、散热、功耗及成本死死卡住。 - **透明截获技术**:通过底层机制拦截本地的图形 API 或 PCIe 指令调用,通过无线局域网外包到近处的计算核心,从而打破移动硬件的物理瓶颈。

[01:00:00](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=3600s) 家庭算力中心:用 Wi-Fi 驱动的本地“隐形 5090”

面对主持人的疑问——“是否需要为市面上每一款 APP 逐一做适配”,孟子立给出了否定回答。由于 WiCi 在底层重构了驱动架构,实现了“Wi-Fi Driver + GPU Driver”的深度结合,上层软件(无论是 Steam 游戏、视频剪辑渲染,还是各类 AI 应用)完全感知不到底层变化,都坚信自己正在直接调用一块本地真实存在的 GPU。

这就出现了一种极具反差感的场景:一台轻薄的低配 MacBook 或 ThinkPad,在系统看来居然凭空多出了一块满血的 RTX 5090。云游戏通常要跨越数个网络自治域到达云端,而 WiCi 相当于把设备做成了一个家庭 Wi-Fi 路由器,处于一跳(single-hop)极近的物理覆盖范围之内,既完全卸载了端侧的重量与发热,又牢牢守住了局域网级别的高带宽与极低延迟。

- **重度本地场景的刚需**:主持人结合自身剪辑视频的经验指出,处理几百 GB 的 4K/8K 原始素材若全部上传云端渲染根本不切实际;若家里有一台常开的微型算力中心,能跑开源模型直接切镜头、修画质,对于本地 NAS 玩家和创作者来说极具吸引力。 - **AI Agent 与海量非文本文件**:以往的 Chatbot 交互上下文极小,而未来的 Agent 必须深入渗透用户的本地环境。代码工具(如 Cursor、Codex)处理纯文本能轻松通过 grep 检索,但对于本地海量的 PPT、Word、视频和高清图片,如果全部传到云端生成 Embedding,其开销与延迟会非常夸张,这决定了海量多模态数据的算力必须长期驻留在本地。

[01:03:55](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=3835s) 赋能具身智能:给做饭机器人与扫地机安上超级大脑

除了电脑和手机,家庭算力中心最极具想象力的应用场景是具身智能(Embodied AI)与各类家庭机器人。未来家庭中可能会同时出现做饭机器人、扫地机器人等多种自动化设备。孟子立分析,只要是可移动设备,就必然在电池、重量和发热之间做出妥协;相反,只要设备固定不动,其功耗空间就可以无限放大——从 RTX 3090、4090 再到 5090,显卡功耗从 300W 飙升至 600W,其算力跃迁远超任何端侧移动芯片。

目前机器人普遍搭载的嵌入式板卡(如英伟达 Jetson Orin)在功耗严格受限的前提下,根本无法与专业级桌面或服务器 GPU 抗衡。如果机器人能够将“大脑”剥离并无线接入家庭算力中心,其运行的视觉-语言-动作多模态模型(VLA)规模有望直接放大 10 倍乃至 100 倍,对复杂任务的理解和泛化能力将带来质的飞跃。WiCi 团队目前也正在尝试与相关机器人厂商建立初步接触,探讨联合科研(co-research)与技术落地的可能。

[01:05:15](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=3915s) 从大学教授到硬件供应链:放低 Ego 与“勇于开口求助”

从一名习惯于推导公式、撰写论文的大学教授,跨越到要做出一台集成复杂供应链与硬件组装的实体原型机,孟子立坦言整条链路极其漫长。当被问及如何跑通这一切时,他真诚地总结为两个词:持续学习与“贵人相助”。

他深感跳出学术日常轨道去创业,必须依靠各行各业专业人士的托举。过去自己写代码、做科研常常习惯于单打独斗,但做硬件和办公司完全不同——不懂供应链,就得放低自身姿态,通过投资人和产业伙伴穿针引线对接工厂;在软件系统、市场营销及商务运营等各个维度同样如此。“不要等到没有办法了才去求人,而是要勇敢地主动伸手。”他特别提到曾看过的名言“勇于开口求助”,在放低个人 Ego 之后,只要展现出解决问题的决心,身边总会有人愿意伸出援手。

[01:07:26](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=4046s) WiCi 的商业路径:从“大 C 小 B”走向千家万户

在探讨商业化路径时,孟子立阐述了 WiCi 的终局追求与当下战术策略: - **终极愿景(To C)**:打造一款面向千家万户的消费级设备,直接替代家庭中传统的 Wi-Fi 路由器,成为家庭乃至中小办公室标配的常驻算力中心底座。 - **短期切入点(大 C 小 B / Prosumer)**:硬件从零推向大众市场存在极高的认知与决策门槛,因此早期需要寻找 Y Combinator 所说的“头发着火”(hair on fire)的痛点极度强烈的目标人群。WiCi 现阶段精准锚定对算力极度饥渴、愿意尝鲜的极客群体、硬核技术玩家,以及小型视频剪辑工作室等中小型商业用户(Small B)。

[01:09:05](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=4145s) 商业领悟:场景很多并不等于用户愿意付费

孟子立分享了一个深刻的商业认知反思:在技术定义上,无线外挂算力的想象空间极度广阔,似乎到处都是潜在场景;但在实际商业化推进中,“场景很多,绝不等于用户的付费意愿强”。

许多看似合情合理、技术上能够走通的用法,在用户心智里可能仅仅是“锦上添花”,远不足以驱动他们掏出真金白银。这也是他从纯学术科研转向商业实战中最痛的领悟之一,团队必须通过敏锐的市场测试(Go-to-Market)去反复校准刚需。主持人对此赞叹不已,惊叹孟子立在创业并不算长的时间里,便迅速褪去了学院派的理想主义滤镜,以惊人的进化速度理解了商业与产品的底层逻辑。

[01:10:07](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=4207s) 未来18个月专注底层:Inference Engine与Wi-Fi Driver

面对涉及软硬件与开发者生态的庞大愿景,孟子立明确了未来18个月的战略聚焦。做系统研究(System)出身的人天生擅长多组件协同(Multi-component Coordination),但初创团队的融资和时间只允许团队将力量集中在刀刃上。WiCi团队的核心优势与最大技术壁垒沉淀在底层驱动与推理层——即推理内核(Inference Kernel)、推理引擎(Inference Engine)以及定制化的Wi-Fi Driver和GPU Driver。至于硬件制造与终端应用,则采取能卸载(Offload)就卸载、能外包就外包的策略。

硬件端,WiCi直接与ODM厂商合作,不养庞大的内部硬件研发团队;应用端,则广泛借力开源与开发者社区。孟子立坦言,机器人开发者远比自己更清楚算力充沛后设备能实现什么奇迹,与其“班门弄斧”,不如提供基础设施邀请社区共同开发。这也正是“WiCi”名字的本意——C代表Computing,随后的I代表Infrastructure,其终极定位是一套“无线计算基础设施”(Wireless Computing Infrastructure)。对于生态建设,孟子立持极其务实的态度:生态不可能刻意催熟,只要10个构想中能跑通1个真正对社会有价值的落地场景,就已经知足。

[01:12:02](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=4322s) 面对大公司竞争:速度、性能与生态壁垒

当被问及若NAS巨头或Wi-Fi路由器大厂下场抄袭该如何应对时,孟子立给出了初创公司最真实直接的生存法则:“做得快,做得早。”对于大企业而言,开辟全新产品线往往需要自上而下的战略决断,很难仅凭基层自下而上推动;而初创团队凭借敏锐度和专注,能够以极快速度抢跑,将性能拉到极致,建立起让后来者望尘莫及的领先优势。

大公司即使找到相同的ODM厂商抄出外观和硬件,也无法轻易复制底层驱动调优与协议优化带来的极致性能。在短期,WiCi依靠极致的速度与底层技术代差在市场撕开切口;在长期,则逐步沉淀开发者生态与应用场景价值,从而构筑起深厚的护城河。孟子立赞同主持人的观点:“酒香也怕巷子深”,技术领先的同时必须不断向外展示与发声,让行业尽早建立技术心智认知。

[01:13:00](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=4380s) 用Wi-Fi替代PCIe:重构弱链路下的计算机体系结构

在展开技术细节时,孟子立指出了WiCi攻关的核心本质:用不稳定的无线Wi-Fi链路,替代主板上极速强耦合的PCIe总线。传统的GPU与CPU互联走的是物理PCIe通道,拥有上百Gbps的恐怖带宽以及微秒级的极低延迟;而Wi-Fi无线连接在带宽与延迟表现上弱了数个数量级。团队从2024年启动云游戏(Gaming)项目起,攻坚的就是这一极端严苛的通信瓶颈。

```mermaid flowchart LR accTitle: Wi-Fi替代PCIe技术重构 accDescr: 展现从传统强物理链路向无线弱链路的计算机体系结构演进,通过缓存、预测与调度等全栈优化弥合通信代差。

subgraph TRAD["传统强链路 (PCIe)"] direction TB C1["CPU / 主机"] ---|"PCIe 总线<br/>数百 Gbps / 微秒级延迟"| G1["本地独立 GPU"] end

subgraph WICI["WiCi 弱链路体系结构"] direction TB C2["轻量终端 / CPU"] <==>|"Wi-Fi 无线网络<br/>多数量级带宽/延迟落差"| G2["分布式 GPU 算力中心"] OPT["体系结构智慧重构<br/>(智能 Cache / 分支预测 / 通信调度)"] -.-> C2 OPT -.-> G2 end ```

这种挑战在本质上是将软硬件交互重新定义为一种全新的计算机体系结构(Computer Architecture)——让计算核心通过“弱链路”而非“强链路”进行深度协同。历史上早在二十多年前PCIe规范确立前,学术界和工业界也曾探讨过类似问题,但在消费级主板普及PCIe后便不再是瓶颈。WiCi如今在无线网络场景下重新唤醒了这道历史难题,将计算机体系结构领域积累数十年的智慧——包括智能缓存(Cache)、动态分支预测、通信与计算重叠调度等手段,在Wi-Fi无线场景下全盘重构并优化,这也是整个研发团队最引以为傲的底层突破。

- **PCIe物理链路**:具备上百Gbps带宽、微秒(μs)级延迟,属于紧耦合强通信。 - **Wi-Fi无线替代方案**:带宽降低、延迟拉长数个数量级,网络存在丢包与抖动。 - **技术重构核心**:利用体系结构中的缓存设计、状态预测和跨层级调度机制,抹平网络性能落差。

[01:15:00](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=4500s) 硬件量产与深圳供应链:初创公司的“量小”难题与显卡波动

从象牙塔走出的学者跨界涉足硬件实体制造,供应链的复杂残酷远超预期。WiCi的硬件形态本质上是将高性能Mini PC、独立显卡以及Wi-Fi路由器模块有机整合,团队并不去自研底层的CPU芯片,而是依赖深圳成熟的硬件代工生态。然而在实际对接过程中,孟子立遭遇了所有硬件初创团队都会撞上的同一道高墙——“订单量小”。

``` 硬件原型机打造 ──> 寻求ODM代工厂 ──> 遭遇“量小”瓶颈 ──> 调动人脉与朋友资源穿针引线 ──> 应对GPU市场行情暴涨 ```

大型供应链厂商面对规模较小的订单往往缺乏配合意愿,团队不得不四处动用朋友关系与业内资源,借助“贵人”引荐才得以艰难推进。雪上加霜的是消费级高端显卡市场的行情震荡:为了展示最佳性能表现,团队需要采购RTX 5090等顶级显卡,但近期高端显卡价格飞涨、货源紧张,单卡成本波动对初创团队的现金流和样机排期造成了立竿见影的巨大冲击。孟子立坦言,硬件供应链的每一步从0到1都是脱层皮的历练。

[01:19:10](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=4750s) 性格磨砺与合作智慧:换位思考与分享利益

回顾一路顺遂的光鲜履历背后,孟子立坦陈自己过去吃过不少“性格(Personality)的苦”。由于15岁便考入清华,初入大学时正值少年的青春叛逆期,性格难免张扬、带有过剩的攻击性(Aggressive),极易被情绪牵着走,用东北话讲就是“容易上脸”。年轻时常困惑别人为何不愿配合自己推进工作,历经十几年的科研与创业打磨后,才深刻领悟到:合作的关键在于放下膨胀的自负(Ego),站在对方视角挖掘共同利益(Common Interest)。

这种换位思考的心态不仅重塑了创业合作,也反哺了科研认知。在学术界评阅过往论文(Past Work)时,不能盲目地站在上帝视角将其“喷得一文不值”,而应设身处地还原作者当年的时代局限与动机,思考别人为何能发表、自己的微小增量到底源自何处——尤其计算机学术圈极小,盲目树敌往往会让自己在未来的同行评议中尝到苦果。做科研和搞商业本质相通:必须懂得克制情绪波动、分割利益并分享利益,“团结一切可能团结的人,才能把事情做成”。

[01:22:07](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=4927s) 给过去的自己与奋斗者:向前看别回头,享受当下

谈及若能穿越时空对当年的自己说一句话,孟子立笑着借用了电视剧《漫长的季节》结尾那句经典的台词:“向前看,别回头。”他感慨人生的弯路和亏其实早晚都要吃,即使穿越回去提醒当年的自己,年少轻狂的他也绝不会听进去。很多时候长辈和贵人的叮嘱再多,人只有自己亲身摔倒骨折过、真正感受到钻心的疼,才能真正将智商沉淀为生存的智慧。既然过往的磨难塑造了现在的自己,坦然接纳并大步前行就是唯一的解法。

面对当下在各行各业拼搏焦虑的年轻人,孟子立给出的建议是“保持长期主义,享受当下”: - **拒绝强撑内耗**:如果某一天感受到极度的心力交瘁(Burnout)或痛苦,请立刻停下脚步,给自己留出缓冲的空间。 - **强扭的瓜不甜**:在筋疲力尽的状态下硬顶着做事,产出的结果往往差强人意,过程也毫无快乐可言。 - **视人生为马拉松**:无论是学术探索还是商业创业都是一场旷日持久的持久战,唯有争取让自己的每一分每一秒都处于相对“Enjoy”(享受)的状态,才能源源不断地走得稳健而长远。

[01:24:09](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=5049s) 墓志铭:希望因一项伟大的工作被记住

在对谈的尾声,聊及若干年后离开人世时希望在墓志铭上留下什么,孟子立给出了一个纯粹学者与系统创造者的答案:他希望世人是因为某一项具有深远影响的代表性工作记住自己,而非记住“孟子立”这个名字本身。

正如大众经常惊叹于某项跨时代的软硬件技术,却往往不一定知晓背后的原作者一样,孟子立极为向往这种“功成不必在我”的境界:“大家其实不必要知道我是谁;但如果某一天有人在我的墓碑前看到说——原来这就是当年发明WiCi的那个人,我就知足了。”只要能在人类技术演进的河流里留下一抹真实为社会创造价值的印记,工作的价值便已超越生命周期的局限。两位嘉宾在真挚的共鸣与轻松的调侃中结束了整场两小时的对谈。

## Notable quotes > [00:00](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=0s) 真正有特异功能的人大多都去上《最强大脑》了,清华绝大多数学生都是规规矩矩、认认真真刷题考上来的。 — 孟子立

> [03:22](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=202s) 群众里面还是好人多。 — 孟子立

> [30:00](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=1800s) 从前往后看全是运气和努力,从后往前看实际上全凭运气。 — 孟子立

> [55:00](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=3300s) 重要的不是你会做什么、非得被具体的事情所定义,而是当你被扔进一个全新的环境里时,你能够以多快的速度学会新知识。 — 孟子立

> [01:05:15](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=3915s) 不要等到没有办法了才去求人,而是要勇敢地主动伸手。 — 孟子立

> [01:09:05](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=4145s) 场景很多,绝不等于用户的付费意愿强。 — 孟子立

> [01:22:07](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=4927s) 向前看,别回头。 — 孟子立

> [01:24:09](https://www.youtube.com/watch?v=c-MnSFGTSN8&t=5049s) 大家其实不必要知道我是谁;但如果某一天有人在我的墓碑前看到说——原来这就是当年发明WiCi的那个人,我就知足了。 — 孟子立

## Mentioned 孟子立, 王虹, 毕军, 毛洪志, Mohammad Alizadeh, 李泽湘, 黄仁勋, 清华大学, 香港科技大学 (HKUST), MIT CSAIL, 卡耐基梅隆大学 (CMU), 腾讯, 阿里巴巴达摩院, WiCi, Atheros, 高通, 大疆创新 (DJI), 英伟达 (NVIDIA), OpenAI, Y Combinator (YC), Rokid, Brilliant Labs, Meta Ray-Ban Display, SIGCOMM, CallArena, 黑神话:悟空, 漫长的季节

## Video description 孟子立:15 岁考入清华,清华博士毕业后,23 岁成为香港科技大学助理教授,并创立 WiCi。

本期聊了清华求学、MIT 访学及腾讯、阿里实习经历,分享 timing、connection、长期主义对科研和人生选择的重要性。

也探讨了 AI 时代的博士培养、论文评价、大学教育,以及适应能力为何比掌握具体知识更加重要。

创业部分介绍了 AI 考试眼镜、视频大模型评测平台 CallArena,以及 WiCi 正在研发的 wireless GPU。

WiCi 希望用 Wi-Fi 替代传统 PCIe 连接,让电脑、机器人等设备共享家庭算力中心。

00:00 精彩预告与嘉宾介绍 00:58 15岁考入清华:少年班与成长经历 03:22 年龄差、童工趣事与初入清华 06:51 辅修工商管理:不断折腾和尝试 08:01 大一进入实验室,开始网络系统研究 09:47 MIT访学:强化学习与科研启蒙 13:34 Timing、洞察力与科研品味 16:22 网络系统、底层编程与AI带来的改变 19:01 博士研究:降低视频通话延迟与卡顿 20:01 为什么选择留在清华读博 24:18 博士期间不要只做Research 26:41 腾讯、阿里实习:Production与Connection 30:28 导师毕军的影响与长期主义 32:44 23岁成为香港科技大学助理教授 37:12 年轻教授如何选择和培养博士生 41:44 AI会不会取代论文与科研评价 44:38 AI时代,传统大学还有什么意义 47:14 为什么从教授走向Deep Tech创业 49:02 在香港做教授和创业是什么体验 50:27 AI考试眼镜:从爆火到项目失败 54:25 AI时代最重要的能力:适应变化 55:55 CallArena:评测大模型的视频通话能力 58:07 创立WiCi:从云游戏到wireless GPU 1:01:50 家庭算力中心:让本地设备共享GPU 1:03:55 为机器人和智能设备提供更强算力 1:05:15 从原型机到产品:学习、求助与降低Ego 1:07:26 WiCi的To C愿景与目标用户 1:09:05 场景很多,不等于用户愿意付费 1:10:07 未来18个月:Inference Engine与Wi-Fi Driver 1:12:02 面对大公司竞争:速度、性能与生态 1:13:00 用Wi-Fi替代PCIe的技术挑战 1:15:00 深圳供应链与硬件量产 1:17:30 创业踩过的坑与显卡价格波动 1:19:10 成长与合作:换位思考、分享利益 1:22:07 给过去的自己:向前看,别回头 1:23:07 给奋斗者的建议:享受过程,保持长期主义 1:24:09 墓志铭:希望因一项伟大的工作被记住

[Source](https://www.youtube.com/watch?v=c-MnSFGTSN8)

中文简报

港科大孟子立创办WiCi:研发无线GPU,以Wi-Fi替代PCIe 端侧设备受制于重量与散热的物理极限,WiCi通过重构底层驱动以局域网替代PCIe总线,让轻薄终端与机器人得以无感调用本地桌面级GPU。 孟子立回顾了自己从15岁压线考入清华、MIT访学到成为港科大年轻博导的成长轨迹,阐释了时机(Timing)、人脉连接(Connection)与系统品味(Sense)在科研中的决定性作用。面对大模型爆发对传统论文与大学教育职能的重构,他指出适应变化与快速学习才是人类最不可替代的底层能力。随后,他详细复盘了从AI考试眼镜、CallArena评测平台到创立WiCi的过程,分享了用Wi-Fi替代PCIe打造家庭无线算力中心、赋能轻薄设备与具身智能机器人的硬核技术突破与硬件出海创业反思。最后,他总结了放下Ego、换位思考与长期主义的人生智慧,表达了希望因一项伟大的系统级工作而被世人记住的初心。 15岁考入清华、23岁出任港科大助理教授的孟子立创立了WiCi,致力于打造Wireless GPU架构,通过Wi-Fi替代传统物理PCIe总线,让轻薄本、手机及机器人能低延迟共享家庭局域网内的顶级独立显卡算力。 (58:07) 孟子立提出学术评测革新提案,主张网络顶会未来应由官方评测Agent直接对接代码库进行问答与验证,用架构和代码质量替代八股文式的传统纸质论文。 (41:44) 在AI时代,大模型工具正在迅速抹平Linux内核与驱动等底层编程壁垒,科研人员的核心竞争力正从单纯的代码编写转向自定义问题能力(Storytelling)与系统直觉(System Sense)。 (16:22) 商业化实战让团队深刻认识到“场景很多并不等于用户付费意愿强”,WiCi在未来18个月将聚焦底层推理引擎与无线驱动,硬件制造完全依托深圳成熟代工生态。 (69:05)

Reading summary

孟子立结合其从15岁考入清华、23岁出任港科大助理教授到创立WiCi的求学与创业历程,指出科研与技术创新的关键在于敏锐抓住跨领域技术代差、培养自定义问题的系统直觉,并以极强的适应力面对环境巨变;其团队正致力于以局域网无线通信重构PCIe总线互联,打造打破端侧硬件物理瓶颈的“家庭计算中心”。 科研范式演进:代差套利与自定义问题 (9:47) 孟子立在MIT计算机科学与人工智能实验室(CSAIL)访学期间,将AI领域的强化学习算法(如A3C、PPO)跨界引入网络调度与拥塞控制中,利用一至两年的技术代差迅速取得突破。这一经历让他认识到,科研中的敏锐眼光与入场时机(Timing)往往比单纯埋头苦干更关键。 他进一步剖析了学科间的科研品味差异:AI研究大多是在既定基准(Benchmark)上刷准确率解应用题,而网络系统研究没有固定题目,核心在于研究者从零“定义问题”并构建系统的叙事逻辑。孟子立认为,随着大模型编程工具抹平传统Linux内核和驱动代码的编写壁垒,系统学者的核心竞争力正转向对系统架构的直觉(System Sense)与选题审美。 学术体制与大学教育:重塑载体与托底使命 (41:44) 受导师毕军高强度工作却英年早逝的触动,孟子立强调学术与创业必须坚持“可持续性”与“长期主义”,反对依靠短期自我消耗维系产出。针对当前论文写作与评审逐步演变为“人类借助AI生产、审阅与阅读”的闭环,他在计算机网络顶会SIGCOMM社区提出改革提案,主张以“核心代码库+官方评测Agent”的交互方式替代形式化的八股文纸质论文。 面对生成式AI对传统大学的冲击,孟子立分析指出,高校的单向知识灌输功能正在被大幅削弱,大学的核心价值主要沉淀在两方面:一是基于稀缺资源的筛选分配职能;二是承担起“提高底线”(raise the floor)的使命,将落后于技术演进步伐的学生托举起来,培养他们主动学习与适应新环境的能力。 WiCi架构:以无线弱链路替代PCIe互联 (58:07) 针对公网云游戏延迟抖动难以避免,以及移动设备、具身智能机器人受制于电池、散热与尺寸无法容纳高功耗芯片(如桌面级高端GPU功耗达600W)的物理瓶颈,孟子立团队创立了WiCi(Wireless Computing Infrastructure),旨在通过局域网打造“无线GPU”和家庭算力中心。该系统在底层重构了Wi-Fi与虚拟GPU驱动,上层应用和终端操作系统(如轻薄本)可在无感状态下,经由Wi-Fi单跳局域网直接调用近处的本地GPU算力。 从技术底层看,该方案的本质是用带宽与延迟落后数个数量级、存在丢包抖动的Wi-Fi无线弱链路,替代主板上紧耦合且延迟在微秒级的物理PCIe强链路。WiCi将计算机体系结构中成熟的智能缓存、动态分支预测与通信计算重叠调度机制迁移到无线场景中,未来计划以此赋能具身智能,将家庭移动机器人的多模态模型规模扩展数十至百倍。 商业实战:需求验证、供应链与认知蜕变 (69:05) 从学者跨界迈向硬件实体制造,孟子立经历了深刻的商业认知重塑。他反思指出,无线外挂算力的潜在场景看似无限广阔,但“场景多绝不等于用户具备付费意愿”,因此WiCi早期将产品精准定位于对算力极度饥渴的“大C小B”极客及小型视频工作室,而非过早铺向大众消费端;在战略上,团队未来18个月集中攻坚底层的推理引擎与Wi-Fi驱动,硬件与上层生态则分别依托ODM和开源社区协同推进。 在对接深圳硬件代工生态时,团队切身体会到初创企业“订单量小”面临的供应链配合门槛,以及高端显卡价格暴涨对现金流的现实冲击。孟子立坦言,硬件创业要求自己彻底放低个人Ego、敢于主动求助,并在合作中克制年轻时过度的攻击性,懂得换位思考与利益分享。 孟子立提出,面对不可逆的技术颠覆与人生挑战,应保持“向前看别回头”的心态,将长期学术探索或硬科技创业转化为能够享受其中的生活方式;比起个人名字本身,他更希望未来世人是因为WiCi等切实推动产业演进的代表性工作记住自己。

Source quotes

[0:00] 孟子立: 真正有特异功能的人大多都去上《最强大脑》了,清华绝大多数学生都是规规矩矩、认认真真刷题考上来的。 [3:22] 孟子立: 群众里面还是好人多。 [30:00] 孟子立: 从前往后看全是运气和努力,从后往前看实际上全凭运气。 [55:00] 孟子立: 重要的不是你会做什么、非得被具体的事情所定义,而是当你被扔进一个全新的环境里时,你能够以多快的速度学会新知识。 [65:15] 孟子立: 不要等到没有办法了才去求人,而是要勇敢地主动伸手。 [69:05] 孟子立: 场景很多,绝不等于用户的付费意愿强。 [82:07] 孟子立: 向前看,别回头。 [84:09] 孟子立: 大家其实不必要知道我是谁;但如果某一天有人在我的墓碑前看到说——原来这就是当年发明WiCi的那个人,我就知足了。

Original transcript

[0:00] 当时我参加一个社团去工地去打工到时候我也打不了说我是同工你这么一个有梗的说话方式搞得我这个主持人都没法接你的洞察力你的timing可能比很多时候你埋头股还要重要很多对这个社会发展太快了我都天天学都跟不上就真的是每年的标准可能都会不一样怎么让学生戴上眼镜一看体育跟科幻电影似的啪 档案就出现了眼镜上这个算力全外包给你们这个设备或者是我们希望它不仅是机器人所有设备都外包出来算了,你得求一杠奶,就求人帮你,你不求没人会主动帮你。在规伍采访100个清华的人,这里是月球大叔,今天我们请来了孟子丽,15岁考上清华,在清华读完了本科和博士,23岁变成香港科业大学最年轻的助理教授。今年又成立了自己的公司YSY有请孟子丽哎你好你好 许多长叔 大家好 这个很高兴能过来烙一烙之前的这些事咱们直接进入主题先说一下怎么15岁能考上清华这件事情这个事其实不能算是说是跟清华的少年班,而是说我之前高中跟初中他们有这种少年班的这个机制,然后小学初中高中他会有这一个招生的方式,就是小学五年级。招,招完之后你没有想让出,没有中考你就一路学,学到高考所以说白了省掉的就是小张初那一年跟中考那一年,我们学的也没差啥然后你加上我上学早一点,所以说可能就这样当然这个班我听说好像去年已经黄了这好像不怎么招生了因为教育局掐尖所以说现在可能这种机制也比较少在我们那个年代还是有这种东西的对这个就是最近也看到了吗大家就拿到菲尔斯奖的王宏老师也是16岁上的北大嘛是吧你们一曲同工这个是跟人家比不了王老师天赋大家有目共睹取得成就也是世界瞩目的我们只能做一项的学习过去一段时间咱们也采访了很多清华的人有的是靠过目不忘有的一目失行反正各种各样的特异功能考上了清华你觉得在你的整个学习生涯当中你和家人最不一样的是什么哎呀这个问题咋说呢我觉得哪怕是清华里面有这种特异功能的人基本都上最强大脑了就你在电视里边能看到那可能可以我觉得大部分也就是大家亲亲眶眶学习认认真真刷题然后一点考上来我觉得没有特殊的东西我当时考上清华的时候也就比分数线高了一分我们当时分数线682我考了683稀里糊涂就滚进来了所以说应该算是比较巧合看到没有成功的人就是如此的谦虚还有一个说法就是前一段时间听到了一个podcast的时候考上清华北大的人内心都有一种黑暗原理就是特别的要强其实跟什么家庭教育其他都没有关系就生下来野心就特别大然后自己的驱动能力就特别强你认同这种看法这个我认同一半咋说呢就比方说你说内驱力强我觉得清华的学生多少内驱力都是比较强的因为你要是内驱力不强在国内高考环境下你都生存不到不了18年我觉得但是你说是不是大家特别要钱或者特别去想去把一些做好这不一定我们身边就有同学可能比较随随意义的就考上清华也真的有这种事情出现所以说我觉得大家肯定都是完美主义但是不见得特别要强整体来看还是挺多元的是不是对 整体也是挺多元的刚进清华之后你发现你的社友们都比你大个三四岁然后怎么相处呢这个确实是这样因为之前我前面说我高中少年半二岁其实一个班都是一边大的上清华之后才是第一次跟比自己大的同学在一起去交流怎么说呢 确实有一些困难 因为毕竟说实话 年龄在咱们国家法律法规庭庭下有时有时遇到门口比如说人群一样开户 我开不了比如说我们当时有社会时间调研去这个当时我参加一个社团去工地去打工当时我也打不了说我是同工不让我打就这种东西确实都有但是大家慢慢就磨个来一点一点来的嘛对吧其实待个半年之后基本上就适应了,大家还是好人,群众里面还是好人多你这么一个有梗的说话方式搞得我这个主持人都没法接那么继续说你清华的趣事看你的报道里边说你大一的时候选了高年级的课程然后微积分只考了70多分都跟大家分享一下这个故事不这是俩事这高年级课程当时选了大学物理嗯我怎么说呢 我高中那会是搞物理赛的但是很可惜没搞出来然后最后就汇了个赏银当奖所以说到大学之后当时有几个同学我们新生群里说想选大二就没搞出来考了个省一等奖搞出来肯定就是省对然后你去拿什么金牌对吧像我们那些有什么亚赛金牌然后IPHO金牌这人是搞出来的真是厉害的大哥然后当时就新生群里说想选大二的一个大学物理我就是露了一眼当时也是比较虎可能刚上进华啥也不知道然后就去选然后就是这么回事,然后微积分应该说是电子系传统,不是说我考70多分 [5:00] 就是说电子气微积分在清华每年都是这个水平就好像是带给大家一个下马威似的我们当时老师三年前还是两年前挂过一百多个人在二次文那一届所以说其实我觉得就是让大家适应的一个过程其实就是大家都考差不多了分数也没有内心太多的波澜咋说呢厉害的真厉害我们当时平均分50度啊我考了70多但是那厉害的人就是能拿将近满分 98 99所以说我觉得就是第一件事情就是让大家认识可能是对吧大家这个山位有山人外有人但是对于我我本身就在这上来的我早就认识到这一点了所以说可能对于我来说就还好有的同学可能比如一直都是这个高中啊什么大学成绩一直都是特别特别好那可能就是有一定这个心理不通的过程所以说只比清华路线高一分上来这个时候变成了一种优势这个咋说呢抗车的能力比较强看你是不是预期之内还是比较意外的情况因为我当时在高三的时候可能之前学成你还行但是越零了越零了越高高前这个成绩就直线下降最后一次我记得一个月前一次模拟考试那都已经我们班才30个人考到全班前师开外学了都已经所以说我觉得这个事带来的意思就是在做一个事之前只要你别抱太大的期望,任何结果其实都是一个比较开心的结果。这个和黄仁勋好像在Stanford的一次毕业典礼的演讲上讲的差不多。你的期望低一些,你的任性强一些,你的成就或者人生的幸福指数会更高一些。是这么回事,这个确实是,尤其是到后边越来越发现,尤其是当很多时间不是你能控制得了的时候。你任性强一点期望低一点起码能保证自己平安度过每一个低谷我们刚才讲了很多降低期望的事情但是弹幕里边一定会有人说我们在凡尔赛但是这个就是每个人有每个人自己的看法了我们还发现你在本科的时候腐朽了工厂管理这个是一个怎样的考虑呢哎这个也是说来很惭愧我本来念的是双学位工商管理二学位最后学分没修够没必了业就变成复修了公传官里是这么来的然后当时就是在大二的时候在情况大家可以去选说辅助专业之类其实我觉得我的经历还真是我本人是一个很喜欢折腾的人所以我经历也挺多元的就是基本上是啥都想试一试所以大家当有双学位自然就想着去试一试我们其实学京双管双什么美院的双学位其实都有然后包括什么各种DIY语之类的也大家都想学都试一试这我觉得这就是怎么说呢上大学之后解放天性的一个表现吧其实到现在我后边可能这么多年过来也都是遇到新鲜农业就想去试试看到这怎么回事也是这次为什么创业的一个初衷哎呦 身边清华的人很多 第一个说在清华解放天性的竟然是你 他都是说在北大解放的天性ok 那我们继续进入你后边的独博生涯吧 就是你实际上在本科结束之后选择了读博这是一个怎样的考虑呢哎呀这个怎么说呢其实我觉得主要一个原因是在于我当时进食验室比较早嗯我当时是大一下学期就开始进试验室跟跟老师搞科研然后先做了一点这个神经信号处理相关的这个科研你弹幕里边肯定又要飘来你要卷死大家大一又开始搞科研其实当时机缘巧合真机缘巧合清华电子新闻课叫电电电子电路有系统基础这门课应该所有清华电子系的同学都印象深刻因为他嗯比较渊源比较难比较复杂因为最开始的时候我记着这事也比较搞笑我们这边课有一个说法就是教材是老是自己印的因的讲义电电这门课是融合了模拟电路数字电路电路原理好几门课在一起所以教材两本压起来这么厚然后当时我们就有个同学其实就是我们内部开玩笑的时候拿一张学生卡这么一放说比一张学生卡还要薄但他说的比一张学生卡的高度还要薄就跟当时当年正好雷军有一个意愿硬币那个梗就说的那个梗这你们捡不捡随意啊有这么一个然后就说说的就是这个内容特别多然后当时很就是我觉得可能我比较喜欢挑战吧当时那课的老师就在那个网络学团上发公告说哎呀某某老师正在招这个就是想做科研的同学然后我一想那挺好别的老师我去也不一定要我对吧这有招的我就去呗然后去干了三个月大概就是这么一个回事然后其实这是大一下第一段科研,然后之后干了三个月之后,我觉得可能这个最后边会详细说,为啥会做系统做网络这个事。但是反正基本上就是大二,上一开始就开始做计算机网络的科研了。一直做到今天所以说读博也是一个正常的选择因为坐到那儿之后你觉得挺有意思挺喜欢就接着坐下去了随心所欲就感觉喜欢就做就好了后来的话你在本科期间去了MIT做访问学者但其实我那个时候就读过你的论文了基本上我的论文一半是读蒋军成的一半是读你在MIT和毛洪子做的那些论文非常有冤语 [10:00] 那个时候为什么选择的是 MIT 没有选择 Stanford 我觉得还是看老师看教授因为其实大家在找数研的过程当中啊第一个随机性会比较大当时我记得有学长跟我们说应该就是学生会的事让我们说说你属言套词基本上可能是发100封邮件可能有那么十个八个毁你的然后然后可能会有这么几个面试的最终能去一个就不错了我当时因为成绩还算不错,我正好当时是清华年纪第一,所以说就基本上比较顺利套到了一些老师。那其实这时候你就看方向的匹配度了。史丹佛其实做网络的老师说实话不是特别多。MIT的网络的组是有历史远远比较久的尤其我当时学的Mohamman他们组其实当时做了很有名的工作,什么DCTCP之类的工作,其实都是他们在Sysco做出来的所以自然就想跟大佬去学学怎么做可以然后就去了你觉得大佬们为什么选中了你呢我觉得对于大老老门说选一个现在我也是老师了吗对吧招鼠原的学生真的是成本很低的一个决策他可能不是想用的我可能就是哎这小孩还不错你可以过来试试又不是照你过来读 PhD 因为 PhD 是一个长期的 commitment你要你要攒钱给学生付工资但属原的学生我们当时确实也是 MIT 出的 RA 的钱但是很便宜便宜的不能再便宜市场成本很低过来试一试要是我估计我也会让教学人来试一试那个时候你进了MIT这个组之后做了一些工作主要是用强化学习然后去做网络的一些性能提升对是当时就是根据这个洪志师兄洪志师兄当时在MIT这个是MHM的博士上然后我当时其实就是打杂说白那工作我基本上参与的就是去跑跑贝斯拉啊这种实验性打杂的工作但是确实学到了很多当时也是第一次开始接触记忆学习相关的科研那个时候因为我也刚开始读PRD 那几篇工作对我的印象特别大 真的就是用强化学习的方式来做集群管理然后现在的话其实大家也都知道大模型和强化学习结合的也特别紧密 当时的话你们主要怎么利用的强化学习能跟大家用最通俗一种的语言来说一下吗就是发的早我觉得就是发的早其实当时应该是整个网络领域的发展比AI领域要有那么一两年的代差其实我觉得这就是代杀套利的一个方式很多AI那边火的一些技术比如当时讲A3C PPO之类的我们自然就能拿来解决网络的你试试看可能这时候很多网络的学者还去硬啃网络里面硬骨头呢比如说用作控制之类等等我们当时就拿来试试看然后其实这当然都是红字师兄的idea我们当时进组的时候idea都已经都形成了我就是可能实验性的工作多一点但是我觉得最重要的因素就是做得早当然这里面有很多system的challenge这个我想信每个做system的人都会知道你拿一个算法过来一套肯定是套不上的因为毕竟你把它skill up到一个大的cluster到的一个system里面去有各种各样的challenge出来一个一个解决吧System当时看着就是脏活了一会儿一个解决掉了然后基本上唱会就出来了你这个说的有点太真实了就是感觉每个读PRD的这是真读过PRD对吧把那个技术学系里边对先进的那些算法往自己的领域里边去应用对然后应用过程中一定会发现不太适配的地方对然后这些不太适配的地方它适配了就变成了你的就是创新的点然后这篇论文就能很好的发出去而且因为发的比较早的话这个论文的影响力肯定会比较大因为解决的问题还比较出奇所以说我觉得我从这里面学到最大的Lessence,就是Timing很重要你这个整个的不是违背你的洞察力你的timing可能比很多时候你埋头骨还要重要很多呗时间大于一切这个弹幕可以打在公屏上好吧呵呵呵当时的时候你已经做了强化学习然后对于强化学习这些算法你是个人有什么看法吗这个也是另外一个有细子的故事我其实说实话那个年代17年18年AI特别火谁做黑漆都样来试一试 对吧 都以为可能是未来比较大的一个趋势我也不能免除 肯定去试了试 强化学习当然就是一个例子我当时觉得一个后来我没有做AI这个大家从我经历就能看得到我当时觉得AI这里面比较大的一个问题包括想要上线刷法就是大家都在打榜 其实当时比方说你做CVNNLP啊 包括现在可能也是一样 你会有一个固定的benchmark或者你个空谨的 dataset大家就会去刷accuracy刷各种东西我听起来是可能更像是一种解应用题的过程但是网络或者系统方向的科研它是另外一个方向就是没有一个benchmark没有一个fixed question每一个paper是要你靠自己去 define a question 出来的所以说后边做着做着可能觉得还是后边这种更适合我然后来做这个方向所以我接下来在 AI 等于做解决的下一个paper 市场就是科技而行 interpretability然后在网络里面做了一个另外一个思想paper做的就是那个事情这个是我觉得当时我对reinforced [15:00] 或者对整个AI这个community当时可能个人不是很prefer的一点当然后面做着做着做科技而行做到现在其实你发现对吧大家其实也不care科技而行为什么不开玩呢?只要性能足够好对吧,你绑刷的足够高,真的能解决生活里面实际问题了它有实际的价值了那自然就有它距离应用场景出来了你刚才又说了很多Prd可能的心路历程就是记忆学习很多的问题和research就是在构建benchmark 打了个榜单做应用题然后但是你要想把这些东西应用在网络里边的话你就会发现你要定义这个问题就是讲故事网络系统里边最大的PSD的训练就是讲故事就是讲故事真的就是讲故事没有第二我觉得对,这就是看你读 PhD 的时候,你更想去训练哪种方式了但现在来看的话 各领风骚好几年嘛 对吧当年的时候网络是最火的对吧2000年到2010年期间PSD最火的TOPIC肯定是网络系统对吧那个时候各种各样的土豆YouTube优酷百花齐放但是从2012年15年到现在应该就是记忆学习没错但是每个行业都每个行业的周期每个行业都每个行业的特点大家自己想读生卖的PG自己去选就好没错真的是这样我觉得怀仲人说的特别对为啥呢原来我们还能吹说网络系统的人除了会讲过去还有另外一个能力就是low level programming你写代码写的很底层对吧像我们天天之间写Kernel代码写Driver代码这个门口很高学习权这个客户非常陡现在这AIE除了来都大家拿这个Codex跟Cloud的一写这能力完全就不是那么特别重要所以说storytelling跟这个sense可能就是网络系统领域phd里面VR主要的两个feature的对 讲故事然后自己的科研品位当然了其实刚才说的那些写kernel写网络底层那些东西以我在硅谷的一个观察吧这个东西练起来还是很困难你虽然可以让codex或者说让cloud code去写但是真正的能够指挥他写的好还是挺需要一个长时间的修炼这也是最近技术学习系统里边能拿到工资比较高的人就是这些技能掌握得比较深我觉得早晚的事我个人感觉个人观点我觉得早晚的事就跟现在大家变成博写机器码一样也不会写汇编也不会写底层的语言早晚就是这种上层的外部扣证就会代替底层的变成语言大家总是要朝这种更方便的开发方式来进行只是你可能现在AI能力没到那个level而已这是一个中间态但最终肯定会被取代对这个大家好好的去想一下之后应该干什么吧之前看到你很多报道说之前看你很多报道说你最开始读网络计算机系统这些论文的时候也非常非常的痛苦是啊这是特别的痛苦这个不好跟比方说其他点去比我跟你举两个例子就知道了大家比如是看什么这个Nurips什么SML大家论文可能就是六页八页网络里面每个论文都是12月双栏当时我这一看就非常头疼然后我就跟一些同学聊因为其实我本科电子系的嘛有在通信所做的同学他们可能论文更长可能20页但他们好在哪呢全是公式你就跟着公式一个推一个推论文可能也就下来了我们这12月是相当于是你要进入他的一个新的setup里去理解一个故事还得理解这里边精妙之处在哪你得去理解神感人说这东西到底好在哪那我咋会知道呢我一个本科生我咋会知道神感人咋想那个年代的 PC 还是比较专业比较就是高水平的一帮教授他们的case的我怎么能学得到呢其实男的这一点你说乐文能不能看懂呢肯定都能看懂但是你能不能理解说这个论文为啥能做Ccom呢这个就是gaff这个花了很长时间才能理解得到谢谢大家因为我也是和你一个方向的这个东西我觉得我读完Prd又创了业到今年我才理解到不知道为什么真的我感觉我花了十年时间才理解这个问题对非常非常同意所以说你的整个PGD阅段论文的重心PGD的CC基本上是在网络视频传输和深度学习的结合这一块能给大家用最通俗的语言解释一下吗其实说句话可能深度学习只是手段我们当然做的事很简单就一个事儿好让视频的卡顿变少比如大家去打视频电话对吧比如说zoom或者打这种这个微信通话然后这种whatsapp等等会有各种样的时候你感觉到网络会卡的对吧跟别人说话好像不那么特别流畅这就是我们解决的事我整个PCC的 thesis就是一种从top down的角度来去一点一点把里边可能会导致卡通的因素消掉的过程如果大家知道GNG网络就觉得GNG网络里边有个分层结构应用层传输层网络层链路层我的pcd基本就是从应用层做到传输层做到网络层做到链路层一路做下来的然后解决里边延迟问题所以说核心其实这么一个事只不过里边可能用到那些机器学籍的算法或者手段而已那你整个PAD期间,其实你没有选择 [20:00] 去国外读这个Prd 而选择留在清华是怎么考虑的呢这个问题咋说呢说实话有很大一部分是当时时代的因素我是15年的本科然后我的申请期是18年18年的时候有这么几个事情同时发生第一个就是贸易战对吧其实我们当时鼠言可能还算顺利我们下一届的鼠言大家可能知道有一批清华的签证都被revoque掉了所以说其实像中美关系开始转移摩擦的第一年同时当时我就要想说如果说我要去读PhD读到美国的PhD我其实我有一定的cost因为大家如果说学过经济学理就会知道有个说法叫Retinal people think at margins你要知道这个事情这个marginal cost margin benefit 是什么如果说我去美国的pch的margin cost是什么呢我要学家而已对吧 准备语言考试可能这次会有小半年的时间然后我的margin benefit是什么呢就你可能大家会觉得MIT或者美国有一个更好的一个科研环境marginal cost是一个很clearmarginal benefit对我来说当时不是很clear所以我想去看一看所以鼠原就去了一段时间当时就想说到底看有没有说从research这个角度本身比如你从发paper角度来看会不会更好因为当时在17年18年的时候国内应该是几乎没有在网络方面的顶回发过几个配分的屈指可数一只手两只手可能都数得过来所以要去看看到底为啥我去雷之后可能总体的感觉是确实好但是这个好可能没有能够让我说我这半年就不做research来去准备语言考试或准备一些其他的东西来帮助自己完成这个过程因为当时刚才也说到了对吧做那个classes scheduling包括做这个interpretability其实都已经是 ongoing project所以当时就决定还是继续做下去了就没有出来所以其实怎么说呢有时候现在回过来看到我可能有两个license第一个就是如果在做决策的时候你可能要考虑marginal cost跟marginal benefit只要你觉得这一刻的marginal cost小一段的marginal benefit那它就是一个 reasonable decision但是第二点同时也是可能还要考虑更多其他的因素比方说当时我们没有看的因素可能就是你可能会去一个新的学校有一个新的一个Alumina Network这个说实话我相信这个大家现在工作了之后越来越多都能认识到这个alumni的重要性但当时其实学生是很难意识到这一点了但是在清华你可能就是the same setup alone但是你去一个清的地方就有一大堆新的clankers这个是当时我现在回过来看的两个license所以rayshare角度这个我觉得没问题这个印证了过去十年网络方向的发展你看这两年在网络方向的点回上基本上国内的高校已经不能说dominant但是已经说已经有非常大的一个significant presence了所以其实这个事看起来也不难我当时就是觉得当时我在的国内导舍的组跟当时MIT的组科研做科研的氛围可能差的不是特别多甚至可能感觉在国内更有笨劲大家做大作业者对吧大家一起是all in on the same project可能会有很多人一起来work这种感觉我当时比较indro清华最好的招生广告现在出自你这里 太棒了对 所以说你刚才其实跟大家说了很多很多你的一个思考的一个路径啊第一个就是你用经济学原理这个真的是很棒的一个思考问题的方式然后你能够对比出来你当时其实留在清华的话你要做科研的话其实一样顺风顺水然后你的思考方式就是你只要做出牛逼的科研然后之后肯定是每个人都是用作品说话的嘛去MIT去其他任何地方都无所谓只要你在一个地方能够做成牛逼的东西就好但是同时你在后边也能反思出来你会发现除了牛逼的东西之外还需要connection 没错 还需要connection所以说人生就是一要自己牛逼二是要别人说你牛逼然后这个是当时没有考虑到的虽然你一直在说你怎么降低自己的期望啊一系列这些话但是你思考的路径和整个你的行为方式都太有理有据了说句实在话 真的没有这个我觉得是自然的过程因为其实毕竟读书读phd这是一个很critical的一个人生的选择所以你必须得好好想不是说我选一门课,对吧,大家照顾一门课,add一门课,可以很轻易地去选那这种东西肯定是好好想的刚才你说了就是说当时在准备PGD或者说读PGD期间对于Connection的这个问题没有考虑到位那除了这个问题之外你觉得PGD还容易发生最大的错误是什么另外一个最大错误就是只做research只作为一次这个其实说实话我觉得至少在System来看不是一个特别好的Decision这点我当时注意到了也是当时我选择清华的另外一个原因为什么呢当时我去Summer Intern的时候发现其实在美国当年那个年代啊学生在美国是有签证身份的困扰的其实也就意味着你很难在读博的过程当中出去实习Summer intern这个可能大家比较强见过CPT出去就好了但是你在其他过程当中可能比较有受限我是那种比较喜欢折腾的人,总想到一个地方就搞一搞试一试,到另外一边再搞一搞试一试。所以我觉得可能留在国内没有这方面的concern会更好一些。 [25:00] 所以其实你看我phd读了四年我可能在清华的时间加起来可能也就是半年或者一年大部分时间都是在外边我之前在腾讯实习过一年在阿里实习过半年也去过一个startup实习过几个月同时还在CMU待过一年然后加起来PHT总共1994年所以说其实这种我觉得能够给我一个更好的折腾环境也是我个人现在看来比较受益的地方其实你想表达的就是也不是什么犯的错误就是要注意的点就是不要光做research 要行万里路或者说更diverse一点你要尝试不同的人生对 PhD 期间实际上是自己在学校的最后一段生活没错这个我跟我学生都反复说 PhD 是你最好的不断失措的机会你干啥都有PST这个degrade兜底你要是工作之后你可能就很少这种勇气是走出时期间换一个特性的东西但PCT不是但是说实话吧 因为我也接触过很多皮尔蒂 包括我自己看来就是很多学校和老师实际上是不支持学生出去的这是大有人在的其实能够找到一个非常支持自己的导师非常支持自己的团队能够不断的去遨游天地间这个其实站在我的角度运气值得需要非常好实力也需要非常强大没错这个也确实是这样我倒是对我也非常支持是我们后面再说一下你说你博日期间去了腾讯去了各种各样的公司在每一个这些去的地方,你觉得你学到的最重要的lessence是什么?每个地方Lesson都不一样分别说一下吧那我分别说一下好了腾讯我们当时去的是一个production的team一个业务部门当时我们做的是cloud gaming我觉得在那里学到的最重要的一点因素就是如果你要做一个能够上线能够上production的东西你就必须要有非常细致的consideration你要考虑的方分面都特别周到因为毕竟总有东西是你APTest test不到的总有东西是你在最开始设计这个想法之处考虑不到的东西这个细致的细心程度是非常重要的东西它跟发个paper不一样发个paper是你在一个case里跑通了他就work了但是如果说你要让一个东西上production你需要确保他没有什么corner case 让他坏掉这个我觉得消一种匠心匠人精神这是当时第一段 experience然后当时还去了阿里阿里做的是阿里当然去的大猫院达邦圆这个组当然现在也黄了这个也不知道为什么好像我去过很多组现在都黄了说实话腾讯那个组也基本上现在没有了然后阿里去的组做的是偏 research多一点大摩月我觉得学到的最重要的一点 lesson这点是比较有意思的事情你给大家讲一下我说一下继续说好好说就想听故事比较有意思的事情当时去阿里做了一个什么事呢其实我们当时做了一个wifi的router这个WiFi的Router它其实能够给你提供一个比较stable的latency大家知道说我们用 Wi-Fi 的时候可能 99% 的情况下Lavings C 都没问题它有1%的时候的latency可能就会波动当时我们就做了这么一个东西 有个idea 这个是当时一个paper 还没有发 只是有个出行我们想去找我们想去找说找一个公司试试看因为找试试看这个说实话不是说你这个愣头青联系小米啊什么这种乐器公司人就搭理你的还得找师兄正好是我之前本科跟的那位师兄他在阿里然后我们就聊然后他说挺好可以过来做这个事阿里可能也有这个需求因为毕竟当时也在做硬件尝试然后就去了做这个事儿然后去了之后还真找到一个场景说阿里什么情况下会做乐器我们就和解毕竟你想不可能说让用户我看手机淘宝直播卡了你就换个六头血优惑没这动力商业模式行不通然后丁丁对吧你说可能会有这个动力但丁丁这个太大了我们一个小的人是挺美 撼不动当然找到一个场景就是2021年在线教育说可能这个上网课王哥卡了家长说不定有这个动力来搞下乐器然后我就去阿里了为什么说认识到timing很重要呢我去阿里三个月之后我就赶上国家一个政策叫双减就是在教育这个行业就没了我们这个之后也没有上线但是这个当时一个research paper后来发了个paper发的还不错但是我觉得整体来说这个是我在阿里最大的license你看你的所有的故事刚才说了找connection对吧这些地方有各种各样的接触到各种各样的人去推销这件事情然后又有timing对吧时机又发现这种时机的对与错能够对人生的一些各种各样的project产生大的影响是吧你发现没有读博也好你的实习也好就反反复复的在自己的实力connection timing不断在去找一些点没错我觉得就是这样应该至少我现在感觉哪怕工作之后都是这样你只会找工作大家也大部分都是机缘巧合对吧所以说这个东西实力当然得有你得有一个非常basic的一个level让大家是认可你但再于此之上就是另外的因素更重要了对这东西真的太随机了 [30:00] 大家每个人的工作每个人现在所处的自己的环境从前往后看全是觉得自己的运气和努力从后往前看实际上全是实际运气对对在清华的时候你也说到你觉得你文族和MIT其实整体的氛围都已经差不多了没什么太大的问题能够持续帮助你成长然后你当时跟随的是毕君老师对我看到你还是把它挂在你自己的网页上而且他已经去世了你觉得毕军老师对你最大的影响是什么我觉得最大的影响就是他做科研的这种精神当时嗯怎么说呢他去世之后当时网络研究院还写了一篇报道就叫什么就大概意思是与时间赛跑的人就说他怎么努力其实作为学生大家一般都是很叛秘的我之前会看到很多这种就是歌颂某个个人就是英雄的事迹可能看完之后也就觉得就一笑而过了可能没有觉得太多很重要的东西在里面但是当时看完毕老师的报道之后我就立刻联想到之前跟他在一起的点点滴滴每件事都是真的比方说他真的就能做到说可能基本上一周大部分时间睡在办公室好多天都不回家可能比方说一个呆乱早上8点他能在凌晨2点过来给我们发咖啡凌晨5点又发一轮咖啡就这种东西这种精神是我当时特别额德曼尔的一种精神他当时给你们发咖啡的时候多少岁啊他去世那年还是46岁所以发卡费应该也就是44-45的时候那真的是太热爱这件事情没错太奋斗了对所以说另外一个license也就是一定要注意身体健康这个真的是尤其现在最近各种各样的诱惑浪潮的这么火大家肯定要持续的往自己的梦想去努力但是同时一定不能忘记身体健康投资人可能不一定愿意听了我觉得还是你说的很对这是一个长期的事情无论是创业也好还是做科研也好还是一切事情也好长期主义对长期主义把创业也好把做学术也好都变成生活的一种方式一步一步来往十年往二十年往三十年来做没错因为你首先要做到一点是要 sustainable你做一个东西如果是 burn out 来做那肯定就哪怕做什么没错行我们已经说完了你的本科和 PhD 的一些经历你这密度太高了 太强大了 你这太强大了我觉得还是回到你总结的到位因为我说一大堆你怕长期主义我觉得特别好这你说我就想不出来这种词我每天和我太太讨论的基本上就是时间能力时间和那个connection能力时间connection我们刚才讲完了你的本科和pd都是在清华读过的之后你毕业之后变成了香港科业大学最年轻的助理教授当时应该是23岁其实快24了我99年的只是23岁多吧可能你当时有了这么多选择对吧去过大厂实习然后去过CMU MIT做访问学者呃最终怎么选择了去当教授这条路呢这个说实话我学生也都问过其实当年大家得放到当年那个视角当年我前两天帮我来讲对吧在22年看到了AI崛起的趋势那很不幸我就没看到我当时我还试着是差GPT因为22年我一年都在CMU然后当时其实我整个招势marketer是在美国度过的我在美国这边就是准备的这个portfolio然后去投的各种package然后这个去做onsite interview等等都是在这边没看到当时看到了什么呢二年是pandemic大厂都在lay off对吧,如果大家看22年的那个一亩三分地或各种这个就是这个论坛就能看到每天是今天谁聊百分之几,明天他聊百分之几,这种情况下应该是有没有opening呢?有但能不能做一次是呢就很难 对我非常理解 因为我是22年7月份我和我太太拿的PhD毕业证据 我完全和你共情 我知道那一段时间真的是一片荒芜 没错 到时候的应得税真的是特别惨淡说实话我其实一健脾去地盘学文奔着去一些research lab一些这个industry lab来去的而不是当范围地 没错 exactly 这种地方但是当年在二十年就基本上就是一院荒芜当年现在回来看你有openAI的哲戏对吧它被哲戏当时我这眼界也没看到所以说当然就不行我也没看到所以当时看这个事为什么就去来港科大当faculty呢也是很偶然的事情我当然想对吧既然当我跟justin就是我在CML的老板跟他聊我说那既然这样的话他说我想试试看看能不能找 faculty 找不到我就做 postdoc对吧 先勾一勾 等年劲好了 我再出来混没 对吧然后当时就试了试 大概投了一些二三十个学校然后比较幸运当时港客大哥发offer了然后刚刚发了offer之后我立马其他的onsite link我都没有去我就直接去了我觉得终于有地方要我了太好了然后peter peter就去了港大发offer为什么接呢另外一个吸引我的因素就是港大创业氛围真的是特别浓我当时去做英特尔 [35:00] 就什么意思呢网络这个领域其实说实话大佬很多因为网络就刚才咱们讲对吧互联网二十年三十年都是大佬但是能让你跟现在的工作connect起来大佬不是特别多因为很多工作特有这个时代的职严性当时我去港海大面试有一位老师就是当年做Virus芯片Atheros这个芯片的cofounder然后他后来卖给高通了然后来港大大当老师我就用过这个 driver 我们搞 wireless 都知道这个东西 我说哇塞居然因为大家知道这应该会可能要准备吧对吧要查有哪些faculty member 一查居然是他然后那太牛了那这种地方我一定要来试一试来了之后发现确实是整个这个氛围特别的怎么说呢diverse活跃创业的什么这个走这个pr 路线的然后有这个搞 research 的啊然后做教育的各行各业都有所以说当时就比较吸引我你这个说话你太谦虚了你不是混一混就是狗一狗的真的是让其他这些弹幕里边的同学们怎么看待你所以说你整个去港大的这一个过程在你看来也是那么的随机是吗真是比较随机因为其实当时就港开大要了我之后我后面onside我都没有去我觉得有地方要就可以了对 但是你还说了一下就是香港科学大学这个创业氛围比较浓厚但是以我们这些没怎么在香港待过的人的视角就感觉香港的科技创业氛围真的那么浓厚吗?我举一例子大疆就是我们习一位老师的公司我知道那个就是那个则香老师的 没错对 香港科学大学确实不太一样 对对对对他香港科学和深圳大疆还孵化了无数的那种硬件公司没错所以说其实当时有港三那个时候港大跟港中文当时我都其实没有投简历在投了港客战有一部分原因就是这个所以说你当时在申请港科大的教职拿到这个职位的时候你已经考虑到创业这个事情这说实话肯定没考虑到但是想多一个选择不一定是啥但是就感觉到他的选择特别多就老是干什么都是能够被学校所包容的你的思考问题的方式一直非常的连贯就是能够海阔平一月天高日鸟飞让你多多选择的地方你就去选是 你在23岁成为了港科大的最年轻的教授 你教的PhD如果比你大的话 你怎么和他们相处呢其实大小都差不多 这应该是每个新AP都面临的问题哪怕说说你AP比学生大 也就是大个几岁而已 更核心的还是想来分析说你过来读PhD的时候 你的目的是什么大家一起来去合作合作比其他都重要得多那你选择学生的标准是什么呢哎呀这个说实话标准每年都在变化因为这个社会变化太快了二三年的时候我们是刚刚开始用Copilot的时代那个时候AI变成还不是那么特别强那作为我们一个System Research最看重的是什么呢就是变成能力所以我当时在主页里面就在有一个这个Join Us的page 就有写你要想来我们lab 你首先你起码要写过1000行代码以上的project这个其实很多CS本科学生他不见得写过所以说最开始看的就是System能力后来会看一些其他的东西因为随着AI的发展System能力你可能不真的需要你写一枪代码了但是你需要System的Sense你可能需要知道说 明明之中 我觉得这东西就能解明明之中我觉得那个东西就能解这种sense其实是支撑一个没有benchmark的领域这种open 你说自己define problem的领域很重要的一个因素所以说这个我觉得后来是有来重大东西所以说每个时代都有每个时代不同的点对社会发展太快了我都天天学都跟不上就真的是每年的标准可能都会不一样又开始谦虚起来了这个真的是我相信应该绝大部分人都有这个感觉是这样每三个月AI的发展就是耳目一期日新月夜的变化谁能想到一个22年毕业的人到现在为止25年写代码的时候全是用扣说没错嗯你在整个当了三年教授这期间你觉得和自己之前当学生的时候思维方式最大的转变是什么?最大的转变就是这本书可能不见得合适就是老板跟学生的察局其实当了professor之后你就会意识到可能更多时候你不会去想去说发一篇paper或者说是要完成一个project你可能更多想的是我做哪些东西会比较有意思或者做哪些东西可能会给其他的人有经济学理要外部性正外部性带来比较positive 的价值这个是可能发过的会考虑更多的东西就是第一第二当然就是发过的跟选择最大材就是高钱就是发过的其实很多是在就跟创业差不太多是在拉项目各种grant我去apply然后去拿到一些funding然后去support自己学生的stipend这样一个过程其实跟学生比有很大的不同你可能要配合的对象不再是你paper reviewer而是一些狠的很大的大同行所以说就两点第一点你刚才说的就是要 [40:00] 从一个发了文挣自己的名声到一个怎么去构建就圈地然后变成一个更具有影响力的就是说研究大速没错到怎么让大组持续的有钱来供养大组没错那么你自己认为你的培养风格是这样的有些导师是那种OK我定一个方向你们全是按这个方向来做有些导师就是咱们商量了来然后你去好好的去探索我帮你去完成你想完成的你觉得你是哪种我觉得我应该介于其中因为其实我个人感觉这两种方式都不是我特别prefer 的方式因为第一种大包大揽的方式会导致一个什么样的问题出现呢就是他可能会让学生脱离导师之后就不知道干啥了比如说我idea给你想好paper给你写好然后整个东西你就相当于就是一个agent那我干嘛教学生呢现在的你这2.26年教个agent就完事了执行就好了可能学生他没有学到这种System Mindset第二种的问题在于什么呢学生最开始会很痛苦如果最开始商量来放养,其实很多最开始刚开始做这个idea,他不是很成熟,他可能这个taste或者sense也没那么到位,你游着来,或者说你让他自由的探索,可能也会有很多坑。是我觉得这些不同形容不同来看有的学生他的能力或者他之前的training已经比较好你可以去来际哥让他去做一些他更想去做点东西这个没问题但有的学生他可能还比较懵的啥也不知道对吧我就来多phd了那我怎么发paper呢那就是得有一些比较clear比较明确的指令才行哎呀你这个说话方式真的有一种扑面而来的高质感就是你说的东西就太对一个读过皮尔丁来说真的太贴心了然后太想到周到了太有逻辑了真的是这样也是都是血泪教训真是这样现在还有一种说法就是其他老师的一些说法有一个我特别尊重的老师说别发论文了五年之后论文这个题材都已经不存在了应该直接就和agent交流和agent做实验把整个的那些交流过程和实验放出来给大家看一下就好了你怎么看待发轮文这件事情我觉得这个事有两方面的东西发乐文在学术上其实我不分认同这个老师的说法因为其实现在大家可以看作者拿AH写paper审考上AH省paper可能最后读者还是AH读paper那这种情况下你的论文作为一个文字的载体可能不见得那么重要所以其实我今年我之前给Ccom就我们这领域的这个community提为一个proposal我就说还教啥乐文呢别教乐文了你应该教代码库到时候每个人官方给你配个agent的什么人想问啥你就上代码库里去问去然后没写到论文没写到的地方那你代码库有那你自然是有没有就是没有就令人挨打然后作者你就去好好去维持这个code base让代码库里面的readme让代码库里面的东西能更能被AI去跑到有点类似于之前比如说做SEO就要一种geo的东西这个可能会反倒更有价值一点所以这部分内容我是认合的但是论文还有另外一个很重要的价值就是对学生自我认同的培养喜欢中文论文是很开心的对吧比如说咱们去开始的时候中了第一篇论文那我的乐类都不行我第一次来美国就是17年当时我去达尔中了一个会的poster然后就在其实就在玩曲当时在萨达克拉尔开了一个会然后来的时候特别高兴当时高兴不仅是论文能够被其他人认同另外一个就是很直接的东西当时你想在清华清华的国家奖学金一年是8000块钱,一个息可能就几个名额我倒是来开会出差一个礼拜一天补助就是一百岛然后一个例外就基本上顶上办个国奖了我这不仅是从这个金钱上的激励还是说是从成就上的激励我觉得都特别爽我就一条招干到黑就觉得开始做research了这个论文的价值还是不能替代的是这样有点那一瞬间的小名利双收的感觉还是很不错的是的我刚才在你描述的时候也想到另外一个点就是其实论文是一个训练你大脑的过程就是人其实说话也好,做事也好只有你把那个文字给说清楚的时候你这件事情才算是真正的做到位了就是可能一开始读pd的时候大家会花很多时间的去训练论文的逻辑写作能力对吧这个东西的话我感觉就是说如果说你没有这个写作的话你的脑子不会那么清晰对这个我觉得跟论文本身可能是独立的如果是学内写作能力大家其实教一些abstract或者教intra talk就足够了对吧把故事讲好没错因为当时里面Starterland已经足够清醒了是这样后边都是一些八股文了没错是这样还有一个说法 因为你现在是在做老师有一个我特别尊重的一个老师说 他觉得现在来的大学已经失去了意义他都不太想在大学呆了 是一个非常出名的老师 你怎么看待这个观点咋说 其实我们之前去年当时做了一个用AI眼镜作弊的一个case 当时记者采访就有问过类似的问题我当时是这么说的 我说其实我们作为教育工作者,大学的目的 [45:00] 有两个第一个是培养第二个就是筛选培养是什么呢就是说怎么样把一个学生从不懂培养到懂的过程当中筛选其实就是说我大学的出口可能总是有限的比如说MIT每年从清华招的就那么几个人你要是没有一个筛选的机师那MIT怎么招你呢对吧在有限的社会资源情况下必须得有一个类似于筛选的系统就这两个功能就包括之前王光老师也说对吧可能我看有很多网友的评论说在本科的时候可能筛选更多了一些培养少了一些反正在海外培养更多了一些我觉得这个确实就是大学的目的就是培养但是随着AI的发展培养的目的变得越来越弱了尤其是对于最top的学生最好的学生他其实不用老是教可能30%的人都不用老实讲他反倒觉得上课浪费时间所以我可能我课儿都有权的写作业这都很正常的事情或者不来听课这都是非常正常的事情我们老师的目的就是去拯救后边的学生有一些学生其实他可能你知道 AI 好他都不会想去用一用可能到时候大家有用AI潮水也有人一直戴着AI眼镜进高厂我觉得这种学生反倒已经尝试是用办法的解决问题了尽管这个办法可能不见得是当下工序量所认可的办法但是已经尝试解决问题了这种学生不需要担心你上车会上肯定有用完繁殖那有些人是直到AI就摆在那他都不愿意就这个账号用一下这种人其实就是我们教育工作者的目的得将去能够把他培养成一个更能够跟于时代接轨更能够有自我学习能力更能够把自己之前所没有尝试的事情去试透并且把这个能力带到未来工作当中的一个过程好能听到你的意思就是在大学就是在有一个入口这个入口肯定是筛选的然后学生有一定的水平然后希望就是说能够把学生的上限就是说把差值拉得大一些让他出去的时候有种感觉对吗或者是应该把它下限提的高一点其实我想说的是对 OK哎呀这个一个就是一个然然生起的就是大学好老师的形象越然之上啊对啊呃那在做了教授三年左右之后你又选择出来了创业这是一个怎样的考虑呢我觉得也是自然而然的其实网络系统这个方向本身其实就是非常贴近产品的一个方向他就跟现在这种new labs 啊什么之类的其实不见得很一样大家看我之前Research经历就觉得哪怕我做PhD刚才我们讲阿里那故事我做的是啥呀我做了个路由器对吧这本身的就是已经是一个类似于product的东西了只是它可能会是一种比较deep tech的product它不是一个简单的product仅此而已所以说其实一直有各种各样的想法我们想拿出来试一试今年可能觉得我们这个research project可能已经到了一个比较好的timing所以决定来出来试一试看看那我后边再聊一下你们具体在做什么其实从2023年当教授到现在这三年正好是大模型日新月异蓬勃发展的三年你看到外边这么的激荡自己在当教授的过程当中有什么就是心情有什么波动吗没波动肯定是假的尤其是对吧当年你看这个作业同学一个一个都已经房子买了车买了对吧我们高校教师还是很苦悲的状态这肯定是有心理波动的对你们当时那一波如果选择了工业界的某些research lab的话现在的年薪和你们应该是百倍差距啊这个其实我觉得说实话也要看timing这个每个人的这个判断真的是很有价值能挣到百分之一真的是他们自己的本事他们敢于在比较早的时候去all in这个事情像比较火的前面是conviction对吧他敢去去believe这个事情那这个东西你只能说佩服那么下一个问题就想了解一下在香港去做教授和创业具体什么感受能跟大家分享一下你每天的日常吗香港助教授我觉得其实我个人感觉啊比内地和北美都要更relax我给大家举几个例子大家就能明白是为什么因为其实教授在他去深方领拿高的过程当中很大有一部分因素就是Connection所以我们会看到内地持有圈的一些可能不是很积极的形象,北美也有。你办的各种nsf workshop可能也是类似的东西但是香港是有个好处是什么香港太小了香港如此小一支我们每次写的grant proposal都是送到世界各地去review的你想要connection你都不知道跟谁去connect反倒逼迫大家去专注于research本身这是我觉得我比较enjoy的香港主流设计的一个点所以我觉得整理香港老师这点还是比较幸福的创业就是另外的事情创业因为大家知道香港其实是一个比较偏金融的一个城市隔壁的深圳可能在创业科技方面创业都比香港要活跃的多所以说我觉得香港本身的创业可能如果你跟金融结合的比较紧一点会比较适合 [50:00] 否则的话还是应该到比如说湾区或者说深圳北京这种比较太可密度高的地方会更适合一些Tech密度高 然后热钱愿意冒险 愿意投资给这种DeepTech对 或者更重要的是人才去Appreciate当前做Tag的价值香港可能是有prication做金融的价值这是different story我觉得你整个对于香港在做教授和创业的评价非常非常的客观谢谢我们进入下一个篇章开始了解一下你的创业经历第一个就是你之前做过一个AI考试眼镜看起来被很多的媒体报道过大家给大家介绍一下这个东西吧哎呀这个说实话也是timing就是做得早说实话我们做了一个什么事呢给不了解的观众朋友们介绍一下我们当时是在25年就是去年秋天的时候其实很简单去年春天的时候我当时监考我教计算机网络原理以及高档阶级网络原理就是本科研究生课然后当是检考的时候就看说当然我有一学生戴一墨镜在考场里边因为我本人做这方面研究对吧我们做RTC就会做到VRAR就会做到很多可存带的设备然后他就想看说这学生戴的是啥呀是不是一个什么AR眼镜之类的然后就就瞅了瞅发现不是我说好那不是那没关系那不是我就自己搞一个看考场里边能不能戴个眼睛过来试一试所以我们从去年的七月份左右应该是七八月份的时候开始去做这个项目然后就有核心就是很简单怎么让学生戴上眼镜一看体肤科幻电影似的啪打就出来了眼镜上面所以说一个之前考试里边一直成功的人做了一个让大家考试作弊的产品我们这个可能更多想证明一种可行性其实我觉得更多的就是如果这东西真的可行那其实我们反过来反思的教育应该怎么学怎么教育的问题而不是说去拆成箱考用考试模式因为这个东西哪怕我们不做别人也会做的这可以晚几个月时间的问题YC就特别喜欢这样的创业者就是你hack过什么样的系统前一段时间不还是有一个做那种帮助大家在面试里边作弊的一个系统拿了好几千万的融资都是一曲同工的对这种东西就是说对你不做其他有人做然后你做出来之后可能还发现了更多其他人看不见的价值没错我们当时做其实也是当research来做的解决很多sism challenge因为你想你作为一个眼镜你正常来说你拿手机拍个照把这题拍到网上去GPT给你解题完全没问题但你眼睛是这个视角啊很大上下左右你这里边转子可能就是站了很小的地方角度也不对清晰度也不对所以说这里面其实有一些Racer的东西在里面包括怎么样让答案快速的回来跟你转子里面这个题能够对上这个对岩石要求也很高所以其实当时完全是当着这个RTC就刚才我们说视频动画这种超低延迟的视频传书这种research来做后来没长到它的社会价值可能比它延迟价值要大得多但是无论如何我个人觉得研究价值也特别大的一个原因是因为硅谷现在有很多那种可穿戴AI设备能很直观的感觉到你当时研究的这些技术逐步的一定都会前移到这些可穿戴AI设备当中然后发光发财了是的嗯做整个产品的工程当中有什么其他有意思的事情分享吗?不瞒你说,那个项目当时我们也是想拿来创业的,只是没有去公开的去站出来。为什么?因为显然有投资者看到它的价值,对吧?但是我们做着发现,其实整个这套排泄论里面它的包装在于硬件。眼睛是一个高度集成的电子器件它的challenge在于怎么让续航更久比如说我举个例子我们当时其实在我们筛选了一些之后包括开发性包括它这个能力我们其实当时就发现三款眼镜能够做我们这个东西一个是Rocket一个是Meta的Ribband Display还有一个是个创业公司叫Brillian Labs它的一个眼镜就是三个能做但是续航都是一塌糊涂因为眼镜可能就是200毫安时就很小的一个续航这种情况下怎么做这XL显然不是我的舒适讯不是我擅长的东西所以后边这些是没错但是整体从产品的角度来讲后来反过来看发现一个产品然后找到它的Botterneck明白你的优势在哪这个东西我觉得还挺有意思的失败也是一种学习对 失败也是一种学习这反思能力太强了你在整个做眼镜的过程当中你发现这个东西咱们先不考虑续航的问题你发现它确实能够很明显的帮助作弊这是百分之百无由置疑对你当时的考试能力这么强然后你就发现一个新时代AI可以帮助人如此轻易的作弊那么从这个角度来想的话你觉得就是说这个时代最重要的学习能力或者最重要的人要培养能力是什么呢我觉得就是适应性咱也不是考试好了我给你举另外一个例子我小时候特别稷道任路就是比如说看这个地图,看什么东西,我可能不用看地图,我就能知道从A到B怎么走,走哪条街。那导航一出来这能力你说有用吗对吧现在大家都看Google Maps看各种各样的导航过 [55:00] you So I think that the development of the development of the development will lead to some of the former people's ability to not have a social value. But what is what is to do? It is that the ability to create the process of the process 会对你整个人的这个Minderside有什么影响 For example, you can do this. It's not important, you don't need to be asked. But if you take a new environment in a new environment, you can learn how fast to learn new知识. This is a very important thing. I really like this. This is a little bit of a "fix" of a "fix" of a feeling. Why is it so strong? Because of the fish in the sea, and of the animals, and of the animals, and of the animals, and of the environment, and of the environment. And in this time, AI is such a "yay" of a situation like this, I feel that people are in a way of using a high-quality speed. And then you do a new product or tool called Agent Call Arena. What is the thing about what is the research? This is what we saw. We saw a lot of these are not popular. So we did a lot of things. I follow the research. I was following the research. But we found that when you're with a spider, you can play a video, and play a video. Actually, it's not a benchmark. This was a kind of a kind of a kind of a kind of a kind of a kind of thing. When we did a test, what is what I want to do? I want to tell you. The parking lot is such a kind of, it has a long-term走廊. With a couple of hours, it has a long-term走廊. It has a long-term, maybe a few hundred and ten-term. We opened up a case for this. We opened up a few times with AI. Just from the door to the other So the other one asked him How did the door open? Just use the problem That's actually the situation, the whole thing is not bad. Because you can probably put the picture as a single-time image upload to vlamb or vlamb to fix it. We don't know what to do with AI. But we think we should look at what is good and what is good So we got a call-in, you can go to the website and play video. And then look at the response. Look at the results. to help the university to create a result. This is true. You were doing this for GBT-4O. The video was done before and before? Yes, it was already out of the video. The world was done before. The world has been done in the world and the world has been done in the world. We were doing it in the world. But only hope is and give it a more qualitative metric. I always think this is very important. And the last one is the LMR. Yes. The net. Yes. The net. Yes. So, I don't know if you did a deep QE. I think QE has this feeling. Every metric. 做QE的人都有这个感觉 The metric behind the design It may even影响 the world of the future. This is a bit too bad. It's a bit sad. I'm not sad. I'll continue to talk about your story. Next is your new company. We say, Ysay, this is hard to read. And Ysay is what is what? Actually, we do the thing very simple. We just want to make a wireless GPU. and also can allow the user to use GPUs We were doing this project at the beginning of the AI, and we were doing the game game. At the beginning of the beginning, the first step was very simple. 24th game is a bit hot, I believe that the viewers will know about it. 太火了 我通关了 对吧 这个比较火 然后 I was in the online course, I was doing a game game. And then the language of the industry, if you want to know about it, it will be more likely to be a bit more. We thought there was a very important thing in the future. It's a game of games, games, games, games, games, games. It's the end and the end of the end of the day If this situation is a video, you will have to do the reliability of the internet. is a best effort of the network. He can't do this. So actually, it doesn't have to be safe. Then we thought, 24 years later, if I can't keep the money in the country? Just把计算给offload出去 So the first step is the first step. You can also use your own Steam. You can also use GPU editing, rendering applications, whatever. I can somehow You can use the rule of the rule of the function, or PCIe function, and it will be intercepted. and put it in a place. Let's go. This is the first time I was doing the first time Because at the time, I was interested in a paper. I can't put 5090 on the phone. 5090 on the phone with a card. It's 600W. And the weight of 3 kg. I have a pen, but the phone is not easy. Mobile device is all about the cost and cost. 同时 The price is also due to the price. If I use the GPU, I can do it Just like I said, so. [60:00] 所以开始做了这个项目你一开始是为了游戏对所以说核心其实是一个Wires的GPU我们希望做的事情一句话来说就是希望无论你是什么中断比如手机笔记本甚至于眼镜刚才说的whatever只要它就是WiFi它脸上YSI的WiresGPU它就以为会在本地有一块GPU我其实之前一直想问一个你的一个问题就是你要是做了这个东西是不是对每一个APP都要适配你刚才已经解答了其实你不需要适配APP因为APP还是觉得这些东西是在某一个本地真实的GPU上运行没错比如说我们那里边用的是5090APP看来就是一个本地的5090APP可能会很惊讶说我一个MacBook New或者是我一个ThinkPad可能比较低的版本怎么会有块5090呢但是他不会管他就会看到一个5090你们是改的Driver那一层就是说做了一个WiFi DriverWiFi Driver plus GPU Driver你可以这么理解然后所有的在本地的那些性能比较弱的那些计算都会外包给远端家庭里边这一块对这个也是当时我们做的另外一个出发点你说远的到底远到哪对吧云游戏就是远到一个边缘的data center但是我们发现只要这个东西过来互联网性能就会弱很多所以我们最终的solution是希望能够把它变得像WiFi router一样在一个比较近的一个physical coverage之内我脸上它可能就是通过一跳很近的距离然后它就能够很方便的使用一个router里面的设立这种情况下我们既把重量跟功耗给offload出去了同时又能确保性能我个人因为一直在剪视频所以说我是觉得这个产品是能够服务一些特定用户的就比如说你剪视频有几百个G你传到那个Cloud或者传到某一个什么Codex上去远端处理这个过程简直不能接受但如果说本地有一个远端的一个家庭的一个小数据中心然后能够支持基本的这些开源模型帮我把视频里边的画质呀那些镜头给我切好我觉得我还是会买这样一个产品因为我本身就是一个用那种NAS和那种本地存储的一个玩家对您这个已经属于比较专业的用户了或者其实我们当时看到另外关卡是什么呢这里可能说的另外一种意思是我的生产力跟我的算力的结合什么意思呢比方说我们现在用agent用的很多对吧最开始大家用的chatbot一来一回他其实没多少context没多少memory现在agent的越来越多开始处理你本地的文件了但是处理可能还很浅就是文件名可能读点这种accessibility tree或者有一些metadatathat's it但是未来随着AI对于本地的越来越深入你可能需要处理的本地文件会越来越多我举个例子大家知道像Cursor这种Cloud Code或者Codex在代码领域很成功这个没问题那所有其他的非代码领域它跟代码领域有个什么差别呢代码领域所有的文件都是纯文本你能在本地从Grip通过这种方式来处理那非纯文本出去比如说PowerPointWord甚至于说刚才你说视频或者图片怎么办呢你难道要把它们一个一个都imbedding一遍吗这种情况下你imbedding一遍overhide就会巨大大家谁本地每个100个G的文件对吧这种情况下我们就相信未来一定会有很大的拒绝是我必须只能在本地跑的就跟机器人这种一样对我刚才听你在描述的时候我一直想说机器人这个环节就是因为我之前在调研你的官方网站的产品的时候就是接什么本地扫地机器人各种各样的那种家用的那种设备但你刚才在描述的时候给我一种感觉如果说家里边有好几个有个做饭机器人有个扫地机器人有各种各样的机器人他们可以把大脑算力全外包给你们这个设备或者是我们希望它不仅是机器人所有设备都外包出来算力因为两点原因第一点是什么只要你是mobile device你就一定受限于重量跟功耗而只要你是不mobile device功耗就甚至可以越来越高对吧大家看3690到4090到5090功耗从300瓦涨到了600瓦你的色力的发展空间一定是比那些mobile或者on device的chip有大得多的那既然这样为什么我们不能给用户或者给一些mobile device最好的算力呢这就当时的出发点因为我在归宿看到了很多那种世界模型机器人Embody AI这种公司然后我能感觉到就是说你这个东西如果和这些有机的结合起来的话还真可能加速部署这些机器人在家庭的那种进展这也是我希望的因为现在比如说你机器人带的一块比如Jason Orion的Board或者哪怕说现在未来可能会说Soar更强的Board它由于功耗的限制肯定跟5090 6090或者甚至其他的Pro699 GPU比不了所以我们特别希望能够跟机器人常常做进一步的这种co-research 看看如果说你的VLA变得更大大了10倍 大了100倍你到底能给你的task带来什么样的增益真的是这样你们现在和这些公司在谈合作吗尝试再接触一些有一些初步的接触我觉得不知道投资人怎么看待反正作为一个纯搞research的 [65:00] I'll see you next time. I think this thing is Really, thank you for your experience. I hope that the investors and other people will see this video. We'll be able to talk about this question. Yeah. I saw you on the internet already. Ah, no, no. But actually, I'm a person's perspective, the原型机需要供应链,需要组装,需要一个很长的链路, you're a teacher, you're how long this链路 is going to be able to walk through? I'm going to learn, but I'm going to say, I'm going to say,贵人相助. I think that if you really want to do a thing, not follow a daily routine, You need a lot of people to help you. So, there are different places. First, you need to reach out. You need to help people. You don't need to help people. You don't need to help people. You don't need to help people. You don't need to help people. The same thing is the same. When I was writing the program, I was writing the program. I was writing the program. I was writing the program. I was writing the program. I was writing the program. I was writing the program. I was writing the program. I was writing the program. I was writing the program. I was writing the program. It was very difficult. After that, it was a little bit You can't wait for the people who don't have the power to help you. You should be able to reach out. This is the same thing. The supply chain is not there, right? Some investors can help us bridge the supply chain of the supply chain. And the software, the software, the marketing, the company, the company, the company, the company, the company, the company, the company, the company. These are all in this process. Just for everyone to think about this, you can do it. If you want to go to help, there will be people who will help you. I've seen a video of a video, "勇于开口求助" - Yes, it's true! Adios. I actually did this podcast. I was just a little bit about the podcast. I wanted to talk about the video. I'm just a little bit about it. I'm just a little bit about it. I'm just a little bit about it. I'm just a little bit about it. I'm just a little bit about it. I'm just a little bit about it. I'm just a little bit about it. I'm just a little bit about it. the process of that. Yes, yes. And resilience is strong. I saw a lot of a lot of things. I saw a lot of things in the world. I saw a lot of things in the world. I saw a lot of things in the world. I saw a lot of things in the world. I saw a lot of things in the world. I saw a lot of things in the world. I saw a lot of things in the world. I saw a lot of things in the world. I saw a lot of things in the world. I saw a lot of things in the world. I saw a lot of things in the world. I saw a lot of things in the world. I saw a lot of things in the world. I saw a lot of things in the world. I saw a lot of things in the world. just 54% just fine. And then 46% is in the same way. They are in the same way. They are in the same way. 没错,就是这样。 希望大家能够通过 对吧 但不说这个话 对 接下来我们继续 继续回到你的 车远了 我们继续回到你的产品 你接下来打算走2B还是2C啊 We are like this. We want to do a 2C company. We hope that... Why is this YSI? We can see our own way. We just put Wi-Fi F into C. C is computing. We hope that this thing will be able to go to千家万户. 代替大家家里的WiFi router and be deployed to the other side. That's what it is, it will be in a part of your household. Another part of your office is also in office. We hope to do this. But from the short term, from the trade-office, we will have a lot of different ways to consider. We can find a very quickly to get in the house. This tool is a general consumer. It's a customer. It's a professional user. Like you said, like a geek or a geek or a懂技术. Thank you. 明白 你其实想先走一些专用的2C 然后可能之后还会像2B发行 或者这说法一般叫大C小B 就是你一些比较专业的 他愿意有买新东西试一试的这些人 或者说可能就刚才比如刚才节视频 对吧 一个小的一个video editing studio 就是小的B的用户 这是我们这些的主要target的重点 YC said, we should find that the fire is a useful. I think You can also provide these products. This is a fan. He has a bunch of different kinds of equipment. Yes. This place is If you're open to it, it will be a lot. Because my definition is very clear, we can use Wi-Fi. all the time to use a GPU. But the environment is not meant to be a use. "I'm not enough enough for me to give me a gift" So this is what we need to do as a phone number to get through the market and go to market. We need to try to solve the process. 呀 你这创业多久了呀 这个场景都并非为了付费意愿多 这个点是怎么就这么快就感悟出来了呢 No, this is a real thing. It's a bit more. This thing is really a funerous side. These people are learning the way to learn. I was like, as a host of the host, I always ask you a question. I feel like a lot of this growth and speed. Really, it's a really good. There is a question. uh, I'm using my technology, you need to develop It's a system of devices and also a driver. 还要做硬件 Even if we're in the future, we're going to build CPU and control the CPU. [70:00] 但是这个东西就很庞大你接下来的话你的融资或者你的时间只允许你专注一点接下来18个月你打算怎么打这个故事我觉得两方面因素第一个咱们做system的人天生就是为这种多component的coordination而生了对吧咱们每个paper基本都是这样但是我觉得你刚才说的特别对我们不可能什么都做有priority所以其实这我前面所说的我们核心的优势其实就是在底层在driver这一层在inference这一层在比如inference的kernel inference engine以及wifi drivergpu driver这一层来做这是我们最大的技术壁垒其他的地方我们做法就是能offload就offload能外包就外包比如我们硬件是跟我们的ODM厂商来合作我们没有很大的硬件的team然后应用我们现在是跟很多开发者社区的人来合作比如说刚才前面聊到机器人机器人开发者一定比我更懂说gpu大了之后能干啥我干嘛说半门东府跟他搞那个事情我请他来跟我们一起来搞不就好了对吧所以我们的核心还是focus在这种底层类似于infrastructure的东西所以说刚才其实我说一半YSI CIDXI第1个CG的computing后边的I就是infrastructure我们希望做的是一种wireless computing infrastructure但是你描述的话给我一种感觉是你们要和社区一块发展你们要和各种各样的机器人社区要和那种OM甚至说硬件厂家一起来发展对于你CEO的挑战真的很大要培养一个生态其实生态我觉得肯定不是说你故意能培养得出来的一定大家觉得有用我们现在希望做到的是能让越来越多的场景意识到这东西或许有点用这个就执足了可能这里边比如说10个场景里边我们描述的Vision当然很大但是说白了10个Vision里面有一个Vision它是有用的我可能就已经觉得这东西能为社会做点贡献是这样的为社会做贡献产生价值一定不会有太差的结果如果说一家大公司比如说一些NAS公司或者说是一些WiFi路由器的公司开始抄你们的产品你们怎么看待或者说怎么避免怎么能赢得竞争呢这也是好问题我觉得现在应该绝大部分startup都有这个问题说白了最真实的答案一定就是做得快做得早只有我们认可到因为毕竟这个事情如果要做对于美工数来说它都是一个战略层面的决定它不是一个可能bottom up能做的事情所以我们要做的事情就是做得足够快然后把性能拉得足够好把我们的零先优势做得足够大让别人哪怕抄能抄到我们的硬件毕竟我们找到ODM对吧我们不做硬件但是我们在这里面的性能能够做得比别人好很多这就足够了这是我们在短期的目标长期肯定是刚刚您说的我们要去依赖整个生态的伙伴以及他对整个应用的价值来去维护我们的互场合但短期一定是性能所以为什么这个事很难正好展开说一下这个难点就在于正常来说GPU怎么样跟CPU怎么样跟mobile device连接正常来说GPU怎么跟一个device的连接它连的是PCIePCIe都是上百Gbps的带宽微秒级的延迟我们现在相当于做的是WiFi代替PCIe带宽跟延迟都弱了好多个数量级怎么办这就是我们这里最大的技术积累的地方我们做24年做的项目时候第一个解决的就是这个问题因为刚才前面说的我们做到gaming最开始gaming就是这里面最intensive的application它的带宽的需求对PCI要求很高延时的需求要求又很低怎么办所以其实我们相当于是把这个定义成一种新的computer architectureCPU跟GPU通过一个弱连路而不是一个强连路来连接这个事历史上有没有人做过呢有在二十多年前PCIE出来之前是有这个问题的只不过PCIE出来之后基本上这个通信就不是特别大的问题了所以说大家慢慢开始就当然Data Center里面还是问题我说的是这种Consumer端就是消费型的Buddleboard就不是问题了所以说做的可能就越来越少但是我们相当于是把这个问题重新Defined出来那解决办法自然之好罢了我们把过去几十年整个computer architecture这领域所有的方向以及智慧在这心上的情况下重新优化一遍对吧也就可以了比如说做cash做各种预测做各种调度等等该做都做一遍可能基本就差不多这是我们最骄傲的地方所以说短期你们打速度打自己在过去N年对于这个方向的积累然后做好速度和性能长期的话慢慢培育社区长期的话一个伟大的产品在最终肯定不是靠技术优势来赢得市场这又比你感悟到了吗但短期肯定是靠技术优势来打开市场对而且一定要让别人知道你们的技术对一定要不断的去展示对不断的去吆喝没错不然的话这个酒香也怕香的深希望大家能够看到这个视频之后多多支持一下 [75:00] you know I was wondering about the question about the supply chain. This is a real thing Like I said, I don't understand I was at the beginning of the year when we were doing the job, the most important thing is the quality of the day. The company is a business owner, I was a teacher who did this job, right? I was not a business owner, I was not a very old person, especially the amount of money was smaller. It's hard to go. It's hard to go. Now we're in the process of learning. But only if you have this idea, you can do this. Then you can use the high-level data. There are definitely people who are in the home. You can ask, do you have a lot of money? Do you have a lot of money? Do you have a lot of money? Do you have a lot of money? We can all share this thing We're doing GPU. We're doing a GPU. This is a lot of different types of the line, and different types of the line. This is a lot of different types of the line, and you can quickly see the line, and go to the network of the network. For example, we found this one is not on the ground or the space. Potter One hour just can't stop the same thing This is a great idea for our development. That whole thing has so many other pieces How do you manage this whole process? How do you manage this whole process? Actually, this whole process is not a lot, because it's a machine. We're not a machine. We're a machine. So, in the whole process, you can understand it. It's a mini PC and GPU and Wi-Fi router. 把它们加在一块也是差不多了 我们不会去自己说做非常底层的CPU什么这些我们都不会做 So, this is for us to start up, and to get better at the same time. That is how long you've done this production? Actually, to say this I'm not sure what you're doing now. It's just a bit more than a one-to-one. It's a bit more than a one-to-one. But it's better than it is. I believe that if you ask those big companies, they will be in a way of getting to the market. Apple, the iPhone, the internet, and the internet. This is not from 0 to 1. From 0 to 1 is very difficult. But it is a process of a process. I've never done any of these things. I'm very curious about the entire process. So in the whole process, you think the most important thing is what? 说实话,其实最大的困难就是我们量小。 Now I'll look at the same thing. Oh. 众议们。 In the whole of the entire supply chain, you will face the most difficult difficult and "khun" is what is. Thank you. I think the biggest problem is to make a startup a lot of things It's a little bit smaller than you can do it. So you have to be a top-down resource So we're in this case, we also have to go to the people who are friends and friends and friends. They say that they have such a wealth or such. They are just you can't get to help. It will be a little bit of a thing The most important thing is a similar thing. I think that the most important thing is the most important thing. Because this is the best way to build the best screen. For example, we just wanted to show the best way to get the best way to get. Now, the most good way to get the best way to get RTX 5090. That's the price of the price. I believe that you saw the price of the price. This is a huge impact. So if I can see the next time, I can see the next time. This is really hard to do. It's not easy. This is the end of the project. We'll see you next time. Through the two hours of this interview, I think you are all good at learning, too. You feel your life is a good one. You think your life is the most difficult time? I think, in a large scale, I think it's a relatively good thing, this is not a good thing. But I believe that every person has a similar feeling, even if it's a big thing, the process is not a good thing. So I think I've seen the same thing. If you look at my past, I don't know if it was from a year ago, but from a high school year. The big thing is that it's not a personal personality. Now, back to the first question. The first question is that I was going to go to college in the first year. The mentality and personality is not a common one This is all the way to get a little I'm going to be able to take a lot of understanding and support for this. This is a very important thing. I really appreciate all of you and all of you. [80:00] 蛮重要的事情好能不能细说一下你的personality对地因为你想对吧如果说大家可以想象自己的青春期对吧我上大学的时候其实可能还属于青春期的阶段这个时候其实也就意味着很多你的性格可能是更张扬或者说更Aggressive video那这个情况下你怎么样能去找到跟别人拉到统一战线共同做一件事情的能力这个其实不简单我相信现在其实可能很多人也有这个困惑说怎么某某就是不愿意跟我一起做一个事呢对吧其实可能这里边很大一步内容在于你可能没有跟他align到一起所以我们共同的common interest是什么然后你没有站在他的角度去想这些东西都是在整个过去十多年过程都慢慢学来的不仅是创业人际关系搞 research research 也一样对吧你搞 research 之后你怎么跟别人去 collaborate你怎么样去反思过去的某一个 past work他当时的立场是什么他为什么能发得出来你如果站在你的角度去写你不能把它喷在义乌室对吧 万一它省你了咱们都必须担心这个问题尤其是CS怎么圈子这么小那你就要去设身处理的想到底哪里也不说比他做的更好这个好的优势来自于什么就所有的东西其实都归根于你要去换面思考要去build自己一个比较好的 mentality 和 personality然后才能去支撑你把你支撑的目标完成而不是去比较按照我们东北话就是比较容易上脸对吧你不能比较容易受情绪的波动影响而导致自己做出一个错误的决策团结一切可能团结的人把事情做成没错懂得分割利益是的分享利益之前听过这种结太精辟了我自己说不是来这么好又夸我了之前真的和太多的创业者和投资人聊过了就是每个人其实这个就很难说 就是跟思维一样 对就是和其他人的相处永远是要找到一个合适的距离然后找到合适的共同能够奋斗的那个点然后一起去把那个利益拿到那么刚才你说了你过去吃到的一些苦就是personality的苦如果说你最想对过去的自己说一句话的话你要说哪句话呢我觉得其实哪怕吃到了苦我觉得这苦早晚得吃哪怕我现在跟过去自己说过去自己应该不会听了所以说要是说的话可能就是这个借用一句电视剧的最后一个词啊就是向前看 别回头我太喜欢这个说法了真的你没法改变过去的自己没错因为过去的自己就是造就了现在的你 没错 有些亏你无论自己的长辈自己的朋友所谓的贵人跟自己提醒多少次你不自己真正的去疼一次真的学不到这一点没错 是的我们每个人都有极高的智商但是到最后的话智慧是需要通过犯错来积累的没错哎呀这个讲得真好如果说咱俩明天都挂了那么你最想给正在奋斗的大家给其他人说的一个建议是什么你有什么建议吗干就完事了往前走别回头我回答一下我觉得要是我的话我的建议可能就是说实话呃其实可能之前要是放在两三年前我可能会说像什么活在当下或者说你可能既要仰望的同时要珍惜当下的自己但我现在觉得其实真的就是这样就是每一分每一秒其实你要争取让自己是一个injoy的状态如果当天觉得burnout或当天觉得比较painful那就停下来给自己一个缓冲的空间不然的话哪怕你强行把它做可能效果也不见得很尽于你或者是让你自己不会引着违这个过程我觉得无论做什么都是持有战,首先要injoy当下的自己谢谢大家说的真好我特别enjoy和你这段podcast非常非常的enjoy哇听君一席话生读好多年说没感谢再过若干年当我们都离世之后你希望你的墓志名上怎么写自己这个问题也是特别好其实我希望写的就是我的一个代表性工作我不知道会是什么但是我希望大家通过这个工作记住我而不是只有这个人就比方说其实嗯就不说你啊比方说我们之前会看说某某某这个工作是很好但是可能不会意识到说这个人就原来就是那工作的作者这个是我喜欢达到一种状态大家其实不必要知道我是谁但是如果说发现某一天在我的墓碑上看说原来这就是发明Y3那个人结果就知足了工程不必在我只要能做出一件伟大的事情对为社会做贡献即可或者说其实我觉得工作的价值本身更重要讲的实在是太好了嗯感谢孟子丽我们今天的podcast [85:00] 到此结束好 感谢日求大叔非常开心今天跟你聊一下我是梁老师哎呀妈咱感觉都后面都行而上了我就都不知道说啥没准备