为什么要用agent+弹性算力网络做研究

2023年底，作为Alphago的爱好者，我看到openai即将发布GPT4o，并且听说有一个秘密的Q-star项目，即将产生颠覆产业的影响。

我感觉到坐不住了，于是开始尝试做第一个算法。

第一个算法是纯线性回归的算法，用于预测供应链产品的价格，我有深厚的金融背景，野心更大，除了价格，还想用算法来预测广告坑位的”利润表“。

但事实上，尝试快一年之后，我意识到这样的努力是白费的，因为当平台使用GPU进行超大集群大规模计算的时候，其实独立算法的空间就比较小了，如果还用传统的cpu串行计算逻辑，那几乎不可能存在算法有效的区间，也就是说，线性算法在并行算法面前，已经没有效益可言。

正如2026年8月底，萨姆.奥特曼在播客里回忆的那样：他们当时以为GPT4会颠覆一切，但是事实上，传统惯性是如此强大，导致了这一切发生的都特别慢，但这反而救了openai。

同时，其实也救了我们。

在一次失败的尝试之后，我们转向了更加具有公平性的“二级市场”，这次我们的目标是构建一个完全自主的强化学习的交易模型。

当我们基座转向神经网络来驱动算法的时候，第一个困难就是，需不需要去学校请一个教授，或者构建一个科学家的团队。

如果按照时下年薪来计算，请5个科学家，每个人年薪100万，大概是500万元/年的成本投入负担。

在这个问题上我们纠结了很久，幸运的是，我看到了卡帕西讲演那时还不出名的deepseek的视频。

一个清晰的决定涌上眼前：我们不需要构建一个科学家的团队，我们需要构建的是能自动做研究的agent。

正如十年前，那批下棋下得一般的人，构建的AlphaGo最终战胜了世界上最好的棋手。

在我们选定了用agent来做研究这条路之后，接着，便碰见了第二个问题：卡和算力从哪里来。

要构建自己的小型数据中心，至少也需要500万起步，如果使用消费级显卡又将极大的拖住研究的步伐，并且消费级显卡的价格在当时也不菲了。

我们在这个问题上，卡住了接近两个月，毫无进展。

在兜兜转转两个月之后，终于找到了答案，我们需要一个完美适配agent的弹性算力网络，这个算力网络需要足够大和宽，agent能同时启动100台机子来验证神经网络结构，同时在每一个有效验证树里，都能将记录保存下来，让agent能沿着收敛的路径持续验证。

我们大概花了6个月的时候来做这样的弹性算力网络，适配每一个数据中心规范，每一个卡种规范，搭建计算优化层......

绵绵的雪山延绵不绝。奇迹发生在，当我们接入的卡种超过15种的时候，我们的算力成本呈现直线下降的趋势。

很显然，卡种更多的时候，agent更加倾向于用一些20分钟的短碎步骤来验证他自己的想法，也就是环境变了，agent也会相应的调整研究策略。

我们已经全然不需要先在本子上，完成逻辑上的验证，然后充值几万的算力，战战兢兢的等待着开机，并且半夜爬起来睁着眼睛查看机子的反馈，生怕训崩了。

接着，agent+弹性算力网络让我们很快找到了最佳模型。

从最佳模型的结构回过头来看，原来那个优势信号是如此狭窄。

但如果按照传统路径，我们几乎百分之一百会确定失败。

并行研究和计算模式似乎挽救了我们。

这是我们推荐用agent和弹性算力网络来做研究的原因，除了负担直线下降，结果却翻倍的回馈。