Eiso Kant¶
- 身份: Poolside AI 联合创始人兼 CEO（与 Jason Warner 共同创立）
- 背景: 2015 年读到 Karpathy《The Unreasonable Effectiveness of RNNs》后转做"代码上的机器学习"，创立开源公司 source{d}（烧掉约 $1200 万、约 40 人、2019 年底失败，自称"职业生涯最大失败"）；ChatGPT 出现后重回赛道，创立 Poolside。
- 公司定位: 模型公司（非 agent 公司），自 day zero 主张"AGI via coding / 长时程软件任务"；美国公司（一度以为在法国起家，实为 fully remote，刻意不在湾区招研究员）；少于 70 研究员 + ~35 工程师；约一年半前融 $500M；10k H200（Hopper）集群，正扩容。
- 本库主来源: Latent Space 访谈（2026-07-22）
立场与关注点¶
Poolside 是本库首个成体系的西方开源 neo-lab 内部工程视角。Eiso 的观点几乎都围绕"如何把模型训练工业化"和"为什么开源/商品化能赢"。
- "宁要 100 家基础模型公司，不要 5 家——哪怕我是那 5 家之一。" 2026 年初从"抢先做到 AGI"转向开源；判断只有还没到前沿时才做得出这个决定。主动鼓励研究员离职去开更多 neo-lab。
- 开源研究 > 开源权重："权重是二进制的，分享研究才是最有意义的贡献。"点名致敬 DeepSeek、Zhipu/Z.ai（GLM 5.2）的开放研究。
- Model Factory：把模型训练做成 SpaceX 式端到端工厂——不可变数据层 + experiments-as-code + 流式数据 + 零 on-call + agent 接管日常（"RSI 雏形"）；核心度量是"想法→可信实验结果"的墙钟时间；5–8 周从预训练到发布。
- "行为比原始智能更能压榨小模型"：Laguna S（118B/8B 激活）靠 post-training 诱导的持久、验证、回溯，跑赢 2–3 倍大的模型；由此推出知识工作最优模型尺寸可能只在 1T–10T，支撑模型商品化/开源能赢的论证。但明确不反对 scaling（"只做小模型之王是 copout"）。
- "MCP 和工具是愚蠢的"：模型应拿到一个装好 binary 的 VM + codebase，自己写代码（含 if/for）干活，而非调 50 个预设工具；预测 12 个月内没有塞满工具的 system prompt。
- RL 前移：RL 会越来越早进入预训练；mid-training 只是 web 上一个粗糙的两段式课程，组织原因才分阶段。蒸馏与 environments 是行业"毒品"，web 远未被压榨干净。
- 监管观：技术更强时让位给民主；区分 misuse 与 doomsday；当前不该限制开源（香烟广告禁令固化寡头的类比）；但会随真实风险改立场。Nvidia 比政府更有算力权力，但性质不同。
- 招人第一看 agency；约束催生创新；对齐高 agency 的人靠"共同目标 + 明确边界"。
与本库其他视角的关系¶
- 对 Benedict Evans"模型商品化、价值上移"：Eiso 从供给侧给出机制——若知识工作最优尺寸不高、开源能紧咬前沿，则模型层确会商品化。见 AI 商业化与价值捕获。
- 对 swyx 的"反对模型路由 / agent lab"：Eiso 认同"自家 harness 榨干单一模型才最强"，但作为模型公司仍主张能力应泛化到所有 harness。见 Latent Space 主播。
- 对罗福莉/朱邦华（中方 RL/infra 视角）：同样强调 RL 前移、post-training 前移、卡/组织对研究节奏的决定作用，是"neo-lab 工程哲学"的中美两版。见 中美 AI 生态对照。
已收录访谈¶
| 日期 | 视频 | 平台 |
|---|---|---|
| 2026-07-22 | Poolside 的 Model Factory、Laguna S、开源与 AGI 竞赛 | Latent Space |