从认知科学到LLM 排名优化：Jason Yang 的创业之路

Mother of Success 专访 · 2025年10月6日

开场

贺小：

特别感谢 Jason 接受我们的邀请。这次我们想从你的背景开始聊起，再到你现在在做的创业项目。你可以先简单介绍一下自己吗？

Jason Yang：

好的。我本科时读的是计算机和日语双学位。毕业后我来美国，读计算机的硕士学位，这次专注于 Machine Learning（机器学习）和Natural Language Processing （自然语言处理）的 specialization。

我在约翰·霍普金斯（Johns Hopkins）读书时，产生了继续读 PhD的打算：而且基于我当时对于试图用神经网络去模拟人类认知这一领域的强烈兴趣，我为PhD找到了一个interdisciplinary （跨学科）的方向：“认知科学”（Cognitive Science）。于是我加入了布朗大学的这个项目，但在这期间我的一些思考使我决定没有去最终完成博士，而是拿了第二个硕士学位毕业。

从金融数据到社交推荐系统

Jason Yang：

毕业后我在纽约工作，做 Machine Learning Engineer。起初在金融机构，主要做 signal detection——从复杂的数据集里找出有价值的信号，比如在交易场景下，预测对市场有影响的趋势。

后来我去了社交媒体公司，做 Search and Recommendation。简单说，个性化Recommendation就是，当你刷 Facebook 或 Quora 时，你看到的内容排序，不是简单按时间，而是由算法根据你的喜好和在平台上的互动记录对内容进行实时相关性排序，也就是对你的兴趣进行modeling。而个性化Search问题则是在上述基础上，在算法中再加入对search query的考量。

我认为从 signal detection 到 search & recommendation的路径是一脉相承的。前者是从充满噪音的多维数据中找到有意义的信号，后者是把信号更高效、更有意义地呈现给用户。

创业：把推荐系统带入大语言模型时代

Jason Yang：

现在我自己在做一个创业项目，为企业和品牌提供工具，帮助他们提升自己在大型语言模型（LLM）中的排名，并监测他们在这些模型中的表现。

从表面上看，这个问题（GEO - Generative Engine Optimization）是传统SEO (Search Engine Optimization)的一个在LLM时代的延续， 只不过平台发生了变换。而这也是很多竞品公司所采取的切入角度。

但是对我来说，这个问题则更像是延续了Personalized Search & Recommendation 的基本逻辑：

传统推荐系统场景中，我们要建模用户与内容之间的条件概率——给定用户A和内容B，预测他们产生正向互动的概率。

而LLM 的场景仅是略有变化：现在 OpenAI、Perplexity 等平台并不会公开用户的数据，你只知道“内容方”（品牌方）的信息，却不知道用户是谁。这意味着模型只能看到 X（品牌信息），没有 Y（用户信息）。

我的产品尝试去 reverse engineer 这个“缺失的Y”：根据品牌的特征、定位和目标用户，反向推测出精准的用户画像(ICP - Ideal Customer Persona), 进而对不同用户persona抵达LLM搜索结果的personal user journey进行建模。从而最大程度的补完了缺失的Y（用户信息）。如此完成了对一个复杂问题的拆解与转化。

公司的名字Egaki在日语中的意思是to depict, to portray. 这个含义在我的产品有多重的体现：

1.首先，我协助你对你的品牌的ICP进行精确的depict； 

2.其次，根据不同的ICP segment，为你定制最能convert这一群体的self-portrayal，使你品牌的理想用户在LLM搜索结果中直接遇到你最完美的一面；

3.最后，为你长期实时portray你的品牌在不同LLM中的ranking performance，并提供改进方案。从而能帮助企业更精准地优化自己在 AI 搜索生态中的表现。

学日语的决定：语言与时代的映射

贺小：
我注意到你本科时还学了日语，而且考到了 N1。是什么让你当时选择这个组合？

Jason Yang：

这个决定来自于特定的时空背景。我高中毕业的时代，日本在 AI，NLP，尤其是机器人（Robotics）领域仍然是世界领先的。而我来自东北，离日本比较近，当地存在大量的日企投资，各种交流非常频繁。那时我们学校会把高分的学生分到日语班，认为学习能力强的学生学语言会更快。

所以对我来说，这个选择既有偶然性也有必然性。

贺小：
那你觉得多语言背景对你的工作、生活，甚至创业有什么影响吗？

Jason Yang：

其实影响挺深的，不过更多施加于内在。比如我从没在日本留学或工作过，但学习语言让我更容易从不同文化的角度去看世界。

现在我在美国创业，要理解美国市场，最重要的是“跳出情绪层面去看全局”。你不能只看中文或英文媒体，而要学会切换视角。

所以我有时会去看日语媒体，看看他们如何报道美国或亚洲的事情。语言就像是一种窗口，帮你从不同角度来理解本就是多维的现实。

从语言到认知科学：学术的跨界与转折

贺小：
后来你去了布朗大学（Brown）读 Cognitive Science，这段经历是怎么来的？

Jason Yang：
当时我认为 NLP（自然语言处理）是 AI 里最具挑战的方向。有人说 NLP 是“皇冠上的明珠”——如果你能解决语言问题，AI 的其他部分就不是问题。

我喜欢挑战，所以选择了 NLP。Cognitive Science 是个跨学科（interdisciplinary）的项目，学生来自计算机、心理学、神经科学等不同背景。我当时就想走出单一的 Computer Science 圈子，去接触更多不同的视角， 因为我认为AI中的问题并非是单独的CS知识可以解决的。

贺小：
后来你提到从这个方向“转折” （pivot）了，为什么？

Jason Yang：
进入 Cognitive Science 之后我发现，这个学科就像“牛顿出现之前的物理学” (pre-Newtonian Physics)。大家在做各种实验、收集行为数据（behavioral data），试图把人类大脑的结构和实验结果联系起来，但中间缺乏坚实的理论基础。

我当时不太 comfortable 去做那种“黑箱式推论”。比如你只能看到输入和输出，却无法真正解释中间发生了什么。在对龙虾的神经网络尚且无法完全清楚掌握的时代，那种对human cognition进行 reverse engineering 的研究虽然感觉很有意思，但总令我有管中窥豹之虞。

所以我开始思考：与其停留在speculative的形而上学（metaphysics）层面，不如回到可以实证的世界。于是我决定离开学术界，用 machine learning 去解决真实世界的问题。

从“思辨”到“实做”：走进真实世界

贺小：
你说得很哲学。我觉得你是从“metaphysical”走向“physical world”。

Jason Yang：
对，我曾经喜欢研究形而上的东西，但现在不会了。要真正理解“认知”，必须在现实世界里实践。

我以前也看过很多哲学或心理学的书，但后来意识到，这些理论如果不是在真实社会中打磨出来的经验，就如同空中楼阁一般没有太大指导意义。更何况不同的人在同一时刻的境遇都来自于他（她）跋涉至今的personal journey，并不是任何来自书房中的所谓普适理论足以进行prescribe的； 这也正如任何一种随机过程（stochastic process）都无法模拟现实世界中的真实决策。

我更喜欢真实世界中的繁杂多变所带来的挑战，而不是在真空环境中做speculation。

从学术界到金融界：全力以赴

贺小：
那你从布朗到纽约，进入金融行业，会不会有很大冲击？

Jason Yang：

非常大。你从一个靠发论文就能生存的世界，进入到必须创造现实价值的世界。

在金融业或者任何一个真实的行业，你得首先有“skin in the game”的意识。你不能一边抱怨游戏规则，一边又想赢。你要么全力以赴，要么退出。

我觉得那是我真正成长的开始。也让我第一次理解“first principles”的重要性——要从根本出发思考价值，用真实世界的坐标系取代带有偏见的错误认知。

Goldman Sachs 到 Quora：从金钱世界到知识世界

贺小：
后来你离开金融业去了 Quora。那是一个理想主义色彩很强的地方。是什么促使你转变？

Jason Yang：
我在 Goldman Sachs（高盛） 和 hedge fund 都做过，那段时间技术和商业结合得很好，但数据是封闭的，可用的模型也会受到explanability之类的限制， 且很少有大量的用户交互。

我想去一个数据开放、有海量真实用户反馈的地方。

Quora 正好满足这一点：它有庞大的内容体系、实时的互动数据，非常适合做 search & recommendation。

我在这里补全了足以支撑我独立创业的最后一块puzzle，建立了更清晰的自我认知，弄清了从市场和技术两方面未来要努力的方向，更从中产生了我的目前的创业idea。这也是为什么我说“信号检测—推荐系统—品牌排名优化”其实是一个连续谱。

创业的第一步：从补充剂市场到生成式AI

贺小：
你是怎么找到现在这个方向的？

Jason Yang：

其实一开始我做过一个非常“照搬”过去经验的项目：一个面向补剂（supplement）行业的信号检测与推荐系统。

但很快我意识到这个行业太传统、门槛太高：参加他们的 conference 要几千美金，而且你不是 insider，他们也不会理你。

更重要的是，市场太小（TAM 不够大），难以支撑一家创业公司。

所以我 pivot 了，转向一个更大的机会：LLM 生态中的品牌可见度优化。生成式 AI 是一个真正的 “新大陆” 或者说 “New Frontier”, 而新的机会总会出现在旧有秩序的边疆。人的一生中很少会遇到如此重大的历史节点； 既然你有幸出生在这个时代，就该登船去探索。

关于合伙人：不是VC说要，就去找

贺小：
你现在是 solo founder，是否考虑过找合伙人？

Jason Yang：
会考虑，但我认为不能为了形式去找。有些 VC 建议你找 co-founder，是出于风控考虑：怕你一个人倒下没人接手（笑）。

但对我来说，创业最重要的是愿景一致。当方向清晰、产品有吸引力，自然会吸引合适的人加入。

所以我不抗拒团队化，但不会因为外部期待而妥协。

推荐书目：《东印度公司与亚洲的海洋》

贺小：

最后一个问题，请为我们的读者推荐一本书或者书或播客吧！

Jason Yang：

有一本书我特别喜欢，叫《东印度公司与亚洲的海洋》(興亡の世界史 東インド会社とアジアの海)。

它讲述了16至19世纪，欧洲各国如何建立东印度公司，如何在不同文化下因地制宜开拓市场。比如他们在印度、非洲、日本、中国所用的策略完全不同。这本书让我想起初创企业在不同的环境中同意需要不同的适应方式，你要不断博弈、调整、甚至重新定义规则。历史从来不只是过去，它也是关于“如何生存与演化”的教科书。

贺小：
谢谢 Jason 今天的分享,也祝你的创业顺利!

Jason Yang：
谢谢你。