法律 LLM、预训练与自组 AI 硬件

澳洲籍私募 M&A 律师，现为法律 AI 初创创办人。公司聚焦私募基金文件自动化，并自己搭建推理硬件以避免客户资料上公共云。对模型预训练、开源权重 LLM（Qwen、Kimi、DeepSeek）以及家中自建 AI 基建有深入认识。工作背景横跨悉尼与香港的私募基金法律实务。

章节

1. 0:00开场 — AI Tinkerers 重聚、认识 Jeremy
2. 1:24Jeremy 自我介绍 — M&A 律师兼硬件狂人
3. 2:47从挖 Dogecoin 到 AI 推理硬件
4. 3:42法律 AI 初创 — 聚焦私募基金文件
5. 5:48在客厅跑 LLM 推理服务器
6. 7:00暖风机 vs 显卡 — 香港夏天的散热难题
7. 9:05预训练数据天花板 — 光爬网不够
8. 11:03LLM 真的适合法律工作吗？
9. 13:43一个逗号改变一切 — 法律精确度 vs AI
10. 16:22隐性知识与师徒制的问题
11. 18:55Unitree 机器人春晚表演 — 即时适应能力
12. 20:32热气与中医 — 身体感知作为大数据
13. 23:28《银翼杀手》「雨中泪水」— 数据无法捕捉的东西
14. 26:15香港主流媒体的 AI 盲点
15. 27:04深圳山姆超市里用 Qwen 的阿姨
16. 29:28AI Tinkerers — 香港的实践者社群
17. 30:28开源权重 vs 开源 — 为什么 Qwen 重要
18. 33:54小模型大能力 — 日本车的比喻
19. 35:55AI 定价可持续吗？— VC 资金的数学
20. 37:25中环码头三号与一封给香港的情书
21. 42:52火车、边境与大湾区的未来
22. 48:55结尾 — 狗狗、海景、下次见

关于本集

Jeremy 是一位私募 M&A 律师，同时在做一间法律 AI 初创——他还把 LLM 推理伺服器放在家中客厅运行，因为他从 14 岁就开始砌电脑（最初为了玩 Call of Duty），之后挖 Dogecoin，结果发现所有这些知识完美对应到训练和跑模型所需的硬件。我们深入讨论为甚么律师不能用 ChatGPT、Claude 或 Gemini 处理客户资料、为甚么整个私募股权领域几乎没有出现在 LLM 的训练资料里、为甚么 Qwen 的表现远远超过它的体积，以及预训练天花板是真实存在的。