法律 LLM、預訓練與自組 AI 硬件

澳洲籍私募 M&A 律師，現為法律 AI 初創創辦人。公司聚焦私募基金文件自動化，並自己搭建推理硬件以避免客戶資料上公共雲。對模型預訓練、開源權重 LLM（Qwen、Kimi、DeepSeek）以及家中自建 AI 基建有深入認識。工作背景橫跨悉尼與香港的私募基金法律實務。

章節

1. 0:00開場 — AI Tinkerers 重聚、認識 Jeremy
2. 1:24Jeremy 自我介紹 — M&A 律師兼硬件狂人
3. 2:47從挖 Dogecoin 到 AI 推理硬件
4. 3:42法律 AI 初創 — 聚焦私募基金文件
5. 5:48在客廳跑 LLM 推理伺服器
6. 7:00暖風機 vs 顯示卡 — 香港夏天的散熱難題
7. 9:05預訓練數據天花板 — 光爬網不夠
8. 11:03LLM 真的適合法律工作嗎？
9. 13:43一個逗號改變一切 — 法律精確度 vs AI
10. 16:22隱性知識與師徒制的問題
11. 18:55Unitree 機器人春晚表演 — 即時適應能力
12. 20:32熱氣與中醫 — 身體感知作為大數據
13. 23:28《銀翼殺手》「雨中淚水」— 數據無法捕捉的東西
14. 26:15香港主流媒體的 AI 盲點
15. 27:04深圳山姆超市裡用 Qwen 的阿姨
16. 29:28AI Tinkerers — 香港的實踐者社群
17. 30:28開源權重 vs 開源 — 為甚麼 Qwen 重要
18. 33:54小模型大能力 — 日本車的比喻
19. 35:55AI 定價可持續嗎？— VC 資金的數學
20. 37:25中環碼頭三號與一封給香港的情書
21. 42:52火車、邊境與大灣區的未來
22. 48:55結尾 — 狗狗、海景、下次見

關於本集

Jeremy 是一位私募 M&A 律師，同時在做一間法律 AI 初創——他還把 LLM 推理伺服器放在家中客廳運行，因為他從 14 歲就開始砌電腦（最初為了玩 Call of Duty），之後挖 Dogecoin，結果發現所有這些知識完美對應到訓練和跑模型所需的硬件。我們深入討論為甚麼律師不能用 ChatGPT、Claude 或 Gemini 處理客戶資料、為甚麼整個私募股權領域幾乎沒有出現在 LLM 的訓練資料裡、為甚麼 Qwen 的表現遠遠超過它的體積，以及預訓練天花板是真實存在的。