谢赛宁不喜欢用"A 级生"来描摹自己。"你看我身边很多朋友——A class 一路走上来的。最好的高中、最好的本科、参加竞赛、最好的 PhD、去四大教书。我完全不是这样。我最多是一个 B class 的 trajectory。"
童年由两股力量塑成：妈妈带着他四处旅游、做生意，"全国各地到处跑"；爸爸是"一个纯粹的死宅，从来不出门"，但家里的书房几面墙都是书。"所以我小时候就处在这种状态中——要么在外面被我妈带着跑，要么在家翻一些有的没的、能看的不能看的都看一看。"九岁时，他有了第一台电脑。"不用来干正事——一盒一盒地买游戏。"后来有了互联网，BBS、新浪博客、饭否——"互联网的爆炸式增长让我变成了一个对很多事情都很感兴趣的人。"
保送上海交大 ACM 班也是一场偶然。他有信息学和数学的竞赛奖，恰逢交大推出提前招生计划。学校老师劝他"冲一冲清华北大"，但他觉得"交大挺好的，我跟这个城市、这个学校气质相投"。进校前那两个月的暑假——在寝室里打 Dota、虚度时光——他至今称之为"人生的高光时刻，因为这之后再也没有出现过这样的时刻"。
在 ACM 班，他的排名大概是 35 人中第 13 名。"我成为不了第一名第二名，真的做不到。我们有很多很强的竞赛背景的同学。"但他不太在意排名——"这也是受了《交大生存手册》的启发。"
这个"生存手册"是学长侯晓迪主笔的。侯晓迪做了两件传奇的事情：本科生发了 CVPR 论文（7 行代码解决一个重要问题，在当时闻所未闻）；主笔了一本小册子，讲"人为什么要学习？中国的教育体制、大学的模式到底哪里错了？"里面有一句话谢赛宁至今记忆深刻：
"如果一个人把政策评分作为自己的至高追求，那么他就是这个政策的牺牲品。"
手册还教大家怎么逃课、怎么快速完成作业，更重要的——"做研究的目的不是灌水发论文，而是真的对这种无限的未知的探索。"侯晓迪成了谢赛宁的早期偶像。两人在 Google Chat 上讨论 research，"他给了我很多很多建议"。
ACM 班还有一个创举：每人要上一门"学子讲坛"——45 分钟到一个小时的 presentation，不能跟学习有关。"有人讲哲学、有人讲历史、有人讲社会。大家是在一个相对宽松、强调通识的设定下往前走。"
俞勇老师有一句话，谢赛宁后来反复讲起：
"不是因为看见所以相信，因为相信所以看见。"
大二时谢赛宁进入了 BCMI 实验室（神经科学 + AI）。书架上放着关于意识、大脑、图像、人类如何认知真实世界的书——"看了之后觉得哇太有意思了。"
主持人问他为什么被视觉吸引，他的回答从个人延伸到哲学：
"我感受这个世界的方式就是通过视觉。如果能去掉一种感官，也许听不见、没法说话、没有触觉、没有嗅觉，会过得很悲惨，但可以接受。但如果没了视觉——不能看动画片、不能看电影、不能打游戏了——我似乎丧失了一个人的独立性。"
然后他追溯到了更远：寒武纪大爆发。5.3 亿年前，地球上几乎没有眼睛，生物在深海中暗无天日地生存。然后有一天，某些生物演化出了视觉——能看见猎物，能躲避天敌——"一旦视觉诞生，其他生物不得不演化出更强的视觉，否则就会被吃掉。所以就展开了一场军备竞赛。"寒武纪之后，物种从屈指可数到大爆炸式地增长到几十万种——"一个 leading theory 是，大爆发的来源就是大家在视觉层面的军备竞赛。"
最后他给出了一个最深的洞见：
"眼睛是唯一一个——它是大脑的一部分，但它是唯一一个暴露在真实世界里面的大脑部分。因为其他的大脑部分都藏在我们的头骨背后。"
"解决视觉不是要解决视觉本身，而是要解决智能本身。"
ACM 班大三必须实习一次。大多数人去微软亚研院（MSRA），那里有马毅、孙剑、何恺明——但他们不愿意收"啥也不懂的本科生"。俞勇老师劝他："你们本科生现在最重要的还是有一段研究经历，学会怎么做研究。具体做什么方向不很重要。"
谢赛宁说："我觉得不行。"
他私下联系了新加坡国立大学（NUS）颜水成老师的实验室。一切敲定以后才告诉俞勇老师。俞老师沉默了几秒钟——"我猜他心里的想法是，这个学生怎么这么刺头"——最后说："好，你去吧。"
在 NUS，导师冯佳时手把手带他，发表了第一篇 CV 论文（BMVC）。虽然"不是顶会，很不幸本科还是没能发出一篇 CVPR"，但他第一次知道了 research 是怎么回事——"真正写过一篇 paper 跟没写过，差别还是很大"。而 2012 年刚好是 AlexNet moment——深度学习时代的原点。
作者概括：谢赛宁这种"想方设法促成自己想做之事"的肌肉记忆，贯穿了他此后所有的关键决策。
申请季接近尾声，谢赛宁没有拿到任何一个他想去的计算机视觉方向 offer。一度准备去做推荐系统的研究。然后他"疯狂地跟大家写套磁邮件"。
涂卓文（Zhuowen Tu）教授在 4 月才回复——那时离 4 月 15 日 PhD 截止日已经很近。两人半夜三点打了一个电话："我任何时候都有时间。告诉他为什么我想做这件事，为什么我很欣赏你的 research，我觉得我们可以一起工作。"拿到的是 UCLA 的 offer。
办完签证、准备入学前一周——涂老师说："不好意思，我要跳槽了。我要去哪我现在也不能告诉你。你有几个选择：留在 UCLA，我把你交给其他老师托管；或者等一等，如果我去的学校你愿意来的话。"
谢赛宁："我基本上就是马上说，我就选择你了。"
后来才知道涂老师去的是 UCSD。当时 UCSD 综合排名不如 UCLA，AI 师资也在外流。但这个选择最终被证明是对的——"我不在意学校。重要的事情是我跟谁在做什么事情。这些噪音之外，这是我唯一一颗想要去关心的事情。"
谢赛宁在 PhD 期间实习了五次——NEC Lab、Adobe、Meta FAIR、Google Research、DeepMind。"每年夏天把宿舍转租出去，开着破车从南加开到北加——八个小时的路程。两个行李箱就是全部身家。居无定所。"他称之为"流浪式研究员生活"，并且"还蛮开心的"。
五次实习中，大概一半没做出什么东西。在 Adobe 做 crowdsourcing + design，"没有做出来，还对我的 mentor 心怀愧疚"。但这段消沉期让他学到"没做出来也不是世界末日"。DeepMind 在伦敦——冬天、寒风、雨，"要做 RL 相关的 research，做得很痛苦"——但让他认识到两件事：一，自己不喜欢做 RL 和机器人；二，DeepMind 的组织模式非常独特。Demis Hassabis 跟 intern 们开会时说——
"DeepMind 最后会成为一个能拿 multiple Nobel Prizes 的公司。"
"当初觉得哇这个也太 ambitious 了，是不是有点天方夜谭？但现在已经实现了至少一步。"——AlphaFold 正是在他实习期间逐渐衍生起来的。
最有收获的是在 Meta FAIR：何恺明加入了 FAIR，manager 把谢赛宁"委托"给恺明。实习前两个月毫无进展，最后一个月两人决定打 ImageNet challenge。谢赛宁提出一个 residual 的思路，恺明将其提炼为金子般的 idea。作品是 ResNeXt，"She's ResNet"——名字里的 X 既是 Next generation，也是给谢赛宁的 credit。ImageNet 挑战赛得第二名，实际上应该是第一，因为第一名是 ensemble 方案。
ResNeXt 的核心非常简洁：把 ResNet 的单层串行结构改成平行多组——一个大网络里面分布着多个小网络，每组独立计算。按现在的话说，这就是 MOE（Mixture of Experts）。"我们在 ImageNet 上看到了某种 scaling behavior：group 数目越多，网络越稀疏，同样 FLOPS 下结果越好。"
"何恺明在我心里面就是最牛逼的研究员。"谢赛宁在 FAIR 四年与恺明朝夕相处，学到的不仅是技术——更是一整套 research 方法论。
恺明的逻辑：如果坐在那儿想出来的 idea，要么 100 个人同时在想，要么别人已经试过且失败。"真正的 idea 来自探索——把 research 当玩具玩，hack 一些东西。"成功的实验给你梯度，失败的实验给你更大的梯度。梯度即 idea。探索出来的 idea，才是"属于你自己的 idea"。
这意味着一个标准的 research 六个月周期：两个月探索（hack、读论文、写 baseline）、两三个月收敛（找到信号后 scale up）、最后两个月写 paper + polish。而真正好的工作——"ResNeXt 是这样的，DiT 是这样的"——总是在最后一个月里迸发。
"最差的研究是什么样的？就是你一开始定义的 idea 和最后发表的 idea 完全一致。你没有遇到任何障碍，没有任何困难。这说明你的 idea 是一个 boring idea。"
FAIR 实习生第一课——不是学 Linux 或 PyTorch，而是学会用 Excel 表格。恺明建立的实验追踪体系：每一行是一个实验，每一列是要记录的指标。关键决策在于——哪些列要留？哪些行要放？每一行都要跟其他行产生"对照式的对比"，才能给你梯度的信号。
而且，跑实验前要先预测结果。"猜对了，思维链条可以往前推。猜错了——这也是一个 surprise，你就要问自己：我为什么想错了？最有价值的事情，是你自己观测到的一个意外。"
一个反直觉的点：performance 掉了 10 个点，不是坏事。"一个 negative 信号的反方向就是一个正向信号。最怕的是停在原地——不好不差，没有信号。"
"你的 research 上限取决于你 baseline 的好坏。"如果 baseline 很差，你很容易自欺欺人——你发现了一个信号，但可能是错的，因为 baseline 本身就不够好。恺明在 FAIR 单枪匹马从零在 TPU 上搭建了整套 infrastructure。"从底层写起，使得我们能去做 MoCo、MAE、DiT 这一系列工作。"
恺明在谢赛宁入职时送了他一本《金刚经》。核心的一句：
"凡所有相，皆是虚妄。若见诸相非相，即见如来。"
"看一篇论文的时候——重要的事情是打破这个论文给你的幻想，去追问它背后到底隐含着什么样的实质性东西。Research taste 的来源，就在于你能不能抛开所有虚无的'象'，一直去通往真理的道路。"
这解释了为什么恺明对 fame 完全不 care。"对他来说，这些 completely out of his world view。"
谢赛宁在 CVPR 给过一个 talk，叫《研究是一个无限游戏》。
棋手和运动员是有限游戏——你的最终成就取决于你最差的一步。每一步都要标准，一旦落子失误，就输了。但 researcher 更像发明家——"你这辈子只需要成功一次就够了。如果你足够幸运，可以成功几次，两次吧。但你不需要成功一百次。"
MIT 教授 Bill Freeman 有一个经典插图：横轴是论文质量（从差到极好），纵轴是对职业生涯的影响——这条曲线不是线性的。差的工作没人注意，还不错的工作也没人注意。但一旦你做出了一篇所有人都知道的工作，impact 会一跃冲到顶点。"学术界衡量的是代表作——你 optimize 的不是 average，是你的 max。"
但现在情况变了。谢赛宁观察到，"制定游戏规则的人"已经从学术界变成了 OpenAI、Google、Meta。大厂发一个产品，学术界蜂拥而至，用"花生米一样少的资源"追赶。
他列出大约 25 篇他认为"真正改变了 AI 进程"的论文：LeNet、AlexNet、ImageNet、ResNet、Transformer、GPT-3、BERT、CLIP、ViT、GAN、NeRF、DDPM……"凯明一个人出现了好几次。"谢赛宁说他自己一篇都没有——"DiT 勉强算 0.25 篇。它是在已有的切线上面推了一小步，不是彻底的范式变革。"
2022 年夏天，谢赛宁在 FAIR 招的 intern Bill Peebles 来实习。最初的目标是研究 diffusion model 学到的表征，两个月后发现表征层面价值不大——但新架构（用 ViT 替代 UNet 做 diffusion backbone）"更 efficient、更 scalable"。
最后一个月冲刺。论文投稿 → 被 CVPR 拒稿（"novelty 不够"）。换投另一个会 → 中了 oral。推特上大量讨论——但"没有人真的用它干任何事"。谢赛宁和 Bill 去找 Stable Diffusion 的人聊，跟大公司聊——都没人买账。
那时 ChatGPT 刚刚出现。FAIR 陷入无休止的"对齐会议"——"我们到底应该做什么？连续好几个星期，唯一的 topic 就是这件事。"谢赛宁说，"这是完全反 research 的。没有人会知道要做什么——这是反 bottom-up 逻辑的。"
2022 年底，Bill 毕业了。谢赛宁建议他去 OpenAI。Bill 和 Tim Brooks 在 OpenAI 获得了足够的自由度和资源，把 DiT 变成一个实际可用的系统。这个系统叫 Sora。
FAIR 甚至不让已经离开的谢赛宁在论文上署名——"只署了 NYU 和 Berkeley 的名字"。Sora 的 blog post cite 了 DiT，但讽刺的是，工业界 research lab 正在变得越来越封闭——"一开始发论文，后来只写 blog post 能加 citation……再到后面 blog post 也不能署名，只能写 'OpenAI Team'。"
"学术界和工业界的良性交流渠道，正在被打断。Credit assignment 的机制，正在瓦解。"
第一次，2018 年。谢赛宁 PhD 刚毕业。面试 OpenAI——面试官是张书敏，一张 A4 纸，铅笔手写的面试题，在一个小黑屋里关了五六个小时。"我觉得太有意思了，这个地方很有意思。"拿到了 offer。
但"那时候想都没想，我就想去 FAIR"。FAIR 有"计算机视觉三驾马车"——何恺明、Pieter Abbeel、Russ Girshick。"他们做的研究就是最顶尖的 CV 研究。对我来说没有什么好选的。"
Ilya 打电话来了。"非常生气。他问我说，你为什么不讨论一下就把 offer 拒了？是我们给的钱不够吗？"谢赛宁搪塞了几句。"我说抱歉，不能去。"
在 2018 年，这个选择在很多维度上是"错"的——如果目标是教职，就应该留在恺明团队发更多 paper。但谢赛宁的标准始终只有一个："我只考虑我应该去哪里，做我最想做的事情，跟我最想共事的人一起共事。"
第二次，2024 年。Ilya 刚成立 SSI（Safe Superintelligence Inc.），给谢赛宁发邮件。两人在纽约街头走了一段。这次聊的不是薪酬——而是"怎么样给未来的人工智能给予爱的能力"。
谢赛宁最后问了一句："你对 multimodal 这件事怎么看？对计算机视觉怎么看？"
Ilya 的回答："这件事情已经解决得很不错了。"
谢赛宁又拒绝了。SSI 有自己的基于语言的路线，"这条路线至少在现在为止，不是我想要设计的"。
但他不认为这是"分歧"。"兄弟爬山，各自努力。LLM 跟我想做的事情不冲突。没有 LLM 最近的这些发展，可能也没有现在计算机视觉现在的这种状态。"
"LLM 永远不会死，但终将凋零。"（They won't die, they will just fade away.）这句话可能是整期对话最具冲击力的断语之一。
谢赛宁的论证是层层递进的。首先，语言模型不是自监督学习，而是强监督学习。"语言是什么？是人类几千年 civilization process 了所有关于这个世界的一切，然后以一个 tokenized 的方式存储下来。恰好我们有了互联网，把这些 knowledge 全都 upload 了上去——所以对于 LLM researcher 来说，这件事是 for free。但一个东西免费，不代表它没有 label。"
其次，语言是交流工具，不是思考工具。"我们使用语言的时候，除非说梦话——大部分时候你是带着 intention 的，你要传达一个目的。所以 LLM 更像是一个 search engine 的延伸。我们总要带着心里的目的去问一个问题，然后 expect 一个答案。但这件事情不是 world model 的实质。World model 在我们大脑的 background 做了很多很多的工作——甚至在你决定要按哪个按钮之前，你的大脑已经替你做好了这个决定。"
第三，LLM 是"反 Bitter Lesson"的。Rich Sutton 的 Bitter Lesson 说应该尽量减少 human knowledge，多用 search 和 learning。但语言本身就是人类极其聪明的一个产物、精巧的 structure。"如果讨论怎么刻画这个世界，语言就是这种 structure。LLM 并没有像 Bitter Lesson 说的那样抛弃人类的聪明才智——它正建立在这个基础之上。"
最终，谢赛宁用一个比喻收束了所有论证：
"语言其实是一个毒药，或者说是一个鸦片。你加多语言总是会觉得更幸福的——它是一个 shortcut。但如果你一直吸鸦片你就废了。如果一直拄着拐，你也没有办法训练你大腿的肌肉。"
视觉就是那条"弱势的腿"。在多模态系统中，语言提供了巨大的好处，但也制造了严重的问题——许多所谓的"多模态"任务跟视觉无关，纯粹是语言在解决。"我现在非常担心语言对视觉的污染。而且这个污染已经在发生了。"
在谢赛宁的定义里，世界模型是一个 predictive function：给定环境状态 S_t 和动作 A_t，预测下一个状态 S_{t+1}。
这个概念并不新——1943 年生理学家 Kenneth Craik 就提出人在脑中拥有世界模型；1960-70 年代 control theory 里用 model predictive control 把探测器送到月球；后来的 model-based RL 里，Rich Sutton 的 Dyna 架构也围绕世界模型展开。
谢赛宁认为，世界模型不是什么神秘的 new thing——它是表征学习的自然延伸。"什么是 state？state 是最少的信息来描述一个系统——取决于你要解决什么任务。这恰恰就是层次化表征的任务：从 pixel → edge → shape → object → scene，逐层抽象，丢掉无关细节。"
对于 safety，世界模型提供了和大语言模型完全不同的路径：
"LLM 的 safety 是通过 fine-tuning alignment 实现的——喂数据让它知道什么话不能说。真正的世界模型你不需要这样做，因为你可以预测你的 action 会导致什么后果——你可以在 inference time 就尽量避免这样的行为。"
他认为，目前有三条不同的世界模型路线在同时推进：
"我们每个人都在世界模型的道路上往前走。世界模型是一个目的，不是一个具体的算法或者技术路线。可能过不了几年，现在这些争论会显得异常可笑——因为大家其实都在往这条路线发展。"
谢赛宁在 NYU 发起了 Cambrian 系列。Cambrian-1 是一个多模态系统的系统性研究——"只不碰 LLM 部分"，其他全做充分的 ablation。Cambrian-X 则提出了一种划分 vision 能力的阶梯：L0 纯语言（柏拉图洞穴）→ L1 Show & Tell → L2 连续视觉流认知 → L3 空间智能 → L4 预测性世界模型。
名字"寒武纪"的用意：寒武纪大爆发的一个 leading theory 是视觉诞生引发了物种军备竞赛——"寒武纪是视觉的起点。"论文视频也颇具风格——学生拿着摄像机在纽约街头边走边拍，被称为"写给纽约的情书"。
在表征学习的延续上，REPA（Representation Alignment）让 diffusion model 的内部表征与外部自监督模型的表征对齐。RE（Representation Autoencoder）更进一步：用外部强的表征直接作为生成模型的编码器。"这让我能够 make a bet：世界上只有一件事情是重要的——怎么学到这个表征。当你有足够好的表征后，上面处理其他问题都是简单的。"在他设想的未来架构中，LLM 会退化为"一个 simple communication interface"，生成、action 都变成表征层的解码器。
马毅老师给了关键鼓励。"有人质疑你的表征层维度太高，会不会难以训练？马老师站出来说，你们一定不能害怕高维度——高维是所有机器学习的基石。"
2025 年，谢赛宁做了一个"玄学决定"——与杨立昆联合创立 Emi Labs（AMI Labs）。
触发点是他意识到可能陷入的"中等 paper 陷阱"——会发一些不错的论文，但限于学校资源，无法把 idea 真正推广成新的 breakthrough。"在学校里面资源紧缺。学校是很好的平台，让我有足够空间去找到想做的事。但好像现在是一个时间点。"
杨立昆的"魔法"在起作用。"跟 Yang 说话有点像哈利波特施咒——说一些话，你就不会想其他的了。"谢赛宁只纠结了一个星期。
Emi Labs 的叙事是"反向 OpenAI"：
"World model needs the world。我们想要 build 一个反向的 OpenAI——草根联盟的感觉。大家通过某种合作伙伴的方式，一起去共建这样一个模型。形成闭环：初始世界模型 → deliver 给工业合作伙伴创造价值 → 产生更多数据 → 反哺世界模型。"
公司的架构本身也是去中心化的：总部在巴黎，另有纽约、蒙特利尔、新加坡三个办公室。"哪里有人才，公司就在哪里。"第一天就有四个 office。
招人哲学同样与众不同："我们不想把已经 established 的 superhero 聚到一起。一个人很难被闪电击中两次——如果已经发过那 25 篇改变 AI 的 paper 中的一篇，再发一次的概率会低很多。"
他们刻意没有把公司放在硅谷。"Silicon Valley 已经深陷于 large language model 的催眠了。被催眠的人总有醒来的一刻。"估值 30 亿欧元，融资不难（"有 Yang 在确实不难"），但硅谷里"大部分人"不相信他们——"你们可以不相信我们。let's see。这条路我已经 all in 了。"
JEPA（Joint Embedding Predictive Architecture）是杨立昆 2022 年提出的认知架构。在很长一段时间里，谢赛宁认为它"不过是 yet another self-supervised learning algorithm"。
转折是逐步发生的。先是看到有人在严格证明 good representation → isotropic Gaussian distribution——发现 JEPA 背后有数学原理。然后是读到杨立昆 2022 年论文里更大的图景：JEPA 不是模型，不是具体算法——是一整套 cognitive architecture，包含 world understanding、prediction、planning。
"JEPA 是一个非常非常广阔的海洋，在这个海洋里面可以有好多好多的船。LM 也是其中的一部分。"
他越来越确定这个方向值得投入。"现在很多 LLM startup 是把事情往小里做。但 Emi Labs 是在刻意把事情做大——有足够的空间去探索、去 scale up，直到我们能有一个新的 breakthrough。"
而最终的 to C 产品会是什么？谢赛宁不知道——但他认为有两个最有希望的出口：一是 AR 眼镜 / wearable device——always on、持续摄入视觉流、提供智能决策；二是机器人的"大脑"——"我想通过不做 robotics 的方式去解决 robotics 的问题。所有机器人创业公司，包括大厂的机器人团队，都没有在解决大脑的问题。"
杨立昆一直反对 AGI 的叙事，谢赛宁继承了这个观点并给出了自己的论证。
从信息论的角度：人拥有约 200 万根视觉神经纤维，理论上可以 model 的视觉函数数量是天文数字——"但人真正能 process、能看到的东西其实趋近于零。人的智能是一个非常 specialized 的智能。人只能认知到自己能看到的东西。AGI 不是一个 well-defined 的概念。"
从进化论的角度：如果把 5.3 亿年缩短到 24 小时，人类的语言和抽象思维能力只存在于最后的 8 到 10 秒。而在这之前，动物已经拥有了各种形式的智能——狗的嗅觉、蝙蝠的听觉、黑猩猩的政治博弈（"四只黑猩猩的权力博弈很像纸牌屋"）。
Richard Sutton 给了最有力的表述：
"你觉得 LLM 写代码、拿 IMO 金牌、去月球很伟大吗？我不觉得。打造一只松鼠的智能，才是真正的难题。一旦你有了一只松鼠的智能——能在真实世界活下去，有自己的目标、饥饿感、情绪——后面的写代码、上火星，都是再容易不过的事。"
谢赛宁推荐阅读 Franz de Waal 的《Are We Smart Enough to Know How Smart Animals Are？》。"看了这本书之后，我会放弃更多人类的自大。智能的演进是一个连续的过程——不是人类才独一无二。"
这也解释了为什么 robotics 迟迟不能突破。"12 岁的孩子能做完全部家务。没有任何机器人能做到。所有系统收敛到 VLA（Vision-Language-Action），以 LLM 为 foundation。没有人做预训练。这是一个预训练的下半场。"
谢赛宁在对话尾声引用了《银河系漫游指南》的 42。
"这个世界当然是一个巨大的世界模型。但你能预测命运吗？不能。因为资源不够——你需要有整个宇宙作为你的计算机，才能告诉你关于生命、宇宙和任何事情的答案。这个答案最后可能是 42。"
他批判了那些把维特根斯坦"语言的边界就是我世界的边界"拿来为 LLM 背书的做法——"晚期维特根斯坦完全推翻了自己，提出了'语言游戏'。语言的意义来源于跟真实世界的实践发生关系。这件事情就很世界模型了。"
当被问到"这个世界的世界模型让你觉得什么重要什么不重要"时，他说——
"人与人之间的真诚交流是重要的。也许其他都不重要。但在某一个时间点上，我也会说创业很重要、research 很重要。归根结底，我还是相信人与人之间的交流。"
这不仅仅是哲学——它已经在现实中应验。融资时，一个投资人坚持要投他，原因是他认识的一个创业者（他只见过一次）说："你们一定要投赛宁，不管以什么方式都要帮到他。"那个创业者叫 Robin Rombach——Stable Diffusion 的作者。
"这种信任关系是建立在你的学术工作之上的。这种信任甚至远超于真正的 personal connection。大家通过你的作品了解你，然后这件事情会传承下去，走得很远。"