陳星沉默了幾秒。
說實話，這套條件確實是紅星開不出來的。
不是錢的問題，是土壤的問題。
Facebook有十億級別的使用者基數，有全球最大的社交圖譜資料，有成熟的工程基礎設施。
楊立坤在FAIR做出來的任何成果，第二天就可以在十億人的產品上驗證效果。
紅星呢？紅星的核心業務是硬體和作業系統和消費電子硬體，使用者資料的維度和Facebook完全不在一個量級，每一條業務線都需要技術服務於產品。
一個做基礎AI理論研究的科學家，到了紅星，他怕什麼？
怕自己從一個探索未知的研究者，變成一個服務產品線的工程師。
怕自己提出一個需要五年才能驗證的理論，兩年半後被叫去開會，對面坐著一群產品經理，問他這個理論能不能讓拍照更清楚。
這種恐懼不是沒有道理的。
全世界的大型科技公司裡，基礎研究團隊被產品線綁架的案例比比皆是。
貝爾實驗室輝煌的時候能發明電晶體，可後來呢？
當母公司開始要求每個專案都要和營收掛鉤的時候，貝爾實驗室就不再是貝爾實驗室了。
“他最後拒絕了？”
“拒絕了。”甘良才翻開一頁筆記，“鄧力的情況和楊立坤不一樣，他的拒絕更實際。”
“鄧力現在在微軟內部的位置非常好，微軟己經允許他搭建自己的深度學習團隊，而且首接對接Bing的語音搜尋和翻譯業務線，陳總知道這意味著什麼嗎？”
“意味著他有資料。”陳星接過話。
“對。海量的真實語音資料集，幾十種語言的翻譯語料，加上微軟己經跑了十幾年的成熟工程團隊幫他把論文裡的東西落地成產品。”甘良才掰著指頭數，“而且他跟Hinton保持著長期穩定的合作關係，兩個人的論文經常互引。這種學術圈子裡的關係網路，不是你換一家公司就能帶走的。”
“所以他說做語音識別需要大規模的真實使用者資料，這個資料不是你花錢買伺服器就能搞定的，它必須來自真實場景的真實使用者。微軟有Bing，有Office，有Skype，使用者量擺在那裡。”
甘良才抬起頭看著陳星。
“他問我，紅星有什麼？”
有什麼。
紅星有手機、有作業系統、有使用者基數。
但紅星沒有搜尋引擎，沒有社交平臺，沒有語音類的網際網路C端業務。
手機端的資料？有是有，但和微軟那種級別的語料庫比起來，差距不是一星半點。
而且這個節骨眼上，也不能隨意呼叫……
“還有一點。”甘良才補充道，“鄧力現在正處於推動微軟內部深度學習落地的關鍵視窗期。微軟的管理層最近對AI的態度發生了轉變，開始願意投入更多資源進來。這個視窗期過去了可能就沒有了，鄧力如果這時候跳船，等於把前面三年的積累全扔了。”
陳星能理解。
。了來起搭也隊團，了斜傾始開於終源資，向方的你了信相層理管讓易容不好，間時年三了花司公家一在你
。幹會不都誰了換？來再頭從司公家一換候時個這
”。說著接“
。異小同大題問，遍一了過況的人個幾下剩把才良甘
。奏節斷中意願不，段階的果出於好正室驗實是的有
。多得大要得象想界業工比重權的圈學在素因個這定穩，制編久永者或職教終的廠大了到拿經己是的有
