第104章 新作？（5.4k） (第2/2页)
他确实对那件事有些不爽，但他现在的不回应，纯粹是在执行田院士和杨力昆的拖字诀和囚徒困境策略。
时间一分一秒地过去，会议室里的气氛越来越压抑，大卫·陈绞尽脑汁，也想不出还能说些什麽来打动眼前这位不动明王。
终於，漆昊懂了，他看了一眼手机。
半个小时了，外面的人应该都猜的差不多了吧？
漆昊开口说：「陈先生，感谢你们的坦诚，我理解微软的诚意，QInet目前有多个潜在的合作方向，我会慎重考虑你们的提议，今天就到这里吧，我後面还有别的安排。」
说完，他站起身，朝对方点了点头，然後转身就走，没有一点拖泥带水。
只留下大卫·陈和他的团队面面相觑。
不是，漆昊他到底是怎麽想的？
慎重考虑是客套话还是真有希望？
这就像你对着女神一顿深情表白，结果对方回了你一句「哦，知道了，先去洗澡了」的感觉一样，让人抓耳挠腮、百爪挠心。
偏偏他连追问的勇气都没有，生怕多说一句就破坏自己在对方心中的形象。
都怪该死的帕万！
不是他，这次谈判也不会如此被动！
接下来的谷歌团队，风格则截然不同。
他们没有过多的寒暄，技术负责人直接切入主题，从QInet模型与谷歌TPU架构的适配性，谈到其在安卓系统和谷歌大脑项目中的应用前景，展现了强大的技术理解力和执行规划。
——
最後，他们开出的条件是1000万美元现金签约奖金，外加价值约2000万美元的谷歌RSU，分四年归属，同时承诺为漆昊在山景城组建一个独立的算法实验室，并提供几乎无上限的计算资源。
这是一个几乎无法拒绝的打工人皇帝套餐。
漆昊依旧没答应。
一连聊了几个团队，开价还没有谷歌好，最後，轮到了那位穿着黑色皮夹克的男人。
会议室里，只剩下漆昊和老黄两个人。
「漆，我看了你的模型，很漂亮，也很实用。」
「所以，我今天来，不是想买你的技术，也不是想雇佣你，我想和你做个交易，一个长达四年的技术合夥人交易。」
他没有给漆昊提问的机会，直接抛出了自己的方案：「我们的要求很简单，你不需要来英伟达坐班，你仍然是你自己，你之後去学校深造我们也不会管你。」
「在接下来的四年服务期内，你只需要每年与我的核心架构师团队进行四次远程技术会议，帮助我们解决算法在GPU上的部署、算子调优以及未来架构设计等相关问题，当然，如果你有兴趣，欢迎你随时来矽谷总部。」
「最後，也是最重要的，作为回报，英伟达将授予你公司总股本0.2%的RSU，合计1182800股，分四年归属，没有现金底薪。」
「另外，在你服务期内，英伟达旗下所有型号的GPU，包括尚未发布的，你和你的实验室都可以免费，无限制使用。」
「你在国内建立实验室所需的所有硬体设备，我们全额资助，你参加任何国际学术会议的经费，我们全额补贴。」
漆昊的大脑飞速运转。
根据之前他跟方源派来的人聊，英伟达的总股本大约是6亿股，股价在15美元左右徘徊，这意味着，这118.28万股股票，在当下股价还没有飞升的时候，价值就高达近1774.2
万美元。
漆昊非常清楚，随着深度学习领域逐渐开始出成果，英伟达的股价绝不可能停留在15
美元，十年後，这个数字後面可能要加一个零！
老黄看着漆昊眼中一闪而过的震惊，他知道对方听懂了。
他靠回椅背，摊了摊手，语气变得轻松起来：「漆，不瞒你说，我本人在英伟达的持股也只有3.97%左右，我给你0.2%，是为了邀请一位能与英伟达一同定义未来的合夥人。」
「你的QInet证明了算法的极限可以被数学突破，而我的工作，就是将这种突破转化为推动世界前进的算力，你负责定义天空的高度，我负责打造抵达天空的引擎，我们一起，怎麽样？」
这番话，将漆昊的个人价值，提升到了时代定义者之一的高度。
漆昊沉默了很久，久到老黄都以为他要当场答应了。
然而，漆昊最终还是缓缓地摇了摇头。
「黄总，感谢您的坦诚和令人震撼的远见，这个方案的分量太重了，我无法立刻给您答覆，我需要时间去思考一下。」
「这是我能给出的最大诚意了。」老黄握住他的手，非常自信，认为对方不会拒绝自己，「没关系，我等得起，真正有价值的东西，都值得等待。」
那张写着式子的白板照片，在被上传到普林斯顿数学系研究生大群後，起初并没有引起太大的波澜。
毕竟，这帮天天跟庞加莱猜想，朗兰兹纲领死磕的纯数疯子们，在他们看来，白板上的这行式子书写极不规范，有些人还怀疑是哪个民科写的。
「这写的是什麽玩意？同伦群的映射框架呢？测度收敛的前置紧致性证明呢？这跳步跳得连希尔伯特看了都要掀起棺材板了。」
——
「这个是漆昊大神写的。」
「这样啊，那情有可原了，希尔伯特的棺材板可以盖回去了。」
群友滑跪的速度之快，让发照片的人都无语了。
「不过真正有价值的东西，漆神会写到白板上？」
「怎麽不会呢，大神有时候灵感来了，都会随手写写画画的！」
「我们来逐—解析下，L（n）=inf{Ψ∈n}sup—{∈1^5}M（Ψ（））≥2π2。」
「这里的门，一般人只看到了映射类，我找计算机的人问了下，结合上下文，它更可能指代的是一个由特定神经网络架构参数化後，所生成的所有可能的特徵提取器所构成的函数空间，这是一个无穷维的巴拿赫空间。」
「而Ψ∈门，就是在遍历这个空间里所有的可能性，寻找一个最优的特徵提取器Ψ。
91
「这对应了深度学习中的架构搜索和参数优化，但漆昊显然把它提升到了泛函分析的高度。」
「接下来是关键，sup{∈I^5}M（Ψ（）），I^5代表一个标准化的五维输入空间，比如一个归一化处理後的图像块的某种抽象。」
「而M（Ψ（）），我猜测M不是一个简单的测度算子，它更像是一个基於豪斯道夫距离改造而来的。」
「它衡量的不是输出值的大小，而是经过神经网络Ψ这个复杂的非线性映射後，输入空间附近的局部流形结构，被扭曲，摺叠的程度！」
「所以，这一整块sup——{∈l^d}M（Ψ（））的含义是，对於一个给定的网络Ψ，我们在整个输入空间中，寻找那个能让它产生最严重几何畸变的输入。」
「这代表了该网络性能的短板，是它最不擅长处理的情况。」
有人忍不住打字反驳：「这也太夸张了！就算你的解释成立，那最後的≥2π2又是什麽意思？凭空冒出来一个常数下界？这不符合数学的严谨性。」
这人立刻回覆：「这才是最妙，你还记得格罗莫夫关於流形的理论吗？」
「换句话说，漆昊认为，一个神经网络想要无损处理信息，是不可能的，其性能极限，不是由计算能力或者数据量决定的，而是由载体本身拓扑结构决定的！他在用一个数学式子，给深度学习领域，划定了拓扑的边界！」
「是吗？我怎麽感觉有什麽不对！」
「我认为他说的是对的！」
「谢特，也就是说，漆神又要在神经网络上整活了？」
普林斯顿数学系研究生大群的截图，就像一枚被投入网际网路信息海洋的鱼雷，引起了一连串的连锁反应。
起初，它只是在学术圈的小范围内流传，比如一些顶尖高校的内部论坛和群聊组里。
很快，一位在科技媒体实习的博士生，知道漆昊最近的热度，嗅到了巨大新闻价值的他，匿名将截图打包发给了一家知名科技博客。
第二天，当太阳照常升起时，《拓扑学：东方天才为神经网络再添新作？》这一篇文章出现在了数学圈和计算机圈。
漆昊看到这篇文章後，陷入了沉思。
不对啊，他当时没想神经网络的东西。
>