陈星沉默了几秒。
说实话，这套条件确实是红星开不出来的。
不是钱的问题，是土壤的问题。
Facebook有十亿级别的用户基数，有全球最大的社交图谱数据，有成熟的工程基础设施。
杨立坤在FAIR做出来的任何成果，第二天就可以在十亿人的产品上验证效果。
红星呢？红星的核心业务是硬件和操作系统和消费电子硬件，用户数据的维度和Facebook完全不在一个量级，每一条业务线都需要技术服务于产品。
一个做基础AI理论研究的科学家，到了红星，他怕什么？
怕自己从一个探索未知的研究者，变成一个服务产品线的工程师。
怕自己提出一个需要五年才能验证的理论，两年半后被叫去开会，对面坐着一群产品经理，问他这个理论能不能让拍照更清楚。
这种恐惧不是没有道理的。
全世界的大型科技公司里，基础研究团队被产品线绑架的案例比比皆是。
贝尔实验室辉煌的时候能发明晶体管，可后来呢？
当母公司开始要求每个项目都要和营收挂钩的时候，贝尔实验室就不再是贝尔实验室了。
“他最后拒绝了？”
“拒绝了。”甘良才翻开一页笔记，“邓力的情况和杨立坤不一样，他的拒绝更实际。”
“邓力现在在微软内部的位置非常好，微软已经允许他搭建自己的深度学习团队，而且直接对接Bing的语音搜索和翻译业务线，陈总知道这意味着什么吗？”
“意味着他有数据。”陈星接过话。
“对。海量的真实语音数据集，几十种语言的翻译语料，加上微软已经跑了十几年的成熟工程团队帮他把论文里的东西落地成产品。”甘良才掰着指头数，“而且他跟Hinton保持着长期稳定的合作关系，两个人的论文经常互引。这种学术圈子里的关系网络，不是你换一家公司就能带走的。”
“所以他说做语音识别需要大规模的真实用户数据，这个数据不是你花钱买服务器就能搞定的，它必须来自真实场景的真实用户。微软有Bing，有Office，有Skype，用户量摆在那里。”
甘良才抬起头看着陈星。
“他问我，红星有什么？”
有什么。
红星有手机、有操作系统、有用户基数。
但红星没有搜索引擎，没有社交平台，没有语音类的互联网C端业务。
手机端的数据？有
本章未完，请点击下一页继续阅读！