Illustration by Sandbox Studio, Chicago with Ana Kova

無(wú)法想象的復(fù)雜。在頭腦真空地帶和數(shù)據(jù)集群之間的光線。就像城市的燈光，在消退。

——William Gibson, Neuromancer

或許連黃鼎隆自己都沒(méi)有意識(shí)到，他的名字首字母（DingLong）的縮寫(xiě)恰好也是深度學(xué)習(xí)（Deep Learning）的縮寫(xiě)。

他和美國(guó)人碼特（Matt Scott）創(chuàng)立的是一家專注于深度學(xué)習(xí)的技術(shù)公司。兩位創(chuàng)始人，一個(gè)出生于30多年前剛剛被改革開(kāi)放春風(fēng)拂過(guò)的深圳，入學(xué)清華讀博士從未有海外留學(xué)的經(jīng)歷；另一人則來(lái)自大蘋(píng)果城紐約，身為猶太人早在90年代就來(lái)到中國(guó)并這塊土地及人結(jié)下了不解之緣。

在差異性和多元化的浪潮在太平洋彼岸的美國(guó)逐漸退卻之時(shí)，在中國(guó)，兩個(gè)有著不同文化背景及人生經(jīng)歷的人走在一起結(jié)成創(chuàng)業(yè)伙伴，一種微妙而有趣的關(guān)系蔓延在兩人之間。

盡管來(lái)到中國(guó)十多年，但是碼特的中文依然不靈光，在接受采訪時(shí)還要黃鼎隆充當(dāng)翻譯。但是，想必是在中國(guó)同事的耳濡目染下，碼特已經(jīng)習(xí)慣成自然地將 C++ 稱作“C 加加”，而在黃鼎隆慢條斯理地向別人介紹公司的情況的同時(shí)，美國(guó)人卻又往往扮演起熱情而熾烈的布道者，他帶著紐約人特有的自豪與夸耀的語(yǔ)氣向別人講述他對(duì)中國(guó)和中國(guó)人民的愛(ài)。

在過(guò)去兩年多的時(shí)間里，創(chuàng)業(yè)的兩人始終處在深邃卻又激烈的漩渦之中，何止是他們，還有某個(gè)因?yàn)楣ぷ魃铣思劼┚涂薇亲拥募嫱ㄓ⑷针p語(yǔ)的小姑娘，他們都在宵衣旰食的創(chuàng)業(yè)人生中沉浮激蕩。

又何止這家公司，在過(guò)往的兩年甚至可以追溯得更久遠(yuǎn)的時(shí)間里，以人工智能及深度學(xué)習(xí)為例的技術(shù)領(lǐng)域和整個(gè)商業(yè)世界都在猛烈地生老病死進(jìn)行著新陳代謝，而更大的現(xiàn)實(shí)世界更是如此。

世界一直在變，在此變化著的世界里，那些本就各異的人，他們又發(fā)生著怎樣的變化，他們又在自己力所能及的范圍如何改變這個(gè)世界。

巴別塔

早在兩千多年前，希臘的亞里士多德（Aristotle）就說(shuō)過(guò)，了解你自己是智慧的初始。然而自圖靈（Alan Turing）提出他偉大的計(jì)算機(jī)和人工智能構(gòu)想之后，自機(jī)器出現(xiàn)以后，人類就已經(jīng)不再只是滿足于僅僅了解自身，他們?cè)噲D建筑一座后現(xiàn)代的技術(shù)巴別塔，讓人和機(jī)器之間不再有隔閡，他們想更多地了解機(jī)器，了解蘊(yùn)含于0和1里的混沌世界。

正是這樣的野心和好奇心，不斷推動(dòng)著人工智能和隨后的機(jī)器學(xué)習(xí)深度學(xué)習(xí)的進(jìn)步發(fā)展。

1943年，沃倫. 麥卡洛克（Warren McCulloch）和沃爾特·皮茨（Walter Pitts）在閾值邏輯算法的基礎(chǔ)上提出了可以應(yīng)用于神經(jīng)網(wǎng)絡(luò)的計(jì)算模型。8年后，被后人譽(yù)為“人工智能之父”的馬文·明斯基（Marvin Minsky）在他24歲的時(shí)候就組裝了出了歷史上第一臺(tái)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)機(jī)器 SNARC。

年輕時(shí)的羅森布拉特 來(lái)源：peoples

基于只有簡(jiǎn)單加減法運(yùn)算的兩層電腦神經(jīng)網(wǎng)絡(luò)，弗蘭克•羅森布拉特（Frank Rosenblatt）在1957年創(chuàng)造出了可以進(jìn)行模型識(shí)別的“感知器”（Perceptron），他同時(shí)還提出了加入數(shù)學(xué)符號(hào)的神經(jīng)網(wǎng)絡(luò)層，而這樣的想法直到整整20年后才得以實(shí)現(xiàn)，同時(shí)，羅森布拉特描繪的在“感知器”中應(yīng)用的異或邏輯電路系統(tǒng)直到保羅·維博思（Paul Werbos）在近20年后提出“反向傳播算法”（Backpropagation）時(shí)才應(yīng)用到神經(jīng)網(wǎng)絡(luò)之中。

然而，明斯基和西摩爾·帕普特（Seymour Papert）在1969年出版的書(shū)里提出了計(jì)算器機(jī)器應(yīng)用神經(jīng)網(wǎng)絡(luò)的兩大阻礙因素，他們認(rèn)定感知器無(wú)法處理或與邏輯電路，同時(shí)，他們還相信電腦沒(méi)有足夠的運(yùn)算能力來(lái)滿足大規(guī)模神經(jīng)網(wǎng)絡(luò)的長(zhǎng)時(shí)間運(yùn)行。兩位權(quán)威人物的意見(jiàn)意外地中斷了人工智能研究的勢(shì)頭和方向，羅森布拉特的天才設(shè)想被業(yè)界拋棄，人工智能的發(fā)展在整個(gè)70年代幾乎陷入了萬(wàn)馬齊喑的境地。

1971年，在43歲生日當(dāng)天，羅森布拉特乘船不幸發(fā)生意外英年早逝，而就在這年，有科學(xué)家提出了利用 GMDH（Group Method of Data Handling，數(shù)據(jù)分組處理）算法來(lái)訓(xùn)練組成一個(gè)8層的深度網(wǎng)絡(luò)，直到1979年，斯坦福大學(xué)的團(tuán)隊(duì)終于造出了可以自行在房間內(nèi)導(dǎo)航并規(guī)避障礙物的“斯坦福車”（Stanford Cart），一年后，福島邦彥公布了用于識(shí)別手跡的多層神經(jīng)網(wǎng)絡(luò)“神經(jīng)認(rèn)知機(jī)”（Neocognitron），這套算法激發(fā)了隨后的卷積神經(jīng)網(wǎng)絡(luò)的誕生。

在1989年，法國(guó)的燕樂(lè)存（Yann LeCun）團(tuán)隊(duì)成功地將反向傳播算法應(yīng)用了深度神經(jīng)網(wǎng)絡(luò)中以實(shí)現(xiàn)識(shí)別郵件上的手寫(xiě)郵編，但缺點(diǎn)同樣也異常顯著，他們光用算法訓(xùn)練深度網(wǎng)絡(luò)就耗費(fèi)了3天的時(shí)間，深度神經(jīng)網(wǎng)絡(luò)在此時(shí)顯然沒(méi)有任何實(shí)用性可言。

三年后，翁巨揚(yáng)提出了“生長(zhǎng)認(rèn)知網(wǎng)”（Cresceptron），成功地從2維和3維混雜的場(chǎng)景中自動(dòng)識(shí)別出了3D 對(duì)象，和日本科學(xué)家的神經(jīng)認(rèn)知機(jī)需要程序員手動(dòng)合并識(shí)別中的某些特征不同的是，生長(zhǎng)認(rèn)知網(wǎng)可以自動(dòng)學(xué)習(xí)每一層神經(jīng)網(wǎng)絡(luò)里未被監(jiān)督的特征，后者還同時(shí)能在神經(jīng)網(wǎng)絡(luò)里通過(guò)后臺(tái)分析將習(xí)得的項(xiàng)目分門(mén)別類。

尤爾根·施密特胡博（Jürgen Schmidhuber）在1993年利用神經(jīng)歷史壓縮機(jī)通過(guò)“遞歸神經(jīng)網(wǎng)絡(luò)”（recurrent neural networks，RNNs）解決了一個(gè)同時(shí)有上千層神經(jīng)網(wǎng)絡(luò)展開(kāi)的“非常深度學(xué)習(xí)”的任務(wù)。

兩年后，科學(xué)家們進(jìn)一步證明了，利用算法可以成功訓(xùn)練一個(gè)緊密聯(lián)系的6層神經(jīng)網(wǎng)絡(luò)，盡管整個(gè)訓(xùn)練過(guò)程耗時(shí)長(zhǎng)達(dá)2天。根據(jù)燕樂(lè)存的估計(jì)，在本世紀(jì)初時(shí)，遞歸神經(jīng)網(wǎng)絡(luò)識(shí)別處理全美一到兩成的手寫(xiě)支票。

但是，由于在人工智能神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks）過(guò)長(zhǎng)的計(jì)算時(shí)間以及科學(xué)家們當(dāng)時(shí)一直不清楚人類大腦通過(guò)生物網(wǎng)絡(luò)自主連線的運(yùn)行機(jī)理，于是，在90年代及整個(gè)千禧年初期，神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)在實(shí)踐上并沒(méi)有大規(guī)模開(kāi)展。

2014年時(shí)在 Google 工作的辛頓 Photo: Josh Valcarcel/WIRED 來(lái)源：WIRED

事實(shí)上，早在80年代中期，深度學(xué)習(xí)的相關(guān)理論就已經(jīng)在機(jī)器學(xué)習(xí)領(lǐng)域開(kāi)始得到傳播，而到了新千年，前者也開(kāi)始流傳到了人工智能神經(jīng)網(wǎng)絡(luò)界，但是直到2006年，杰弗里·辛頓（Geoffrey Hinton）和魯斯蘭·薩拉庫(kù)蒂諾夫（Ruslan Salakhutdinov）的研究成果引起了大家的關(guān)注和熱情。

他們指出，一個(gè)多層的“前向反饋神經(jīng)網(wǎng)絡(luò)”（feedforward neural network）可以一次預(yù)訓(xùn)練一層神經(jīng)網(wǎng)絡(luò)并像未被監(jiān)督的受限玻爾茲曼機(jī)（restricted Boltzmann machine）一樣依次訓(xùn)練每一層，在此基礎(chǔ)上調(diào)整好它對(duì)監(jiān)督下的反向傳播算法的應(yīng)用。這使得提升深度學(xué)習(xí)速度有了切實(shí)的操作可能性。

深度學(xué)習(xí)越來(lái)越多地從實(shí)驗(yàn)理論投入到了應(yīng)用領(lǐng)域。

深度學(xué)習(xí)在語(yǔ)音識(shí)別領(lǐng)域體現(xiàn)出了前所未有的巨大優(yōu)勢(shì)

2009年，鄧力邀請(qǐng)辛頓到雷蒙德的微軟研究院進(jìn)行深度學(xué)習(xí)在語(yǔ)音識(shí)別上的應(yīng)用研究，兩人共同組織了當(dāng)年 NIPS 上該領(lǐng)域的研討會(huì)，是次主要討論了語(yǔ)音深度生成模型（deep generative model）方面的限制和基于深度神經(jīng)網(wǎng)絡(luò)（deep neural nets，DNN）的大數(shù)據(jù)領(lǐng)域存在的可能性。

兩位科學(xué)家的研究最終得出讓人驚喜的成果，他們發(fā)現(xiàn)，即使沒(méi)有預(yù)訓(xùn)練，通過(guò)對(duì)數(shù)據(jù)尤其是大量基于文本輸出層的深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，錯(cuò)誤率較之 GMM-HMM 和其他高級(jí)生成模型的語(yǔ)音識(shí)別系統(tǒng)都出現(xiàn)了顯著的降低，其他幾個(gè)主要的語(yǔ)音識(shí)別研究團(tuán)隊(duì)也證實(shí)了鄧力和辛頓的結(jié)論。

深度學(xué)習(xí)震動(dòng)了整個(gè)語(yǔ)音識(shí)別領(lǐng)域，同樣是在這一年，斯坦福大學(xué)的李飛飛教授開(kāi)放了她在2007年創(chuàng)建的 ImageNet 的數(shù)據(jù)庫(kù)。

2012年還在 Google 的吳恩達(dá) Credit Jim Wilson/The New York Times 來(lái)源：《紐約時(shí)報(bào)》

在過(guò)往，被用來(lái)訓(xùn)練圖片處理識(shí)別的數(shù)據(jù)庫(kù)主要是 MNIST，它涵蓋了6萬(wàn)張訓(xùn)練圖片和1萬(wàn)張測(cè)試圖片，截至目前為止，研究團(tuán)隊(duì)在 MNIST 上取得的最佳成績(jī)是0.23%的錯(cuò)誤率，到了2012年，丹·奇雷商（Dan Ciresan）團(tuán)隊(duì)在 CVPR 上提交的論文向大家展示了 GPU 上最大池化（max-pooling）的卷積神經(jīng)網(wǎng)絡(luò)在提升視覺(jué) Benchmark 記錄上的驚人表現(xiàn)。

是年，吳恩達(dá)（Andrew Ng）和杰夫·迪恩（Jeff Dean）帶領(lǐng)下的 Google Brain 利用超過(guò)1.6萬(wàn)臺(tái)電腦處理器組建了一個(gè)神經(jīng)網(wǎng)絡(luò)，他們從1000萬(wàn)段 YouTube 的視頻中抽取一幀分辨率為200 X 200的縮略畫(huà)面來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò)從中識(shí)別出貓。

深度學(xué)習(xí)第一次贏得了 ImageNet 競(jìng)賽

在這一年，辛頓團(tuán)隊(duì)里的兩名年輕人利以巨大優(yōu)勢(shì)贏得了當(dāng)年的 ImageNet 競(jìng)賽，這是深度學(xué)習(xí)首次參加到競(jìng)賽中去，隨后，奇雷商團(tuán)隊(duì)也在醫(yī)學(xué)圖片的癌癥發(fā)現(xiàn)上贏得了 ICPR，深度學(xué)習(xí)所體現(xiàn)出的巨大威力震驚了整個(gè)世界。

到了2013年時(shí)，ImageNet 競(jìng)賽的前20名無(wú)一例外全部采用了深度學(xué)習(xí)技術(shù)，排名第一的紐約大學(xué)將錯(cuò)誤率降低到了0.11197，在物體識(shí)別項(xiàng)目中，排名第一的阿姆斯特丹大學(xué)（University of Amsterdam）和 Euvision Technologies 組建的團(tuán)隊(duì)的平均正確率均值（Mean Average Precision）還只有0.22581。到次年時(shí)，Google 在兩個(gè)類別的競(jìng)賽都獲得了第一，錯(cuò)誤率和均值則分別為0.06656和0.43933。

終于，深度學(xué)習(xí)從理論的象牙塔里走到了現(xiàn)實(shí)世界里中。

在1960年的阿爾弗雷德·科日布斯基紀(jì)念演講（Alfred Korzybski Memorial Lecture）上，麥卡洛克這樣指出，探究知識(shí)的生理學(xué)基層的目的就在于為了在“我們?nèi)绾沃牢覀兯?rdquo;這個(gè)問(wèn)題上獲得一個(gè)讓人滿意的解釋。

半個(gè)多世紀(jì)以后，科學(xué)家們以超人的勇氣和天才將這個(gè)問(wèn)題問(wèn)得更加深入與更加具有革命性：我們?nèi)绾巫寵C(jī)器知其所知。

對(duì)另外一些人，他們的野心和好奇在于，在讓機(jī)器知其所知之后，在巴別塔建成之后，如何讓“凱撒的歸凱撒”，如何在這個(gè)新世界中尋找到那塊商業(yè)上的應(yīng)許之地。

危險(xiǎn)想法

2009年，就在深度學(xué)習(xí)將要登上歷史舞臺(tái)的同時(shí)，為了在搜索市場(chǎng)上和 Google 頡頏，微軟推出了 Bing 搜索，中文名“必應(yīng)”。

然而，現(xiàn)實(shí)情況卻并不容樂(lè)觀，Google 此時(shí)已經(jīng)占據(jù)了六成以上的本土搜索份額，而在中國(guó)市場(chǎng)，百度霸占了超過(guò)3/4的搜索領(lǐng)地，谷歌也僅僅能搶下不到20%的市場(chǎng)。

在搜索市場(chǎng)將近固化的局面下，必應(yīng)如何才能脫穎而出成了擺在當(dāng)時(shí)微軟中國(guó)團(tuán)隊(duì)最大的考驗(yàn)和難題。這時(shí)候，碼特和黃鼎隆都在微軟亞洲研究院，然而前者屬于研究部門(mén)，而后者則在 MSN 做產(chǎn)品，在研究院的架構(gòu)中，兩人之間還橫亙著一個(gè)工程部門(mén)。

碼特并不適應(yīng)自己的美國(guó)同事和他們的行事習(xí)氣，他自己是一個(gè)足夠勤勉為了工作目標(biāo)可以日以繼夜的人，但是，讓碼特有些遺憾的是，那些同儕卻并沒(méi)有如此完全投入。

對(duì)黃鼎隆來(lái)說(shuō)，類似的問(wèn)題也同樣困擾著他，即使設(shè)在北京的亞洲研究院此時(shí)成立已經(jīng)超過(guò)了11年，但彼時(shí)，微軟對(duì) Bing 更多的期望和目標(biāo)還是在本土狙擊 Google，沒(méi)有多少人會(huì)在意關(guān)注它在受諸多非可控因素影響并已經(jīng)被割據(jù)殆盡的中國(guó)搜索市場(chǎng)上的成長(zhǎng)和表現(xiàn)。

兩人都有心想要做出一些事情來(lái)改變局面。然而，大公司的弊病往往在于，不少時(shí)候，想做事的人發(fā)現(xiàn)，為“做事”而做的事情并不比做事本身少。

“大公司里面很多的阻力，尤其是中間的那一層肯定會(huì)很不爽嘛，你越過(guò)了我來(lái)做這個(gè)事情，而且還有品牌產(chǎn)品技術(shù)市場(chǎng)銷售都有很多問(wèn)題。”黃鼎隆現(xiàn)在對(duì)此已經(jīng)習(xí)以為常。

那時(shí)候，碼特已經(jīng)在機(jī)器學(xué)習(xí)方面做出了一些可以轉(zhuǎn)化應(yīng)用的成果，但是，研究院的其他部門(mén)對(duì)此反應(yīng)平平，只有黃鼎隆表示了興趣，經(jīng)過(guò)進(jìn)一步的切磋，兩人一拍即合。

碼特的機(jī)器學(xué)習(xí)研究成果則可以把英語(yǔ)文本轉(zhuǎn)化成朗讀音頻，黃鼎隆則看到了它在市場(chǎng)上的潛力和商業(yè)前景。在當(dāng)時(shí)，微軟在國(guó)內(nèi)市場(chǎng)上尚有一戰(zhàn)之力的只有 MSN，而這個(gè) IM 產(chǎn)品最主要的用戶還是城市中的白領(lǐng)用戶，在黃鼎隆看來(lái)，這批用戶對(duì)英語(yǔ)學(xué)習(xí)和翻譯有著強(qiáng)烈的需求。

技術(shù)和用戶需求的結(jié)合就意味著商業(yè)上的可能性。兩人迅速?gòu)母髯圆块T(mén)拉人組建團(tuán)隊(duì)，最終開(kāi)發(fā)出了在線詞典英庫(kù)（Engkoo），果不其然，英庫(kù)在推出后大獲成功，彼時(shí)，這個(gè)內(nèi)部創(chuàng)新產(chǎn)品為必應(yīng)貢獻(xiàn)了超過(guò)60%的流量，每月的用戶高達(dá)400萬(wàn)，而且，巨大的流量為它帶來(lái)了針對(duì)目標(biāo)用戶的英語(yǔ)學(xué)習(xí)廣告，最終成功實(shí)現(xiàn)了商業(yè)變現(xiàn)。

黃鼎隆喜歡碼特在工作上的投入和天才，碼特喜歡在和黃鼎隆合作中的心無(wú)旁騖，他們的合作有了一個(gè)成功的開(kāi)端。然而，這卻也成為了他們此次合作關(guān)系的開(kāi)始和結(jié)束：一個(gè)人選擇離開(kāi)，一個(gè)人選擇留下。

不久之后，中國(guó)人選擇去騰訊負(fù)責(zé)微博業(yè)務(wù)，此時(shí)，誰(shuí)也不知道新浪微博的先發(fā)優(yōu)勢(shì)竟然會(huì)強(qiáng)大到所有競(jìng)爭(zhēng)對(duì)手最終都先后認(rèn)輸投降的境地。而碼特則繼續(xù)留在了研究院，先后推出了必應(yīng)詞典和英庫(kù)輸入法，當(dāng)然，美國(guó)人也不會(huì)料到，即使 Google 敗走之后，微軟依然沒(méi)能在這塊市場(chǎng)上占據(jù)自己的立足之地，始終不溫不火。

直到2014年，事情才出現(xiàn)了改變。這一年，發(fā)生了兩件事，深深地影響了黃鼎隆和碼特兩人。

首先，深度學(xué)習(xí)在外界的聚光燈下熠熠生彩，它的價(jià)值和意義受到越來(lái)越多人的關(guān)注重視。

其次，碼特和他的中國(guó)女友結(jié)婚了。兩位老友見(jiàn)面了，在婚禮結(jié)束后，就在舉行婚禮的餐廳里，兩人一邊食指大動(dòng)啖著烤肉，一邊興奮地討論起深度學(xué)習(xí)會(huì)帶來(lái)的變化和應(yīng)用場(chǎng)景，他們構(gòu)想出一幅具體而微的圖景，兩人不約而同地意識(shí)到技術(shù)的進(jìn)步使曾經(jīng)的某些構(gòu)想有了實(shí)現(xiàn)的機(jī)會(huì)。

在那樣的夜里，談到最盡興的關(guān)頭，“創(chuàng)業(yè)”的念頭閃過(guò)兩人的心頭，并如一粒不安的種子般扎根。

這時(shí)候，兩人都處在自己職業(yè)生涯中的平穩(wěn)上升期，黃鼎隆是 TripAdvisor 的中國(guó)區(qū)副總裁，而碼特亦成為微軟 HiPo 培訓(xùn)項(xiàng)目中的一員。在完成拼搏程度幾乎和創(chuàng)業(yè)沒(méi)有多大差別的英庫(kù)項(xiàng)目之后，在經(jīng)歷了總有完備資源支持的大公司之后，擺在兩人面前的最大問(wèn)題是：值得為了這個(gè)他們自己此時(shí)也僅僅只能描繪出大致輪廓的圖景而放棄眼前的一切嗎？

隨著對(duì)象和時(shí)間的不同，黃鼎隆對(duì)這個(gè)問(wèn)題的答案也并不相同。

“那天晚上就很興奮，真是晚上回去睡不著覺(jué)的感覺(jué)。那時(shí)候，就會(huì)回想起一起做英庫(kù)那個(gè)項(xiàng)目，那對(duì)我們來(lái)說(shuō)是職業(yè)生涯中很愉快很有成就感的一段時(shí)光，我們就感覺(jué)很有火花碰撞，不做不行一定要去做。”創(chuàng)業(yè)兩年的黃鼎隆這樣描述。

黃鼎隆一直是個(gè)理性的人，有時(shí)候甚至冷靜低調(diào)到讓周圍人感到不可思議的地步。他和公司的同事打招呼說(shuō)要一個(gè)人回深圳處理私事，歸來(lái)后，他給大家展示的是其深圳政協(xié)委員的身份。兩年前，也是如此。他并沒(méi)有興奮到立即都投身到創(chuàng)業(yè)的大潮之中去，那晚之后，黃鼎隆和碼特花了幾個(gè)月的業(yè)余時(shí)間做調(diào)研，反復(fù)切磋預(yù)演假想中的創(chuàng)業(yè)。

理性與感性，冷靜和沖動(dòng)，失敗與成功，它們的界限究竟在哪里呢？

當(dāng)自忖已然對(duì)計(jì)劃考慮周全，理性的職業(yè)人便轉(zhuǎn)身成為脫離大公司體制的自由的創(chuàng)業(yè)人，當(dāng)已經(jīng)考慮到失敗的后果卻依然無(wú)所畏懼，再怎么冷靜的人也會(huì)禁不住沖動(dòng)起來(lái)去追尋內(nèi)心的召喚，當(dāng)已經(jīng)不再畏懼失敗的時(shí)候，再怎么冷靜理性的人也會(huì)具備前所未有的信心和勇氣去追逐成功。

那顆創(chuàng)業(yè)的種子在幾個(gè)月的時(shí)間里萌芽破土生長(zhǎng)。終于，在那個(gè)讓他們內(nèi)心波瀾萬(wàn)丈的夜晚的數(shù)月之后，黃鼎隆和碼特終于下定了決心，他們要去創(chuàng)業(yè)。

黃鼎隆對(duì)創(chuàng)業(yè)與否這個(gè)問(wèn)題的答案還有另外一個(gè)版本。

在18個(gè)月前，他告訴他的清華后輩們“成敗未定，創(chuàng)業(yè)本來(lái)就是一個(gè)九死一生的事情”，他告訴年輕學(xué)生們當(dāng)時(shí)的心情：“理智的話我覺(jué)得都不會(huì)選擇創(chuàng)業(yè)的，你要是純理性去分析，怎么選你都不會(huì)去創(chuàng)業(yè)”。

黃鼎隆說(shuō)，如果自己在讀博士的時(shí)候選擇去創(chuàng)業(yè)可能會(huì)被父母打斷腿。

現(xiàn)在，他和碼特選擇創(chuàng)業(yè)則是主動(dòng)把自己置身到了一個(gè)充滿不確定性風(fēng)險(xiǎn)的境地，這里將會(huì)有他們前所未聞的劇變、可能會(huì)失敗而且失敗幾率很大、生活將不再輕松平和而會(huì)變得墨突不黔。

無(wú)論何時(shí)，創(chuàng)業(yè)都是危險(xiǎn)的。

然而，歷史上最不朽的失敗者王爾德說(shuō)過(guò)，如果一個(gè)想法不夠危險(xiǎn)，它又有什么資格能算是一個(gè)想法。

新世界

在創(chuàng)業(yè)的時(shí)候，黃鼎隆和碼特甚至都沒(méi)有獲得融資。各取了兩人名中的一字，公司叫做碼隆。

“當(dāng)時(shí)就不斷在想，搜索引擎的下一步是什么。如果搜索的東西還是放在文字文本上的話，那么這個(gè)仗基本上已經(jīng)結(jié)束了，但是再往后一個(gè)更大的機(jī)會(huì)是圖像，它巨大的寶庫(kù)，才剛剛拉開(kāi)一點(diǎn)小小的縫。”早在微軟的時(shí)候，黃鼎隆就開(kāi)始預(yù)想搜索的下一個(gè)機(jī)會(huì)。

在創(chuàng)業(yè)調(diào)研的幾個(gè)月里，他們決定把深度學(xué)習(xí)技術(shù)用在當(dāng)時(shí)已經(jīng)成熟的圖片識(shí)別方面，但是，僅僅是“以圖識(shí)圖”這樣的功能并不足以吸引用戶和市場(chǎng)。

在最初的商業(yè)計(jì)劃書(shū)里，他們給碼隆的產(chǎn)品取的名字叫 kumo，在日文里，這個(gè)詞有兩個(gè)意思，“云”和“蜘蛛”，kumo 依托于云服務(wù)，同時(shí)，黃鼎隆他們希望這個(gè)產(chǎn)品能像蜘蛛一樣爬取盡可能多的圖片。最終，他們?yōu)榇a隆構(gòu)思出來(lái)的產(chǎn)品商業(yè)模式是，通過(guò)圖片搜索識(shí)別來(lái)幫助用戶做出決策。

kumo 首先是引擎，而引擎的價(jià)值就在于把關(guān)鍵字和內(nèi)容聯(lián)系起來(lái)，kumo 主攻的是圖片，那如何向別人證明這個(gè)價(jià)值呢？黃鼎隆用 Google 的例子做了簡(jiǎn)單的算數(shù)，他把當(dāng)時(shí) Google 的營(yíng)收和搜索次數(shù)相比，得出來(lái)用戶在 Google 的每次搜索價(jià)值7美分。他在商業(yè)計(jì)劃書(shū)里向投資人表明，圖片搜索的需求和價(jià)值會(huì)比普通的文本搜索更大。

當(dāng)時(shí)，他為圖片搜索做出了約550億美元的保守估計(jì)，并預(yù)測(cè)其在隨后數(shù)年里將增長(zhǎng)成為一個(gè)千億美元級(jí)別的市場(chǎng)。

在2014年，Google 作價(jià)4億英鎊收購(gòu)了人工智能創(chuàng)業(yè)公司 Deepmind，后一年，F(xiàn)acebook 提出了它的深度學(xué)習(xí)技術(shù) DeepFace 用來(lái)自動(dòng)標(biāo)簽和識(shí)別用戶照片，其中包含了超過(guò)1.2億個(gè)參數(shù)。其識(shí)別正確率高達(dá)97.35%，較 Facebook 之前使用的系統(tǒng)提升了27%。

但是，這些事實(shí)和黃鼎隆自己的預(yù)測(cè)并不足以增加別人相信碼隆成功的可能性，除非他們能夠證明自己。

創(chuàng)立不久，碼隆獲得大獎(jiǎng)

碼隆在7月份注冊(cè)，此時(shí)距離科技部主辦的第三屆中國(guó)創(chuàng)新創(chuàng)業(yè)大賽報(bào)名截止時(shí)間只剩下一周不到的時(shí)間，黃鼎隆、碼特以及另一位前微軟的設(shè)計(jì)師組成的小團(tuán)隊(duì)抱著一半測(cè)試自己一半向別人證明的心態(tài)踩著截止日期報(bào)名參賽。

參賽團(tuán)隊(duì)報(bào)名提交資料的時(shí)候并不需要提交實(shí)物，于是，剛剛創(chuàng)業(yè)不久還只有一個(gè)概念的黃鼎隆他們趁勢(shì)填上了“視覺(jué)決策引擎”。從網(wǎng)絡(luò)初賽、地區(qū)賽、行業(yè)半決賽再到最后的全國(guó)總決賽，在每輪比賽之間大約有2到3周時(shí)間的間隔，而這就也成了黃鼎隆他們?cè)谮A得上輪比賽獲得評(píng)委意見(jiàn)之后不多的用來(lái)進(jìn)一步修正自己的產(chǎn)品的時(shí)間。

大賽持續(xù)了約2個(gè)月，和其他已經(jīng)有了成型產(chǎn)品的參賽者不同，他們的產(chǎn)品在每一輪比賽中都不斷地改動(dòng)優(yōu)化，最終，他們獲得了此次大賽團(tuán)隊(duì)組全國(guó)第二名，之后一個(gè)多星期，他們又獲得了深圳創(chuàng)業(yè)創(chuàng)新大賽的冠軍，不到兩個(gè)月后，碼隆在2015年入選了微軟創(chuàng)投加速器。

此時(shí)，深度學(xué)習(xí)已經(jīng)成為一個(gè)洛陽(yáng)紙貴的技術(shù)概念與實(shí)踐。

深度學(xué)習(xí)的出現(xiàn)推動(dòng)了整個(gè) AI 和機(jī)器學(xué)習(xí)的大發(fā)展 來(lái)源：Nvidia

深度學(xué)習(xí)究竟如何幫助人們進(jìn)行“視覺(jué)決策”呢？

不妨讓我們從過(guò)去幾十年里最風(fēng)行的人工智能神經(jīng)網(wǎng)絡(luò)說(shuō)起。它是在我們對(duì)人腦的認(rèn)識(shí)理解基礎(chǔ)上結(jié)合人工智能產(chǎn)生的交叉學(xué)科，在大腦里，神經(jīng)在一定物理距離內(nèi)可以和其他任意神經(jīng)連接。但是，可惜的是，人工智能神經(jīng)網(wǎng)絡(luò)卻受限于自身各個(gè)分隔的神經(jīng)層、連接和數(shù)據(jù)傳播方向。

一個(gè)對(duì)象輸入人工智能神經(jīng)網(wǎng)絡(luò)的第一層，然后再由第二層的神經(jīng)處理自己的任務(wù)，在進(jìn)入到下一層，重復(fù)這樣的程序直至最后一層，最終得出輸出結(jié)果。每一個(gè)神經(jīng)都獲得一個(gè)和它執(zhí)行任務(wù)相關(guān)的正誤情況的權(quán)重，最后的輸出結(jié)果便由這些權(quán)重決定。然而，問(wèn)題在于，即使最基本的神經(jīng)網(wǎng)絡(luò)也有著驚人的計(jì)算需求，同時(shí)，它還需要人工來(lái)提取樣本的特征，這些極大阻礙了它的實(shí)際應(yīng)用。

深度學(xué)習(xí)則從根本上改變了這一情況。

它由多個(gè)線性或非線性變換組成大量的任務(wù)處理神經(jīng)層，利用非監(jiān)督或自監(jiān)督特征學(xué)習(xí)算法和層次特征提取等算法來(lái)實(shí)現(xiàn)取代手工特征學(xué)習(xí)提取，從而創(chuàng)造出更好的表達(dá)并在大規(guī)模沒(méi)有標(biāo)簽化的數(shù)據(jù)基礎(chǔ)上利用這些表達(dá)建立出更好的模型。

詞向量（distributed representations）假定觀察到的數(shù)據(jù)是因?yàn)楦鱾€(gè)神經(jīng)層中的因子互動(dòng)而產(chǎn)生的，深度學(xué)習(xí)則進(jìn)一步假定這些神經(jīng)層的活動(dòng)和不同層級(jí)的抽象組成之間有著對(duì)應(yīng)關(guān)系，數(shù)量和大小各異的神經(jīng)層可以用來(lái)提供不同的抽象。

于是，深度學(xué)習(xí)可以從較低層次開(kāi)始學(xué)習(xí)從而習(xí)得更高層、更抽象的概念，在最底層利用無(wú)監(jiān)督學(xué)習(xí)逐層預(yù)訓(xùn)練學(xué)習(xí)特征，將結(jié)果作為更高一層的輸入，到最上層則改用監(jiān)督學(xué)習(xí)進(jìn)行調(diào)整，和貪婪算法結(jié)合后，這套方法使得深度學(xué)習(xí)能夠習(xí)得抽象概念并選出那些有助于學(xué)習(xí)的特征。

也就是說(shuō)，相比以前以人工智能神經(jīng)網(wǎng)絡(luò)為代表的淺度學(xué)習(xí)，深度學(xué)習(xí)可以更好地自主學(xué)習(xí)數(shù)據(jù)和對(duì)象特征并持續(xù)進(jìn)化自己的學(xué)習(xí)能力，大數(shù)據(jù)的大行其道讓深度學(xué)習(xí)有了前所未有的用武之地，數(shù)據(jù)量越大，它的精度就越高。而 MapReduce 大規(guī)模集群架構(gòu)的興起、GPU 的大規(guī)模應(yīng)用和應(yīng)運(yùn)而生的優(yōu)化算法更是極大地縮短了深度學(xué)習(xí)訓(xùn)練數(shù)據(jù)需要的時(shí)間。

當(dāng)深度學(xué)習(xí)風(fēng)靡整個(gè)業(yè)界的時(shí)候，不同的模型和算法就成為了每個(gè)公司的獨(dú)門(mén)武器，黃鼎隆對(duì)碼隆的技術(shù)頗有信心。他們內(nèi)部首先建立了一個(gè)量化的評(píng)測(cè)體系，在新算法投入使用之前，都會(huì)在公司里進(jìn)行測(cè)試打分。

在這之前，碼特他們還會(huì)先設(shè)計(jì)一個(gè)系統(tǒng)把個(gè)人偏好、界面設(shè)計(jì)喜好等因素排除掉讓大家更客觀地評(píng)分，但是這顯然還不夠，更有說(shuō)服力更有決定性的是客戶的使用反饋。

現(xiàn)在，碼隆面向的是企業(yè)用戶，而在創(chuàng)業(yè)之初，情況卻并非如此，那時(shí)候，他們將目標(biāo)鎖定在了普通消費(fèi)者身上。

技術(shù)的邏輯

11月的深圳，氣溫依然高達(dá)27℃。碼特卷上百葉窗，邊呼吸著溫?zé)岬暮ｏL(fēng)，邊吃著剛買來(lái)的麥當(dāng)勞漢堡和薯?xiàng)l充饑。他談到了 give up，碼特告訴我，在工作上有時(shí)候需要不過(guò)分堅(jiān)持甚至放棄自己的想法來(lái)讓更多人說(shuō)出他們的意見(jiàn)，只有這樣才可能維持一個(gè)良好的工作氛圍促進(jìn)整個(gè)集體的成長(zhǎng)。

碼隆一開(kāi)始推出的產(chǎn)品叫 StyleAI，他們當(dāng)時(shí)決定要從時(shí)尚作為突破口來(lái)應(yīng)用深度學(xué)習(xí)幫助用戶穿衣打扮。盡管推出了App 和微信微信公眾號(hào)，但是，在用戶和市場(chǎng)看來(lái)，這始終只是個(gè)“人工智能+時(shí)尚”噱頭下的玩具而已，而習(xí)慣了大公司充足資源從來(lái)有過(guò)一線經(jīng)驗(yàn)的黃鼎隆和碼特也漸漸回過(guò)味來(lái)，他們最終意識(shí)到，深度學(xué)習(xí)在2C 領(lǐng)域很難有大作為。

最大的障礙在于，時(shí)尚涉及到包括布料、生產(chǎn)加工、設(shè)計(jì)等太多的產(chǎn)業(yè)上下游鏈條，而一個(gè)創(chuàng)新小公司根本無(wú)力同時(shí)應(yīng)付從產(chǎn)業(yè)生態(tài)鏈到消費(fèi)者的商業(yè)閉環(huán)，他們既沒(méi)有資源也不具備精力耐心去自己補(bǔ)完這個(gè)鏈條。在消費(fèi)者端兜兜轉(zhuǎn)轉(zhuǎn)不少時(shí)間之后，他們忽然意識(shí)到自己其實(shí)應(yīng)該把重心放到上游環(huán)節(jié)上去。

“這是一個(gè)新的領(lǐng)域，就意味著你要解決很多未知的問(wèn)題，甚至有一些是沒(méi)答案的，所以你就把這些問(wèn)題裝在腦袋里面。吃飯的時(shí)候也想，洗澡的時(shí)候也想，上廁所的時(shí)候想，睡覺(jué)的時(shí)候想，沒(méi)日沒(méi)夜地想，然后一下子靈光乍現(xiàn)，有個(gè)點(diǎn)子！解決了！”回憶起過(guò)往苦思冥想公司方向的時(shí)光，黃鼎隆依然興奮。

在這個(gè)技術(shù)創(chuàng)新起決定性作用的市場(chǎng)里，要想讓深度學(xué)習(xí)技術(shù)發(fā)揮最大的作用，要想讓碼隆商業(yè)上成功的可能性盡可能增多的話，兩個(gè)從微軟出來(lái)的人想出來(lái)的主意是把公司的技術(shù)開(kāi)放出來(lái)，讓更多的企業(yè)接觸使用。

讓深度學(xué)習(xí)幫助這些企業(yè)解決它們以往遇到現(xiàn)在需要解決優(yōu)化的問(wèn)題，反過(guò)來(lái)，同時(shí)又讓這些深度參與到時(shí)尚產(chǎn)業(yè)各個(gè)鏈條的既有資源又有能力的參與者來(lái)推廣促進(jìn)深度學(xué)習(xí)技術(shù)。

于是，他們轉(zhuǎn)向了2B 市場(chǎng)，推出了平臺(tái) ProductAI，他們對(duì)這個(gè)產(chǎn)品的介紹是 AI for your product。

優(yōu)料寶是他們的典型用戶。

這個(gè)布料交易平臺(tái)同時(shí)面向買家和賣家，一個(gè)典型的應(yīng)用場(chǎng)景是，買家對(duì)某塊面料產(chǎn)生興趣的話，就會(huì)用以圖搜圖功能在優(yōu)料寶上搜索相似相同布料的賣家。這樣的用戶需求一直存在，但問(wèn)題是對(duì)于這些傳統(tǒng)企業(yè)而言，要在自己的平臺(tái)搭建一個(gè)涉及到人工智能甚至深度學(xué)習(xí)技術(shù)的圖像搜索引擎并不是他們擅長(zhǎng)的，更不要說(shuō)后續(xù)的維護(hù)、更新和擴(kuò)容上的成本投入。

另一方面，這些相關(guān)產(chǎn)業(yè)鏈上的企業(yè)之前積累了大量的圖片和用戶行為數(shù)據(jù)，但為這些數(shù)據(jù)標(biāo)簽化乃至進(jìn)行數(shù)據(jù)挖掘?qū)@些企業(yè)而言幾乎是聞所未聞的天方夜譚，于是，這些數(shù)據(jù)幾乎沒(méi)有發(fā)揮任何作用。

ProductAI 首先在全網(wǎng)抓取各種圖片，然后將其中沒(méi)有標(biāo)簽的部分外包給分散在全國(guó)的數(shù)百人的團(tuán)隊(duì)進(jìn)行標(biāo)記，由此形成數(shù)據(jù)庫(kù)和學(xué)習(xí)模型。

每個(gè)企業(yè)客戶都有著各自不同的用戶群體和需求，在這些個(gè)性化差異的前提下，對(duì)數(shù)據(jù)模型進(jìn)行訓(xùn)練，最終將算法以 API 的形式接入客戶自助搭建的平臺(tái)上來(lái)實(shí)現(xiàn)以圖搜圖和圖像鑒別等功能。ProductAI 本身是免費(fèi)，它的主要收入來(lái)自客戶對(duì) API 的調(diào)用。

黃鼎隆的技術(shù)觀以及由此產(chǎn)生的商業(yè)觀在人看來(lái)如此激進(jìn)：他認(rèn)定智能手機(jī)和 App 的浪潮正在慢慢消退。這不僅是他放棄繼續(xù)開(kāi)發(fā)2C 端上 App 的部分原因，也成為他成為中國(guó)第五位購(gòu)買 HoloLens 消費(fèi)者的動(dòng)因，他相信 AR/VR 和可穿戴設(shè)備在不久的將來(lái)會(huì)掀起新的浪潮。

不過(guò)，真正吊詭的地方是，黃鼎隆和碼特創(chuàng)業(yè)以時(shí)尚為起點(diǎn)，而他們的終點(diǎn)則是革掉傳統(tǒng)時(shí)尚的命。

“現(xiàn)在就是有人定義了時(shí)尚，所以大家才會(huì)流行，就是因?yàn)楝F(xiàn)在各種東西太混沌了，導(dǎo)致各種東西信息不對(duì)稱，信息不對(duì)稱過(guò)的情況下就是有幾個(gè)人就能說(shuō)了算。我們現(xiàn)在要做的事情的根本就是要消除知識(shí)的信息不對(duì)稱。”大部分可以見(jiàn)到的宣傳照片上，黃鼎隆都穿著風(fēng)格和時(shí)尚絕緣的衣服，他和碼特對(duì)時(shí)尚都沒(méi)有什么具體的概念。

10年前，在電影《穿普拉達(dá)的女魔頭》（The Devil Wears Prada）里，梅麗爾·斯特里普（Meryl Streep）扮演的時(shí)尚雜志主編米蘭達(dá)對(duì)新人的時(shí)尚觀棄如敝履。這是黃鼎隆最喜歡最常用來(lái)說(shuō)的場(chǎng)景，他告訴我，碼隆要做的就是搶占時(shí)尚的話語(yǔ)權(quán)。

按照黃鼎隆的想法， 只要有足夠多的紐約東京米蘭等城市的街拍圖片，那么就能從中分析出這些城市最流行的顏色究竟是什么甚至可以將流行趨勢(shì)用量化的方式計(jì)算出來(lái)，“比如粉色從上一周的21%提升到這一周的38%，這就是一個(gè)趨勢(shì)嘛”，他這樣比方。

于是，時(shí)尚就不再是設(shè)計(jì)師、評(píng)論家和時(shí)尚雜志編輯們的特權(quán)，而僅僅成為深度學(xué)習(xí)技術(shù)下一件枯燥理性沒(méi)有任何神秘和審美的機(jī)械工作而已，或者說(shuō)，每一個(gè)普通人都能直觀地了解到最流行的顏色和時(shí)尚。

即使不能站在時(shí)尚潮流的風(fēng)口浪尖，就算不能一蹴而就地去引領(lǐng)主導(dǎo)時(shí)尚，用黃鼎隆的原話來(lái)說(shuō)，中國(guó)至少不會(huì)完全僅僅充當(dāng)時(shí)尚的跟風(fēng)者，并且還有機(jī)會(huì)“從世界的服裝工廠變成一個(gè)時(shí)尚策源地”，這是中國(guó)紡織信息中心的目標(biāo)，這也是當(dāng)局看重了碼隆技術(shù)的可能性而選擇與之合作的最主要原因。

于黃鼎隆個(gè)人而言，比起審美話語(yǔ)權(quán)和國(guó)家宏大敘事這些因素，他所謂的“一個(gè)效率的提升和人力的解放”或許才是其有了反動(dòng)時(shí)尚念頭的真實(shí)動(dòng)機(jī)。

別忘了黃鼎隆他們最初“視覺(jué)決策搜索”的設(shè)想以及他們對(duì)這塊市場(chǎng)的宏愿。

圖片連接的不止是圖片而已，它其實(shí)和文本搜索其實(shí)并沒(méi)有太大差異，我們毋寧說(shuō)，搜索就是互聯(lián)網(wǎng)上最基礎(chǔ)、應(yīng)用最廣泛的 HUB，它連接的是用戶的需求和內(nèi)容。內(nèi)容不止局限于文本、圖片等，它應(yīng)該而且在本質(zhì)上涵蓋更豐富更多樣性的內(nèi)容，是視頻、音樂(lè)、游戲，還可以是商品、服務(wù)。

搜索的價(jià)值和意義與其說(shuō)滿足用戶需求尋找到內(nèi)容，不如說(shuō)是跨越需求和內(nèi)容兩端的信息不透明鴻溝，不如說(shuō)是打破整個(gè)商業(yè)價(jià)值鏈條上的冗余累贅，這是技術(shù)演進(jìn)的必然目的和結(jié)果，也是互聯(lián)網(wǎng)經(jīng)濟(jì)市場(chǎng)規(guī)律的必然方向，這也自然而然地成了搜索引擎進(jìn)化的最主要趨勢(shì)。

這是搜索的一個(gè)動(dòng)態(tài)演化趨勢(shì)，它不僅僅只是幫助用戶尋找答案的工具，而是提供最符合用戶需求的內(nèi)容，深度學(xué)習(xí)的意義也正在于此，經(jīng)過(guò)漫長(zhǎng)的自我演化和學(xué)習(xí)，它可能做到“如何知道我們所知”，由此來(lái)幫助用戶做出最理性的決策。

ProductAI 面向的是企業(yè)用戶，但實(shí)際上，它最終服務(wù)的還是普通消費(fèi)者。它連接的不止是圖片和圖片、圖片和布料，它還可以通過(guò)商品包裝、視頻、AR 等將更多的內(nèi)容連接起來(lái)。連接和內(nèi)容越多，應(yīng)用場(chǎng)景越多，用戶和數(shù)據(jù)也就越多，商業(yè)上的可能性也就越多，這些反過(guò)來(lái)也會(huì)推動(dòng)深度學(xué)習(xí)算法更加智能化。

從某種意義上來(lái)說(shuō)，深度學(xué)習(xí)不止是視覺(jué)引擎的技術(shù)基石，它更像是一個(gè)擯除了所有非理性因素的數(shù)字化大腦，假用戶自認(rèn)為的選擇權(quán)做出基于數(shù)據(jù)的決策。在以往，搜索是一個(gè)過(guò)程和手段，而在可以預(yù)見(jiàn)到的將來(lái)甚至現(xiàn)在，搜索本身就是目的和結(jié)果，于是，它也就具備了商業(yè)上閉環(huán)的可能性。

技術(shù)，賦予了商業(yè)前所未有的可能性。

這種可能性在過(guò)去5年里在黃鼎隆和碼特的手上逐漸變得觸手可及。

一個(gè)中國(guó)人，一個(gè)美國(guó)人，他們有著太多不同的地方，但，在僅有的幾個(gè)相同點(diǎn)上，他們卻有著驚人的相似。他們對(duì)一些事情極為在意，對(duì)另一些事情卻無(wú)動(dòng)于衷。

碼特現(xiàn)在還用著那部已經(jīng)氧化掉色的 iPhone 5，父母曾經(jīng)堅(jiān)決反對(duì)他和異教外國(guó)人的感情關(guān)系，在八九年的時(shí)間里，他在這個(gè)問(wèn)題上始終未曾妥協(xié)，最后終于迎來(lái)皆大歡喜的結(jié)局。

在微軟亞洲研究院的融資發(fā)布會(huì)上，黃鼎隆已經(jīng)盡了全力讓自己表現(xiàn)得對(duì)這樣熱鬧的場(chǎng)景已然熟稔，但，在聚光燈外的角落里，他不時(shí)顯出些張皇失措和些許的落寞。

之后，已經(jīng)對(duì)大數(shù)字習(xí)以為常的記者問(wèn)道為什么6200萬(wàn)元的融資那么低時(shí)，之前就和碼特約定不在融資問(wèn)題上作假的黃鼎隆無(wú)奈地苦笑了下，只能生硬地?cái)[出耐心平和的架勢(shì)回答這樣的問(wèn)題——只有他和瑪特知道，這筆數(shù)字其實(shí)并不比那些創(chuàng)業(yè)公司的真實(shí)融資額低。

在創(chuàng)業(yè)這件事上，兩個(gè)人并不熟練。

他們改變什么了嗎？他們自己并不確定，這個(gè)世界也不確定，唯一可以確定的只有一樣，黃鼎隆說(shuō)創(chuàng)業(yè)這兩年來(lái)因?yàn)槿狈﹀憻捄图影喑岳称诽嗟木壒?，他們都不約而同地變胖了。

在十一月某個(gè)夜里的十一點(diǎn)，深圳燥熱的空氣漸漸涼卻下去，碼特看了看紙袋中剩余不多的薯?xiàng)l，喝完最后一口可樂(lè)，抿了抿嘴，繼續(xù)回到他的座位上和兩三個(gè)同事熬夜。這對(duì)他來(lái)說(shuō)已經(jīng)生活的常態(tài)，但他享受著。此時(shí)，在地球另一端，黃鼎隆依然獨(dú)自一人身在異國(guó)參加 APEC 會(huì)議，在那里，他尋找著新的商業(yè)合作伙伴。

和無(wú)數(shù)普通的夜一樣，這是他們普通的一夜。

和無(wú)數(shù)創(chuàng)業(yè)的故事一樣，他們的這個(gè)故事也才剛剛開(kāi)始。（本文獨(dú)家首發(fā)鈦媒體，記者 胡勇）

742人已贊賞 >

敬原創(chuàng)，有鈦度，得贊賞

贊賞支持

0

3

0

掃描下載App