「老板……我完全没听懂。」

.c??net

星城之旅就这么毫无波澜的结束了。

没有人被当场抓包，也没有人影响到黎芝和周明远的幸福甜蜜。

但变化依旧存在。

像是沉在海底的冰山，潜移默化影响著很多很多事情。

周明远回到办公室的第一时间，就把贺敏喊进屋子，嘀嘀咕咕安排了一长串工作。

可贺敏却始终一脸懵逼。

什么东西？

老板他说的究竟是什么东西？

手上已经有了这么多公司，这么多项目，插足了这么多产业，他怎么还要……

究竟还要把手伸到哪里去？

最让人难以理解的是，周明远这次创业，颇有几分不计成本的架势。　　虽然贺敏心里也清楚，老板几家公司或许不缺现金流，但是……

这到底是不是烧钱？

「具体哪里不懂，我再给你一点点解释。」

周明远抱起胳膊，大半个身子倚靠在沙发里，笑吟吟望向小助理。

「数据标注到底是干嘛的？」

「这有什么用？」

「我们为什么要花人力物力来做这个东西？」

「你说的那些乱七八糟的，什么ai啊人工智慧啊，我都完全听不懂……」

「法学生连这个都要学吗？」

「招的都是大学生，我刚刚听你讲工作逻辑，好像也没什么技术之类的壁垒，你确定这玩意能赚到钱？」

贺敏压根也没跟周明远客气。

不懂就是不懂，她连珠炮般问了一大串，干脆利落。　　「应该是可以的。」

周明远思考了几秒钟，点了点头。

相比模仿瑞幸咖啡，做法律咨询，搞mcn公司这种前人已经验证过是超级大风口的行业来说。

他这波想法，的的确确带著几分赌性。

没接触过，没尝试过，哪怕两世为人的他也说不准能不能行。

跟黎芝彻夜长谈之后，他其实也有些触动。

想想也真没错。

自己从零到一白手起家不难，到a8甚至a9也不难，只不过需要一点时间。

无论是手上的明理法律咨询公司，亦或是解忧传媒，似乎都存在著一点点发展速度上的天花板。

哪怕给了他足够的时间发展，但论行业影响力和爆发力，好像都还不足以到达碾压顾采薇或者黎芝家境的程度。

更不用说解忧咖啡了。

哪怕解忧咖啡做到全国top1，那又怎么样？　　天使投资人是顾采薇的爸爸，他一个小股东还能翻什么天？

于是，经过一番思考之后，周明远默默做出了一个新的决定。

换一条没有上限的新赛道。

重生嘛，就要做些对自己来说有挑战的事情。

输了大不了从头再来。

赢了呢？

赢了当然获得一切，亲手书写历史。

作为站在历史肩膀上的巨人，周明远自然心知肚明。

十几年后的世界是什么样子？

十几年后的世界，什么赛道最牛逼？

莫过于正统ai和大模型。

周明远根本不用多想，马上选择抛开法律垂直行业的舒适区，直接杀进最核心的通用人工智慧赛道。　　这条路比做本职工作难十倍，但上限也高百倍。

复盘起来，2015年还真是个前赴后继的好时代。

众所周知，深度学习有著三大支柱。

算法、算力和数据。

三个支柱，现阶段正处于一个微妙的临界点上。

算法端，hinton在2006年就提出了深度信念网络，lstm在1997年就被发明出来。

可直到这一年，才真正开始在工业界大规模应用，cnn首次在图像识别上超过了人类水平。

更重要的是，2014年刚提出的注意力机制，正以极快的速度渗透进nlp领域。

transformer论文还要等两年，所有关键技术都在高速叠代。

时代鼓著长风，旌旗猎猎。

算力端，英伟达三月份刚刚推出geforcegtxtitanx，12gb显存，单精度浮点算力不过7tflops。

跟后来的h100比起来不值一提。　　可庙小妖风大，在现阶段已经足够跑一个中等规模的深度学习模型了。

最关键的其实是数据。

网际网路每天产生的文本、图片、视频以pb计，细究起来99%都是非结构化的噪音。

谁先把这些噪音变成可训练的数据资产，谁就拿到了下一轮竞争的入场券。

思考过后，周明远的切入点就决定是这里。

理由很简单。

他除了懂趋势之外什么都不懂，也没有相关学术背景。

技术团队为零，ai行业人脉为零，个人技术能力约等于零。

周明远唯独有著三样东西，是纯技术背景的ai创业者没有的。

第一，是子弹充足的超绝现金流。

明理公司和解忧传媒两家，都是正向到夸张的现金奶牛。

更不用说周明远在股市还有一大笔，自打开市起不断滚动。　　不论成败，他是真的输得起。

第二，叫做商业嗅觉和管理能力。

技术方面他不懂，但公司做到一定规模的话，管理方式和人性把控，这种东西一通百通。

他能把很多东西从零做到一，知道怎么搭团队、控成本、拿订单，这件事的核心对他来说就不算难。

第三，是对数据价值的超前认知。

这一点就不用多说了，纯开挂。

在别人还把数据当废料的时候，他知道这是未来十年最稀缺的矿产资源。

于是经过一番考虑，周明远决定放弃做算法研发之类的东西。

自己搞一个数据标注工厂。

为什么不做正统算法？

要知道，2015年做算法，绝对不是件容易事。

这方面的刚需，是至少招到一批深度学习方向的博士。　　而这些人呢？

要么在谷歌微软百度，要么在高校实验室，没有人会加入一个没有任何ai背景的初创公司。

这压根不是钱的问题。

人家看重的是平台和同行的认可，钱有时候排不到第一。

可周明远选择的方向就不太一样。

数据标注不需要博士，不需要论文，不需要顶级学术背景。

它需要的是管理能力、成本控制能力和对数据质量的极致追求。

还真别说，这三样恰好是他最擅长的。

而且最关键的是，2015年的ai行业还在拼模型结构创新，绝大多数从业者还没有意识到一个事实。

数据质量比模型结构更重要。

几年后等大家都反应过来的时候，先行者就能用规模和管理形成护城河，把成本压到后来者无法跟进的程度。

这就是周明远的先机。　　「好好好，就算能赚钱，可是老板！你说的这个……数据标注，它和ai有什么关系啊？」

贺敏依旧保持著一脸疑惑的神情，自顾自抿了口咖啡，坐在周明远对面，托著下颌认真聆听。

「这个东西啊，听起来很低端，实际上它是ai产业链最上游的石油。」

周明远耐心解释道。

没办法。

两世为人的视野和认知，对于手下的小助理而言还是太过超前了。

不好好科普外加一通势大力沉洗脑的话，这个活还真没法推进。

「任何深度学习模型的训练都依赖于高质量标注数据，而标注数据的生产成本和质量控制，是一个极其复杂的系统工程。」

男人摊开双手，开始给贺敏一个一个举例。

「imag有1400万张标注图片，背后是亚马逊mechanicalturk上数万名众包工人的劳动；谷歌翻译能支持上百种语言，是因为它用了海量的人工翻译数据做训练。」

「懂我意思吗？」

「通用领域的标注市场竞争会越来越激烈，真正的壁垒在于垂直领域的深度标注。」　　「现在是网际网路时代，你知道最容易被人忽视的需求是什么吗？」

「呃……我不知道。」

贺敏眨了眨眼睛，老老实实回答。

「中文语料。」