“帕万先生在评审过程中存在严重的个人偏见和判断失误,他没能理解你项目的真正价值,这是我们工作的重大失误。”

漆昊没说话,静静地看着他。

看到漆还是不置可否,大卫·陈更急了,他几乎是脱口而出:“总部对这件事非常重视!帕万先生已经被调离了原本的职位,目前正在接受内部审查!”

“我们保证,类似的事情绝不会再发生!微软对真正的创新和天才,永远是敞开怀抱的!”

然而,漆吴依旧面无表情。

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么来打动眼前这位不动明王。

终于,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?

漆吴开口说:“陈先生,感谢你们的坦诚,我理解微软的诚意,Qlnet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,我后面还有别的安排。”

说完,他站起身,朝对方点了点头,然后转身就走,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,漆吴他到底是怎么想的?

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Qlnet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。

最后,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,同时承诺为漆吴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。

漆吴依旧没答应。

一连聊了几个团队,开价还没有谷歌好,最后,轮到了那位穿着黑色皮夹克的男人。

会议室里,只剩下漆吴和老黄两个人。

“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伙人交易。”

他没有给漆吴提问的机会,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,你之后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,欢迎你随时来硅谷总部。”

“最后,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件设备,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。

漆吴非常清楚,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,十年后,这个数字后面可能要加一个零!

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伙人。”

“你的Qlnet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,怎么样?”

这番话,将漆吴的个人价值,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,我无法立刻给您答复,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后,起初并没有引起太大的波澜。

毕竟,这帮天天跟加菜猜想,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。

“这写的是什么玩意?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。”

“这个是漆吴大神写的。”

“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?”

“怎么不会呢,大神有时候灵感来了,都会随手写写画画的!”

“我们来逐一解析下,L(n)= inf_{ㄓ∈n} sup_{x∈I^5} ((x))≥ 22。”

“这里的ㄇ,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后,所生成的所有可能的特征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∈n,就是在遍历这个空间里所有的可能性,寻找一个最优的特征提取器。”

“这对应了深度学习中的架构搜索和参数优化,但漆吴显然把它提升到了泛函分析的高度。”

“接下来是关键,sup_{x∈I^5} M(u(x)),1^5代表一个标准化的五维输入空间,比如一个归一化处理后的图像块的某种抽象。”

“而M((x)),我猜测M不是一个简单的测度算子,它更像是一个基于豪斯道夫距离改造而来的。”

“它衡量的不是输出值的大小,而是经过神经网络这个复杂的非线性映射后,输入空间x附近的局部流形结构,被扭曲,折叠的程度!”

“所以,这一整块sup_{x∈I^d} M(ㄓ(x))的含义是,对于一个给定的网络,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x。”

“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,那最后的≥2m2又是什么意思?凭空冒出来一个常数下界?这不符合数学的严谨性。”

这人立刻回复:“这才是最妙,你还记得格罗莫夫关于流形的理论吗?”

“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?我怎么感觉有什么不对!”

“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,就像一枚被投入互联网信息海洋的鱼雷,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,知道漆吴最近的热度,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。

漆昊看到这篇文章后,陷入了沉思。

不对啊,他当时没想神经网络的东西。