周不器的個人賬戶中，有8000萬。其中有5000萬是爹媽給的，是溫知夏生孩子的獎勵。
這次溫老師去魔都工作，肯定要自己買房置業。
已經看好了地段，是石婧琳家里推薦的，在陸家嘴的豪宅區，450平的大平層豪宅，距外灘不遠，在城隍廟附近，售價1500萬。
一開始說到買房，周不器下意識的就說湯臣一品啊！
多有名！
第一豪宅嘛！
結果被石婧琳給嘲笑了，說他老土冒。
湯臣一品的房子售價4000多萬，價格最高，可當地頂流富豪，根本就不過去。這是中次級豪宅，唯一的優勢就是靠近江邊，地段好。主要客群是那些急于貼上豪富標簽、進入上流社會的新富，以及娛樂圈明星。
真正的頂級豪宅，都是低調為不外露的，都是不對外公開宣傳的，圈里交流一下，客源就夠了。還有更重要的一點，就是不賣給明星，有錢都不行。
周不器被埋汰了一通，實在無力辯駁。
跟魔都的富豪家庭比起來，首都這邊還真就是一群暴發戶、土老帽。
第二天，周不器給寧雅嫻安排了任務，讓她幫忙轉一張500萬的卡。自己則是帶著四秘王瑤瑾，一起去見了前微軟研究院的院長沈向陽。
此前，許亮杰、王海洋和賀陽先后出面，又有王建博士做牽線，雙方已經談妥了。
沈向陽會加盟紫微星。
M7級，擔任首席技術官，并兼任紫微星研究院的第一任院長，負責搭建起研究院的體系和框架。
這個招聘過程中，周不器甚至都沒有出面。
這讓他不太好意思，打算在對方正式入職前，主動過去找他談一談，算是表達一個禮賢下士的姿態。
沈院長的履歷，堪稱驚人。
是天才中的天才，許亮杰、王小船、周峰、郭鵬飛等人就算是少年天才了，十幾歲就天賦爆表。可是跟沈向陽比起來，還是差了點。
沈向陽的初中只讀了2年，高中讀了1年，13歲就考入了南大。20歲就拿到了港大的碩士學位，然后去了卡內基·梅隆大學讀博士。
博士的研究方向，就是人工智能！
要知道，那可是1996年。
20年后的人工智能是大熱的行業，可是1996年的人工智能，是冷門中的冷門，一切都是從零開始。
他是人工智能領域開創先河的那一批人，他研究出的很多理論，都是人工智能基礎理論。
還有更重要的一點，他沒有變更國籍。
在微軟研究院，他的管理出了大問題，先后被百度和紫微星成建制的挖走了兩個研發團隊。微軟總部很不高興，想要撤掉他。
怎么撤？
是給了他一個更高的職位，微軟資深副總裁。而在微軟內部，有一個鐵律，那就是所有副總裁以上的職位，只能是美國人。
沈向陽不同意更改國籍，微軟甘愿為他破例。
因為哪怕在美國、在硅谷，沈向陽都是人工智能領域的首席科學家。
如果沒有紫微星，他卸任微軟研究院的職務，就要去美國工作了。微軟誠意太足，而國內的人工智能還是一片荒漠，一點機會都沒有。
可是紫微星的出現，讓他看到了機會！
到了沈向陽這個層次，工作的目的早就不是賺錢了。他在微軟工作十多年，個人獲得的股票也積累了幾千萬美元。
他要是不想工作，一輩子吃喝玩樂，錢都花不完。
工作的目的，就是想做一點事，展現個人價值、實現個人抱負。
在半導體、生物工程、材料科學、基礎理論等領域，想要有更高的學術成就，只能去國外。國內在這些領域太落后了，存在著幾個代差。留在國內，只能是一個大學生帶著一群小學生做實驗，做一些教書育人的工作，跟世界科技前沿徹底脫鉤。
可是互聯網不一樣，分享屬性很強。
在國內做互聯網，依舊能夠閱讀到最頂級的文獻材料，掌握到最前沿的技術動向，有很多志同道合的人可以交流觀點和想法，依舊可以成為引領整個行業的那個人。
既能引領整個行業，又能實現個人價值，還能有學術成就，同時還能報效國家……何樂而不為？
“國內這幾年，涌現出了一批人工智能領域的專家，后來我才發現，這些人都是你帶出來的。”
在清華科技園的咖啡廳里，周不器半開玩笑的說。
沈向陽自謙的擺擺手。
卻沒有反對。
因為這就是事實，國內目前從事該領域的1000多位比較有能力的人中，90都有過在微軟研究院工作的經歷，都是沈院長帶出來的。
頓了一下，沈向陽很奇怪的問：“你不是計算機專業的，為什么會對人工智能這么感興趣？”
“我知道這是未來。”
“好答案。”
沈向陽忍俊不禁。
周不器緩緩的道：“不知道許亮杰跟你說沒說過，紫微星目前有兩個內部項目，也屬于人工智能的范疇。”
沈向陽道：“他沒跟我談業務的事。”
周不器點了點頭，“嗯，這算是公司機密。我跟你說說。其中有一個項目，是個性化的內容分發，根本不同的用戶信息，來通過信息流的方式分發相應的和內容。”
“朋友網的？”
“對，主要是今日頭條，這是我們內部的一個項目，9月份會上線，會有內容的分發。”
周不器就簡單的說了一下今日頭條內容分發的理念。
沈向陽略作思考，沉吟道：“如果是這種模式，簡單的個性化分發是不夠的，這不夠精確。必須要有更復雜的算法，這需要使用到深度的計算機學習。”
“什么說？”
“嗯……”
沈向陽有些頭疼，他最煩跟外行探討深度的技術問題，可對方是老板，又不能不解釋，想了一下，說道：“這樣，你問我55等于幾。然后我模擬計算機，給你解釋一下。如果我說錯了，你要給出正確的答案，然后多問幾遍。”
周不器覺得挺有趣，笑道：“行，那我問啦。咳咳，55等于多少？”
沈向陽道：“88。”
周不器微微一愣，明白了他的意思，幫他改正，“不對，是10。55等于多少？”
沈向陽道：“24。”
“不對，是10。55等于多少？”
“不對，是10。55等于多少？”
“不對，是10。是55等于多少？”
“對了。55等于多少？”
“55等于多少？”
沈向陽做出了這個解答，然后接結束了這個問題，“這就是機器學習的邏輯。當然不是算術了，而是計算用戶對或者內容的喜好度。其實針對的個性化投放，不能根據本身，而是根據內容。朋友網的個性化我看了，主要就是根據用戶的個人信息，這略顯粗糙，準確率也不高。”
“那應該怎么做？”
“通過機器學習，把和內容捆綁。比如閱讀內容A的用戶，都喜歡A，兩者就可以對接了。這個比較簡單。更復雜的是內容投放，要結合統計學習和神經網絡，通過機器學習，讓計算機學習用戶的閱讀習慣。就像剛才的算術題一樣，一開始，錯誤率比較大，越是學習，錯誤率就越小，就越貼近正確答案，即用戶的閱讀習慣。”
周不器不太服氣，透露了點小秘密，“朋友網的個性化分發算法，是Facebook做出來的呢！嗯，我們是合作伙伴。”
“這樣啊……”沈向陽笑了笑，“Facebook的技術也不怎么樣。”
“呃……”
口氣真大！
好吧，這哥們的確夠資格諷刺Facebook技術差。
周不器接著說：“還有一個項目，我們都做了半年了，一點頭緒都沒有，我們派出了一個很厲害的技術大牛，叫徐銘，他也沒辦法。他本來是搜索事業群的技術總監，不過項目沒進展，接下來就把他調進研究院，你來帶吧。”
“什么項目？”
“智能搜索，個性化搜索，千人千頁。”
其實就跟個性化內容推薦差不多，不同的是，這次是針對搜索結果的個性化推薦。
沈向陽臉色就凝重起來，“這可難多了！比那個朋友網的個性化，今日頭條的個性化內容都難。”
“是嗎？不都是個性化推薦嗎？”
“級別不一樣。”
“嗯？”
沈向陽解釋道：“技術難題往往是兩點，一類是復雜度，一類是規模量。比如Photoshop、MATLAB這種工程軟件，就是太復雜了，我們國內做不出來。規模量指的是數據多少。一個算法，處理小數據時可能很奏效。可是涉及到大規模數據，算法就失效了。就像手工制作和機械化批量生產一樣，沒有可比性。”
周不器點了點頭，“嗯，大數據。”
沈向陽道：“大數據算法是一套，個性化算法是一套，大數據下的個性化算法，又是另外一套。這并不是簡單的112的關系，需要從算法框架方面有更優化的設計。智能搜索這個概念前兩年就提過了，可是做不到。”
現在，全世界連大數據都沒搞明白呢，對大數據下的衍生算法，更是想都別想。
這么一看，還是老沈技術更高、視野更廣、認知更清楚啊！
智能搜索這個項目，是許亮杰、程秉皓、王小船和徐銘共同決定的，覺得這個方向大有可為。可沈向陽卻給否了，說做不到。
嗯，一家公司，肯定是技術最好的人當首席技術官。
老沈實至名歸啊！