曹逸森站在那堆机器前，盯著nvicore的標识看了一会儿，忽然开口：

“硬体我们有了。”

麦克转头看他：“然后呢？”

“软体反而不是最大的问题了。”

麦克一听这句，眼皮跳了一下。他已经很熟悉曹逸森的说话逻辑了。

一般他说“不是问题”的时候，意思往往不是这事很简单，而是这事会很贵、很麻烦、但他已经决定要干。

“你先等一下。”麦克抬手，“我有不好的预感。”

曹逸森没理他，继续说：“2021年的ai软体生態，还很原始。不是说没有东西，而是太割裂。研究论文有，开源模型有，实验项目也有，但真正能把它们真正做成產业工具的人，太少了。”

他说著，伸手在空气里比了个框。

“我们要做的不是一个玩具。”

“我要的是k-pop界的ai大脑。”

麦克沉默两秒。

“你刚才还说自己不是反派。”

“这是產品愿景。”

“听起来像什么反派產品愿景。”

“隨你怎么理解。”曹逸森转头看他，“总之，机器只是基底，真正值钱的是人。”

麦克一脸警惕：“你又看上谁了？”

“不是谁，是三类人。”

曹逸森往旁边走了几步，隨手拿起一支油性笔，在仓库临时白板上写下三个词。

architecture（结构）。

visual（视觉）。

audio（音频）。

麦克看著白板，表情一点点严肃起来。

他知道，曹逸森这次不是隨便脑洞。

这是要真开始组个ai团队了。

——————————————

第一类，深度学习架构师。

曹逸森在白板第一栏下面写下：

transformer /音乐生成模型/多模態规划

“2021年，大模型还在萌芽阶段。gpt-3已经出来了，但它还没有变成普通人手里的对话工具。大眾还不知道以后会发生什么，很多工程师也还停留在论文、实验室、api演示的阶段。”

麦克点了点头。

“所以你要从closeai或者deepmind挖人？”

“对。”曹逸森说，“不一定要最顶层那几个名字，我们也挖不动。我要的是那种真正懂transformer架构、懂模型训练、同时愿意把东西落地到垂直產业的人。”

他敲了敲白板。

“我不需要他给我写一个聊天机器人。”

“我需要他把模型微调成k-pop策划专家。”

麦克一愣。

“k-pop策划专家？”

“对。”曹逸森眼神亮了起来，“输入艺人资料、练习生训练数据、过往舞台反馈、粉丝评论、音乐榜单、短视频传播数据，它能给出方向建议。”

“比如：这个练习生適合走清冷视觉，还是邻家现实感。这个团该先发概念照，还是先发练习室视频。某首demo適合哪个成员开头，哪个成员压副歌。甚至哪一段最適合剪成十五秒短视频。”

麦克听完，愣了几秒。

“这听起来不像ai大脑。”

“那像什么？”

“像一个不会睡觉、不会加班费、还不会情绪崩溃的企划部总监。”

“嘿，所以我说它值钱。”

曹逸森继续写：

k-pop strategy model（kpop策略大模型）

“现在別人还在討论语言模型会不会写文章，我们要让它先学会看饭圈、看舞台、看消费情绪。”

麦克沉默了一会儿，忽然说：“你这个方向，硅谷那帮人未必看得上。”

“所以要会讲故事。”曹逸森回头看他，嘴角带著一点笑容，“你想像一下，我们直接派私人飞机去旧金山，把那些还在研究早期多模態的工程师接过来。”

“然后你告诉他——”

曹逸森清了清嗓子，换了一种很资本、很蛊惑的语气。

“在硅谷，你只能改变代码。”

“在我的公司，你可以定义全球年轻人的审美。”

麦克看著他，沉默了几秒。

“……你这个人真的很適合当什么邪教头子。”

“这是招聘话术。”

“这比招聘话术危险多了。”

“但会很有效的。”

麦克想了想，竟然没法反驳。

因为对很多真正有野心的工程师来说，钱当然重要，但“我做的东西能改变什么”更重要。你让他去优化gg点击率，他可能觉得无聊。可你告诉他，他能用ai参与塑造下一代全球流行文化，那诱惑力就完全不一样了。

“行。”麦克嘆了口气，“第一类，深度学习架构师。openai、deepmind，或者相关大模型团队。我要开始找猎头？”

“猎头、校友、会议名单、github活跃贡献者，全都拉出来。”

“你真是一点都不客气。”

“挖人不客气，人才才会觉得你认真。”

——————————————

第二类，gan大神。

曹逸森在白板第二栏写下：

stylegan2 /数字人生成/ 4k人脸纹理重建

麦克一看到gan（generative adversarial network，生成式对抗网络），表情立刻变得微妙起来。

“你要搞ai换脸？”

“別说得这么难听。”曹逸森瞥了他一眼，“我要搞视觉生成。”

“这不就是更贵的说法？”

“技术上类似，应用上完全不一样。”

曹逸森把笔帽咬开，又在旁边写了几个词。

virtual idol（虚擬偶像系统）

ai skin（ai皮肤生成技术）

expression rigging（高精度表情绑定）

aespa-like extension（类aespa虚擬分身扩展架构）

“2021年，是ai生成人脸和换脸技术特別活跃的阶段。stylegan2这种模型，已经能生成非常有真实感的人脸。很多人在玩deepfake，但那只是低级应用而已。”

“而k-pop最看重什么？”

麦克想了想：“歌？”

曹逸森看他，摇了摇手指。

麦克改口：“脸。”

“对，visual。”曹逸森打了个响指说道，“视觉是k-pop的入口。概念照、预告片、mv、舞台镜头、短视频，所有东西都先经过脸和身体。你有一套强大的视觉生成系统，就能在概念阶段快速测试造型、发色、妆容、虚擬形象，甚至做完整的数字分身。”

麦克皱眉：“你想做虚擬偶像？”

“不是马上做。”曹逸森说，“但一定要提前准备。”

“sm已经在aespa那条线上做虚擬延伸了。问题是，大多数公司做出来的虚擬形象，质感很容易变得很假。脸假、皮肤假、表情假，动起来更假。粉丝一眼就能看穿。”

他看著麦克，语气变得更认真。

“我要的是在4k镜头下也不穿帮的ai皮肤和表情纹理。”

“虚擬偶像能在练习室里和真人一起跳舞。”

“她不一定要完全替代真人，但她可以成为mv、ar舞台、短视频挑战、粉丝互动里的第二层角色。”

麦克听得慢慢坐直了。

“这就不只是娱乐公司了。”

“对。”曹逸森点头，“这是虚擬內容资產。”

他继续说：“这类人，可以从nvicore內部、斯坦福、cmu、甚至一些做图形学和视觉ai的实验室挖。不要只找会调包的人，要找真的理解生成模型、渲染、表情捕捉和视觉美学的人。”

麦克看著白板。

“这类人才会很贵。”

“便宜的人做不出好的东西的。”

“你还真是要么不做，要做就往烧钱方向做。”

曹逸森笑了笑。

“因为半吊子的虚擬偶像，会显得很蠢。”

“而一旦显得蠢，就不如不做。”

麦克点点头：“这句我同意。”

——————————————

第三类，音频信號处理专家。

曹逸森在第三栏下面写下：

dsp（数位讯號处理）

source separation（声源分离）