周志云甩下一句怂怂的狠话后就离开了晨星实验室。
他算是清楚岑言这小子的德性。
想要跟他空手套白狼，那是没门的，只有拿出真材实料的东西或者门路。
他才会愿意透底。
不过岑言的这种表现，也让周志云更加放心。
不管是岑言对于这方面所展示出来的了解和把握，还是他那种神秘兮兮的模样。
在简单交流后，周志云是大概了解岑言的意思，他也认可这个方向。
简单来说，周志云心里也有底了。
剩下的事就是去干。
岑言忙，那就他去干，走流程，跑手续，要经费，要投资，商业洽谈。
他老周又不是没有干过。
岑言一个人坐在休息室里没出来。
周志云走了，他自己也需要静静。
如果真的想要把Transformer在半年的时间内快速的做出来，那他们所要面临的挑战，绝对不会比他做魔角石墨烯轻松。
一整个完整的架构，绝对不是一个人的战斗。
人员结构标配要到位。
要有懂注意力、序列建模、数学推导的理论算法研究员，也要有精通Transformer、分布式训练、数据流水线的工程落地工程师，还得有懂分词BPE翻译任务特性的机器翻译领域专家。
前和后其实都好说。
毕竟有周志云的，有自己在，实在不行，自己直接开抄也行。
但是工程落地工程师就没那么容易。
这一类工程师是AI领域最稀缺、最珍贵的人才之一。他们的珍贵性体现在了不可替代性、复合技术壁垒和产品刚需三重属性。
要知道目前的AI发展还只是起步。
AI人才的分化非常严重。
懂得数学、懂得论文、懂得模型的算法研究员，不会工程化、不会分布式、不会大规模数据处理的不在少数。
甚至岑言自己就能算一个。
而那些传统的后端大数据工程师，他们会分布式、会数据，但不懂深度学习框架、不懂反向传播，更不懂模型训练逻辑。
可能连GPU优化都做不好。
而且成年所需要的拥有开创性能力的AI工程落地工程师必须同时打通三大壁。
算法、系统、大数据三重交叉人才。
在未来10年后的2026年，这样的人才获取会成为大厂的标配。
但放在2016。
此时根本没有任何现成的培养路径，全要靠自学和项目，再加上大厂内部历练。
但这样的人一旦进了大厂。
大厂几乎就不可能放他们走。
因为他们是论文到产品这一路线的唯一桥梁，决定了AI理论是否真正能落地。
2016年本身就是AI从实验室走向工业化的临界点。
谷歌、百度、Facebook等互联网大厂都在把深度学习塞进搜索、翻译、语音等核心产品之中。
可是90%的SOTA论文是没法落地的。
因为GPU优化不行，跑不动，或者是训练太慢，数据很脏，不够稳定。
只有岑言需要的这一类工程师能够解决问题。
他们能把论文模型缩放到小样本，能通过分布式把训练速度提升百倍，能保证7*24稳定训练，可复现，可监控，还能把模型部署到线上服务，实现低延迟、高吞吐。
而更重要的是。
TensorFlow在15年11月9号才刚刚开源。
今年的4月14日，TensorFlow 0.8才首次支持分布式。
而且这一版本非常粗糙，Bug很多，文档很少。
可以说，现在全球能真正懂TensorFlow分布式的人，几乎只有谷歌内部团队和极少数的外部核心贡献者。
李智现在做的不错吧？
郑宇的技术力也足够了吧？
但摆在这面前也完全不够。
倒不是他们的个人实力不足，而是时间太过紧迫，岑言没有办法给他们足够的时间去学习、去掌握，去踩坑。
因为现在第三方资料、教程和社区讨论度很低很低。
毕竟这玩意大家都不太懂，怎么讨论呢？
踩坑只能全靠阅读源码，或者发邮件去问谷歌团队。
牛逼的人或许可以自己调试，但要调试多久也是个未知数。
岑言皱着眉头。
走出了休息室。
这件事也不能完全只交给周志云去办，老周虽然在业内名声不错，可想要真正去吸引到谷歌团队的高手，或者是江湖高手。
还是有些困难的。
他打开电脑，开始查询TensorFlow相关资讯。
这种很难掌握的消息，检索起来是真的麻烦。
岑言今天把其他事都撂下了。
就专门在这里研究。
研究了老半天，在论坛上、社区里，甚至是联系了布莱恩，咨询了一下情况。
岑言对于目前全球的AI工程师现状有大概的了解。
目前全球能够满足他需求的工程师。
可能就只有500多人。
值得一提的是，其实目前全球AI相关技术的人才即将接近200万。
可这个数据是包含的那一些会调包、会应用、会做数据分析的人。
这些玩意放到研究里，和工程师是不沾边的。
而全球能发顶会的顶尖AI研究者不超过1万人。
想要符合岑言的要求。
TensorFlow的直接核心贡献者，包含谷歌内部的员工，总共不到500人。
这400多人里，不少人是专研专精。
符合要求的，或许就200来人。
Google里Brian、DeepMind、Translate团队加起来，真正能三者贯通的，可能只有50到80人之间，这是能真正用在这篇《Attention is All You Need》的工程部分的核心人才。
而其他家顶尖大厂，每家算一个10人，也就不到100人。
高校和实验室的虽然能用，但他们并不精通工业级数据流水线、部署和稳定。
所以岑言想要的人。
基本上是挖不出来的，而且过半都在谷歌。
那要自己培养吗？
你的意思是用半年的时间，就培养出超过别人五年培养周期的顶尖专项人才？
别逗你岑哥笑了。
说来说去说到底，还是得挖人。
但挖人这件事可没那么简单。
去哪里挖人？挖什么样的人？怎样挖人？
这些可都是学问。
总不能直接哼着“在小小的谷歌里挖呀挖呀挖……”
然后就跑到大洋彼岸去，把谷歌那帮工程师直接打包带回来吧？
那保准是有人疯了。
是谁疯了我不说。
“那最优解的话，还是得先去挖谷歌的核心成员啊。”
岑言琢磨道。
是时候得研究一下有没有人脉了。
“吴倩，你去把徐博文和张若谷喊过来。哦对，把刘文清也喊过来。”
刚好吴倩进了办公区，她原本想一屁股坐到自己工位上开始美美追剧，结果就被一眼瞥见她的岑言使唤着去干活。
“哦……”
吴倩不情不愿地挪着脚步去找人。
过了好半晌，三位研究员才被找到了岑言面前。
“主任，你找我们？”
徐博文大大咧咧的一笑，完全不担心岑言找他们是有什么坏消息。
“你们三……有没有什么同学或者人脉在谷歌里面的？”
“谷歌？”
三人俱是一愣。
说实话。
他们三个全都不是搞计算机的，谷歌这种互联网大厂和他们距离还是有点远的。
虽然谷歌内部也有一些研发项目在做硬件材料研发，可能会和凝聚态物理学有所沾边。
但是像他们三这样水平的高手，一般来讲是不会去企业里趟浑水的。
研究归研究，工业归工业。
说到底，这其实是两码事。
关于学术研究和工业生产脱节这种事情，并不是只有中华会出现这种情况，其实全球都有这种情况。
包括到26年的AI界。
很多在学校里面做学术的AI研究者，在经历了学校那种没有意义的无效研究后，都会想着尽可能快地脱离学校，走到企业。
反而在企业才能接触到最前沿、最先进的领域技术和思想。
当然了。
按照岑言前世的一个跑到UIUC去做机器学习研究的好哥们在26年和他抱怨的时候说的。
说实在的。