引擎，没有社交平台，没有语音类的互联网C端业务。
手机端的数据？有是有，但和微软那种级别的语料库比起来，差距不是一星半点。
而且这个节骨眼上，也不能随意调用……
“还有一点。”甘良才补充道，“邓力现在正处于推动微软内部深度学习落地的关键窗口期。微软的管理层最近对AI的态度发生了转变，开始愿意投入更多资源进来。这个窗口期过去了可能就没有了，邓力如果这时候跳船，等于把前面三年的积累全扔了。”
陈星能理解。
你在一家公司花了三年时间，好不容易让管理层相信了你的方向，资源终于开始倾斜了，团队也搭起来了。
这个时候换一家公司从头再来？换了谁都不会干。
“接着说。”
甘良才把剩下几个人的情况过了一遍，问题大同小异。
有的是实验室正好处于出成果的阶段，不愿意中断节奏。
有的是已经拿到了大厂的终身教职或者永久编制，稳定性这个因素在学术圈的权重比工业界想象得要大得多。
有的是纯粹对华夏的科研环境有顾虑。
留在北美随时可以参加顶会、随时可以和同行交流、随时可以拿到最新的论文和数据。
回到华夏？那鱼头朝向我，是喝还是不喝？
喝是真不会喝，可不喝是不是不给面子？
甘良才把笔记本合上，做了一个总结。
“陈总，我跑了两个半月，接触了十几号人，说句老实话，比起钱和待遇，这些人看重的是平台能力。是数据、是生态、是学术圈子的正反馈循环。”
“坏消息说完了，那好消息呢？”
“何开明非常非常愿意加入我们红星，他现在在微软亚洲研究院，主攻计算机视觉，方向是深度卷积神经网络在视觉任务上的应用，重点是他今年才二十五岁，比陈总你还小一岁，没有杨立坤那种学术大佬的光环，也没有邓力在大厂的深厚积累，但这个人有一个特点。”
“擅长工程落地。”
甘良才解释道：“学术界做AI的人分两种，一种是理论派，追求的是提出全新的框架、全新的范式，希望改变整个领域的基础认知，杨立坤是这一类。另一种是工程派，追求的是把好的想法变成真正能跑起来的系统，让它在真实场景里产生效果。”
“何开明是后者，他的论文不是那种只在实验室里的东西，都是能直接搬到工
本章未完，请点击下一页继续阅读！