论上是完美的。”
张栋深吸了一口气，声音变得凝重，“但这背后的技术门槛，高得离谱。”
“传统的搜索只是文本匹配，但您说的这个，是基于海量大数据的机器学习和人工智能领域的推荐算法。”
张栋放下杯子，坦诚地指出目前的困境：
“目前国内的互联网公司，包括企鹅和阿里，在底层算法这块都还处于非常初级的阶段。我们要处理每天几亿人的行为日志，进行毫秒级的特征提取和实时推荐模型计算，这对算力的要求是天文数字。”
“更致命的是人才。我手底下的这帮架构师，搞高并发通讯没问题，但要搞这种前沿的人工智能算法推荐，专业不对口。国内真正懂这块顶尖技术的人，寥寥无几。”
这才是技术发展的客观规律。
在2010年，哪怕是后世横扫全球的字节跳动，此时也还没有诞生。算法推荐的土壤，在国内还是一片荒芜。
“知道短板在哪，那就去补。”
林辰没有丝毫的犹豫，他转头看向一直在一旁认真记录的赵娜。
“赵娜，从今天开始，这件事情列入人力资源部的最高优先级。”
“传统的软件打法快到头了，未来是算力和数据的战争。我要在辰希科技，单独成立一个全新的、绝对保密的部门，名字就叫‘智能推荐与算法实验室’。”
林辰语气果决，下达了招募指令：
“国内找不到人，就去国外找。去硅谷，去谷歌和FaCebOOk的AI团队里挖。”
“国内的高校也不能放过。去清华、北大、中科院的数学系、统计学系和计算机视觉实验室，把那些正在写论文的教授和最顶尖的博士生，全部给我挖过来。”
赵娜记录着这些要求，心里暗自盘算着成本。
从硅谷挖顶级AI人才，或者是从国家级实验室里请人出山，这种级别的招募，已经不能用常规的薪酬体系来衡量了。
“林总，这批顶尖学者的薪资待遇和期权配给，咱们定在什么标准？”赵娜询问道。
“没有标准。”
林辰看着她，给出了一个让所有HR都感到震撼的答案。
“只要他确实是这个领域的顶尖大脑，能帮我们把算法的地基打牢，他要多少，我们就给多少。”
“告诉那些猎头，只要人能来，薪资预算不设上限，科研设备需要什么买什么。我用整个辰希集团的利润，来供养这个实验
…。。