重生的我做空半岛 - 第二百五十六章｜人比机器更贵 （4.6k）

    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）
    voice cloning（语音克隆）
    real-time vocal demo（实时声乐demo生成）
    这一次，麦克立刻明白了。
    “这个和k-pop最直接。”
    “对。”曹逸森说，“视觉能让人点进来，音频才能让人留下。”
    他把笔放下，语气放缓了一点。
    “2021年的音频ai还没那么成熟。spleeter这种伴奏分离工具已经有了，但还是粗糙，分离质量、实时性、可控性都不够。语音克隆也在发展，可真正能用於音乐製作，尤其是高质量歌唱声线的系统，还远远不够。”
    “所以我们要从spotify、ircam、dolby、或者做音乐信息检索、语音合成的人里挖。”
    “核心任务有三个。”
    他竖起一根手指。
    “第一，伴奏和人声分离。”
    “练习室、live、舞台、综艺、饭拍，只要音频质量够，它就能把人声、伴奏、观眾噪音拆开。以后我们做舞台復盘、live修復、短视频剪辑，效率会高很多。”
    第二根手指。
    “第二，艺人声线建模。”
    麦克挑眉：“这个会有点敏感啊。”
    “所以一定要在內部做，且有严格授权。”曹逸森说，“不是拿来偽造艺人声音，而是拿来做demo预览。”
    “比如製作人写了一段副歌，不用每次都叫艺人进棚试唱。输入歌词和旋律，系统先用艺人的声线生成demo。製作人听完，判断適不適合这个成员，再决定要不要安排正式录音。”
    “这样能省多少时间，你知道吗？”
    麦克没说话。
    他当然知道。
    如果一个团有五六个成员，每个人声线不同，製作人光试分part就能耗掉大量时间。ai先生成草案，不是替代艺人，而是让製作环节变快。
    第三根手指。
    “第三，实时修復和应急合成。”
    麦克看著他：“你是不是要说艺人感冒失声，也能用ai上台？”
    “正式现场不行。”曹逸森摇头，“那是找死。”
    麦克鬆了口气。
    “但后台demo、彩排、电视台预录参考、临时替代guide vocal，可以。”
    “比如艺人感冒失声，製作人还得赶某个版本。dsp专家在后台敲几行python，调用本地伺服器，根据授权声线模型生成足够逼真的高音demo。不是拿去骗粉丝，是拿去让製作流程不中断。”
    曹逸森顿了一下，又笑著补了一句：
    “当然，如果质量能做到足以骗过格莱美评委，那更好。”
    麦克举手：“这句我建议不要写进招聘邮件。”
    “我知道。”
    “也不要写进商业计划书。”
    “我没那么蠢。”
    麦克一脸怀疑地看著他。
    曹逸森懒得理他，继续道：“这类dsp专家，是最先要落地的。因为音频是我们最直接的业务。hzn也好，cube也好，田小娟也好，都立刻能用。”
    麦克点头。
    “这个我支持优先招。”
    白板上很快写满了东西。
    深度学习架构师。
    gan视觉大神。
    dsp音频专家。
    几条线摆出来以后，仓库里那几台dgx a100的意义也清晰了。
    它们不是买来摆著嚇人的。它们是给这些人准备的武器。
    麦克站在白板前，看了很久，最后低声说：
    “这团队要是组起来，成本会非常夸张。”
    曹逸森点头。
    “我知道。”
    “closeai、nvicore、斯坦福……这些地方的人，一个比一个贵。你不只要开高薪，还得给他们项目自由、股权、实验预算，甚至还要给他们一种『我不是来娱乐公司修音的，我是在定义新產业』的幻觉。”
    “不是幻觉。”曹逸森纠正，“是真实的项目。”
    麦克看著他，揉了揉太阳穴。
    曹逸森指了指白板，又指了指那台dgx a100。
    “你想想，我们现在手里有什么。”
    “纽约，有unity的钱。”
    “首尔，有hzn的厂牌，有cube的运营权，有田小娟这种创作者，有gidle这种ip，有练习生，有舞台，有真实產业场景。”
    “洛杉磯，有机器，有工程师，有和美国音乐圈、科技圈连接的入口。”
    “硅谷那些ai团队，很多人最缺什么？”
    “真实场景。”
    “他们有论文，有模型，有benchmark，但没有一个能让他们立刻看见自己技术如何影响真实偶像、真实粉丝、真实舞台、真实商业回报的地方。”
    曹逸森看著麦克，声音越来越稳。
    “这个我们能给他们。”
    “也能给他们数据，给他们舞台，给他们艺人，给他们反馈闭环。”
    “他们在別的地方只能做工具。”
    “在我们这里，他们能做整个系统。”
    麦克沉默了。
    他不得不承认，这套话术如果真拿出去讲ppt，確实会很有杀伤力。
    尤其对於那些不想一辈子待在大厂里优化推荐系统、ggctr、內部api性能的工程师来说，这简直就是另一个世界。
    一个更混乱、更商业、更冒险，但也更有故事感的世界。
    过了好一会儿，麦克才开口：
    “你知道最可怕的是什么吗？”
    “什么？”
    “我一开始觉得你疯了。”
    “现在我居然觉得，这事可能真能成。”
    曹逸森笑了。
    “那说明你开始进入状態了。”
    “我不是进状態，我是被你拖下水了。”
    “区別不大。”
    麦克嘆了口气，拿出手机开始记。
    “行。第一步，我联繫猎头和湾区的人。closeai和deepmind直接挖可能很难，但可以先找离职边缘、合同快到期、或者想创业的人。”
    “第二步，视觉这块我从nvicore和斯坦福那边摸线。”
    “第三步，dsp这块我去spotify和纽约音乐科技圈问。ircam那边我得找找欧洲关係。”
    曹逸森点头。
    “別只用钱砸。”
    “知道。”麦克说，“用愿景砸。”
    “还有股权。”
    “你终於说到他们真正爱听的了。”
    曹逸森笑了一下。
    “愿景负责让他们上飞机，股权负责让他们留下来。”
    麦克看著他，半天吐出一句：
    “你真的越来越像老板了。”
    “我本来就是。”
    “以前你更像天才交易员。”
    “现在呢？”
    麦克看了眼白板，又看了眼那台dgx a100，最后说：
    “现在像一个准备把整个娱乐圈拆开重装的疯子。”
    曹逸森没有反驳。
    他只是转身看著仓库里那几只还没拆封的箱子，眼神里那点兴奋慢慢沉成了更深的东西。
    “拆开重装也没什么不好。”
    “韩娱这套系统，太依赖人肉经验了。”
    “谁更会熬夜，谁资源多，谁关係硬，谁能压榨团队，谁就贏。”
    “我想换一种玩法。”
    麦克问：“用ai？”
    曹逸森点头。
    “用ai，把经验变成系统。”
    “用算力，把小公司的试错成本打下来。”
    “用模型，把创作、训练、宣发、视觉、发行，全都往前推一格。”
    他说完，轻轻拍了一下那台dgx a100。
    “先从这几台机器开始。”