曹逸森站在那堆机器前，盯着NviCore的标识看了一会儿，忽然开口：

　　“硬件我们有了。”

　　麦克转头看他：“然后呢？”

　　“软件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软件生态，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产业工具的人，太少了。”

　　他说着，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。”

　　“这是产品愿景。”

　　“听起来像什么反派产品愿景。”

　　“随你怎么理解。”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，随手拿起一支油性笔，在仓库临时白板上写下三个词。

　　Architecture（结构）。

　　Visual（视觉）。

　　Audio（音频）。

　　麦克看着白板，表情一点点严肃起来。

　　他知道，曹逸森这次不是随便脑洞。

　　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/多模态规划

　　“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。大众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产业的人。”

　　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：这个练习生适合走清冷视觉，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适合哪个成员开头，哪个成员压副歌。甚至哪一段最适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）

　　“现在别人还在讨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，嘴角带着一点笑容，“你想象一下，我们直接派私人飞机去旧金山，把那些还在研究早期多模态的工程师接过来。”

　　“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。”

　　麦克看着他，沉默了几秒。

　　“……你这个人真的很适合当什么邪教头子。”

　　“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。你让他去优化广告点击率，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。”麦克叹了口气，“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？”

　　“别说得这么难听。”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（虚拟偶像系统）

　　AI Skin（AI皮肤生成技术）

　　Expression Rigging（高精度表情绑定）

　　Aespa-like Extension（类aespa虚拟分身扩展架构）

　　“2021年，是AI生成人脸和换脸技术特别活跃的阶段。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、虚拟形象，甚至做完整的数字分身。”

　　麦克皱眉：“你想做虚拟偶像？”

　　“不是马上做。”曹逸森说，“但一定要提前准备。”

　　“SM已经在aespa那条线上做虚拟延伸了。问题是，大多数公司做出来的虚拟形象，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。”

　　他看着麦克，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。”

　　“虚拟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，“这是虚拟内容资产。”

　　他继续说：“这类人，可以从NviCore内部、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。”

　　麦克看着白板。

　　“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。

　　“因为半吊子的虚拟偶像，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，音频信号处理专家。

　　曹逸森在第三栏下面写下：

　　DSP（数字信号处理）

　　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，可真正能用于音乐制作，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、观众噪音拆开。以后我们做舞台复盘、live修复、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。”

　　“所以一定要在内部做，且有严格授权。”曹逸森说，“不是拿来伪造艺人声音，而是拿来做demo预览。”

　　“比如制作人写了一段副歌，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。制作人听完，判断适不适合这个成员，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，制作人光试分part就能耗掉大量时间。AI先生成草案，不是替代艺人，而是让制作环节变快。

　　第三根手指。

　　“第三，实时修复和应急合成。”

　　麦克看着他：“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。”

　　麦克松了口气。

　　“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，制作人还得赶某个版本。DSP专家在后台敲几行Python，调用本地服务器，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，是拿去让制作流程不中断。”

　　曹逸森顿了一下，又笑着补了一句：

　　“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。”

　　麦克一脸怀疑地看着他。

　　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。

　　它们不是买来摆着吓人的。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，我是在定义新产业’的幻觉。”

　　“不是幻觉。”曹逸森纠正，“是真实的项目。”

　　麦克看着他，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，有真实产业场景。”

　　“洛杉矶，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。”

　　曹逸森看着麦克，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。”

　　“他们在别的地方只能做工具。”

　　“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，确实会很有杀伤力。

　　尤其对于那些不想一辈子待在大厂里优化推荐系统、广告CTR、内部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态了。”

　　“我不是进状态，我是被你拖下水了。”

　　“区别不大。”

　　麦克叹了口气，拿出手机开始记。

　　“行。第一步，我联系猎头和湾区的人。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系。”

　　曹逸森点头。

　　“别只用钱砸。”

　　“知道。”麦克说，“用愿景砸。”

　　“还有股权。”

　　“你终于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。”

　　麦克看着他，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。

　　他只是转身看着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，谁关系硬，谁能压榨团队，谁就赢。”

　　“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。”