沈清雪和团队为公司初期的成功而欢欣鼓舞，陈阳的心思却早已飞到了更远的地方。
“星眼”验证码的营收，只是“餐前甜点”。
他锁在办公室里，看著机房的伺服器集群正24小时全速运转。
新买的几张显卡在烧灼，他们正在为一项真正的“世界级”工程进行著最后的衝刺。
他打开imagenet 2012的官网
这个由华人ai大佬李飞飞牵头的比赛，堪称“ai界的奥林匹克”。
从2010年开始举办，其核心就是让计算机认识现实中的物品。
它有一个前所未有的超大规模图像数据集——足足有1400多万张经过人工標註的图片，超过2万个物品分类。
而比赛的衡量標准就是谁的ai模型能更准、更快地识別出这海量图片中的內容。
陈阳很清楚，在2012年这个时间点，所有参赛的顶尖学术机构（如斯坦福、伯克利）和科技公司（如谷歌、微软），都还被困在“老办法”里。
他们的识別错误率已经陷入了25%以上的瓶颈，数年都难以寸进。
对学术界来说，这几乎是一堵无法逾越的高墙。
这是ai“看”世界能力的终极考场，也是一战成名的最佳舞台。
这也正是他最好的机会。
在上一世，2012年的冠军（alexnet）即將登场，它就像是教会了电脑如何搭积木，成功搭了10层楼，让ai变聪明了。
但这个“10层楼”的设计，已经是那个时代的极限。
所有人都发现，当他们尝试搭20层、30层时，“大楼”（模型）反而会『塌掉』（效果变差）。
“而我，有1000层楼的图纸。”
他要拿出的，是基於“残差网络”（resnet）理念的进阶版模型。
resnet本该在2015年才出现，它解决了深度网络训练时的“退化”问题，是真正意义上的革命性架构。
陈阳要做的，就是让这场革命提前整整三年爆发。
它就像是给“大楼”发明了『承重柱』和『高速电梯』，让楼可以轻鬆盖到100层、甚至1000层！
楼层越深，ai就越『聪明』，识別能力將呈指数级暴增。
陈阳比任何人都清楚，正是因为有了深度学习的出现，让计算机第一次真正“看懂”了世界，能准確识別出海量的物体——行人、车辆、交通信號、车道线……
这，正是为后续整个“自动驾驶”行业奠定的技术基石。
没有这个地基，所有自动驾驶的设想都是空中楼阁，根本无法上路。
也正是因为这场革命，才有了几年后特斯拉autopilot的登场。
这一世，他將是那个开启千亿美金新赛道的人。
而这个赛道，从一开始就是用黄金和算力堆砌起来的。
“提交结果的截止日期，是8月底……时间刚刚好。”
他计划是：
第一步：参赛。他將用“星城数据”（star city data）这个毫不起眼的公司马甲去参赛。
第二步：获胜。在9月30日结果公布时，让“星城数据”这个名字，以“断层第一”的碾压姿態，震惊全球学术界和工业界。
第三步：揭晓。
届时，他已经是“水木大学姚班学生”。
当全世界都在疯狂探寻“star city data”究竟是何方神圣时。
他这个“姚班大一新生”再站出来，以“公司创始人”和“首席架构师”的身份，公布那个6.8%错误率背后的秘密。
“一个『姚班』的天才新生，利用自家公司暑假训练的模型，顺手拿了个世界冠军”。
等他拿到冠军，他在发表论文。
到那时，全世界的学者追著他要看“冠军方案”！。
……
八月底，临近开学。
湘南，星城数据办公室。
陈阳做完最后一次检查，確认模型的错误率已经稳定在了 6.5%这个（在这个时代）堪称“神跡”的数字上。
他登陆了ilsvrc 2012的评估伺服器。
团队名称：star city data
他將那份凝结了未来技术结晶的结果文件，平静地点击了“上传”。
“搞定。”
陈阳关上电脑，长长地吐出一口气。
现在，他只需要安静地去水木大学报到，等待9月30日那天，它在全球掀起怎样的惊涛骇浪。
“星眼”验证码的营收，只是“餐前甜点”。
他锁在办公室里，看著机房的伺服器集群正24小时全速运转。
新买的几张显卡在烧灼，他们正在为一项真正的“世界级”工程进行著最后的衝刺。
他打开imagenet 2012的官网
这个由华人ai大佬李飞飞牵头的比赛，堪称“ai界的奥林匹克”。
从2010年开始举办，其核心就是让计算机认识现实中的物品。
它有一个前所未有的超大规模图像数据集——足足有1400多万张经过人工標註的图片，超过2万个物品分类。
而比赛的衡量標准就是谁的ai模型能更准、更快地识別出这海量图片中的內容。
陈阳很清楚，在2012年这个时间点，所有参赛的顶尖学术机构（如斯坦福、伯克利）和科技公司（如谷歌、微软），都还被困在“老办法”里。
他们的识別错误率已经陷入了25%以上的瓶颈，数年都难以寸进。
对学术界来说，这几乎是一堵无法逾越的高墙。
这是ai“看”世界能力的终极考场，也是一战成名的最佳舞台。
这也正是他最好的机会。
在上一世，2012年的冠军（alexnet）即將登场，它就像是教会了电脑如何搭积木，成功搭了10层楼，让ai变聪明了。
但这个“10层楼”的设计，已经是那个时代的极限。
所有人都发现，当他们尝试搭20层、30层时，“大楼”（模型）反而会『塌掉』（效果变差）。
“而我，有1000层楼的图纸。”
他要拿出的，是基於“残差网络”（resnet）理念的进阶版模型。
resnet本该在2015年才出现，它解决了深度网络训练时的“退化”问题，是真正意义上的革命性架构。
陈阳要做的，就是让这场革命提前整整三年爆发。
它就像是给“大楼”发明了『承重柱』和『高速电梯』，让楼可以轻鬆盖到100层、甚至1000层！
楼层越深，ai就越『聪明』，识別能力將呈指数级暴增。
陈阳比任何人都清楚，正是因为有了深度学习的出现，让计算机第一次真正“看懂”了世界，能准確识別出海量的物体——行人、车辆、交通信號、车道线……
这，正是为后续整个“自动驾驶”行业奠定的技术基石。
没有这个地基，所有自动驾驶的设想都是空中楼阁，根本无法上路。
也正是因为这场革命，才有了几年后特斯拉autopilot的登场。
这一世，他將是那个开启千亿美金新赛道的人。
而这个赛道，从一开始就是用黄金和算力堆砌起来的。
“提交结果的截止日期，是8月底……时间刚刚好。”
他计划是：
第一步：参赛。他將用“星城数据”（star city data）这个毫不起眼的公司马甲去参赛。
第二步：获胜。在9月30日结果公布时，让“星城数据”这个名字，以“断层第一”的碾压姿態，震惊全球学术界和工业界。
第三步：揭晓。
届时，他已经是“水木大学姚班学生”。
当全世界都在疯狂探寻“star city data”究竟是何方神圣时。
他这个“姚班大一新生”再站出来，以“公司创始人”和“首席架构师”的身份，公布那个6.8%错误率背后的秘密。
“一个『姚班』的天才新生，利用自家公司暑假训练的模型，顺手拿了个世界冠军”。
等他拿到冠军，他在发表论文。
到那时，全世界的学者追著他要看“冠军方案”！。
……
八月底，临近开学。
湘南，星城数据办公室。
陈阳做完最后一次检查，確认模型的错误率已经稳定在了 6.5%这个（在这个时代）堪称“神跡”的数字上。
他登陆了ilsvrc 2012的评估伺服器。
团队名称：star city data
他將那份凝结了未来技术结晶的结果文件，平静地点击了“上传”。
“搞定。”
陈阳关上电脑，长长地吐出一口气。
现在，他只需要安静地去水木大学报到，等待9月30日那天，它在全球掀起怎样的惊涛骇浪。