陳北點頭，“算是吧，而且現在就急于盈利其實為之過早，移動互聯網正是待開發的蠻荒之地，包括你一直負責觀察的那些企業，我們這些人在未來幾年之內都不會真正做到盈利的。我呢，算是一次探索，失敗了也沒關系，時間還是有的。”
關于內部的這些聲音。
陳北也都傳達到了溫曉光的耳朵里。
拒絕馬總，就會帶來這些副作用。
說白了，公司內有些人是為了實現自己的某個夢想，但多數人都是為了錢在工作，甚至于發展到但凡公司老板光談遠景、夢想不談錢的都是耍流氓。
因此拒絕了這么明顯的利潤，要說一點波瀾都沒有，那應該就是CEO自己蒙著眼睛騙自己。
不過溫曉光也不會被下面的意見裹挾。
溫曉光對陳北說：“我之前便預感到會有一些聲音，但不會有問題，微拓還是發展勢頭最猛的企業。”
“那那些聲音……”
“CEO的工作不是聽下面人的話，而是叫下面人聽話。”溫曉光講了很直接的話，然后問：“你甭操心這些了。你負責的項目那邊呢，進展如何？”
陳北坦言，“設想很美妙，但做起來有難度，單純的新聞類app太過簡單，而要說到你說的個性化推薦……又太難，你也是高級知識分子，應該知道模型這倆字，說起來容易，做起來真不容易。”
“具體，難在哪兒？”溫曉光問道。
陳北仰著腦袋想了想，他那個頭發是越來越少了。
“按照你的要求和設想，我們要根據用戶的社交行為、行為、地理位置、職業、年齡等挖掘出他的興趣，如果要真正實現大致上要分成兩步，第一步就是通過用戶的行為，計算出用戶興趣。第二步，要在用戶的每一次動作之后捕捉其動態，然后更新用戶模型。”
“你不必和我講這么專業的東西，我并非計算機出身，聽不懂你說的用戶模型的內涵，你只告訴我，難在哪兒？”
“哪兒都難啊。”陳北都要眼含淚水了，“要從每一條信息中提取幾十個到幾百個高維特征，然后進行降維、相似計算、聚類等方法去除重復信息，之后要進行機器分類、LDA主題分析、信息質量識別……”
“更關鍵的是，你說的是做到實時推薦，那需要計算機在多久時間內計算出結果？”
溫曉光確實不大懂，“既然是實時，總歸是得很短很短才行，1秒？”
“真1秒就好了。”陳北扯著嘴巴苦笑，“考慮到巨大的用戶規模，每個實時推薦的計算要在0.1秒內得到結果，用3秒鐘完成文章提取、挖掘、消重、分類，5秒計算新用戶新區分配，10秒內更新用戶模型。”
好吧，聽起來是不大容易，溫曉光原諒了他的抱怨。
“既然這樣的話，我給你推薦一個人，你找到他，可以給他高薪，但能不能弄過來，得看你的本事。”
陳北陡然有了興致，眼睛瞪大了問：“誰？”
“張一名。九九房的CEO，你去碰碰運氣吧。”
陳北呲溜一下就跑了。
“要的確是人才，我真的會給很高的薪水的，反正到時候你發！”
溫曉光微笑不語，他是無所謂的，這種人才不是錢的問題。