第826章 方总巡视各地!(求订)-《我的重返人生》


    第(1/3)页

    北四环外,西苑颐和园路。

    反正是二百零几号。

    附近是成片成片的低矮建筑群,粗看起来有点老气,有老城区的味道。

    被颐和园、北大、圆明园等多个大建筑群围在中间。

    谈不上环境雅致,但也算得上是闹中取静。

    奔驰停在一个小院子里面,周遭楼宇最高也不过七八十来层。

    院子里没有指示标,也没有围坐一团的大爷大妈。

    午后的时间点还蛮安静的。

    方年跟吴伏城分辨了下方向,走了进去。

    里面有种豁然开朗的感觉。

    入户大门脸挂了个小牌子:

    前沿?盘古?人工智能实验室

    没错,这个不大不小的院子整座都是盘古实验室的办公楼——不在看起来光鲜靓丽的高楼大厦里,也不引人注目,就这么大隐隐于市。

    这整个院子都很少会有访客。

    像是个被遗忘的角落。

    盘古现在倒也配了个正式的CEO,还过了代理阶段,不过并不是外聘,而是内部晋升。

    相比之下,盘古并没有什么发展压力,人员也不多,也不需要太强有力的领导。

    不像朱厌、饕餮、梼杌这些个实验室,一个CEO搭配了数个副总,还有好几个CXO。

    也就是白泽实验室因为苏姿丰的关系稍微宽松一点。

    盘古的CEO高总很快迎出来将方年、吴伏城请进了他的办公室。

    高总都没落座,看着方年跟吴伏城,尽量平静的开口:“方董、吴总,实在不好意思,我这里只有咖啡和茶,不知道您二位要喝点什么?”

    公司最高层领导忽然一声招呼都没打就来到了自己负责的实验室,高总有点紧张。

    更为重要的是,其中还有等闲见不到的董事长方年。

    在迎上方年的目光后,高总就感觉到了压力。

    方年轻轻一笑,招招手:“宏凯,别忙活了,过来坐,我跟吴总坐一会就走。”

    “诶。”闻言,高宏凯感觉自己骨头都轻了二两。

    身为最早一批加入前沿系的员工,高宏凯还是在不断晋升调任京城才知道方年是何许人。

    今天是第一次在方年跟前露脸。

    他都做好了方年不知道他是谁的准备,没想到他刚迎出来方年就叫了他的名字。

    虽然现在已经是方年第二次这么喊,但高宏凯还是与有荣焉。

    高洪凯落座后,乖巧得像是个小学生,双手分别放在双腿上:“方董,您吩咐。”

    方年微微笑着道:“盘古实验室成立也快一年了吧,公司没有像其它几个实验室那样安排发展计划,你自己有没有什么想法?”

    闻言,高宏凯稍作整理,很快回答:“方董,我是这么想的……”

    “公司没给安排发展计划,其实是给了我们一定程度的自由度,是其它实验室不曾有的优势;

    人工智能可以说是最前沿的基础科学领域,全世界都处于探索期;

    过去一年时间里,虽然我们主要是配合其它项目进行相关的算法驯服,但也积累了一定的经验;

    ……

    我们内部定了一份简单的发展计划,主要有分模块、前瞻性、实用型这三大块。”

    “……”

    高宏凯用尽量简单通俗的描述介绍了盘古内部的计划。

    分模块也是沿用女娲实验室的成功经验,分成不同项目组,以应对不同事务。

    盘古目前最重要的营收来源是:内部和少量外部商务合作带来的。

    实际上还不足以维持一家实验室的基础开支。

    前沿对盘古的研发资金倾斜并不多,倒数第一,比胜遇都要少得多。

    当然,在搞定了4G组网解决方案后,胜遇实验室已经迎来了高速发展期,很快就能完成内循环。

    所以在高宏凯他们看来,不能直接砍掉这一部分。

    前瞻性和实用型也不复杂,盘古实验室早就开始了相关操作。

    就是启动前瞻性的人工智能发展方向探索,但也要兼顾实用,不能开发出来个没有任何卵用的智障。

    在这一点上,方年能听出来,高宏凯其实蛮羡慕女娲实验室的‘小娲’助手。

    那就是一种很有商业附加价值的实用型应用领域。

    最起码在去年刚推出来时,直接走在了全世界的前面,风头无二。

    方年和声道:“这样的安排不错,期待盘古能有出成绩的时候。”

    “……”

    又聊了几句,方年和和气气的开口:“最近办公氛围怎么样?”

    “我们这里一直以来都不错,办公环境、业务压力都不重。”高宏凯拍着胸口道。

    “……”

    之后,在高宏凯的带领下,方年跟吴伏城走了一圈。

    最后方年跟盘古实验室的总工聊了几句。

    跟其它实验室不太一样的是,这位总工年纪不是很大,才三十出头,在学术圈里名气还不小。

    北大博士毕业,主专业数学,反正大家能服气。

    这位陈总工也很有想法,他对人工智能的未来有一些还不错的想法,理性中带着点学者的浪漫。

    并没有一上来就想什么科幻型强人工智能。

    倾向于驯服更强有力的算法来解决实际问题:

    譬如京城的交通拥堵。
    第(1/3)页