站在宽敞明亮的走廊里挂了电话，迈克尔·乔丹整理了一下身上的西装，这才踱着步子走进了不远处的会议室。
他此刻并不在伯克利分校，而在大名鼎鼎的微软研究院硅谷实验室。
这次他就是专门来跟微软谈合作的。
这些年微软研究院硅谷实验室一直跟伯克利分校联系比较紧密。
比如双方本就有许多联合研究项目，还会共同指导博士生。
伯克利分校许多教授都在担任这里的顾问或者访问研究员。
同样，伯克利分校也会经常邀请这里的研究人员来学校讲课。
对于微软来说这也是一次非常必要的合作。
毕竟人工智能依然是最重要的发展方向之一。
这次合作的目的，也是希望能将分布式优化、机器学习理论等等伯克利的强项，转化为azurel平台的内核竞争力。
简单来说就是让微软的云平台能提供更快、更便宜、更可靠、以及更能处理极端规模问题的ai计算计算平台，来应对同行的竞争。
没办法，对于微软来说他们错过了移动互联网时代。自然不想再错过云计算时代。
然而世界云计算市场同样竞争激烈。亚马逊的aws、谷歌的云平台这些全球挑战自不必说。
局域市场上诸多华夏公司的挑战同样让人伤神。
比如小里云、华为云等等————
而且这次合作还有更深层次的目的。
微软越来越不满对openai的依赖了。尤其是openai运行和训练大模型成本太高了！
许多微软高层都认为他们需要更独立以及多样性的ai基础模型。
于是双方开始眉来眼去，所以即便迈克尔·乔丹跟亚马逊有长期的合作，但还是想办法促成了这次合作。
毕竟第一期就持续三年，且总计八百万美元的研究经费在当下可不是一笔小数目。
当然初期合作这三年非常重要，如果能做出成绩，后续自然还有更大额的资金跟进。
签约仪式非常顺利。搜嗖暁说蛧 耕辛蕞全
相关的条款之前早已经沟通好了，今天无非就是走一个形式。
在所有合同上签署完自己的名字，双方开始喝香槟的时候，迈克尔·乔丹突然想起了刚刚彼得·萨纳克打来的那通电话。
于是看向这次签约的代表，微软研究院院长大卫·史密斯跟srsvnl主任亚历克斯·布朗正色推荐道：“我建议你们看一下siopt官网上发布的一篇关于优化——
的文章。作者是su跟qiao。”
“哦？这篇文章很有见地？”密斯问道。
“我认为他们的研究对于开发一个真正的全新下一代云计算平台很有帮助。
甚至可以提供一个新更有潜力的理论框架。
我想过办法，希望能够邀请他们一起合作，可惜被拒绝了。不过在囤积人才这块，你们应该比我更有办法一些。”
这倒是大实话。
知名的学术大佬自然会有很多拥趸。也的确有许多人是看在大佬的名头上，会主动合作。
但创建在曾经学术名望上的吸引力并不是万能的。
或者说在很多时候并没有那些大公司的一份合同更有魅力。
毕竟象微软、谷歌、亚马逊以及ate这样的大公司，他们是很舍得为真正的人才花钱的。
尤其是对那些有着明显近期价值，又或者研究方向很好讲资本故事的学者。
而一旦跟这些大公司合作，往往意味着名利双收。
毕竟这些大公司不但有钱，还自带流量，而且这个流量质量还很高。
可能普通人不会关注这些大公司背后的人事更迭，又或者技术方面的合作。
但相关从业者可都是一直密切关注的。
然后全世界做相关研究的人跟资本市场都会第一时间去关注。
但对于一些学术界新人，如果一份合作公告中出现了他的名字，便会立刻被诸多世界顶级猎头公司所关注。
同时他曾经发表的所有论文都会被做相关研究的科研人员翻出来研究。
这甚至比一些学术界大佬站出来为其背书还有用。
道理也很简单。
很多时候学术大佬站出来背书也不是出于本意，甚至可能不是对其研究成果有多看好。
也可能是出于某种特别的私人关系，甚至可能只是因为多年前欠下的某个人情。
这在当代学术界并不罕见。
但这些大公司签署的合同可都意味着要拿真金白银投入进去。
所以合同签署之前必然是经过全面且详细的论证、评估其研究价值跟未来发展的潜力。
更别提微软这样的大公司还能提供远高于学术界的薪资、巨额研究经费、对个人来说近乎无限的顶级计算资源，背后能提供一个庞大的工程团队帮助其理论落地————
更别提微软在全球还有着数十亿的用户。
对于新人来说，如果被微软这种国际性大公司注意到，自然是妥妥的名利双收。
毕竟乔源那篇论文只是征服了他而已。
他其实不太确定这些纯理论的东西是否真能落地。
起码就目前那篇论文的成果来说，还没有完全解决引入噪声带来的计算复杂度提升问题。
能够让这位菲尔兹奖获得者主动打电话询问，起码证明了乔源关于勒让德猜想的论文，已经获得了这位研究一辈子数论的数学家的初步认可。
这既说明了这篇论文的潜力无限，更说明了论文作者有着强大的科研能力。
再加之袁意同还想着把这个新人给藏一段时间，迈克尔·乔丹自然不介意推上一把，加速一下乔源露脸的进程。
毕竟等待勒让德猜想审稿的周期必然会很长。
这种世界性的数学难题，审稿过程本就突出一个慢。
一帮老学究恨不得要带着显微镜去找其中的漏洞。更别提这次还是用的优化的方法。
除非所有审稿人半点错误都挑不出来，才会同意发布。
最重要的是，如果微软真能把这个qiao挖到手，那肯定要归功于今天他的举荐。
随口一个推荐，就可能获得一位学界新秀未来几十年的友谊，何乐而不为呢？
“哦？论文题目是什么？”
“噪声强度对ngev扩散收敛速率的共振效应分析。”
“找到了，竟然在主页？看来很多人看好这项研究？作者是华夏人呢？”
“对。”
——
“好吧，乔丹教授，你认为他的这项研究能在哪些方面为我们提供帮助？”
“这篇论文的内核是证明了在凸优化背景下，向ngev扩散过程注入特定强度噪声，能显著加速器收敛到最优解的速度。
这超出了目前一般对噪声研究的梯度，也就是简单的噪声有益性研究，而是证明了存在一个最有的共振噪声强度区间。
对于理论学界来说这个结果是有一定颠复性的。挑战的是噪声总是有害的，需要最小化的这一传统观点。
在这一理论的支持下，如果我们能为新一代的azurel平台优化器库注入智能噪声，能够自动逼近最合适的噪声强度，意味着能大幅度提升模型性能的同时，降低调参成本和训练时间。
而且我们都知道，异步分布式优化中，工作节点参数过时本质上是注入了一种特定的、与系统动态相关的噪声。
如果正如论文中说的那样，这种延时噪声未必总是有害的，那我们可以做的事情就很多了。不管是做算法还是系统，可以尝试让这种延迟的统计性落在有益范围之内。
以达到加速收敛的效果，也就是共振效果！当然这些都需要更深入的理解延迟分布与优化动态的相互作用。
这也是我想邀请这位论文作者添加到我们研究的根本原因。毫无疑问，针对这种理论的研究，作者及其团队已经走在了世界前列。
虽然我暂时还不敢保证这一思路一定奏效，但不管如何这毕竟是未来云计算平台乃至ai技术突破瓶颈，向前发展的一个可行性极高的路线。”
“你觉得这个结果主要是通信作者做出的，还是一作。当然我理解数学论文主要是看一作。但他们的主要工作单位留的似乎是通信作者单位。”
“”
“为什么？”密斯追问了句。
利用这篇论文中的一个引理解决了勒让德猜想。萨纳克同样对那篇论文的评价很高。”
“等等，这篇论文不是解决噪声优化问题？为什么跟勒让德猜想扯上关系了？”
虽然两者的关注点并不同。
我也想问清楚的，但刚刚签约仪式就要开始了。也许等会我们可以打个电话给他好好问问。”
“感谢你的建议，乔丹教授。这个qiao的单位是jiangguy。我对华夏的学校并不熟悉，不过我会让华夏的同事去打听一下的。”
“不用谢我，这是作为合作方应该做的。另外，如果有消息了的话，希望你能通知我一声。说实话，我对这位作者的身份也很好奇。”
“没问题，祝我们合作顺利。”密斯收起手机，举起了酒杯。
“合作顺利！”
乔源并不知道只因为某位大佬的临时起意，他竟然已经成了一个国际庞然大物的关注对象。
不过次日起床没多久，他便感受到了来自导师的关爱。
陆明远在国庆假期最后一天破天荒的给他打了一个电话。
真的，自从那次燕北之行后，他这位未来名义上的导师都没跟他有过任何主动接触。
既没主动发过微信，也没主动打过电话。
乔源也没有一个身为院士学生的自觉，除了那天在骆馀馨的要求下，给陆明远打了个电话，要了导师的超算账号外，也没有过主动沟通————
所以今天这通电话的确有些意外。
“英语学习的怎么样了？”
“还行，已经能做基础阅读了。”
“恩，不错。对了，你们学校领导还没主动跟你接触吧？”
“没啊。”
“那就好。如果你们校领导，不管是哪个层级的领导跟你主动接触的话，你就一问三不知好了。如果逼得急了，就让骆馀馨去应付。
你不要多说话，更不要少年意气，把一些事情跟学校对你的不公正待遇联系上，起码不要再明面上联系到一起。”
“我懂的，老板。”
“以后叫老师，别叫老板，别被人带坏了！”
好象跟骆馀馨说的有些不一样，不过乔源从善如流。
“好的，老师。”