第107章 挖人（2 / 2）
请关闭浏览器的阅读/畅读/小说模式并且关闭广告屏蔽过滤功能，避免出现内容无法显示或者段落错乱。
对方比照片上更瘦，黑框眼镜后面是一双略显不安的眼睛。他坐在角落的位置，面前放著一杯没动过的美式咖啡，手指不停地搓著纸杯的杯沿。
“沈一鸣“左城坐到对面，“我是左城，402科技的。林老师给我看了你的简歷，你的联邦学习框架我很感兴趣。“
沈一鸣抬起头，嘴唇动了动，过了几秒钟才说出话来：“你好。“
左城没有著急，要了一杯咖啡，然后指著沈一鸣面前的那篇论文列印稿：“你这篇异步联邦学习框架的论文我看了，你在梯度压缩和通信效率优化上的思路很巧妙。但我有一个疑问，你在论文里提出的自適应压缩率调整算法，在真实设备上验证过吗“
沈一鸣的眼睛突然亮了起来。
“验证过。“他的语速变快了，“在二十台树莓派上做的，压缩率十六到二百五十六倍动態调整，通信开销降了百分之七十三，精度损失一点五以內。但算力太弱，大规模做不了，gpu排期没过。“
左城认真听著，手悄悄在桌面下操作著系统面板。
科技雷达激活。
扫描范围三十米，沈一鸣就在两米之外。面板上跳出了扫描结果。
【检测到目標掌握以下科技：异步联邦学习框架、梯度压缩优化、自適应通信调度、分布式模型聚合、边缘设备协同训练】
左城的瞳孔微微收缩。
五项技术，全部和联邦学习相关。梯度压缩优化和自適应通信调度恰好是402做边缘ai最需要的能力。
复製需要消耗积分，扫描已经扣了五分。左城决定先不急著复製，把信息记在心里。
“你的研究方向和我们402正在做的事高度吻合。“左城说，“我们有一个物联网平台，十多万台终端设备。来402，你可以在真实工业设备上验证框架，不用排队等gpu集群。“
沈一鸣愣了一下：“十多万台“
“对，而且还在增长。这些设备每天都在產生数据，你的联邦学习框架可以在这些设备上做分布式训练，既解决了数据隱私问题，又利用了边缘算力。“
沈一鸣沉默了一会儿，搓了搓手指：“但是你们公司，规模不大吧我之前面试的那些大厂，他们说小公司没有足够的数据和算力支撑ai研究。“
“他们说的没错，但402不一样。“左城拿出平板，打开物联网平台的监控页面，“四个城市，一千五百个边缘网关，十万个终端节点。每一台都是一个潜在的联邦学习节点。“
沈一鸣盯著屏幕，眼睛越来越亮。
左城合上平板：“402不要求你面试时口若悬河。只要求你把技术做到极致。愿意的话，明天来公司看看，再做决定。“
沈一鸣低下头，安静地坐了十几秒钟。然后他抬起头，用力点了一下：“好。“
走出咖啡馆的时候，左城打开系统面板。科技雷达进入了四十八小时冷却，积分显示二百九十分。
他记下了沈一鸣掌握的技术列表，尤其是梯度压缩优化和自適应通信调度这两项。如果沈一鸣加入402，这些技术自然就能为公司所用，不需要额外消耗积分去复製。
用人才自带技术，比用积分复製更划算。
左城走向停在路边的车。一个联邦学习方向的核心人才，加上科技雷达扫描到的技术清单。
402的ai事业部，有了第一块拼图。
↑返回顶部↑