第32章 參賽
沈清雪和團隊為公司初期的成功而歡欣鼓舞，陳陽的心思卻早已飛到了更遠的地方。
「星眼」驗證碼的營收，只是「餐前甜點」。
他鎖在辦公室里，看著機房的伺服器集群正24小時全速運轉。
新買的幾張顯卡在燒灼，他們正在為一項真正的「世界級」工程進行著最後的衝刺。
他打開ImageNet 2012的官網
這個由華人AI大佬李飛飛牽頭的比賽，堪稱「AI界的奧林匹克」。
從2010年開始舉辦，其核心就是讓計算機認識現實中的物品。
它有一個前所未有的超大規模圖像數據集——足足有1400多萬張經過人工標註的圖片，超過2萬個物品分類。
而比賽的衡量標準就是誰的AI模型能更准、更快地識別出這海量圖片中的內容。
陳陽很清楚，在2012年這個時間點，所有參賽的頂尖學術機構（如斯坦福、伯克利）和科技公司（如谷歌、微軟），都還被困在「老辦法」里。
他們的識別錯誤率已經陷入了25%以上的瓶頸，數年都難以寸進。
對學術界來說，這幾乎是一堵無法逾越的高牆。
這是AI「看」世界能力的終極考場，也是一戰成名的最佳舞台。
這也正是他最好的機會。
在上一世，2012年的冠軍（AlexNet）即將登場，它就像是教會了電腦如何搭積木，成功搭了10層樓，讓AI變聰明了。
但這個「10層樓」的設計，已經是那個時代的極限。
所有人都發現，當他們嘗試搭20層、30層時，「大樓」（模型）反而會『塌掉』（效果變差）。
「而我，有1000層樓的圖紙。」
他要拿出的，是基於「殘差網絡」（ResNet）理念的進階版模型。
ResNet本該在2015年才出現，它解決了深度網絡訓練時的「退化」問題，是真正意義上的革命性架構。
陳陽要做的，就是讓這場革命提前整整三年爆發。
它就像是給「大樓」發明了『承重柱』和『高速電梯』，讓樓可以輕鬆蓋到100層、甚至1000層！
樓層越深，AI就越『聰明』，識別能力將呈指數級暴增。
陳陽比任何人都清楚，正是因為有了深度學習的出現，讓計算機第一次真正「看懂」了世界，能準確識別出海量的物體——行人、車輛、交通信號、車道線……
這，正是為後續整個「自動駕駛」行業奠定的技術基石。
沒有這個地基，所有自動駕駛的設想都是空中樓閣，根本無法上路。
也正是因為這場革命，才有了幾年後特斯拉Autopilot的登場。
這一世，他將是那個開啟千億美金新賽道的人。
而這個賽道，從一開始就是用黃金和算力堆砌起來的。
「提交結果的截止日期，是8月底……時間剛剛好。」
他計劃是：
第一步：參賽。他將用「星城數據」（Star City Data）這個毫不起眼的公司馬甲去參賽。
第二步：獲勝。在9月30日結果公布時，讓「星城數據」這個名字，以「斷層第一」的碾壓姿態，震驚全球學術界和工業界。
第三步：揭曉。
屆時，他已經是「水木大學姚班學生」。
當全世界都在瘋狂探尋「Star City Data」究竟是何方神聖時。
他這個「姚班大一新生」再站出來，以「公司創始人」和「首席架構師」的身份，公布那個6.8%錯誤率背後的秘密。
「一個『姚班』的天才新生，利用自家公司暑假訓練的模型，順手拿了個世界冠軍」。
等他拿到冠軍，他在發表論文。
到那時，全世界的學者追著他要看「冠軍方案」！。
……
八月底，臨近開學。
湘南，星城數據辦公室。
陳陽做完最後一次檢查，確認模型的錯誤率已經穩定在了 6.5%這個（在這個時代）堪稱「神跡」的數字上。
他登陸了ILSVRC 2012的評估伺服器。
團隊名稱：Star City Data
他將那份凝結了未來技術結晶的結果文件，平靜地點擊了「上傳」。
「搞定。」
陳陽關上電腦，長長地吐出一口氣。
現在，他只需要安靜地去水木大學報到，等待9月30日那天，它在全球掀起怎樣的驚濤駭浪。
「星眼」驗證碼的營收，只是「餐前甜點」。
他鎖在辦公室里，看著機房的伺服器集群正24小時全速運轉。
新買的幾張顯卡在燒灼，他們正在為一項真正的「世界級」工程進行著最後的衝刺。
他打開ImageNet 2012的官網
這個由華人AI大佬李飛飛牽頭的比賽，堪稱「AI界的奧林匹克」。
從2010年開始舉辦，其核心就是讓計算機認識現實中的物品。
它有一個前所未有的超大規模圖像數據集——足足有1400多萬張經過人工標註的圖片，超過2萬個物品分類。
而比賽的衡量標準就是誰的AI模型能更准、更快地識別出這海量圖片中的內容。
陳陽很清楚，在2012年這個時間點，所有參賽的頂尖學術機構（如斯坦福、伯克利）和科技公司（如谷歌、微軟），都還被困在「老辦法」里。
他們的識別錯誤率已經陷入了25%以上的瓶頸，數年都難以寸進。
對學術界來說，這幾乎是一堵無法逾越的高牆。
這是AI「看」世界能力的終極考場，也是一戰成名的最佳舞台。
這也正是他最好的機會。
在上一世，2012年的冠軍（AlexNet）即將登場，它就像是教會了電腦如何搭積木，成功搭了10層樓，讓AI變聰明了。
但這個「10層樓」的設計，已經是那個時代的極限。
所有人都發現，當他們嘗試搭20層、30層時，「大樓」（模型）反而會『塌掉』（效果變差）。
「而我，有1000層樓的圖紙。」
他要拿出的，是基於「殘差網絡」（ResNet）理念的進階版模型。
ResNet本該在2015年才出現，它解決了深度網絡訓練時的「退化」問題，是真正意義上的革命性架構。
陳陽要做的，就是讓這場革命提前整整三年爆發。
它就像是給「大樓」發明了『承重柱』和『高速電梯』，讓樓可以輕鬆蓋到100層、甚至1000層！
樓層越深，AI就越『聰明』，識別能力將呈指數級暴增。
陳陽比任何人都清楚，正是因為有了深度學習的出現，讓計算機第一次真正「看懂」了世界，能準確識別出海量的物體——行人、車輛、交通信號、車道線……
這，正是為後續整個「自動駕駛」行業奠定的技術基石。
沒有這個地基，所有自動駕駛的設想都是空中樓閣，根本無法上路。
也正是因為這場革命，才有了幾年後特斯拉Autopilot的登場。
這一世，他將是那個開啟千億美金新賽道的人。
而這個賽道，從一開始就是用黃金和算力堆砌起來的。
「提交結果的截止日期，是8月底……時間剛剛好。」
他計劃是：
第一步：參賽。他將用「星城數據」（Star City Data）這個毫不起眼的公司馬甲去參賽。
第二步：獲勝。在9月30日結果公布時，讓「星城數據」這個名字，以「斷層第一」的碾壓姿態，震驚全球學術界和工業界。
第三步：揭曉。
屆時，他已經是「水木大學姚班學生」。
當全世界都在瘋狂探尋「Star City Data」究竟是何方神聖時。
他這個「姚班大一新生」再站出來，以「公司創始人」和「首席架構師」的身份，公布那個6.8%錯誤率背後的秘密。
「一個『姚班』的天才新生，利用自家公司暑假訓練的模型，順手拿了個世界冠軍」。
等他拿到冠軍，他在發表論文。
到那時，全世界的學者追著他要看「冠軍方案」！。
……
八月底，臨近開學。
湘南，星城數據辦公室。
陳陽做完最後一次檢查，確認模型的錯誤率已經穩定在了 6.5%這個（在這個時代）堪稱「神跡」的數字上。
他登陸了ILSVRC 2012的評估伺服器。
團隊名稱：Star City Data
他將那份凝結了未來技術結晶的結果文件，平靜地點擊了「上傳」。
「搞定。」
陳陽關上電腦，長長地吐出一口氣。
現在，他只需要安靜地去水木大學報到，等待9月30日那天，它在全球掀起怎樣的驚濤駭浪。