“宿胖的技术路线，其实是这样的：他宣传里提到的人工智能识别视频内容，并根据用户喜好推送，实际上完全没有做到。

杰克，不知道你注意到了没有为什么快蹄上的视频，都会在首页上打上这么多的字呢？比如这个教你如何扎丸子头，或者那个牙套妹，奈何美色、太木人道。从审美的角度来说，你不觉得短视频打这么多字很丑么？”

冯见雄侃侃而谈地诱导着，力争让杰克马自己去发现。

“对啊，为什么，很丑。”杰克马果然顺着思路往下说。

冯见雄微微一笑：“因为其实宿胖跟张一鸣一样，只会识别视频的标题和文字说明。他的人工智能是识别不出视频图像的故事内容的。他只是靠读懂了文字，然后觉得这个视频是讲什么的，就把它推荐给其他曾经喜欢看同类文字标题或描述内容的用户。

所以，宿胖的真相，只是跟风了张一鸣的技术路线，然后伪装成可以智能推送视频而已。目前地球上，还没有一种人工智能可以看懂视频的故事性。至少四年内不可能。”

“原来是这样……确实，目前世界上图像识别领域最强的就是谷歌，其次就是我们阿狸系，我说他们怎么让机器读懂视频内容的呢。”

这句话不是杰克马说的，而是老曾为了补救，拍的马屁。

他似乎已经忘了，就在不久前，他还信誓旦旦说“宿胖也能做到，所以你冯见雄不配要高价”呢。

不过，没人会在意这些话就是了。

杰克马也不傻，他知道下属是为了帮他砍价。

没有一个老板会处罚一个为了帮自己砍价而说谎的下属的。

冯见雄也是顶级人精，当下呵呵一笑，穷寇莫追。

他也跟着一起当头棒喝后给甜枣：“老曾总算想明白了老马，你就这么想好了，谷歌之所以图像内容识别做得好，是因为他们要搞图片智能搜索的引擎么。

你们阿狸之所以这么投入，是因为你们要让女人去线下服装店拍了照、然后上淘宝找同款。

目前这些技术的商业变现渠道还不多。所以只有你们和谷歌这样砸钱。连你都连根毛的成果还没砸出来，宿胖这点小身板能做出个屁啊。科研是真金白银烧钱的，又不是过家家。”

这个马屁非常精妙，关键是言之有物，让杰克马听得很爽。

毕竟冯见雄夸赞的是他的战略眼光。

对于一个逼王来说，一般的马屁是听不进去的。

但如果有人能从高科技发展趋势的角度，花式论证出他战略决策的英明果决、高瞻远瞩，那杰克马简直会爽到毛孔通透。

可惜世人再无如此口才和犀利眼光。

“嗯……似乎不无道理”杰克马沉吟数息，旋即想到另一个问题，“小冯，那你又准备如何解决目前的人工智能还看不懂视频这个问题呢？如果你没有独门秘诀，那也只不过是宿胖做不到、你也做不到而已。”

“我现在也做不到，但我可以在两三年内做到，而且确保比他们快至少一到两年。”冯见雄智珠在握地说。

“那描述一下你的技术蓝图。”杰克马当仁不让地问。

冯见雄也不客气：“可以，不过能让他们先回避一下么？我的计划，不是纯粹靠技术手段来解决的。而是技术不够、商业和运营来凑。所以，涉及到很多容易被借鉴的创意。我必须确保自己的商业机密。”

杰克马一听，给老曾和蔡重信都使了个颜色，让他们先出去鸡尾酒。

蔡重信和老曾对视一眼，一声不吭带着人走了。

冯见雄微微一笑：“其实，我的办法，说穿了也简单据我所知，目前谷歌公司进行的智能看懂视频项目，其项目预期期限，需要5年，才能攻克全部技术难点。

但是，这5年不是行百里而半九十的，而是按照一个个技术阶段分别攻克的。他们要实现的最终目标，是通过让人工智能算法，识别出一个视频中，哪几帧画面才是决定全篇调性、故事主题的主要内容/中心思想。

然后，再通过精读识别这些帧的画面上，有多少人物、什么动作、发生了什么故事，最后总结出这视频大致是在说讲怎么样一个故事。”

冯见雄说到这里的时候，稍微停顿了一下。也观察了杰克马的接受度，又通俗解释了几个点。

他的这番理论，如果都用术语表述，可能比较晦涩。

但是，举个小学生都懂的例子，横向对比一下，就通俗了谷歌科学家们，在调教“深度学习”型人工智能、理解人类语言文字/图像信息的时候，其实有点儿像老师给小学生上语文课。

相信小学生都记得，当年语文课的时候，老师会不厌其烦问你：这篇课文的主要内容是什么？中心思想是什么？线索是什么？

很多小学生当初肯定是内心有一万头羊驼奔腾而过：尼玛！老子知道这个课文说了啥，看懂不就好了？你问个屁的“主要内容”、“中心思想”啊！考试答错了还扣分！

但你别说，调教机器人学语文的时候，还真得严格按照“主要内容”、“中心思想”这么一步步总结下来。很多人类觉得可以靠本能绕过去、或者省略掉的步骤，机器是绕不过去的。

杰克马很快就懂了，示意他继续：“那么，然后呢？”

冯见雄继续解说：“既然知道谷歌的技术路线了，那么我们就可以推断：在实现最终极的目标之前，谷歌需要先解决读懂一张图里发生的故事的问题，然后再考虑如何选出一个视频中最能体现中心思想的那几帧。

那么，距离读懂一张图里的故事这一步，谷歌目前差多远呢？我认为大致是三年目前谷歌已经可以做到识别图片里是不是有一张人脸，但还没法识别这个人到底是谁、和另一张照片里的人是不是同一个。

谷歌还能识别出图里有没有一只猫，但识别不出这只猫和刚才那只猫是否是同一只。而大约三年之后，这些都不是问题。谷歌能做到从识别出图里有只猫，到识别这一帧在讲什么故事。

我们如果紧跟谷歌的步伐，结合阿狸系的图像识别研发，就算留一年余量好了。那么2016年也能搞出让机器读懂一帧的商用技术。当然，这里面肯定需要与阿狸系图像识别团队的深度合作，也需要后续的投资。

而对我来说，只要做到了识别出一帧，我就能大致读懂整个故事，从而把谷歌需要用纯技术手段解决的问题，用运营手段给暂时绕过去。”

技术不够，运营补。

这一招，冯见雄用得屡试不爽了。