汤智晓被问得一噎，脸上的兴奋褪去了一些。
确实，模型是做出来了，但如何转化成实际应用，他们还没有明确的方向。
马明这个问题，像一盆冷水，瞬间浇熄了汤智晓眼中燃烧的火焰。
他脸上的兴奋褪去了一些，嘴唇动了动，却没能发出声音。
是啊，应用。
一个躺在实验室里，只能在特定数据集上跑出惊人数据的模型，对一家商业公司而言，意义何在？
他是个科学家，满脑子都是算法、模型和数据，但如何将这些成果，变成用户手中实实在在的产品，他一时也想不清楚。
会议室里安静下来，气氛有些凝滞。
马宇腾没有立刻回答，他靠在椅背上，平稳的目光从汤智晓转向马明，声音不大，却清晰地传入两人耳中。
“你们在思考一个孤立的技术能做什么，但真正的力量，在于连接。我们手里，不止有这个模型。”
他没有给两人追问的机会，直接向马明发问：“我们的‘大数据项目’，现在推进到哪一步了？最头疼的问题是什么？”
马明虽然不解话题为何跳跃，但还是迅速跟上了思路，答道。
“还是老问题，特征工程。需要大量的人工去筛选、定义、处理海量的数据，才能让机器去理解和分析。这个过程又慢又费钱，效果还不一定好。”
“没错。”马宇腾点了点头，随即目光转向汤智晓。
“汤博士，现在换你来回答。你这个深度学习模型，相比于传统算法，最颠覆性的优势是什么？”
汤智晓几乎是本能地回答。
“自动提取特征。它……它可以自动从海量、高维、非结构化的原始数据中，学习并提取出最有效的复杂特征，不需要人工干预。”
他说完，自己先愣住了。
马宇腾的声音再次响起，像一把钥匙，打开了两人脑中的锁：“现在，把你们俩说的话连起来。”
“用这个模型，去处理我们的大数据。”
他的语气不容置疑。
“用它的自动特征提取能力，替代掉大数据项目里最昂贵、最缓慢的人工环节。比如，自然语言处理，让机器更精准地理解用户在搜索框里输入的到底是什么。比如，个性化推荐系统，根据用户的隐性行为模式，为他在PP平台上推荐他最可能感兴趣的新闻和游戏。再比如，数据库与数据流水线的自我优化，让AI去预测数据洪峰，自动调整资源分配。”