会带来这些副作用。

说白了，公司内有些人是为了实现自己的某个梦想，但多数人都是为了钱在工作，甚至于发展到但凡公司老板光谈远景、梦想不谈钱的都是耍流氓。

因此拒绝了这么明显的利润，要说一点波澜都没有，那应该就是ceo自己蒙着眼睛骗自己。

不过温晓光也不会被下面的意见裹挟。

温晓光对陈北说“我之前便预感到会有一些声音，但不会有问题，微拓还是发展势头最猛的企业。”

“那那些声音……”的工作不是听下面人的话，而是叫下面人听话。”温晓光讲了很直接的话，然后问“你甭操心这些了。你负责的项目那边呢，进展如何？”

陈北坦言，“设想很美妙，但做起来有难度，单纯的新闻类a太过简单，而要说到你说的个性化推荐……又太难，你也是高级知识分子，应该知道模型这俩字，说起来容易，做起来真不容易。”

“具体，难在哪儿？”温晓光问道。

陈北仰着脑袋想了想，他那个头发是越来越少了。

“按照你的要求和设想，我们要根据用户的社交行为、阅读行为、地理位置、职业、年龄等挖掘出他的兴趣，如果要真正实现大致上要分成两步，第一步就是通过用户的阅读行为，计算出用户兴趣。第二步，要在用户的每一次动作之后捕捉其动态，然后更新用户模型。”

“你不必和我讲这么专业的东西，我并非计算机出身，听不懂你说的用户模型的内涵，你只告诉我，难在哪儿？”

“哪儿都难啊。”陈北都要眼含泪水了，“要从每一条信息中提取几十个到几百个高维特征，然后进行降维、相似计算、聚类等方法去除重复信息，之后要进行机器分类、lda主题分析、信息质量识别……”

“更关键的是，你说的是做到实时推荐，那需要计算机在多久时间内计算出结果？”

温晓光确实不大懂，“既然是实时，总归是得很短很短才行，1秒？”

“真1秒就好了。”陈北扯着嘴巴苦笑，“考虑到巨大的用户规模，每个实时推荐的计算要在01秒内得到结果，用3秒钟完成文章提取、挖掘、消重、分类，5秒计算新用户新区分配，10秒内更新用户模型。”

好吧，听起来是不大容易，温晓光原谅了他的抱怨。

“既然这样的话，我给你推荐一个人，你找到他，可以给他高薪，但能不能弄过来，得看你的本事。”

陈北陡然有了兴致，眼睛瞪大了问“谁？”

，你去碰碰运气吧。”

陈北呲溜一下就跑了。

“要的确是人才，我真的会给很高的薪水的，反正到时候你发！”

温晓光微笑不语，他是无所谓的，这种人才不是钱的问题。