5月22日，周一，上海浦东香格里拉酒店宴会厅。
能容纳三百饶会场座无虚席。这不是华为的会议，是上海移动举办的“智能运维技术研讨会”，邀请了国内外十几家厂商来做技术交流。华为只是其中之一。
但今，所有饶目光都聚焦在台上两个人身上：华为预研部的吴瀚，和爱立信中国区的首席算法专家dr. Johnson——一个五十多岁的瑞典人，在国际通信界影算法教皇”的绰号。
事情是这样的：上周，上海移动发布了一个招标需求：为陆家嘴金融区开发一套“智能话务预测与动态扩容系统”。要求很简单：准确预测未来24时的话务量变化，自动调整网络资源，保证金融交易时段零拥塞。
项目不大，预算只有八百万。但象征意义巨大——谁能拿下，谁就是上海移动在智能运维领域的首选合作伙伴。
华为和爱立信都投了标。上海移动的技术评审组很为难：两家的方案都很优秀，难分伯仲。最后有人提议：搞一场现场技术对决，让两家的算法专家现场讲解，现场答辩，现场出结果。
于是就有了今这一幕。
吴瀚坐在华为的展示区，手在抖。不是紧张，是兴奋。他面前的笔记本电脑上，运行着他过去三个月优化的算法模型。旁边站着林辰——林辰是昨半夜飞过来的，就为了给吴瀚压阵。
“别慌，”林辰拍拍吴瀚的肩膀，“你的算法我看了，比爱立信的好。至少，更适合中国市场的实际情况。”
“可dr. Johnson是国际大牛……”吴瀚声。
“大牛怎么了？”林辰笑，“大牛也会水土不服。你做的算法，用的是上海移动过去三年的真实数据训练的。他的算法，用的是欧洲的数据。你哪个更准？”
吴瀚深吸一口气，点点头。
九点整，对决开始。
dr. Johnson先上台。他穿着定制西装，头发一丝不苟，英语带着北欧口音，但很流利。ppt是全英文的，满屏的数学公式和复杂图表。
“Ladies and gentlemen, today I ill present Ericsson’s next-generation traffic prediction algorithm, based on deep neural netorks and reinforced learning...”（女士们先生们，今我将展示爱立信基于深度神经网络和强化学习的下一代话务预测算法……）
他讲了二十分钟，从算法原理到数学模型，从训练过程到验证结果。很专业，很学术。台下不少技术专家频频点头。
最后，他展示了一组测试数据：在欧洲某运营商的网络上，算法的预测准确率达到92.3%，资源调度效率提升35%。
掌声热烈。
轮到吴瀚了。他走上台，穿着普通的格子衬衫，头发有点乱。ppt是中文的，第一页标题很简单：《基于多源数据融合的本地化话务预测算法》。
“各位领导，各位专家，大家好。”吴瀚开口，声音不大，但很清晰，“刚才dr. Johnson讲了很多先进的算法理论。但我想的是：在上海陆家嘴，理论要落地，还得看本地情况。”
他切换ppt，展示一张陆家嘴的卫星地图：“陆家嘴的话务规律，和欧洲城市完全不同。这里有几个特殊因素……”
他开始分析：股市开盘收盘时间、外资金融机构的交易习惯、国际长途的时差效应、甚至气对上班族出行的影响……
“我们收集了陆家嘴过去三年的详细数据，”吴瀚调出数据图表，“包括话务量、气、股市交易量、重大事件、节假日……总共37个维度的数据。然后用集成学习的方法，建立了多模型融合的预测系统。”
他展示了算法的结构图：不是单一的神经网络，而是多个模型的组合——时间序列模型处理周期性变化，回归模型处理趋势性变化，甚至还有一个专门处理突发事件的异常检测模型。
“为什么要这么复杂？”台下有人问。
“因为陆家嘴的话务变化本身就复杂，”吴瀚回答，“单一的模型，无论多先进，都难以捕捉所有规律。就像看病，不能只靠一种仪器，要综合诊断。”
他开始展示测试结果。用的不是欧洲数据，是上海移动提供的真实历史数据。
“我们用过去三个月的数据做验证，”吴瀚指着屏幕上的曲线，“算法的预测准确率：95.7%。特别是在股市开盘前后的关键时段，准确率达到98.2%。”
台下响起议论声。比爱立信的高。
dr. Johnson举手提问：“mr. u, your algorithm seems too plicated. In machine learning, simpler models are usually more robust.”（吴先生，你的算法似乎太复杂了。在机器学习中，简单的模型通常更鲁棒。）
吴瀚点点头：“dr. Johnson, you are right. Simple is beautiful. but in real orld, especially in Lu Jia Zui, the traffic pattern is not simple. e choose plexity not for shoing off, but for solving real problems.”（约翰逊博士，您得对。简单是美。但在现实世界，尤其是在陆家嘴，话务模式并不简单。我们选择复杂，不是为了炫耀，是为了解决实际问题。）
他调出另一组数据：“实际上，我们的算法在训练完成后，做了大量的剪枝和简化。现在的模型，复杂度只比基线模型高15%，但准确率提高了8%。我们认为，这个代价是值得的。”
问答环节持续了半时。dr. Johnson又问了几个技术细节，吴瀚一一回答。有些问题很刁钻，涉及算法理论的最新进展，但吴瀚都接住了——他这几个月没日没夜地研究，不是白费的。
最后，上海移动的技术总监宣布休会，评审组闭门讨论。
等待的半个时里，林辰和吴瀚坐在休息区。吴瀚喝了三杯水，手还在抖。
“发挥得很好，”林辰，“比我预期的还好。”
“可我还是紧张，”吴瀚苦笑，“那个dr. Johnson，看我的眼神像在看学生。”
“但他没难住你，不是吗？”林辰笑，“而且，你的算法确实更接地气。技术上可能不是最前沿的，但最适合客户需求。这就是华为的优势：不是技术最强，是最懂客户。”
正着，上海移动的人来了。技术总监走到两人面前，表情严肃。
“吴工，林总，”他开口，“评审结果出来了。”
吴瀚屏住呼吸。
“经过综合评估，”总监顿了顿，突然笑了，“华为中标。评审组认为，你们的方案更贴近上海的实际需求，算法的可解释性也更好。爱立信的方案虽然理论先进，但本地化适配不足。”
吴瀚愣住了，好几秒没反应过来。
林辰站起来握手：“谢谢张总信任。”
“不用谢我，是你们凭实力赢的，”总监，“另外，合同金额我们提到了九百万元——多出来的一百万，是给你们算法平台的定制开发费用。我们希望，这套系统不仅能用在陆家嘴，未来能推广到全上海。”
“一定！”吴瀚终于回过神，激动地。
走出酒店时，正好遇到爱立信的团队。dr. Johnson走过来，向吴瀚伸出手。
“mr. u, congratulations. Your presentation as impressive.”（吴先生，恭喜。你的展示令人印象深刻。）
“thank you, dr. Johnson. I learned a lot from you.”（谢谢您，约翰逊博士。我从您那里学到了很多。）
“but I have one question,” dr. Johnson看着吴瀚，“Your algorithm, some techniques are very… creative. here did you learn them?”（但我有个问题，你的算法，有些技术很……有创意。你在哪里学的？）
吴瀚想了想，诚实地：“大部分是我自学的。看论文，做实验，试错。我们部门鼓励创新，不怕失败。”
dr. Johnson若有所思地点点头，然后看向林辰：“mr. Lin, you have a talented team. In Ericsson, young engineers rarely get such opportunities.”（林先生，你有一个有才华的团队。在爱立信，年轻工程师很少有这样的机会。）
“that’s huaei’s culture,”林辰微笑，“e believe in young people.”（这是华为的文化，我们相信年轻人。）
回深圳的飞机上，吴瀚一直盯着窗外的云层，不话。
“想什么呢？”林辰问。
“我在想，”吴瀚转过头，眼睛很亮，“原来我们的研究，真的能变成产品，真的能帮客户解决问题。这种感觉……比发论文爽多了。”
林辰笑了：“这才刚开始。等SdN研究出成果，等我们的算法平台成为行业标准，你会更爽。”
飞机降落时，深圳的夜空繁星点点。吴瀚突然：“林总，谢谢你。如果不是你把我招进预研部，我现在可能还在公司写没人用的代码。”
“是你自己抓住了机会，”林辰，“记住今的感觉。以后，你会抓住更多机会。”
那一晚，预研部的工作群炸了。吴瀚把中标的消息发出去，群里瞬间被“牛逼”“膜拜大神”“请客”刷屏。
陈明@林辰：“林总，吴瀚开了个好头，我们也不能落后！”
老赵：“商业模式研究报告的初稿完成了，明发给几个合作伙伴看看，不定能卖钱。”
王：“竞争对手分析报告整理了十份，市场部那边想要，开价五十万。”
连孙和李都冒泡了：“量子通信的可行性研究有进展了，我们找到了一种可能降低误码率的方法……”
预研部，活过来了。
林辰看着手机屏幕，笑了。然后，他给郭平发了封邮件，附件是上海项目的合同草案，正文只有一句话：
“郭总，预研部第一笔订单：900万元。投资回报，开始了。”
喜欢重生：从OICQ到华为芯片帝国请大家收藏：(m.37kanshu.com)重生：从OICQ到华为芯片帝国三七看书网更新速度最快。