下午一点，山景城计算机歷史博物馆。
展厅里坐了五百多人。最后一排后面架了四台摄像机，cnbc的两台占了最好的位置。youtube的直播推流在侧门边上，一个工程师戴著耳机一直盯著屏幕上的比特率读数。
【上吧！勇敢的少年！美丽的天使在远方召唤你，勇敢的少年啊，快去创造奇蹟！】
身穿白色毛衣，蓝色牛仔裤的陈一然从后台的空隙偷瞄了一下观眾席，然后嘱咐茉莉：“我又不是14岁！以后我们真的搞出eva我也开不了！我上去了，开始给我提词。”
【遵循您的意志，议长大人。】
陈一然从右侧走上台，站在舞台中央后，感觉还不错，没有想像中的紧张情绪出现。
他先是对台下的人进行了一番调侃，主要是本来预计4百人，最后来了五百人，很多公司和大佬都主动来要邀请函，实在是推不掉。
“说实话，我也没想到，来了硅谷一年，我就有了这样的號召力。微软，甲骨文，这都不在我的邀请名单，主要是有段时间没交流业务了，就把你们忘了。
还好你们记得我，主动来找我要邀请函。还有马斯克先生，用了一辆特斯拉来换邀请函，也是很大气了。”
陈一然没有掩饰，直接对马斯克展开了邀请：“我其实非常看好spacex，如果项目有什么资金缺口，可以来找我。
毕竟，大家知道的，我已经被媒体形容为新一代行走的印钞机了。实际上我是不太满意这个称呼的，印钞机的效率应该没有我快。”
马斯克此时还没有顶级企业家的那种浑然自信，而是带著创业公司老板特有的那种小心谨慎，在台下一边鼓掌一边点头。
陈一然看到，心中一嘆，果然是没进化的老马，是那个能被联想老总嘲讽的靦腆网癮中登。
结束了发布会的常规幽默开场环节，陈一然直入主题，按了一下控制器，大屏幕显示了一张幻灯片。
“人类的语言，本质上是一串符號的有序排列。每一个词的含义，都依赖於它周围的词。『我昨天吃了苹果』和『苹果昨天吃了我』，同样的词，顺序不同，含义完全不同。”
他按了一下遥控器，大屏幕上出现了一张传统的语言处理流水线图。一句话从左到右，经过分词，词性標註，句法分析，语义理解。
“在过去，计算机处理语言都是这样的。串行，一个词接一个词，每个词只能看到它前面的东西。如果分词错了，后面的句法分析就全错了。”
又换了张幻灯片，陈一然继续讲解。
“在一句话里，相关的词往往不是相邻的。『昨天我和朋友在旧金山看了一场非常无聊的电影』。这句话里，『电影』和『无聊』的关係，比『电影』和『的』的关係重要得多。这些关联在传统的串行处理里，全部依赖於词和词之间的物理距离。离得远的词，关联就弱。
我说得具体一点。传统语言处理里有一个叫长距离依赖的问题。如果一个句子超过二十个词，句首的词就很难和句尾的词建立有效关联。
因为信息在逐层传递的过程中会衰减。就像你传话给下一个人，不会有问题，但是传了二十个人之后，很可能意思就被曲解了。”
大屏幕上又切了一张图。这一次不是传统的流水线，是一个完全不同的结构。
屏幕上的图开始动，一句话被拆成了所有单词，每个词不再是串行排列，而是分散成一个圆圈，互相用线联繫。
“我用了另一种方式，並行化语义关联，一句话输入之后，所有的词同时处理。每一个词，会同时和这句话里的其他词做一次相关性计算。”
屏幕上，这句话的不同词语，相互连接的线有粗有细。
“相关性的计算方式是自动学习的，什么样的词应该关联在一起，不需要人来告诉它。不需要词典，不需要句法树，不需要任何人工標註。
它会自己从海量的文本数据里学出来。『电影』和『无聊』总是出现在相似的模式里和相似的位置上，它就自己把这两个词连起来。这还不是最关键的。”
大屏幕上又切了一个画面，同一个句子，但是分了三组独立的连线，每组连线都是独立的，互不干扰，同时运行。
“最关键的，是这个相关性计算可以同时做很多组。三组，八组，十六组。越多越好。每一组关注的关联模式不一样。”
他按了一下遥控器。第一组连线高亮，连接的是“电影”和“无聊”之间的语义关係。第二组高亮，连接的是“昨天”和“看了”之间的时间关係。第三组高亮，连接的是“朋友”和“我”之间的人物关係。
“第一组抓语义，第二组抓时態，第三组抓人物关係。它们同时工作，互不打架。机器不需要理解什么是『语义』，什么是『时態』”。它只需要同时用不同的方式来关注同一句话。”
下面的技术人员还算镇定，这些都不算非常让人震惊的东西，但如果已经用技术成功实现就不一样了，他们开始期待下面的演示部分。
陈一然没有停，换了个图继续说。
“还有一个东西，位置。一个词的含义，不仅取决於它周围是什么词，还取决於它在句子里的位置。我选择直接在每个词上附加一个位置编码。
这个架构，並行化语义关联，多头注意力机制分组，位置编码。加上deepflow框架，就是我今天要介绍的產品。”
陈一然从口袋里掏出了一台三星的安卓手机，工作人员上台，用一个摄影机拍摄手机的屏幕，实时的播在大屏幕上。
下面的三星代表，瞬间腰板挺直。
陈一然直接衝著手机说道：“bun（包），帮我找一下山景城附近的义大利餐厅。”
手机上直接出现了文字回覆：山景城附近有三家义大利餐厅在yelp上评分在四星以上。排名第一的是osteria，在卡斯楚街。
“我懒得看文字，你说给我听。”
然后大家就听到了，几乎听不出机械感的温柔女声复述了文字內容。
“我不要这个第一的，我就喜欢第二的，给我第二家店的地址。”
声音也直接回答了出来。
“算了，直接给我拨通第三家的电话。”
手机直接转换到了电话页面拨了过去，响了几声后，电话被接起：“你好，这里是太阳披萨，有什么可以帮您的？”
台下马上爆发了热烈的掌声，有些学者直接站了起来。
陈一然赶紧把电话掛掉，然后开始解释，毕竟现场也不都是技术那么好的专业人士，有些人可能一瞬间还没有认识到这三个问题代表著什么。
“它刚才知道我说的『第二家』是什么意思，我没有重复餐厅名字，没有说『刚才那家』。我就说『第二家』。”
陈一然又低头说道：“帮我发条简讯给高德伟。”
温柔女声问：“简讯內容是什么。”
“告诉他晚上去这家太阳披萨聚餐。”
“已发送。內容：晚上去太阳披萨聚餐。”
台下又是一阵掌声，还有一些笑声。
陈一然没有停：“查一下明天旧金山的天气，如果下雨，帮我设一个早上七点的闹钟，闹钟名叫带伞。”
“旧金山明天有雨，概率百分之六十。已设置早上七点的闹钟，名为带伞。已经检测到手机上存在另一个名为『跑步』的七点闹钟，要同时保留吗。”
陈一然笑著说：“算了不加了，帮我设一个明天下午三点的会议提醒……”
他停两秒才继续开口。
“不对，改一下，明天下午两点。”
手机上非常准確地，设定了下午两点的会议提醒。
这次掌声更热烈了，陈一然没有再说什么，就站在那。
台下的人以为这就是结束了，都开始站起来鼓掌。
但是陈一然做了一个手势然后说：“你们以为这就结束了？我得说，虽然我很自豪现在展示的这些东西。但是我到目前为止最自豪的，还是deepflow。
而非常遗憾的是，虽然这是mit协议的开源项目，但是大家对他的开发实在是不怎么样。很让我失望，今天让大家看一下，deepflow有多强大！
下面，请让我介绍，bun的完全体，bean bun（豆包）。我管它叫，人类第一个智能体程序。”
展厅里坐了五百多人。最后一排后面架了四台摄像机，cnbc的两台占了最好的位置。youtube的直播推流在侧门边上，一个工程师戴著耳机一直盯著屏幕上的比特率读数。
【上吧！勇敢的少年！美丽的天使在远方召唤你，勇敢的少年啊，快去创造奇蹟！】
身穿白色毛衣，蓝色牛仔裤的陈一然从后台的空隙偷瞄了一下观眾席，然后嘱咐茉莉：“我又不是14岁！以后我们真的搞出eva我也开不了！我上去了，开始给我提词。”
【遵循您的意志，议长大人。】
陈一然从右侧走上台，站在舞台中央后，感觉还不错，没有想像中的紧张情绪出现。
他先是对台下的人进行了一番调侃，主要是本来预计4百人，最后来了五百人，很多公司和大佬都主动来要邀请函，实在是推不掉。
“说实话，我也没想到，来了硅谷一年，我就有了这样的號召力。微软，甲骨文，这都不在我的邀请名单，主要是有段时间没交流业务了，就把你们忘了。
还好你们记得我，主动来找我要邀请函。还有马斯克先生，用了一辆特斯拉来换邀请函，也是很大气了。”
陈一然没有掩饰，直接对马斯克展开了邀请：“我其实非常看好spacex，如果项目有什么资金缺口，可以来找我。
毕竟，大家知道的，我已经被媒体形容为新一代行走的印钞机了。实际上我是不太满意这个称呼的，印钞机的效率应该没有我快。”
马斯克此时还没有顶级企业家的那种浑然自信，而是带著创业公司老板特有的那种小心谨慎，在台下一边鼓掌一边点头。
陈一然看到，心中一嘆，果然是没进化的老马，是那个能被联想老总嘲讽的靦腆网癮中登。
结束了发布会的常规幽默开场环节，陈一然直入主题，按了一下控制器，大屏幕显示了一张幻灯片。
“人类的语言，本质上是一串符號的有序排列。每一个词的含义，都依赖於它周围的词。『我昨天吃了苹果』和『苹果昨天吃了我』，同样的词，顺序不同，含义完全不同。”
他按了一下遥控器，大屏幕上出现了一张传统的语言处理流水线图。一句话从左到右，经过分词，词性標註，句法分析，语义理解。
“在过去，计算机处理语言都是这样的。串行，一个词接一个词，每个词只能看到它前面的东西。如果分词错了，后面的句法分析就全错了。”
又换了张幻灯片，陈一然继续讲解。
“在一句话里，相关的词往往不是相邻的。『昨天我和朋友在旧金山看了一场非常无聊的电影』。这句话里，『电影』和『无聊』的关係，比『电影』和『的』的关係重要得多。这些关联在传统的串行处理里，全部依赖於词和词之间的物理距离。离得远的词，关联就弱。
我说得具体一点。传统语言处理里有一个叫长距离依赖的问题。如果一个句子超过二十个词，句首的词就很难和句尾的词建立有效关联。
因为信息在逐层传递的过程中会衰减。就像你传话给下一个人，不会有问题，但是传了二十个人之后，很可能意思就被曲解了。”
大屏幕上又切了一张图。这一次不是传统的流水线，是一个完全不同的结构。
屏幕上的图开始动，一句话被拆成了所有单词，每个词不再是串行排列，而是分散成一个圆圈，互相用线联繫。
“我用了另一种方式，並行化语义关联，一句话输入之后，所有的词同时处理。每一个词，会同时和这句话里的其他词做一次相关性计算。”
屏幕上，这句话的不同词语，相互连接的线有粗有细。
“相关性的计算方式是自动学习的，什么样的词应该关联在一起，不需要人来告诉它。不需要词典，不需要句法树，不需要任何人工標註。
它会自己从海量的文本数据里学出来。『电影』和『无聊』总是出现在相似的模式里和相似的位置上，它就自己把这两个词连起来。这还不是最关键的。”
大屏幕上又切了一个画面，同一个句子，但是分了三组独立的连线，每组连线都是独立的，互不干扰，同时运行。
“最关键的，是这个相关性计算可以同时做很多组。三组，八组，十六组。越多越好。每一组关注的关联模式不一样。”
他按了一下遥控器。第一组连线高亮，连接的是“电影”和“无聊”之间的语义关係。第二组高亮，连接的是“昨天”和“看了”之间的时间关係。第三组高亮，连接的是“朋友”和“我”之间的人物关係。
“第一组抓语义，第二组抓时態，第三组抓人物关係。它们同时工作，互不打架。机器不需要理解什么是『语义』，什么是『时態』”。它只需要同时用不同的方式来关注同一句话。”
下面的技术人员还算镇定，这些都不算非常让人震惊的东西，但如果已经用技术成功实现就不一样了，他们开始期待下面的演示部分。
陈一然没有停，换了个图继续说。
“还有一个东西，位置。一个词的含义，不仅取决於它周围是什么词，还取决於它在句子里的位置。我选择直接在每个词上附加一个位置编码。
这个架构，並行化语义关联，多头注意力机制分组，位置编码。加上deepflow框架，就是我今天要介绍的產品。”
陈一然从口袋里掏出了一台三星的安卓手机，工作人员上台，用一个摄影机拍摄手机的屏幕，实时的播在大屏幕上。
下面的三星代表，瞬间腰板挺直。
陈一然直接衝著手机说道：“bun（包），帮我找一下山景城附近的义大利餐厅。”
手机上直接出现了文字回覆：山景城附近有三家义大利餐厅在yelp上评分在四星以上。排名第一的是osteria，在卡斯楚街。
“我懒得看文字，你说给我听。”
然后大家就听到了，几乎听不出机械感的温柔女声复述了文字內容。
“我不要这个第一的，我就喜欢第二的，给我第二家店的地址。”
声音也直接回答了出来。
“算了，直接给我拨通第三家的电话。”
手机直接转换到了电话页面拨了过去，响了几声后，电话被接起：“你好，这里是太阳披萨，有什么可以帮您的？”
台下马上爆发了热烈的掌声，有些学者直接站了起来。
陈一然赶紧把电话掛掉，然后开始解释，毕竟现场也不都是技术那么好的专业人士，有些人可能一瞬间还没有认识到这三个问题代表著什么。
“它刚才知道我说的『第二家』是什么意思，我没有重复餐厅名字，没有说『刚才那家』。我就说『第二家』。”
陈一然又低头说道：“帮我发条简讯给高德伟。”
温柔女声问：“简讯內容是什么。”
“告诉他晚上去这家太阳披萨聚餐。”
“已发送。內容：晚上去太阳披萨聚餐。”
台下又是一阵掌声，还有一些笑声。
陈一然没有停：“查一下明天旧金山的天气，如果下雨，帮我设一个早上七点的闹钟，闹钟名叫带伞。”
“旧金山明天有雨，概率百分之六十。已设置早上七点的闹钟，名为带伞。已经检测到手机上存在另一个名为『跑步』的七点闹钟，要同时保留吗。”
陈一然笑著说：“算了不加了，帮我设一个明天下午三点的会议提醒……”
他停两秒才继续开口。
“不对，改一下，明天下午两点。”
手机上非常准確地，设定了下午两点的会议提醒。
这次掌声更热烈了，陈一然没有再说什么，就站在那。
台下的人以为这就是结束了，都开始站起来鼓掌。
但是陈一然做了一个手势然后说：“你们以为这就结束了？我得说，虽然我很自豪现在展示的这些东西。但是我到目前为止最自豪的，还是deepflow。
而非常遗憾的是，虽然这是mit协议的开源项目，但是大家对他的开发实在是不怎么样。很让我失望，今天让大家看一下，deepflow有多强大！
下面，请让我介绍，bun的完全体，bean bun（豆包）。我管它叫，人类第一个智能体程序。”