七月底的深圳，热得像一个巨大的蒸笼。下午四点，太阳还毒辣地掛在天上，晒得柏油路面浮起一层透明的、摇曳的热浪。城中村的巷子又窄又深，两侧是密密麻麻的“握手楼”，阳光只能从楼缝里漏下几道惨白的光柱，照在积著污水的坑洼路面上。
林浩从建材市场出来，t恤后背已经湿透，紧贴在皮肤上。他手里拿著一捲图纸，是创新大厦五楼的装修设计图——刚和设计师吵了一架，对方坚持要做吊顶、大理石前台、玻璃隔断，说“这才像正规公司”。林浩坚持要做开放空间、水泥地、裸露管线，说“这才像创业公司”。最后各让一步：前台用水泥砌，但打磨光滑；不吊顶，但刷黑漆；办公桌用实木板，但自己钉。
省钱，但要酷。这是林浩的要求。
他拐进巷子口一家网吧。招牌是褪色的“极速网咖”，玻璃门上贴著《传奇》《奇蹟》《cs》的海报，但边角捲起，被太阳晒得发白。推门进去，冷气和烟味、泡麵味、汗味混杂的气浪扑面而来。
下午的网吧人不多，大半机子空著。几个少年在打游戏，大呼小叫。角落里，一个瘦得像竹竿的年轻人，背对著门，坐在最里面的位置。他没打游戏，屏幕上是黑色的终端窗口，绿色的字符快速滚动。桌上摊著一本厚厚的书，砖头一样，是《算法导论》英文原版，书页泛黄，边角捲起，密密麻麻写满了笔记。
林浩在他斜后方找了个位置坐下。开机，打开邮箱，处理装修报价单。但眼角余光一直瞟著那个年轻人。
年轻人很专注。手指在键盘上快速敲击，但动作轻盈，几乎没有声音。屏幕上的代码在滚动，是c++，但风格很独特——变量名用下划线分隔，函数短小，注释精確。林浩能看到几个关键词：collaborative_filtering、user_vector、item_similarity……协同过滤，用户向量，物品相似度。
这是推荐算法的核心概念。在2003年，这太超前了。当时国內网际网路还处在门户时代，新闻是编辑手动推荐，电商还没起步，推荐算法只是学术论文里的概念。
林浩起身，去吧檯买了两瓶冰镇矿泉水。走回来，把一瓶放在年轻人桌上。
“喝点水。”
年轻人抬起头。很年轻，可能二十出头，戴一副黑框眼镜，镜片很厚，眼睛很大，但眼窝深陷，有黑眼圈。脸很瘦，颧骨凸出，嘴唇乾裂。他看了一眼水，又看了一眼林浩，眼神里有警惕，也有困惑。
“谢谢，不用。”
“天热，脱水。”林浩在他旁边的空位坐下，拧开自己那瓶，喝了一口，“看你写代码，是推荐系统？”
年轻人愣了一下，警惕更深：“你懂？”
“懂一点。协同过滤，基於用户的，还是基於物品的？”
“都在试。”年轻人说，声音很轻，但清晰，“但稀疏矩阵问题解决不了。用户-物品矩阵太大，太稀疏，相似度计算不准。”
“用svd（奇异值分解）降维。或者，加隱语义模型。”林浩说。
年轻人眼睛睁大了。他看著林浩，像看著一个突然从地里冒出来的怪物。2003年，svd在推荐系统中的应用，还只是少数实验室在研究的课题。
“你……你是哪个实验室的？”年轻人问。
“不是实验室，是公司。”林浩说，“浩宇科技，做游戏的。但我们对推荐算法有兴趣。你在做什么项目？”
年轻人犹豫了几秒，然后说：“个性化新闻推荐。我想做一个系统，根据用户的瀏览歷史，自动推荐他可能感兴趣的新闻。但现在还在理论阶段，数据都没有。”
“爬虫抓新闻，用户行为模擬，先跑起来。”林浩说，“算法不验证，永远是纸上谈兵。”
“我知道。”年轻人苦笑，“但没伺服器，没数据，没资源。我在深大读书，实验室的机器要排队，一次只能跑一小时。”
“深大？计算机系？”
“嗯，大三。张一鸣。”
林浩的心臟重重跳了一下。张一鸣。这个名字，他上辈子在无数科技新闻里见过：今日头条创始人，字节跳动ceo，中国网际网路新生代巨头。但现在，他只是个在网吧啃《算法导论》的穷学生。
“我叫林浩。”林浩伸出手。
张一鸣握手。手很瘦，但有力。
“你刚才说，浩宇科技？做游戏的？《血战天下》是你们做的？”
“你知道？”
“玩过。”张一鸣说，脸上第一次露出一点笑容，“国战系统很厉害，同步算法做得很好。我逆向分析过客户端，你们的预测矫正模型，比论文里的方案更实用。”
“你还逆向分析？”林浩笑了。
“兴趣。”张一鸣说，“我觉得，游戏里的很多技术，可以用在其他地方。比如状態同步，可以用在实时推荐上——用户每点一次，系统立刻更新推荐列表，像游戏里每动一步，画面立刻更新。”
“思路不错。”林浩说，“但实时推荐的计算量太大，伺服器扛不住。”
“所以要做增量更新，做局部刷新，做客户端缓存。”张一鸣语速快起来，眼睛里有了光，“就像游戏里，只同步视野內的玩家。推荐系统里，只更新用户可能感兴趣的几个品类。其他部分，用缓存，用异步更新。”
林浩听著，心里越来越惊。这个二十岁的年轻人，思维已经跳出了时代。他看到的不是眼前的技术局限，是技术背后共通的逻辑——状態同步、增量更新、缓存优化，这些游戏引擎里的概念，被他自然地迁移到推荐系统里。
“你做过实验吗？”林浩问。
“在实验室跑过小规模数据。”张一鸣从书包里掏出一个软盘，“里面是模擬数据，十万用户，一百万新闻，用简单的协同过滤，准確率只有30%。但如果加上时间衰减因子——用户最近的行为权重更高——能提到40%。再加社交关係——朋友喜欢的，你也可能喜欢——能到50%。但计算量指数级增长，单机跑一次要三天。”
“用分布式。”林浩说，“把数据切分，多台机器並行计算。mapreduce的思路，听过吗？”
“google那篇论文？”张一鸣眼睛更亮了，“我看过，但没实践过。实验室没那么多机器。”
“浩宇有。”林浩说，“我们刚租了一层楼，正在装修。伺服器买了二十台，下周到货。如果你有兴趣，可以来我们那儿做实验。数据，我们有——游戏里几百万玩家的行为数据，每天產生几千万条日誌。伺服器，我们也有。缺的，是人。”
张一鸣愣住了。他看著林浩，像在判断这话的真假。一个陌生人，在网吧，邀请他去公司做实验，用真实数据，用真实伺服器。这听起来像骗子，或者……像做梦。
“为什么？”他问。
“因为我觉得你的想法有价值。”林浩说，“个性化推荐，是未来。新闻、音乐、视频、商品，一切內容都需要推荐。谁先做好推荐，谁就掌握了流量入口。浩宇现在做游戏，但未来要做平台，要做生態。推荐系统，是生態的大脑。我们需要这个大脑。”
“可我只是个学生……”
“学生怎么了？”林浩笑了，“我今年十八岁，高中刚毕业。浩宇是我创立的，四个月前还在县城发传单。现在月流水千万。年龄、学歷、背景，都不重要。重要的是，你有没有想法，敢不敢干。”
张一鸣沉默了很久。他低头看著手里的软盘，手指在塑料壳上摩挲。然后他抬头，看著屏幕上的代码，又看看那本《算法导论》。
“我能得到什么？”他问，很直接。
“实习工资，一个月三千。包住。实验资源，隨便用。如果项目有成果，可以转正，薪资翻倍，给期权。”林浩说，“更重要的是，你可以把一个理论想法，做成真实可用的系统。这个系统，可能会改变几亿人获取信息的方式。”
最后这句话，打动了张一鸣。他眼里那种技术人的纯粹光芒，亮得灼人。
“但我还要上课……”
“时间自由。你什么时候有空，什么时候来。我们需要的是你的脑子，不是你的坐班时间。”林浩说，“而且，深大离南山不远，公交车半小时。”
张一鸣又思考了几分钟。然后他点头：“好。我试试。”
“欢迎加入浩宇。”林浩伸出手。
这次握手，很用力。
两人聊了三个小时。从推荐算法，聊到分布式系统，聊到资料库优化，聊到用户体验。张一鸣的话越来越多，从拘谨到兴奋，到滔滔不绝。他有很多想法，很多在2003年看来天马行空的想法：基於用户画像的精准推送、基於社交关係的病毒传播、基於地理位置的热点发现……
林浩听著，偶尔提问，偶尔补充。他脑子里有2023年的推荐系统是什么样子——今日头条、抖音、淘宝千人千面。但他不能说，只能引导，让张一鸣自己“发明”出来。
天黑了。网吧的灯亮起来，屏幕的光映在两人脸上。旁边打游戏的少年换了一拨，烟味更浓了。但两人都没在意。
“走吧，吃饭。”林浩说，“边吃边聊。”
他们去了巷子口的大排档。塑料桌椅，红色灯罩，风扇嗡嗡转。点了炒牛河，椒盐虾，蒜蓉青菜。张一鸣吃得很香，但手在桌上比划，还在说算法。
“用户冷启动问题怎么解决？”他问，“新用户，没数据，怎么推荐？”
“用热门內容引流，同时快速收集行为数据。”林浩说，“就像游戏里，新手进来，先给简单任务，让他快速升级，產生正反馈。推荐系统也一样，先给大眾都喜欢的內容，同时埋点，记录他的每一次点击、停留、分享。数据够了，再切个性化。”
“那数据隱私呢？”张一鸣皱眉，“收集用户行为，会不会……”
“会。”林浩说，“所以必须透明。告诉用户，我们在收集什么数据，用来做什么。给用户选择权，可以关闭个性化推荐。但大部分用户，会为了更好的体验，愿意交出数据。这是交换。”
“这会不会……有点邪恶？”
“技术是工具，看人怎么用。”林浩说，“我们可以用它推荐垃圾信息，也可以用它推荐有价值的內容。浩宇要做的事，是让技术服务於人，不是奴役人。所以，算法要有价值观，要有底线。这比技术本身更重要。”
张一鸣停下筷子，看著林浩。大排档昏黄的灯光下，这个比自己还小的少年，眼神里有种他看不懂的深邃。
“林浩，”他说，“你好像……想得很远。”
“必须想得远。”林浩说，“网际网路才刚起步，我们现在做的每一个决定，都可能影响十年后的世界。所以不能只盯著眼前的技术，要盯著技术背后的东西：它让人变得更好了，还是更坏了？它让社会更开放了，还是更封闭了？它让信息更自由了，还是更垄断了？”
张一鸣沉默。他低头吃了几口菜，然后说：“我想做个实验。用浩宇的游戏数据，先做一个游戏內的推荐系统。比如，根据玩家的职业、等级、装备，推荐他可能需要的道具、副本、攻略。这个系统如果跑通了，再迁移到新闻、视频、音乐。”
“好主意。”林浩点头，“从垂直领域切入，验证技术，再横向扩展。游戏数据维度丰富，行为密集，是训练推荐算法的绝佳土壤。你做方案，我批资源。”
“谢谢。”
吃完饭，林浩送张一鸣回深大。校门口，路灯下，张一鸣背著那个旧书包，身影瘦长。
“下周一，我来公司。”他说。
“好。地址我发你qq。”
“嗯。”张一鸣转身要走，又回头，“林浩，你为什么相信我？我们才认识几个小时。”
“因为你在网吧啃《算法导论》。”林浩笑了，“因为你在做2003年没人做的事。因为你的眼睛里有光。技术人有没有天赋，一眼就能看出来。你有。”
张一鸣也笑了，很靦腆，但眼里有光。
他转身走进校门，背影消失在树影里。
林浩站在路灯下，点了根烟——他很少抽，但今天想抽一根。烟雾在夏夜的热风里散开，很快没了痕跡。
他想起上辈子，2012年，今日头条上线，顛覆了新闻行业。2016年，抖音上线，顛覆了短视频。2020年，tiktok风靡全球。而这一切的起点，是2003年深圳的一家网吧，一个啃《算法导论》的穷学生。
现在，这个学生，要成为浩宇的cto了。
命运，真奇妙。
他掐灭烟，往回走。城中村的巷子很深，很暗，但远处有光。
浩宇的版图，又多了一块拼图。
而未来，正在加速到来。
林浩从建材市场出来，t恤后背已经湿透，紧贴在皮肤上。他手里拿著一捲图纸，是创新大厦五楼的装修设计图——刚和设计师吵了一架，对方坚持要做吊顶、大理石前台、玻璃隔断，说“这才像正规公司”。林浩坚持要做开放空间、水泥地、裸露管线，说“这才像创业公司”。最后各让一步：前台用水泥砌，但打磨光滑；不吊顶，但刷黑漆；办公桌用实木板，但自己钉。
省钱，但要酷。这是林浩的要求。
他拐进巷子口一家网吧。招牌是褪色的“极速网咖”，玻璃门上贴著《传奇》《奇蹟》《cs》的海报，但边角捲起，被太阳晒得发白。推门进去，冷气和烟味、泡麵味、汗味混杂的气浪扑面而来。
下午的网吧人不多，大半机子空著。几个少年在打游戏，大呼小叫。角落里，一个瘦得像竹竿的年轻人，背对著门，坐在最里面的位置。他没打游戏，屏幕上是黑色的终端窗口，绿色的字符快速滚动。桌上摊著一本厚厚的书，砖头一样，是《算法导论》英文原版，书页泛黄，边角捲起，密密麻麻写满了笔记。
林浩在他斜后方找了个位置坐下。开机，打开邮箱，处理装修报价单。但眼角余光一直瞟著那个年轻人。
年轻人很专注。手指在键盘上快速敲击，但动作轻盈，几乎没有声音。屏幕上的代码在滚动，是c++，但风格很独特——变量名用下划线分隔，函数短小，注释精確。林浩能看到几个关键词：collaborative_filtering、user_vector、item_similarity……协同过滤，用户向量，物品相似度。
这是推荐算法的核心概念。在2003年，这太超前了。当时国內网际网路还处在门户时代，新闻是编辑手动推荐，电商还没起步，推荐算法只是学术论文里的概念。
林浩起身，去吧檯买了两瓶冰镇矿泉水。走回来，把一瓶放在年轻人桌上。
“喝点水。”
年轻人抬起头。很年轻，可能二十出头，戴一副黑框眼镜，镜片很厚，眼睛很大，但眼窝深陷，有黑眼圈。脸很瘦，颧骨凸出，嘴唇乾裂。他看了一眼水，又看了一眼林浩，眼神里有警惕，也有困惑。
“谢谢，不用。”
“天热，脱水。”林浩在他旁边的空位坐下，拧开自己那瓶，喝了一口，“看你写代码，是推荐系统？”
年轻人愣了一下，警惕更深：“你懂？”
“懂一点。协同过滤，基於用户的，还是基於物品的？”
“都在试。”年轻人说，声音很轻，但清晰，“但稀疏矩阵问题解决不了。用户-物品矩阵太大，太稀疏，相似度计算不准。”
“用svd（奇异值分解）降维。或者，加隱语义模型。”林浩说。
年轻人眼睛睁大了。他看著林浩，像看著一个突然从地里冒出来的怪物。2003年，svd在推荐系统中的应用，还只是少数实验室在研究的课题。
“你……你是哪个实验室的？”年轻人问。
“不是实验室，是公司。”林浩说，“浩宇科技，做游戏的。但我们对推荐算法有兴趣。你在做什么项目？”
年轻人犹豫了几秒，然后说：“个性化新闻推荐。我想做一个系统，根据用户的瀏览歷史，自动推荐他可能感兴趣的新闻。但现在还在理论阶段，数据都没有。”
“爬虫抓新闻，用户行为模擬，先跑起来。”林浩说，“算法不验证，永远是纸上谈兵。”
“我知道。”年轻人苦笑，“但没伺服器，没数据，没资源。我在深大读书，实验室的机器要排队，一次只能跑一小时。”
“深大？计算机系？”
“嗯，大三。张一鸣。”
林浩的心臟重重跳了一下。张一鸣。这个名字，他上辈子在无数科技新闻里见过：今日头条创始人，字节跳动ceo，中国网际网路新生代巨头。但现在，他只是个在网吧啃《算法导论》的穷学生。
“我叫林浩。”林浩伸出手。
张一鸣握手。手很瘦，但有力。
“你刚才说，浩宇科技？做游戏的？《血战天下》是你们做的？”
“你知道？”
“玩过。”张一鸣说，脸上第一次露出一点笑容，“国战系统很厉害，同步算法做得很好。我逆向分析过客户端，你们的预测矫正模型，比论文里的方案更实用。”
“你还逆向分析？”林浩笑了。
“兴趣。”张一鸣说，“我觉得，游戏里的很多技术，可以用在其他地方。比如状態同步，可以用在实时推荐上——用户每点一次，系统立刻更新推荐列表，像游戏里每动一步，画面立刻更新。”
“思路不错。”林浩说，“但实时推荐的计算量太大，伺服器扛不住。”
“所以要做增量更新，做局部刷新，做客户端缓存。”张一鸣语速快起来，眼睛里有了光，“就像游戏里，只同步视野內的玩家。推荐系统里，只更新用户可能感兴趣的几个品类。其他部分，用缓存，用异步更新。”
林浩听著，心里越来越惊。这个二十岁的年轻人，思维已经跳出了时代。他看到的不是眼前的技术局限，是技术背后共通的逻辑——状態同步、增量更新、缓存优化，这些游戏引擎里的概念，被他自然地迁移到推荐系统里。
“你做过实验吗？”林浩问。
“在实验室跑过小规模数据。”张一鸣从书包里掏出一个软盘，“里面是模擬数据，十万用户，一百万新闻，用简单的协同过滤，准確率只有30%。但如果加上时间衰减因子——用户最近的行为权重更高——能提到40%。再加社交关係——朋友喜欢的，你也可能喜欢——能到50%。但计算量指数级增长，单机跑一次要三天。”
“用分布式。”林浩说，“把数据切分，多台机器並行计算。mapreduce的思路，听过吗？”
“google那篇论文？”张一鸣眼睛更亮了，“我看过，但没实践过。实验室没那么多机器。”
“浩宇有。”林浩说，“我们刚租了一层楼，正在装修。伺服器买了二十台，下周到货。如果你有兴趣，可以来我们那儿做实验。数据，我们有——游戏里几百万玩家的行为数据，每天產生几千万条日誌。伺服器，我们也有。缺的，是人。”
张一鸣愣住了。他看著林浩，像在判断这话的真假。一个陌生人，在网吧，邀请他去公司做实验，用真实数据，用真实伺服器。这听起来像骗子，或者……像做梦。
“为什么？”他问。
“因为我觉得你的想法有价值。”林浩说，“个性化推荐，是未来。新闻、音乐、视频、商品，一切內容都需要推荐。谁先做好推荐，谁就掌握了流量入口。浩宇现在做游戏，但未来要做平台，要做生態。推荐系统，是生態的大脑。我们需要这个大脑。”
“可我只是个学生……”
“学生怎么了？”林浩笑了，“我今年十八岁，高中刚毕业。浩宇是我创立的，四个月前还在县城发传单。现在月流水千万。年龄、学歷、背景，都不重要。重要的是，你有没有想法，敢不敢干。”
张一鸣沉默了很久。他低头看著手里的软盘，手指在塑料壳上摩挲。然后他抬头，看著屏幕上的代码，又看看那本《算法导论》。
“我能得到什么？”他问，很直接。
“实习工资，一个月三千。包住。实验资源，隨便用。如果项目有成果，可以转正，薪资翻倍，给期权。”林浩说，“更重要的是，你可以把一个理论想法，做成真实可用的系统。这个系统，可能会改变几亿人获取信息的方式。”
最后这句话，打动了张一鸣。他眼里那种技术人的纯粹光芒，亮得灼人。
“但我还要上课……”
“时间自由。你什么时候有空，什么时候来。我们需要的是你的脑子，不是你的坐班时间。”林浩说，“而且，深大离南山不远，公交车半小时。”
张一鸣又思考了几分钟。然后他点头：“好。我试试。”
“欢迎加入浩宇。”林浩伸出手。
这次握手，很用力。
两人聊了三个小时。从推荐算法，聊到分布式系统，聊到资料库优化，聊到用户体验。张一鸣的话越来越多，从拘谨到兴奋，到滔滔不绝。他有很多想法，很多在2003年看来天马行空的想法：基於用户画像的精准推送、基於社交关係的病毒传播、基於地理位置的热点发现……
林浩听著，偶尔提问，偶尔补充。他脑子里有2023年的推荐系统是什么样子——今日头条、抖音、淘宝千人千面。但他不能说，只能引导，让张一鸣自己“发明”出来。
天黑了。网吧的灯亮起来，屏幕的光映在两人脸上。旁边打游戏的少年换了一拨，烟味更浓了。但两人都没在意。
“走吧，吃饭。”林浩说，“边吃边聊。”
他们去了巷子口的大排档。塑料桌椅，红色灯罩，风扇嗡嗡转。点了炒牛河，椒盐虾，蒜蓉青菜。张一鸣吃得很香，但手在桌上比划，还在说算法。
“用户冷启动问题怎么解决？”他问，“新用户，没数据，怎么推荐？”
“用热门內容引流，同时快速收集行为数据。”林浩说，“就像游戏里，新手进来，先给简单任务，让他快速升级，產生正反馈。推荐系统也一样，先给大眾都喜欢的內容，同时埋点，记录他的每一次点击、停留、分享。数据够了，再切个性化。”
“那数据隱私呢？”张一鸣皱眉，“收集用户行为，会不会……”
“会。”林浩说，“所以必须透明。告诉用户，我们在收集什么数据，用来做什么。给用户选择权，可以关闭个性化推荐。但大部分用户，会为了更好的体验，愿意交出数据。这是交换。”
“这会不会……有点邪恶？”
“技术是工具，看人怎么用。”林浩说，“我们可以用它推荐垃圾信息，也可以用它推荐有价值的內容。浩宇要做的事，是让技术服务於人，不是奴役人。所以，算法要有价值观，要有底线。这比技术本身更重要。”
张一鸣停下筷子，看著林浩。大排档昏黄的灯光下，这个比自己还小的少年，眼神里有种他看不懂的深邃。
“林浩，”他说，“你好像……想得很远。”
“必须想得远。”林浩说，“网际网路才刚起步，我们现在做的每一个决定，都可能影响十年后的世界。所以不能只盯著眼前的技术，要盯著技术背后的东西：它让人变得更好了，还是更坏了？它让社会更开放了，还是更封闭了？它让信息更自由了，还是更垄断了？”
张一鸣沉默。他低头吃了几口菜，然后说：“我想做个实验。用浩宇的游戏数据，先做一个游戏內的推荐系统。比如，根据玩家的职业、等级、装备，推荐他可能需要的道具、副本、攻略。这个系统如果跑通了，再迁移到新闻、视频、音乐。”
“好主意。”林浩点头，“从垂直领域切入，验证技术，再横向扩展。游戏数据维度丰富，行为密集，是训练推荐算法的绝佳土壤。你做方案，我批资源。”
“谢谢。”
吃完饭，林浩送张一鸣回深大。校门口，路灯下，张一鸣背著那个旧书包，身影瘦长。
“下周一，我来公司。”他说。
“好。地址我发你qq。”
“嗯。”张一鸣转身要走，又回头，“林浩，你为什么相信我？我们才认识几个小时。”
“因为你在网吧啃《算法导论》。”林浩笑了，“因为你在做2003年没人做的事。因为你的眼睛里有光。技术人有没有天赋，一眼就能看出来。你有。”
张一鸣也笑了，很靦腆，但眼里有光。
他转身走进校门，背影消失在树影里。
林浩站在路灯下，点了根烟——他很少抽，但今天想抽一根。烟雾在夏夜的热风里散开，很快没了痕跡。
他想起上辈子，2012年，今日头条上线，顛覆了新闻行业。2016年，抖音上线，顛覆了短视频。2020年，tiktok风靡全球。而这一切的起点，是2003年深圳的一家网吧，一个啃《算法导论》的穷学生。
现在，这个学生，要成为浩宇的cto了。
命运，真奇妙。
他掐灭烟，往回走。城中村的巷子很深，很暗，但远处有光。
浩宇的版图，又多了一块拼图。
而未来，正在加速到来。