與李彥弘一同走出那間私人會所，孟繁岐的心情相當不錯。
李彥弘對ai前沿技術相當看好且執著，在這方麵的許多條件上都很好說話。
孟繁岐與他接觸下來，感受還是相當不錯的。
如果這次嘗試性合作，白度總體做得很好的話，孟繁岐也懶得在國內繼續尋覓其他的合作夥伴。
畢竟這個時間點，ai技術的熱度還遠不夠高。
“那我們一兩周後再約個時間見麵吧。”李彥弘同孟繁岐握了握手，“到時候你把算法和模型準備好，我們把合同等相關條例準備好。事情敲定之後，我希望會出一個實時的智能檢測p，來看一下這個技術的市場反響如何。”
對於圖片上內容的檢測，有一個極大的質變關鍵點就是實時或者即時。
並不是所有需要檢測的圖像都是提前做好準備和預處理的。
許多場景的輸入，會是攝像頭的實時拍攝，在這種情況下，算法的速度是非常大的瓶頸。
遊戲玩家應該會非常熟悉一個fps的概念，說得直白一點，就是每秒的幀數，每秒展示了多少張圖片。
這個數字越大，自然就越流暢絲滑。但同時的，算法需要處理的圖片數量也會成倍增長。
目前時期高精確度的傳統算法，一兩秒鐘算一張圖片，已經很快了。
而一般來說，fps至少要達到十幾二十，才能夠真的算得上是流暢的實時檢測。
若是可以達到6070fps，則可以明顯有那種極其流暢，完全實時處理的感覺。
“現在這個時期，對於檢測算法速度慢的問題，通常都是采樣的辦法。”孟繁岐回憶道。
采樣的原理很簡單，我一秒鐘隻能處理一張圖片，那我就不管其他幀，隻每秒抽取一幀來檢測。
但這樣的做法，就會導致框追人，等檢測框被預測出來的時候，框裡麵的物體早就跑到框外麵去了，給人的使用體驗非常差勁。
如果視頻內容中的物體大多數都在快速移動，那就是空框滿天飛，純純的視覺汙染。
“沒有問題，我也會信守承諾，在至少6個月後才會投稿論文或者公布技術細節。”這也是剛剛談到的條件中重要的一環，白度不獨家占有該技術。
但孟繁岐必須等到14年6月後，才允許投稿或者公開該技術。這個時間孟繁岐是完全可以接受的。
“等你真的去了加州，”
孟繁岐與李總握手告彆後，謝絕了李彥弘拍司機送他的好意，獨自離開了白度的園區。
李彥弘則待在原地，看著手裡薄薄的幾張紙，若有所思。
回到總部之後，李彥弘躺在自己的老板椅上，繼續思索了良久。
旋即，他做出了兩個重要的決斷。
一，白度要在海外的矽穀開設ai研究室。
孟繁岐拒絕自己的理由，讓他一定程度上醒悟了過來，整體的學科氛圍和環境也是很重要的。
去年白度在與穀歌的天價拍賣中落敗，加拿大距離美國近太多，是一個很重要的因素。
如果自己有一個出色的矽穀ai研究室，那麼去年爭取hton團隊，剛剛爭取孟繁岐入職，都會有出色很多的競爭力。