2010：我从未来归来

上地那片区域在2011年初还带着城乡结合部的气质——马路很宽但车不多，人行道的砖缝里长着枯草，路边新开的科技园和旧居民楼交错排列，偶尔能看到几栋被围挡圈起来的在建工地。茶馆藏在一条小巷的尽头，门脸很小，招牌是一块手写的木匾，上面用隶书刻着“清心茶社”三个字。陈远推开玻璃门的时候，门上挂着的风铃发出一串闷闷的响声。

张一鸣已经到了。

他坐在靠窗的卡座里，面前放着一台半合着的ThinkPad，手边是一杯已经喝到见底的大麦茶。穿着一件深蓝色的抓绒外套，拉链拉到口，里面露出灰色T恤的圆领。整个人看起来跟中关村任何一个普通程序员没有任何区别——头发有点乱，眼圈下面挂着淡淡的乌青色，手腕上没有表，桌上没有车钥匙。

如果不是陈远前世在无数新闻报道和发布会视频里见过这张脸，他大概很难把这个坐在茶馆角落里刷手机的人，跟后来那个掌管着千亿市值公司的创始人联系起来。

“你好，我是陈远。”陈远走过去。

张一鸣抬起头，笑了一下。他的笑容很淡——嘴角动得不多，但眼角的纹路会微微堆起来，让人觉得这个笑是认真的，不是客套。

“张一鸣。王川跟我提过你，说你做的那个产品很有意思。他说你们做了一个贝叶斯信用模型？在校园社区里跑起来了？”

他的开场白里没有寒暄，没有“你们学校怎么样”或者“北京冬天冷不冷”之类的过渡句。从握手到坐下的几秒钟里，他已经完成了身份确认、背景回顾和切入正题的全部步骤。他的语速不快，但每个句子的信息密度都很高，像是大脑已经提前把所有无关信息过滤掉了，只留下他最关心的核心问题。

陈远在他对面坐下。“跑起来了。目前在清华校内有一千五百多个注册用户，活大约一百二。最近一次活动是在期末复习季做的线下答疑，参加人数接近一百。我们测试了不同学科分区的答题响应速度，平均等待时间大约九十分钟。”

“数据验证过吗？我的意思是，你有没有做过对照组——同一个问题，在BBS上发和在问渠上发，响应时间的差异是多少？”

“做过。同一个问题，BBS平均等待时间大约六个小时，问渠是大约九十分钟。样本量和置信区间都有详细记录。”

张一鸣点了点头，但没有给出任何评价。他不是那种听到一个好看的数据就会说“不错”的人。他只是在继续吸收信息，把每个数据点都放进脑子里那个只有他自己能看到的坐标系里。

“信用评分的初始权重怎么定？冷启动阶段，所有新用户的信用值都是一样的，你怎么区分真正的专家和假装专家的人？”

陈远心里微微一动。这个问题跟雷军第一次在拉面馆里问他的问题几乎一模一样。但张一鸣问的角度略有不同——雷军关心的是系统的本脆弱性，张一鸣关心的是初始状态下的区分度。前者是在思考这个系统会不会被攻破，后者是在思考这个系统能不能在零数据状态下就开始产生价值。

“注册阶段用学校邮箱做第一层验证，确保是本校学生。冷启动期的人工审核团队会对前几十个高频回答做格式和内容质量的把关，给信用模型争取积累初始数据的时间。随着用户行为数据积累，模型的先验分布会逐步被实际数据修正。”

“人工审核？”张一鸣抬起眼睛，“多少人？审了多少条？”

“核心三个人，加上几个志愿者。三个月审了大概两千条回答。”

“太慢了。”张一鸣的声音里没有批评的意味，只是在陈述一个事实，“如果你的用户量从一千五涨到一万五，从一万五涨到十五万，人工审核不可能同步增长。你现在三个人审两千条还行，十五万用户的时候可能需要每天审几万条内容。你的信用模型必须能自己在数据量暴涨的情况下保持稳定性。如果模型做不到自适应，人工团队的扩张会吃掉你所有运营成本。”

陈远沉默了片刻。张一鸣说的是对的，而且正是他最近在思考的核心问题。问渠现在靠人工审核撑着信用评分的初始精度，但这种模式不可持续。他需要一套能在用户量暴涨时自动运转的信用评估机制，而不是永远依赖季北辰和志愿者们的加班。

“我们正在改进。下一版会把人工审核的标准转化为自动化检测的规则集，能批量处理的格式化审核逐步替代人工。另外，信用评分在用户行为数据积累到一定量级之后，会从半人工预切换到全自动模型。季北辰已经在做从半人工到全自动过渡的模型方案了，目标是今年内完成切换。”

“季北辰就是那个化学系的？”

“对。”

“学化学的能把贝叶斯推断做到这种程度，说明你们的团队结构很有意思。”张一鸣端起茶杯，发现杯子已经空了，自己拎起桌上的茶壶续了一杯。他倒茶的方式很随意，没有茶道那些讲究，只是把茶水倒进杯子里，然后继续说话，“你刚才说做这件事的初衷是什么？为什么要做一个让人互相信任的问答平台？”

陈远没有直接回答，而是反问了一句：“张总，你现在做的，初衷是什么？”

张一鸣看了他一眼。那个眼神里闪过的东西很难捕捉——不是被冒犯的恼怒，而是一种短暂的、自我审视般的停顿，像是在确认面前这个人值不值得他认真回答。

“信息分发。”他把茶杯放下，“互联网上每天产生海量信息，但用户找到自己真正想看的内容的成本非常高。搜索引擎解决了一部分问题——用户主动搜索的时候能找到答案。但很多时候用户并不知道自己需要什么，或者说，他描述不出来。推荐系统要做的事情，就是在用户还没开口之前，把可能需要的东西送到他面前。不是人找信息，是信息找人。”

这段话，陈远在前世无数篇关于字节跳动的报道中读过无数次。但亲耳听到张一鸣用这种冷静而确定的语气说出来，感觉完全不同。不是那种写在PR稿里的“公司使命”，而是一个工程师在描述一个他正在解决的问题。

“我做的恰好相反。”陈远说。

“怎么个相反法？”

“你说的是‘信息找人’，我做的是‘人找人’。搜索引擎找的是网页，推荐系统找的是内容。但有些问题的答案不在网页上，在人的脑子里。一个不知道怎么写实验报告的大一新生，一个在选课系统前犹豫不决的学妹，一个想确定研究方向但找不到人聊的研究生——他们不需要更精准的算法推荐给他们更多网页。他们需要的是一个活生生的人。我说的不是客服，不是专家号，不是机器人。就是另一个学生，可能比他高一级，可能就在隔壁系，刚好知道答案。”

张一鸣没有说话。他用手指慢慢转着茶杯，看着窗外灰蒙蒙的天空。窗玻璃上凝了一层薄薄的水雾，把街对面的写字楼模糊成一片灰色的影子。

“那你做的事，跟我做的事，本质上是一样的。”他忽然开口。

“本质上？”

“对。都是在解决信息不对称。你解决的是‘人’的信息不对称——谁有能力回答这个问题？谁的答案可信？我解决的是‘内容’的信息不对称——哪条内容对用户有价值？哪条内容用户会喜欢？信用评分和推荐算法，说到底都是在做同一件事——在信息海洋里帮用户找到最匹配的那个节点。只不过你的节点是人，我的节点是内容。”

他把茶杯放在桌上，身体微微前倾，手肘撑在膝盖上。这个姿态跟他在台上做演讲时完全不同——没有PPT，没有数据图表，没有商业模型。但他说话时眼睛里有一种很亮的光，像是一个人在黑暗中摸索了很久，忽然发现旁边也亮着一盏灯。

“但是你们有一个问题。”张一鸣说。

“什么问题？”

“你们的信用模型，目前只跑在清华这一个学校的数据上。清华的学生素质相对整齐，邮箱验证就能过滤掉大部分噪音。但如果你们把这个模型迁移到其他学校、其他城市、其他人群，模型的基础假设可能就不成立了。”

“我知道。不同的群体对‘信任’的定义不一样。在清华，‘信用’可能意味着回答的准确性、逻辑的严密性。但换一个场景，‘信用’可能意味着响应速度快、态度好、愿意陪聊、能共情。信用评分的权重因子需要据场景动态调整。这是跨校推广之前必须解决的核心问题。”

张一鸣的眉毛微微抬了一下。

“你已经在想了？”

“从第一天就在想。”

张一鸣沉默了一会儿。然后他做了一个陈远完全没有预料到的动作——他把面前的ThinkPad转过来，打开了一个命令行窗口，输入了一行指令。屏幕上跳出一张产品原型图，是一个极其简洁的内容分发界面，顶部是一个搜索框，下面是一行推荐词条。整个界面的风格跟问渠的首页有着奇怪的相似之处——大量留白，没有广告位，没有炫技的特效，只把最核心的功能放在最显眼的位置。

“这是我现在在做的东西。刚搭完框架，还没上线。核心逻辑跟你做的正好互补——我推荐内容，你推荐人。我的是基于用户兴趣的协同过滤，你的是基于用户行为的信用加权。但底层架构可以互通。如果将来你走出清华，需要跨校信用体系的技术支持，我们可以。不是现在——现在你我都在早期，谈为时过早。但这个方向，你记着。”

陈远看着那张原型图，口涌起一种难以言喻的情绪。前世他见过今头条和抖音的无数个版本，每一个都比眼前这张粗糙的原型图精致百倍。但没有任何一个版本能让他像此刻这样感到震撼——因为他在亲眼见证一件后来改变了中国互联网的事情的起点，而且这一次，他不是旁观者。

“我记着。”陈远说。

张一鸣合上电脑，重新靠回椅背。窗外的天色已经暗了大半，茶馆里亮起了暖黄色的灯光。隔壁桌的客人不知道什么时候走了，只剩下一杯冷掉的茶和几张散落的纸巾。

“你之前说你见过死在路上的人，王川跟我转述过。”张一鸣忽然换了一个话题，“哪些人？”

这个问题让陈远沉默了好一会儿。他当然不能说实话——不能说他见过的是前世自己的同事、伙伴、行业里的朋友。不能说那些因为战略失误而倒闭的公司、被巨头碾压的产品团队、在资本寒冬里没能撑到下一个融资轮的。那些记忆只属于他一个人。

“最早和我一起卖鞋的。有人嫌利润薄，有人嫌太累，有人等不到回报的周期。”陈远斟酌着字句，“每一批人离开的时候，都觉得自己的选择是理性的。但从我的角度看，他们都是倒在了同一个地方——不是技术不行，不是资源不够，是没等到该等的时机，或者在错误的时间做了对的事。”

张一鸣听完这句话，沉默了很久。他端起茶杯，发现茶又凉了，但没有再去续。他把杯子放在桌上，目光穿过窗玻璃上那层薄薄的水雾，看向外面已经完全暗下来的天色。

“这句话我记下了。创业这件事，最难的不是做出一个好东西，而是你在所有人都觉得你在做一件蠢事的时候，还能不能继续做下去。你那个学长——赵凯——他也在做校园产品。我在人的圈子里听说过他。他做的事跟你不一样，但他的资源比你多，团队比你大，起步也比你早。”

陈远没有接这个话茬。赵凯这个名字出现在张一鸣嘴里，让他心里微微动了一下，但他没有表露任何情绪。

“你觉得竞争的核心是什么？”张一鸣又问，似乎这个问题是临时想到的，而不是事先准备好的。

“认知。”陈远说，“不是谁跑得快，是谁知道该往哪里跑。”

张一鸣点了点头，从抓绒外套的口袋里掏出一张名片，推到陈远面前。名片很素，白底黑字，没有logo，只印着“字节跳动科技”和“张一鸣”以及一串手机号。

“这是我的私人号码。以后如果你在算法或者推荐系统方面遇到问题，可以找我。不是，就是交流。你这届清华计算机系，能让我这么想聊一聊的人，不多。”

陈远双手接过名片。这张名片放在他书包内侧的口袋里，跟雷军和王川的名片放在一起。三张名片，三种不同的字体，三家公司处于截然不同的发展阶段——一家是世界五百强的雏形，一家已经上市，一家还只有一个刚搭完框架的产品原型。

走出茶馆的时候，陈远站在巷口的路灯下，看着夜色中安静的上地街道。这条巷子里藏着无数正在发芽的创业公司，有些会成为明天的巨头，有些会在明年冬天之前消失。

沈萱从旁边一家书店里推门出来——她刚才等陈远的时候一直在隔壁书店翻画册。她走到他身边，顺着他的目光看向巷子尽头。

“谈得怎么样？”

“他名片现在连个logo都没有，但他说了一个跟我完全相反的方向。”

“什么方向？”

“他做信息找人，我做人找人。他觉得信用评分和推荐算法本质上是一回事。”

沈萱歪着头想了想。冬夜的北风从巷子尽头灌进来，吹得她围巾的下摆轻轻摆动。

“你们俩说的，是不是就像图书馆的两种找书方式？一种是查目录自己去找，一种是问图书管理员。他说的是第一种——用算法把书推到你面前；你的是第二种——让读过那本书的人告诉你值不值得看。但不管哪种，都是在帮人找到他真正需要的东西。对不对？”

陈远转过头看着她。巷口路灯的光落在她头顶，把她发丝的轮廓勾勒出一圈淡金色的光晕。

“对。你怎么想到图书馆这个比喻的？”

“因为你每次跟人聊完天之后，需要我帮你把那些抽象的话翻译成人话。这是我的职务。我可是你的首席联络官。”

陈远笑了一下。然后他伸手帮她重新系了一下围巾——刚才风把围巾的下摆吹散了，她自己没注意。

“走吧，”他说，“回学校。明天还要开会。”

沈萱点了点头，把手揣进羽绒服口袋里，走在他旁边。两个人在上地安静的街道上并肩走着，身后是藏在巷子深处那家亮着暖黄色灯光的小茶馆，身前是北京冬夜里铺展开来的万家灯火。

路灯把他们并肩的影子拉得很长，两道影子时而交叠在一起，时而被风拽开一点距离，但始终朝着同一个方向移动。