戴文淵 燈塔和唐僧

張薇

將人工智能的價值最大化，是戴文淵的愿景。在這個目標導向下，他精準地走著每一步，并試圖用商業的成功來帶動科技的成功。

黑暗中，捉住“狗”繩的年輕人

韓國首爾，3月9日，12 00，谷歌人工智能AlphaGo思考了1分半后，邊星起手第一步。它的對手，33歲的韓國頂尖圍棋手李世石執黑先行，選擇了一個非常規的下法開局，冒險試探后，李世石認真發力，黑棋越來越主動。AlphaGo的白棋一路后推下貼，這下法被人認為“換做剛剛學棋的小朋友都是要被老師打屁股的”。

101手時，李世石的黑棋幾乎圍住下邊，優勢明顯。但AlphaGo始終按照自己的節奏，不緊張，不沮喪，不疲倦，無聲無息，有如忍者。102手，AlphaGo釋放出精彩的勝負手，此后，便進入它的高光時刻。不時出手經典，屢屢令人咋舌，也有看起來業余的動作，但能以小誤換取更大勝利。歷時3個半小時后，面對后半局呈現出精準判斷的AlphaGo，這場人機大戰第一輪，李世石棄子認輸。

比起國際象棋，每一步都有多達300多種選擇的圍棋更需要智力。AI來勢洶洶，人類智慧領域里的圍棋碉堡比人們所預期的提前失守。這難免會讓人失落。而與李世石同齡的戴文淵先生卻頗為振奮。當天，在“用什么策略可以戰勝 AlphaGo”的提問下，他毫不猶豫地站在AlphaGo這一邊，以一句反問留下了他在知乎的首次發言：“如果說1997年IBM深藍戰勝國際象棋世界冠軍卡斯帕羅夫是機器突破了人類的第一道防線的話，2016年AlphaGo是不是摧毀了人類的最后一點驕傲呢？”

作為人工智能領域的頂尖研究者以及人工智能創業公司“第四范式”的創始人，他還友好地提醒人類，面對毫無人性弱點的AlphaGo，一定要控制好驕傲、氣餒或緊張的心魔。

這顯然并不容易，而結局你已知道，AlphaGo以4 1完勝李世石。此后，李世石承認，“面對毫無感情的對手是非常難受的事，讓我有種再也不想跟它比賽的感覺。”

像人一樣會學習的AlphaGo，似一枚信號彈，勝利地照亮了人工智能領域的天空，它甚至還將其獲得智力的核心根基—機器學習中的一個子分支“深度學習（Deep Learning）”，強勢推到人們面前。

作為時下人工智能領域里的一個大熱門，“深度學習”的動機是建立、模擬人腦進行分析學習的神經網絡，計算機利用近似人類大腦神經網絡的運作方式從大型數據集中吸取知識，源于二三十年前人工神經網絡的研究。2006年，加拿大多倫多大學教授、機器學習領域的泰斗Geoffrey Hinton和他的學生在《科學》上發表了一篇文章，被認為是開啟了“深度學習”在學術界和工業界的浪潮。

AlphaGo幕后主腦Deepmind，是英國一家年輕的人工智能公司，2014年，被谷歌斥4億英鎊收入囊中。AlphaGo完勝李世石3個月后，《經濟學人》推出一篇專題報道《機器的進軍》（March of the machines），Deepmind的創始人Demis Hassabis在接受采訪時稱，他們已經在開始探尋一種更新的技術，“遷移學習（transfer learning）”，這種技術能讓強化學習系統把基礎建立在已習得的知識上，而不用每一次都從頭學起。

人能夠舉一反三，機器也可以做到這一點。“遷移學習”被認為是下一個熱點，它可以解決“深度學習”的某些局限—比如，必須要依賴海量的大樣本數據。

而AI陣營的絕對支持派戴文淵，稱得上是這個更前沿領域的先行者。

他是2005年ACM國際大學生程序設計競賽世界冠軍—這項大賽號稱匯集了全球智商最高的人、由美國計算機協會（ACM）主辦、被稱為計算機界奧林匹克。

他與AI的結緣純是一場陰差陽錯。2005年，戴文淵本科就讀于上海交通大學計算機系的一個實驗班，這個班的學生在大三時就可以按個人喜好選擇實驗室。當時，最火的一個方向是圖形學（即CG，Computer Graphics），學好了能去好萊塢闖闖（《阿凡達》60%的畫面就是用CG生成的）。但戴文淵的整個大三都在搞ACM編程競賽，等競賽結束，熱門的早就選完了，只剩下最沒人選的AI。“沒有人相信AI能做成，畢業以后，成績好的，能當個老師，成績不好，那就算白學了。”他調侃起當年的選擇。

因禍得福，他因此結識了AI領域內一位頂尖的華人學者—當時，在上海交通大學計算機系并無與此相關的師資，系里便將戴文淵作為訪問學生推薦到了香港科技大學，師從計算機系教授楊強。

擁有一份獨特而鼓舞人心履歷的楊強，是人工智能的堅定信仰者。

1982年在北京大學讀完天文物理學本科后，楊強赴美國馬里蘭大學繼續攻讀天體物理學碩士。研究過程中，他開始用計算機編程、建模，以解釋太陽的起源和很多天文現象。他發現，比起對宇宙的觀察，他更享受建模的樂趣。1985年，他放棄了在美國攻讀天體物理博士的規劃，正式轉入人工智能領域。

“他發現說物理其實從一九二幾年到現在，其實真正的理論進展非常少。他曾調侃道，做天體物理就像放衛星，每一個實驗都要放衛星，等到數據傳回來，再來看你的這個猜想是不是能成真，這個基本上都是十年、二十年去計的。但是計算機的好處是在一個虛擬世界，他發現虛擬世界的發展其實是比現實世界的發展更快。”熟稔楊強的吳茗說，她是“第四范式”的聯合創始人。

從給宇宙建模，轉向給人類建模，楊強的初衷是“通過編程的手段來實現人的智能”。而更大的動力來自于，“你能主動地去影響，做一個機器人，你可以去控制它。宇宙的話，你只能處在一個第三方觀測者的位置”。

1980年代中期，人工智能出現第二次浪潮，高燒到人們覺得機器馬上就要統治世界了。但高期待落空后必然是巨大的失望，“可以建非常好的數學體系，但是卻沒有能力為它提供內容，知識的內容。”楊強回憶，人工智能冷落到，“當時有一個說法就是說，做人工智能的全都是吹牛的，沒有人敢說自己是做人工智能的。”

但楊強從來都是理直氣壯。他開始反思人工智能的出路，“怎么樣把這個內容給填上，答案就是機器學習了。”2000年后，他全面走向機器學習，5年后開始了遷移學習的研究。

戴文淵與導師楊強相遇時，恰逢人工智能蓄勢待發的前夜。

2005年，美國國防部高級研究計劃局（DARPA）啟動了一個上千萬美元的項目，專門用來給美國一些高校的學者研究遷移學習。DARPA常年支持一些腦洞大開的項目，互聯網、GPS、Siri語音系統等在今天看來極具顛覆性的高科技產品，最初都來自DARPA的孕育。

大洋彼岸的信號很快就被身在香港的他們捕捉到了，楊強帶著戴文淵投身其中，雖然并沒有經費支持他們做。DARPA支持下的遷移學習研究大概只延續了3年，但楊強和戴文淵一直做了下來。當時，在AI的諸多研究方向中，最火的絕非遷移學習，而是凸優化（機器學習中的最優化問題）。比如，一場AI會議上，當時就有一半以上的人在討論凸優化問題。

“就是風口來了，大家都會去追風，而不是去理性地分析是不是這個風口，是未來的方向。”戴文淵形容當年“遷移學習”領域的人丁零落。如果說，AlphaGo所代表的人工智能真的是一條狗，戴文淵就是有機遇也有定力很早捉住狗繩的一個年輕人。

如今，在遷移學習領域，論文引用數排名第一的，正是戴文淵的導師楊強，華人界首位國際人工智能協會院士。而戴文淵，憑借9年前發表的一篇論文（Boosting for Transfer Learning），單篇論文引用排名排名世界第三。

合適的工具解決合適的問題

這個排名世界第三的年輕人，看起來非常樸實。套在黑框眼鏡和格子襯衫里的戴文淵，能被人輕易識別出他是個“理工男”。他講話溫和，語速平緩，但一旦向他拋出問題，就能感受到他清晰、縝密的邏輯—“咔嚓”一下直擊要害，絕不拖泥帶水、天馬行空或繞來繞去。

他的這種犀利，被他的前百度同事、現合伙人吳茗觀察為“非主流”。

2009年戴文淵研究生畢業后初進百度。改進百度多被詬病的競價排名廣告業務是他的一個動力，“我有能力讓他們把這個廣告出好，出少，甚至不需要這種競價排名，變成Google的樣式，并且公司的收入也不會下降。”戴文淵對《人物》記者說。

百度有個項目叫Shotgun（霰彈槍），意為百花齊放，不同點子PK。吳茗回憶說，“其他人在想這個問題的時候，是通過一個點一個點進去的，然后每一個點去測試他的項目怎么樣。但他比較堅持的是說可以通過一個model來解決。所以當時他們提了一個點，通過一個對點擊率的預估去解決整個搜索效率的問題，不是說很多點去做。”盡管人們大多不相信一個方法會解決所有的問題，但半年后，戴文淵的方法脫穎而出。

“其他人是用一個復雜算法做出簡單模型時，他用一個簡單算法做出復雜模型。”在吳茗看來，這是一個價值觀的不同。比起將招式打得狂炫酷拽，戴文淵更在乎的是切中核心，將招式功效最大化。

“本質上說，用合適的工具解決合適的問題。他總能找到一個比較合適的方式來解決問題，能找到最關鍵的路徑。”戴文淵的師弟陳雨強說，“對于百度當時的問題來說，算法不是最關鍵的，最關鍵的路徑其實是數據。……簡單模型才能用得上那么多數據。”

看的東西更高，這是陳雨強看到的戴文淵最為成功的一點。他記得11年前入讀上海交通大學時，戴文淵剛剛獲得了ACM冠軍，在這個最具影響力的國際大學生計算機競賽上奪冠，自然是聚光燈下的焦點。探討競賽的論壇上，當時人們都稱戴文淵為“大神”。大二時，陳雨強跟著戴文淵在實驗室里研究遷移學習，他更近距離的一個體會是，碰到同樣的困難，戴文淵可以從困難中看到可以改變的東西，“他每次實驗失敗了以后，總會有新的東西、路徑出來，然后說OK，又‘吭哧吭哧去做。”

以戴文淵彼時的光芒，走一條學術之路，順理成章。誰都沒想到，2009年他研究生畢業后，掉頭一轉，放棄了讀博，去了百度。戴文淵的導師楊強說，“他當時從學校離開，百度當時還不是很知名的一個企業，是需要非常大的勇氣。”

在《財經》雜志報道中，百度CEO李彥宏被稱為“理性先生”。KPI在百度被視為一個堅挺的承諾，谷歌愿意花兩年時間斥巨資開發出AlphaGo，但在百度這個項目一定會被否定掉。直接點說，KPI的重壓，抑制百度的創新。

對此，戴文淵表現出驚人的成熟。他深諳，要達成精進、成就創新，就要最大限度地利用此處最強的資源，“做AI畢竟是要消耗不少資源的，這個資源也不會白白給你，你要對大家都有好處。你要去分析，怎么能調動資源，來完成更大的一件事情。”

這讓他展現出一種微妙的平衡感。在百度前同事楊博海看來，“嘗試一個新的項目和方案，總是要承擔風險。他愿意去承擔這個風險，推動這個方向，挺像科學家的。有自己長遠的理想和想法。”另一方面，“他想做的事情，也不會太離譜，還是跟大家公認的價值觀比較吻合。做的過程中同時照顧到相關人，會按照別人的游戲規則去推動他要做的事情”。

鳳巢系統的廣告收入在今天已是百度搜索業務最重要的來源，但在陳雨強剛進入百度的2012年，它正停滯不前。“能想到的一些特征工程的方式已經都想完了，或者說人已經很難繼續做下去了。”陳雨強說，轉機的到來正是在他和戴文淵介入之后。

通過簡單算法做出復雜模型，更好利用大數據，這是戴文淵對百度在線廣告系統的第一次改進。來百度兩年，他就晉升為當時百度最年輕的高級科學家，并成為鳳巢系統的技術負責人。基于人工智能，鳳巢系統顛覆了百度原有的競價付費系統，讓廣告詞的排名不僅取決于關鍵詞的出價，還取決于質量度（包括點擊率、創意質量、賬戶表現等）。這要為這個系統塑造出比以往更復雜的模型。

“那個時候，提升最快的有兩個驅動力，一個是模型變大……代表你的腦容量越大。但是呢，這個腦容量是體積的腦容量，它有可能是空的腦子，你要填知識進去，就是第二個驅動力，你要加入很多的特征進去。”

還能怎么提升？也正是那一年，“深度學習”在語音和圖像方面都火起來了，有了很多成功的嘗試。但在全球工業界，尚沒有“深度學習”在大規模商業基礎上的應用。

戴文淵又邁出了冒險的一步。他帶著當時還是實習生的陳雨強，開始了世界上第一個商用深度學習系統的研究—“深度學習應用于鳳巢廣告”的項目。

“風險很大，對百度來說，一般三個月以上的項目，就是一個非常長期的項目了，半年就是個特別長期項目，一般三個月到半年你都沒有什么結果的話，項目就比較危險了。”陳雨強說。而這個項目持續了一年多。

項目屢次處于砍與不砍之間，戴文淵一直力挺，“他堅持說這是一個比較重要的方向，一定要投入一些資源，做一些前沿的東西。”但戴文淵又不會占用過多資源—很長一段時間，主做者就是陳雨強一人。遇到技術問題時，戴文淵出手提供建議，“并不一定有什么特別好的解法，但是他會把問題做一些變化。”陳雨強說。

再加上，“跟余凱那邊有挺多的合作。相當于說每個地方的資源都不多，但是把它們都集中起來一起做。”陳雨強說。余凱是知名機器學習專家，2012年4月加入百度，在百度推進語音、圖像、音頻等領域的“深度學習”研發。

一年之后，在戴文淵頗有戰略的研發方法下，效率提升的拐點來臨了。在引入“深度學習”后，“鳳巢”大概提升了十個百分點的廣告質量。“對，這確實是個小奇跡。”陳雨強頓了下，“這是個大奇跡。”

此時，整個鳳巢系統的團隊都開始了向深度學習的轉向，最終使得百度變現能力提升8倍，這讓戴文淵的團隊獲得了百萬美金的“百度最高獎”。而一年后，谷歌才有類似項目上線，且研發團隊是一組人。

戴文淵比常人更早明白，實現宏大的目標，往往需要拋棄小我的自我表現，遵循客觀條件，目標導向，但和大的規律與必然性站在一起，為自己一步步贏得獲勝砝碼。

早年打ACM比賽期間戴文淵就是個另類的選手。他將團隊取得好名次當成一個目標，而不僅僅是滿足一種表現個人的英雄主義。2005年的ACM競賽，三人小組中他任組長。在長達一年的訓練期內，他做了很多自詡為天才的人根本不會去做的事—他放棄了成為技術最強大者的執念，轉而成為隊友們的支持者;他和隊友們住在同一個宿舍以訓練行動力的統一;看他們愛看的漫畫來達成理解，以及確保那個喝可樂才能做出題來的隊友隨時喝到可樂—就像一個超級保姆。

正是這種默契，讓他們贏得了2005年ACM競賽的冠軍。以終為始，將目標拆解，然后借力資源來實現目標。“目標拆解，（再決定）每天你要做什么，訓練什么技能，這其實是很科學的一件事情。”

這種在打ACM競賽時習得的成功之道，也被他直接帶入到他研究生時代的AI研究中。“當時思考做成AI要做什么事情”，數據、性能以及算法，“要把三個環節都做成”。準確率驗證AI的最終結果，在做實驗的時候，他發現，增加數據量所獲得的準確率提升遠遠大于一味改算法。當時設計出來的一個新算法，比過去的算法，準確率提升1個百分點，但他拿到一個新數據，準確率能提升10個百分點。這讓他形成了一個非常獨立的判斷，重視數據、占有數據，這個方向大有可為。

但當時AI學術界更在意的只是算法。他在學術界呼吁數據的價值，可堂堂學術界憑什么要聽一個碩士二年級的毛頭小伙兒的呢？不聽也罷。看到數據的力量后，戴文淵再次跟隨他的獨立判斷，跟著數據走，這正是他當時離開學術界去百度工作的原因，那時的百度是互聯網世界最大的數據庫之一。

真正挑戰人類的，

是Google不是DeepMind團隊

2013年，戴文淵成為百度歷史上升職最快的人，面前一片坦途。百度去高校做校招宣講時，他是那根無敵紅線，是宣揚年輕人在百度大有可為的最佳案例。但讓人意外的是，戴文淵在百度如日中天時選擇了離開。

明明升得這么好，為什么要走？

有人把誘因歸為一場“百度工程師火爆對抗行政”的搶車位事件。2013年5月，戴文淵在微博上吐槽百度行政總監一人占5個車位。微博寫得鋒芒畢露，“晚起的碼農沒車位，進公司時被車場保安攔住說沒車位了。我望了眼南門停車場，目測至少5個空車位，就問那兒不是有好多車位么？保安說，那是張總的車位，張總的車位是你能停的？我心想，哪個張總能占5個車位啊，咱廠長不是姓李么？就問，哪個張總？保安說，行政部張×。我說，哇，牛逼啊。心想，張×是誰？”

不過，在吳茗看來，搶車位事件不過是一個插曲。“那個時候他已經決定走了。他的觀察是，人的付出和回報有一個延后的，他可能在走之前是比較光輝的，但是他覺得自己獲得的是一年或者半年以前的東西。”

最初想要改進百度多被詬病的競價排名廣告系統，戴文淵做到了。至少在后臺系統做到了。但他很快就發現，“華爾街有更高的預期，既然能做到不出競價排名的廣告，只出會有明顯底色區分的廣告，就可以收入還能持平不降，他們緊接著問你另外一個問題，如果競價排名仍然保持的話，收入可以漲多少？”

資本市場的貪婪讓他意識到，他不能決定產品的樣式，只能做出更好的一個變現系統。

他更宏大的愿景在于把人工智能的價值最大化，而不僅僅是服務于一家公司。

這導致了他的做法與主流價值取向下的路徑大不相同。“你在百度做到了一個總監，可能跳到阿里，從總監升到高級總監，跳到騰訊變成副總裁，這是主流價值觀的一條路。”他追求的并不是級別的上升。

離開百度之后的戴文淵，進入了華為，目的是去學習怎么做企業服務，為未來的AI創業做積累。

AlphaGo和李世石第一局交戰得勝后，戴文淵在那篇知乎回答的最后，探討起了一個與提問關系不大的話題—AlphaGo到底花了Google多少錢。他猜測，Google至少投入了數億美金的資源。

AlphaGo團隊所獲得的這種不計代價盡情創造的環境，讓他羨慕極了。“他們有一個很好的sponsor，能給他們一個環境去完成一件劃時代的壯舉—我何嘗不想擁有這樣的環境。”不過，他緊接著說道，“后來我也想明白一個事情。其實我們的大環境缺的并不是有理想有抱負的科學家，而是sponsor。所以真正挑戰人類的其實是IBM，不是許峰雄;是Google，不是DeepMind團隊。就像，真正修成圣彼得大教堂的，是天主教會，而不是米開朗基羅。”

這也是他最終想要做一家公司的動力，用商業的成功帶動科技的成功。

AI for everyone

2014年，就在谷歌收購了DeepMind的同時，也曾有意收購DeepmMind的Facebook搭建起實驗室，專注研發人工智能技術。工業界，一股人工智能的熱潮正在興起。

戴文淵不能再等了。同一年，“第四范式”成立，“第四范式”最終被戴文淵看成實現自己愿望的地方，一家公司的名字，往往能透露出它的愿景。

“第四范式”的得名，來自于圖靈獎得主、關系數據庫的鼻祖Jim Gray生前的最后一次演講。他將人類科學的發展定義成為四個“范式”：第一范式，以記錄和描述自然現象為主，比如鉆木取火;第二范式，科學家們利用模型歸納總結過去記錄的現象，比如牛頓三定律;第三范式，科學計算機的出現，誕生了“計算科學”;“第四范式”則是，通過收集大量的數據，讓計算機去總結規律。

這個包含有奇妙個人風格和宏大愿景的命名，讓這家初創時還默默無聞的公司獲得了一個意外的收獲——它總是能勾起人們的好奇心。戴文淵說，“我遞一個名片，那個老總說‘第四范式，你給我講講，為什么你叫（第四范式）？如果是云數據啊什么的，他一看就把名片一扔。”

“說得恐怖一點，“第四范式”就是要讓牛頓和愛因斯坦這樣的科學家下崗的一個階段。”說到這兒，戴文淵笑著做了個假設，“牛頓有三條定律，三條定律的問題它不夠細，后來相對論出現時發現牛頓定律在高速狀態就不適用了。如果是由‘第四范式來做牛頓的事情，就可以分很多的速度的區間，每個區間總結三條定律，那就不需要相對論了，在每個速度區間，都可以用牛頓的三大定律。”

深圳福田租來的一間小公寓，是“第四范式”起步之所。楊強接受了成為“第四范式”首席科學家的邀請，在那間“破房子”里，經常與吳茗、戴文淵一起碰頭。

創業初期，很少有人看好機器學習或者企業服務類人工智能項目之類，但戴文淵再一次表現出他的遠見。“他會看到遠方的一個燈塔”，吳茗用了一個詩意的表達。“比如我們剛開始做的時候，大家都說互聯網創業干嘛做toB（企業級服務）啊，做toC（針對消費者市場）多好啊，說toB這個東西沒有人看的。”但在百度時期，戴文淵就表達過，如果創業的話，toB是方向之一。

他們聊過醫療，聊過基因生物，聊過地產商，最后得出的結論是，金融企業是在傳統企業當中最先數據“Ready”的一個行業，痛點深刻，門檻夠高。

獲得第一筆訂單并不容易。金融圈有一句話是，選擇供應商的時候，如果選擇了IBM沒有做出來，那不是你的錯，如果沒有選擇IBM沒有做出來，那是你選擇的問題。這就意味著，他們需要給客戶注入非常強的信心，你選擇這家公司是靠譜的，能做出來。

一個客戶這么表達他所觀察到的“第四范式”的不同，“他說，現在的這些廠商，銷售過來先吹得天花亂墜，技術過來后吹得比銷售還厲害。他說你們不一樣，你們好的壞的都說。”這是戴文淵的行事風格，他不會過度承諾，甚至還會壓低對方的期望值，他希望自己是真的能做到。

2015年初，“第四范式”獲得了來自某全國性股份制商業銀行的第一筆訂單，一個信用卡交易分期項目。信用卡的交易有一段時間免息期，如果在賬單到期日前你把錢還上，對于一家信用卡公司來說是虧本的。利用每天數十萬的信用卡的交易數據，他們用AI更精準確定哪些客戶有更大幾率去做分期付款。他們承諾提升20%的收益，但最終幫助客戶提升了60%。現在，客戶已經把多個業務都通過AI技術來升級。

在吳茗看來，“第四范式”提供AI服務的方式，不是外包，而是降低了AI的使用門檻。“像某客戶，他們第一個訂單是采購了我們的一個模型，然后第二個訂單采購的是我們平臺，光它的信用卡就已經有6條產品線，25個場景在使用，而且我們并沒有參與進去。”

這非常符合“第四范式”建立之初，戴文淵所提出的愿景，AI for everyone。對此，他有個類比，“一百多年前，照相是非常高大上的一門技術，就像今天的AI，但是如果AI要有更大的影響力的話，它必須得像現在iPhone一樣，你打開，摁一下，就能拍出來。”

“第四范式”并沒有一家可以對標的海外公司。降低人工智能的使用門檻，“這個事兒是有幾個機構首先意識到重要性了。一個是Google，一連串地發布開源數據，讓開發者能夠做人工智能，開發者只要會寫軟件就可以了。”楊強格外強調了一下“第四范式”的獨特性，“就是說Google的那個做法呢是為程序員降低門檻，文淵的這個做法是為大眾降低門檻。”

比起人們普遍擔心的未來AI會不會控制人的恐慌，戴文淵擔心的是另外一件事。“現在AI有這種集中的趨勢，在美國是Google、Facebook，在中國就是BAT。這個會有什么問題？假設啊，假設人工智能就Google一家，它會帶來什么影響？”

唐僧的堅定

AlphaGo出現前，戴文淵需要親歷親為地給別人講解AI是什么，但AlphaGo之后，他發現市場一下子更容易接受他們了，AI很快變成了資本市場的熱門板塊，讓人意外的是，面對這一切，戴文淵反倒希望這一天來得晚一點，和當時研究遷移學習一樣，他明白足夠的時間可以讓他在紅海到來之前有更多空間完成積累，準備得更好，再在迎戰時厚積薄發一舉獲勝。

某種意義上，戴文淵從來都是一個迫切想要贏的人。在他的學生時代，他深深懊惱的是自己不算強大的心理素質，這讓他很難贏得比賽。但最后他找到了一個說服自己的辦法，心中僅存目標，排空任何雜念。

依靠這個方法，他在2005年的ACM競賽中力挽狂瀾。比賽一共5個小時。第一個小時結束后，他們僅完成了一道題，落后于別隊三道題。這挺讓人崩潰的。可他盡力專注于內心的目標，不停對自己說，還有4個小時，前面一個小時比過什么不重要……還有3個小時，關鍵是后面我們要做什么……不斷不斷倒推，不計一時得失。

直到最后8分鐘，他們仍提交一題，做對，反超。歡呼聲響起，戴文淵終于贏得了他自小便渴望得到的勝利。

對于這樣一個好勝心強的年輕人，幸運的是，他與導師楊強的相遇，楊強一直的堅定不移，時刻督促著戴文淵，沒有使他像其他同類年輕人一樣迷失于因自己的好勝導致的短視和急功近利里，給了他更大的格局、耐性和長遠的目光。

“一開始也會受一些主流的價值觀影響，經常會跟他講說，咱們做另外一個什么什么事，比較好發論文，但是他會糾正我。”戴文淵視導師楊強為精神上的領路人，回憶起導師對自己的最大影響時戴文淵說，當他迷失或無法經受住誘惑時，他常常想起導師在20多年前就認準AI方向，“在所有人都不看好的時候，他認為我一定要把它做出來。我們曾經開玩笑說，說我其實是跟楊老師去西天取經。”

他常常想，比起同齡人，為什么楊強最終會在AI領域獲得成功，看似孫悟空、豬八戒都是比唐僧武藝更高的人，但為什么最后是唐僧取到了真經？因為“他是最堅定的人”，戴文淵說。