林浩从建材市场出来，T恤后背已经湿透，紧贴在皮肤上。他手里拿着一卷图纸，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“这才象正规公司”。林浩坚持要做开放空间、水泥地、裸露管线，说“这才象创业公司”。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“极速网吧”，玻璃门上贴着《传奇》《奇迹》《CS》的海报，但边角卷起，被太阳晒得发白。推门进去，冷气和烟味、泡面味、汗味混杂的气浪扑面而来。
下午的网吧人不多，大半机子空着。几个少年在打游戏，大呼小叫。角落里，一个瘦得象竹杆的年轻人，背对着门，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。桌上摊着一本厚厚的书，砖头一样，是《算法导论》英文原版，书页泛黄，边角卷起，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。但眼角馀光一直瞟着那个年轻人。
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。。林浩能看
这是推荐算法的内核概念。在2003年，这太超前了。当时国内互联网还处在门户时代，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，去吧台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，嘴唇干裂。他看了一眼水，又看了一眼林浩，眼神里有警剔，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，警剔更深：“你懂？”
“懂一点。协同过滤，基于用户的，还是基于物品的？”
“都在试。”年轻人说，声音很轻，但清淅，“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，加隐语义模型。”林浩说。
年轻人眼睛睁大了。他看着林浩，像看着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？”
年轻人尤豫了几秒，然后说：“个性化新闻推荐。我想做一个系统，根据用户的浏览历史，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，用户行为仿真，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，“但没服务器，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？”
“恩，大三。张一鸣。”
林浩的心脏重重跳了一下。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，中国互联网新生代巨头。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。比如状态同步，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，服务器扛不住。”
“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