当年轻人在说“夸克真香”，他们在说什么?
文 | 史中
这世界上有两种人不好惹，P站用户和B站用户，而且他们还很可能是同一拨用户。
我相信B站用户永远正确。毕竟即使不正确，等把那些不喜欢他们的叔叔阿姨熬到帕金森擂不动键盘的时候，他们自然也就正确了。
所以，我的一个隐秘癖好就是：蹲守在很火的B站视频中，研究大家在弹幕里讨论什么东西。
前两天，我偶然看到了知名UP“苏星河”的一个视频《我来讲讲为什么Safari是手机上最好的浏览器》，结果正片还没开始，一票水友都在弹幕上刷：“夸克真香”、“夸克yyds”（永远滴神）。
一堆夸“夸克”的夸夸词汇碾过屏幕，让屏幕正中的 Safari 图标多少带点尴尬。
他们说的夸克，应该就是那个“夸克搜索”。
我估计浅友里肯定有人还不知道夸克，这情有可原。毕竟这个搜索引擎是年轻人的菜，你们不都是像我这样的00后。
我记得大概两年前下载了夸克，它用起来简单直接，比 Safari 快了十个百度，特别适合我这样的快枪手。
于是它被我分在了这样一个奇怪的文件夹里。
可夸克到底好到啥程度，以至于一群粉丝要去 Safari 的地盘上游行？这个我还真拿不准。
我决定仔细研究一下。
当然我的研究方法比较NB，毕竟我是一个想认识谁就能认识谁的中哥，是时候施展魔法了。我戴上口罩冲进北京零下20度的寒风里，直接去找夸克 App 的产品技术同学们喝了个咖啡。
（一）一个拯救学渣的搜索系统
一位夸克的同事看到风尘仆仆的我，说：“中哥你来晚了，整个2020年已经有好多老铁换了各种姿势夸我们了，用户量比火箭窜得还快。”
“你们究竟干了什么，难不成把大家都给PUA了？”我问。
那不敢，不过这两年我们在夸克搜索里做了很多功能，比如“指令控制”、“搜索直达”，大家都挺喜欢。但水旜来你可能不信，2020年我们最香的模块是“夸克学习”。
他说。
“纳尼？夸克学习？有人在搜索里学习？学啥？咋个学法？”
我掏出手机定眼儿一瞧，还真有。。。
虽然心里全是问号，但中哥毕竟是身背一定流量的偶像，举止要沉稳。于是我冷静了一下，说：“我懂，我也是爱学习的人，在我的D盘专门有一个文件夹叫就叫做学习资料。总之我想和夸克学习的团队聊聊。”
于是，夸克学习的产品经理夏雅曈坐在了我面前。
你听听这个名字的风格，如果不是民国时期的人，那一定是个90后。果不其然，她是一位93年的妹子，创造了我从艺以来见过产品经理的年龄最小记录。
夏雅曈
然而她的记录只保持了15秒，因为旁边这位名叫寇至爽的团队成员是94年的。。。
寇至爽
故事就从2020年春天说起吧。
那时候，你懂的，几乎所有有头有脸的 App 都上线了疫情防护的模块。毕竟这么多年夸克是一票年轻人的心头好掌中宝，保护我方祖国的花朵很重要，于是夏雅曈他们春节加班搞定了帮大家防疫的“疫情实时动态”模块。
一口气还没喘匀实，他们突然发现一个有趣的现象：在夸克上“搜题”的老铁越来越多，暴增50%。
搜什么题呢？
“比如有人会搜《岳阳楼记》，这看上去很像是在做作业。”夏雅曈说。
“我不信，万一是古诗文爱好者呢？”我摆出鲁豫脸。
“从当时的大数据来看，搜语文知识的人通常也会去搜索勾股定理、英文单词之类，还有一些地理历史知识，你看，这就非常像学生了。”她说。
到底为啥这么多人在夸克搜题嘞？
其实很好解释：第一，夸克的用户群本来就是年轻人，有很多人在亲自上学。第二，疫情刚稳下来，学生们都被困在家里上网课呢，平时做作业遇到不会的题也没老师可问，最方便的可不就是上网搜么。
寇至爽他们想了想，忽然想出了一个“至爽”的脑洞——既然用户这么喜欢搜题，那我们为什么不帮人帮到底，送佛送上西天呢？
于是，他们设计了一个逆天的“小球”。同学在钉钉上网课的时候，夸克就变成一个小球安静地蹲在右下角，当屏幕上的PPT里出现了题目时，只需要点一下小球，见证奇迹的时刻就到了。
夸克会把屏幕截图，框选题目，它就会去后台的题海里匹配，然后瞬间返回这道题的答案。不仅有答案，还有解题过程和思路，比闪电五连鞭还快。
大概就是这么个效果
万万没想到，上个网课还开挂了呀。
金杯银杯不如学渣的口碑，大家都没反应过来，几天之内夸克 App 的下载量已经冲到各大应用商店的前头。
最巅峰的时候，所有过来的截屏搜索请求，有90%都是在搜题目。
寇至爽挑挑眉毛，示意我不用控制，可以尽情夸他。
仅仅是做了个小功能，就带来这么大的搜索量，夸克团队的小伙伴都惊呆了。不过开心之余，他们马上发现一个巨大的 Bug——海量的搜题请求并不是每一次都能得到答案，有很多同学欢欢喜喜搜题来，但却两手空空回家去。
这是为啥呢？
这里给你科普一段小知识：
1、负责为同学们的题目找答案解析的东西叫做“搜索引擎”，这个你是知道的。
2、搜索引擎分很多种，最主流的叫做“网页搜索引擎”，百度、Google，包括夸克主要的搜索引擎都是“网页搜索引擎”。你输入关键词，它能帮你找到相应的网页。
3、还有很多其他搜索引擎，例如我们用到较多的就是“图片搜索引擎”。你输入关键词，它给你找到相应的图片，或者你上传一张图，它给你找来类似风格的图片。
问题来了：那搜题的引擎是啥引擎？
在中哥看来，这应该是一种结合了网页、图像、人工智能技术的“专用引擎”，它的工作原理拢共分三步：
1、一边它会先用文字识别技术，把用户拍的图片中的文字抽取出来，得到一个题目的纯文本。
2、另一边网络上有海量的题库，很多也是图片的形式，同样要抽取成纯文本格式。
3、最后把用户提交的题目和题库里的题目的纯文本做匹配，从而找到这道题的答案。
说到这你可能有点感觉了，搜题引擎和传统通用引擎不太一样：
如果把通用搜索引擎比作人人都坐的汽车，那搜题引擎就像是小区里送快递的“菜鸟无人车”，虽然个头不大，也不是人人都用，但技术含量却是杠杠的。
好，科普完毕，我们回到故事。
说个小内幕。在疫情之前，夸克搜题确实是个小众功能，所以团队并没有投入很多精力，背后的“搜索引擎”接入的是第三方服务，效果差强人意。
这回看到搜题量暴涨，团队同学们立刻从葛优躺变成了金刚狼：咱们是不是要自己推出一个搜题引擎？这样不仅掌握核心科技，还能大大提高解题率！
毕竟家里技术底子还是有的（夸克是阿里巴巴的产品），夸克的同学们决定，搏一搏单车变摩托。
（二）老司机斗麻匪
重担一下子压到了夏雅曈和团队的身上。
作为产品经理，他们首先要回答一些灵魂拷问：究竟哪些学生在搜题？他们会在什么情况下搜题？他们搜题时希望看到怎样的答案？
这些问题的答案可太太太重要了。毕竟，你懂的，如果搜题的都是学渣，想要抄答案，那这个产品道德上就不太成立了。。。
于是，夏雅曈在夸克里向使用搜题功能的同学们发送了邀请，让他们来一场赤裸裸的“灵魂自白”。
结果大大出乎意料。
我猜你和我一样，以为只有学渣会搜题。但事实恰好相反，学霸也搜题，而且搜得更多，更狠，更仔细。想想倒也合理，比你有钱的人，一般都比你努力。
其实学霸搜题的需求很复杂：不仅要找答案，还要了解详细的解题思路，还要知道这背后隐藏的知识点，最好再来几道同类型的题目巩固一下才心满意足。非常之鸡掰。
其实不光是学生，老师和家长也要搜题。
老师在课堂上要讲课，课后要批改作业、备课、辅导，拍照搜题可以帮他们把解题的时间节省下来，把更多精力放在琢磨教学内容上。
家长们主业是上班，晚上副业还得辅导孩子，经常还遇到题目不会做，甚是丢人。即使自己会做，但是有时又跟孩子讲不明白，这时候他们也需要搜题。
这些事实让夏雅曈他们虎躯一震，原来搜题功能真的可以帮助更多爱学习的同学节省时间，巩固知识。那这利国利民的事儿可就干也得干，不干也得干了。
2020年6月，就在人们在苏星河的视频上刷“夸克真香”的档口儿，“自研搜题引擎”项目正式上路了。
说到这，就不得不给你介绍一位新朋友，王杰雄。
王杰雄是一位技术大咖，想当初90后还忙着早恋的那些年，他已经加入了阿里云，和大家一起做“雅虎中文搜索”（估计很多00后都没听过），掐指一算，搜索技术这事儿他已经干了十年。
王杰雄
接到夸克的任务，他露出了大菊已定的微笑：就这？
然而，上手之后不久，一种隐隐的哪里不对的感觉袭来。仿佛一个即将上任的县长，本来吃着火锅唱着歌，一抬头突然面前出现一票麻匪。
这第一个麻匪就是“文字识别准确率”。
文字识别，准确名称是 OCR（光学字符识别 Optical Character Recognition）。它像一个不知疲倦的“誊写师傅”——你把一张图片给文字识别系统，它就能帮你把上面的字给识别、抄写出来。
你有没有给支付宝绑过银行卡？扫一下卡面就能识别出上面的卡号，这就是文字识别系统干的。
大概就像这样。
但是，这系统也不是神仙，它有一定出错的概率。越是质量差的照片，从中提取文字就越可能出错。（这并不怪系统，你平时看一些学习资料时，陈年画质和高清无马，你从中学到的知识量也是不同的嘛。）
问题是，这套文字识别系统是阿里巴巴技术中台团队做的。王杰雄为了赶时间，只能拿现成的用。
虽然中台团队老师傅的技术没的说，但这个系统是针对通用场景的文字识别，没办法针对搜题场景做优化。（毕竟这个系统服务整个阿里巴巴，没办法为了夸克一个八字没一撇儿的功能做定制开发。）
所以在文字识别率上，王杰雄就像开特斯拉撞蚊子——有劲儿使不上。
好吧，这第一个麻匪消灭不掉，只能先对付第二个。
这第二个麻匪就是“带噪搜索”。
由于 OCR 识别存在一定误差，所以会给搜索算法带来巨大的困难。
举个栗子：
比如一道应用题，原题写的是“小明拿着纸币买裙子”，也许被系统识别成了“小朋拿着纸巾卖裙子”，这种情况下继续搜索，就叫搜索请求中带着“噪声”。
更大的噪声来自于用户拍题的时候——有可能手抖，题目很模糊；有可能框选的范围太大，除了要搜的题目，前后还各带了半道雨女无瓜的题目。
例如拍这第5题，在拍题的时候会出现混入手写字、框选到其他题目、照片不清晰等等问题。
很多时候，带了噪声看上去就像完全换了一道题，系统自然就没办法把这道题和题库中的题目匹配准确。
这时，王杰雄他们就要尽力让系统学会“带噪搜索”。
简单来说，就是香农的信息论原理。信号有噪声的情况下，就要增加信息的冗余。
王杰雄说。
举个例子吧：比如你跟朋友打电话约在地铁站B口见面，电话里对方听不清你说的到底是B还是D，你也许会说：“我们在B口见面，AB的B，二B，不是四D。”
你看，你很可能不认识香农，但你自动采用了信息冗余策略，用了四种方式表达“B”，对方一般就不会理解错误了。
王杰雄他们正是用了同理的操作，每一道题都用不同的颗粒度切分，换几种维度表达。这种表达虽然啰里八嗦，但是却大大提高了匹配的精准度，算是曲线救国了。
不过这还不算完，更多的问题仍然摆在面前。
这第三个麻匪就是“公式归一化”。
上过中学的浅友都知道，各种题目到了中学就不再“单纯”了，比如这货：Cu?(OH)?CO?，碱式碳酸铜。再比如下面这道题：
你发现没，题目里有各种角标、特殊符号，是你日常打字根本不知道怎么打出来的。
你都不知道怎么打，程序当然也不知道怎么打。。。不过，幸好科学家和代码大神们已经总结好了一些规则，用一串直线排列的代码就能表述出这些乱七八糟的公式。
可问题来了，对于同一种公式的表述规则有很多种，并不统一——就像同一部片儿，有 avi，有 rmvb，有 mp4。。。两个人见面，一个人说“Hello”，另一个人说“弄啥嘞”，那不可能匹配成功。
于是团队必须把题库里的各种公式的每一种表述都找出来，然后转换成统一格式，这就是公式归一化。
除了上面说的三个麻匪，还有图片传输压缩、算法和功耗的平衡、题库本身丰富度等等，“麻匪”漫山遍野，一眼望不到头。。。。
王杰雄发现，这不是“让子弹飞”，这根本就是“乱枪打死”。这一大堆事要是等一个人搞完，那恐怕人类都登陆火星了。他赶紧吹响“集结号”——跟领导申请把其他技术同事一个个拉上船，并肩作战。
没顾得上开神马“誓师大会”，技术攻坚组就这样紧急成立了。
埋头苦干一个月，这套搜索算法终于做出了雏形。夏雅曈他们赶紧拿来一些测试题目，结果是：这套算法的识别率只有友商的一半儿左右。。。
这个结果，如翔一般。
盘了盘，王杰雄发现根本原因还是整个搜索的链路太长——用户拍照的清晰程度、用户框选题目的精细度、文字识别的准确程度、文件传输中的压缩比例、题目搜索的比对算法，每一步都有一定的信息损耗。
这种长链路的问题就如同你玩过的那种传话游戏，一个同学传给另一个同学，他再把听到的内容传给下一个同学。传到最后，往往已经把“前门楼子”传成了“肩膀头子”。。。
然而，市场的竞争不等人，疫情笼罩下的2020年，你懂的，各大拍照搜题软件都在拼命激战抢夺用户。
果然，团队接到了来自领导层的惊天命令：自研搜题模块要在国庆节上线！this is an order，不容争辩。
王杰雄他们看看表，现在已经7月多了，过去论天过，现在就得论秒了。。。
（三）二营长，拿我的“核武器”来
夸克学习技术团队把吃奶的劲儿都使出来了，疯狂地优化这个“传话游戏”。
那段时间，王杰雄他们做梦都在想优化策略。但是，经常出现的结果是：一个优化策略上了之后，一半的题目解题率升高，另外一半儿的解题率反而下降，就像在游泳池里玩跷跷板，一个人浮出水面喘口气，对面那个人就被淹在水下冒泡了。。。
到后来，为了该用哪些优化策略，这群技术宅越讨论越急眼，眼看就要从说服变成睡服。他们干脆决定，兵分好几个小组，各自研究心仪的优化策略，最后再把这些技术叠加起来。
技术宅有技术宅的计划，世界另有计划：如此舍命狂奔，尽管和友商的解题率差距在缩小，但始终还是追不上。
夸克怎么说也是一个有牌面儿的搜索引擎，如果国庆节就这个亚子直接发布出去，那简直是所有人都不能忍受的公开处刑。
祸不单行。
进入暑期，夸克搜题的活跃度开始肉眼可见地下降。原因很简单——同学们放假了。即使是学霸，也不会凡尔赛到放假的时候也天天搜题吧。。。
那么，这些同学还会在9月份开学的时候如约回来吗？万一不回来，我们做了这么久的新搜题引擎给谁用呢？大家心里紧张得如同初恋的少男。
从8月最后几天开始，所有人都捂着眼睛，从指缝里看夸克后台搜题功能的用户人数有没有增长，就跟老韭菜看着自己的股票持仓一样：哀其不幸，怒其不争。
他们悲伤地发现，用户数并没有回到上学期期末的时候。。。
然而，就在他们确认自己要凉了的时候，9月5号左右，搜题的用户突然开始暴涨，势如破竹，很快就挣脱了之前的最高点。
又惊又喜的夏雅曈、王杰雄他们突然意识到，原来因为疫情的原因，全国的学校是错峰开学的，学霸们虽迟但到，直到9月上旬才马力全开。
诚如夸克学习的搜索框所言：我爱学习，学习使我快乐。
这下有两件事是板上钉钉了：第一，国庆节新引擎铁定是要发布了；第二，哪怕按国庆七天乐最后一天算，此时距离发布也只有一个月了。
怎么用一个月的时间把搜题质量提升到世界级水平？
技术团队对视一眼，貌似只有使用最后一个“核武器”了！
你还记得我们之前留了一个伏笔么？最开始，技术团队曾经绕过了第一个“麻匪”，文字识别系统（OCR）。
其实大伙儿都知道，文字识别系统在整个搜题链路里是最重要的环节之一，但是，因为技术非常复杂，恐怕不是一两个月就能做出来的，所以夸克技术团队没敢碰，一直在用集团提供的现成文字识别系统。
事到如今，无路可退，老司机只有背水一战。
没错，他们的“核武器”就是——自己造一个完美契合搜题场景的文字识别系统。
智能搜索业务部负责人吴嘉盘点了一下，还真有一群人适合做这套系统，这就是过去有视频内容文字识别经验的黄锐华团队。
如果是一般人，接到这样的任务也许下一秒就准备辞职信了。但黄锐华不是一般人，非但面不改色，反而有点小兴奋呢。
说起来，黄锐华也是阿里巴巴最早做搜索的那拨大神，从当年的阿里巴巴商品搜索，到后来的UC浏览器全网搜索，都有他团队的身影。
十年搜索经验填过的坑无数，不仅让他们团队积累了堪比《九阴真经》的经验，还在兜里攒下了一堆“暗器”：
我们团队有一个“工具箱”，里面全都是这么多年积累的自动化工具，有深度学习的，有模型优化的等等。普通团队搭一个新系统像盖瓦房，需要一砖一瓦从头来过；有了这些工具，我们搭一个系统就像拼插乐高积木，时间会大大缩短。
黄锐华露出老师傅的蜜汁微笑。
搜题所需的文字识别系统需要有两个功能：“印刷体文字识别”和“手写体文字识别”。一个月的时间把两个功能都做出来是来不及了，他们商量了一下，先只做相对容易也用处更广的“印刷体文字识别”。
接下来又到了硬核科普的时间段。
做一个文字识别系统最最核心的工作就是“训练”。
训练，简单说就是让人工智能看大量的数据。这个数据不是普通的数据，而是“标注数据”。
啥是标注数据？一道含有题目的照片拿过来，标注师不仅要把里面题目的精确位置框出来，还把对应的正确文字誊写下来，这就是一个“标注数据”。无数个标注数据塞进训练框架的炼钢炉，就能炼出来一个“人工智能文字识别系统”。
这就是一个标注数据
当时，啪的一下，很快啊，老司机们搞来了大量的标注数据。然后马不停蹄地进行针对“搜题场景”调优和测试。
黄锐华记得清清楚楚，那一个月他们过得可是紧张刺激干净卫生，上午开会讨论方案，晚饭前代码就得写好，夜里就要进行测试，一天一迭代，一夜一升级。
终于，到了9月下旬，文字识别系统终于出炉。是骡子是马拉出来溜溜，黄锐华他们找来市面上所有能买到的商用文字识别系统，焚香击鼓，来了一场“乱斗大比武”。
结果证明，在印刷版习题的识别率上，自己刚研发的这个识别系统最能打。文字识别和公式识别都比别人高几个百分点。
他一拍大腿，这事儿要成。
像运动会接力棒一样，文字识别系统第一时间传给算法团队。由于临阵切换了文字识别系统这个“发动机”，导致王杰雄他们的搜索算法也要重新训练，重新适配。
此时留给他们的时间，只剩最后几天了。
王杰雄缓了口气，以大将之风安慰团队：“莫慌，只要胆大心细，时间应该还来得及。”
然而，半小时后，团队同学就来报告：哥，跟你说个事儿，咱们手里的计算力资源好像不够了。。。
王杰雄给跪了。
由于短时间内要计算炒鸡大量的数据，团队日常储备的云计算资源直接被拉满，目测要是仅靠这些资源，等这些计算搞定，2021年的第一场雪都来了。。。
你可能会问：“等等，团队难道用的不是阿里云么？阿里云“吹牛”的时候我可是听过的，不是说伸缩扩容一分钟就搞定么？”
没错，然而问题并不出在阿里云上，而是出在真实世界的规则中——团队扩容，需要预算，而这笔预算显然是计划外的，要走特殊流程，一半天儿肯定是批不下来。。。
危急时刻，奇景出现：从技术大牛到产品经理，从一线码农到团队领导，大家纷纷联系相熟的邻居团队，从他们那里“借”资源。
对方有五台机器，要！对方有一台机器，也要！对方有一台机器但是在另外的机房，没问题，我们去人肉搬过来！对方开玩笑说你得请我吃饭，他们说请！对方水斣龙虾，他们水斣！
就这样“毫无底线”，不知道许女旜去多少顿饭，两天之内，计算资源像蚂蚁搬家一样一点点堆垒起来，超越了平时的五倍还多。烧脑的计算像F1赛车一样极速狂飙，在赛博世界表演了一场暴裂无声的白日焰火。
这段危急时刻，正赶上横跨周末，大家也都顾不上休息了，每天在办公室连轴转。当时是三伏天，而大厦周末是不给中央空调的，领导们就给大家找来了超大功率的电风扇，但桑拿天风扇也是杯水车薪，屋里仍然跟蒸笼一样。没人顾得上抱怨，汗水迷了眼就用身上的T恤擦，女同事不在就光膀子。
国庆节前一天，所有必要的计算终于跑完一遍，新算法百米冲刺上线，焕然一新的搜题引擎马不停蹄地开始全链路测试。
标准测试数据下，夸克搜题的引擎总算、究竟、到底、终于跑出了行业顶尖的解题率。
王杰雄他们看着这个结果，激动得差点欲语泪先流。
这个接力棒又火速传到产品团队手上，由他们为亿万用户做最终发布。按照规定，一般情况下假期是不能升级 App 的，但是夏雅曈他们早已提前打好了报告，拿到了金牌令箭，就等着假期推送升级。
就这样，先是团队内部人员接收了 App 升级包，第二天对几千用户随机推送，然后是几万人，然后是几十万、几百万。终于赶在十一期间，把所有用户的夸克 App 都升级完毕。
国庆收假，后台的用户数据开始满载狂升。此时，王杰雄盯着屏幕反而异常平静，他知道，眼前的一切绝非只是跳跃的数字，而是新搜题引擎像神龙一样，在响应着无数学生、老师和家长的召唤。
满屏都写着“牛X”二字。
夸克的一万个功能里，有一个是“手持弹幕”。
（四）要说“真香”不容易
夸克搜题的用户数一浪高过一浪，每过一个周末，后浪就把前浪拍在沙滩上。
然鹅没想到，一浪高过一浪的还有后台用户的吐槽。。。
毕竟人红是非多，有的用户反映有题搜不到，有的用户反映答案不详细，有的用户反映解题不够快。其实大多问题团队早就知道了，恨不得顺着网线冲过去跟用户说：“在弄了在弄了！！”。
但有一类吐槽，却是他们没想到的——搜题速度有点慢。。。
技术团队的直觉告诉自己，“速度”两个字里恐怕有大文章。
仔细测试之后他们发现，正常的拍一道题过程中，用户会有几秒钟的“被动等待时间”。啥叫被动等待呢？就是这个时候用户什么也不能做，就是干等着。
几秒钟按说也不算事儿，但是同学们在拍题的时候，经常是连续拍十几道。这些被动等待时间累积起来，就变得特别不能忍。
况且很多学生當用的手机都是中端机、青春版，性能没有那么极致，这一下又会拉长等待时间。
意识到问题的严重性，团队凑在一起开了个“共识会”，一致同意开启另一场战役——“闪电拍题”。
之前说过，用户搜题的过程，背后其实是一连串链路，粗略来说有这么几步：打开摄像头、摄像头自动对焦、点击拍摄按钮、手动框选题目、点击提交、图片生成、图片上传服务器、服务器进行文字识别、搜索引擎进行比对、找到目标结果、结果回传到手机、结果展示在屏幕上。
这么多环节，只有从每个环节都压榨回来一点时间，才能让整体搜题等待时间大幅减少。
于是团队变身人肉榨汁机，从三个方向开始压榨。
第一，压榨照相机模块。
为了方便开发迭代，之前的相机模块采用的是轻量化的“web框架”，这次为了速度，前端团队一狠心另起炉灶，换成了“客户端架构”，虽然维护更难，但速度如飞。
第二，压榨传输链路。
图片从手机传输到夸克的服务器，要经过好几个系统“接力”处理，路由器、运营商、负载均衡，进入服务器之后，也要像串糖葫芦一样经过几道系统，这些系统有的跑在杭州机房，有的跑在张北机房，有的跑在广州机房，相当于数据要在神州大地上来回奔袭好几个来回。
虽然是光速来回，但毕竟咱们国家大得离谱，路上还是会消耗很多时间。
最终，技术团队优化了调度方式，在每个机房都安排了一整套处理系统，让用户可以"就近接入"，比如广州的用户就接入距离广州最近的深圳机房，全套处理完直接把结果返回手机。就像现在人民群众去办事儿，“最多跑一趟”。
第三，压榨算法系统。
之前为了保证搜题准确率，王杰雄他们为搜索引擎增加了很多“冗余”，这下为了节省时间，又不得不拆掉一些。
估计你也猜到了，压榨算法系统肯定会带来一些副作用，那就是识别率很有可能下降。
这个时候，黄锐华的文字识别团队又杀了出来。他们也憋了一个大招：
重写一套数据标注系统，让外包团队为他们重新标注一套比过去精准无数倍的题库数据。他们要用这套新的标注数据，训练出史上最准确的文字识别系统。
这套数据的标注要精准到什么程度呢？所有题目的框选都精确到了近乎像素级的精度。而为了达到这个目标，全部标注员都提前做了严格的培训，还专门设立了检查员的岗位，负责二次检查数据标注的精度。最终数据拿回来，夸克的技术同学还要进行复查，绝不放过一个错误。
我们认准了一个道理：数据样本的精度，决定了你识别能力的上限。所以我们就用这种笨办法！
黄锐华一脸技术人的执拗。
这次数据标注，不仅标注了印刷文字，还标注了之前没时间解决的手写文字。而且手写文字还包括了小学生、初中生、高中生的不同字体，也包括了手写数学公式、手绘图、手写英语等等。
这一套标注下来，用了整整两个月时间，所花的金钱成本远超你的想象。
这个识别系统的效果怎么样呢？用黄锐华的话说就是：“拿印刷体的识别来说，已经达到遥遥领先业界的效果，基本不会错了。”
“基本不会错？”我问。
“基本不会错。”他说。
这种斩钉截铁的话在严谨的技术老师傅嘴里水旜来，还是挺震撼的。
就这样，所有人又拼了两个多月，100毫秒100毫秒地抠，先是把搜题中用户等待的时间减少了30%，后来又减少到了最初的50%，这两天他们还在拼命准备再减下去10%。
夏雅曈说，她手机里已经装上了夸克最新版的测试版，搜题速度杠杠的。我说我不信，于是她给我现场展示了一下新老版本的速度对比。
我做成了 gif 你看看。（左边是旧版，右边是新版）
夸克的第二代搜题引擎大概会在2021年1月底上线。忙了一冬天的黑科技，就要在新版本的夸克 App 上闪亮登场，团队的男女老少们正在期待地搓手手。
各位铁子们要是有兴趣，正好可以更新一下最新的“脱胎换骨版”夸克，体验一下B站用户心中永远滴神到底香还是不香。
（如果不香你们就去拍砖，不过看在他们这么努力的份儿上，轻点拍就是了。）
（写文章的空档，我发现了“手抄报”功能，顺便学着画了一个。首先画出狮子，然后加一些细节。。。）
（五）一个更香的世界什么样？
2020年9月，王杰雄最忙的时候，他的女儿恰好上小学。
那段时间，王杰雄脚不沾地，顾不上家里，都是夫人帮着女儿辅导功课。不过王杰雄倒是很骄傲，毕竟夫人帮女儿辅导作业时，用的都是自己亲手打造的御用特供指定版夸克搜题引擎。
女儿一天到晚被爹安利，如今遇到不会的题，都会抢在王杰雄前面轻描淡写地说：“用夸克搜一下呗。”一起逛街遇到夸克的广告——那个像马桶圈儿的 LOGO——女儿也会说：“又是你们的广告！”
其实在团队里，还有不少像王杰雄一样的孩子家长，从小学到初中高中一应俱全，他们都是夸克搜题的核心用户——在日常搜题的时候，他们遇到非常实际的问题，拿回来反馈给产品团队，新功能很快就能加入全家桶。
比如错题本功能：同学可以把错题整理起来，系统智能识别里面的知识点，然后自动给出考察类似知识点的其他题目。
再比如错题打印功能：低年级的孩子父母不敢让孩子长时间看手机或者平板电脑，于是希望能把错题打印到纸上让孩子去做。
再比如口算批改功能：对于一些简单的加减法算术题，家长需要每天帮小朋友检查作业，有点枯燥。用这个功能一拍，所有答案是对是错就一目了然了——疲惫一天的老父亲老母亲能多有几分钟放空的时间。
除了搜题功能本身，王杰雄他们还发现，作为阿里巴巴家的“富二代”，夸克的人工智能能力是碾压别人的。
有了强大的人工智能技术储备，其实未来还可以试着做出很多更科幻的功能，例如给定一个题目可以帮你写作文，给出一个上句帮你填写下句——这些题目本身都没有对应标准答案，但是搜题引擎也可以试着凭空做题，空手接白刃。
我试了一下“AI 续写”，惊为天人。
夏雅曈的妈妈其实就是一位中学老师，在湖南老家教了半辈子课。
最开始夏雅曈定义搜题产品的时候，几乎给妈妈一天打一个电话，询问她给同学们出的题都是哪来的，甚至还要来了教研组老师的电话，还有校长的电话，甚至还跟妈妈经常买参考书的书店老板煲了几个小时电话粥。
夏雅曈的敬耶斕度爆表，以至于当别人父母都劝孩子“多打电话回家”的时候，她妈妈反而劝女儿“少打点电话”。。。
“你妈烦死你了吧？”我问。
“毕竟亲生的，没办法。”她笑。
“诶，要是以后同学们遇到不会的题都上网查了，没人问老师了，你妈妈会不会失落啊？”我突发奇想，问夏雅曈。
我小的时候，每次学生写了好的作文，她都会比学生自己还开心。从那时我就知道了，老师从来只会因为学生的进步而骄傲自豪，不会因为自己而失落。这也是我最佩服妈妈的地方。
她温暖地一笑。
临别之前，王杰雄还给我讲了一件小事儿。
最近，他帮女儿报了好多线下补习班，花钱花到肉疼。在交钱的时候，他若有所思：“我生活在北京这样的一线城市，有财力，也有智力跟进孩子的辅导。但是在三四线城市，甚至是那么多乡村，那些孩子是不是永远没办法接触到这些优质的教育资源呢？”
想到这里，他好像忽然站在了站台对侧，越过呼啸的列车，审视自己正在做的事情。
如果教育停留在物理世界，那么毫无疑问，最棒的教育资源一定只会留给精英的“后浪”们。可是，一旦教育来到线上，它就会展现出巨大的可能性——哪怕一个孩子生在偏僻的村庄里，只要有一部手机，只要他渴望学习，就可以以非常低的成本享受人工智能为 Ta 准备的教育资源，而且是定制化的教育资源。
未来世界的孩子，也许能享受到我们这代人从未有过，甚至没敢想过的教育模式。
王杰雄的眼睛闪闪放光。
告别这群人，我又冲进冬天的城市。北风漫卷，山河无恙。按照剧本，此时我应该路遇几个少年。但这个时间他们显然应该正在温暖的教室里听课，有的眉头紧锁，有的迷惘张望。
“我看着你们，满怀羡慕。”我又想起《后浪》里这句曾引发了口诛笔伐的轻飘飘的台词。
于是我猜，年轻人不能被收买，年轻人也从未被收买。
一个认真面对这个世界的 App，从来不应只是生活优渥的后浪们口中戏谑的“真香”。最终有权评价它的，应该是严肃的，庄重的，渴望成为更好自己的每一张年轻的面孔。
P.S. 鉴于 Safari 那期节目里满屏的夸克，苏星河后来又专门做了一期夸克的评测，你可以看看。
再自我介绍一下吧。我叫史中，是一个倾心故事的科技记者。我的日常是和各路大神聊天。如果想和我做朋友，
