第43章：算法

幸福里商业街第三个满月数据出炉的那天，姐直接把车开到了“故事杂货铺”的门口。

下午四点，阳光斜斜地切过街道，我正帮安雅整理捐赠来的物品。一位老奶奶刚走，留下一个铜制的旧烟斗，磕碰得厉害，却擦得锃亮。安雅在本子上记：“张爷爷的烟斗，1978年结婚纪念品……”

姐推门进来时，风铃响得有点急。

她穿着浅灰色的职业套装，衬衫最上面的扣子解开了，头发也有些散。这在她身上很少见——她向来是那种连发丝都要管理好的人。

“小默，”她没打招呼，直奔主题，“幸福里的完整数据报告，给我看。”

我从柜台下拿出文件夹。姐接过，没坐，站着翻。翻得很快，但每一页都停十几秒——她在记。

看了大概十分钟，她合上文件夹，闭了闭眼。

“怎么了？”

“我要用这个，”她说，“在明天的季度汇报会上，申请一个新项目。”

“什么项目？”

“一个AI情感补丁系统。”姐睁开眼睛，那里面有我很久没见过的光，不是职场精英的锐利，是小时候她决定要做一件大事时的光，“你们在幸福里做的事，证明了‘人情’有商业价值。但现在的AI系统全是效率导向的，我要做的系统，比让安雅当翻译官的那个更懂人心。”

我愣住：“什么意思？”

“意思是，”姐一字一顿，“让AI在推荐商品时，不只算‘这个顾客可能买什么’，还算‘这个顾客可能需要什么——不是物质需要，是情感需要’！”

她拿起张爷爷的烟斗：“比如这个。在标准算法里，它是个二手旧物，价值几乎为零。但在我的系统里，它的‘故事值’、‘记忆值’、‘情感连接值’会被量化，加权，最终影响推荐——可能推荐给同样失去老伴的老人，可能推荐给研究婚姻史的学者，可能推荐给……一个想理解祖父的年轻人。”

安雅在旁边小声问：“那……那和我做翻译的那个系统有什么区别？”

“区别很大！你当翻译的那个系统，只服务于模拟人类情感，只在终端微调，更多服务于个人。而我要做的AI需要懂人心，需要在核心算法上做优化，更多服务于商业。当数据指向‘情感需求’时，让路给真人介入。就像红绿灯：绿灯是效率，红灯是情感。我要做的，是在该亮红灯的时候，让AI学会亮红灯！”

我懂了。

她是想从源头改造——不是在小铺、在茶馆、在幸福里这些“末端”做人性化补救，而是直接去改造那个正在定义一切规则的“大脑”。

“公司会同意吗？”

姐沉默了两秒，然后笑了：“所以我要用幸福里的数据。我要证明，那些‘不可量化’的东西，其实可以量化成钱——不是直接利润，是间接价值，是用户忠诚度，是社区生命力，是……是让商业能持续活下去的土壤！”

她看了眼手表：“我回去了，准备材料。明天下午两点，季度汇报会。你来吗？作为案例样本。”

我点头：“来！”

“好。”姐转身要走，又回头，“对了，穿正式点。那帮人……以貌取人。”

第二天下午一点半，我站在宏远科技大厦楼下。

这是姐的公司总部，三十二层的玻璃幕墙建筑，在阳光下亮得刺眼。

进大堂，刷姐提前发来的临时门禁码。闸机打开时发出清脆的“嘀”声，像某种宣判。

电梯直达二十八层。门开，眼前是一条纯白色的走廊，地面光可鉴人，墙壁是镜面设计，反射出无数个穿着不合身西装的我。没有窗，只有隐藏式灯带发出冷白色的光，均匀得没有一丝阴影。

会议室叫“决策舱”。门是自动感应的，我走近，它无声滑开。

里面已经坐了十几个人。长条会议桌是深灰色金属材质，桌面嵌着数块屏幕。每个人面前除了笔记本电脑，还有一个银色头戴设备——后来姐告诉我，那是最新款的脑波监测仪，实时分析参会者注意力集中度，数据直接同步到主持人的屏幕。

我找了个角落的位置坐下。

刚坐下，我面前的屏幕自动亮起，显示：“访客：林默。关联项目：幸福里社区共生体。权限：只读。”

姐坐在长桌中段。她今天恢复了往日的精致，头发一丝不苟，妆容完美，套装笔挺。但她的手放在桌下，我看见她左手在用力掐右手虎口，这是她极度紧张时的小动作。

两点整，会议开始。

没有寒暄，没有开场白。主位上的男人——看起来五十多岁，光头，戴着智能眼镜——直接说：“开始吧。林采薇，你有二十分钟。”

姐站起来，走到前端。墙壁变成屏幕，她的PPT投在上面。

第一页就让人不舒服：标题是《情感价值量化与AI决策优化》，但背景是大脑神经元的荧光图像，蓝绿冷色调，像实验室标本。

“各位，”姐的声音很稳，“今天我汇报的不是技术迭代，不是性能提升，是底层逻辑的补充——为现有AI系统增加‘情感价值权重’模块。”

她切换到第二页：一张对比图。左边是标准AI推荐系统逻辑——用户行为数据、商品属性、算法匹配、推荐结果。右边是她的提案——在“算法匹配”环节加入一个“情感权重过滤器”，过滤器里包含：用户当下情绪识别、历史情感交互记录、社区关系网络强度、甚至……生物节律数据。

“我们现有系统只追求一个目标：转化率。”姐说，“但转化率背后是什么？是一次性交易，还是长期关系？是顾客买到了他想要的东西，还是买到了他需要的东西——包括情感需要？”

一个戴眼镜的年轻副总裁举手——其实不用举，每个人面前都有麦克风。“林总监，直说吧。你要我们增加系统复杂度，降低决策效率，为了什么？为了让人‘感觉更好’？感觉能当饭吃吗？”

会议室里响起几声低笑。

姐没笑。她切换到第三页：幸福里商业街的数据。

“这是三个月前开始的一个社区商业改造项目。”她说，“改造前，街区空置率42%，日均客流不足500人。改造后——植入‘人情化运营模式’后，数据如下。”

她念出那些数字：空置率降至8%，日均客流提升至1800人，商户平均营业额增长85%，顾客停留时长从平均7分钟提升至42分钟。

“这些是传统数据。”姐顿了顿，“现在看非传统数据。”

新页面弹出：

“社区情绪指数”通过街区内公共摄像头图像情绪识别分析：正面情绪占比从31%提升至67%。

“社交连接密度”通过蓝牙信号碰撞频率估算：提升280%。

“跨代际互动频率”通过人脸识别年龄判断+交互距离分析：提升155%。

会议室安静了。

“这些‘软数据’，直接影响了‘硬利润’。”姐调出下一页——一家便利店的案例。“这家店在改造后，做了三件事：一，店员记住常客名字；二，设置‘老人慢结账通道’；三，每周一次‘社区需求收集’。结果：该店营业额提升72%，但更重要的是——顾客主动推荐率提升400%，投诉率降为零。”

她看着那个年轻副总裁：“感觉不能当饭吃，但好感觉能让人回来吃饭。回来一次，两次，无数次。这就是长期关系，这就是品牌忠诚度，这就是——商业的可持续性。”

光头男人——后来我知道他是首席技术官——开口了：“林采薇，数据很漂亮。但你怎么确定，这些‘人情因素’是因果关系，不是相关性？也许只是因为街区变漂亮了，或者天气变好了？”

姐早有准备：“我们做了对照组。同城另一条类似街区，只做硬件改造，不做人情化运营。三个月后，数据提升幅度不足幸福里的三分之一。而且——”她调出一张图表，“人情化街区的增长曲线是指数型的，硬件改造街区是线性的。为什么？因为人情会产生网络效应——一个人带一家人，一家人带一栋楼。”

她深吸一口气：“所以我的提案是：将幸福里模式抽象化、模型化，开发一个‘AI-人情协同系统’。系统有两个核心：一，情感识别引擎，实时判断交互场景中的情感权重；二，决策调节器，当情感权重高时，AI自动降低效率优先级，提示或转接真人服务。”

她最后放了一张概念图：一个大脑形状的AI核心，周围延伸出许多温暖的、波浪状的线条，线条连接着一个个小小的人形图标。

“我们总说AI要‘像人’，”姐说，“但像人的不是智力，是懂得什么时候该不智——不追求最优解，追求最适解。不追求最快，追求最稳。不追求最省，追求最值——这个值，是价值的值，不是数值的值！”

汇报结束。姐回到座位，手还在抖，这次我看见她在桌面上握紧了拳头。

光头CTO摘下眼镜，擦了擦。“很有意思，”他说，“但我要问几个实际问题。”

“第一，成本。增加情感识别模块，计算资源增加多少？响应延迟增加多少？”

姐：“初步估算，计算负载增加15%，延迟增加80-120毫秒。但对于非即时交易场景，这个延迟在可接受范围。”

“第二，误判。情绪识别准确率现在最高也就85%。15%的误判率，可能导致错误推荐，甚至冒犯顾客。这个风险怎么控？”

姐：“所以我们设定了阈值——只有情感置信度超过90%的场景，才会触发权重调节。而且，所有调节都是建议性的，最终决定权在真人店员。”

“第三，”CTO身体前倾，“也是最重要的一点：毛利率。你的这套系统，能直接提升多少毛利率？”

会议室里所有人的目光都聚焦过来。

姐调出最后一份数据：“幸福里项目，整体毛利率提升了5.2个百分点。但这不是因为单价提升，是因为复购率提升——顾客来了还想来，买了还想买。”

“5.2%。”CTO重复这个数字，“不错。但你能保证，在其他场景也能复制这个数字吗？”

“不能保证，”姐诚实地说，“但可以测试。所以我申请成立一个独立项目组，用三个月时间，在三个不同场景试点——社区商业、线上零售、生活服务。预算只需要——”

“等一下。”那个年轻副总裁又插话了，他叫陈煜，据说才三十二岁，已经是战略投资部负责人。“林总监，我想问一个更根本的问题。”

他站起来，走到前面，自己调出一个页面——是姐的PPT里那张幸福里数据图。

“你这些‘非财务指标’，确实很好看。社区情绪指数、社交连接密度……听起来很温暖。”他顿了顿，“但商业是冰冷的。你这些数据，五年后还能看吗？你能预测，那个叫安雅的女孩——是她吧？——五年后还能记住多少老人的名字吗？她会不会离职？会不会变冷漠？会不会……自己也变成只在乎效率的人？”

他转过身，看着姐：“人情是不可持续的，林总监！人会变，会累，会离开！但算法不会！算法永远稳定，永远高效，永远……可控！你要我们为了这种不可持续的东西，增加系统复杂度？！”

会议室里安静得能听见空调出风的声音。

姐沉默了足足十秒钟。

然后她说：“陈总，您说得对。数据预测不到安雅五年后还能记住多少老人。”

她顿了顿，声音很轻，但每个字都清晰：

“但数据也预测不到，五年后，幸福里那些老人，哪些还活着！”

全场死寂。

陈煜张了张嘴，没发出声音。

姐继续说：“您说商业是冰冷的。对，但商业服务的对象是人。人，是有温度的，会死的，需要被记住的！如果我们的系统连这点都看不到，那它再高效，也只是个精致的墓碑——记录交易，不记录人生！”

她坐下了。手不抖了。

CTO看着屏幕，看着那些数据，看了很久。然后他说：“这样吧，林采薇。你的想法很大胆，数据也有支撑。但公司现在资源紧张，不可能给你独立项目组。”

他顿了顿：“但我可以给你一个机会。你自己牵头，利用现有20%的自由工作时间，做一个最小可行性产品。一个月时间！一个月后，带着可演示的产品和新的数据，再来汇报！”

他看向陈煜：“陈总，你们战略投资部，能不能象征性给点支持？不多，就……十万块。算种子。”

陈煜皱了皱眉，但点了头：“可以！但一个月后，如果看不到明确的商业价值，项目终止！而且，”他看着姐，“林总监，你要签对赌协议——如果项目失败，你主动辞职！”

空气凝固了。

姐没犹豫：“好！”

“散会！”