2005年10月11日，周一，清晨7:23。
    南加大gateway公寓312房间，姜宇睁开眼。
    三秒钟的恍惚后，意识如潮水般归位。
    2005年，洛杉磯，南加大，21岁，交换生，十万美元，重生。
    他坐起身，看向对面床铺。
    迈克还在熟睡，鼾声均匀。
    轻手轻脚下床，姜宇从背包里取出一个黑色笔记本。
    不是学校发的那种，是他在国內就准备好的硬皮本。
    翻开第一页，他用中文写下：
    目標清单：
    1.完成本学期所有课程註册（优先级a）
    2.开设美股帐户，研究槓桿操作（优先级a+）
    3.建立周牧的联繫与信任（优先级s）
    4.寻找陈卫（优先级a）
    写完，他合上笔记本，塞进背包內层。
    卫生间里，他看著镜中年轻的自己，用冷水洗脸，刷牙。
    镜子边缘贴著迈克和家人的合影，典型的中產家庭，父母笑容灿烂，两个妹妹，一条金毛犬。
    前世他从未有过室友。
    创业后一直独居，四十岁后更习惯酒店和公寓的孤寂。
    此刻听著门外迈克的鼾声，竟有种陌生的鲜活感。
    “嘿，姜！”迈克醒了，揉著眼睛坐起来，“早上好。你今天是不是要去国际学生办公室报到？”
    “九点。”姜宇用毛巾擦脸。
    记住我们101看书网
    “那我八点去训练，一起下楼？”迈克已经开始换训练服，“对了，晚上有空吗？兄弟会有个派对，很多电影学院的女生会去。我可以带你进去。”
    “今晚可能有事。”姜宇想了想，“但谢谢。”
    “隨时。”迈克咧嘴笑，露出白牙，“对了，你真会做饭对吧？我昨天不是开玩笑。食堂的饭太难吃了，要是你能每周做两顿中餐，我负责採购，怎么样？”
    “成交。”姜宇点头。
    七点五十分，两人一起下楼。
    迈克背著运动包奔向训练场，姜宇则朝国际学生办公室走去。
    穿行而过的学生说著各种语言，自行车铃声清脆，远处图书馆前已经有学生坐在台阶上晨读。
    姜宇放慢脚步。
    前世他无数次以“业界大佬”身份回到南加大演讲、招聘、参加论坛。
    那时他已三十多岁，看著这些年轻面孔，总有种“隔世”的疏离感。
    现在，他就是他们中的一员。
    感觉...不坏。
    .......
    上午9:15，国际学生办公室。
    三十多个来自世界各地的交换生挤在会议室里，一个名叫丽莎的金髮工作人员正在讲解留学生守则：
    “...f-1签证要求全日制学习，每周校內工作不超过20小时，禁止未经授权的校外打工。任何学术不端或违法行为都可能导致签证取消...”
    姜宇坐在后排，一边听一边用笔记本电脑查看苹果股价实时行情——aapl:$40.31，微涨0.03。
    他打开etrade的网页，2005年，这家在线券商已经支持国际帐户开户，前世他第一个美股帐户就是在这里开的。
    填写个人信息：姜宇，中国籍，f-1签证，南加大学生，美国地址，中国永久地址（湖北大冶），年收入（填写：父母资助10万美元/年）。
    最关键的一步：投资经验。
    他勾选了“有经验（3年以上）”，並註明“在中国参与过股票和期货交易”。
    这不算完全撒谎，前世確实有，只是这一世还没有。
    然后是风险承受能力问卷。
    他全部选了最高风险偏好：“可以接受本金损失50%以上”“寻求高增长，不追求稳定收益”“投资期限3-5年”。
    最后是槓桿申请。
    2005年，美股保证金帐户对国际学生相对严格，但並非不可能。
    他申请了5倍槓桿，即用10万美元本金，最多可购买50万美元市值的股票。
    这意味著如果股价下跌20%，他就会爆仓，本金全损。
    高风险，高回报。
    提交申请。
    页面提示：“审核通常需要3-5个工作日。在此期间，您可以用现金帐户交易。”
    姜宇关掉页面。
    “...接下来是课程註册指导。”丽莎切换到下一张ppt，“交换生必须在本周三前完成所有课程註册。这是电影艺术学院的课程列表...”
    姜宇看向屏幕。
    《数字媒体技术基础》《电影视觉特效史》《计算机动画原理》《实时渲染算法》...都是他前世早就精通的內容。
    他还是认真记下课程编號和教授名字。
    .......
    下午1:30，工程学院计算机楼三层，实验室。
    姜宇按照课程表找到《实时渲染算法》的实验室。
    推门进去，房间里只有六七个人，全是男生，空气中瀰漫著代码和速食麵的味道。
    周牧坐在角落，面前两台显示器，正盯著满屏的数学公式和代码。
    “嗨。”姜宇走过去，在他旁边坐下。
    周牧抬头，推了推眼镜：“姜宇？你也选这门课？”
    “嗯。”姜宇看了眼他的屏幕，“在优化光子映射的內存结构？”
    “对。”周牧眼睛亮了，“我发现传统的光子图存储方式太浪费，80%的光子最终不会对最终图像產生显著贡献。我想用重要性採样和自適应存储...”
    他又开始滔滔不绝。
    姜宇耐心听了五分钟，然后开口：“为什么不试试用机器学习预测光子重要性？”
    周牧愣住。
    “2005年，机器学习在图形学中的应用几乎是空白。”
    姜宇继续说，“已经有论文开始探索用神经网络做降噪、超解析度。如果我们训练一个网络，输入场景的几何、材质、光源信息，输出每个光子对最终图像的贡献权重...提前剔除低权重的光子，存储开销可以降低70%以上。”
    “这...”周牧盯著他，像在看外星人，“这需要大量的训练数据和计算资源。而且，实时性怎么保证？神经网络推理也需要时间...”
    “预训练+轻量化模型。”姜宇说得很快，“用离线渲染的大量场景做训练，得到一个通用模型。部署时用简化的网络结构，配合gpu加速。2005年的geforce 7800 gtx已经有可编程著色器单元，可以做简单的矩阵运算。”
    他顿了顿，补充：“我知道这听起来超前。如果我们不做，一两年后，一定会有人做。到时候我们就只能追赶了。”
    周牧沉默了很久。
    最后他说：“你有具体的方案吗？”
    “有。”姜宇从背包里拿出u盘，“昨晚写了个大纲，包括数据採集方法、网络结构设计、训练和部署流程。但需要懂数学的人来完善。”
    周牧接过u盘，插进电脑。
    屏幕上跳出一个pdf文档，28页，图文並茂，从理论推导到偽代码，甚至还有初步的基准测试预估。
    “你一晚上写的？”周牧的声音有些惊讶。
    “睡不著。”姜宇轻描淡写。
    实际上，这是前世光影纪元在2018年才成熟的一项技术，基於深度学习的光子重要性预测。
    他凭记忆还原了核心框架，虽然细节需要填补，但方向和路径是清晰的。
    周牧一页页翻看，呼吸逐渐急促。
    “这个损失函数的设计...巧妙。”他指著其中一页，“用渲染误差的梯度作为监督信號，而不是直接的光子贡献值...”
    “因为直接贡献值不稳定，受噪声影响大。”姜宇接话，“用梯度更鲁棒。”
    “对！对！”周牧猛地转头看他，眼镜片后的眼睛闪著光，“姜宇，你到底是什么背景？国內哪个实验室出来的？”
    “中国传媒大学，动画与数字艺术学院。”姜宇微笑，“我们学校有几位教授和mit媒体实验室有合作。我接触过一些前沿资料。”
    半真半假的解释。
    周牧信了。
    “这项目，我想做。”他说得很郑重，“就算只是理论验证，也有发表顶级论文的可能。siggraph级別。”
    “不止是论文。”姜宇压低声音，“如果我们真能做出原型，甚至工具链，未来可以卖给工业光魔、维塔数码，或者自己创业。”
    “创业？”周牧愣住。
    “为什么不行？”姜宇看著他，“美国每年有几百家技术创业公司诞生。我们如果有核心算法，有专利，就有机会。”
    周牧沉默了。
    他低头看著屏幕上的文档，手指敲击桌面。
    姜宇不急，他知道周牧需要时间消化。
    这个前世陪他创业十年的兄弟，本质上是个技术纯粹主义者。
    他热爱的是解决问题本身，而不是商业成功。
    需要用“技术可能性”来吸引他，而不是“赚钱前景”。
    “我需要想想。”最后周牧说，“但这项目我加入。就算不为了创业，也为了做出点不一样的东西。”
    “好。”姜宇伸出手，“合作愉快。”