新城這座城市妥妥的是群星資本的基本盤，方鴻的一大目標是要在將來把這座城市打造成為超一線大都會，一座人人為之向往的理想定居之城。
這也正是方鴻非常上心，並積極向新城市方麵提出五大建議促進生育率的原因，除了生育率這一塊，以後還會從其它方麵著手為這座城市的發展建言薦策。
如果說魔都是國內的金融中心，首都是正治中心，那麼不久的將來，新城要成為全國的科技中心。
現在已經有大量的高科技公司進駐新城，而且光是群星係旗下子公司就不少，這些企業在新城落地，也正在吸引大量的科技人才到這座城市尋找機會。
……
翌日，2月17日周一。
下午13點20左右，方鴻自個兒在二樓的書房裡，此刻正在參加量化資本的財報電話會議，不過他全場不發一言，隻當一個聽眾，也就隻有陳宇知道他在，其它與會者甚至都不知道群星資本的創始人也在。
一位投資者在電話會議上問詢：“小綾同學的關鍵算法是什麼？據我所知，像IBM的‘深藍’那樣的智能體接受的是完全信息的博弈，而英雄聯盟這樣不完全信息的博弈如何影響智能體的設計？小綾同學對之前的觀察是否有類似於人類的‘記憶’呢？”
陳宇回答道：“小綾同學的算法模型可以隱式地對對手進行推理，即通過學習對其對手最有效的行為，而不是去試圖建立一個對手實際看到的模型，可以說，這是一種更容易處理不完全信息的辦法。”
“此外，不完全信息博弈並沒有一種絕對最優解的博弈方式，這取決於對手的行為，這是我們在小綾同學在遊戲對抗中使用的方法背後的動機，以及為什麼這種方法對於覆蓋所有戰略空間很重要。但這在圍棋之類的遊戲裡是不需要的，圍棋類遊戲有一個極值的最優策略可以擊敗所有對手，不管對手做出任何舉動。”
不少與會的人知道，這種AI模型搖身一變就是股市中的博弈，股市裡麵的博弈之一，就有一條是信息不對稱博弈。
一位專業的機構投資者詢問：“貴司的人工智能消耗的計算量如何？”
陳宇從容篤定的回答：“為了訓練AI，我們構建了一個高度可伸縮的分布式訓練設置，比如該設置支持上萬個英雄聯盟的並行實列中學習的智能體，這是她能如此迅速成長的原因。”
那位機構投資者追問：“有業內開發者認為小綾同學失敗的一些比賽是歸咎於算法在比賽中被限製了視覺處理，但也有人並不認為這是一個令人難以信服的解釋，因為英雄角色在迷霧中進進出出，而小綾同學在地圖中來回移動作為回應，看起來絕對像是理解上的差距，而不是機械操作上的局限。”
陳宇回答道：“很難去解釋小綾同學為什麼輸掉或贏得任何一場比賽，因為她的決策機理很複雜，是動態多智能體訓練過程的結果。與之對抗的玩家們打了很多精彩的遊戲對局，玩家們似乎發現並利用了小綾同學的弱點，但是很難說這個弱點是由於攝像頭、較少的訓練時間、不同的對手等等，而不是其它智能體。”
另一個與會者詢問道：“請問陳總，小綾同學是否會做更加泛化的測試？能否在除了英雄聯盟之外的其它遊戲中運行，比如刀塔、反恐精英、坦克世界等等？”
陳宇旋即回答：“答案是肯定的，這也是我們的開發團隊正在努力做的事情，相信要不了多久便會有更豐富的測試訓練。”