即便是創始人佩奇和布林，所持有的股權也僅只有百分之5.5左右。
谷歌的股價還是一路起飛的，從14年的30左右，到22年最高峰接近150。
十數億美金的資產如果需要保值的話，化為股權先持有也是一個不錯的選擇。
等到有投資機會的時候，再取出一部分，比如特斯拉，比特幣，都會是幾十倍的利潤。
但這些機會未必能經受得住太多的資金，馬斯克不會坐視自己瘋狂抄底，BTC自己抄底太多，資本也可能選擇其他的貨幣收割百姓。
總之，宗旨是先在谷歌保值，然後分散投資。BTC，特斯拉，投資初創，自行創業，多點開花。
這樣才最保險。
與此同時，華國港城的港中文大學裡，華國學者湯小鷗帶著他的一群學生和研究員們，神色凝重，氣氛低沉。
就在一週前，湯小鷗團隊的人臉演算法識別能力首次達到了人眼水準(97.53%，按照原本的計劃，團隊會花上兩三個月的時間將這個結果繼續往前推進一些。
隨後便會開啟人臉識別技術落地的時代。
可惜天不遂人願，孟繁岐橫插一手，給落地難度來了個超級加倍。
“我們目前有什麼辦法可以分辨生成式內容嗎？”湯小鷗是殘差網路原作者愷明的恩師，愷明09年一鳴驚人的暗通道去霧演算法，便是在湯教授的指導下做出的。
一舉奪得了視覺頂會CVPR的最佳論文，這是該頂級會議25年曆史上第一篇斬獲此榮譽的亞洲論文。
在深度學習未如此流行之前，湯教授的實驗室就已經頻繁在國際頂會上釋出相關論文。
1113年間的頂級視覺會議上，湯教授實驗室在深度學習領域上產出的論文數量，與世界上其他所有機構的總和相當。
足以可見其遠見、技術實力和理論底蘊。
可饒是如此湯教授面對這個突如其來的安全性難題，也仍舊是一籌莫展。
“湯老師，FaceGAN雖然公佈了論文和展示網站，但是其具體的訓練程式碼和做法細節，我們完全不清楚。在這種情況下，我們很難總結出任何有價值的規律。”
“是啊，湯老師，生成式技術是比較新的技術，用在人臉影象上也是第一次。我們在這方面沒有經驗，解決這個問題可能需要相當長的一段時間。”
“倘若我們透過他們的[這些人並不存在]網站，收集大量的生成內容，有沒有機會總結出什麼規律？”湯小鷗眉頭緊鎖，對方的技術路數新穎，己方完全不熟悉。
想要從源頭上搞明白，實在太久了。
他的想法是，透過這些虛假的內容，專門做出一個針對性的檢測器。
和自己原本的核心識別部分分開，獨立進行。
不得不說，這也是一種思路，可生成這些虛假資料的模型，也是從這種對抗中訓練而來的，短期之內，很難取得什麼成效。
“我們先發布技術，這個難題之後再解決。”幾乎是同時，臉書和湯小鷗實驗室均做出了這個決定。
在原本時間線，兩邊的技術釋出都要再遲上一兩個月。
但突如其來的難題，讓兩邊都意識到夜長夢多，再不釋出，搞不好局面會更加尷尬。