顾屿的门，就得守中国的规矩。告诉他们，九天实验室的核心组只用中文交流。不会说，就自己去学，什么时候能用中文独立汇报工作了，什么时候再放进核心组。”
林溪在那头愣了一下。
“老板，要求会中文？”
“这个门槛是不是设得太偏门了？”
“这样卡条件，我们可能会错失一部分顶尖的人才。”
林溪从人力资源的角度提出了自己的担忧。
顾屿听完林溪的顾虑，笑了笑。
“林溪，这是规矩，也是门槛。”
“他要是真想来，就得自己克服语言障碍。”
“我不希望以后走进我们自己的核心实验室，听到的全是一口各种口音的英文。”
林溪明白老板定下的规矩不可更改，便不再多说什么。
“好的老板，我会跟任总监传达这个硬性标准。以后九天实验室的工作语言，统一规范为中文。”
放在当下这个时间节点，整个全球的科技互联网环境，大家都在拼命迎合海外的规则。
国内不少初创科技公司，为了显摆自己的国际化，内部发个通知都要中英双语，几个程序员吃个外卖也能互相飙两句英文单词。
但顾屿很清楚，前世那些估值上千亿的AI独角兽，只要剥开他们那层洋气的外壳，去看看那些真正核心的研发小组。
那些主导大语言模型训练、负责底层代码优化的顶级人才，放眼望去，几乎清一色全是黑头发黄皮肤的华人面孔。
那个据称汇聚了全球顶尖大脑的核心项目组，开会的时候连同传翻译都不需要。
几十个核心骨干坐在一起，大家张口就是标准的普通话，偶尔还夹杂着各地的方言。
这并非海外的华人工程师在刻意抱团。资本家只认利润，他们绝对不允许用人唯亲这种事情出现在核心研发环节。
真正的原因非常现实，在全球顶级AI人才池里，华人占比天然就极高。
大模型和深度学习的底层优化，高度依赖线性代数、概率统计和严密的逻辑推演，并且需要长期忍受枯燥的反复调参试错。国内顶尖高校高强度的数理训练和信息学奥赛体系，恰好完美匹配了这种能力要求，持续批量输送着具备算法思维的天才。
再加上AI基础研究是一个典型的“唯成果论”领域，不需要极强的本土社交能力和商业游说技巧，不看重口音，只看论文、实验指标和模型效果。
本章未完，请点击下一页继续阅读！