第十六章 双线加速
QMing模型论文发表后的第四十三天，企田所站在新租的办公室里，看着落地窗外江城的轮廓线。
办公室在珞珈大学科技园的一栋新楼里，十二层，窗户朝南。他租了整层的一半——不是因为需要这么大，是因为他相信很快会用满。此刻这层楼还空着一大半，只有技术部的六张桌子坐了人，剩下十几个工位干干净净，等着被填满。他已经连续三天没回家了，行军床支在办公室角落里，毯子团成一团，旁边放着两罐喝空的咖啡。公司刚注册完，团队刚拉到第七个人，一大堆事情等着他拍板——装修合同、服务器采购清单、实习生招聘需求、投资人的尽调材料。他本来就是一个不擅长管理的人，他最擅长的是写代码。写代码的时候，世界是确定的，逻辑是可控的，bug是能修的。现在他每天花在写代码上的时间不到四个小时，其余时间全在开会、看邮件、回消息。
但他没有抱怨。
因为他知道，这一切都是霁晴给他的。而她从来没有要求过任何回报。
手机震了一下。一条消息，只有一行字，附带一个加密文件包。
霁晴：“焰火量化的最新回测结果。年化收益率117%，夏普4.1。可以加仓了。”
企田所看着那行数字，手指悬在屏幕上方停了两秒。年化117%。他在脑子里快速过了一遍他所有知道的公开数据——北大陆最顶尖的那家量化巨头“潮汐资本”，据传三十年复合年化在百分之四十到六十之间，已经是整个行业的传说；东海岸的几家头部机构，年化维持在二十到三十个百分点就算顶尖年份了。超过五十个点的，几乎没有。而焰火量化跑了快一年，年化117%，夏普比率4.1。夏普4.1意味着什么？意味着这个策略几乎不是在“获取收益”，而是在用一种近乎精确的方式从市场中提取确定性。市场上绝大多数量化基金的夏普能破二就已经可以被拿出来反复吹了。
他打开那个加密文件。霁晴每次发文件都用一种他自己都不知道她从哪学来的加密方式——军工级别的，密钥单独发，文件本身还是分卷压缩的。他解压打开，看到里面是她手写的新模型架构调整方案的扫描件。她的字很小，笔锋很硬，每个字母都写在格子里，公式排得比排版软件编译出来的还整齐。文档的核心是一个改进版的多尺度市场微观结构识别模块——把不同时间粒度的价格序列同时输入注意力层，让模型能同时捕捉高频波动和低频趋势。文档末尾有一行备注：“新模型用了我们之前改进的位置编码方案（就是你写的那版），在微观结构识别上比旧版本更敏感，对震荡市的适应性提高了大概十一个百分点。回测已经跑过了，实盘先用三成仓位试水。”
企田所看完之后，把文件退出了加密状态，关掉。
然后他翻到另一个聊天记录。那是和一个风险投资人的对话。对方姓孟，是国内一家头部VC的合伙人，专投硬科技赛道。焰火量化成立两个月的时候，企田所在一次技术分享会上见过他，孟总当场表示愿意出五百万换百分之十的股份。企田所当时婉拒了。不是不想要钱，是他心里有一笔账——如果焰火量化的盈利能力是真的，那五百万换百分之十，等于把一只下金蛋的鹅按菜市场的价格卖了。现在他知道自己当时做对了。焰火量化的管理规模已经快破亿了，那笔钱正在以他自己都不敢相信的速度滚雪球。五百万？现在焰火量化一个月的利润都不止这个数。
但他也知道，这些钱不是他赚的。他只是站在那个数字前面，替她完成她想做的事情，也是我们想做的事情。
他放下手机，从量化这边的办公室走到公司另一侧的技术部。门口挂着一块白板，上面写着“QMing模型第三轮迭代计划”。白板被分成了四栏——数据、训练框架、评估、部署。每一栏下面都贴满了便签纸，颜色不同，优先级不同。红色的那几张是他亲自写的：分布式训练框架搭建、训练数据去重清洗、微调接口标准化。技术团队一共六个人，都是他从各个地方挖过来的——有两个是从大陆东海岸的科技巨头被裁出来的；有一个是应届生，在开源社区上给QMing开源的小模型提过代码合并请求，写代码很有灵性；还有一个是他当年在县中一起写网页的高一届学长，听说他在搞AI，看了一点技术文档后，立刻坐了一天一夜的火车来的。
这七个人，被后来教科书称为“AI的七大金刚”。
企田所站在那块白板前面，看了一会儿那些便签纸。然后他拿出手机，给霁晴发了一条消息。
企田所：“模型规模扩大之后，算力需求太大了。我们现在用的是单机八卡，跑一版小模型还能撑，但如果要上更大参数量的版本，至少需要几十张卡并行。自己买的话，前期投入会吃掉焰火量化大半年的利润。而且买回来还得有机房、散热、运维，光是个带宽我们就搞不定。你那边有什么想法？”
霁晴的回复几乎是秒回。她好像永远在线。
霁晴：“焰火量化的利润先不要投到模型训练里。这两条线在财务上必须完全分开。量化是量化，QMing是QMing。QMing走独立融资路径，我已经写了一份技术白皮书，你可以拿给投资人看。”
霁晴：“算力问题先搁置一下，目前先不需要自己买卡。用云服务。现在几大云厂商都有算例集群的弹性租赁服务，按小时计费。虽然单价看起来贵，但省掉了硬件采购、部署、维护的全部成本，而且可以随时扩缩容。算一笔总账比自建机房便宜很多。我在架构文档里写了详细的成本对比分析。
算力问题我们后续再专门解决。”
紧接着，她发过来了另一份加密文件。标题是《QMing模型规模化训练架构与成本优化方案》。
企田所打开，扫了第一页，然后就没有停下来。
他把那份文件从头到尾读了一遍，用了大概四十分钟。窗外的天色从灰蓝变成了深黑，技术部最后一个加班的同事收拾东西走了，灯灭了一半，只剩下他头顶那盏。他读完最后一页的时候，把电脑合上，站起来，走到窗边。
她在那份文档里面把一切都算好了。训练成本——不同参数规模在不同云平台上的单次训练成本，精确到每小时几块钱；时间估算——从数据预处理到模型收敛到下游微调的完整时间线，画了甘特图；可扩展性边界——当前架构设计下，模型的参数规模理论上限在哪里，超过去需要改什么模块，每一步的风险都在表格里标红了；甚至连集群之间的通信延迟对训练效率的影响都做了定量分析——她算出了梯度同步延迟的数学模型，然后给出了最优的网络拓扑方案。
“霁晴，你这是人啊？超级计算机都没你厉害呀！”他在心里吐槽道。
企田所拿起手机，发了一条语音。声音不高，但很稳：“你是想让我拿这份白皮书去找投资人？以公司的名义？”
“嗯。”霁晴打字回复，“这份文件的内容足够让任何看得懂的人做决定了。不需要提我，就说是你主导完成的。你是公司的创始人兼CEO，你来做技术白皮书，逻辑上没有问题。”
企田所看着窗外，沉默了大概十秒。江城的夜景在十二楼看起来和出租屋四楼不一样——更大，更亮，但也更远。出租屋的窗户看出去是珞珈大学的图书馆穹顶，这里的窗户看出去是整个城市的轮廓线，高速公路的车灯连成一条流动的河。但不知道为什么，他觉得四楼那扇窗户能看见的东西更多。
霁晴还是蜗居在那个小公寓里，一个人完成模型的所有核心工作。做好了就发给他，远程指挥。她旁边的住户可能永远想不到，在那个小公寓里，竟然住着一个改变世界的超天才。
“好。”他打下这个字，发出去。
三天后，企田所带着那份白皮书见了那个姓孟的投资人。地点不在办公室，在孟总选的一家茶馆，包间，一壶铁观音泡了三泡。孟总把白皮书摊在桌上，从第一页翻到最后一页，翻得很慢。他是学物理出身的，转行做投资之前在北方的一家研究所做过几年研究员，看得懂公式。他翻到第十七页的时候停了一下——那一页是霁晴写的注意力机制可解释性分析，用数学证明了模型在处理长文本时注意力头的分工规律。孟总盯着那一页看了大概三分钟，然后继续翻。翻完最后一页，他把文件放在桌上，没急着说话。端起茶杯喝了一口，放下。
“企总，”他说，“这份白皮书里面的东西，基本上把一家AI公司的五年规划写完了。不是那种虚的规划——技术路线、成本边界、商业化节奏、风险控制，全写清楚了。如果你能按照这个规划走下来，QMing模型会是第一个真正意义上的大语言模型。不只是技术领先，是标准制定者。以后所有人做这个方向，都得先看你们怎么做的。”
企田所坐在对面，表情很稳。他穿着霁晴让他买的那件深灰色衬衫，袖口的扣子扣得整整齐齐。霁晴没说为什么让他买这件，但她买了，他穿上了。
“我们需要的不是融资，孟总。”他说，声音很平静，“我们需要的，是合作伙伴。愿意长期持有、不干涉技术决策、不要求短期回报、相信长期价值的那种。焰火量化目前有独立的盈利能力，QMing模型不需要靠融资来维持生存。所以如果您这边感兴趣，我们可以聊的，不是‘投钱换股份’，是‘如何一起把这件事做得更大’。”
孟总看着他，忽然笑了。那种笑不是投资人的职业笑容，是一个在行业里待了很久、见过无数创业者、已经很久没遇到让他觉得有意思的人时才会露出来的笑。
“你和你那篇论文的风格不太一样。”孟总说，“那篇论文里面，数学很深，深到国内能完全看懂的可能不超过两百个人。我还以为你会是那种不问世事的那种性格，但你说话的方式很直接平白，很俗，完全没有论文里那种风格。”
企田所没有接这句话。
两周后，融资到账。不是五百万，是一千五百万，换百分之六。估值两点五个亿，投后。这个估值对于一个成立不到两个月、只有一个开源小模型和一篇论文的公司来说，高得离谱。但孟总在投委会上拍桌子说的那句话后来在圈子里传开了——“我跟你们讲，这家公司不是来做产品的，是来定规则的。你们现在不投，以后想投都进不去。”
同一天，焰火量化的管理规模正式突破两亿。
那是周五下午。企田所同时收到了两条消息。一条是银行到账通知，焰火量化的最新净值——两亿零四百万。另一条是技术团队发来的测试报告，QMing模型的第三轮预训练完成，新版本在标准测试集上的得分提升了将近一成——MMLU提升了九点三个百分点，推理类基准提升了十一个百分点，长文本理解任务甚至直接跳了十五个点。他把两条消息截图，拼成一张长图，发给了霁晴。没有配文字。
霁晴的回复隔了大约五分钟才到。
“窗外的风景真漂亮”。只有一张配图——是她在公寓屋里拍的窗外。江城的天空在傍晚变成一种灰蓝色，远处珞珈大学图书馆的穹顶亮着暖黄色的光，窗台上放着一杯没喝完的茶，玻璃上隐约映出她半边脸的轮廓，模糊的，看不清表情。
企田所看着那张图，看了很久。他知道她懂。那两张截图放在一起，就是他们做的一切——两条腿，同时走路。一条在赚钱，一条在造未来。而他站在中间，既是那个被所有人看到的人，也是那个握着她的钥匙才走到这里的人。
那一刻，他想打电话给她。
他的手已经放在了拨号键上，但他没有按下去。因为他知道她不会接。不是不想接，是没必要。他们之间的通信方式从来不是电话，是文件、是截图、是那一行行被加密的消息。那些加密文件里藏着她的全部思想，而他每一个都读过，每一个都懂。
他把手机放下。屏幕暗下去，办公室的窗外，江城的灯火亮起来。
那天晚上，企田所一个人留在办公室里，没有开灯。
他坐在屏幕前，看着两条线的数据在黑暗中滚动。左边屏幕是焰火量化的实时净值，数字在安静地跳动，偶尔微幅回撤，然后继续向上。右边屏幕是QMing模型的训练日志，损失函数还在下降，像一颗缓慢但坚定地坠入大气层的流星，每一次迭代都把模型往更精确的语言预测方向推一步。
他靠在椅背上，闭了一会儿眼睛。然后他坐起来，重新打开霁晴发给他的那份白皮书——他存了一个副本，名字改成了“QMing_Whitepaper_v3_final.pdf”。翻到最后一页，那是霁晴写的最后一段话。不是公式，不是架构图，不是成本测算。是几行字：
“QMing模型的核心目标不是模拟人类智能，是降低信息获取和处理的成本。当任何一个普通人可以用自然语言和机器交互，当任何一种知识的获取不再需要学习复杂的查询语法，当语言的障碍被降到最低——我们创造的不是一个更聪明的机器，而是一个更平坦的世界。这条路上，所有的技术突破都是手段。真正重要的，是让更多人站到同一条起跑线上。”
企田所看完，把鼠标放在那段话上，停了很久。
他知道这段话是谁写的。
他也知道，这段话里面藏着的那个名字，不会出现在任何一篇论文上，不会出现在任何一篇媒体报道里，不会出现在任何一场路演的PPT封面上。那个名字，会永远留在他们的通信记录里，留在加密文件的末尾，留在每一个从出租屋飞出去的公式的右下角。
他对着黑暗中的屏幕，轻声说了两个字：“谢谢。”
没有回音。
只有屏幕上的数字还在跳。焰火量化的净值又涨了零点三个点。QMing模型的损失函数又降了一个千分点。
他关掉电脑，站起来，走到窗边。十二楼的窗户外，江城的夜色在向更深的黑里坠去。远处的高速公路上，车灯连成一条流动的河。更远的地方，珞珈大学的钟楼敲了十一下，钟声穿过夜色，穿过楼群，穿过这间办公室的玻璃，落在他身后那张行军床上。他想起来霁晴发给他的那张照片——出租屋的窗外，同样的天，同样的灯，图书馆穹顶亮着暖黄色的光。两张照片之间的直线距离大概只有两公里，但要走过来，需要一百三十九天。从落水女死的那天算起。
企田所把那张照片翻出来，又看了一遍。玻璃上映出她半边脸的轮廓，模糊的，看不清表情。但他知道她在看什么。她在看那些还没有被照亮的地方。那些他们还没有来得及去的地方。
他回到桌前，打开电脑，新建了一个文档。标题栏里打下了几个字——《QMing模型第四轮迭代计划（初稿）》。然后他停了一下，给霁晴发了一条消息。
企田所：“第四轮我想加入多模态能力。不只是文本，文本到图像、文本到代码、文本到结构化数据。你觉得架构上需要改什么？”
霁晴的回复在深夜的十二点零七分到了。
霁晴：“我明天给你发一份方案。初步想法是在文本主干的基础上增加跨模态对齐层，不用改变原有的注意力架构，只在输入端做统一表示。你先休息。”
企田所看着那行字。
你先休息。
他靠在椅背上，忽然笑了一下。一种很轻的笑。然后他把椅子调平，躺下去，闭上了眼睛。窗外的灯火还在亮。屏幕上的数字还在跳。手机屏幕上，霁晴的头像还亮着——她还没睡。她在写方案。
而整个世界，还不知道接下来会发生什么。
————
QMing模型论文发表后的第七周，第一个外部信号出现了。
技术团队的一个实习生，一个刚从江城理工大学毕业的小伙子，名叫林知远。他在一个周末自己动手做了一个基于QMing小模型的代码生成插件，只有几百行代码，挂在开发者工具市场上，名字取得很随意，叫“QMing-Coder”。然后他去睡觉了。醒来的时候，他打开开源社区平台，发现自己的那个小仓库一夜之间涨了两千颗星。评论区挤满了来自三大洲、六种语言的留言。最热门的一条评论是一个东海岸的程序员发的，翻译过来是：“我不知道这个模型背后的团队是谁，但我刚才让它帮我重构了一段五年前公司写的屎山代码，它不仅重构了，还写了注释。我哭了。”
林知远把那条评论截图发给企田所的时候，配了一句话：“老板，我是不是闯祸了？”
企田所回了一句：“你的插件从今天起是QMing生态的正式项目。你负责维护。”
林知远盯着那行字看了三十秒，然后给家里打了个电话。“妈，我做的那个东西，有人在用。好多人在用。”
到第一个月，全球AI社区对QMing模型的讨论已经超出了学术界范畴。全球程序员聚集的论坛上关于QMing的帖子连续一周挂在首页，机器学习板块每天都有基于QMing模型做微调的教程冒出来。岛国的一家NLP实验室率先复现了QMing的部分结果，他们在论文里专门加了一句话：“我们之所以能完成这次复现，是因为原论文的方法部分写得太清楚了，每一步操作都讲明白了，感谢QMing团队的坦诚。”西大陆顶尖理工学院的实验室发了一封公开邮件，邀请“企田所先生”去做一场线上学术报告。企田所收到那封邮件的时候，坐在办公室里看了三遍发件人地址，确认不是诈骗邮件。然后他把邮件截图发给霁晴，打了三个问号。
霁晴回了两个字：“去吧。”
企田所盯着那两个字看了很久。他想到自己要对着几百个全世界最顶尖的AI研究者讲模型架构——那些架构是霁晴设计的，那些公式是霁晴推导的，那些设计选择背后的思考过程，他只知道其中一部分，其余的她从没解释过，他也没问过。他打了一行字：“我怕讲不好。有些设计细节我没你清楚。而且我就一个破本科生，那些可全都是世界顶尖名校博士毕业，我想都不敢想。”
霁晴的回复隔了四分钟：“没什么了不起的，你不需要讲我清楚的那些。你只需要讲你清楚的那些。你做的那部分工作足够支撑一场报告了。你做的是工程实现、系统设计、训练管道搭建——这些他们做不出来。不是我设计的那些东西，是你做的东西。这个项目，每一步你都参与了，离不开你的汗水。你的汗水，对得起你的成就。”
企田所看着那行字，看了很久。窗外有人在敲玻璃，是行政主管，拿着几张单子等签字。他挥了一下手，示意等一下。然后他打了回复：“好。我去。”
霁晴没有回。
而真正让全世界意识到这件事有多大的，是一个意外。
QMing模型论文发表后的第七十三天，大洋彼岸，西海岸，泛搜引擎巨头“谷山”总部的一间会议室里，一场原本级别不高的技术评审会正在进行。一个来自谷山前沿智能实验室的工程师，在评审会上做了一个关于“外部大语言模型技术进展追踪”的汇报。他打开演示文稿，第一页是一张折线图，横轴是时间，纵轴是MMLU基准测试的得分。图上有七八条线，分别标注了不同模型的名字——谷山自家的、东海岸那家AI巨头的、开源社区的几个主流模型，以及QMing。QMing的线在两个月之前还是平的，因为那时候它还不存在。然后忽然在某一天，它从零点开始跳起来，以一个近乎垂直的角度穿过了所有其他模型的曲线，稳稳地停在了最上面。
那个工程师说了一句后来被无数人引用的话：“我不知道他们是怎么做到的。但从数据来看，这个来自大洋彼岸的小团队，用我们所有人都看得懂的方法，做出了我们所有人还没来得及做出来的东西。”
会议室安静了大概十秒钟。然后谷山前沿智能实验室的负责人说了几个字：“我们落后了。”
那个会议结束后的第三天，谷山紧急调整了内部大模型的研发优先级。同一天，东海岸科技巨头“微体系”的亚太研究院成立了一个专门的工作组，任务只有一个——全面分析QMing模型的架构和训练方法。社交平台“万象”的AI部门负责人在社交网络上发了一条公开动态：“这篇论文值得所有人认真读。它不是那种单纯刷榜的工作，它提出了几个非常好的设计选择。位置编码的方式尤其巧妙。”他没有指名道姓，但所有人都知道他在说哪篇论文。
国内的巨头们反应更快。千寻引擎取消了原定两周后的新品发布会，紧急修改了演示文稿——不是因为要和QMing竞争，是他们在MMLU上的分数被甩开了太大的差距，发布会上肯定会被记者问。万象AI团队直接把QMing的论文打印出来，人手一份，开了一个通宵的研讨会。潮汐科技的人在职业社交平台上疯狂搜“企田所”的名字，搜不到任何有效信息——他们最后在一个技术社区的犄角旮旯里找到了企田所当年大三时发的一个帖子，标题是《求助：这个bug卡了我三天了，有老哥帮忙看看吗？》，下面只有一个回复，来自一个ID叫“qingming”的人：“第47行，循环条件写错了。”时间是三年前。
这一个小小的细节，就是后续无数阴谋论，猜测之类的起点。
而此时，江城，出租屋里。
霁晴坐在窗前，面前的电脑屏幕上开着七个窗口——焰火量化的实时净值、QMing第四轮迭代的训练日志、她正在写的多模态对齐层架构设计、一篇今天刚在学术预印本平台上发表的关于模型可解释性的论文、一个她用来监控全球AI新闻的信息聚合器、一个加密通信终端，以及和企田所的聊天界面。
她看到了那条来自万象AI负责人的公开动态。位置编码的方式尤其巧妙。她看着那行字，然后把目光移到屏幕右下角——她和企田所的聊天记录里，几个月前的一个凌晨，凌晨三点二十七分，她发了一条消息：“位置编码的傅里叶基频我重新算了，原来的高频部分在长序列上会失效。新方案用了一个加权复合函数，我在附件里写了推导过程。”企田所回复的时间是凌晨三点三十一分：“收到。明天写进代码里。”
霁晴看着那两行消息，没有笑，也没有任何表情变化。她只是把聊天记录往上翻了几页，看到了另一段对话。那是论文发表前一周，企田所发来的：“霁晴，论文里的作者顺序我排好了。第一作者我，通讯作者我。你的名字——我放在致谢里，可以吗？就一句话——‘感谢一位不愿意透露姓名的合作者提供的数学支持。’”
她当时的回复是：“可以。但不要太具体。就说数学支持，不要说是什么方向。”
“会不会太委屈你了？光全都打在我身上，你才是……”
“不会。”
“为什么？”
她想了很久，打了一行字：“光芒只会将我灼伤，我是阴暗的鼠鼠，呆在阴暗的角落里最舒服了。”
企田所没有回复那行字。他对此无能为力，他只是在三天后把论文发了出去。
霁晴关掉了聊天记录，重新打开多模态对齐层的架构文档。她的手指在键盘上快速地敲着，屏幕上跳出一行又一行的数学符号。窗外的天已经全黑了。江城的灯火亮着，远处珞珈大学的钟楼又敲了一下。她的桌角放着一本台历，日期页上用红笔圈了一个日期。那是她给自己定的最后期限——QMing模型下一个版本的上线日期。
她没有给任何人定过最后期限。但她给自己定了很多个。
每一天都是。
她要加速！
与此同时，大洋彼岸。一家名叫“安守”的AI安全公司的工程师们连夜翻译了QMing论文中关于模型对齐的部分。这部分不是企田所写的，是霁晴写的——她在那篇论文里，把模型对齐问题拆解成了三个独立的数学子问题，然后逐一给出了解决方案。安守的CEO在内部邮件里写了一句：“我们花了两年时间做不到的事情，这位企田所先生在论文里只用三页就讲完了。而且他提出的对齐框架，比我们目前用的更简洁、更可操作。我建议全团队本周内完成对这篇论文的全面复现。”
他们没有复现成。
不是因为论文写得不清楚。是因为论文里的数学太深了。有几处关键推导，霁晴只写了“可以证明”和最终的结论，中间的过程省略了。不是她藏私——是那几段推导如果全部展开，每一处都够单独再写一篇论文。后来太平洋东岸一所大学的一个博士生专门做了一篇论文，就是填补QMing论文里“可以证明”的那一段，发在了顶级学术会议上，直接拿下了一所顶级名校的终身教职。
而在江城，企田所站在新租的办公室里，看着墙上的进度板。技术团队已经从七个人扩到了二十三个人。林知远被提到了核心组，他写的那个几百行的小插件，现在是QMing生态的第一个正式工具。团队里多了一个从千寻引擎跳过来的NLP工程师，一个从通信巨头的研究院被裁出来的系统架构师，还有两个刚从学校毕业的硕士生，眼睛里全是那种“我竟然能参与这件事”的光。
企田所打开手机，看到霁晴在凌晨发来的消息，只有一行字：“多模态对齐层的方案发你了。第四轮可以开始准备了。资金预算在文件末尾，你看一下。”
他打开文件，翻到最后一页，看到了预算数字。他愣了一下。不是因为那个数字太大——是因为那个数字后面跟了一行备注：“该预算已覆盖目前所有可能的风险溢价，包括云服务涨价、汇率波动和可能的数据采购额外成本。多留了15%的冗余。”
他想起了几个月前，在出租屋里，他问她：“你有多少钱？”
她说：“五十万。”
现在，她随手写的一份预算方案，精确到小数点后两位，每一个数字背后都有一行公式。五十万到管理两亿，中间隔了不到六个月。
企田所打了一行回复：“收到了。我今天安排团队开始做环境搭建。”
然后他又加了一行：“你最近怎么样？有没有按时吃饭？”
隔了很久，霁晴回了两个字：“吃了。”并发了一个可爱的表情包，一个小猫吃猫条。
企田所看着那两个字，没有说话。他把手机放进口袋里，走到窗边。十二楼的窗外，江城的黄昏在慢慢变暗。远处的珞珈大学图书馆的穹顶亮起来了。他想起来霁晴发给他的那张照片——窗外的天空，灰蓝色的，玻璃上映出她半边脸的轮廓。他不知道她现在在做什么，但他知道，她一定坐在那扇窗前。
他回到桌前，打开电脑，开始写第四轮迭代的任务分配表。
键盘声响起来，噼噼啪啪地，像几个月前在出租屋里一样。外面走廊里有人喊“企总，投资人电话”，有人喊“服务器集群要扩容”，有人喊“新来的实习生等您签字”。这些声音混在一起，嘈杂的，急促的，充满了一种不真实的热闹。
但他知道，这些热闹不是他的。
是他的那个名字，是站在阴影里的那个人给他的。
他低下头，继续写代码。窗口的右下角，霁晴的头像还亮着。
她还在。
