歌需要先解决‘读懂一张图里发生的故事’的问题，然后再考虑‘如何选出一个视频中最能体现中心思想的那几帧’。

那么，距离‘读懂一张图里的故事’这一步，谷歌目前差多远呢？我认为大致是三年——目前谷歌已经可以做到识别图片里是不是有一张人脸，但还没法识别这个人到底是谁、和另一张照片里的人是不是同一个。

谷歌还能识别出‘图里有没有一只猫’，但识别不出‘这只猫和刚才那只猫是否是同一只’。而大约三年之后，这些都不是问题。谷歌能做到‘从识别出图里有只猫’，到‘识别这一帧在讲什么故事’。

我们如果紧跟谷歌的步伐，结合阿狸系的图像识别研发，就算留一年余量好了。那么2016年也能搞出‘让机器读懂一帧’的商用技术。当然，这里面肯定需要与阿狸系图像识别团队的深度合作，也需要后续的投资。

而对我来说，只要做到了‘识别出一帧’，我就能‘大致读懂整个故事’，从而把谷歌需要用纯技术手段解决的问题，用运营手段给暂时绕过去。”

技术不够，运营补。

这一招，冯见雄用得屡试不爽了。

“怎么补？”杰克马的语气已经有些急切，他觉得自己完全被冯见雄天才的脑洞给折服了。

“杰克，你看过n站的视频么？看过优酷或者youtube的么？”冯见雄不公布答案，而是先反问了一句。

“都看过吧，不多。”杰克马不明所以，回答得比较谨慎。

冯见雄终于到了揭开谜底的一刻，他傲然笑道：“那不知道你有没有发现一个细节——优酷和youtube上的视频，其实都是没有‘封面’的，而我们n站的up主，在上传视频时，已经养成了另外传一张图片作为封面的习惯了——当然，说实话，这个习惯不是up主们自发养成的，是我让天音硬逼着up主们养成的。

或许将来有人看到这一招有效之后，会跟风我。但是一个网站的内容提供者水平，是不可能一朝一夕提高的，用户习惯也不是一朝一夕可以改变的。优酷未来即使学了，他们的up主在选封面方面的水平，也是远远弱于n站的……”

后世看过b站视频的人，如果同时也是优酷用户，恐怕不难发现一个现象：

在b站上，有一批恶劣的人，经常拿封面来实现“标题党”的目的。

比如，凡是mmd配布模型的初音/巡音/弱音/爱酱舞蹈动画，都会上一张暴露度特别羞耻的图片作为封面，先骗用户点进来。

然后实际上，这张图的尺度，是明显超过视频过审尺度的，属于“视频里如果真出现这样的镜头，肯定会被404”.因此用户看完全视频，都发现压根儿就没有出现封面图的镜头。