出资源监控面板，观察内存波动曲线。二十分钟后，负载趋于平稳，任务进入最后阶段。
三十分钟后，屏幕中央跳出绿色提示：“Prediction Complete”。
他靠回椅背，闭眼两秒，再睁眼时已恢复冷静。这是第一次，整个预测流程在半小时内完成——此前在旧设备上，同样的任务需要两个小时。
他立即调取输出结果。模型对近期市场趋势的判断清晰呈现：波动加剧，资金活跃度上升，政策信号密集释放。一条加粗红线标注出关键节点——“5月19日前后，存在显著上涨概率”。
他放大该区间数据，发现模型不仅捕捉到了成交量异动，还识别出多只蓝筹股同步出现买入信号。这不是简单的历史拟合，而是基于多个维度变量的综合推演。
他决定做一次回测验证。
输入1998年5月1日至15日的全部市场数据，启动独立测试任务。这一次，他手动锁定了外部变量干扰，仅保留基本面与交易行为参数。四十分钟后，结果返回。
屏幕上，一个红色标记赫然浮现：“政策利好窗口期：5月19日前后，上证指数涨幅≥5%”。
他盯着这行字，眉头微蹙。这个结论太精确了，几乎像是预知未来。他怀疑是否因训练集包含后续数据导致泄露，或是权重分配过度倾斜某一变量。
他清空缓存，换用另一组独立样本进行三次重复测试。每次调整初始参数，避免路径依赖。三次结果高度一致，关键节点均指向5月19日。
模型稳定性成立。
他调出变量贡献度分析图，发现影响判断的主要因素并非单一指标，而是财政支出增速、国债发行节奏与券商净买入量的协同变化。这三者在过去两周内同时出现拐点，被模型识别为“复合型政策驱动信号”。
他的手指悬在键盘上方，迟迟未落。
就在这时，手机震动起来。
来电显示是林悦。
他接通，声音很轻：“喂。”
“你预测的‘5·19行情’，真的会发生吗？”她的语气不像在质疑，更像是在确认某种预感。
他望着屏幕上的回测图，沉默了几秒。
“三天后，就知道了。”他说完，挂断电话。
房间里又只剩下机器运转的声音。他打开系统日志，在最新条目下输入备注：“算力释放，模型初具认知能力。”
然后新建一个文档，命名为“
…。。