怪力小说网

第164章 最后一块短板（第2页）

第一是要有好的算法，这个是核心，就像是软件。

第二是要有充分的大数据，这个就相当于是软件里的输入素材。而且深度学习型软件是可以自我优化自我进化的，输入素材越多、数据标示越好最终的效果就越好越精准。一旦某一方面的大数据有优势，未来的巨头可以很快形成滚雪球效应，跟后来者拉开差距。

第三，就是要有处理这些天量数据的硬件处理速度——以目前的人工智能运算量来看，哪怕是解决最简单的图片识别，或者语音智能识别，甚至只是输入法频次统计反馈，都不是任何一个单独的服务器可以承载的。或许每一个需求，都要用一个数据中心的处理能力去处理。

但是同时，每个数据中心处理的多个问题又可能有很高的重复率，数据处理过程量的复用率会很高。所以拥有越多处理需求、越多处理硬件资源的企业，在处理效率上就会有明显的优势。这时候，我们就会发现，依靠传统的‘为每一个新的业务需求购置一批服务器、搞一个专门的数据中心’，效率会非常低下，成本会非常高昂……”

顾诚刚说到这儿，被不怎么懂技术的马风给打断了：“那么怎么解决这一点呢？如果只是钱贵的话，那也不是什么大问题，我们费钱别人也费钱，大家一起涨价不就行了？”

“呵呵……如果是‘你贵我也贵’，确实问题不大，涨价就是了。但是如果人工智能的应用成本太高，它对传统产业和传统咨询类人工岗位的替代效应就不明显了。用人工智能大面积解决问题，必须是其成本明显低于雇佣人类客服、记者、编辑、老师、咨询师、查法律文书卷宗的基层律师、只会开票的基层会计师……

资本家才会把这些重复脑力劳动的基层白领开除掉，改用机器人。不解决成本问题，或许你不会被其他人工智能竞争对手同行甩开，但对于整个人工智能行业消灭人类岗位的进程，起码会造成三到五年的延后。”

马风还在琢磨其中的算计，丁三石却已经听懂了：“确实，就跟今年我看到滨江咱黄易总部隔壁，有几家做新兴产业LED的公司，虽然大家都贵，但是卖不出去的主要原因不是因为比同行贵，而是‘买了LED的产品之后，售价减去产品全生命周期内省下来的电费，依然比节能灯都贵’，所以那些物业老板才不买。我跟其中一家叫罗莱迪斯的公司老板喝过几次功夫茶，就听他说起过这事儿。

还有隔壁的海康威视，早几年也是这个情况——一套监控卖那么贵，之所以卖不出去，不是因为它比竞争对手大华家卖得贵，而是因为多装这几套监控的成本，比多雇佣一个保安都贵了，才卖不出去。这两年成本下来了，那些精明的企业主才开始多装监控少雇保安。”

马风的见识还是很广博的，他做电商起家，各行各业都了解一点。听了丁三石举的例子，他马上就想通了。

人工智能的普及，说到底是跟人力成本在PK价钱，不是跟同行PK价钱。比人便宜才有资本家用。

于是他诚恳地追问顾诚：“那小顾你觉得，有什么快速降低人工智能运算成本的办法呢？总不能让我们去投资英特尔，指望硬件厂商把单位计算效能的CPU价钱加速猛降下来吧？”

“当然不是。”顾诚端起茶杯，作势喝了一口，表情很淡定，“首先，CPU的架构模式，处理深度学习算法需要的并行数据处理时，效率还是太低了。就算要在硬件上下手，也不该找英特尔。”

应该找英伟达，但是这句话顾诚就敝帚自珍了，没必要告诉马风和丁三石。

他从02年就收购了AGIEA公司，在人工智能用GPU领域的布局，已经占到了先机。未来不管是挖英伟达的技术团队、积累技术储备，还是直接想办法到英伟达投资，都很灵活。

这事儿，他自己就能做，不需要马风和丁三石的配合。

他今天需要说出来的，都是些他不愿意啃的硬骨头。

“其次，即使不在硬件的物理指标上争取跨越式发展，我们还可以在资源配置效率上做文章——这个解决方案，就叫做云计算。利用未来网络的进一步便利，把各大互联网公司的数据中心整合起来。

或者让专门的服务器数据托管公司形成虚拟服务器虚拟数据中心的架构，实时优化调度计算资源，把闲置的计算力量以一个相对较低的价格临时、分时租赁给出现处理需求的人工智能公司——用这些招数，可以轻松做到在硬件物理性能没有飞跃的情况下，靠优化配置节约数倍的计算资源成本。”

“你说的这招，目前技术上实现得了？”马风和丁三石异口同声地狐疑道。

顾诚淡定地耸耸肩：“比较难，但是已经有机会——年初的时候，英特尔公司就开始力推双核CPU处理器了，对多线程计算的分配效率和架构也做出了很大优化。我们公司，目前就基于此基础，尝试了内部代码编译服务器的‘分布式编译’架构。你们不信的话可以去参观一下。”