雷鋒網(wǎng)按：本文整理自CCF - GAIR 全球人工智能與機(jī)器人峰會(huì)上，金山軟件CEO兼金山云CEO 張宏江的演講。

為什么過(guò)去幾年人工智能有著這么快速的進(jìn)步，張宏江認(rèn)為，這最終歸結(jié)到大數(shù)據(jù)的進(jìn)步和云計(jì)算的發(fā)展。

AI的支撐：數(shù)據(jù)爆炸

人工智能的進(jìn)展很大程度歸功于數(shù)據(jù)的進(jìn)展，全球產(chǎn)生消費(fèi)的數(shù)據(jù)，2013年2020年將增長(zhǎng)10倍，年增長(zhǎng)率40%，微信一天在朋友圈里交換的圖片是10億。

張宏江舉例：如果把小米的用戶(hù)已經(jīng)存到小米云上的照片，5億多張的話(huà)，就需要120萬(wàn)核，需要100P的存儲(chǔ)空間，而今天中國(guó)的存量照片，這是2014年的數(shù)據(jù)，3000億張的時(shí)候，需要的存儲(chǔ)空間和計(jì)算量是多么地巨大。

20年前的夢(mèng)想

手機(jī)上的應(yīng)用，可以對(duì)人臉做一系列的處理，人臉識(shí)別以及年齡判斷等。這不是手機(jī)做的，而是在手機(jī)后端的云中運(yùn)行，當(dāng)手機(jī)拍了一張照片以后，在云上處理，再把結(jié)果拿回來(lái)，這個(gè)就是張宏江他們團(tuán)隊(duì)20那年前的夢(mèng)想。

1997年張宏江團(tuán)隊(duì)在惠普實(shí)驗(yàn)室申請(qǐng)的一個(gè)專(zhuān)利，這是一個(gè)分布式的架構(gòu)，數(shù)據(jù)從客戶(hù)端拿到，然后再傳到后端的系統(tǒng)上，做的一系列的處理，把結(jié)果推送到前端來(lái)。20年以后的今天，這件事情在一個(gè)手機(jī)上終于可以實(shí)現(xiàn)，更重要的是，它可在云和端上終于實(shí)現(xiàn)了。手機(jī)成為一個(gè)數(shù)據(jù)的獲取終端，云作為整個(gè)的運(yùn)算載體，整個(gè)數(shù)據(jù)的載體。

人臉識(shí)技術(shù)史是人臉數(shù)據(jù)庫(kù)的擴(kuò)張史，是人臉數(shù)據(jù)庫(kù)+就算能力的擴(kuò)張史

學(xué)術(shù)年代，90年代初做人臉的時(shí)候，所有學(xué)術(shù)時(shí)代用的數(shù)據(jù)庫(kù)只有幾百個(gè)人的人臉圖片，即便在這種情況下機(jī)器人的識(shí)別能力依然非常低于人的識(shí)別能力，而且對(duì)光線要求非常高，需要正面圖象。而在工業(yè)時(shí)代，2014年，大批量人臉識(shí)別率達(dá)97.35%，而在2015年達(dá)到99.63%。目前國(guó)內(nèi)的公司在7000多萬(wàn)張標(biāo)準(zhǔn)照片再加上億的其他照片，人們用的深層網(wǎng)絡(luò)已經(jīng)超過(guò)30層，訓(xùn)練20塊NVIDIA，精度已經(jīng)遠(yuǎn)遠(yuǎn)超過(guò)人類(lèi)。

AI+大數(shù)據(jù)+云：正在成為企業(yè)的標(biāo)配

現(xiàn)在的企業(yè)沒(méi)有大數(shù)據(jù)很難活下去，而大數(shù)據(jù)要靠云來(lái)支撐。大數(shù)據(jù)包括高質(zhì)量數(shù)據(jù)的獲取和分析，和它整個(gè)在應(yīng)用中的解析已經(jīng)越來(lái)越成為公司的標(biāo)配。當(dāng)然這一切其實(shí)必須靠云來(lái)支撐，沒(méi)有云就談不上大數(shù)據(jù)，也談不上大數(shù)據(jù)地獲取、處理和大數(shù)據(jù)地運(yùn)營(yíng)。

云計(jì)算的應(yīng)用場(chǎng)景

之后，張宏江講述了云計(jì)算和大數(shù)據(jù)在已在以下領(lǐng)域的應(yīng)用相對(duì)成熟：醫(yī)療、政務(wù)、游戲、視頻云，只能硬件云，混合云。

云計(jì)算趨勢(shì)

張宏江講到云計(jì)算已車(chē)成為主流IT技術(shù)，互聯(lián)網(wǎng)行業(yè)成熟最快的公司，在迅速達(dá)到100億美元銷(xiāo)售額的公司，C端的是Google、Facebook，B端的是亞馬遜AWS大部分。當(dāng)B端達(dá)到這么高的銷(xiāo)售額，說(shuō)明這個(gè)市場(chǎng)已成熟。

人工智能威脅與人工智能2.0

現(xiàn)場(chǎng)提問(wèn)環(huán)節(jié)針對(duì)人工智能未來(lái)是否會(huì)對(duì)人類(lèi)造成威脅的問(wèn)題，以及人工智能2.0。

第一個(gè)問(wèn)題，張宏江說(shuō)到，這里有一個(gè)曲線，沒(méi)有到奇點(diǎn)的時(shí)候人們是看不到的，無(wú)法判斷。而針對(duì)人工智能2.0的問(wèn)題，他認(rèn)為也許人工智能2.0不一定為人來(lái)驅(qū)動(dòng)，強(qiáng)人工智能的標(biāo)志在能不能做問(wèn)題的推理。未來(lái)人類(lèi)可能不需要等待對(duì)人腦已經(jīng)很了解之后再做人工智能，或者是再談2.0。

最后張宏江總結(jié)到：

我們做人工智能的，當(dāng)我們看到人工智能作為一個(gè)現(xiàn)象突飛猛進(jìn)突破的時(shí)候，我們更應(yīng)該注意到的是它后端的，不光是算法本身的突飛猛進(jìn)，更重要的是支撐這個(gè)算法突飛猛進(jìn)的大數(shù)據(jù)和云計(jì)算，所以我們看到的未來(lái)是前端一系列的智能設(shè)備，而它的大腦實(shí)際上在云里面。

  以下是張宏江演講實(shí)錄

我今天想講的是從工業(yè)界的角度談一下對(duì)AI的看法，為什么過(guò)去幾年人工智能進(jìn)步這么快。最終我會(huì)歸結(jié)到大數(shù)據(jù)的進(jìn)步和云計(jì)算的發(fā)展。

我們?cè)谧拇蟛糠秩硕己芮宄?，我相信有些人可能第一次注意到人工智能也是今年三月份的阿爾法狗和李世石的精彩，比賽第一局的時(shí)候，我曾經(jīng)和一些做研究的朋友打過(guò)一個(gè)賭，就是誰(shuí)贏誰(shuí)輸，最后我很幸運(yùn)地我賭在機(jī)器人上，所以最后在阿爾法狗贏了不少錢(qián)。

我們看到人工智能50多年歷史，我們看到當(dāng)The Buzz戰(zhàn)勝了俄國(guó)大師以后沒(méi)有進(jìn)展，突然有一天我們看到阿爾法狗把全世界最好的大師以4比1的成績(jī)大獲全勝，大家可能會(huì)說(shuō)算法進(jìn)步很多，但我認(rèn)為更重要的是大數(shù)據(jù)的進(jìn)步，超級(jí)計(jì)算，云計(jì)算的進(jìn)步。

我今天不想討論阿爾法狗利用什么算法，我想分享的是它背后的數(shù)據(jù)和背后高性能的計(jì)算資源，它在進(jìn)行比賽之前已經(jīng)用人類(lèi)的6到9段棋手的對(duì)局中獲得了3000個(gè)數(shù)據(jù)進(jìn)行訓(xùn)練，這些訓(xùn)練已經(jīng)相當(dāng)大了，而且它能毫無(wú)感情的自己跟自己下棋，中間又獲得了3000多萬(wàn)的布點(diǎn)數(shù)據(jù)，這些人類(lèi)棋手是很難做到的。真正下棋的時(shí)候，在系統(tǒng)本身所需要的計(jì)算資源，1900多個(gè)CPU、280多個(gè)GPU，耗費(fèi)的能量是人的300多倍。這是在阿爾法狗跟人類(lèi)對(duì)局之前，人們對(duì)于阿爾法狗的判斷，最高設(shè)置這一塊，它的段位已經(jīng)達(dá)到了3168這樣一個(gè)數(shù)字，但如果我們看人類(lèi)大師的話(huà)，當(dāng)時(shí)給它的數(shù)字是，李世石是3520多，在對(duì)比之前你會(huì)覺(jué)得大師可能還會(huì)贏，但人們沒(méi)有想到的是，在過(guò)程中機(jī)器人學(xué)的是如此之快。

人工智能的進(jìn)展很大程度歸功于計(jì)算的進(jìn)展，我們看一下這些年互聯(lián)網(wǎng)突飛猛進(jìn)的發(fā)展，全球產(chǎn)生消費(fèi)的數(shù)據(jù)，2013年2020年將增長(zhǎng)10倍，年增長(zhǎng)率40%。互聯(lián)網(wǎng)突飛猛進(jìn)的時(shí)候，尤其移動(dòng)設(shè)備的突飛猛進(jìn)，我們看到照片的數(shù)據(jù)增長(zhǎng)是如此迅猛，前面用的是美國(guó)的一些比較著名的網(wǎng)站，很遺憾，我拿不到國(guó)內(nèi)大部分網(wǎng)站的數(shù)據(jù)。你可以看到，每天上傳和分享的圖片，圖片已經(jīng)超過(guò)了10幾個(gè)億，2014年我開(kāi)始注意小米手機(jī)的數(shù)據(jù)，到2015年年初的時(shí)候，它的每日上傳圖片數(shù)據(jù)已經(jīng)超過(guò)一億張。前段時(shí)間馬化騰談到，今天微信一天在朋友圈里交換的圖片是10億，大家可能不會(huì)特別在乎10億這個(gè)數(shù)字，但20年前，中國(guó)一年德膠卷消耗量是40億，一年最多拍40億張照片，今天也就是微信上四天的交換量。這從一個(gè)簡(jiǎn)單的量變帶來(lái)的質(zhì)變，尤其我們?cè)谧錾窠?jīng)網(wǎng)絡(luò)的時(shí)候，碰到的第一個(gè)問(wèn)題，得到一個(gè)非常好的解決。我們?cè)倏匆粋€(gè)具體情況，因?yàn)檫@數(shù)據(jù)是我自己從系統(tǒng)里拿出來(lái)的。把這些數(shù)據(jù)簡(jiǎn)單做成數(shù)列圖，下次再往下看的時(shí)候不至于一開(kāi)始就把整個(gè)照片蕩下來(lái)，這就需要2400核2.6G的CPU，需要200T的存儲(chǔ)空間。如果把小米的用戶(hù)已經(jīng)存到小米云上的照片，5億多張的話(huà)，就需要120萬(wàn)核，需要100P的存儲(chǔ)空間，而今天中國(guó)的存量照片，這是2014年的數(shù)據(jù)，3000億張的時(shí)候，需要的存儲(chǔ)空間和計(jì)算量是多么地巨大。

正是因?yàn)橛辛巳绱她嫶髷?shù)量的圖片，使得我們以前認(rèn)為，我們做神經(jīng)網(wǎng)絡(luò)的以前認(rèn)為不可能完成的訓(xùn)練任務(wù)今天相對(duì)容易的完成。右邊用的圖是2011年紐約時(shí)報(bào)報(bào)道的一個(gè)工作，就是怎么讓一個(gè)計(jì)算機(jī)自動(dòng)識(shí)別出貓的臉，它用的數(shù)據(jù)基本上按我們以前AR里面談的，就是一個(gè)蠻荒之力。16000個(gè)處理器做了1000萬(wàn)張照片，今天這個(gè)數(shù)字，這是2011年的數(shù)字，今天的數(shù)字對(duì)我們來(lái)說(shuō)已經(jīng)小菜一碟了。

今天手機(jī)上的應(yīng)用，大家用手機(jī)的時(shí)候，手機(jī)可以對(duì)人臉做一系列的處理，一開(kāi)始的時(shí)候，人們總是希望在手機(jī)上做一些比較酷的東西，比如拿照片猜年齡，這是小兒科的，20年前的時(shí)候我們就有這個(gè)想法了，但是今天我們?cè)谑謾C(jī)上終于實(shí)現(xiàn)了。以前我們拍了如此多的照片，我們只能按時(shí)間順序和地點(diǎn)進(jìn)行搜索，今天有了人臉檢測(cè)，我打開(kāi)面孔，這是我的照片，所有的跟我有通訊錄的人的照片就全出來(lái)了，我點(diǎn)一下雷軍的照片，所有跟雷軍相關(guān)的照片都出來(lái)了。我們?cè)倏戳硗庖粋€(gè)更多人的場(chǎng)合，當(dāng)他第一次見(jiàn)到一些人的時(shí)候，這些人我以前沒(méi)有做過(guò)任何標(biāo)注，沒(méi)有在我的朋友圈出現(xiàn)過(guò)的時(shí)候，它會(huì)問(wèn)你這些人是誰(shuí)，整個(gè)一套系統(tǒng)，今天不光是小米手機(jī)，只要有云功能的這些東西，只要背后有云支持的手機(jī)，今天做這件事情已經(jīng)不困難了。

到底是什么樣的力量，什么樣的一種進(jìn)度，讓今天這種事情做起來(lái)顯得如此簡(jiǎn)單，或者人覺(jué)得手機(jī)的功能如此強(qiáng)大，但我要告訴你，這不是手機(jī)做的，這是手機(jī)后端的云在做的，因?yàn)楫?dāng)手機(jī)拍了一張照片以后，云上做了處理，很快把結(jié)果拿回來(lái)，這個(gè)就我們20多年的夢(mèng)想，我有一個(gè)數(shù)字為證，這是1997年在惠普實(shí)驗(yàn)室申請(qǐng)的一個(gè)專(zhuān)利，工作是1996年做的，最后專(zhuān)利是2000年批的。我們看兩張圖，第一張圖是人臉識(shí)別對(duì)比圖，第二年是我們?cè)?0年前提的架構(gòu)，就是這是一個(gè)分布式的架構(gòu)，數(shù)據(jù)從客戶(hù)端拿到，然后再傳到后端的系統(tǒng)上，做的一系列的處理，把結(jié)果推送到前端來(lái)。今天20年以后，這件事情在一個(gè)手機(jī)上終于可以實(shí)現(xiàn)了，或者更重要的是，在云和端上終于實(shí)現(xiàn)了。手機(jī)作為一個(gè)數(shù)據(jù)的獲取終端，云作為整個(gè)的運(yùn)算載體，整個(gè)數(shù)據(jù)的載體，終于把我們20年前的夢(mèng)想實(shí)現(xiàn)了，很可惜，這個(gè)專(zhuān)利因?yàn)槭?997年申請(qǐng)的，再有一天就作廢了，所以我也沒(méi)法管他們要專(zhuān)利費(fèi)了。

我剛才講這么多，再?gòu)膶W(xué)術(shù)角度來(lái)看，我認(rèn)為過(guò)去這20多年人工智能的發(fā)展，特別是在人臉識(shí)別領(lǐng)域的20多年的進(jìn)步，其實(shí)可以歸結(jié)成是一個(gè)數(shù)據(jù)庫(kù)的擴(kuò)張，我們?cè)?0年代初的時(shí)候，做人臉的時(shí)候，所有學(xué)術(shù)時(shí)代用的數(shù)據(jù)庫(kù)都是幾百個(gè)人，因?yàn)閿?shù)據(jù)積很小，你可以說(shuō)它的識(shí)別率是95%到99%，但即使這樣，機(jī)器人的識(shí)別能力依然非常低于人的識(shí)別能力，而且對(duì)光線要求非常高，而且一定要正面圖象。當(dāng)我們看到，隨著數(shù)據(jù)的增加，再過(guò)十年，我們看到這些照片已經(jīng)是上千人的，到了近萬(wàn)張照片，這時(shí)候識(shí)別的能力有了進(jìn)一步的提高，而且對(duì)于表情、光線等的要求就沒(méi)那么嚴(yán)格了。再進(jìn)入2000年以后，數(shù)據(jù)量爆炸，這時(shí)候互聯(lián)網(wǎng)的普及，數(shù)量如此多，到了LFW這個(gè)數(shù)據(jù)積的時(shí)候，已經(jīng)差不多5000人的數(shù)據(jù)積，從而使得識(shí)別率更進(jìn)一步提高，到了95%以上，時(shí)候工業(yè)界加入進(jìn)來(lái)，學(xué)術(shù)界真正的有開(kāi)始突破的時(shí)候，它的訓(xùn)練數(shù)據(jù)已經(jīng)找到了更多的訓(xùn)練。

 真正的人臉識(shí)別時(shí)代還是工業(yè)界的人認(rèn)為這個(gè)問(wèn)題可以開(kāi)始實(shí)用了，工業(yè)界開(kāi)始進(jìn)入的時(shí)候，這時(shí)候的數(shù)據(jù)量跟學(xué)術(shù)界的數(shù)據(jù)量完全不是一個(gè)數(shù)量級(jí)，F(xiàn)acebook和Deepface它已經(jīng)到了4.4M張圖，4030個(gè)人，每人800至1200張圖，到了谷歌、FaceNet的時(shí)候，已經(jīng)到了2億張圖像，800萬(wàn)人，參數(shù)已經(jīng)超過(guò)了14000萬(wàn)參數(shù)。我們看一下這個(gè)工作的話(huà)，在這塊也看得非常明顯，當(dāng)我們的訓(xùn)練數(shù)量開(kāi)始增加的時(shí)候，對(duì)于同一個(gè)模型精度的增加是非常相關(guān)的。當(dāng)然，當(dāng)數(shù)據(jù)量比較小，增加一個(gè)數(shù)量級(jí)的時(shí)候，改善也比較小。只有呈數(shù)量級(jí)的增加，才能獲得小數(shù)點(diǎn)一位數(shù)的增加。我們看算法也同樣，當(dāng)算法變得越來(lái)越精確的時(shí)候，你所需要的計(jì)算能力，也是一個(gè)快速的增加。我們也可以看到，當(dāng)計(jì)算的復(fù)雜度超過(guò)了十億浮點(diǎn)的時(shí)候，可以看到檢測(cè)精度的增加。

我們?cè)倏凑嬲墓I(yè)界，以人臉識(shí)別為生的公司，最近幾年的進(jìn)展，我用了兩個(gè)例子，商湯科技和依圖，從他們那拿到的數(shù)據(jù)基本上是中國(guó)人口的數(shù)據(jù)，7000多萬(wàn)張標(biāo)準(zhǔn)照片再加上億張其他照片，人們用的深層網(wǎng)絡(luò)已經(jīng)超過(guò)30層，訓(xùn)練20塊NVIDIA，今天的精度已經(jīng)遠(yuǎn)遠(yuǎn)超過(guò)人類(lèi)，今天你要做任何壞事，只要留下一張照片，基本上就插翅難逃了，這就是今天商業(yè)解決方案已經(jīng)達(dá)到的精度。

我還是想強(qiáng)調(diào)，如果沒(méi)有如此多的照片，尤其中國(guó)的環(huán)境里面，所有網(wǎng)上行為連到一起的時(shí)候，你會(huì)發(fā)現(xiàn)判斷的精度將有大大的增加。

我們?cè)倏匆幌?，?dāng)我們的數(shù)據(jù)和識(shí)別精度和算法變得如此龐大的時(shí)候，從四年前的八成網(wǎng)絡(luò)到今年的152層的識(shí)別的話(huà)，我專(zhuān)門(mén)拿到這個(gè)數(shù)據(jù)，今天神經(jīng)元的元數(shù)已經(jīng)到了2200萬(wàn)，最后降到5700萬(wàn)，當(dāng)我們有數(shù)字大的蠻荒之力的時(shí)候，我們給人工智能帶來(lái)了什么。所以我說(shuō)數(shù)據(jù)是我們進(jìn)步的核心，而且我們有一個(gè)說(shuō)法，就是從來(lái)不會(huì)有太多的數(shù)據(jù)，數(shù)據(jù)從此不夠。特斯拉號(hào)稱(chēng)有17萬(wàn)輛車(chē)每天在路上行駛幫它搜集數(shù)據(jù)，當(dāng)依然出現(xiàn)當(dāng)強(qiáng)光打過(guò)來(lái)的時(shí)候會(huì)造成誤判，所以我們談大數(shù)據(jù)的時(shí)候，永遠(yuǎn)談的是解決的問(wèn)題是什么。只有你比較簡(jiǎn)單的情況下，少量的數(shù)據(jù)才能滿(mǎn)足你的要求，當(dāng)你用復(fù)雜的模型的時(shí)候你的數(shù)據(jù)量一定是要遠(yuǎn)遠(yuǎn)超過(guò)你的訓(xùn)練所需，數(shù)據(jù)越多，覆蓋精度越高，對(duì)于模型的依賴(lài)就會(huì)越少。

在大數(shù)據(jù)這件事情上，微軟看得非常早，我們非常受人尊敬的Michael Wooldridge先生，在十年前就提出可學(xué)范式的概念，到了幾百年前從牛頓力學(xué)還是，我們用理論的方式來(lái)解釋?zhuān)浇裉煳覀冇脭?shù)據(jù)來(lái)驅(qū)動(dòng)。

這本書(shū)是2009年出版的，我確實(shí)認(rèn)為，今天我們到了進(jìn)入第四范示的時(shí)候，數(shù)據(jù)在我們?nèi)粘９ぷ髦衅鸬淖饔煤脱芯恐衅鸬淖饔檬且郧巴耆豢梢员葦M的。大數(shù)據(jù)包括高質(zhì)量數(shù)據(jù)的獲取和分析，和它整個(gè)在應(yīng)用中的解析已經(jīng)越來(lái)越成為公司的標(biāo)配，如果你作為一家體量大的公司，沒(méi)有大數(shù)據(jù)的分析，或者沒(méi)有辦法獲得大數(shù)據(jù)，或者是你沒(méi)有把這些大數(shù)據(jù)轉(zhuǎn)換成專(zhuān)家的話(huà)，其實(shí)你在你的行業(yè)里已經(jīng)很難生存。當(dāng)然這一切其實(shí)必須靠云來(lái)支撐，沒(méi)有云我們也談不上大數(shù)據(jù)，談不上大數(shù)據(jù)的獲取、處理和大數(shù)據(jù)的運(yùn)營(yíng)。這是為什么看到今天一系列的云公司，尤其大規(guī)模云公司今天越來(lái)越強(qiáng)調(diào)數(shù)據(jù)的存儲(chǔ)和處理，金山已經(jīng)早進(jìn)入云存儲(chǔ)和云數(shù)據(jù)分析，無(wú)論是原始數(shù)據(jù)圖片還是視頻，每天大量的產(chǎn)生者，然后大量存儲(chǔ)到云里面，然后被云處理和解析，這需要大量資源才能真正地做到我剛才說(shuō)到的數(shù)據(jù)的消費(fèi)，像人臉識(shí)別這些我們20多年前夢(mèng)想能解決的問(wèn)題。今天看到的智能平臺(tái)，無(wú)論消費(fèi)者的智能平臺(tái)還是工業(yè)智能設(shè)備，大部分今天能做到的智能本身非常非常少，它的智能是藏在后端云里面。同樣大家在座的知道，人工智能現(xiàn)象同時(shí)發(fā)生在過(guò)去幾個(gè)月的網(wǎng)紅視頻直播，為什么這些公司一夜之間能冒出來(lái)，是它后面的支持技術(shù)，做了很多年的采接、編解碼等等都已經(jīng)由視頻云計(jì)算公司給它提供了，所以你做網(wǎng)紅直播，只需要找網(wǎng)紅，只需要搭一個(gè)網(wǎng)站寫(xiě)一個(gè)APP，后端所有事情由云來(lái)提供了。

同樣，醫(yī)療，今天中國(guó)醫(yī)療問(wèn)題如此之多，談不上精準(zhǔn)醫(yī)療、精準(zhǔn)康復(fù)，只有基于大數(shù)據(jù)云平臺(tái)把這一系列連起來(lái)的時(shí)候，我們談到的精準(zhǔn)醫(yī)療和精準(zhǔn)康復(fù)和社區(qū)醫(yī)療才能實(shí)現(xiàn)。同樣在城市這塊，我們今天有大華公司的代表在，大家都知道，在里約的奧運(yùn)會(huì)上，絕大部分的攝像頭都是大華，每天采集這么多數(shù)據(jù)，本身這就是智慧城市核心的一部分，當(dāng)你把這些數(shù)據(jù)賦予運(yùn)用，來(lái)進(jìn)行利用的時(shí)候，才能真正感受到這些數(shù)據(jù)的價(jià)值。

同樣，游戲這塊更是如此，手游玩得那么爽，所有的智能分析都在背后，從而使得一款游戲什么時(shí)候上線，什么時(shí)候開(kāi)新的服務(wù)等等，這一切都由背后的數(shù)據(jù)來(lái)驅(qū)動(dòng)。

我說(shuō)這么多，大家還是有疑問(wèn)，就是云計(jì)算是不是還在云里霧里，我告訴大家，今天云計(jì)算已經(jīng)真正落地了，這是Gaslnes每年一次的技術(shù)成熟度的分析。

同樣市場(chǎng)上對(duì)于云計(jì)算公司的看法也非常非常樂(lè)觀，如果我們看一下，回顧過(guò)去30年，在互聯(lián)網(wǎng)里成長(zhǎng)最快的公司，我們用一個(gè)數(shù)據(jù)來(lái)衡量，哪些公司最快的時(shí)間達(dá)到100億美金，顯然互聯(lián)網(wǎng)公司快。一家叫做Facebook，一家叫做谷歌，只有一家2B的公司在十年內(nèi)銷(xiāo)售額達(dá)到了100億美金，就是亞馬遜云，當(dāng)一個(gè)2B的業(yè)務(wù)趕上2C業(yè)務(wù)的時(shí)候，你就知道，人們對(duì)于這個(gè)需求是多么地龐大，當(dāng)然，我就不再具體多講。實(shí)際上市場(chǎng)給出的反應(yīng)也很清楚，當(dāng)你快速地在云里面進(jìn)行投資，快速地在云里面進(jìn)行成長(zhǎng)的股票，你可以看到，市場(chǎng)給予的回報(bào)是最好的。

同樣，對(duì)于我們?cè)谥袊?guó)做人工智能的人來(lái)看，這個(gè)數(shù)字非常令人鼓舞，今天中國(guó)的互聯(lián)網(wǎng)產(chǎn)值是美國(guó)的百分之幾，我們想的是在今后幾年，云計(jì)算產(chǎn)業(yè)的空間和增速是如此之快，這也是為什么金山在過(guò)去幾年投入如此龐大的資源，使我們成為中國(guó)金山云計(jì)算的服務(wù)商，游戲云、視頻云、智能硬件等等方面成為國(guó)內(nèi)領(lǐng)軍的企業(yè)。很重要的實(shí)際上市場(chǎng)的成長(zhǎng)速度比我們想象的還要快。

我的結(jié)論是說(shuō)，我們做人工智能的，當(dāng)我們看到人工智能作為一個(gè)現(xiàn)象突飛猛進(jìn)突破的時(shí)候，我們更應(yīng)該注意到的是它后端的，不光是算法本身的突飛猛進(jìn)，更重要的是支撐這個(gè)算法突飛猛進(jìn)的大數(shù)據(jù)和云計(jì)算，所以我們看到的未來(lái)是前端一系列的智能設(shè)備，而它的大腦實(shí)際上在云里面，謝謝大家！

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。