正文
让我们来看一下人脑是怎样工作的。我们的人脑是 general 的、像 CPU 一样的 computer，还是一个 special purpose 的 computer？人脑是一个特殊硬件还是一个通用计算的硬件？认为是通用计算的请举手（不少同学都举起手来）。还是有不少同学这么认为。人脑确实很发达，有很强的计算能力，但如果你认为这样人脑就是通用计算的硬件了，那我来问一下，你看你能回答这个问题吗？（PPT 上显示：1729×568=？） 你会发现，面对这样一个简单的问题，你会觉得如此的无奈。你会发现，人脑不是无所不能的，它的能力明显有边限。当然人脑有它擅长的东西，比如这个（PPT 上出现了一段在一定程度上打乱了顺序的文字，现场观众惊讶地发现，这并不影响阅读，甚至有人都没有发现顺序被打乱了）。我们发现，原来大脑是这么奇妙，这么特殊，它的机制可能和现在显示器的逐行扫描、顺序扫描是完全不同的机制。它对图像是并行处理的，因此对顺序是不敏感的。但是背后又有一个 language model，还有一个类似于 recurrent neural net 的东西在进行 correct。我们发现，原来人脑是有所长、有所短的。在漫长的进化过程中，人在不断地发展和自己生存有关的能力，而和生存无关的能力，发展则是不足的。所以说，人脑是一个特殊设计的硬件。同时人脑还有很多个不同的子系统，比如有一部分是专门对听觉优化的，有一部分是专门对视觉优化的，前几年有一个获得诺贝尔奖的发现，发现人脑中有一块是专门负责定位的，相当于 GPS。
我们看到，如果我们做通用处理器，做 CPU，那么它可能非常 flexible，因为它可以做很多任务。但它整个 efficiency 并不高。但如果针对每个人物做专门的优化，会把 efficiency 提高两到三个数量级。
给大家讲一个我自己经历的故事。2011年，谷歌大脑的项目，当时都是用 CPU 来做的计算。当时我们加入百度，开始在百度做深度学习计算，用的是 GPU。我们私下里不断的比较，比较 CPU 跟 GPU 的效率。2012年的 GPU 比 CPU 效率大概要快四十倍左右，但是 Google 的一些人告诉我们，他们的 CPU 优化的非常好，据说能达到 CPU 跟 GPU 只是六倍的difference。但是我们觉得很难相信，这一点就跟我们的数据太不一样了。我们觉得 GPU 做深度神经网络的性能明显要更高嘛。不管怎么说，我们开始 launch 我们的系统，大规模使用 GPU 来做计算，到后来证明我们是对的。Google 后来也开始大规模地使用GPU。所以实际上，百度比 Google 更早使用 GPU。所以 Andrew 在2014年5月份加入百度，他接受采访时说，当时加入百度的原因，当然除了余凯，另外还有一个原因，就是可以随便买 GPU。
到了14年，广告系统上线跟语音系统上线都需要实时计算，并且它的流量特别大，特别是广告，这种情况下 CPU 跟 GPU 其实都扛不住，所以我们当时用 FPGA 去做专门的硬件加速。这时我们更加清醒地认识到，硬件对计算力有多么重要。
好，我们现在看另外一个趋势，这个趋势就是从中心到边缘。
我们可以看到从 PC 互联网到移动互联网到 internet of smart things，实际上对 AI 的要求越来越高。对 PC 互联网来说，对 AI 的要求其实没有那么高，但在移动互联网上，这种要求出现了。比如说最近我们看到今日头条的新闻，它跟百度一个很不一样的地方是百度是即搜即得，而今日头条是不搜即得。这个“不搜即得”，在移动设备上，因为它有一个主动去做推荐的机制，使得人机交和信息的获取更加智能更加的高效。未来，这些移动设备上，会有越来越强的AI需求。我们有很多的计算，会从数据中心往这些移动设备上去转移。在这些设备上，做 perception，做人机交互，还有决策等事情。
这些计算要求 low latency，没有延迟，并且是实时的，low power，low cost，并且是 privacy protect 的。那我们看到，就是说在汽车上面的话呢，就说这是一个很大的一个应用场景。
不可能前面有小孩子突然横穿马路，你还要把数据传上数据中心，处理完了以后再传回来，这是不可想象的。
所以一定要本地计算，要实时处理没有延迟。很多移动设备，比如 Amazon 的 Echo，就是把很多计算往边缘设备上去推，使得它整个的用户体验会更好，这也是未来的一个趋势。又比如监控摄像头，中国去年一共部署了一亿个。监控摄像头的资料，其实存3个月就扔掉了。未来，对于所有这些摄像头，都会有专门的处理器，去处理实时的视频，这是一个大的趋势。孙正义认为，很多计算未来会在边缘进行，边缘的这些设备上的计算，使得这些设备变成了机器人。他认为，15年以后，机器人的数目会超过人类，达到一百亿个。孙正义基正是基于这样一个逻辑，他以极高的溢价收购了英国的 ARM，300多亿美金。所以这是以 VC 的思维去做几百亿美金的巨型并购。
第三个趋势，是在边缘的竞赛，就是更快更高更强。比如今天的每辆车，有1个摄像头，就是倒车的摄像头，但未来的自动驾驶是平均8到12个摄像头。Tesla 的新车上，已经有8个摄像头了。然后每个摄像头，会从720P的解析度到1080P的解析度，到高清的4k，因为解析度越高，你可以看得更远。另外一点，未来的10到20年时间，因为自动驾驶技术的发展，会使得高速公路上的汽车的平均的速度从100公里每小时到接近它的物理的极限——200公里每小时，速度会越来越快，这是一个 global trend，这要求处理的数据量持续增长，所以在边缘上，计算会持续的追求更快更高更强，这是一个新的竞赛。
未来的5到10年，最具颠覆性的产业机会是什么？我跟大家分享一下我的思考。通常来讲，产业机会分成两个阶段，通常的话，我们会看到，首先是一波2B的机会。2B的机会，就是 Enabling Technology，公司就是做 technology 本身的。它是提供枪炮弹药的，给谁提供呢？给第二波的机会提供。第二波的机会是什么呢？就是 Technology-enabled Business。当然这些都是2C的。2B就是给 Enterprise 提供服务。这些 Enterprise 再去捕捉 consumer-orient 的机会。这个 pattern确实在历史上反复发生。举一个例子，当年 PC 互联网刚出现的时候，时间是在90年代末，那时没有一家互联网公司是挣钱的，大家都看到了这里面存在机会，但在这个阶段，首先要做的工作是把架构、网络给做起来吧？ 所以 CISCO 这样的公司会表现得更好。另外也会有一些2B的培训师等等，这个阶段整体上属于为B端造枪造炮提供弹药的阶段，这算是一种曲线救国吧。然后才有2C的大的互联网公司的出现，比如 Google。再比如移动互联网，首先要有 CDMA 这样的软件算法，放在芯片里面，使每个移动设备 stay connected。然后才是 Apple 这样的公司的崛起。中国的大部分投资者、创业者和企业家，他们看重的就是这样一波机会。
在我们进入这个市场的时候，美国人把这些基础技术已经做完了，从2000年开始到今天，我们是在享受上个世纪八九十年代科技成长的所带来的的一个环境，然后我们去做了这些用户导向的企业。但今天我们去看这个整个这个创业环境，2C的这种创新其实代价已经非常的高昂，比如嘀嘀融了上百亿美元，美团也有几十亿美元，这个投资其实越来越沉重。其实你想想看，当时 Google 只融了两千万美元就上市了，百度差不多也就是千万美元，腾讯也是如此。在那个时候其实有大把的机会去捕捉。但是现在的话呢？八九十年代技术创新所带来的这些能力其实已经被发掘的差不多了，所以我们会发现创新越来越沉重。
好，然后我们来看一下未来的机会。过去的12个月里，大概近半年的时间里，我们看到整个高科技行业有一个机会，今天所有的这个二级市场投资者都开始研究它、关注他，这个让他们觉得很 surprised。因为在整个高科技市场比较低迷的时候，有一只股票是 NVIDIA，从20块钱到现在涨到差不多100块钱，曾经一度到119块，在过去一年多的时间里成长了5倍，是整个高科技市场成长速度最快的一个机会。这里面核心的逻辑其实很简单，他就是造枪造炮嘛。现在很多企业，无论大小，即使不知道深度学习用来干什么，怎么挣钱，大家都要去抢购 GPU 这些。所以我们也非常看重这点，希望做一个深度神经网络的这种处理器，让大家能够利用这些软硬件结合的解决方案。
