（文章來源：企業家在線）

自互聯網時代走向人工智能時代，算法基因突出的互聯網企業受到越來越多的關注。尤其在近幾年，以字節跳動為代表的算法驅動型的互聯網產品網羅了大量用戶，一躍成為國民級APP，并憑借出色的信息流廣告吸金無數，成為了各大廣告主最為青睞的投放平臺。

然而，不論是BAT，還是新興的TMD(字節跳動、美團、滴滴)等互聯網小巨頭公司，其程序化廣告售價都不可與海外的Facebook、Google相提并論。高售價自然與高轉化率相掛鉤，也就與內容、廣告算法推薦的準確率呈正向關聯，有數據顯示，國內互聯網公司的廣告推薦CTR值距離Facebook等公司仍有一定差距，此外，還有大量公司在算法推薦方面布局甚少，或是處于剛起步的階段。

昂貴且費時費力，這是在籌建算法推薦系統時，擺在所有公司眼前的難題。即使不考慮招募算法工程師、搭建團隊的人力成本，僅就短則一年的框架部署時長而言，多數非技術起家的中型公司都難下決定自建團隊。再則，這是一項耗資巨大的工程，目前，多數公司通過CPU云服務器部署推薦系統類算法，但性能不夠理想。

雪湖科技FPGA開發團隊把以Wide and Deep為基礎網絡的模型移植到阿里云FPGA服務器F3上，用戶可以通過鏡像文件部署，模型精度損失可控制在千分之一以內。得益于阿里云FPGA云得天獨厚的高速度、低時延和彈性部署的優勢，相較于CPU服務器，雪湖的FPGA加速器把吞吐量提高了3~5倍，加上功耗更低，其TOC(總體擁有成本)是CPU云的5倍以上。且雪湖FPGA加速器擁有靈活性， 當模型更新時，通過專有工具可直接載入模型參數，可做到一鍵式更新模型。

該深度學習加速器，除了可部署于阿里云服務器的標準化IP，亦可支持基于FPGA加速卡的私有云部署。而在阿里云上可以快速進行測試和部署，減少可繁雜的軟硬件開發過程看，方便更多的互聯網公司用更低成本地嘗試擁抱變化，這是奉行最小可行性測試的互聯網行業最喜聞樂見的方案。

建設在深度學習神經網絡上的優秀廣告推薦系統可以進一步滿足人們‘聽我想聽’還是‘看我想看’、‘買我想買’的‘懶惰’需求，另一維度上，這也讓廣告主的帶貨KPI能被更高效的完成。目前，中大型互聯網公司在算法推薦上的需求持續增長，雪湖科技推出的推薦系統若能被驗證可實現更低成本，更高速度，依然有不小機會能在CPU當道的紅海中殺出一條血路。