獵豹關于深度學習的三個機會

我看到的一個機會是深度學習。很多人會說，深度學習就是一個概念，你為什么要做深度學習？AI+時代，你有什么機會做出深度學習？

我想，從三個點來講，為什么獵豹會有機會？當然，這三點的前提是——移動互聯網本質的核心競爭已經結束。

第一，深度學習是算法革命。它把分散在各個領域的算法集中起來了。以前做語音的、做圖像的、做無人駕駛的，做SLAM空間定位的，每一項都是一個專業，專業之間的算法差別也非常巨大。

但有一天，突然有一個東西出現了——叫深度學習，既可解決語音和圖像問題，又可解決無人駕駛問題，可解決股票交易問題，還可解決下圍棋的問題。人類歷史上從未出現這么有魅力的東西。

隨之而來的芯片革命也已經開始。去年年初，NVIDIA股價從20多億美金，漲到年底100多億美金。有一個NVIDIA工程師告訴我，2014年他們的CEO上臺，在內部會議上說放棄Mobile CPU，全力以赴做GPU，整個公司都快炸鍋了。但事實證明，他們在這里的深遠布局，做得非常對。

為了解自動駕駛技術，我專門拜訪過以色列的Mobile eye，前不久剛被英特爾收購。拜訪完了之后，我認為，Mobile eye很快就會被NVIDIA顛覆掉了。因為Mobile eye所有的算法都是基于傳統的CV算法。

包括谷歌的無人車也一樣。我跟他們的創始員工聊了兩個晚上。聊完以后，我買了兩輛特斯拉。我的P90D跑在北京的五環上，已可放開雙手，自由直播。而谷歌的無人車，還在那里，進行工程化演算。

你會發現，其實真正恐慌的應該是大公司。

因為他們積累了很多的技術，不管語音，還是視覺，在深度學習的沖擊下，很多算法都被顛覆掉了。前不久，我見了一個國內某知名大公司實驗室的負責人。他說他做了7年翻譯，后看到谷歌一篇論文，突然發現，他原來做的翻譯技術，全白積累了。

深度學習本質在降低技術壁壘。如果以前獵豹要出一個語音產品，我都不敢想象；或者獵豹自己的人臉識別，能做到全球排前幾名，我也不敢想像。但近期，我會披露一些我們取得的一些成果。

我認為，越是大公司喊他們想做的，其實越是他們恐慌的。

第二，算法驅動變成數據驅動。每一篇論文對整個行業還是有推進作用，但由于基本算法模型的固定化，算法的驅動力，已大大降低。當然，我們也希望有一個算法神人，再發一篇論文，又把某個領域往前推進幾十年。

但從整個動向來看，比如斯坦福大學教授李飛飛加入Google，都表明這場人工智能的革命，是以工業化和數據驅動為主的。數據量大了之后，產生的巨大推進量，可能遠遠勝于一篇論文。而大量的數據，同時也需要進行標注。

所以，大規模標注數據，成為核心競爭力。

這個概念有一點誤導。比如你說話的聲音，就像我現在說話，被上傳到網上，它并不是人工智能可用的數據。你必須找人把聲音數據里面的關鍵點標注出來，才是人工智能可用的有效數據。有一句話叫——人工智能今天還是，要多少智能，就需要多少人工。

第三，深度學習的機會在于和應用的結合，而不是技術輸出。深度學習的核心是數據驅動。雖然你有模型調參，有自己的優勢，但別人有更多的數據調參，很快拉平優勢。未來深度學習會變成基礎的技術運用，很多公司都會具備深度學習的研發能力。

舉幾個例子。我們收購了一家公司叫News Republic。兩個季度內，我們用深度學習做出了個性化推薦系統，能把用戶的點擊行為，變成數據標注的一部分。

我們還做了一個直播平臺Live.me，現在是美國最大的第三方直播平臺。每天有幾十萬的美國用戶開播，會產生上千萬張標準人臉。這個數據，使得我們能夠精準地鑒別涉黃視頻、小孩直播及無直播內容或不露臉的直播。

獵豹會全力出擊，用AI助力內容。我們新的使命是Make The World Smarter，成為一家有偉大技術理想的人工智能公司。

這一次，中國在科技浪潮上是趕在美國前面的。深度學習有40%的論文都是華人發表的。我們跟這些專家溝通起來，已經沒有語言障礙。今天中國的GPU運算能力和編程能力，也有了足夠的積累。

我相信，后手機時代一定會來臨。手機使用時長，不會有爆發性增長了。越來越多的智能設備像Amazon echo ，和我們夢想中的機器人，一定會走進我們的生活。中國最大的機會就來自于人和機器人共存的時代。