人工智能創(chuàng)業(yè)一定是先了解場(chǎng)景榆综，不要太多關(guān)心人工智能本身。創(chuàng)始團(tuán)隊(duì)一定要深入到場(chǎng)景的第一線去铸史，天天去思考客戶的思維是什么鼻疮，需求是什么，他作為一個(gè)活生生的人要的什么琳轿。
人工智能創(chuàng)業(yè)都是長(zhǎng)跑判沟，至少要跑十年才會(huì)有成績(jī)耿芹。頭兩三年就想摸清楚是及其罕見(jiàn)的。所以創(chuàng)始人一定要有十年抗戰(zhàn)的心理素質(zhì)和身體素質(zhì)挪哄。團(tuán)隊(duì)也一定要是踏實(shí)吧秕、務(wù)實(shí)，能經(jīng)得起長(zhǎng)征考驗(yàn)的中燥。
為了融資要做炫酷demo寇甸，但是千萬(wàn)不要自己陷進(jìn)去了。大多數(shù)場(chǎng)景不需要多炫酷的算法就能服務(wù)的疗涉。玩炫酷，成本非常高吟秩，一下子搞二三十個(gè)甚至更多牛逼工程師咱扣，開(kāi)始燒錢(qián)就惡性循環(huán)了。先小規(guī)模證明商業(yè)前景涵防，再徐徐發(fā)展闹伪。
不要面向VC思考。面向客戶思考壮池。VC要追求的目標(biāo)和客戶要解決的問(wèn)題是完全不同的偏瓤。
不要迷信明星，不要迷信技術(shù)椰憋。人工智能技術(shù)沒(méi)有什么神奇厅克，大多數(shù)情況下都是人工智障。好的效果都要工程師一點(diǎn)一點(diǎn)打磨出來(lái)橙依，有多少人工就有多少智能证舟。控制開(kāi)發(fā)成本窗骑，追求有限目標(biāo)女责。創(chuàng)始人自己懂AI，就先招優(yōu)秀的工程師创译，而不是一堆科學(xué)家抵知。
刷榜在我看來(lái)是沒(méi)有意義的。企業(yè)在有商業(yè)場(chǎng)景理解能力之前（證據(jù)就是有人愿意給錢(qián)软族，哪怕是很小的一筆錢(qián)）刷喜，就不應(yīng)該分心在和商業(yè)目標(biāo)解決無(wú)關(guān)的事情上。即使這對(duì)招聘有一丟丟作用——完全可以有更廉價(jià)的招聘宣傳互订，比如創(chuàng)始人去做幾個(gè)講座吱肌。
技術(shù)一定是逐步迭代，在每一個(gè)迭代版本都要考慮商業(yè)化的可能仰禽。開(kāi)始的辛苦錢(qián)也要掙氮墨，不要幻想一下子就掙幾百萬(wàn)纺蛆、幾千萬(wàn)，非大單不要规揪。錢(qián)是一分一分掙出來(lái)的桥氏。創(chuàng)業(yè)公司有原罪，想一下子從大客戶手里拿單是幻想猛铅。
不要幻想一下子就會(huì)有一個(gè)標(biāo)準(zhǔn)化的產(chǎn)品字支。往往要從和天使客戶的服務(wù)中，逐漸總結(jié)出一個(gè)產(chǎn)品來(lái)奸忽。對(duì)天使客戶用心服務(wù)堕伪，但是一定要付費(fèi)（哪怕是很少很少的錢(qián)），不付費(fèi)的就不是客戶栗菜。通過(guò)定制欠雌、咨詢、服務(wù)疙筹，逐步改進(jìn)產(chǎn)品富俄。不要幻想憋幾年大招，客戶就會(huì)買(mǎi)單而咆。
不要燒錢(qián)霍比、不要燒錢(qián)、不要燒錢(qián)暴备∮扑玻控制團(tuán)隊(duì)規(guī)模，控制辦公室成本馍驯，不要做無(wú)謂的市場(chǎng)營(yíng)銷(xiāo)阁危。
其實(shí)特別是過(guò)去5年，人工智能真的成熟了汰瘫，我們這里可以看到右邊從對(duì)奕（AlphaGO）到感知（微軟小冰）或者是IBM沃森到?jīng)Q策狂打，現(xiàn)在比如說(shuō)谷歌已經(jīng)可以自動(dòng)幫我們回郵件了，這背后都是人工智能混弥，還有很多其他的技術(shù)趴乡，進(jìn)步都非常快蝗拿，這都是過(guò)去5年的時(shí)間晾捏。如果你在七年前投移動(dòng)互聯(lián)網(wǎng)，一定要投產(chǎn)品經(jīng)理哀托；如果你今天要投人工智能惦辛，一定是投人工智能科學(xué)家，這是沒(méi)有任何疑問(wèn)和懸念的仓手。
只有算法的公司不值錢(qián)胖齐，能觸及數(shù)據(jù)的才值錢(qián)玻淑，能自動(dòng)產(chǎn)生數(shù)據(jù)的公司更值錢(qián)。
要求一：數(shù)據(jù)一定要是海量的呀伙，是千萬(wàn)級(jí)別的补履。如果有人跟你說(shuō)我有10萬(wàn)個(gè)大數(shù)據(jù)什么的，就不要再聽(tīng)下去了剿另，10萬(wàn)個(gè)數(shù)據(jù)是做不了深度學(xué)習(xí)的箫锤，是需要千萬(wàn)級(jí)的數(shù)據(jù)。
要求二：頂尖的AI科學(xué)家雨女。你隨便找一個(gè)特別厲害的計(jì)算機(jī)科學(xué)家谚攒、數(shù)學(xué)家是沒(méi)有用的，一定要懂AI的才有可能戚篙，世界上這樣的人可能只有上萬(wàn)五鲫，沒(méi)有上十萬(wàn)，所以這種人的價(jià)值現(xiàn)在在快速提升岔擂。
一個(gè)人工智能的技術(shù)只懂一個(gè)領(lǐng)域，領(lǐng)域越清晰浪耘、狹窄乱灵、有邊界，就越能夠用人工智能七冲，跨領(lǐng)域就沒(méi)戲了痛倚。再往下需要自動(dòng)標(biāo)注的數(shù)據(jù)，所以有些公司找你來(lái)融錢(qián)澜躺，說(shuō)我在網(wǎng)上爬了很多數(shù)據(jù)蝉稳，也不用再聽(tīng)下去了，網(wǎng)上爬的數(shù)據(jù)沒(méi)有價(jià)值的掘鄙，是需要標(biāo)注的耘戚。
其實(shí)除了互聯(lián)網(wǎng)的數(shù)據(jù)還有傳統(tǒng)的數(shù)據(jù)，其實(shí)傳統(tǒng)領(lǐng)域的數(shù)據(jù)是非常好的操漠，傳統(tǒng)領(lǐng)域里面數(shù)據(jù)最好的就是金融界了：
原因一：因?yàn)榻鹑诮缡窍鄬?duì)隔離得非常清晰的收津，金融的領(lǐng)域是不跟其他領(lǐng)域混在一起的，金融的領(lǐng)域里股票就是股票浊伙、保險(xiǎn)就是保險(xiǎn)撞秋、銀行就是銀行、賬單就是賬單嚣鄙，這些東西是非常能夠用來(lái)計(jì)算的吻贿，是狹窄領(lǐng)域的。
原因二：利用手中擁有的很大的數(shù)據(jù)量哑子，然后可以獲取更多的數(shù)據(jù)舅列，這個(gè)也是很好的肌割。
原因三：金融是最無(wú)摩擦的領(lǐng)域，錢(qián)進(jìn)錢(qián)出剧蹂，我們只要算在這個(gè)錢(qián)進(jìn)錢(qián)出的過(guò)程當(dāng)中声功，怎么樣最大化我們的收入就好了，我們這里沒(méi)有生產(chǎn)宠叼、沒(méi)有倉(cāng)庫(kù)先巴、沒(méi)有物流，我們是純金錢(qián)的冒冬。也就是剛才所說(shuō)的伸蚯，人工智能最好的應(yīng)用領(lǐng)域之一就是能夠最快看到你賺更多錢(qián)或者省更多錢(qián)的，沒(méi)有比金融領(lǐng)域更好衡量的简烤。
如果你要用在一個(gè)百貨公司剂邮，他有各種的消費(fèi)；如果你用在電子商務(wù)横侦，他有各種的消費(fèi)挥萌。金融領(lǐng)域是唯一一個(gè)純數(shù)字和錢(qián)的領(lǐng)域，所以說(shuō)這個(gè)領(lǐng)域是最好的枉侧。
人工智能當(dāng)然不可能永遠(yuǎn)都是這么好的世界引瀑，但是因?yàn)楝F(xiàn)在中國(guó)的市場(chǎng)剛剛開(kāi)放這一類(lèi)的交易機(jī)會(huì)，打造新的這種對(duì)沖的機(jī)會(huì)實(shí)在是太多了榨馁，即便現(xiàn)在可能有一些限制憨栽，但是我們不用靠量取勝、靠快取生翼虫，完全可以靠智能取生屑柔，因?yàn)槟愕闹悄芩愠鰜?lái)的交易，哪怕是當(dāng)天或者隔一天的交易珍剑，都要比人算出來(lái)的更清晰掸宛。
我們?cè)谝苿?dòng)互聯(lián)網(wǎng)時(shí)代，一個(gè)產(chǎn)品經(jīng)理帶著兩個(gè)工程師次慢，可能100萬(wàn)就可以創(chuàng)業(yè)了旁涤，成了再融下一輪，不成了就關(guān)門(mén)了迫像。但是AI創(chuàng)業(yè)是不需要的劈愚，你需要頂尖AI科學(xué)家，他們的期望值至少年薪40萬(wàn)美金闻妓，然后還需要海量的數(shù)據(jù)菌羽，要買(mǎi)很貴，自己做很花時(shí)間由缆，超級(jí)大的計(jì)算量注祖，每買(mǎi)機(jī)器就要花兩三百萬(wàn)猾蒂，所以一個(gè)基礎(chǔ)的AI創(chuàng)業(yè)可能就要兩千萬(wàn)，所以它的創(chuàng)業(yè)成本又突然大幅度地提升了是晨；
也就是說(shuō)AI的創(chuàng)意精英能自我賦能肚菠，能將技術(shù)知識(shí)、商業(yè)頭腦與創(chuàng)意才思融合為一罩缴；數(shù)據(jù)是用來(lái)構(gòu)建信息的蚊逢，信息是用來(lái)承載知識(shí)的，知識(shí)是用來(lái)驅(qū)動(dòng)智能的箫章；
我們回顧一下硅谷創(chuàng)業(yè)者的圣杯就是對(duì)所有行業(yè)進(jìn)行破壞—要想掙大錢(qián)就必須這樣做烙荷；AI走向：專用智能—合成智能—通用智能；AI真正的戰(zhàn)斗在于數(shù)據(jù)而非程序檬寂；先進(jìn)的計(jì)算機(jī)技術(shù)可以讓它從數(shù)據(jù)中獲得巨大的利潤(rùn)终抽；情感系統(tǒng)包含（情感識(shí)別、情感分析桶至、情感表述）
推理是普遍的工具昼伴，適用于每一個(gè)場(chǎng)合，所以機(jī)器部件也需要具體的排列方式才能在每個(gè)特定的場(chǎng)合發(fā)揮作用镣屹；只記錄解決問(wèn)題的方法僅僅有助于我們解決相似的問(wèn)題亩码，而如果我們可以記錄自己是如何發(fā)現(xiàn)這些解決方法的，就有助于處理更為廣泛的情況野瘦；
只有等數(shù)據(jù)分析和挖掘都普及到一定程度上才能加上擬人情感系統(tǒng)識(shí)別表達(dá)解決機(jī)器情感問(wèn)題，這就需要感知飒泻、學(xué)習(xí)和反應(yīng)鞭光，從大數(shù)據(jù)繼承的是海量數(shù)據(jù)處理，額外再加上良好的人機(jī)交互泞遗、對(duì)人類(lèi)情感上的理解惰许，最終才會(huì)形成一種伙伴型的機(jī)器人；
截止時(shí)間2016年3月:人工智能在語(yǔ)音和圖像上已經(jīng)取得了階段性成果但語(yǔ)義暫時(shí)還看不到徹底解決的跡象史辙；但單靠一塊人工智能芯片實(shí)質(zhì)上還是不可能解決深度學(xué)習(xí)在終端上跑大量數(shù)據(jù)的問(wèn)題堪滨；我覺(jué)得云端數(shù)據(jù)+終端數(shù)據(jù)=機(jī)器人數(shù)據(jù)点弯；
我們?nèi)斯ぶ悄芨具€沒(méi)有走完0到1的過(guò)程；因?yàn)榛ヂ?lián)網(wǎng)與移動(dòng)互聯(lián)網(wǎng)時(shí)代是由創(chuàng)意、運(yùn)營(yíng)捻激、模式這些東西驅(qū)動(dòng)的而非由技術(shù)驅(qū)動(dòng)但不是技術(shù)要求門(mén)檻特別高；智能型的軟件（人工智能）時(shí)代上來(lái)就是算法演顾、數(shù)據(jù)疟赊、GPU；
即使谷歌把這些技術(shù)開(kāi)源后但想駕馭這些技術(shù)框架也需要理解機(jī)器學(xué)習(xí)的人甸陌，否則沒(méi)法針對(duì)垂直領(lǐng)域優(yōu)化须揣，而數(shù)據(jù)和GPU則會(huì)很耗錢(qián)盐股；一個(gè)直接后果是傳統(tǒng)的程序員搞不定這個(gè)人工智能這個(gè)行當(dāng)，即便純碎的把人工智能在軟件上進(jìn)行落地耻卡，谷歌的圖片搜索也還不算是非常成功的疯汁，意味著智能化落地到產(chǎn)品里去需要整合軟硬件；
一旦需要把智能整合到硬件里卵酪，事情就變得復(fù)雜化了幌蚊，需要有人搞操作系統(tǒng)，有人搞工業(yè)設(shè)計(jì)凛澎，有人搞聲學(xué)霹肝，最后還需要搞定供應(yīng)鏈；即使這些所有環(huán)節(jié)都搞定了塑煎，還不一定把產(chǎn)品賣(mài)出去沫换；如果真的需要制造那種四處亂竄的機(jī)器人，你還需要清晰感知環(huán)境并進(jìn)行分析處理最铁，自主移動(dòng)回避技術(shù)讯赏、機(jī)械部分處理、關(guān)節(jié)減速并能用多少次等等復(fù)雜的技術(shù)冷尉；
人工智能領(lǐng)域?qū)儆谏贁?shù)人的資本游戲漱挎；如果搞人工智能領(lǐng)域的創(chuàng)業(yè)企業(yè)一旦獲得技術(shù)上優(yōu)勢(shì)加上能夠很好的落地取到相應(yīng)對(duì)應(yīng)的高質(zhì)量數(shù)據(jù)，那這家企業(yè)就會(huì)成為下一代的巨頭雀哨；
在數(shù)據(jù)—學(xué)習(xí)類(lèi)算法—行為磕谅，這條脈絡(luò)中，數(shù)據(jù)本身會(huì)對(duì)最終行為產(chǎn)生最關(guān)鍵的影響雾棺，所以數(shù)據(jù)受到污染那機(jī)器最終輸出的行為就是有故障甚至亂碼傷害人類(lèi)膊夹；所以為了防止數(shù)據(jù)污染與失控風(fēng)險(xiǎn)，我們可能需要一種能連通又有效率足夠分散的網(wǎng)絡(luò)捌浩；
我們目前的互聯(lián)網(wǎng)形態(tài)屬于一種極度中心化的狀態(tài)放刨，所以人工智能需要一種多樣性與權(quán)責(zé)系統(tǒng)生態(tài)網(wǎng)絡(luò)體系；現(xiàn)在的人工智能是數(shù)據(jù)驅(qū)動(dòng)尸饺，數(shù)據(jù)越多智能程序度越好进统，而不可能所有的數(shù)據(jù)都放進(jìn)某個(gè)機(jī)器人的“腦子”里，這導(dǎo)致機(jī)器人一定需要連接到某個(gè)龐大的網(wǎng)上系統(tǒng)來(lái)不斷更新自己的知識(shí)浪听，所以人工智能大腦是超級(jí)數(shù)據(jù)信息知識(shí)推理大腦螟碎；
我記得阿西莫夫的對(duì)機(jī)器人定義的三個(gè)定律：第一法則：機(jī)器人不得傷害人類(lèi)，或坐視人類(lèi)受到傷害馋辈；第二法則：除非違背第一法則抚芦，機(jī)器人必須服從人類(lèi)的命令；第三發(fā)則：在不違背第一及第二法則下，機(jī)器人必須保護(hù)自己叉抡；
我發(fā)現(xiàn)往往阻礙思維變得更強(qiáng)大的往往是信息不夠尔崔，阻礙個(gè)人生產(chǎn)制造的往往是力量不夠；現(xiàn)在世界的數(shù)據(jù)化和人工智能會(huì)解決這種失衡的問(wèn)題褥民，人工智能足夠強(qiáng)大后就可以幫助一個(gè)人從互聯(lián)網(wǎng)上獲取各種信息季春，并按照人的需求從不同視角來(lái)分析問(wèn)題，這是思維力度的提升消返；
比如一個(gè)人可以通過(guò)人工智能獲得相關(guān)知識(shí)信息數(shù)據(jù)载弄，納米制造技術(shù)又會(huì)給他帶來(lái)把某種想法變成現(xiàn)實(shí)的能力，這樣只要有足夠的權(quán)限來(lái)使用能量和某個(gè)平臺(tái)撵颊，他就可以在家里或者借助某個(gè)公共的生產(chǎn)平臺(tái)生產(chǎn)出各種東西宇攻；
沒(méi)有大數(shù)據(jù)就不需要分布式中間件和云計(jì)算云存儲(chǔ)：1、不構(gòu)建B2B2C的端到端產(chǎn)業(yè)鏈就不會(huì)有大數(shù)據(jù)?2倡勇、沒(méi)有智能物聯(lián)傳感設(shè)備就不會(huì)有大數(shù)據(jù)?3逞刷、沒(méi)有智能手機(jī)的照片語(yǔ)音視頻就不會(huì)有大數(shù)據(jù)?4、沒(méi)有搜索爬蟲(chóng)就沒(méi)有大數(shù)據(jù)妻熊；現(xiàn)在市面上搞大數(shù)據(jù)的夸浅，都扎堆在兩極工作：1、要么搞點(diǎn)擊流收集/流量統(tǒng)計(jì)/用戶行為分析/用戶畫(huà)像?2扔役、要么搞可視化帆喇；
從產(chǎn)業(yè)鏈角度看，中國(guó)工業(yè)機(jī)器人正在從下游向中上游轉(zhuǎn)變亿胸。工業(yè)機(jī)器人產(chǎn)業(yè)鏈主要分為上游核心零部件坯钦、中游設(shè)備制造商和機(jī)器人本土、下游系統(tǒng)集成商三個(gè)層面侈玄。
我國(guó)工業(yè)機(jī)器人產(chǎn)業(yè)鏈上游的減速器等核心零部件葫笼，制約了國(guó)產(chǎn)機(jī)器人的成本，產(chǎn)業(yè)鏈中游的本體技術(shù)被國(guó)外龍頭企業(yè)壟斷拗馒，國(guó)內(nèi)的機(jī)器人企業(yè)多為產(chǎn)業(yè)鏈下游的系統(tǒng)集成商，95%的企業(yè)將利潤(rùn)聚集在下游環(huán)節(jié)溯街。
目前國(guó)內(nèi)工業(yè)機(jī)器人產(chǎn)業(yè)關(guān)注的重點(diǎn)以及國(guó)家的政策扶持方向都是以技術(shù)突破為核心诱桂，以打破國(guó)外壟斷為發(fā)展目標(biāo)，同時(shí)為空間依然很大的市場(chǎng)擴(kuò)充產(chǎn)能呈昔。
我還發(fā)現(xiàn)我們很多人工智能初創(chuàng)企業(yè)由于團(tuán)隊(duì)基因等原因挥等，一味地追求算法和技術(shù)上的領(lǐng)先，招募大批科研人才堤尾，而工程人才欠缺肝劲。擁有大量科研人才有利于做公關(guān)，也利于吸引VC的投資，但這一方面可能帶來(lái)過(guò)高的成本辞槐，牛人扎堆后更難管理掷漱，誰(shuí)也不服誰(shuí)，可能會(huì)因?yàn)閷W(xué)術(shù)興趣不同而造成“神仙打架”榄檬，導(dǎo)致產(chǎn)品方向的偏差卜范。
畢竟初創(chuàng)公司不是研究院，不以促進(jìn)學(xué)術(shù)發(fā)展為目的鹿榜，不以發(fā)paper為目的海雪，而是要以產(chǎn)品為核心的商業(yè)機(jī)構(gòu)。做2C的創(chuàng)業(yè)舱殿，需要?jiǎng)?chuàng)始團(tuán)隊(duì)非常有產(chǎn)品思維奥裸，而這往往是科學(xué)家出生的團(tuán)隊(duì)最缺乏的，而做垂直領(lǐng)域的應(yīng)用沪袭，也要求創(chuàng)始團(tuán)隊(duì)有行業(yè)資源湾宙。這些都需要尋找合作伙伴來(lái)補(bǔ)齊。
而節(jié)奏感的控制除了來(lái)自對(duì)人工智能技術(shù)發(fā)展程度的判斷枝恋，還有來(lái)自對(duì)融資環(huán)境的判斷创倔，對(duì)市場(chǎng)發(fā)展速度和變化的判斷，對(duì)競(jìng)爭(zhēng)對(duì)手的判斷焚碌。有這幾個(gè)方向的判斷畦攘，就大概能知道是否步子應(yīng)該邁得大一些。
在人工智能產(chǎn)業(yè)鏈中十电，基礎(chǔ)層是構(gòu)建生態(tài)的基礎(chǔ)知押，價(jià)值最高，大公司會(huì)長(zhǎng)期進(jìn)行戰(zhàn)略布局鹃骂。在基礎(chǔ)計(jì)算能力台盯、數(shù)據(jù)，通用算法畏线、框架和技術(shù)方面布局静盅，聚集大量開(kāi)發(fā)者和用戶，這基本是兵家必爭(zhēng)之地寝殴。
比如谷歌蒿叠、亞馬遜、微軟都紛紛推出了自己的人工智能的基礎(chǔ)設(shè)施蚣常、API和開(kāi)源框架市咽，包括了計(jì)算機(jī)視覺(jué)、語(yǔ)音抵蚊、語(yǔ)言施绎、知識(shí)圖譜溯革、搜索等幾大類(lèi)。
對(duì)于通用型的產(chǎn)品谷醉，大公司會(huì)貫徹人工智能優(yōu)先的策略致稀，來(lái)提升效率、改善用戶體驗(yàn)孤紧，對(duì)于通用技術(shù)層豺裆，這是構(gòu)建大公司護(hù)城河的基礎(chǔ)，大公司也一定會(huì)布局号显。比如谷歌貫徹AI?First的策略臭猜，改進(jìn)智能助手（語(yǔ)音和NLP）、谷歌翻譯（機(jī)器翻譯）押蚤、YouTube（推薦算法）蔑歌、圖片搜索（計(jì)算機(jī)視覺(jué)）等等。
創(chuàng)業(yè)公司可以選擇做垂直領(lǐng)域的先行者揽碘，積累用戶和數(shù)據(jù)次屠，結(jié)合技術(shù)和算法優(yōu)勢(shì)，成為垂直領(lǐng)域的顛覆者雳刺。不過(guò)即使是做垂直領(lǐng)域劫灶，也不建議和傳統(tǒng)公司硬碰硬，而是迂回包抄掖桦，邊緣突破本昏。創(chuàng)業(yè)公司也可以專注于細(xì)分場(chǎng)景應(yīng)用，做窄品類(lèi)的應(yīng)用枪汪，提供解決方案涌穆，直戳行業(yè)痛點(diǎn)。
一個(gè)產(chǎn)品落地雀久，內(nèi)部的鏈條很長(zhǎng)宿稀，除了技術(shù)和研發(fā)，剩下70%的人可能是做產(chǎn)品赖捌、銷(xiāo)售祝沸、生產(chǎn)、渠道越庇。如果是硬件奋隶，需要考慮硬件以年計(jì)的開(kāi)發(fā)周期。如果是面向企業(yè)的解決方案悦荒，還需要考慮不同企業(yè)和客戶的繁瑣需求。人工智能2C產(chǎn)品上嘹吨，消費(fèi)者不會(huì)為算法和技術(shù)買(mǎi)單搬味，技術(shù)必須轉(zhuǎn)化為產(chǎn)品，用于改善產(chǎn)品體驗(yàn)或者提升效率；
大家不可能什么應(yīng)用都配個(gè)幾百臺(tái)機(jī)器的集群碰纬。線上預(yù)測(cè)是直接給用戶使用的萍聊，對(duì)速度要求很高。目前有幾種方案：
1.?GPU：功耗高悦析，幾百W很正常寿桨，高端GPU成本也不低，同時(shí)個(gè)頭大强戴，占地方亭螟，最重要的是數(shù)據(jù)中心需要增加散熱和供電的能力，這個(gè)可不簡(jiǎn)單骑歹。
2.?CPU：性能不行预烙，不適合并行計(jì)算。
3.?ASIC：研發(fā)和流片費(fèi)用高道媚，周期長(zhǎng)扁掸，同時(shí)邏輯不能動(dòng)態(tài)調(diào)整，不適合互聯(lián)網(wǎng)公司最域，畢竟各種應(yīng)用的算法總是在變化谴分。
4.?FPGA：功耗低，一般低于40W镀脂。中端FPGA成本低牺蹄，幾百美金。自定義邏輯狗热，也可以動(dòng)態(tài)調(diào)整钞馁。
