【編者按】人工智慧很可能會是未來新的技術生產力， 它正在變革各個行業， 那麼， 如何正確看待AI帶來的變化和趨勢呢？3月25日， 傅盛受邀參加2017雪球中概股高峰論壇， 分享了他對深度學習的一些新思考。
本文轉載自盛盛GO， 作者傅盛；由億歐編輯整理， 供行業內人士參考。
以下為傅盛演講內容整理：
最近， 中國最火的兩個話題：一個是人工智慧， 一個就是北京房價。 北京房價起起伏伏， 牽動了我們的心。
回想， 我來北京不久， 被我的房東趕來趕去， 實在沒地方住了， 咬牙在通州買了房子。 我記得， 那時房子均價3000多塊，
一晃幾年， 通州也不是當年的通州了， 房價也漲成這樣， 四處都是哀嚎一片。
那個時候， 我作為北漂一族， 也是一點點靠自己的努力， 奮鬥著。 從未想到， 有一天， 獵豹能登陸紐交所上市。 2014年5月8日， 我站在敲鐘台， 看著台下忙忙碌碌的紐交所員工， 按響了敲市鐘。 當時的我， 感慨萬分。
我在想， 我為什麼能從一個月供3000塊而惶惶不可終日的北漂， 成長為一個有機會做成一家美國上市公司的人呢？
這麼多年， 我一直在不斷思考。
我認為並不是因為我多麼出色。 有一天， 有那麼一個機會， 我進入了互聯網， 進入了一個當時被絕大部分人都不看好的行業。
這個行業， 在傳統行業的公司看來， 無非就是一個WebPage；在技術人眼裡， 它就是一個TCPIP（又名網路通訊協定）；在傳統硬體廠商那裡， 它就是一個簡單的門戶。 總之， 它沒什麼新奇特別的。
然而， 卻有一幫無所畏懼、不知天高地厚的年輕人， 在這個行業裡不斷打拼， 孕育了一批又一批互聯網的創業者。 這些創業者， 要說起點， 我並不認為有多高。 但在這個行業， 他們獲得了其他行業所不能獲得的認知。 他們對整個互聯網的理解， 對使用者的理解， 對資訊傳遞的理解， 遠遠超越了工業時代那一代又一代人的整個積累。
正因為這樣一個單點的突破， 使得像我這樣一批創業者有幸崛起。
認知是人類前進的唯一武器
我讀過一本書叫《人類簡史》， 當時特別激動， 於是飛到以色列， 拜見了這位作者， 請他到北京做過一次交流。 為此， 我寫過一篇文章《認知是人類前進的唯一武器》， 包括智人的崛起， 就在於認知。 不是因為智人腦容量比別的動物大， 核心是他們能讓很多人相信一個虛擬的事情或概念。
人類從相信過去的先賢， 相信孔子， 相信穆罕默德， 相信釋迦牟尼， 變成了相信科技。 相信科技改變生活。 尤其， 過去20年， 中國堅信了互聯網。
互聯網是全人類的頭腦風暴。 它就像珊瑚一樣， 珊瑚很弱小， 但一個腔體能把所有珊瑚連接在一起， 長成巨大堅硬的珊瑚礁。 互聯網， 可想像成一個網路。 它將以前散落在全世界的、聰明的腦袋連接在一起，
正因為這樣， 人類知識的傳播時間， 極大被縮短。 過去， 一個概念的傳播， 至少需要100年， 或是幾百年。 像牛頓的幾大定律， 如果要傳到中國， 最終變成中國的生產力， 經歷了從鴉片戰爭到洋務運動， 再到最後的新中國， 我們才真正接受了這樣的現代科學知識。
到今天， 一個AlphaGO出現， 世界各地都在研究它的論文。 這個傳播速度已在極快地縮短， 這背後孕育著巨大的生產力。
人和人之間最大的差別就在於認知
我再把這個概念與人結合起來。 我們不妨思考一下：一個人怎麼才能從一群人中脫穎而出？一個人如何才能變得與眾不同？
我記得， 第一次見雷總時， 內心激動萬分。 那時， 他剛離開金山，
後來， 跟他們交流久了， 也經常去討教， 發現其實他們都是非常勤奮的一幫人。 雷總每次跟我聊天， 到半夜還非常亢奮。 騰訊也有很勤奮的一群高官。 某次大戰， 我跟騰訊有過親密接觸。 有一次我約Pony和Martin， 他們說你晚上12點有沒有時間。
你看， 都是一幫很勤奮的人。
但， 勤奮的人也有很多啊， 到底是什麼造成了他們現在都還像神一樣地存在呢？我們有沒有機會接近他們？
我在最近的一篇文章《所謂成長就是認知升級》專門總結一句話叫：技能的差別是可量化的， 而認知的差別不可量化， 是本質的。 也就是說，你對一件事的觀念和看法，決定著你對一件事情堅信的堅決度，以及能不能快速掌握資訊並做出正確決定。這可能是人和人之間最大的差別。
認知是唯一的壁壘和成長的核心。獵豹抓住的上一個認知是中國互聯網的國際化，那麼，下一個機會是什麼？
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，你為什麼要做深度學習？AI+時代，你有什麼機會做出深度學習？
我想，從三個點來講，為什麼獵豹會有機會？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，深度學習是演算法革命。它把分散在各個領域的演算法集中起來了。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，專業之間的演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麼有魅力的東西。
隨之而來的晶片革命也已經開始。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MobileCPU，全力以赴做GPU，整個公司都快炸鍋了。但事實證明，他們在這裡的深遠佈局，做得非常對。
為瞭解自動駕駛技術，我專門拜訪過以色列的Mobileeye，前不久剛被英特爾收購。拜訪完了之後，我認為，Mobileeye很快就會被NVIDIA顛覆掉了。因為Mobileeye所有的演算法都是基於傳統的CV演算法。
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。聊完以後，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，還在那裡，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，在深度學習的衝擊下，很多演算法都被顛覆掉了。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，後看到穀歌一篇論文，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，我都不敢想像；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，演算法驅動變成資料驅動。每一篇論文對整個行業還是有推進作用，但由於基本演算法模型的固定化，演算法的驅動力，已大大降低。當然，我們也希望有一個演算法神人，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，都表明這場人工智慧的革命，是以工業化和資料驅動為主的。資料量大了之後，產生的巨大推進量，可能遠遠勝於一篇論文。而大量的資料，同時也需要進行標注。
所以，大規模標注資料，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，它並不是人工智慧可用的資料。你必須找人把聲音資料裡面的關鍵點標注出來，才是人工智慧可用的有效資料。有一句話叫——人工智慧今天還是，要多少智慧，就需要多少人工。
第三，深度學習的機會在於和應用的結合，而不是技術輸出。深度學習的核心是資料驅動。雖然你有模型調參，有自己的優勢，但別人有更多的資料調參，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NewsRepublic。兩個季度內，我們用深度學習做出了個性化推薦系統，能把使用者的點擊行為，變成資料標注的一部分。
我們還做了一個直播平臺Live.me，現在是美國最大的協力廠商直播平臺。每天有幾十萬的美國用戶開播，會產生上千萬張標準人臉。這個資料，使得我們能夠精准地鑒別涉黃視頻、小孩直播及無直播內容或不露臉的直播。
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運算能力和程式設計能力，也有了足夠的積累。
我相信，後手機時代一定會來臨。手機使用時長，不會有爆發性增長了。越來越多的智慧設備像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。
52
51
也就是說，你對一件事的觀念和看法，決定著你對一件事情堅信的堅決度，以及能不能快速掌握資訊並做出正確決定。這可能是人和人之間最大的差別。認知是唯一的壁壘和成長的核心。獵豹抓住的上一個認知是中國互聯網的國際化，那麼，下一個機會是什麼？
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，你為什麼要做深度學習？AI+時代，你有什麼機會做出深度學習？
我想，從三個點來講，為什麼獵豹會有機會？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，深度學習是演算法革命。它把分散在各個領域的演算法集中起來了。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，專業之間的演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麼有魅力的東西。
隨之而來的晶片革命也已經開始。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MobileCPU，全力以赴做GPU，整個公司都快炸鍋了。但事實證明，他們在這裡的深遠佈局，做得非常對。
為瞭解自動駕駛技術，我專門拜訪過以色列的Mobileeye，前不久剛被英特爾收購。拜訪完了之後，我認為，Mobileeye很快就會被NVIDIA顛覆掉了。因為Mobileeye所有的演算法都是基於傳統的CV演算法。
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。聊完以後，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，還在那裡，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，在深度學習的衝擊下，很多演算法都被顛覆掉了。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，後看到穀歌一篇論文，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，我都不敢想像；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，演算法驅動變成資料驅動。每一篇論文對整個行業還是有推進作用，但由於基本演算法模型的固定化，演算法的驅動力，已大大降低。當然，我們也希望有一個演算法神人，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，都表明這場人工智慧的革命，是以工業化和資料驅動為主的。資料量大了之後，產生的巨大推進量，可能遠遠勝於一篇論文。而大量的資料，同時也需要進行標注。
所以，大規模標注資料，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，它並不是人工智慧可用的資料。你必須找人把聲音資料裡面的關鍵點標注出來，才是人工智慧可用的有效資料。有一句話叫——人工智慧今天還是，要多少智慧，就需要多少人工。
第三，深度學習的機會在於和應用的結合，而不是技術輸出。深度學習的核心是資料驅動。雖然你有模型調參，有自己的優勢，但別人有更多的資料調參，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NewsRepublic。兩個季度內，我們用深度學習做出了個性化推薦系統，能把使用者的點擊行為，變成資料標注的一部分。
我們還做了一個直播平臺Live.me，現在是美國最大的協力廠商直播平臺。每天有幾十萬的美國用戶開播，會產生上千萬張標準人臉。這個資料，使得我們能夠精准地鑒別涉黃視頻、小孩直播及無直播內容或不露臉的直播。
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運算能力和程式設計能力，也有了足夠的積累。
我相信，後手機時代一定會來臨。手機使用時長，不會有爆發性增長了。越來越多的智慧設備像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。
52
51