人工智能領域，出了錯的數據更有價值

如何才能更好地解決人工智能問題？坦白講，基本上現在還不太能解決，但是有幾條路在逼近。

硬件的繼續加強是其中一個。加強能力是希望能在本地解決這個問題，現在的問題是人工智能的計算過於複雜，本地處理不了，就靠雲端解決，其實現在GPU用量最大的是用在建設雲計算的平台上，建在數據中心上，因為各大公司都在下大力氣建設數據中心，所以他們是花大價錢買GPU的需求方。

我們現在的自動駕駛是一個典型的兩難處境，本地處理計算能力不夠，雲端處理響應速度也不夠，等處理完了車已經開過去撞上了。

也有第三條路，但是突破比較緩慢，就是不斷訓練人工智能，使它的係統更加清晰，使訓練後的結構固化到你的計算能力裏加速。

這裏麵比較典型的是大疆，是值得推崇的公司，有點集成化為衣缽的意思。很多牛的不得了的公司連產品都沒有，而大疆至少產品好，而且大疆在人工智能領域下大工夫。

現在的計算就變成了一個大量依賴 GPU 的計算，和以前所謂的線性方式不一樣，大量並行的東西，並行的東西一定離不開 NVDIA，去年我們就推薦過。

現在有幾個潮流，我們講過人工智能創業的機會基本沒了，但是應用發展的機會還沒有來。

前兩天有人解讀 NVDIA 的財報，說它不值那麼多錢，因為它賣 GPU 主要支持人工智能，現在人工智能裏麵兩個大領域，其中一個領域是計算平台，NVDIA 去年賣給數據中心雲計算的 GPU 漲了150% 多，但是他認為還沒有達到預期。

還有人說沒有漲起來的是車用的，因為 NVDIA 一直在力推自動駕駛，有一整套的解決方案，所以這樣講一個沒有達到預期，另一個沒有漲起來，是不是確實是它不值這個錢？

我認為未來到底有沒有更大的市場，車沒有賣出去，隻有兩種可能性。一種是沒有市場，一種可能性市場還沒有來。

這裏肯定是市場還沒有來，因為自動駕駛要大量安裝是明後年的事，那時車裏不含自動駕駛部分的就比較少見了，至少停車入位和低速駕駛的時候能讓你鬆開方向盤。

明年基本20萬以上的新車都會有這個配置，這意味著都要有相應 GPU 跑不了，攝象頭做處理是最起碼的東西，激光雷達能不能上不好說，因為現在還有很多問題，生產的廠家過少，整個的產量也不足，但是用簡單的超聲解決方案，用毫米波雷達加上視頻是沒有問題的，至少在慢速上可以保證的。

但是不管前麵怎麼處理，後麵的運算還要靠GPU。一個，車的市場不是沒有，而是還沒有爆發，爆發起來將是一個巨量的增長。

從這一點來說，NVDIA 占優勢，因為 NVDIA 的GPU 主要供應的廠商是特斯拉，意味著 NVDIA 的自動駕駛方案是最成熟的。

因為特斯拉的實踐最多，所以當大家都要上成熟方案的時候它就有優勢，因為它是最有用戶的。百度提供方案最大的困難在於它不能上市，因為它要先積累數據，沒有足夠多的時間在路上跑，沒有數據，沒有人敢用你的產品。

當然有人說特斯拉撞過人，但是，出了錯的數據更有價值。因為問題能看出來，如果跑了十萬公裏一點事兒都沒有出過，也不見得是好事。因為偶然能讓你出事的情況可能你還沒有遇到，而人工智能最怕的就是偶然。

因為現在大量的樣本訓練是人工智能的核心，你最好提前碰到過以前不知道怎麼處理的事情。所以目前看來，至少NVDIA支持自動駕駛方案是最有發言權的。

2017 年 7 月 31 日，得到 App《前哨•王煜全》（第二季）正式上線，最熱門的、最新的、更係統的科技產業創新資訊和深度解讀等你來。

提前 5 年，抓住 50 個新科技浪潮機會

最後更新：2017-10-08 00:43:51