傅盛：深度學習的機會在應用結合，而不是技術輸出

文/傅盛

最近，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，當時身上只有幾萬塊。交房時，我坐在一樓小陽台，心想——一個月供三千塊，還不起怎麼辦？後來，橫下心，大不了把房子賣了，回老家。

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，按響了敲市鍾。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Web Page；在技術人眼裡，它就是一個TCPIP（又名網路通訊協議）；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，在這個行業里不斷打拚，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，對用戶的理解，對信息傳遞的理解，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。

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，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，使得所有人快速作思維的碰撞。

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，最終變成的生產力，經歷了從鴉片戰爭到洋務運動，再到最後的新，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。

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，朋友引薦我們認識。見他前，我還在幻想，他的腦袋後面是否會有一個光環？第一次見馬化騰時，我也在幻想，這個人是不是三頭六臂？

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信息並做出正確決定。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互聯網的國際化，那麼，下一個機會是什麼？

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。

隨之而來的晶元革命也已經開始。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上台，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，他們在這裡的深遠布局，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。拜訪完了之後，我認為，Mobile eye很快就會被NVIDIA顛覆掉了。因為Mobile eye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，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，演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，是以工業化和數據驅動為主的。數據量大了之後，產生的巨大推進量，可能遠遠勝於一篇論文。而大量的數據，同時也需要進行標註。

所以，大規模標註數據，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，它並不是人工智慧可用的數據。你必須找人把聲音數據裡面的關鍵點標註出來，才是人工智慧可用的有效數據。有一句話叫——人工智慧今天還是，要多少智能，就需要多少人工。

第三，深度學習的機會在於和應用的結合，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，變成數據標註的一部分。

我們還做了一個直播平台Live.me，現在是美國最大的第三方直播平台。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慧公司。

這一次，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。今天的GPU運算能力和編程能力，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。最大的機會就來自於人和機器人共存的時代。

商業管理賬號推薦

礪石商業評論

推薦理由：礪石商業評論是專業的商業知識媒體。由上市公司高管、海外投行專家與商業媒體記者聯合創建。其專註全球商業與管理，致力傳播全球最優秀的商業思想與管理實踐，幫助企業家成長。