小欣：大家好，欢迎收听“钛媒体72问”专家分享课《坦白讲》。我是主持人小欣，在课程中我将会陪伴大家探索行业大咖对于前沿领域的深度剖析与思考。现在就和我一起开始了解今天要进行课程的嘉宾吧！

今天的主讲人是百度资深工程师于洋，他加入百度后就一直从事深度学习系统的研发，主要负责深度学习系统的性能优化和功能开发工作。本期课程将会分为四大节，第一节于洋老师会为我们讲解AI落地面临的一些问题。

于洋：AI已经是一个很火的话题，但是AI如何在中小企业落地其实牵扯到很多现实的问题。比如一个最简单的问题，如何通过语音来控制电视？我们认为有四种解法：

第一个用AI HUB。也就是说将神经网络的模型放到一个芯片或者是一个很小的机器里，让这个机器去控制电视。

这么做其实不是特别经济。因为如果要让AI去控制电视的话首先每一台电视都要具有神经网络的预测功能，同时当用户的真实数据预测完之后，神经网络也要去根据用户的新数据去重新训练模型，让模型更好。这就要求一个芯片既具备神经网络的推断能力，又具备训练能力。

第二个提供一个深度学习的API给大家。比如百度提供一个深度学习训练和预测的平台，大家愿不愿意把自己的数据放到百度或者谷歌的云盘里让百度给大家提供机器学习训练预测的API呢？

我想这在很多场景下是不现实的。大部分企业都想用的是私有云。不使用公有云的理由其实不是成本，主要还是公有云可能带来的数据安全问题，因为真正有价值的东西其实是训练数据，训练数据是每个企业自己的一个壁垒。

第三个企业自己搭一个AI的专用集群或者买一百台GPU机器只去跑深度学习的训练，这样做是不是可行的呢？我想也是不可行的。因为专用的AI集群的GPU是非常昂贵的。而如果这个企业只要几项项目做深度训练的话利用率并不会非常高。

第四个PaddlePaddle提出的目标是做一个通用的AI集群。通用的意思是AI集群里既可以跑神经网络的训练任务也可以跑其他的任务。

小欣：下节课，于洋老师会为我们讲解专用集群与通用集群的区别。

【版权归钛媒体所有，未经许可不得转载】