第一，深度学习是算法革命。它把分散在各个领域的算法集中起来了。以前做语音的、做图像的、做无人驾驶的，做SLAM空间定位的，每一项都是一个专业，专业之间的算法差别也非常巨大。

　　但有一天，突然有一个东西出现了——叫深度学习，既可解决语音和图像问题，又可解决无人驾驶问题，可解决股票交易问题，还可解决下围棋的问题。人类历史上从未出现这么有魅力的东西。

　　随之而来的芯片革命也已经开始。去年年初，NVIDIA股价从20多亿美金，涨到年底100多亿美金。有一个NVIDIA工程师告诉我，2014年他们的CEO上台，在内部会议上说放弃Mobile CPU，全力以赴做GPU，整个公司都快炸锅了。但事实证明，他们在这里的深远布局，做得非常对。

　　为了解自动驾驶技术，我专门拜访过以色列的Mobile eye，前不久刚被英特尔收购。拜访完了之后，我认为，Mobile eye很快就会被NVIDIA颠覆掉了。因为Mobile eye所有的算法都是基于传统的CV算法。

　　包括谷歌的无人车也一样。我跟他们的创始员工聊了两个晚上。聊完以后，我买了两辆特斯拉。我的P90D跑在北京的五环上，已可放开双手，自由直播。而谷歌的无人车，还在那里，进行工程化演算。

　　你会发现，其实真正恐慌的应该是大公司。

　　因为他们积累了很多的技术，不管语音，还是视觉，在深度学习的冲击下，很多算法都被颠覆掉了。前不久，我见了一个国内某知名大公司实验室的负责人。他说他做了7年翻译，后看到谷歌一篇论文，突然发现，他原来做的翻译技术，全白积累了。

　　深度学习本质在降低技术壁垒。如果以前猎豹要出一个语音产品，我都不敢想象；或者猎豹自己的人脸识别，能做到全球排前几名，我也不敢想像。但近期，我会披露一些我们取得的一些成果。

　　我认为，越是大公司喊他们想做的，其实越是他们恐慌的。

　　第二，算法驱动变成数据驱动。每一篇论文对整个行业还是有推进作用，但由于基本算法模型的固定化，算法的驱动力，已大大降低。当然，我们也希望有一个算法神人，再发一篇论文，又把某个领域往前推进几十年。

　　但从整个动向来看，比如斯坦福大学教授李飞飞加入Google，都表明这场人工智能的革命，是以工业化和数据驱动为主的。数据量大了之后，产生的巨大推进量，可能远远胜于一篇论文。而大量的数据，同时也需要进行标注。

　　所以，大规模标注数据，成为核心竞争力。

　　这个概念有一点误导。比如你说话的声音，就像我现在说话，被上传到网上，它并不是人工智能可用的数据。你必须找人把声音数据里面的关键点标注出来，才是人工智能可用的有效数据。有一句话叫——人工智能今天还是，要多少智能，就需要多少人工。

　　第三，深度学习的机会在于和应用的结合，而不是技术输出。深度学习的核心是数据驱动。虽然你有模型调参，有自己的优势，但别人有更多的数据调参，很快拉平优势。未来深度学习会变成基础的技术运用，很多公司都会具备深度学习的研发能力。

　　举几个例子。我们收购了一家公司叫News Republic。两个季度内，我们用深度学习做出了个性化推荐系统，能把用户的点击行为，变成数据标注的一部分。

　　我们还做了一个直播平台Live.me，现在是美国最大的第三方直播平台。每天有几十万的美国用户开播，会产生上千万张标准人脸。这个数据，使得我们能够精准地鉴别涉黄视频、小孩直播及无直播内容或不露脸的直播。

　　猎豹会全力出击，用AI助力内容。我们新的使命是Make The World Smarter，成为一家有伟大技术理想的人工智能公司。