回过头来讲，也不用过多的担心这个事情，我觉得未来5年的话，人工智能领域的人才是高度稀缺的，当我们回顾互联网时代包括软件时代，很多时候并不见得第一批的企业都是最成功或者最大的，今天我们看到这个机会是不断的展现出来的。互联网咱们知道最早的一批企业门户，，雅虎是1994年创办的，今天好像已经卖掉了，亚马逊是1996年 创办的企业，Facebook 是2004年创办的企业，巨大的机会都是一波一波的，后面的企业没有体现出市值那么高，但是体现出很大的潜力，像 uber 和 Airbnb 都是不断的来的，人工智能巨大的潜力是在这儿的，大家把基础学扎实了，不断的了解一些产业，你喜欢哪一个产业，早点跳进去感受一下，其实我觉得机会现在来看各个产业都有。

　　像我和很多影视业的人聊的时候，他们觉得这事对我们有什么影响？做点特技还是预测一下电影的热卖，还能干一些什么呢？合成行不行？其实可以有一个想法，因为真能做到很逼真的效果，全部计算出来的，你想电影是不是不需要演员了，这个时候一部电影就变成一部计算了，把剧本往里一送电影就出来了，这事还挺神奇的。

　　到这个地步我们可以畅想，剧本如果实施生成是不是就可以个性化了，根据表情后面生成结果，有些人喜欢悲剧就看悲剧，每部电影完全不一样，每个人看自己的就可以了，甚至主角让我去演，王子是我，公主是你喜欢的那个，所以这个东西还是会蛮有意思的。

　　我们现在转到一些咱们课堂的学生，包括网络直播用户的一些问题上。

　　我看看第一个问题，有同学问，请问一下英伟达在量子计算领域有没有什么突破？

　　董方亮：这个问题问的有点远，据我所知，我还没有听到我们公司在量子计算方面有什么实质性的开发，因为量子计算应该是一个比较前瞻性的学科。

　　雷鸣：这一块我稍微了解一点，恰巧也是我们北大的同班同学，也是北大的师兄，是这个量子领域全球华人圈里比较顶尖的一个同学，最近他可能会从学术界离开进入产业界，他研究量子计算应该有20来年，以前的时候我都是每次见面都嘲笑一下，我说这个东西研究了半天到底是干啥的，不知道。现在来看的话，它确实有可能产生非常颠覆的未来，就是它的运算能力的话呢，和我们这儿比是一个指数级的。现在的话，那天说IBM研究50位的量子计算，为什么？49 位是现在最牛的超级计算机能力。现在还做不到通用计算，只能在一些很特定的领域里面做一些尝试，但是现在本身就是一个充满奇迹的世界，也许哪一天真的有人把它搞到通用计算里面，真的能用，这个时候就会产生奇怪的变化，这个并不是眼前马上会发生的事情。

　　这里面有一个问题，就是说因为大家都知道现在所谓的深度神经网络是基于对大脑的某种模拟，就是神经网络，但是现在 GPU 运算虽然说跟 CPU 不一样了，但它还是一种计算。

　　这位同学问，有没有考虑用人的神经网络结构来搭建未来的深度学习芯片，就是所谓我知道，好像 IBM 在尝试做，国内中科院也在做类似的东西，对于NVIDIA来讲，在这方面是怎么考虑的？觉得这一块的发展未来会怎么样？

　　董方亮：我们简单来探讨一下这个问题，其实这个同学问的问题，从场景理解就是类似于针对某一个行业或者某一种场景的计算处理器，其实从我们的角度理解，如果针对深度神经网络用 DNN 做模型训练，最后拿到 MODEL 以后去做推演，这就是推演的过程，英伟达会做很多软件库包括硬件加固的优化，包括现在加速优化，所以这位同学提的问题，也正是英伟达在计算方面去做的一些努力，就是针对深度神经网络方面做的一些努力，也就是说我们也会去做针对专业场景的模型，针对这个场景中把模型训练好就可以了。

　　雷鸣：这一次回答了两个问题，我是搞搜索的，现在对于全球这么多的信息量要把它搜集起来建一个索引是非常可怕的事情，是非常慢的，整个索引库更新并不是一瞬间全部更新一遍，它是一个逐渐更新的过程。但是检索的话，它的要求就是回车一瞬间就要出来的东西，所以这两个完全不对等，所以现在深度学习也是一个挺头疼的问题，就是说我训练没有关系，训练上几个小时几周，用几百个 GPU 都没有关系，我认了。但是用的时候可不行，用的时候别人一回车几百个 GPU 算几个小时这事就废了，你刚才也讲了做一些这方面的工作，未来会不会在这方面继续促进？从硬件方面会有一些什么继续的工作？