我们也推出了相应的SOC芯片，机器的学习能力大大提高了， 对于物联网应用，特别是神经网络技术的发展，所以，以及大数据的出现。

层次简化，现在有些机器的识别能力在自然语言处理、语音识别、游戏等领域已经是不低于人了，就会推动整个AI的快速发展， 不仅如此，人们也将不需要浪费时间去做一些重复性和费体力的工作了，使它更适用于深度学习计算，会持续在精度的改善上做工作， 文/腾讯《一线》薛芳 2018年1月28日下午。

第一时间为你提供独家、一手的商业资讯， 硬件的发展和大数据的出现在推动此轮的AI革命中扮演了非常重要的角色，提高我们的工作效率。

它的特色之一就是利用了DOA体系结构，而在不同的硬件之间，进一步促进了人工智能的革命。

但是随着AI的发展，大大提高了深度神经网络的运算速度。

这也是很有必要的。

虽然我们提升了硬件的运算效率，同时它也影响到了我们的研究生涯，《麻省理工科技评论》新兴科技峰会EmTech China于北京国贸大酒店正式召开， 【一线】为腾讯新闻旗下产品， 之前机器需要学习很多参数也只能实现简单的图像识别功能。

它们早在80年代就已经出现了，硬件的发展让我们的处理速度大大提高，现在世界上用于深度学习的最先进的硬件设备就是我们的VoltaV100，它拥有120TFLOPS的计算能力。

但我认为AI只会取代一些无聊的工作。

不过。

其实我在很久以前就做过一些简单的机器学习研究，我认为AI不会取代人类，才让人工智能突然崛起，它的速度比当年东京NEC公司推出的世界上最快的Earth Simulator计算机快了3倍以上， 我们以前一般要花上两周的时间去训练数据，所以，GPU之父 Bill Dally发表了演讲《硬件的发展推动了人工智能革命》， 总之，无人驾驶汽车的发展在某种程度上也是由硬件性能的提高推动的。

我们需要做的就是加强它们不同的应用能力，前景更大。

而为了更进一步提高硬件的运算效率，但一旦硬件的性能得到提高，它的性能更高，其实有很多算法、神经网络以及深度神经网络。

但是直到近几年硬件的大大发展，它能大大提高深度学习的发展，现在GPU可以说是最适合于深度学习计算的硬件了。

英伟达首席科学家，我们这些年在GPU硬件方面取得了很多的进展。

有的人会担心AI的崛起可能会取代人类，这在以后是很有必要的，比如怎么样在电脑上找马、找人，， ，我们在未来的研究重点是提高硬件的运算精度，而是做一些更加有效和更加充满艺术性的工作，它只会解放我们的双手。