比起Google等同行，微軟的AI研究似乎“藏”得更深。除了會打電話、會寫詩和會聊天的微軟小冰，微軟的AI還做了哪些事？微軟對一些前沿AI應用的理解是什么？微軟如何看待人們對AI的過度恐懼？以及，微軟為什么不像Google那樣做TPU機器學習芯片？
圍繞這些問題，微軟全球執(zhí)行副總裁、微軟人工智能及微軟研究事業(yè)部負責人沈向洋博士與PingWest品玩創(chuàng)始人駱軼航進行了一次對話，回應了關于微軟人工智能的終極“七問”。
一問：人工智能應該被更溫暖地使用
駱軼航：今天我們主要聊聊微軟的人工智能特色優(yōu)點。我們會聊到一些AI教育、AI應用和關注普適性、普遍性的問題。開始我還是想先請您講一個故事。您跟羅徹斯特理工學院的BrianTrager在Build大會上有過對話，但BrianTrager本人失聰是聽不到的，而您當時講的中文。那么兩個人是怎么溝通的，原理是什么？背后的場景和技術都是什么樣？這個東西可能很多人都會很關心。
沈向洋：是的，我可以給你講一下這個故事。BrianTrager非常了不起，因為他天生聽不到。我以前對這些東西也不懂，跟他一起工作了兩天我才知道，失聰以后其實聽力是沒有反饋的，不像我們，講話自己還可以聽到。雖然我們聽到的也不是完全真正的聲音，是通過耳骨傳過來的，但已經(jīng)足夠好了。Brian因為說話聲音沒有反饋，所以他講話的聲音就不太對，一般人聽起來覺得有點怪怪的。
羅徹斯特理工學院設立了一個非常好的項目，有很多專門培養(yǎng)聾啞學生的課程。他們后來知道我們微軟有相關的人工智能技術之后，就跟我們合作，在項目里加入人工智能技術。其中有兩大技術比較重要。
一類技術是定制語音識別服務。對于通用的語音識別，比如你講的話、我講的話，微軟的技術就可以聽懂，這是通用的模型。但是聾啞學生那樣的語音很特別，發(fā)聲很奇怪，可能以前模型里沒有搜集到過這樣的數(shù)據(jù)。所以，在微軟人工智能的認知服務里面，我們提供了定制服務。這是我們的強項，可以用少量的數(shù)據(jù)令你做得很好。不光是語音識別，還有語音合成。
另外一類技術是翻譯。翻譯這一塊，我們做了很長時間，最近取得了非常大的進展。今天會場上黃學東博士演示的一款魔芋AI翻譯機，賣得非常好，后臺就是微軟做的。
駱軼航：所以概括一下，其中主要用的是兩個技術，一個是語音識別，包括定制化、識別特殊的人聲，通過大量的數(shù)據(jù)把它合成成普通人能夠聽得懂的人聲、機器能夠聽得懂的發(fā)聲；第二是翻譯技術。結合這兩者做到這樣的事情。
沈向洋：其實很了不起。像我的英語，其實是Chinglish；我的中文，也有南方口音。所以你提到Brian這個例子，今天我也很激動。我們還有一個類似的例子。有一個叫做宋昊旻的南京孩子，從小就已經(jīng)聽不到了。他非常了不起，唇語閱讀的能力非常強。他今天跟我做了一次交流，而且我反過來用英文跟他說話。
這是一件很感動的事情。我覺得更加重要的是，微軟讓人工智能有正能量。對盲人、聾啞人這類人群而言，技術上已經(jīng)好到足夠的地步了。做人工智能不見得要完全從商業(yè)利益出發(fā)，我們很希望能夠做一些這樣正能量的事情。
二問：微軟小冰會打電話是真的，但GoogleAI給餐廳打電話是真的還是假的？
駱軼航：我們剛才提到了微軟兩個非常重要的引領性的AI技術，我很感興趣。這個牽出第二個非常感興趣的事——微軟小冰。小冰是一個溝通式、對話式的人工智能。小冰打電話這件事兩年前我們就見過，不過上周另一家總部在Moutain View的廠商（Google）也演示了一個很酷的AI的打電話的演示，當時我也在現(xiàn)場。
沈向洋：很激動人心，那個演示得很好。
駱軼航：能不能簡單評價一下，讓人工智能跟人打電話能夠做得很順暢、很無阻，聽起來不像是一個機器，最需要做到的東西是什么？以及在這個方面微軟和那家公司（指Google）做得更不一樣的地方是什么？
沈向洋：首先我覺得Google做得蠻好的。當時演示以后大家都非常激動，因為他做了一個全雙工（Full Duplex）。視頻演示出來之后，我們也去看了一下，認真學習了一下，其實是很認真地研究了一下。這個跟我們在一年多、兩年前跟小冰打電話不太一樣的地方是在這里：
第一，我們在中國做了以后，沒有想到把這件事情包裝一下，講的范圍更大一些。因為對整體技術的成熟度來說還比較早。我待會兒會講到里面真正的技術難點。
第二，他們選擇了一個場景，這個特定場景對于用戶來講，能讓他們一下子就明白技術是什么。
駱軼航：但人工智能通電話不僅僅是給餐廳打電話。
沈向洋：對，人工智能不僅是一個服務型的場景，它其實是一個專業(yè)領域。我們現(xiàn)在技術落地有兩個領域。小冰是一個大眾領域，她是一個聊天機器人，你什么都可以跟她聊。你打電話去餐館就是定餐，不會是跟餐館的人說我明天去哪里旅游之類的話題。所以相對來講比較容易一些，技術上的難點反而少一點。
如果要講到其他領域的事情，它就會講，你問這個問題我不知道，問的人其實可以理解這種回答。人跟小冰一起聊天的話，總希望小冰慢慢變得越來越聰明，什么都知道一些，但這需要時間。不過，我覺得這個特定場景是Google做得很好的地方，我們要不斷向他們學習，希望我們以后有更多更新的技術去做得更好。
既然大家這么有興趣，我就再講一下我們剛發(fā)布的“全雙工語音技術”，F(xiàn)ullDuplex。
我們不光做了中文的，日語也做了，未來會把它推廣到英語和其他語言。最重要的是，我們會把這個技術開放給三方開發(fā)者，大家——包括其他的開發(fā)者——都可以用我們的技術來開發(fā)他們的應用。
駱軼航：開發(fā)者開發(fā)后，會把它變成自己的專業(yè)領域的應用。
沈向洋：對，為什么大家覺得做“全雙工語音技術”很有道理呢？其實全雙工語音技術已經(jīng)應用到一些IoT的產(chǎn)品里，比如小米之家。
從演示的視頻可以看出，你有沒有連續(xù)對話的能力，用戶有直觀的感知。不然老是講“什么什么同學”，問一句；接著講“什么什么同學”，再問一句；它只能是一個玩具。不像我們兩個人講話，不需要反復提及人名。講幾句提一個“Harry”好像親切一點，但不能每句話提一次。在這些方面，大家逐漸在重視這個問題。如果我們把技術開放給第三方的話，對這樣的對話式人工智能的發(fā)展具有非常有正面的促進意義。
駱軼航：我理解在人工智能對話中，雙方的努力點不一樣。微軟更多是大眾領域，Google更多是先在一個專業(yè)領域。但是微軟正在努力把這個FullDuplex的技術開放給第三方，讓第三方基于大眾領域創(chuàng)造自己的專業(yè)領域。這樣能驗證人工智能在不同場景、和非常特定條件之下的對話能力。
沈向洋：我們也做專業(yè)領域，很努力地做專業(yè)領域。我們覺得有一些非常有價值的專業(yè)領域，比如客服。餐館訂餐當然也很有趣，但相對來說，客服的商業(yè)價值更加可圈可點。其實我們非常希望Google能很快做出他們的產(chǎn)品，我們可以真正地試一下。最近我不知道你有沒有看到有人挑戰(zhàn)說這個演示是假的。
駱軼航：對，結果第二天Alphabet（Google母公司）董事長出來講我們這個已經(jīng)通過圖靈測試了。
沈向洋：后來有一個媒體就挑戰(zhàn)說演示是假的，為什么是假的？你聽整個對話當中一點噪聲都沒有。而且記者很認真，說你不是在Mountain View嗎？他就在Mountain View打了二十幾家餐館的電話。結果發(fā)現(xiàn)電話接通后，餐館的人一定會說“Hello，XXXRestaurant，May I help you？”但整個演示里面都沒有。
那個記者很執(zhí)著，就問他們能不能告訴我是哪家餐館，我要驗證一下是不是真的有人給餐館打過這個電話。Google拒絕給出名字，記者就生氣了，說你是不是假的？Google不肯回應。
我覺得這都是小插曲。技術肯定會越來越進步，但是現(xiàn)在肯定還會有很多難度。
首先是語音方面，接下來是語言理解方面，這是一個長期的過程。但有一件事情是肯定的，就是質(zhì)量會越來越好——隨著數(shù)據(jù)越來越多，用戶越來越多，大家用得越來越多，毫無疑問質(zhì)量會越來越好。
三問：對人工智能來說，EQ（情商）比IQ（智商）重要
駱軼航：這很有意思，之前人們對于小冰的很多理解是娛樂性的：小冰跟我推測一下，我講的是哪一個人？小冰跟我聊聊天。小冰給我隨便打個電話。打一打電話，隨便聊幾句，給你祝賀個生日。大家覺得這個是娛樂性的，但是大眾領域要做的東西很多，大家更多是期望看到在具體場景之下的應用。
小冰是AI一個出口，尤其是中文的角度。它有中文自然語義處理、語義分析，還有翻譯都要用進來。所以小冰寫詩，是對我比較震撼和刺激的一件事情。因為過去我們認為創(chuàng)作是人面對人工智能最后一道心靈壁壘。
前不久我跟劉慈欣聊天，我們說這個壁壘沒有了。劉慈欣開導我說，你不要這么去想這個問題。你管它是怎么創(chuàng)造的，管它有沒有情感，創(chuàng)造出來比你厲害不就夠了。所以我非常想知道，我們?yōu)槭裁匆鲂”鶎懺娺@件事情，以及微軟內(nèi)部這件事情的看法，這件事情之后有哪些反思？
沈向洋：這是很好的話題，這個話題可以聊很久。做小冰聊天機器人的時候我很支持。但一開始我總覺得聊天機器人這件事情可有可無，結果產(chǎn)品團隊跟我說：其實聊天是剛需。
后來我做了一下研究，原來真是這樣。一個人一天內(nèi)，聊天要聊幾千句，女生還要再多一點。中國互聯(lián)網(wǎng)還有相對特別的地方，就是網(wǎng)民中大概有三分之一，上網(wǎng)發(fā)表一個意見以后，從來沒有人回應。比如說一些到城里來打工的人群，就算有一個朋友圈，大家相互之間的隔膜也比較多。他們其是希望有一個可以相互理解、交流的過程。我同事說像你這樣的人，微信隨便發(fā)個東西，只有200個贊，就好像很不滿意。但是很多其他人不是這樣的情況，通常沒人理。所以后來我們做了聊天機器人。
其實小冰最最了不起的，是促使我們真正研究EQ這件事兒。我們今天整個大會議程里也專門提到了EQ（情商）。人工智能是在增強人類智能，當然有不同的方法定義智能，你可以講IQ（智商）和EQ。但EQ究竟是什么？它是有定義的，EQ包括你自己的理解和別人的理解。
我們覺得小冰最了不起的事情，就是在所有聊天機器人里面，對EQ這件事情是真正去建模、真正去研究、真正去實現(xiàn)的。再回頭講到，小冰有很多很多技能，像寫詩、唱歌，我們產(chǎn)品團隊的確有很多思路。
比如寫詩，在微軟亞洲研究院已經(jīng)有很多年的歷史了。很多年前，我們做過一個對聯(lián)系統(tǒng)，現(xiàn)在可以上那個網(wǎng)站還可以看到，出個上聯(lián)它給你對個下聯(lián)，還有橫批，對這個對聯(lián)不滿意還可以固定幾個字重新生成一下，做的還挺好。后來開始有人說，說不定可以寫詩，比如寫個七律什么的。而小冰寫詩，稍微有一點取巧了。因為創(chuàng)作的東西，最難的一件事情是創(chuàng)意，是Cold Start（冷啟動）。而寫一首詩需要的是感覺，所以當時他們就走了一個捷徑——說那這樣吧，感覺在圖里面，你上傳一張圖，我給你分析一下這個圖的大概樣子。
駱軼航：這就是人和機器理解事物方式的不同，機器要從視覺識別才可能有“靈感”。
沈向洋：對，從視覺識別開始的。我們有一個研究隊伍寫了一篇論文，講的就是怎樣從一張圖找出它的意境里的關鍵詞，再用這樣的一些詞串起來。寫的挺好�，F(xiàn)在小冰寫詩越做越好，今天我們還跟中國青年總社一起合作做了一個工具，讓人和小冰聯(lián)合創(chuàng)作寫詩。我們希望在不遠的將來，選一批寫得很好的詩出來。我們相信以后人類和小冰可以共同創(chuàng)作，說不定可以創(chuàng)作出更好的內(nèi)容。
駱軼航：可能不只是詩了，人和AI一起創(chuàng)作關于AI的科幻小說。
沈向洋：也可以的。人其實最難的就是出個初稿，有了初稿以后，你就有了一些想法，然后這里改改那里改改，越寫越好。我自己也和小冰寫過一首詩，就改了一些字。
我們講好，所有IP都是用戶的，小冰不會占你的IP，你直接發(fā)表。你改一個字改兩個字好也好，這都是你的IP。所以大家都很高興，當時上了線一個星期還是一個月，就好像有幾百萬，我忘記那個數(shù)字了。那個詩歌數(shù)量的總數(shù)，比中華人民共和國建國以來所有發(fā)表詩歌的總和還要多。
駱軼航：所以機器下起棋來比人可怕，這是Google證明的，因為人和機器理解圍棋的方式是不一樣的，現(xiàn)在看寫起詩來也是。
沈向洋：其實AlphaGo這個事情對亞洲人、對東亞人而言，不是觸動很大，而是打擊很大。我們小時候，小學進圍棋隊就很聰明了；中學進圍棋隊就說明你很牛了；你進了清華還能進圍棋隊那就不是一般人了。但在今天，這些都不算什么了，因為機器隨便就能把你干掉。我們小時候人家都說最了不起的、很聰明的，智能的，就是下圍棋了。
駱軼航：既有意志又聰明，甚至有對哲學和“形而上”的感悟，現(xiàn)在這些東西徹底被消滅了。
沈向洋：對，就徹底被消滅被殺害掉了。
駱軼航：所以對亞洲人打擊非常大。其實小冰，它也瓦解了人們另外的一部分，就是人們覺得我智能上不能跟機器相比，但是創(chuàng)作上可以——現(xiàn)在這件事看起來也沒有那么重要了。
沈向洋：沒有那么重要了。我覺得很多新生事物剛出現(xiàn)的時候，大家不是很清楚，不知道怎么理解。我小時候在鄉(xiāng)下長大，人家老講鄉(xiāng)下農(nóng)民的故事：以前剛裝喇叭的時候，喇叭里面播新聞，農(nóng)民總是跑喇叭后面看看人在哪兒。新生事物大家總是得慢慢接受，我們沒有什么選擇，我們是第一代跟人工智能共生存的一代，所以必須要找出方法和人工智能一起生存，甚至怎樣利用人工智能讓我們的生活更豐富。
四問：人類對人工智能的過度恐懼，來自對“AI服務于人類”的懷疑
駱軼航：所以接下來說另一個我們想去探討的話題。您講的農(nóng)民回到喇叭后面看那個事情，他是一種好奇，未必是一種恐懼。我過去覺得中國是一個非常“ProTechnology”（熱衷科技）的國度，尤其是互聯(lián)網(wǎng)給中國過去十年的改變太大了，美國人相對保守一點。但是去年我發(fā)現(xiàn)整個全球范圍之內(nèi)，人民對人工智能恐懼心里普遍嚴重了。
而中國是對人工智能有過度的憂思。比如我正在跟媽媽聊關于裝修的事，怎么突然某個工具給我推了一條裝修廣告，它是不是開啟了我的語音麥克風推了一個東西？我們雖然知道不可能，但這種恐懼非常普遍。在美國，有OpenAI這個組織，他們在過去一年反復提醒人們關于人工智能的一些警惕，比爾·蓋茨也曾參與過他們的一些討論，也與扎克伯格有一些爭論。在中國，AlphaGo給大家的刺激挺大的，大家知道機器的“可怕”了，所以有過度恐懼在里面。我現(xiàn)在想了解的是，微軟包括您個人在這樣的一個過程中是什么樣的看法和角色？
沈向洋：非常好的問題，其實對人工智能的擔憂，我個人覺得有幾個不同的層次。
大概三年前，尼克·鮑爾森的文章就說，當AI出來，這個世界就要完蛋了。特別是他寫的很詳細什么叫Super Intelligence（超級智能），什么時候會超越人類。另外因為AI用了你很多數(shù)據(jù)，你覺得很恐懼，比如甚至會影響到大選和你平常的生活，這是另外一個層次。
微軟研究人工智能的技術已經(jīng)很多很多年了。這些年我們開始做產(chǎn)品，做人工智能這些產(chǎn)品的時候，我們認識到，以后人工智能一定會進入到所有的產(chǎn)品里。所以我們非常認真的思考一些事情，比如AI是不是應該有倫理道德，我們?yōu)槭裁匆鯝I？倫理這件事情，最基本意思是說，不能為所欲為，要有約束。
微軟對人工智能的觀點是很清楚的，做人工智能的目標是幫助人類，方式就是要讓人工智能普及化。所以最重要的一點，是看大家是不是對這個事情足夠重視？微軟一年前成立了一個AI倫理委員會（AETHER），這個委員會把全公司的產(chǎn)品部門、業(yè)務部門，還有更重要的法務部門集合在一起，研究院的一個同事和法務部同事做聯(lián)合主席。
我們覺得這里有多方面的問題。第一，偏見的問題，人工智能是不是公正的；第二，透明性，為什么人工智能會是這樣一個情況；第三，可靠性，如果你利用AI導致了怎樣的結果，最后是誰來負責，是誰來做這個決定的？比如自動駕駛出事故了，往左邊會撞死一個老頭，往右邊會撞死一個小孩，那該往哪邊撞？或者往左邊撞的是一個人，往右邊是一頭豬，你會往哪邊撞？這些事情，今天還沒有法律約束。再比如自動駕駛突然出車禍了，警察來了，你說我都蒙掉了。警察很同情你，他可以理解，肯定所有的事情都是預先編程在里面的。但這個問題很嚴重，誰來負這樣的責任？
所以，有很多很多這樣的問題需要解決。我們剛起步，在這個行業(yè)中還需要大家認真對待、真正去研究這些問題。不光是高科技企業(yè)，包括社會、包括政府、包括法律，都需要不斷的跟上。
五問：AI不是互聯(lián)網(wǎng)上的“風口”，而是nextto互聯(lián)網(wǎng)的下一代基礎設施
駱軼航：其實微軟的人工智能，包括我們談到的對話式人工智能、翻譯、神經(jīng)網(wǎng)絡、自然語義處理和分析，我們提到這些應用，還是在和人溝通一些層面上的應用。大家還沒有更多的往實際場景去做，比如自動駕駛，那么微軟對這些事情的想法是什么？
沈向洋：首先，微軟是一個“藍領階層”的公司，我們做的都是比較初始的工作。我們一直都覺得微軟是一個平臺公司，我們的使命是去予力全球每一人、每一組織，成就不凡。我們相信，能夠讓其他人做的好，就很好了。
說到自動駕駛，我們有很多技術應用在自動駕駛里面。我們幾乎跟所有的車廠都有合作，但是自己沒有去做一個自動駕駛，然后把整個汽車行業(yè)顛覆掉。微軟不是這樣的方式。
我們在智能云這方面有四大部分：第一，認知服務。我們有一批API，所有想要寫AI應用的開發(fā)者都可以用這個服務。第二，對話式人工智能。懂語言者得天下。這是人的交流，一定要對自然語言有理解。其實人的一生就是不斷在學語言。第三，開放的平臺和工具，讓你的開發(fā)更加方便。第四，基礎設施。特別是實時的人工智能基礎設施，讓開發(fā)者和企業(yè)，能夠用微軟的云和AI進步得更快。
同時我們也對垂直行業(yè)很重視。比如，客服是一個巨大商機，不過現(xiàn)在沒有很好的產(chǎn)品和平臺。另外，我們覺得必須要認真對待和鉆研人工智能醫(yī)療。在這方面，我對中國的情況不太了解，但美國現(xiàn)在全國GDP的18.5%是用在醫(yī)療上的。
駱軼航：美國是相對來說比較高的比例。
沈向洋：非常高。我老是跟同事開玩笑說，一幫老美，身體沒有比英國人好。英國一年只有9%的GDP用于醫(yī)療這塊，美國用于醫(yī)療方面的經(jīng)費超過人家的一倍，也沒看到身體比人家好。所以我覺得，在這方面，AI會給我們帶來一些新的機會。
駱軼航：也就是說AI是相當于“互聯(lián)網(wǎng)”這樣的基礎設施，而不是互聯(lián)網(wǎng)之上的某一個“風口”？
沈向洋：對，不是這樣的。AI實際上是注入到所有的東西里去的。我最近經(jīng)常跟美國一些大企業(yè)的領導交流，我老是跟他們講：你一定要明白一件事情——AI到來的時候，你肯定會被顛覆掉的。那時，你只會有兩個選擇，要么被別人顛覆掉，要么你就自己顛覆自己。
你自己顛覆自己的話，需要有技術合作伙伴。那么微軟可能是一個很好的合作伙伴，我們可以幫助你，讓你自己能夠顛覆自己，走向一個新的自我。
六問：基礎研究在云和AI時代的微軟，比Windows時代有哪些不同？
駱軼航：其實2009年左右我就見過微軟總部研究院的一些演示，我們會覺得這個東西好好，這個東西好有意思，但是就是沒法用，離現(xiàn)實有點遠。那么產(chǎn)品在哪里？那時是Windows時代的微軟，前沿技術研究和現(xiàn)實產(chǎn)品的距離很遙遠，現(xiàn)在我們到了一個“云和AI時代”的微軟。而且您身處的這個位置，又是從全球研發(fā)、基礎研究，邁向到商業(yè)化、產(chǎn)品化的角色�，F(xiàn)在，前沿的基礎研究和實際產(chǎn)品之間的距離，這個距離比過去大概有一種什么樣的拉近嗎？
沈向洋：這個問題非常非常好。這也是我自己不斷思考的問題。我自己比較幸運，可能我是很少幾個做過很多年非常深的科研——我博士以后進微軟大概做了11年自己的基礎研究——后來接下來11年在商業(yè)、產(chǎn)品也有經(jīng)歷的人。很好談不上了。我覺得很幸運有這樣一個經(jīng)歷，lifeisajourney，這樣一個很好的機會令到我兩邊都可以觀察到。很多年來，我在微軟研究院一直提倡一件事情，叫做Deployment-orientedResearch（基于實施的研究）。研究不是只是寫寫論文，而是在于你東西做出來了以后，應該把它建立出來，放出去。放出去最大的好處就是，你有了用戶，有了數(shù)據(jù)，你可以看到新的問題，甚至可以看到原來做的是不是真的有道理。
如果你真正是一流的高手，有幸到微軟研究院做科研的話，有一件事情是重要的——你是不是真正想做了不起的事情，這件事對這個社會，對這個行業(yè)，對這個專業(yè)會不會真正產(chǎn)生影響。公司里的小成功是必然的，問題就是在于你是不是追求一個大成功。
我舉一個例子，微軟在Azure上面做的一個我個人覺得非常激動人心的項目，叫做AzureSphere。它實際上是物聯(lián)網(wǎng)的一套整體解決方案，我們做了一個非常小的芯片。做嵌入式系統(tǒng)的時候，冰箱里會有這種很多很多這種小的東西，以前所有這種東西都不聯(lián)網(wǎng)，所以很便宜。而我們做了一些改變。第一，我們把整個東西改進了，以后可以上網(wǎng)，并且是嵌入的。第二，它是安全的，一旦東西聯(lián)網(wǎng)了以后，最大的問題就是安全。所以我們首先做了一個安全的芯片設計，然后在上面做安全的操作系統(tǒng)，聯(lián)網(wǎng)到安全的云端服務。
這個就是接下來大的風口。我覺得這是我們看得很清楚的地方。手機慢慢變成一個夕陽產(chǎn)業(yè)，手機整體的量已經(jīng)往下走了，不要講PC了。接下來大的東西在哪里？肯定是物聯(lián)網(wǎng)，因為這些設備數(shù)目還在拼命漲，而且會越漲越多。這些可以連接網(wǎng)絡的設備，以后會給你帶來無限多的商機。現(xiàn)在已經(jīng)是90億數(shù)量的級別了，但是到現(xiàn)在為止，不到1%的設備是互聯(lián)的。這里面有一個非常大想象的空間。
一旦連起來，就有數(shù)據(jù)了，一旦有數(shù)據(jù)就可以做分析，一旦有數(shù)據(jù)就可以有智能，很多很多都可以連接在一起。我們做了四年的研究項目，一開始的時候，大家覺得這件事情不能做。
駱軼航：離當時的現(xiàn)實太遠。
沈向洋：我覺得很了不起的地方，就是到最后，還是有這樣的一批研究人員或者是工程師，想要做一些前人覺得做不了的事情。這個才是最最了不起的。
駱軼航：如果沒有當年這樣基礎研究技術投入的話，今天就不會迎來這樣的物聯(lián)網(wǎng)連接的市場。
沈向洋：對，需要有這樣的一個技術投入，而且你真的愿意去做。為什么我講Deployment-orientedResearch呢？不是我有一個方法、有一個算法就結束了，真正有用的東西實際上是需要經(jīng)過一個用戶檢驗的過程。
七問：為什么微軟不做TPU？
駱軼航：既然說到了芯片，看來微軟在芯片的領域，AI和物聯(lián)網(wǎng)芯片的領域有一個更早的接觸和積累。這個非常有意思，我們隨便聊聊，微軟為什么不做類似于TPU（張量處理器，tensorprocessingunit，Google為機器學習定制的專用芯片）這樣的事情？
沈向洋：也有做。其實每家公司芯片都是心中之痛，都是在學蘋果，基本上就是做行業(yè)集成。大家可能不知道，微軟一直有做芯片，我們做有做Xbox的，也做HoloLens的芯片。其實，剛才提到TPU和數(shù)據(jù)中心。我們走的一條技術路線跟TPU不太一樣，我們走的是FPGA（Field－ProgrammableGateArray，現(xiàn)場可編程邏輯門陣列）的道路。今天我在會場也給大家放了一段Real-timeAI（實時人工智能）的視頻。FPGA現(xiàn)在是非常適合在AI方面執(zhí)行的。
AI分為兩個部分，一個是建模，你會用很多GPU去運行。另一個是AI的執(zhí)行，算法弄好了、調(diào)好了，你要跑起來，而且要跑得很快。我們現(xiàn)在FPGA整個這套體系做得非常好，已經(jīng)全面鋪開。兩個星期前我們發(fā)布了FPGA，你可以把它想象成可編程的硬件。我們也非常關注GPU，因為一旦你的工作流很清楚了，你把這些東西帶到芯片層面，這是很正常的事情。
駱軼航：是，但是這個過程也是需要錢的。到現(xiàn)在谷歌TPU那邊，還完全是自主的，完全沒有跟大廠合作生產(chǎn)，自己做。
沈向洋：他們做了一個TPUTools。其實它技術上不是那么簡單，還是有一些挑戰(zhàn)。比如說BatchSize（計算批量），什么樣的BatchSize才可以用到它這個性能做得更好。我們寫了一篇FPGA的文章，跟像TPU這一類的東西做過比較。相對來講，微軟是有一些技術上的優(yōu)勢的。但是做技術人都有自己不同的看法，真正的贏家是能夠把這些東西做到產(chǎn)品、做到服務，真正有用戶，真正有用戶能夠從中得益。這才是最了不起的事情。
