这篇写的很像之前一个美国tier1 staff等级的朋友说过类似的东西
不管大公司小公司 台湾软件根本搞不起来 都是当硬件在做
整天就是改写成C++或弄底层加速让spec好看
不用别人的solution自己写,
讲好听会比较快其实是公司没钱花下去或是就是玩假的
都没想过同样时间开发上在架构上的优化
绝对强过整天在那边改pointer 加速
※ 引述《bluebluelan (白鱼挺粗强贝柱连根立)》之铭言：
: 不管做什么 门槛最低的都是应用 从业人数也最多
: 应用 协议 硬件
: 以AI来说 用framework的人数>>>>开发framework的人数>>>>搞硬件的人数
: 算法好坏可以差到指数级别
: 你算法太渣 去省硬件那几个指令集也没啥用
: 但是问题就来惹 两家公司算法差不多 要真的跟别人有所区别那肯定要往上游走
: 能去搞硬件的软件公司 就那么两三家而已
: 一般来说 自己觉得应用层面没得搞了 才会去往framework还是硬件去动
: 要是一间公司在什么东西都还没有 就想着要整合上下层 不是后面有超多钱可以烧
: 不然就是没两年就倒
: PC时代 写软件的多 搞硬件的少
: .com时代 写网页的多 搞网络底层的少
: mobile时代 写APP的多 搞SOC的少
: 再再都说了 写应用才有机会赚大钱
: 如果Amazon一开始卖书就想着要去搞网络芯片 大概没几年就倒
: 而CUDA跟OPENCL那已经是软件的最底层惹 再下去就硬件
: 做的就是搬搬buffer 下下指令 做一些内存管理的东西
: 到这个年代基本上这一层的效能已经不会有倍数级别的差异
: 花一样时间顶多给你省个10%~20%
: 还不如花心思去搞定上层的应用 跟商业模型 咖实在
: ※ 引述《KILLE (啃)》之铭言：
: : 个人认为 AI是个大泡泡
: : 理由很不是因为炒很热　又没确实赚钱这观点
: : 现在我们用104 去查 deep learning
: : 全台可以找到全职6185个职缺 https://imgur.com/wCQVRqB
: : 但用CUDA去找　只能看到 77个职缺 https://imgur.com/ve9tbj1