※ 引述《KILLE (啃)》之铭言：
: 又过一年了 来看本人两年前预测文
: 硅谷这AI职缺明显变少

: CUDA也变少

: 产品要落地 必要之优化不可少
: 产线要优化 流程要优化 电路设计需要优化 装置软件韧体要优化
: 凭甚就AI不需要 ?
: https://finance.technews.tw/2021/01/15/unicorn-companies-software-ec-ai/
: ※ 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

: : 但用CUDA去找　只能看到 77个职缺

: : 类似的状况在硅谷也一样 以下是用indeed之结果
: :

: :

现在结果算是揭晓了
AI = 拼数据 没数据就是吃毛
数据充足 烂模型亦为结果好棒棒
数据不足 神佛亦难救
在数据够情况下 不要说底层优化到自己开芯片
就算是推论inference运行模型之芯片 还买都买得到
是的 我当初推论偏颇 以CUDA为深度学习量揣指标
我未想到还有AI专用芯片这路
以我这四年观察 :
人工智能 离不开传统做法为前处理 不论是统计分析还是讯号图像处理
这些传统处理 相当多适合一口令一动作无需判断之并行计算
(SIMD单指令多笔数据)
也就做CUDA(或SIMD(x86 SSE/AVX, arm NEON)优化
在数据够 在玩到一定程度后 这些前处理必需优化
而数据量是核心之核心 以致根本没几间公司数据量达到需聘人优化前处理
人们现发现其实AI(在数据不足时)也没这样神
AI今日退成统计分析之一环 与传统方法互补
今日 累计数据之重要性 比 找个AI天才 来得重要
AI常只是意谓 这公司有在做统计分析 至于是不是神经网络 那不是重点
结果能用 正确 就可以了
采数据才是AI真议题 所以做单芯片韧体之人 比之前来得抢手
不过AI也不能说没用 让公司重视数据分析 看出些端倪 总是好是