第105章 全面布局（3 / 4）

习”在顾诚手中自然还有他独到的用处，那就是“用户偏好分析”。

这事儿在平行时空的起步，比前两项应用要晚得多，但顾诚深知那并不是这件事情技术上比前两项难多少，而是因为平行时空最初接触深度学习型人工智能的巨头们，统统都没有涉猎娱乐/内容产业。

换言之，如果第一批接触深度学习人工智能的换成亚马逊公司，“用户偏好分析和推送”肯定会变成第一优先级的存在。

顾诚的生意，和亚马逊的重合度非常高，而且他是个知其然知其所以然的人，当然不会放过这一领域的布局。

只是这块工作量比较大，一方面要堆叠算法，另一方面也要让把目前市面上已有的大量文娱作品进行标签化分类和数据标识、将来再长年累月一步步细化细分数据表示。

按照最乐观的估计，“用户偏好分析和推送”至少要在实验室里躺两三年，才能谈试运营的问题。

幸好顾诚钱多，做得起这种长线投资。

……

在多伦多盘桓了三四天，挖够了人之后，顾诚就准备驱车回波士顿，了结一下跟扎克伯格的赌约。

然而算算日子，跟扎克伯格的一周之约还没到期，顾诚只好先去纽约休假两三天。

以他这么忙的身份，就算在纽约也不会很闲，至少也要电话遥控一下生意。

这不，他人还在多伦多的时候，就把公司的准cfo柳倩从纽约配去了旧金山，让她在硅谷投资一块办公楼地皮，在那儿注册一间yy子公司、同时留心一家成立还不到两年的初创公司，尝试一下收购。

被顾诚盯上的这家公司，便是后来在o5年拿出了世界三大物理运算引擎physx的ageia公司。这家公司历史上应该于o8年被英伟达（nvidia）收购，后来成就了英伟达的完全体gpu大业。

顾诚要搞深度学习型人工智能，要搞卷积神经网络，挖一家这样的公司就非常有必要。

就如前几天顾诚和史蒂芬.库克教授谈到的那样，任何“神经网络”和传统计算机网络最大的区别，是“没有中枢，每个神经元节点完全平等，彻底云分布”。

所以在执行“神经网络”相应的运算时，人类传统的电脑cpu效率其实并不是很高，无论英特尔还是amd。

因为稍微懂点计算机常识的人都知道，cpu是“时分占用”的计算硬件，通俗的说，一个4g主频的cpu，只是一秒钟能够运算4o亿次，但每一瞬