總得來說，上述這些方向大多還是老生常談，在過去的幾十年有各種各有的研究和實驗。但很多相關的工作停留在了學術圈或者研究階段，而沒有大規(guī)模的應用。原因主要在下面幾個方面：第一是在驅動力方面，或者沒有足夠的收益，不能提供支持商用的投入產(chǎn)出比；或者沒有足夠的競爭壓力。第二是技術上確實很難實現(xiàn)，比如全棧優(yōu)化的問題。還有一種情況，我們有一定的驅動力，也知道怎么去做，但就是沒辦法高效的去做。換句話說，即生產(chǎn)率（productivity）太低導致成本太高。如果阻礙我們前進的關鍵問題為此，那么最可能的結果是新工具或新的方法學的出現(xiàn)。各個AI Framework對ML/DL快速發(fā)展起到的關鍵作用就是很好的佐證。其實，黃老板在后面也著重講了這個問題，贊揚了開源領域的各種工具，當然重點還是CUDA和RAPIDS。要應對AI領域給我們帶來的各種新挑戰(zhàn)，發(fā)明新工具或者改造老工具的需求將會非常旺盛。另一方面，不斷強化的AI本身在工具中的應用也會越來越普遍，AutoML就是很好的例子。最終也許會真的實現(xiàn)AI設計AI，AI設計計算機。甚至，也許真的像阿西莫夫的科幻小說所描述的，星際旅行的飛船并不是由人類發(fā)明，而是由人類設計的AI（金頭腦）所發(fā)明。

寫到這里，發(fā)現(xiàn)題目起的有點大，上面講的只是幾個點而已。不過，如果我們仔細觀察，這些點都是相互關聯(lián)的，結合在一起又可能形成新的機會，這才是最有趣的地方。畢竟，現(xiàn)在是黃金時代嘛。