“首先是计算资源。它是个不折不扣的吞金巨兽，对算力的需求极高。我们现有的服务器集群，可能跑一个复杂的模型就要满负荷运转几天几夜。”
“然后是数据质量。模型的上限，取决于我们喂给它数据的质量。垃圾进，垃圾出。我们需要海量的、经过清洗和标注的高质量数据，这本身就是一项巨大的工程。”
“最后，也是最关键的，”马宇腾的目光落在汤智晓身上。
“可解释性差。它是个黑箱。我们知道它给出了正确答案，但我们不完全清楚它做出这个决策的具体逻辑。在推荐新闻这种无伤大雅的场景下没问题，但如果未来要应用到金融风控、自动驾驶这种性命攸关的领域，一个无法解释的AI，就是一颗定时炸弹。”
刚刚还激动不已的汤智晓和马明，都冷静了下来。
这三个问题，每一个都无比现实，像三座大山横亘在面前。
他们明白到深度学习技术想要真正落地应用，将是一个长期且艰巨的任务。
汤智晓脸上的红光彻底褪去，目光再次投向那复杂的模型图。
他作为科学家，第一次感受到了理想与现实之间那条难以逾越的鸿沟。
马明则靠在椅背上，双手抱胸，眉头紧锁。
他不像汤智晓那样思考算法的瓶颈，他脑子里盘算的是一笔冰冷的账。
吞金巨兽般的算力需求，意味着要投入天文数字的资金去采购服务器。
海量的高质量数据标注，意味着要组建一个庞大的人力团队，旷日持久地做着最枯燥的工作。
这些前期投入，都将是压在明讯网络现金流上的巨大负担。
虽然明白这是新技术的落地本就是一个漫长投入的过程，但也无法避免的有些沮丧。
马宇腾端起面前那杯已经凉掉的茶，轻轻呷了一口。
茶水的微苦在舌尖蔓延，一个念头在他脑海中闪过。
他想起了穿越之前，那场轰动一时的阿尔法狗与顶尖棋手的对战。
是了，饭要一口一口吃，路要一步一步走。
在攀登珠穆朗玛峰之前，总要先征服几座小山，用来适应海拔，磨练团队，更重要的是，向世人证明自己有攀登顶峰的实力和资格。
他放下茶杯，杯底与桌面接触发出一声轻响，打破了室内的沉寂。
汤智晓和马明同时抬起头，目光聚焦在他身上。
“如果，”马宇腾的语气很平缓，像是在提出