這篇寫的很像之前一個美國tier1 staff等級的朋友說過類似的東西
不管大公司小公司 台灣軟體根本搞不起來 都是當硬體在做
整天就是改寫成C++或弄底層加速讓spec好看
不用別人的solution自己寫,
講好聽會比較快其實是公司沒錢花下去或是就是玩假的
都沒想過同樣時間開發上在架構上的優化
絕對強過整天在那邊改pointer 加速
※ 引述《bluebluelan (白魚挺粗強貝柱連根立)》之銘言：
: 不管做什麼 門檻最低的都是應用 從業人數也最多
: 應用 協議 硬體
: 以AI來說 用framework的人數>>>>開發framework的人數>>>>搞硬體的人數
: 演算法好壞可以差到指數級別
: 你演算法太渣 去省硬體那幾個指令集也沒啥用
: 但是問題就來惹 兩家公司演算法差不多 要真的跟別人有所區別那肯定要往上游走
: 能去搞硬體的軟體公司 就那麼兩三家而已
: 一般來說 自己覺得應用層面沒得搞了 才會去往framework還是硬體去動
: 要是一間公司在什麼東西都還沒有 就想著要整合上下層 不是後面有超多錢可以燒
: 不然就是沒兩年就倒
: PC時代 寫軟體的多 搞硬體的少
: .com時代 寫網頁的多 搞網路底層的少
: mobile時代 寫APP的多 搞SOC的少
: 再再都說了 寫應用才有機會賺大錢
: 如果Amazon一開始賣書就想著要去搞網路晶片 大概沒幾年就倒
: 而CUDA跟OPENCL那已經是軟體的最底層惹 再下去就硬體
: 做的就是搬搬buffer 下下指令 做一些記憶體管理的東西
: 到這個年代基本上這一層的效能已經不會有倍數級別的差異
: 花一樣時間頂多給你省個10%~20%
: 還不如花心思去搞定上層的應用 跟商業模型 咖實在
: ※ 引述《KILLE (啃)》之銘言：
: : 個人認為 AI是個大泡泡
: : 理由很不是因為炒很熱　又沒確實賺錢這觀點
: : 現在我們用104 去查 deep learning
: : 全台可以找到全職6185個職缺

: : 但用CUDA去找　只能看到 77個職缺