尋夢新聞LINE@每日推播熱門推薦文章，趣聞不漏接❤️
數據、算法、算力被稱作深度學習的三架馬車，共同驅動了第三輪人工智慧浪潮的興起。一方面，硬件計算能力的發展確實快速推進深度學習技術在各個領域取得巨大進展，但另一方面，深度學習模型升級的頻率顯著高於過去，模型的計算力需求呈爆炸式增長，已經將過去多年來累積的計算力成本下降的紅利迅速蠶食。
近幾年，許多給人留下深刻印象的技術突破都是「大力出奇跡」類型，即算法的新鮮度不強 ，但是通過使用更多的數據、更多的算力，實現更驚艷的效果 。以最近火爆全球的GPT-3模型為例，其參數量高達700億，有行業人士估計訓練這一份模型需要1200萬美金，別說普通人玩不起，就是一般的公司也難以承擔。人工智慧要真正實現全面落地，還面臨著巨大的鴻溝。
但萬物智聯的時代就在眼前，數據的增長、算法的發展將會給算力帶來越來越大的挑戰，提高整個計算系統的性能與效率迫在眉睫。面對算力瓶頸，軟體層面能做些什麼？如何進一步通過軟體釋放硬件的最大性能？如何更好地滿足對海量數據進行實時處理和分析的需求？實現「計算普惠」還有哪些門路？
9月25日晚19:00點，英特爾中國研究院院長宋繼強 、英特爾架構、圖形和軟體集團副總裁兼中國區總經理謝曉清將與南京大學軟體工程教授張賀、清華大學計算機系長聘副教授、博士生導師翟季冬、中國科學院計算技術研究所研究員崔慧敏，共同現身 InfoQ《大咖說》直播間，針對上述問題展開討論。
快來圍觀大佬們的觀點碰撞吧！
©英特爾公司，英特爾、英特爾logo及其它英特爾標識，是英特爾公司或其分支機構的商標。文中涉及的其它名稱及品牌屬於各自所有者資產。