这还只是工资，没有算什么实验室设备投入方面，算上那些更加恐怖。

而且这东西短时间出不了成果，出成果了也不一定能马上赚钱。

没点实力的公司，根本带不动。

不过张益达转念一想，猪猪宝一个月工资都要发10个亿出去。

一个亿好像也不是很多啊！微软除了一个微软亚洲研究院，还有很多岗位在美国。

领美刀的那些人才是真正的大牛，年薪百万，还是美刀。

不过张益达想挖这些人到中国来，恐怕不仅要拿出等同于微软的薪酬，甚至还要高出一筹才行。

没钱，就只能拿期权骗人了。

“张先生，怎么样？压力大不大？”

陆奇看张益达半天不说话，一直在那默默思考，以为他是退缩了，于是出言打趣道。

“还好，压力不算大！”

张益达表现得很淡定，“我目前旗下公司中，锐向有人工智能团队，抖视也有，然后……其他公司暂时没有涉及这块业务，就没有招纳相关领域人才了。

两家公司凑一凑的话，弄出来五百人团队应该还是可以的。

另外，我在国内还投资了商朝科技、旷视科技等一大票图像识别公司，语音识别的话，国内目前科大讯飞做得不错，也可以跟他们开展一些合作。

我们只需要把力量集中在对话引擎、自然语言处理、深度学习等几个领域就好了。”

陆奇说了一声“好”后，又继续说道：“除了人才和资金方面，还有一项东西至关重要，那就是数据。

数据需要人工智能，人工智能也需要数据。

步入“数据3.0”时代后，企业的数据资产暴增，常常会超出固有的业务边界，把什么垃圾数据都纳入进来。

这就导致数据量越来越大，数据质量参差不齐，数据输出结果就很难准确。

而深度学习算法需要海量的数据来进行“训练”，数据量越大越精准越好。

在机器学习或深度学习模型中，使用错误的数据或规模不够大的数据列队来训练和运行这些模型，很有可能做出来的人工智能是一个“畸形”儿！

谷歌的数据是建立在其强大的搜索业务基础上，苹果则是建立在保有量庞大的手机终端设备上面。

微软的话，则是来自于办公软件、操作系统、还有搜索业务。

张先生你如果想做出很牛的人工智能产品的话，数据必不可少。

但据我所知，中国互联网用户的大部分数据都掌握在BAT手里。

锐向掌握一部分用户的金融数据，其他数据就很少了。”

“是的，在大数据储备上面，我们目前还落后于BAT。

本章未完，请点击下一页继续阅读！ 第2页/共3页