在工作和學(xué)習(xí)中，我接觸到不少研究人工智能相關(guān)的人，但是很少有人了解并行計(jì)算，而且?guī)缀鯖]有人對(duì)并行計(jì)算技術(shù)愿意付出精力來了解，即使他們的工作是以工程應(yīng)用為目的的。我覺得這種狀況很可悲，因?yàn)楹芏嗉夹g(shù)在少數(shù)人挖掘的時(shí)候，等到普及了，這些少數(shù)人就是那些大牛了。而大多數(shù)人只能跟隨。

用計(jì)算機(jī)來計(jì)算達(dá)到我們的某種目的，這需要硬件和算法的支持。當(dāng)前主流芯片的單核頻率很難有所提升，人們?cè)诙畮啄昵熬烷_始嘗試多個(gè)核心或者多個(gè)節(jié)點(diǎn)的硬件設(shè)計(jì)，使得計(jì)算平臺(tái)擁有可并行的能力。在諸如大氣計(jì)算，石油計(jì)算，人工智能等領(lǐng)域中，存在大量計(jì)算密集型的算法，他們?cè)趩尉€程條件下已經(jīng)可以充分利用單核的計(jì)算能力，但是仍然有很多應(yīng)用難以達(dá)到讓人滿意的計(jì)算速度。挖掘算法的并行潛力，使其可以充分利用并行計(jì)算平臺(tái)，會(huì)提高程序（算法的具體實(shí)現(xiàn)）的計(jì)算效率，故為應(yīng)用計(jì)，并行計(jì)算是非常值得重視的。

實(shí)現(xiàn)某個(gè)任務(wù)的程序，要想提高他的計(jì)算效率，基本有兩個(gè)重要的途徑：從算法上來降低它的時(shí)間復(fù)雜度；從實(shí)現(xiàn)上來挖掘他的并行潛力。前者是從解決方法上創(chuàng)造算法，后者是在工程實(shí)踐中加速現(xiàn)有程序。目前在這兩個(gè)方向上的人力并不均衡，前者人力遠(yuǎn)大于后者。觀察目前的商業(yè)公司，專職對(duì)后者研究的單位或者部門可以用鳳毛麟角來形容。這種現(xiàn)狀也許是好的，但是至少在量子計(jì)算機(jī)普及之前，并行計(jì)算一定是值得研究的，因?yàn)槲覀儧]有更快的單核計(jì)算機(jī)可以用，可用的只能使并行計(jì)算平臺(tái)。退一步，我們真的可以在量子計(jì)算機(jī)來臨的時(shí)候，仍然繼續(xù)戰(zhàn)斗在一線么？我想到那個(gè)時(shí)候，我們也許已經(jīng)退休，或者已經(jīng)不直接做開發(fā)了吧。

目前，工業(yè)X.0各種宣傳，機(jī)器人，計(jì)算機(jī)視覺普遍應(yīng)用的大背景下，我覺得并行計(jì)算應(yīng)該有更多的開拓者。至少，并行計(jì)算相關(guān)技術(shù)在個(gè)人核心競(jìng)爭(zhēng)力當(dāng)中，是一個(gè)很有優(yōu)勢(shì)的加分項(xiàng)。