随后，汉密尔顿开始在台上详细讲解vocaloid引擎与全息投影技术的核心原理、应用场景以及操作流程。

而台下的华尔街金融大佬们，却大多没有心情聆听他的高谈阔论了，思绪早就被ai与ar这两个关键词给吸引住了。

ar，并不是一个陌生的名词。

早在20世纪50年代，hud技术就已经开始为飞行员提供飞行数据支持，这被认为是ar技术的早期雏形。

随着科技的发展，ar技术逐渐应用于军事、航空航天等领域，但由于技术限制与成本高昂，一直未能实现大规模的民用化与商业化。

但是谷歌今天的这个《图茨出道计划》，至少让他们看到了ar领域的成本在极速下降。

影视、文创、游戏、军事、航天，这都能够成为短期内被影响的行业。

往大了说，以后的消费端、产业端、公共服务端，都是ar的发展方向。

这是一个多么庞大的市场呀，如果谷歌以后真的能在这个领域独领风骚，那估值会膨胀到多少呀。

而ai技术的历史，比ar这个词出现的还早，实现的应用也更多。

从1943沃伦麦卡洛克与沃尔特皮茨提出人工神经元模型，开创连接主义源头开始，ai算是正式诞生了。

50年代末到70年代初，ai迎来了黄金时期。

提出人工智能这个词的约翰·麦卡锡，此刻就在恩斯特的太阳神研究所工作。

不过技术还是太超前了，zhengfu主导的各种项目最后都因为资金断裂而搁浅，ai迎来了第一次寒冬。

进入20世纪80年代后，随着计算机技术的飞速发展，ai行业再次迎来爆发式增长，各种专家系统应运而生。

所谓的专家系统，就是通过模拟人类专家的思维方式，对特定领域的问题进行分析与判断。

例如通过向系统输入患者的身体症状，系统可以模拟医生的诊断过程，给出相应的病情判断与治疗建议。

但以现在的技术眼光来看，当时的专家系统功能相对简陋，局限性极强，根本无法给出准确的判断，甚至显得有些荒诞不经。

因此，在短暂的爆发之后，ai行业再次陷入低谷，迎来了第二次寒冬。

进入90年代，ai话题再起。

1990年，卷积神经网络正式诞生，为ai的图像识别与处理技术奠定了重要基础。

1997年，ibm研发的超级计算机深蓝，在国际象棋比赛中战胜了当时的世界冠军卡斯帕罗夫，引发了全球范围内对ai技术的广泛关注。

可这些，不管有多么的吸引眼球，在华尔街这里，却得不到任何的关注。

因为他们很清楚，这些都是假ai，本质上更多是依赖于大量数据的积累与算法的优化，并不是真正意义上具备自主学习、自主决策能力的人工智能。

但谷歌这次不一样，这两个软件，让他们所有人都看到了真正ai的降临，和背后那庞大的商业前景。

尤其是vocaloid引擎，其核心优势在于能够根据数据库中的声波数据，灵活改变声音的音色、音调、节奏，自主合成出全新的、从未存在过的声音。

正如汉密尔顿在台上所提到的，只要拥有足够丰富的数据库支持，理论上vocaloid引擎可以合成任何类型的声音。

自主。

从未存在过。

这两个词，不就是真正的ai吗？

尽管它还很低级，可这已经够了，已经有了无限的炒作可能。

比如在在医疗领域，它可以模拟患者的声音特征，帮助语障碍患者恢复语表达能力。

在通信领域，它可以实现实时语音的个性化转换，为用户提供更便捷、更安全的通信体验。

在娱乐领域，除了虚拟偶像的打造，它还可以应用于影视配音、音乐创作等多个场景，降低制作成本，提高创作效率。

有太多太多的概念，华尔街都可能炒作，就好像现在的互联网概念一样。

“万亿。”罗尔夫轻声嘀咕了一句，身体都在不受控制地颤抖。

“什么？”和他隔了一个位置的菲利普没有听清。

可挨着他的保尔森，此刻的眼睛却愈发的明亮。

本来觉得谷歌会成为全球第一市值的企业，就已经让高盛这次的承接，值回票价了。

可现在看来，巴掌过来了，扇的很疼。

可这个甜枣，给的也足够让所有人惊喜，甚至愿意把脸伸上去，再让谷歌扇一巴掌。

他们没有注意到，他们兴奋的表情，全部落入了正在台上演讲的汉密尔顿的眼中。

老板，鱼儿上钩了。

contentend

_s