近年來，隨著電競行業發展，陪玩逐漸形成一套相對成熟的體係。

吳教授的突破在於：將這些神經網絡從基礎上顯著地增大了，層數變得非常多，而不是簡單的4層，神經元也非常多。吳教授把這次實驗定義為：深度學習()，這裏的深度是指神經網絡變得更加複雜了，有更多的層。

經過深度學習訓練過的神經網絡，在圖像識別方麵甚至比人類做得更好，識別正確率達到99%以上。什麽是邊緣計算？人工神經網絡兩個重要的工作就是：訓練和推理。訓練需要巨大的計算量，一般會放到雲上進行，訓練完畢後，在去結合具體問題做應用：推理。

在雲上訓練神經網絡也有弊端：一是貴，二是對網絡的依賴性高。比如汽車自動駕駛，當汽車鑽入山洞、隧道等無線網絡信號不太好的地方，就可能斷網、有延遲等，這就給汽車自動駕駛帶來了安全隱患。

現在我們可以把一些訓練工作放到汽車本地進行，這就是邊緣計算的概念。

邊緣計算是指在靠近物或數據源頭的一側，采用網絡、計算、存儲、應用為一體的開發平台，就近提供最近端服務。在日趨龐大的用戶需求及電競遊戲的火爆等共同推動下，遊戲陪玩市場迅速發展，並得到資本市場的青睞。

然而，伴隨著越來越多資本、玩家的投入，陪玩平台在發展的過程中，麵臨的合規問題也開始顯現。點開大多數陪玩不難發現，信息流上會有陪玩者發布的動態，多為吸引用戶而設，所以大多是美女、帥哥的照片，包括一些身材照等，不過真實性存疑。

有陪陪對記者表示，很少有人用自己的照片，雖然平台要求上傳本人頭像和語音，但使用好看的網圖也不會受到限製。我知道的人很多都是用網圖的，老板們也是看聲音，並不會太糾結於頭像是不是本人。