一套研发设计的卷积神经网络学习系统，可以让计算机灵活学习大量图像数据。经过三年在底层架构和卷积层上（权值、偏置）做的多种尝试和设计，以及在GPU与CPU并行计算上的优化，我们将机器对图像特征的学习效率和深度提高了近70%，准确度达98%，并开发了十几套针对不同场景应用的模型，可为垂直领域客户提供能快速定制开发的解决方案。 同时，我们设计了一套有机的机器训练和学习循环：以人工智能来优化用户搜索，同时通过搜索引擎这个接口，获得大量的用户行为数据，这些实际产生的数据又会被收集整理最终反馈到机器进行再学习和特征强化，使得整个系统在使用中处于一良性的循环训练中，不断被进化，优化。在此过程中，我们时刻关注新数据的产生，基准校正，并发掘新信息，用以开发更加垂直的数据型产品。