14 AI創業專題論壇 .pdf

《14 AI創業專題論壇 .pdf》由會員分享，可在線閱讀，更多相關《14 AI創業專題論壇 .pdf（31頁珍藏版）》請在三個皮匠報告上搜索。

1、 1 14AI 創業 2 北京市海淀區區長曾勁在 2020 北京智源大會“AI 創業”論壇上的致辭在“AI 創業”論壇上，北京市海淀區區長曾勁出席并致辭。下面是致辭全文。各位專家、投資家，各位同仁，女士們、先生們，朋友們：大家上午好！非常高興受邀參加 2020 北京智源大會“AI 創業”論壇。首先，我謹代表海淀區委、區政府，對論壇的成功召開，表示熱烈的祝賀！對一直以來關心支持海淀人工智能產業發展的各界人士，表示衷心的感謝！創新發展歷來是海淀的“金名片”“座右銘”。創新發展成就了海淀，海淀一直致力于創新引領，立足科技創新出發地、原始創新策源地、自主創新主陣地三大功能定位，加快中關村科學城建設，推

2、動人工智能、區塊鏈、大數據等一批高精尖產業健康發展。人工智能作為新一輪產業變革的核心驅動力、經濟發展的新引擎，已成為中關村科學城的“硬核產業”。這里有 AI 創業的“源頭活水”資源稟賦優勢明顯。有北大、清華等 27 所高校和中央黨校（國家行政學院）等國家重要培訓機構；有以中科院為代表的國家級科研機構 99 家、國家工程研究中心 23 家、國家重點實驗室 50 家；在海淀工作或居住的兩院院士 605 名，占全國的 36%；區域每年大學畢業生近 20 萬。海淀是我國人工智能創新的源頭聚集地：清華、北大、中科院等高校院所在人工智能領域處于全球頂尖水平，智源研究院、海華研究院等新型研發機構蓬勃發展；是

3、全國人工智能從業者的聚集地：擁有近 4 萬人工智能從業人員；是全球人工智能企業最密集的區域之一：擁有全國近 20%的人工智能企業。這里有 AI 創業的“深厚根基”經濟呈高質量發展。近年來，海淀經濟社會持續健康穩定發展，取得了可喜成績。2019 年地區生產總值接近 8000 億元，已連續四年位居全市第一，經濟總量和增長貢獻均保持全市首位。經濟結構高精尖特征明顯，信息服務業、科技服務業、金融業和教育業四大行業對經濟增長貢獻率超過90%；高新技術企業總收入超過 2.6 萬億元，占中關村示范區約 40%；發明專利授權量約 2.7 萬件，占全市超過 50%，萬人發明專利擁有量達 405 件；國家級高新技

4、術企業超過 1 萬家，占全市約 40%；有“獨角獸”企業 40 家，占全國約五分之一。這里有 AI 創業的“生態雨林”發展環境不斷優化。海淀是中關村的發源地，國家一系列科技創新的改革政策舉措在此先行先試，是全國科技創新的先行者和試驗田，現有國家級科技企業孵化器 14 家、大學科技園 19家、留學人員創業園 21 家。區域政產學研金用等要素有機融合，形成了特有的創新創業生態體系。2019 年，我們發布加快人工智能創新引領發展的 15 條措施，突出支持重大原始創新、關鍵核心技術突破和開源開放平臺建設。強化駐區高校院所在原始創新方面的“壓艙石”作用，服務智源研究院等重大創新載體建設，推進人工智能、高

5、端芯片等前沿研究儲備和新技術突破。針對 AI 技術缺乏落地場景的難題，率先開放智慧醫療、智慧社區、科技公園等應用場景，并建設海淀“城市大腦”，為 AI 技術提供綜合應用場景，推動生態發展。不久前，3 我們還發布了中關村科學城新時期再創業再出發提升創新能級的若干措施和中關村科學城北區發展行動計劃。當前，我們正以“新基建”為契機，加快推進公共算力平臺、算法測試與數據共享平臺等一批人工智能基礎設施建設，為創業者提供基礎研發資源和便捷研發服務。下一步，我們將進一步發揮政府組織優勢和產業生態優勢，與智源研究院聯合，設立 20 億元的人工智能科學家基金，持續升級智源生態，實現創新、空間、人才、資金等發展要

6、素的系統支持。同時，我們將通過引導基金，引導創投機構投早、投長、投原創，共同培育人工智能創新企業。此外，我們還將規劃不少于 100 萬平方米的空間，用以建設人工智能集聚區。海納百川，積淀為雄。這是海淀的胸襟，也是海淀的姿態：我們誠摯歡迎全球創新合伙人前來海淀這片創新創業的沃土，追求遠大理想、成就非凡人生！最后，預祝本次論壇取得圓滿成功！謝謝！4 創新工場創始人李開復：AI 賦能時代的創業整理：智源社區 賈偉2012 年至今，在深度學習推動下，這一波人工智能的蓬勃發展已有近十個年頭。在初期，一系列由 AI 科學家創建的初創公司，經過大浪淘沙，如今已有多家脫穎而出成為獨角獸企業；榜樣在先，于是有不

7、少 AI 領域的學者，也寄望于自己在該領域深厚的研究功底，想乘風破浪，闖出一番事業來。但人工智能的創業環境早已發生變化，單靠科學家掛帥就開辟一片天地的時代一去不復返。在進場之前，AI 科學家需要對當前 AI 創業形勢有充足認識和準備，否則真可能熱血而來，冷場而歸，落得科研、商業兩頭空。那么，在 2020 年這個時間節點，人工智能創業的大風向是什么？在如今環境，AI 創業有哪些特點？AI 學者是否應該入場，以及該如何入場？在北京智源大會“AI 創業專題論壇”中，創新工場創始人兼 CEO 李開復博士針對這些問題，做了一場深度演講“AI 賦能時代的創業”。演講分為三部分。李開復先是對 AI 創業的時

8、代背景做了詳細分析，指出 AI 已經從“發明期”進入“應用期”，AI 創業的大環境已發生巨大變化。隨后，他對歐美科技巨頭成功經驗進行分析，提出科學家型創始人在主導關鍵技術之外也需要理解商業，需要補齊產品化、商業化的能力。在最后，李開復諄諄告誡，AI 科研人才不要盲目入場創業，發揮價值的道路千千萬萬條。以下，智源社區對李開復博士的演講內容做概要整理，以饗讀者。一、AI 創業，大環境已變過去 5 年，AI 已正式地從發明期進入了應用期。5 圖 1：人工智能已進入遍地開花“應用期”回顧人工智能六七十年的歷史，早期有很多人在里面摸索碰撞，發明了很多東西，但大部分最后都證明是沒有用的。隨著深度學習的興起

9、，一切都改變了。深度學習在很多領域都產生了巨大的效果提升以及相當的商業價值，把很多應用從不可用變到了可用，從勉強可用、狹窄領域可用變成很方便、很普及的可用。除此之外，還有一個改變是，10 年前真正懂深度學習的人可能只有幾百上千個，而今天已經有幾百萬的工程師在使用深度學習。所以今天的人工智能進入了一個新的時代。圖 2：在應用期，AI 成為了重要的基礎設施 6 回顧過去這十年 AI 的發展，我們會發現，AI 是一個從黑科技到 B2B、再到 AI 賦能傳統公司、然后進入無所不在的過程。這個過程跟互聯網很像?；ヂ摼W在剛興起的時候大家也感覺像黑科技；后來出現了包括阿里巴巴這樣的 B2B 公司；再隨后便是

10、賦能傳統行業。當時微軟成立了一個互聯網部門，專門尋找可以用微軟的技術和產品進行互聯網賦能的場景；幾年之后，這個部門就被解散了，因為互聯網已經無處不在了。通過這個鏡鑒可以看到，很多高深的技術大體會走這四個步驟。在 2012 年的時候，AI 創業是一個純技術的時代，許多 AI 技術人員成了創業者和 CEO，他們以技術為本，去尋找潛在的應用場景。圖 3：在發明期，AI 背后的科學家團隊幾年后，技術發展了，AI 進入了 B2B 時代，先后涌現了許多 B2B 公司，他們的技術會用在金融、銀行、保險或零售制造等領域，但因為每個行業使用 AI 的方法不一，每個公司在得到 AI 賦能時，都會遇到復制化的瓶頸。

11、因此現在來看，AI 賦能傳統行業，應該是 AI 領域迎來的最大機會。每個公司應該去分析自己對 AI 的需求，分析 AI 能夠帶來什么樣的增益或成本降低。7 圖 4：人工智能將顯著提高生產力另一方面，根據普華永道的分析，2030 年全球范圍內的 AI 市場規模將達到 15.7 萬億美元。這 15.7 萬億美元并非來自 AI 獨角獸，而是來自傳統行業信息通訊、制造、金融服務、批發零售、運輸存儲、專業服務、醫療和建筑業等與 AI 的深度融合。AI 的賦能可以讓它們取得近一倍的增長。因此傳統行業去了解 AI，用 AI 來改造、提升、賦能，找合適的人或合作伙伴幫助自己提升效益，現在是一個巨大的機會。從另

12、外一個角度來看，由于 AI 已經不像以前那樣稀缺，所以靠一批懂 AI 的人了解一個傳統行業后，去顛覆這個行業并成為領跑者，現在看來已經不那么現實了。更可能的情況是，傳統行業學會并掌握 AI，利用 AI 來擴張自己。那么，AI 可以賦能哪些傳統行業呢？圖 5：AI 四波浪潮將重塑各行各業 8 李開復博士認為有四個相關領域：第一波是互聯網智能化。因為互聯網的數據最多，所以能得到的價值最多。目前，最大的 AI 巨頭其實也是互聯網公司。第二波是商業智能化。所有的商業都有數據，從大數據的累積、結構化、創造價值、分析，直到 AI，這是一個水到渠成的流程。第三波是實體世界智能化。AI 能夠感知（聽、看），而

13、且已經達到甚至超過人的水平。更厲害的是 AI 可以介入各種傳感器，它可以感知許多人類不能感知到的信息（例如溫度、濕度，或黑暗中的事物），還能夠進行三維重建等等，這些都是人類不能做到的。而 AI 能夠把 IoT 中各種的傳感器組織起來，把多模態數據融合起來，這代表以后的 AI 在感知上將全方位超過人的能力。第四波全自動智能化。當 AI 能動起來，有了手、腳、輪子的功能，有了無人駕駛、智能農業、智能制造、機器人等等，這又會再提升到一個新的層次。另一個問題是，如何利用 AI 賦能傳統行業？圖 6：AI 賦能傳統產業李開復博士提出四點：1.單一環節降本提效。AI 可以取代許多傳統行業中需要人重復勞動的

14、工作，這將在很大程度上節省人力成本。例如某公司有近 4 億美元的潛在壞賬，傳統方法需要雇傭數百名信貸員進行檢查，但如果引入 AI 技術，只需要幾名全職 AI 工程師就可以解決了，這不僅能夠降低成本，而且還能在很大程度上降低違約率。2.單一環節優化賦能。例如在教育行業，教育不外乎是課堂學，回家練，考試測，然后老師評。在這四個過程中，老師的部分角色是可以用 AI 取代的。例如在學的過程中，可以用虛擬老師（例如卡通人物）來教學前的孩子，會更有趣一些；在練的過程中，用 AI 來糾正英語發音，這樣就可以有一個無所不在的老師幫你講更標準的 9 英語；在測的時候，可以用 AI 改卷，或自適應題庫等；而在評的

15、時候，可以用 AI 智能糾錯，或合成點評，從而能夠對孩子一對一的建議。這些優化，并不改變原來的流程，只改變流程中的某一個事情。3.流程智能化賦能。這方面的代表是智能零售。如下圖所示，圍繞零售的全過程，利用 AI 技術精準預測每一家店哪種商品會在什么時間點賣出多少，分別對倉庫（倉儲調度）、工廠（生產研發制造）、零售商、經銷商等整個商品生產、銷售流程進行優化。同樣的情況也適用于醫療行業。4.重構整個行業規則。這一步是最偉大的，也是最困難的。一定程度上，我們可以說今天的 AI 已經開始重構安防領域了，也可能重構了互聯網領域，對于其他領域可能會相對更困難一些。但我們還是可以看到一些機會，當一個行業正在

16、快速變革的時候，比如說從線下到線上教育的過程中，是不是有可能重構整個行業規則？或者在智能制藥方面，是否能夠用機器學習來提出制藥效率？總結來講，李開復博士認為，當前環境下，AI 已經度過了由少數精英引領的“發明期”，而進入了遍地開花的“應用期”。在這一階段，AI 賦能傳統行業將是一個新的機遇。而在這個機遇中，最主要的將是傳統行業主動擁抱 AI，而非 AI 顛覆傳統行業。二、AI 科學家創業需要理解商業為了探究 AI 賦能時代創業的特點，李開復對 64 家海外科技巨頭（北美 44 家，歐洲 15 家，以色列 5 家）的創業模式做了深度分析。他發現以下六條規律：圖 7：對 64 家海外科技企業創業模

17、式的深度分析 10 1.成功的科學家企業，擁有技術獨占性和領先性的硬科技公司為主流。2.擁有技術領先性的硬科技公司也需要強大的產品和銷售團隊。3.成功的科學家企業，通常有兩類：科學家創始人自身曾有產品商業經驗，或者早期引入了商業背景的高級合伙人。4.成功的科學家企業，在成立企業前已有成功的技術落地案例占很高比例。5.成功創業的科學家，30-40 歲創業的比例最高。6.部分行業成功的科學家企業具有典型行業特征。圖 8：歐美科技巨頭的成功經驗分析比較有意思的一點是，通過比較這 64 家企業，李開復發現，只有 20%的成功企業脫胎于校園/實驗室，而接近 60%來自于工業界/工業實驗室，另外有超過 2

18、2%的是經過投資者撮合，也即將一個技術強硬的科學家與一個商業合伙人組成團隊。李開復指出，從投資者的角度來看，他們更傾向于最后一種，“因為很多科學家可能自認為可以做，但我們要投資錢進去之前，還是要看他的商業經驗是否充足，許多科學家本身并不很擅長商業。所以如果他沒有，就要找一個商業合伙人?！本鎰摌I之父 Steve Blank 培訓過 500 個科學家團隊，輔導過 261 個成型創業項目，他得出一個結論便是：科學家往往很不愿承認自己并不具備把技術商業化的洞察與能力。11 圖 9：科學家與創業家的特質對比科學家有自己的特質，從讀博的時候就要求追求創新突破，要求學術嚴謹，慢工出細活，寫篇論文可能要五六

19、年的時間。然而企業家的要求是務實地追求商業回報，要求效率速度，希望產品快速迭代。這兩種人本質上是完全不同的類型。一個科學家做 CEO，如果他自己不是很理解和尊重商業化的重要性，沒有找一個重要的合伙人來管理公司，沒有恰當地分配股權，那么他就可能面臨災難。這也是為什么我們看到許多有很強技術的初創公司在產品化、商業化的時候掉進了死亡谷。主要原因就在于，在搭建整個團隊的時候，他們沒有足夠地尊重商業化人才的重要性。圖 10：產業化、商業化能力的重要性因此，李開復呼吁：“科學家主導關鍵技術之外，還需補齊產品化、商業化的能力?！痹诩夹g研發之外，一定要重視商業化的能力，這并不是找個人來打工就好，而是需要多元化

20、地進行行業探索、市場開拓、初期產品、市場化等，這可能需要好幾種不同的人。一個創業團隊里，科學家固然是關鍵，但產品運營、商務拓展、售前售后、BD 銷售合作等也同樣非常重要。12 回歸到 AI 創業本身，認清當前的創業環境特別重要。李開復指出，AI 技術產品化、商業化的門檻已經大大降低，這主要得益于以下四個因素：1.軟件層面：1）TensorFlow 和 PyTorch 為代表的深度學習框架已經成熟；2）絕大多數深度學習模型及核心開發工具都以開源形式發布，這大幅簡化了科研與工程復雜度。2.硬件層面：1）Nvidia 的 GPU 系列，Google 的 TPU 系列，華為昇騰系列等 AI 加速芯片構

21、成的硬件生態日趨完善；2）服務器端和邊緣計算端目前都擁有成熟的 AI 加速方案。3.集成層面：1）云平臺、容器、虛擬環境等技術大幅降低了 AI 算法的實施與部署成本；2）現有的大數據平臺、商業智能平臺或傳統商業系統與 AI 算法之間的連接越來越容易。4.人才層面：1）純科研型的人才結構已經轉變為科研型、工程型、產品型、商業型的復合人才結構；2）工程型、產品型、商業型人才在人工智能落地的過程中，越來越居于關鍵位置。這就導致 AI 已經不再是 Rocket Science。從 CNN 發明到成功商業化，花了 30 年時間；而谷歌從提出 Transformer模型到大規模商用僅用了 2 年。這說明，

22、新技術成功商業化的時間越來越短了。任何人都不能期望因為是自己發明的新技術，別人就學不會。大公司有的是技術，有的是人才，有的是資金，初創公司如果不能在兩年內成功商業化，就很難具備競爭優勢?！拔覀兛梢钥吹浆F在整個行業有巨大的改變，我們必須要尊重這個環境。AI 已經度過了發明期，進入了應用期，這是一個很大的跳躍，所以我們要用不同的心態來看待 AI 創業?！崩铋_復博士正、反兩面舉了六個例子來說明情況：1.曠視科技：從游戲探索到商業落地。曠視科技創立于 2011 年，時值 AI 的“發明期”。曠視科技的創始團隊是一支科研團隊，在初期沒有可以借鑒的行業經驗，他們利用領先的科技優勢嘗試過不同的產品領域，例如

23、 To C 類產品“烏鴉來了”、“相面大師”等，盡管這些產品的商業價值有限，但他們有足夠長的時間保持競爭優勢，來做商業探索；后來在創新工場等機構伙伴的幫助下，他們找到了更具價值的 To B 商業場景，營收得以大幅提升。2.創新奇智：以商業落地為根本，充分利用 AI 技術。創新奇智成立于 2018 年，這個時候已經是 AI 的“應用期”，AI 公司林立，巨頭們也已經進入。這個時候成立公司，就應該意識得到除了 AI 技術領先性，商業落地也很重要。因此，創新奇智提出“技術產品”+“行業場景”雙輪驅動模式，深挖應用場景，打造面向業務價值的 13 人工智能產品及解決方案，2019 年營收相比 2018

24、年實現 5 倍多成長。3.河小象：AI 是賦能教學評測端的強大工具，AI 可以提升教育質量，降低整體成本。需要注意的是，教育的核心仍是優質內容。河小象是一家 AI 教育的典型公司，AI 是它的加分項，而精心打造的內容才是決定是否成功的關鍵，也是最深的護城河。4.艾登科技：醫療行業先明確商業模式，再利用 AI 賦能。艾登科技是一家醫療+AI 的公司，它發現了醫療行業中存在的幾個痛點，例如診療數據質量不過關、醫院間信息無共享機制，同一病癥的醫療治療方案和支出在不同地區差異巨大等。于是艾登推出了一套 SaaS 軟件，這個軟件能解決以上的痛點，而且定價也很合理，目前，3000 多家醫院已經在使用這套軟

25、件。更重要的是，醫院日常使用企業軟件的過程，就是在幫助企業用脫敏數據來訓練算法和模型，從而幫助醫生來選擇最佳的診斷方案。艾登的這種商業策略，不僅能夠以充足的理由獲得脫敏數據，而且醫院也愿意為之付費。如果是一位 AI 科學家來做，一個很大可能的方案是去和某一家醫院簽一個獨家合作，甚至要付出很大的費用才能獲得醫院的數據，滲透會很有限，規?；涞匾矔芟?。5.反面案例：醫療影像讀片技術公司，難以找到商業落地。當前，CV 技術的發展如火如荼，在許多領域 AI 的識別精度都已經超過了人類，但我們卻發現醫療影像讀片公司都發展得很困難。為什么？首先如何拿到數據是一個大問題。訓練 AI 需要大量數據，這需要與

26、多家醫院進行合作；而另一方面，醫生的標注水平決定了機器學習的結果；AI 也只能達到部分病癥標注，這極大地限制了 AI 的發揮空間。其次，醫院普遍不會為軟件買單，而生產硬件（讀片機器）成本卻非常高，醫院同樣不想購買。所以這些公司現在都面臨著商業的困境，雖然技術足夠好，但仍難以發展。6.反面案例：教育公司嘗試前沿 AI 技術，卻脫離市場需求。這是創新工場曾 PASS 掉的一個項目，這家教育公司有非常前沿的 AI 技術，他們希望做一個真的機器人老師。這個技術非?？?，應該也是最難的 AI 問題之一。但他們沒有想到市場的需求在哪，在什么場景取代老師？是誰來付費買單？家長心理上是否接受？總結來講，當前已經

27、不再是那種草莽初創的時代，AI 技術已經沒有太高的壁壘，AI 科學家創業，必須要充分理解商業，才能避免掉入死亡谷。慎之！三、AI 科學家創業：扭轉心態，做擅長的事在報告的最后部分，李開復博士針對想要創業的 AI 科學家們提出了若干建議，如下：14 圖 11：AI 當前的科研趨勢、成熟技術與創業模式1.科研的問題還非常多，如果喜歡做科研，可以嘗試做 System 2 的問題。System 1 中 AI 技術的“發明期”已經過去了，如果想要創業，想要做偉大的技術，就要針對 System 2 進行科研儲備，一旦這些技術成熟，你便有一次機會做“發明期”的事情了。但這個有可能需要非常長期的投入，因為我們

28、花了 60 多年時間的才讓感知達到科研突破期，下一次是井噴是什么時候沒有人能夠確定。圖 12：AI 科研人才的職業道路：創業2.對于真的想參與創業的 AI 科學家，要放低姿態，理解商業。投身 AI 賦能的方式有幾種：1）像吳恩達那樣，擼起袖子創業，但必須要意識到現在已經不再是發明期了，在應用期創業難度會更高，所以一定要找懂行的合 15 伙人；2）加入傳統公司，前面提到 AI 賦能傳統公司將是未來一大機遇，但這時候需要考慮你是否能融入傳統公司的企業文化等問題；3）加入 AI 賦能公司，去幫助傳統公司做 AI 賦能。圖 13：AI 創業的幾點建議3.如果真的決定擼起袖子創業，李開復博士給出四點建議

29、。1）扭轉心態，你的上帝是用戶，要做有用并且有市場的創新；2）做擅長的事，如果不擅長比如商業化等領重要領域，就要找擅長的人加入核心團隊；3）科研突破與商業回報并重，強調效率速度，快速迭代，創業就要有創業者的速度；4）要找到懂科技又懂商業的投資人，這可以補足你可能存在的需求和短板。圖 14：AI 科研人才的職業道路：留校 16 4.有許多 AI 專家并不想創業，但仍然希望能夠將自己的研究產生實際價值。李開復博士也總結了三種模式，分別為：1）Hinton 模式。Hinton 自己專注于理論研究，希望能夠推動下一輪的 AI 發展，但是他會讓他的學生去企業，幫助他們做 AI 應用，而自己并不受市場、競

30、爭等因素的干擾；2）李凱模式。李凱教授自己出去創業，創辦了 Data Domain 公司并上市，開辟了數十億美元的新市場，成功之后回歸學校，在技術與商業層面指導學生繼續創業；3）李飛飛模式。身在學術圈，但利用學術休假等機會在企業兼職參與創業，之后再回歸學術。這三位大師的模式，事實上也是一種可以讓你參與 AI 創業或創造價值的方式。道路千萬條，對于 AI 科學家，重要的一點在于認清現實，認清自我。如此，才能有效利用自己的專長，做更有價值的事情。17 清華智能產業研究院院長張亞勤：智能產業新浪潮整理：智源社區 徐武濤2020 北京智源大會“AI 創業”專題論壇上，清華大學智能產業研究院院長、清華大

31、學“智能科學”講席教授張亞勤博士作了題為智能產業新浪潮的報告。在報告中，張亞勤從三個方面對 AI 產業進行了介紹：第一，AI 變革的三大方向；第二，三大新興行業；第三，清華大學智能產業研究院。以下智源社區編輯整理的張亞勤演講報告要點。一、AI 變革的三大方向IT 行業在過去四五十年最大的變化就是數字化。第一階段始于上世紀 80 年代中期，數字化 1.0 致力于內容數字化，包括語音、圖片、視頻和文檔。到了 90 年代中期，開始了第二波數字化浪潮。數字化 2.0 主要聚焦于企業以及消費者互聯網，前者包括客戶關系管理（CRM）、供應鏈（Supply Chain）、商業智能（BI）、數據庫和云計算等，

32、后者包括搜索（Search）、社交（Social）、電子商務（E-commerce）、共享經濟（Sharing economy）、通信（Communications）、數字貨幣（Digital Currency）和移動支付（Mobile Payment）等。這兩個階段的特點均為信息數字化。進入到數字化 3.0，我們開始對物理世界和生物世界進行數字化改造。物理世界中，我們的車、路、家庭和工廠等都在數字化，以前提到的信息高速公路，現在我們將其放入了互聯網中，使之成為了數字世界的一部分。生物世界也是一樣，大腦、身體器官、基因也都在數字化。3.0 階段的數字化帶給世界的影響遠遠超過前兩個階段，產生的數

33、據量也出現了爆炸式增長，例如自動駕駛，每輛車每天產生的數據量約為 3TB；一次基因測序也會產生約 3TB 的數據量，與前兩個階段相比有多個數量級的差別。另外，這幾年深度學習也有了很大的進步，包括 LSTM、CNN、GAN、BERT 等的發展，在語音識別、人臉識別、物體識別等領域已經達到了和人類相近的水平，并在知識理解方面也取得了很大進步?？傮w來說，由于第三次數字化帶來信息數據的爆炸式增長，深度學習的不斷發展對算力的要求也呈現指數式的提高，因此傳統的計算架構和通訊架構遭遇了瓶頸。我們首先回顧一下過去五六十年指引產業發展的計算與通訊方面的三個重要定律和限制。一是香農定律，包含三個方面，熵、信道容量

34、和失真情況下壓縮極限，包括 5G 的發展在內，目前已經非常接近這三個極限了。二是摩爾定律，指每十八個月，芯片密度加倍。從這幾年芯片的發展來看，摩爾定律也有逐步失效的趨勢。18 三是馮諾依曼計算機架構。在硬件方面，CPU/GPU/FPGA/ASIC 等在過去幾年都有很大的變化。算法方面，由于速度和效率兩方面的問題，目前的馮諾依曼架構并不非常適合運行。像谷歌、百度、寒武紀等等都推出了人工智能專用的芯片。另一方面，物理世界的數字化產生的很多數據都在設備上，處于邊緣狀態，5G 的出現使得我們可以把很多的智能決策放到邊緣上去?？偟膩碚f，分布式的智能、大量數據的產生以及新的硬件架構使得目前的 AI 產業有

35、了一個新的發展。二、三大新興行業智能產業的發展不僅提供了傳統行業產業升級的機會，還能創造更多新需求、新崗位。在未來的五到十年，自動駕駛、工業互聯網、智慧醫療這三個產業會遇到大的機遇。在談論自動駕駛前，我們先看一下人是如何駕駛的。通常我們將駕駛過程分成三個部分，看到決策動作，有幾個不同的理論對此進行了解釋。例如 Paul MacLean 的三體腦理論。Eric Kandel 的精確-非精確記憶的概念，從神經科學的角度解釋了人在駕駛過程中是如何進行判斷的。Daniel Kahneman 的系統 1 與系統 2 的理論，則是從行為科學的角度嘗試進行了解讀。自動駕駛是一個很有趣的領域。從技術上講，它融

36、合了很多的技術創新；從行業發展的角度來看，由于對計劃、位置、通訊設施等有很高的要求，因此在自身發展的同時能夠帶動其他行業的發展。從實現的難易度來說，自動駕駛面臨很多的技術困難，不過讓人感到安慰的是自動駕駛作為一個任務可以被分解為多個小任務分別進行攻克。因此雖然困難，但是假以時日仍然是可能取得成功的。從效益上講，自動駕駛一旦實現，將極大地減小交通事故的發生，挽救更多的生命，還可以大大緩解交通堵塞的情況、改善空氣質量。對國內相關行業來說，這樣一個萬億規模的產業是一個很好的機會。第二個是工業互聯網。物理世界中通過各種各樣的傳感器將設備連接到云中構成了一個網絡。5G 高速傳輸數據以及處理大數據的能力使

37、得這一行業有可能產生真正的價值。目前我們利用各種獨立的傳感器從環境中搜集大量的數據，數據中包含大量的隨機噪聲，通過特征提取從數據中找出感興趣的信息。更好的方式是將物理模型結合進去，使得分析數據后得到的結果更具有可解釋性。第三個方向是智慧醫療。以冠狀病毒為例，它有許多變種。當我們想要尋找一種有效的藥時，不可能對其一一進行驗證，這不現實。所以我們會利用機器學習的方法來加速這個過程。同時，當我們對其變異機制有更多了解時，還能利用機器學習加速新藥以及疫苗的研發。三、清華大學智能產業研究院最后我們談一下正在籌建的清華大學智能產業研究院。建立清華大學智能產業研究院的使命是利用人工智能的技術來創新、賦能產業

38、，推動社會進步；目標是面向第四次工業革命，建立一個國際化、智能化、產業化的研究機構。我們會吸引大量人才，開發關鍵的核心技術，培養具有國際視野的領軍人物，使其成為產業技術戰略的智囊團。目前我們正在大量招聘人才，包括研究員、博士后和博士生，歡迎關注。19 奇績創壇創始人陸奇：AI 創業發展趨勢：機會與挑戰整理：劉燕（InfoQ）2020 年 6 月 23 日，在第二屆北京智源大會的“AI 創業”專題論壇上，奇績創壇（原 YC 中國）創始人兼 CEO 陸奇作了題為AI 創業發展趨勢：機會與挑戰的演講。他分享了 AI 創新創業的發展趨勢以及現階段 AI 創業所面臨的一些挑戰，并為 AI 創業公司應該如

39、何把握創新機會提供了建議。以下內容根據陸奇的演講整理。一、AI 技術的本質與 AI 價值的產生模式首先，陸奇從 AI 技術的本質與 AI 價值的產生模式出發來分析 AI 創業的趨勢，同時討論整個業界應該如何幫助創業者更好抓住 AI 帶來的創業機會。他表示，現代 AI 技術的內核是基于深度學習的新計算基實；在分布式重疊向量空間中學習特征表達能有效解決多種任務任務特征表達，本質上是知識的獲取?；诖俗鳛榛?，再加上工程化的能力，可以建立一個“三體合一”的系統架構，“三體”是指感知體系、思考體系、行動體系。三體合一的架構是任何智能體系的核心架構，因此 AI 系統的核心是通用的，AI 技術是獲取知識，

40、使用知識來達到目標的通用能力。圖 1：AI 技術本質與 A 價值產生模式AI 產生商業價值的主要模式是怎樣的？陸奇認為，首先要有完整的應用場景，這是其價值基礎；其次，數據是價值創造的紐帶，此外，從數據中抽取知識、解決任務是整個的價值核心，最后，能有更多數據產生閉環迭代是價值長期提升的關鍵。20 二、AI 商業化的宏觀趨勢陸奇表示，從信息工業化發展的歷史去看從 AI 的核心技術、主流商業模式，可以推演出 AI 商業化的宏觀趨勢。主要體現在四個方面：1.建立新的 IT 基礎。具體包括，傳感器及 on-sensor 計算（芯片+軟件+模型）；新的芯片技術棧，其對于開啟垂直化時代的到來具有重要意義；新

41、的軟件技術棧 software stack:從底層到 fabric 到 middleware 到 device OS，再到應用，到工具鏈。2.開發應用。目前已經逐步轉型到娛樂、制造、金融、醫療、教育、零售等所有產業和醫生、分析師、客服、醫生、教師等等所有職業。3.打造未來智能平臺及相關產業生態，如，如主系統（自動駕駛、機器人），新移動；智能化場所：包括新工作與生活的空間和時間等；個人助手：個人助手未來將是規模巨大的產業生態。4.形成產業發展基礎環境，需齊備人才資本、金融資本、數據等主要生產資本、基礎設施、及政策扶持等要素。在明確了趨勢和方向后，AI 創業公司應該如何推進商業化進程？陸奇認為，創

42、業創新是發展 AI 商業化的核心路徑。創業創新包括三大要素：AI 技術、需求和市場。AI 技術是創新的核心驅動力；需求是創新落地的基礎；市場是創新成長的環境。圖 2：創業創新是發展 AI 商業化的核心路徑 21 創業者通過利用 AI 技術來打造產品，用產品試探市場，滿足用戶的需求，讓新的產品發揮出商業價值。AI 商業化需要不同的實體一起合作，AI 的發展過程中需要大量的技術投入，現有的大企業擁有豐富的資源和人才，基于其戰略驅動可以做大量的、長周期的投入；現有的研究機構擁有高端的技術人才，也在不斷開拓和探索前沿的 AI 技術。在 AI 發展的過程中，其實創業公司是“主力軍”的角色，它們比較靈活，

43、能“見縫插針”，能夠從 0-1-100 加速 AI 技術的商業化進程。當然需要注意的是，受限于資本規模結構和投入周期限制，并非所有的工作都適合創業公司來做。三、哪些趨勢創業公司可以把握??？早期創業創新的趨勢可以系統地從數字化進程發展的生態結構和趨勢來推演。工業數字化發展過去 60 多年的進程有節奏和規則的，基本上每隔 12 年就會出現新的平臺和生態，這些生態有結構化的發展趨勢。數字化發展進程的模式是由不同時代的計算平臺所驅動，早期比較關注基礎技術 早期的應用開發 建立平臺，形成生態，在生態環境下引發產業繁榮創新，在這個過程中核心驅動力是數字化的廣度和深度。圖 3：AI 商業化及創業創新的發展環

44、境與趨勢數字化的深層次架構，生態核心是計算平臺，包括前臺，如交互能力，交互設備和體驗端；后臺，指計算規模，其支撐是基礎設施的堆棧、服務器和服務網等，后臺的能力深度學習是核心，智能云也有可能成為定義性能力。在計算平臺上有早期應用，到了大的應用后就可以建立生態了。早期開發應用誕生了很多個生態，具有廣泛商業價值，未來有可能智能駕駛、智能場所、零售、機器人個人助手等早期應用有足夠寬度成為未來的生態的技術。這些都是很大的 AI 早期應用，都是創業公司可以參與進入的新的領域和趨勢。22 云和移動是目前數字化創新的主流生態，AI、邊緣及 5G 是正在早期發展的并逐步形成下一代數字化及智能化平臺和相應產業生態

45、。在 AI 之后，數字化進程，有新的技術在探索，如 AR，腦機接口等技術是驅動新前沿發展的驅動力。目前 AI 創新創業的前沿領域有很多，例如在 AI 基礎前沿技術、AI 交互能力、AI 前端、AI 未來產業生態、垂直行業、移動/云生態應用、數字化前沿應用等領域，很多創業公司非?；钴S，都在積極參與。一些領域如智能云、AI 前端等領域雖然是大企業的戰場或者較適合大的公司，但對于創業公司來說仍然有很大的機會。圖 4：AI 創業創新的前沿領域四、AI 創業面臨的挑戰陸奇表示，現階段的 AI 創業還面臨一些挑戰。從技術上看，AI 技術的最大弱點就是太脆弱了，特別是在一些特定的場景很難達到效果。算法層面魯

46、棒性不夠；數據上獲取比較難，數據標注的成本和代價高，此外，還面臨著數據孤島、數據割裂的問題。此外 AI 技術門檻高，例如自然語言處理技術等 AI 技術往往需要高端人才多年的積累，一些 AI 公司并沒有核心技術，依賴第三方公司。在產品層面，從體驗上看，C 端應用針對效應往往不及格，B 端客戶滿意度較低。在交互方式是哪個，定制化過多，難以產品化和平臺化，集成商生態不足。市場層面，在上游，供應鏈資金和時間要求在某些生態對創業公司造成困難；在下游，往往銷售周期長，渠道資源稀缺，2B 和 TG 的資源是成功要素。人才層面，在技術上，聘用有效技術人才耗時耗資，內部管理效益需要提高；從行業上看，對 2B 細

47、分行業需 23 要聘用有深度行業能力的銷售和 BD 人才。在資本層面，AI 公司成長周期長，一些創業公司因為切細分賽道，天花板不夠高，很難獲得融資。對于如何解決這些挑戰，陸奇也提出了自己的建議。在技術上，要提供新一代數據管理技術；要通過系統化的開放數據集、服務接口、軟件體系等，將技術門檻大大降低。在產品層面，要針對產品和體驗上做很多工作，管理用戶預期，可借鑒搜索引擎模式；在服務 B 端的要切的更細，可以從階段性的流程上切入，從客戶需求端切入。在交付方式上，通過項目合作累計平臺能力，降低邊際成本，提高集成商的能力。市場層面，要幫助幫助創業公司利用政策環境，如“新基建”等抓住發展機遇。人才上，要幫

48、助創業公司聘用和管理技術和行業人才。要聘用技術核心人才，這些人才需要足夠深的行業能力，了解 B 端企業，最好是在甲方做過的。另一方面加強對大專院校、研究機構人才的投入與引進。資本上，幫助 AI 創業公司對接風投資金、銀行貸款等，此外，風險投資機構也需要做適應調整，適應 AI 公司長期成長的特性，目前有很多 AI 公司雖然短期發展不足，但長期看，存在很大的價值。24 圓桌論壇：人工智能創業和投資的未來十年文字整理：蔣寶尚在第二屆北京智源大會“AI 創業專題論壇”上，啟明科技鄺子平、創新工場李開復、奇績創壇陸奇、清華大學張亞勤、奇績創業營曹勖文進行了題為“人工智能創業和投資的未來十年”的圓桌討論。

49、各位嘉賓先是回顧了過去十年間，中國人工智能企業取得的發展，并對中國 AI 發展的優勢進行了盤點，同時也對 AI 未來十年的投資和創業環境進行了展望。在論壇的最后，面對當前 AI 人才短缺，如何構建負責任的 AI 企業，各位嘉賓也都紛紛給出了自己的建議。以下是論壇的文字在整理：一、過去十年：中國 AI 發展得分八十 25 鄺子平：這次圓桌討論的話題是“中國人工智能的創業和投資”主要內容是 AI 投資領域未來十年的前景如何。在展望未來之前，想請各位嘉賓回顧一下過去十年人工智能領域的投資以及創業情況。也對中國過去十年的發展情況進行評分，百分制，如果美國拿到八十分，那么中國能拿到多少分？李開復：如果和

50、美國對比，中國可以拿到百分制里的八十分。無論是獨角獸企業的數量、投資金額以及價值創造都非常令人滿意。例如，當前計算機領域的四只獨角獸（商湯、云從、依圖、曠視）在應用場景下累積了海量的數據，訓練出了有價值的初始應用，然后也尋到了愿意付費的買家。從而得到了更高的估值，拿到了更多的融資，業務范圍也增加了很多應用，因此不斷地擴張，目前在計算機視覺方面處于“領跑世界”的位置。AI 在其它領域，包括銀行、客服、語音、無人駕駛也有很大的進展。但是缺乏好的數據和落地環境，企業級軟件也不如美國發展得那么好，綜合得分也能達到 80 分。如果時光倒流，回到十年前，我們對中國的期望值可能只是 10 分，現在達到了 8

51、0 分，所以我們應該非常自豪。張亞勤：我同意開復，中國得分至少應該是八十分，和美國打平手。剛才談到視覺方面的四小龍，其實，訊飛、地平線、寒武紀等公司，在教育、健康和自動駕駛等領域借助風險投資的支持發展的也很快。雖然有些公司估值過高、存在一些泡沫，但是整體來講非常有成效。綜上，過去十年是中國人工智能技術發展最快的十年。陸奇：我不知道滿分（100 分）是什么樣子，所以無法進行打分。另外，我認為這個問題應該至少過十年再來回答。以互聯網為例，其從 1995 年左右開始，要是在 2005 年對發展情況進行評分，那時候的亞馬遜的、Google、facebook 根本不知道能夠成長為什么“樣子”，但是在以“

52、那時”為起點，經過十年的發展，就能夠看到別樣精彩的局面。所以，我的判斷衡量指標是：十年、二十年以后，中國和美國兩個大的創新體系當中，有多少人工智能企業站在世界第一梯隊？因此，現在“評分”為時過早。另外，開復和亞勤觀點我非常認同。中國在計算機視覺、芯片、無人駕駛以及機器人領域都有不少嘗試，也有很多進步。另外，還有一些垂直行業當中的應用（例如“用計算機視覺完成檢測”）雖然賽道都比較窄，但是對企業的價值越來越明顯。因此，總體上有一定程度的進展。中國經過十年的發展，個人認為帶來最重要的價值是：清晰了今天中國人工智能創業面臨的挑戰。因為接下來的十年，可以整合生態，從而把創新的壁壘和挑戰的程度降低，幫助人

53、工智能創業公司發展得更快。如果從業界的角度能夠把創新的門檻降低，那么，未來十年中國“驅動”的處于世界第一梯度的人工智能企業的數量會非?？捎^。二、中國優勢：數據+應用場景鄺子平：在過去十年，人工智能的幾個重要驅動力，包括算力、數據等等，具有中國特色的是哪幾個？另外，放眼未來十年，哪些中國元素能夠驅動中國的 AI 躋身世界第一流。陸奇：驅動人工智能發展的因素主要還是技術推動、需求拉動。未來十年，主要還是這二者的組合，即良好的需求和技術進展。26 另外，未來十年我認為一個比較值得關注的是替代進口，因為中國現在逐漸進入需要自建技術產業生態的階段。其中，IT 工業有很多機會，工業自動化在各個品類下，也有

54、很多創業公司開始擁抱趨勢，中國前十年的發展過程中，重要的優勢是數據。但數據的“聯通”還有很多工作要做，今天大部分的數據存在狀態是“孤島”。如果想完全把這些數據打通，則需要技術平臺的能力以及政策上的扶持。十年之內能夠實現數據資產化。一旦數據可以進行資產化，那么，數據的流通、數據的互動會極大地驅動人工智能產業的發展，特別是醫療和金融等等行業會大規模受益。張亞勤：過去的數字化更多的是“內容的數字化”、“信息的數字化”，現在和未來的數字化是“物理世界”和“生物世界”的數字化，到時產生的數據會是現在的上千倍或者上萬倍，例如，自動駕駛汽車每天所產生的數據是 TB 級別。大量的數據是一種優勢，因為會使得 A

55、I 算法更容易使用，同時也能夠讓場景銜接更加“自然”。例如，在自動駕駛方面，大量的數據會成為汽車以后超過人的重要因素。畢竟，人用眼睛只能看到有限的數據，汽車有各種各樣的傳感，可以感知到更多的數據。所以，大量的數據是中國 AI 的一個優勢。為什么我特別看好自動駕駛？自動駕駛是汽車行業百年來的大機遇，一百年來，汽車主要依靠燃油機和引擎，現在電氣化和智能化讓中國的人工智能超越了別的國家。另外，實現自動駕駛還需要各種各樣先進的傳感器，也需要各種各樣新的芯片，需要定位的系統，需要智能的決策，因此這是一個大產業、有很大的體量，需要很多的技術，AI 也在里面起到很大的作用。所以，未來的十年不管是數據還是產業

56、機會，包括人才等等整個的體量都是十分令人激動的。鄺子平：剛才提到的這些非常有前景的具體行業，這里包含多少中國特色、中國優勢、中國元素？張亞勤：符合中國特色的第一個是數據，因為這些數據所產生、所使用主要是中國的用戶。也讓我們從信息社會內容過渡到了物理社會和生物世界。因此，我認為這是中國的元素：由于人多所以數據量比較大，再就是產業本身大的體量。李開復：我來談一談中國元素對四個產業可能帶來一些特別獨特的機會，首先是智能制造和工業互聯網。因為中國是世界的工場，所以我們有最好的制造的流程和技術，同時中國的人力在過去的二十年也漲了十倍，所以現在有些產業在流失。再加上產業鏈的調整，因此，我們是有非常大的必要

57、讓這些生產，尤其是高端的生產留在中國。想要達到這樣的目的，必須要把人力成本降下來，所以自動化的質檢、自動化的制造，整個流程上的無人駕駛的叉車等等出現了。另外，整個工業自動化的過程對國家和經濟是有必要性的，可以得到政府和民間的雙重推動。第二，同意是亞勤說的無人駕駛，技術方面我都非常贊同，但是中國也有一個很大的特色，中國車擁有量的比例遠遠低于美國，所以更適合在大家還沒有形成買車習慣的時候展望未來的無人駕駛的出租車、無人駕駛的接駁車、無人駕駛的貨車。27 不需要經過辦公交的狀態，即我想買車、需要買車，買車是人生的目的。我們甚至可以想像公交可以定點制造，或者是像高鐵一樣，讓其在高速公路上面，把人從一個

58、城市帶到另一個城市，但同時不需要軌道，因為無人駕駛是有道路和建設的加持。另外，美國在討論無人駕駛時候，一般路就是路、城市就是城市，必須要用 AI 解決非常多變化不可預測的新環境，但如果在中國新基建的過程當中能夠把道路變得更聰明，把城市建設變得更聰明。例如，讓道路能夠看出來汽車可能要開出道路的范圍，或者是在城中心把行人和汽車分流，這些對美國或者歐美來說都是特別高的成本投入。而中國在新基建的背景下，能讓國內的無人駕駛把美國難落地的技術安全地推出。第三，再看醫療。從全球的角度討論，整個醫療+AI 是疫情過后看到的熱點，但是針對中國的特色來說，一定程度就是我們有機會獲得后發優勢。就像過去信用卡在中國還

59、沒有那么流通的時候，我們的移動支付能夠有后發的優勢。醫療在中國現在還有很多不完善的地方，所以有更大的動力去擁抱新的技術，例如用大數據進行 AI 輔助診斷；把 AI 用在放射科、制藥方面?，F在我們也面臨著大環境的醫改、藥改，所以有非常大的動力把 AI 數字化。過去在中國的醫療 IT 化不足、數據化不足，當然也很難做 AI。但是通過改革可以一次性地把 IT 化、數據化、AI 化三者的紅利一起獲取。另外，為什么中國有特別大的機會？就是因為歐美的隱私法律過度嚴格，即便脫敏的數據也很難聚合共享，所以我認為現在雖然中國的醫療是落后美國的，但我認為因為這些因素，未來的十年理應由中國公司領跑世界醫療。最后談教

60、育。中國的教育科技一直走在美國前面，因為中國家長過去“獨生子”的政策，望子成龍、望女成鳳的心態，愿意投入教育費用。美國沒有這種課外輔導額外付費的習慣，基本是期待著上正規的課，所以做教育的科技創業就只能賣給學校，這個就讓美國的教育科技很難發展，所以未來中國教育的發展可以更多地靠家長付費的意識，提出更多的創業方向，比如用 AI 幫助英語的發音，幫助自動修改作文，把學習變得更加游戲化等等。因此，中國教育企業領跑世界的機會也非常大。三、未來十年：行業平臺機會涌現鄺子平：剛才大家提到若干未來 AI 能夠有垂直發展的領域，意味著將來 AI 是無處不在，很多行業都會有 AI 賦能的事情發生。那么，未來的十年

61、 AI 平臺還有機會嗎？換句話說，假如醫療是 AI Drug Discovery Platform，還是用 AI 專門研制某一個疾病治愈的藥物。因此，AI 賦能各行各業到底是各方面的細分還是平臺仍然有機會？張亞勤：要看怎么定義平臺，大的云智能平臺對初創公司來說機會比較小，關于云智能平臺，美國可能就是微軟、亞馬遜、Google；國內就是 BAT 和華為，也不會超過五個。但是在這個大的平臺之上可能會有一些行業平臺，上面還有一些服務 SaaS，大部分初創公司是在 SaaS 領域。要看美國過去十年，最近幾年發展最快的都是SaaS 公司，AI 方面相信會按照同樣的模式。所以一方面也會有小平臺，另一方面，

62、很多很深的 Deep Tech 公司，并不一定是細分某個領域，但是可以解決一些通用的問題。比如傳感器現在也有很多機會，包括各種觸摸傳感器，3D 傳感器等等。一個初創公司要有很強的技術、很強的壁壘，具體解決一些問題，并不一定都是平臺，也不一定非要是很細分 28 的領域。初創公司一開始也不要把平臺作為自己的目標或者商業計劃，因為平臺不是這樣成長起來的。剛開始一定是聚焦解決具體的問題，然后可以平臺化。李開復：我對 AI 的前景是非?？春玫?。在經濟各個行業方面，幾乎每一個傳統行業都可以用 AI 對接，而且大部分行業可以遲早用智能化重新賦能，帶來的產業升級是 AI 最大的機會。那么到底是通過 AI+來做

63、還是+AI 來進行？AI+當然是過去的主要模式，也就是曠視、商湯和視覺從一個切入點進去，然后根據第一個應用：人臉識別和安防，做出更多的應用。從中可以逐漸找到更大的市場，技術的融合性不斷提升，客戶越來越滿意，布置得越來越快，商業價值發揮得更明顯，然后就不斷地滾動，可能潛在成為某一個平臺。另外，如果有“平臺夢”，可以參照曠視和商湯的路徑，但即便是這兩個公司也很難說就會成為巨大的平臺公司，畢竟 AI 本身是賦能，還是要和行業進行對接。綜上，偉大的平臺一定都是用單一的應用切入，得到成功以后不斷滾雪球滾大。+AI 就是傳統行業擁抱 AI，已有一定程度的平臺，無論是企業級應用、工業醫療等等平臺，看到有這樣

64、一個+AI的機會，無論是收購一個 AI 公司還是自己雇傭一個 AI 團隊，能夠打造成為一個傳統行業+AI 的平臺，個人認為這一類的平臺會有更大的機會，理由就是今天主流被用的到 AI 技術的門檻不斷下降，所以傳統行業的領跑者已經有了很大的品牌和客戶的優勢，加入 AI 的難度要遠遠比一個 AI 公司去學傳統行業挑戰巨頭容易很多，所以我認為+AI 是主要的模式，帶來的平臺可能還是以行業平臺為驅動，AI 作為重要的技術輔助為主，AI+也有機會，但我認為是可遇而不可求。陸奇：平臺從商業的角度來講需要相對比較分散的供應。如果是相對集中，平臺很難抽象出來。人工智能早期技術滲透還不夠，在早期大部分的人工智能應

65、用都進行“端到端”重新設計。但是等到人工智能應用特別是行業應用普及以后，橫向在某一個層次創新，特別是某一個行業的平臺機會是會相對越來越多的。即使是橫向的平臺，今天能夠看到的人工智能早期應該也有機會，例如如何把數據孤島打通。目前我們雖然有很多大的云服務，但是越來越多的企業數據已經分散在幾個“云”上面。另外，如果應用很集中，也有大的企業壟斷這個行業的話，那么平臺的成功概率比較小。但是，早期平臺的機會也存在；長期，行業平臺的機會可能越來越多。鄺子平：例如 Tensorfl ow，如果在中國，這種有雄心的、龐大的平臺，會考慮投資么？陸奇：判斷標準是：平臺是不是明確解決了客戶痛點。假定一個創業者在做類似

66、的平臺，我們最關注的是：客戶沒有被其它的替代品很好地滿足；另外，需求有增長的趨勢么？如果痛點很明確，且不容被替代滿足，那么很值得早期投入和扶持。四、新基建：發力降低 AI 創業門檻鄺子平：過去的十年中，中國的政府在安防、城市管理等等方面給 AI 的企業提供了巨大的落地場景，現在新基建也有大的投入，各位能給政府一些提議么？即未來新基建當中，政府有哪些投入方式？如何幫助 AI 行業在未 29 來的十年很好的發展？曹勖文：我個人認為開源技術能夠帶來很多生態效益，所以希望政府能夠更多地支持開源 AI 的技術，可以分為兩部分：第一是供給端，比如支持高校開源：研究的項目應該盡早開源從而獲得業界的反饋，然后

67、讓開發者、工程師也能夠參與提供一些支持。另外，學生可以盡早投入開源，鍛煉實戰能力，同時可以支持大型企業開源已有的項目，成立以開源技術為核心，通過開源模式獲利的主要初創公司的模式。第二是需求端，希望為開源的 SaaS 購買提供稅收方面的優惠，中國會有不少 AI SaaS 公司，SaaS 在中國非常難生存，難點主要是在銷售，除非客戶是偏互聯網和技術型的公司，可以比較自然地以類似 C（消費）端的產品方式切入。不然基本上是 B 端（企業），周期太長，不太利于迭代，中小企業能力比較弱，銷售成本太高，可能入不敷出，這是 AI SaaS 企業普遍遇到的通病。陸奇：我們非常關注降低創新的門檻，當前開發者面臨的

68、情況是：不需要寫很多代碼，過去三十多年累積的開源軟件和開放接口，把整個移動和云生態的創新代價降得非常低。但是人工智能時代其實門檻非常高，政府應該多做降低門檻的工作。具體而言，政府適合做的是啟動、補選和引導。對于人工智能創業企業來說，比較需要的有以下幾點，第一是好的落地場景，尤其是企業的第一個落地場景和未來的閉環迭代至關重要，新基建其實可以起到非常大的作用，特別是國家能夠影響和控制的企業場景非常多，如果可以在一定程度上充分利用好這些場景資源，創業公司可以更好地建立閉環的迭代，創新的速度會快很多。第二，中國企業的 SaaS 滲透低。人工智能目前從創業的角度來講，B 端相對來講比較難切入，主要是中國

69、企業的 SaaS 滲透不夠、數據不夠多，一旦企業 SaaS 滲透率高，人工智能創業公司的機會越來越多。因此，可以從政策層面引導鼓勵更多的企業采用 SaaS，畢竟，這可以為人工智能創業公司帶來更多的數據資源。最后，創業環境中 AI 創業公司會經常遇到資金問題。有些公司的（細分）行業從傳統風投的角度來講，天花板太低。但是這些企業長期可以運行得非常好，所以如何提供銀行貸款或者其它形式的資金資源就變得非常重要。李開復：剛才兩位介紹了初創階段的 AI 公司，我來講一講 AI 公司從運營到擴張的過程當中遇到的一些問題。AI公司在很多新的技術剛剛落地的時候，存在的問題是價位偏高。例如新能源汽車，剛開始可能就

70、是太貴了，政府補貼之后能夠量產，量產之后價格下降。在 AI 層面，例如工廠進行的智能制造，無論是 AGV 取代人力的搬動，或者是采用智能手臂進行抓取，工廠的老板都知道使用 AI 自動化的技術可以節省人力成本，但是，考慮到用機器替代，要很多年才能收回買機器的成本，于是就不會采用新技術。因此，政府的補貼能夠更快地引入 AI 技術，然后實現量產。所以，工業互聯網、自動化制造、智能倉庫、智能工廠等 AI 企業的難點在于能不能把最開始的成本降下來。另外，新基建會給 AI 很多機遇。以無人駕駛為例，在國外很多公司背后都是有巨頭公司支撐，例如，Waymo 30 背后有 Google。國內是非常特殊，頂級的無

71、人駕駛公司都是在風險投資支持下“運營”，國內也有大公司開發無人駕駛，但是畢竟 Google 這樣的體量目前還達不到。那么，國家大力支持的新基建，能不能讓有些城市有更寬松的法律或者有更好的道路讓無人駕駛更早地運行起來，毫無疑問，這樣也會推動無人駕駛的發展。最后，政府的引導對醫療意義重大。因為在國外醫療和保險當中，國家的參與度還是相對較低的，國內是相對較強的。醫療和保險這兩個行業都有大量的數據，如果政府能夠引導對接數據，這對病人、對用戶都是巨大的好消息，因為可以得到更好的醫療、更好的醫生、更好的診斷。張亞勤：政府首先應該在基礎研究方面下功夫，例如針對 AI 新的理論、新的算法，下一代超越深度學習等

72、等，因為這種基礎研究企業投資意愿可能不強烈。另外，政府應該關注人才的培養?，F在很多高校都有 AI 專業，所以，應該鼓勵 AI 專業招收更多的博士生和研究生。在未來建設的重點“新基建”的 7 個項目中，有 4 個都和 AI 有關。其次，政府還要推動數據的共享，例如健康數據、保險數據和公共數據，各種各樣的數據如果能夠公開，尊重隱私安全的條件下，政府應該推動共享。我們的公共數據目前的數量和開放的程度是遠遠低于英國或者美國，所以，政府還有很多能夠做的。最后，初始企業還是要把商業模式通過市場化進行發展，不能光靠政府，政府的項目太多會讓企業麻痹，政府也不要單獨扶持幾個企業，可以扶持行業，提供公平競爭的環境

73、。五、人才之痛：應用型人才缺乏鄺子平：有眾多文章指出，美國 AI 的主力之一是從國內到國外讀書的留學生，它們大多數都有國內本科的經歷。所以，我們展望未來十年，由于地緣政治很多的不確定性，大家認為中國的 AI 企業有沒有人才危機？優秀人才將來會來自于哪里？企業到哪里去尋找這些人才？陸奇：大部分的初創公司主要是：應用已經發明的算法框架到具體場景從而實現落地。其實，更重要的是人才，主要指能夠從技術、產品和客戶的需求幾個方面，進行有機融合的人才。大專院校培養出來的人才實際操作能力會弱一些。所以，我們需要把創業人才引進大專院校，畢竟，現在我們需要的是創新的能力。拿微軟舉例，微軟本質上更是一個技能大學，優

74、秀的程序員、優秀的產品經理，如果在微軟工作過兩三年，其能力基本上就能夠培養起來。希望以后的高校有越來越多創新的氛圍和創新能力的培養，黑客文化的精神也能夠讓越來越的企業成為“人才大學”。另外，一部分創業公司確實需要前沿算法，那就要跟科學家團隊對接。所以，存在一定的挑戰，因為科學家團隊往往對行業對技術想得比較深，如果和產業相結合就需要專門的人才進行組合這些科學家，從而將些前沿的場景落地。李開復：人才危機肯定還是有的，AI 人才永遠都是短缺的，但是不像過去那么短缺。我們應該創造更多的機會讓海外的科學家、工程師回來。31 雖然現在有很多的傳統行業不需要頂級的 AI 人才，但尋找合格的 AI 工程師也不

75、容易。所以，高校應該更加重視應用型人才的培養。我們曾經和高校辦過一些培訓的項目，主題為應用型人才的訓練，但是很多高校老師都不贊成，他們表示我們需要培養研究型人才。其實，應用型人才是非常短缺的。創新工場投資的一家公司就是看到很多還不是 AI，主要就是編程，程序員在高校當中得到的培訓并不立即適合對接到一個就業的機會，所以需要重新培訓。因此，希望高校提高對應用型人才培養的重視度。張亞勤：以后通用型 AI 人才中國應該不會缺，因為很多學校都開設了 AI 專業，比較稀缺的是系統化思維的 AI人才，要求其不僅僅能看到某個技術模塊或者算法，而是通過系統化思維把框架從頭到尾規劃出來，然后找到合適的人執行。曹勖

76、文：國內不太缺初級工程師，甚至初級工程師有點泛濫，高端的工程師在任何行業都是稀缺的。AI 需要更多的理論，理論固然重要，國內主要還是缺實際操作經驗，高端的工程師需要做過大項目，解決別人沒有解決過的難題才能鍛煉出來，高?？梢越o理論基礎，更多的還是要在業界大公司中的大項目進行鍛煉，因為很多的特殊場景、規模只有大公司才有。六、構架負責任 AI，造福全人類鄺子平：AI 作為一個新生的技術給人類帶來了很多的好處，但是也一直有些爭議，作為 AI 行業的投資人、領軍人物和整個中國 IT 行業發展的意見領袖，希望幾位給未來十年 AI 企業的創業者、企業家提出一些建議，如何能夠增強我們企業的社會責任感，能夠讓

77、AI 確實造福人類。李開復：我非常認可一句話：權力越大，責任越大。AI 是有史以來所有計算機科技當中權力最大的，因為它幫助人類甚至替代人類做出的判斷是會影響別人“前途”，例如貸款、就業，甚至醫療還有很多領域存在健康和生命的后果。所以我們的權力非常大，怎么才能有更強的責任心？一方面是要制造好的工具。另一方面也要讓 AI 從業者和工程師都看到我的數據量可能不足，可能無法解釋，可能會帶來災難。更重要的是對所有的 AI 從業者、AI 工程師都要有更多對社會、對人文的關懷，也要了解自己的責任，只有把多方面融合起來才能做出更負責的 AI 企業。張亞勤：AI 帶來的社會變革是有史以來從未有的，我們必須要負責任。無論做什么事必須要有底線。我自己的原則是：我們都有孩子，我們不希望未來孩子發生戰爭，那么，就不要把 AI 用作武器；我們不希望小孩吃有污染的東西，那么就要推進有機食品；我們不希望孩子用毒品，那么就不能投資大麻公司等等，按照這個原則作為投資或者從事技術研究的指導，便能構建負責任的 AI 社會。陸奇：首先建議做 AI 產品的工程師和產品經理要有“站在歷史對的一面”的心態，因為今天的法律、今天的社會價值觀往往沒法預測未來，我們很多 AI 產品其實在開拓未來新的生活和工作的環境，無法等政府和法律管理，因此在做產品的過程當中有底線、有價值觀、有責任心。