他們既是學(xué)術(shù)界備受推崇的科學(xué)家，也是產(chǎn)業(yè)界的思想領(lǐng)袖和踐行者。他們既代表了世界及大公司的創(chuàng)新，也代表了崛起的創(chuàng)新企業(yè)的創(chuàng)新。AI正在重新定義世界，此次高峰論壇，幾位科學(xué)家和行業(yè)大佬從當(dāng)下產(chǎn)業(yè)、人才、研究、技術(shù)等各個(gè)維度出發(fā)，暢談了人工智能的未來發(fā)展及落地前景，論壇迸發(fā)出了許多新火花、新觀點(diǎn)。

2018年3月24日，首屆將門年度創(chuàng)新峰會(huì)在北京舉行。峰會(huì)以“一場(chǎng)連接小與大的效能創(chuàng)變”為主題，集結(jié)聯(lián)想、英特爾、IBM、強(qiáng)生、博世等行業(yè)巨頭，以及碼隆科技、杉數(shù)科技、禾賽科技等優(yōu)秀的創(chuàng)業(yè)企業(yè)，同現(xiàn)場(chǎng)700多位伙伴一起，探討分享2018年技術(shù)趨勢(shì)及創(chuàng)新機(jī)會(huì)，以及創(chuàng)新技術(shù)驅(qū)動(dòng)下的醫(yī)療、交通、新零售、生活等四個(gè)領(lǐng)域的AI產(chǎn)業(yè)落地和商業(yè)價(jià)值。見證“大”行業(yè)“大”企業(yè)升級(jí)迭代背后，“小”場(chǎng)景“小”創(chuàng)新帶來的創(chuàng)變力量。

在當(dāng)天舉行的技術(shù)高峰論壇上，將門CEO高欣欣與聯(lián)想集團(tuán)高級(jí)副總裁兼CTO芮勇，IBM全球副總裁、IBM大中華區(qū)首席技術(shù)官、IBM中國研究院院長沈曉衛(wèi)，英特爾中國研究院院長宋繼強(qiáng)，曠視科技首席科學(xué)家、曠視研究院院長孫劍，以及將門CTO沈強(qiáng)，就2018年的AI發(fā)展趨勢(shì)及產(chǎn)業(yè)落地等話題進(jìn)行了深入探討。

「將門年度創(chuàng)新峰會(huì)」席卷整個(gè)科技創(chuàng)新圈的效能創(chuàng)變

將門CEO高欣欣：發(fā)現(xiàn)“小”價(jià)值，一場(chǎng)連接“小”與“大”的效能創(chuàng)變 | 將門年度創(chuàng)新峰會(huì)

點(diǎn)擊視頻觀看峰會(huì)實(shí)錄

以下內(nèi)容根據(jù)大會(huì)實(shí)錄整理：

一、人工智能如何改變世界？

高欣欣：第一個(gè)問題，我想請(qǐng)問IBM的沈曉衛(wèi)院長，您說過技術(shù)的影響力可能遠(yuǎn)遠(yuǎn)超過我們的想象，人工智能正在重新定義著我們身處的世界，這句話我覺得是今天特別好的開場(chǎng)，您可不可以跟我們分享一下，您眼中的未來是什么樣的？在人工智能的世界下，技術(shù)創(chuàng)新會(huì)在哪幾個(gè)方面呢？

IBM全球副總裁、IBM大中華區(qū)首席技術(shù)官、IBM中國研究院院長沈曉衛(wèi)

沈曉衛(wèi)：說到人工智能重新定義我們的世界，我可能更多的是從兩個(gè)維度：時(shí)間和空間。

從時(shí)間的維度來看，我們今天處在一個(gè)指數(shù)級(jí)成長的時(shí)代，我們看IT行業(yè)本身的發(fā)展，在過去幾十年，很大程度上，我們的進(jìn)展是來自于所謂的摩爾定律，我們的成長所帶來的性能的提升。在之后的互聯(lián)網(wǎng)時(shí)代，我們也看到了，連接到互聯(lián)網(wǎng)的終端數(shù)也有一個(gè)成長。

所以大家相信，一個(gè)網(wǎng)絡(luò)的效能可能和連到網(wǎng)絡(luò)上的終端數(shù)的平方成正比。今天處在一個(gè)大數(shù)據(jù)的時(shí)代，我們看到，一個(gè)是數(shù)據(jù)本身在指數(shù)型的成長，一個(gè)是我們也相信人工智能或者包括人工智能在內(nèi)的信息技術(shù)的發(fā)展，使得我們從大數(shù)據(jù)中得到的知識(shí)，及由知識(shí)所產(chǎn)生的效率或者洞察力，也在指數(shù)型的成長，這是一個(gè)時(shí)間的概念。

從空間的概念來說，我們也看到人工智能今天開始影響到每一個(gè)行業(yè)，重新定義每一個(gè)職業(yè)，影響到每一個(gè)人，無所不在的人工智能。

從這兩個(gè)維度來看，當(dāng)一個(gè)技術(shù)做這樣一個(gè)廣泛的應(yīng)用，在一個(gè)指數(shù)型成長的平臺(tái)上，它帶給我們的改變是非常非常巨大的，可能遠(yuǎn)遠(yuǎn)超過我們對(duì)它的想象。

說到人工智能，在這個(gè)時(shí)代，技術(shù)的發(fā)展，大概有這樣幾個(gè)方向，一個(gè)是人工智能本身的核心技術(shù)發(fā)展，包括我們談到的人工智能的算法，包括今天談到很多機(jī)器學(xué)習(xí)的算法，還有像自然語言理解其他一些方面的算法。因?yàn)槿斯ぶ悄芙裉斓募夹g(shù)還不能滿足我們對(duì)它所有的期待。

另外一點(diǎn)，人工智能與行業(yè)的結(jié)合，人工智能改變世界，最終還是從改變每一個(gè)行業(yè)開始。我們談到了計(jì)算力，我們也看到無論是今天談到的一些類腦計(jì)算，還有我們談到的量子計(jì)算，都在為未來人工智能的應(yīng)用帶來一些計(jì)算上的保證或者顛覆性的影響。

最后，我特別談到人工智能和其他一些相關(guān)的技術(shù)，特別是區(qū)塊鏈技術(shù)的結(jié)合。從這四個(gè)維度來看，就是我今天人工智能時(shí)代技術(shù)創(chuàng)新的一個(gè)理解，謝謝。

高欣欣：曉衛(wèi)院長提到了計(jì)算力，這個(gè)問題必須要問宋院長了?；谟?jì)算架構(gòu)和計(jì)算力，以及基于不同的通用性和專用性，現(xiàn)在出現(xiàn)了不同的平衡，出現(xiàn)了不同的創(chuàng)新和特別多的創(chuàng)業(yè)公司。我特別好奇，在一個(gè)5年的時(shí)間節(jié)點(diǎn)上，您覺得在這個(gè)領(lǐng)域，引領(lǐng)的公司會(huì)更集中，還是更多元呢？

英特爾中國研究院院長宋繼強(qiáng)

宋繼強(qiáng)：這是一個(gè)預(yù)測(cè)，預(yù)測(cè)通常都很難做的很準(zhǔn)。我可以給大家分享一個(gè)趨勢(shì)，目前來看，特別是從芯片的角度，做人工智能這個(gè)領(lǐng)域的芯片，AI芯片有兩種，一種是為了加速，不管是通過傳統(tǒng)的CPU多核的處理器，GPU、DSP這么多種都是利用傳統(tǒng)的一些架構(gòu)在加速。

我們已經(jīng)知道了哪些算法對(duì)于處理這些數(shù)據(jù)非常好用，但是我們?cè)谟?xùn)練它的時(shí)候，在服務(wù)器端，我們想得到最好的效能比，比如說同一塊錢，同一瓦電，我訓(xùn)練出最好的模型，這個(gè)時(shí)候就會(huì)根據(jù)需要來選擇，我到底是GPU，還是用多核處理器，我們看到不同的公司選擇了不同的策略，比如說微軟選擇了FPGA，Intel和Google自己設(shè)計(jì)了ASIC芯片，也有很多公司用了GPU，都是出于它自己的業(yè)務(wù)，有時(shí)候需要強(qiáng)調(diào)實(shí)時(shí)性，有時(shí)候需要強(qiáng)調(diào)性價(jià)比。

我們可以看到這里面，采用傳統(tǒng)一些技術(shù)的芯片，各司其職，如果考慮到前端的設(shè)備，假如說路上的攝像頭，如果從現(xiàn)在的只是能拍攝照片傳到后面，到能夠在前面自己檢查有哪些人、哪些事兒、哪些車是需要密切關(guān)注的，前端一定要有很強(qiáng)的能力，前端就不太適合用那種比較貴、功耗又比較高的處理器，這個(gè)時(shí)候就是ASIC芯片。

我想現(xiàn)在很多公司，包括我們的創(chuàng)業(yè)公司也都在走這條路，在前端用ASIC芯片的方式來加速AI，這些都是AI的加速芯片。但在未來的探索里面，剛才您提到了通用這一點(diǎn)，我們知道現(xiàn)在很多人工智能算法，在處理具體應(yīng)用的時(shí)候，它是用一些已經(jīng)有的行業(yè)數(shù)據(jù)來訓(xùn)練，訓(xùn)練好的模型只能干這么一個(gè)事兒，做人臉識(shí)別就不能做語音識(shí)別，也沒辦法去聽一個(gè)歌，給出一個(gè)情感分析，都不行。

那么通用芯片，我們是希望它能夠做多種事兒，或者說同時(shí)能做多種事兒，這個(gè)就需要架構(gòu)上的改變，這種架構(gòu)上的改變，希望有新的嘗試，像IBM出的一個(gè)芯片的探索，目前來講是世界上最大的單片，能夠融載上億神經(jīng)元芯片。Intel最近也出了一個(gè)芯片，也是一個(gè)新的嘗試，這個(gè)嘗試的特點(diǎn)是，我們可以允許它在片上同時(shí)進(jìn)行訓(xùn)練和工作，它就允許你像一個(gè)真的大腦一樣，我就在里面持續(xù)學(xué)習(xí)、自學(xué)習(xí)，這些都是架構(gòu)上的探索。

我覺得兩個(gè)方面各司其職吧，對(duì)于這種架構(gòu)上的探索，可能只有大公司才能搞，因?yàn)橐ê芏噱X，而且我們還不缺，什么時(shí)候能真的找到這種通用的方法，因?yàn)樯厦孢€有軟件算法的需要。但是對(duì)于具體的領(lǐng)域，我覺得小公司有很多的機(jī)會(huì)，只要你深挖某一個(gè)具體的領(lǐng)域，比如說醫(yī)療，不同的病其實(shí)有不同的做法，零售、交通、智能家居各個(gè)領(lǐng)域都有很多細(xì)分的地方可以挖，你可以采用自己的方案，用各種芯片方案，只要很好的解決問題就行了，我覺得大家是攜手共進(jìn)的。

高欣欣：接下來，我請(qǐng)問一下聯(lián)想的芮總，其實(shí)我們從PC時(shí)代到現(xiàn)在的手機(jī)時(shí)代，其實(shí)設(shè)備一直是人和機(jī)器智能能力交互的途徑和方式，現(xiàn)在主流的還是智能手機(jī)，您覺得我們?nèi)藱C(jī)交互的方式未來會(huì)發(fā)生什么樣的改變嗎？

聯(lián)想集團(tuán)高級(jí)副總裁兼CTO芮勇

芮勇：回答這個(gè)問題之前，我先要謝謝將門，因?yàn)樯厦孀倪@幾位我們都很熟，也都在北京，但有一年都沒見了，大家都很忙，在將門這我們才能見到，所以要謝謝將門。

設(shè)備確實(shí)是連接人和機(jī)器的一個(gè)很重要的方面，也謝謝你給我一個(gè)機(jī)會(huì)能插播一個(gè)廣告，聯(lián)想每年從PC到手機(jī)，全球每年都會(huì)銷售1.3億臺(tái)設(shè)備，所以設(shè)備是非常重要的。你剛才問的，今后的設(shè)備會(huì)有一些什么樣的前景。

我覺得一個(gè)很有意思的前景就是，設(shè)備會(huì)回歸自然，回歸自然是什么意思呢？可能你的穿戴設(shè)備，你身上穿的衣服，你戴的眼鏡，手上的腕表，這些都會(huì)變得非常智能，你不用再去想，這到底是一個(gè)我本來就要戴的表還是一個(gè)智能設(shè)備，我本來就要穿的衣服還是智能設(shè)備，它就是隨你而行，所以會(huì)回歸自然。

還有一些設(shè)備也一樣，除了可穿戴設(shè)備以外，還有一些可融于環(huán)境的設(shè)備，在你的家里面，桌子、椅子、鏡子一樣，你可以想到，如果你每天早上起來刷牙的時(shí)候，鏡子告訴你今天的天氣怎么樣，你今天還有什么會(huì)，再給欣欣推薦一下你今天下午有這個(gè)活動(dòng)，你穿這個(gè)衣服可能會(huì)更好看，它是一個(gè)隱于環(huán)境的功能。

從人和機(jī)器交互呢，可能也有幾個(gè)大的趨勢(shì)，趨勢(shì)可能就是從唯物變?yōu)槲ㄐ?，唯物的話，我們之前跟機(jī)器做交互，鍵盤、鼠標(biāo)，我們要敲著鍵盤，拿著鼠標(biāo)，慢慢的其實(shí)我們脫離了這種具體的物體，可能用我們的語音、手勢(shì)、觸摸等等。

從唯物到唯心，我們還沒有說到心呢，在講心的話，人的一個(gè)腦電加上人的意識(shí)，其實(shí)這個(gè)方面已經(jīng)在做很多研究了，今后你想的事情可能還沒有動(dòng)作呢，你的設(shè)備已經(jīng)知道了，他就會(huì)幫你做。所以設(shè)備是回歸自然，從人機(jī)交互來說是從唯物到唯心。

高欣欣：既然要唯物和唯心了，說明設(shè)備也要為人所用了。接下來，我問一下孫劍，我們現(xiàn)在看到的人工智能技術(shù)，不管是從已知的安防，到大家都相信的未來智能駕駛，現(xiàn)代技術(shù)并不僅僅是對(duì)于行業(yè)的提升，其實(shí)它改變了游戲規(guī)則，產(chǎn)生了全新的價(jià)值。在您看來，我們今天的這些人工智能技術(shù)，在哪些行業(yè)、場(chǎng)景在相對(duì)近的時(shí)間，還會(huì)對(duì)整個(gè)行業(yè)產(chǎn)生這樣的一個(gè)變化呢？

曠視科技首席科學(xué)家、曠視研究院院長孫劍

孫劍：因?yàn)榻裉煳沂谴砹藙?chuàng)業(yè)公司，在座三位院長都是代表大公司，其實(shí)在選擇創(chuàng)業(yè)的場(chǎng)景上會(huì)不一樣，大公司有非常多的優(yōu)勢(shì)，有資源、平臺(tái)、核心數(shù)據(jù)。創(chuàng)業(yè)公司要做可能真的要選好這些垂直的行業(yè)來做。

我們自己看人工智能落地的行業(yè)，有一個(gè)很自然的邏輯，哪個(gè)行業(yè)的數(shù)字化程度越高，我們就會(huì)去先做哪個(gè)行業(yè)，最高的就是互聯(lián)網(wǎng)，互聯(lián)網(wǎng)的話我們?cè)?013年、2014年就做了Face++人工智能開放平臺(tái)，把我們核心的CV技術(shù)，當(dāng)時(shí)也不知道什么商業(yè)模式，把這個(gè)技術(shù)放到網(wǎng)上，讓開發(fā)者來調(diào)。

我記得當(dāng)時(shí)在微軟的時(shí)候，我們微軟的CEO還專門寫了一封信，你們看有一家公司叫Face++，他們把這個(gè)東西放到云上了，我們微軟的云為什么不能有這樣的AI技術(shù)呢，這是第一步我們做了平臺(tái)。

當(dāng)然在看行業(yè)的話，還有一個(gè)行業(yè)是非常數(shù)字化的，就是金融，金融是幾乎完全數(shù)字化的，所以我們Face++的第二個(gè)產(chǎn)品是一個(gè)Face ID的產(chǎn)品，在線身份認(rèn)證，這個(gè)目前是全國乃至全世界最大的在線身份認(rèn)證的平臺(tái)，這也是數(shù)字化非常徹底的行業(yè)。

還有一個(gè)，我們做CV界的都說安防非常重要，為什么呢？安防經(jīng)過過去20、30年的積累，基礎(chǔ)建設(shè)，幾乎很大程度上的視頻都連在網(wǎng)里面了，數(shù)字化存儲(chǔ)，這個(gè)行業(yè)非常適合AI技術(shù)來做，所以安防是CV界的一個(gè)非常大的市場(chǎng)。

剛才宋院長也講了AI芯片，其實(shí)AI芯片包括一些創(chuàng)業(yè)公司大公司，包括我們公司去年也做了智能攝像頭。其實(shí)是說，雖然像安防的攝像頭已經(jīng)連網(wǎng)了，但傳輸速度不夠，像線下新零售這些可能傳不上來，它其實(shí)要把計(jì)算放在端上，這樣直接就在端上數(shù)字化做了，這也是我們非常關(guān)注的方向。另外，我們目前也是手機(jī)行業(yè)人臉解鎖最大的技術(shù)提供商。

這些都是我們按照基本的數(shù)字化邏輯來選擇行業(yè)的。還有一些其他的行業(yè)，比如說智能工業(yè)，包括機(jī)器人。在這些行業(yè)，很多需要做設(shè)備，不是那么快數(shù)字化的。要么不做，要么就是早投入，慢慢做，慢慢建立壁壘，這樣也有一定優(yōu)勢(shì)的。

以上這些就是我們對(duì)一家創(chuàng)業(yè)公司怎么選擇AI落地行業(yè)的基本邏輯。

高欣欣：接下來，我問一下強(qiáng)哥，我們每天在一起都爭(zhēng)論著哪一些是可以真正落地的方式。從你的角度來說，你覺得2018年最值得期待的一些真正的技術(shù)落地應(yīng)用是什么？

將門CTO沈強(qiáng)

沈強(qiáng)：我對(duì)2018年有兩個(gè)方向的AI應(yīng)用發(fā)展是有所期待的，倒不是說2018就會(huì)有廣泛應(yīng)用，而是說是重要的方向，希望看到更多的發(fā)展。

第一個(gè)是生成式的AI應(yīng)用(Generative AI)，怎么解釋生成式的AI應(yīng)用呢？今天我們的AI應(yīng)用在很多地方，比如說安防，我們做人臉識(shí)別，判斷這是誰，或者說他的形貌具有什么樣的特征，這是我們?nèi)祟^腦之內(nèi)一秒鐘想的事兒，是快速的判斷決策。

然而，我相信人工智能會(huì)有更大的價(jià)值發(fā)揮空間。在我們現(xiàn)實(shí)的世界里面，本質(zhì)性的創(chuàng)造價(jià)值往往伴隨著我們能創(chuàng)造出一些新的東西，比如說們會(huì)建設(shè)新的建筑，我們會(huì)制造新的機(jī)器，我們會(huì)編寫寫新的代碼。而人工智能能不能超越我們頭腦一秒鐘思考的邊界，幫助我們來創(chuàng)造一些更加復(fù)雜的新成果，能夠在生產(chǎn)力的層面上起到一些推動(dòng)作用？

生產(chǎn)工具決定生產(chǎn)力，所以生產(chǎn)力的根本推進(jìn)是要從生產(chǎn)工具開始的，AI能不能作為生產(chǎn)工具，開始進(jìn)入到我們的行業(yè)里面，今兒發(fā)揮對(duì)各行各業(yè)更大的推動(dòng)作用這是我的一點(diǎn)期許。

與其說期許落地，更不如說是期許這個(gè)過程的開始，我希望看到它的啟動(dòng)，事實(shí)上生成式的AI應(yīng)用已經(jīng)有一些苗頭了。比如說，空中客車設(shè)計(jì)飛機(jī)隔板的結(jié)構(gòu)，包括機(jī)翼的結(jié)構(gòu)，他們有幾十年很豐富的經(jīng)驗(yàn)，也有很成熟的參考設(shè)計(jì)，但他們?nèi)ツ曜隽艘粋€(gè)大膽的嘗試，他們?cè)诳紤]過去的經(jīng)驗(yàn)是不是束縛了可能的想法，是不是存在更好的方法呢？于是他們讓人工智能自動(dòng)地做一些探索，類似于AlphaGo在一個(gè)無窮大的空間里面把約束給到他，結(jié)果的確找到了新的結(jié)構(gòu)設(shè)計(jì)形式。而令人驚奇的是，這個(gè)新的結(jié)構(gòu)設(shè)計(jì)很類似于我們來自于仿生學(xué)、生物界的一些動(dòng)物的骨骼結(jié)構(gòu)，這是一個(gè)利用AI進(jìn)行生成式設(shè)計(jì)案例。

在我們今天的現(xiàn)實(shí)世界里面有很多需要?jiǎng)?chuàng)造的地方，都可以用生成式AI來進(jìn)行探索。比如：我們想創(chuàng)建一個(gè)很漂亮的建筑空間，我們需要考慮人流效率、空氣流通、光照條件、經(jīng)濟(jì)價(jià)值等等多方面的綜合權(quán)衡，今天我們有很優(yōu)秀的建筑設(shè)計(jì)師在以他們的聰明才智和豐富經(jīng)驗(yàn)在創(chuàng)造。但是有沒有更好的空間布局？有沒有更好的空間布局？有沒有更高效的人流動(dòng)線設(shè)計(jì)？能不能利用人工智能幫助我們突破個(gè)人認(rèn)知的界限，幫助我們創(chuàng)造出更加經(jīng)濟(jì)、綠色、具有藝術(shù)感的建筑呢?再擴(kuò)展開，我們的裝備制造業(yè)能不能發(fā)展出更加新型的裝備，我們的程序編寫是不是有可能能夠自動(dòng)開始有一些自動(dòng)化的工作生成，包括藥物設(shè)計(jì)探索，以及其他一個(gè)一個(gè)的行業(yè)，都有生成式AI的無窮潛力。

如果人工智能能夠作為生產(chǎn)工具，我們的各個(gè)行業(yè)將會(huì)迎來巨大的變化，我希望2018年能夠出現(xiàn)一些苗頭，讓我們看到改變各個(gè)行業(yè)未來的期望。

第二個(gè)期待是可信的AI，今天無論是智能駕駛，還是金融領(lǐng)域應(yīng)用廣泛使用深度學(xué)習(xí)技術(shù)，我們還面臨著一些關(guān)鍵挑戰(zhàn)，比如說可解釋性問題，或者說黑盒子的問題：人工智能的深度學(xué)習(xí)對(duì)內(nèi)部的機(jī)制，我們現(xiàn)在還缺乏理解和控制力，在一些特別關(guān)鍵的應(yīng)用場(chǎng)景，我們還不能完全信賴它。我們能不能把人的生命托付給一臺(tái)自動(dòng)駕駛的汽車？車廠能不能對(duì)由一個(gè)不知道其內(nèi)部機(jī)理的深度學(xué)習(xí)算法控制的機(jī)器承擔(dān)責(zé)任？什么時(shí)候該剎車、轉(zhuǎn)方向盤，這些關(guān)鍵決策，我們需要有人工智能，也有很多過去的經(jīng)驗(yàn)，基于規(guī)則的應(yīng)用，是具有很明確可解釋性，可信任的決策機(jī)制。

如果我們能夠突破這一點(diǎn)，當(dāng)人工智能變成可解釋的，那么它就具有可信賴的基礎(chǔ)，而可信賴就意味著它能夠被引用到更多的關(guān)鍵業(yè)務(wù)場(chǎng)合，幫助我們做重大的決斷，電網(wǎng)的調(diào)度，手術(shù)的操作等等很多的領(lǐng)域，這是我最大的兩個(gè)期待。

二、人工智能如何賦能各個(gè)行業(yè)？

嘉賓們?cè)诜窒砹烁髯詫?duì)于人工智能發(fā)展趨勢(shì)的觀點(diǎn)后，又分別就人工智能在行業(yè)應(yīng)用前景提出了自己獨(dú)到的講解與看法。

高欣欣：今天既然是一個(gè)特別偏技術(shù)和行業(yè)結(jié)合的會(huì)，我還想繼續(xù)追問行業(yè)的問題，我再請(qǐng)問芮總一個(gè)問題，其實(shí)芮總曾經(jīng)說過人工智能叫ABCD，但有別于別人說的算法、算力和數(shù)學(xué)，您加了個(gè)B，Business，也就是行業(yè)，而聯(lián)想其實(shí)也深入到了很多的行業(yè)。剛才孫劍老師從創(chuàng)業(yè)的角度談了，那您又是如何看待技術(shù)激活的全新行業(yè)呢？

芮勇：過去一年在不同的場(chǎng)合我都跟大家說，要做好一個(gè)成功的人工智能系統(tǒng)，真的需要ABCD，A就是算法（algorithm），C就是計(jì)算力(computing)，D就是數(shù)據(jù)(data)，但特別強(qiáng)調(diào)要有一個(gè)B，B就是和垂直行業(yè)相結(jié)合，和我們的business要相結(jié)合。

如果我們看2016年、2017年是一個(gè)人工智能要飛上天的過程，隨便路上找一個(gè)人就知道，這是人工智能，AlphaGo又贏了。2018年開始，我覺得可能是一個(gè)人工智能要落地的過程，這個(gè)落地不是說他不行了，是說要落地，要和具體的垂直行業(yè)相結(jié)合。

那么，這一次我覺得整個(gè)信息技術(shù)的發(fā)展，可能跟前幾次的變革不是很一樣，不是跟這個(gè)行業(yè)容易結(jié)合，我只是覺得是一個(gè)全行業(yè)的。人工智能要加上所有的行業(yè)，其實(shí)可以助力所有的行業(yè)進(jìn)行轉(zhuǎn)型和升級(jí)，粗略算一下有200多個(gè)。

有幾個(gè)行業(yè)特別我覺得挺有意思，一個(gè)是醫(yī)療方面，互聯(lián)網(wǎng)+的時(shí)候，其實(shí)可能讓我們上網(wǎng)預(yù)約變得容易了，但醫(yī)生就那么幾個(gè)，有人工智能助力的話，比如說它幫你看一下X光，讀一下片子，有的時(shí)候比人讀的還準(zhǔn)，因?yàn)槿说较挛绲臅r(shí)候比較困，人工智能來幫你做腫瘤分析、X光等等。醫(yī)療行業(yè)是非常好的。

另外，智能制造，我提的智能制造可能是更廣義的，不是生產(chǎn)線上的機(jī)器，那是其中的一個(gè)部分，更有意思的是說，怎么精準(zhǔn)的定義一個(gè)產(chǎn)品，這是第一步。

第二步，有供應(yīng)鏈的管理，我從微軟到了聯(lián)想之后才知道，從軟件到硬件巨大的不同就是，軟件里面沒有供應(yīng)鏈的管理，硬件有供應(yīng)鏈的管理，一臺(tái)設(shè)備可能有上千個(gè)零部件，你買多了就砸自己手里了，買少了沒有辦法用戶的需求，供應(yīng)鏈的管理里面很多人工智能的東西可以做。

第三步，整個(gè)的生產(chǎn)過程。

第四步，售后服務(wù)。我覺得是一個(gè)很廣義的智能制造，這里面有人工智能做的事兒太多了，從供應(yīng)鏈的管理，我剛才已經(jīng)提到了，有很多能夠用機(jī)器學(xué)習(xí)的算法，加上一些運(yùn)籌學(xué)的東西，如果能把預(yù)測(cè)的準(zhǔn)確度上升1%，那就是幾個(gè)億的利潤。

生產(chǎn)線的智能化，包括用AR的眼鏡檢測(cè)有問題的產(chǎn)品。做售后服務(wù)的時(shí)候，其實(shí)今天我們都知道，可能人員流失率最高的地方就是售后服務(wù)呼叫中心，因?yàn)樗荒?65天，大家打電話來就是那么幾個(gè)問題，問來問去還是那么幾個(gè)問題，會(huì)很煩，因?yàn)槿瞬辉敢飧蛇@樣的工作。這個(gè)事情讓AI來做太好了，就這么幾個(gè)問題，都解了不就完了嘛，對(duì)售后服務(wù)的呼叫中心，我覺得人工智能也可以做的非常好。

說到挑戰(zhàn)，我覺得可能有兩個(gè)，一個(gè)是從人工智能本身的算法上，進(jìn)入一個(gè)新的行業(yè)，可能它的數(shù)據(jù)量剛開始的時(shí)候沒有那么多，或者沒有標(biāo)注，有沒有在小數(shù)據(jù)和弱標(biāo)注的情況下開發(fā)一個(gè)好的算法。

第二個(gè)，可能比算法更重要、技術(shù)更重要的是說對(duì)行業(yè)的理解，我前一段時(shí)間剛好去訪問了一個(gè)做智能交通的公司，他們有一個(gè)技術(shù)專家，還有一個(gè)行業(yè)專家，第一次前面的時(shí)候，技術(shù)專家就跟行業(yè)專家說，我有深度學(xué)習(xí)，我有這個(gè)那個(gè)，行業(yè)專家說你先把500頁的中國交通法拿回去看一看，要不然你做東西一點(diǎn)用都沒有。他說的其實(shí)非常非常對(duì)。到最后應(yīng)該是行業(yè)引領(lǐng)技術(shù)，技術(shù)才能真正落地。

高欣欣：既然是技術(shù)賦能各個(gè)行業(yè)，我追問一下曉衛(wèi)院長，在我們的技術(shù)界有一個(gè)爭(zhēng)論，當(dāng)人工智能可以進(jìn)入到每一個(gè)行業(yè)，在一個(gè)行業(yè)有沒有可能有一個(gè)通用的解決方案，或者說人工智能能變成一個(gè)通用計(jì)算呢，這個(gè)是不是IBM指的廣義人工智能的概念？

沈曉衛(wèi)：今天的人工智能或者說在可預(yù)見的接下來的幾年，我們可以看到很多企業(yè)級(jí)人工智能的發(fā)生。在這樣一個(gè)情況下，我們看到人工智能會(huì)從一個(gè)比較狹窄的AI，變成一個(gè)比較寬泛的AI，這是一個(gè)什么樣的概念呢？你看到今天很多人工智能的解決方案，更多的是專注于解決一個(gè)非常清楚定義的問題，某一個(gè)領(lǐng)域，接下來可能會(huì)看到人工智能的解決方案，會(huì)解決一個(gè)領(lǐng)域甚至跨領(lǐng)域的很多個(gè)問題。

在這樣的背景下，我們也以醫(yī)療為例，醫(yī)療領(lǐng)域的解決方案，可能是為醫(yī)院服務(wù)，可能是為病人服務(wù)，可能是為保險(xiǎn)公司服務(wù)，可能是為政府服務(wù)。比如說為醫(yī)生服務(wù)，你有可能是做醫(yī)療影像、慢性病的管理，你可能是做全科醫(yī)生，你可能是做腫瘤分析。

在從技術(shù)角度，你可能是用深度學(xué)習(xí)，用自然語言理解。所以它還是一個(gè)非常非常復(fù)雜的寬泛的概念，在這樣的背景下，與其說是不是有一個(gè)通用的人工智能解決方案，能夠全部處理醫(yī)療領(lǐng)域的問題，我倒覺得我們可能更多的需要聚焦在人工智能的模型上，所以模型是基于算法和解決方案之間的。

我們需要構(gòu)建可以重復(fù)使用的人工智能的模型，而這些模型已經(jīng)被適當(dāng)?shù)臄?shù)據(jù)進(jìn)行過訓(xùn)練，基于這樣的模型，我們又可以構(gòu)建更復(fù)雜、更完備的模型，最終構(gòu)建人工智能的解決方案。不像今天，我們遇到一個(gè)問題，拿到一個(gè)算法，拿到數(shù)據(jù)，進(jìn)行大規(guī)模的數(shù)據(jù)訓(xùn)練等等。

這樣就催生出另外一個(gè)概念，我們可能要考慮到基于人工智能模型的東西，大家把我們提前構(gòu)建的、針對(duì)某些領(lǐng)域的，甚至是通用的一些可重復(fù)使用的人工智能的模型，放在這樣的場(chǎng)景，使得我們的使用者可以拿來使用，這里面當(dāng)然也包括了這些技術(shù)架構(gòu)的設(shè)計(jì)，包括了這些人工智能模型本身的安全性等等方面的問題。

高欣欣：接下來我想問一下宋院長，假設(shè)我們真的有這樣廣義的人工智能的話，需要什么樣的計(jì)算力來支撐？

宋繼強(qiáng)：其實(shí)廣義人工智能不一定跟計(jì)算力有多高的線性增長，或者指數(shù)級(jí)增長有關(guān)。我們知道現(xiàn)在的天河一號(hào)的計(jì)算力，超過我們?nèi)魏我粋€(gè)小芯片，我們也沒有看到那里面長出一個(gè)通用智能的技術(shù)出來。所以在人腦的工作方式里面，用這么小的一個(gè)功耗和短短的時(shí)間，我可以處理好多事兒，這是通用人工智能最高的境界，既能夠被用來處理多種事兒，又能夠同時(shí)處理多種事兒，這是兩個(gè)層次。

現(xiàn)在的深度學(xué)習(xí)，以及深度的強(qiáng)化學(xué)習(xí)，是可以被用來處理多個(gè)事兒的，但還不能同時(shí)處理多個(gè)事兒，跟人還是有差別的。

我們又看到，Intel現(xiàn)在芯片嘗試的路線圖上，有嘗試模擬人腦、跟IBM類似的神經(jīng)芯片，屬于內(nèi)腦型芯片，也有純粹是提高計(jì)算量的ASIC芯片或者多核芯片都有。我們就可以看到，對(duì)于某些類型的算法，比如說深度學(xué)習(xí)，它適合于處理一些視覺的問題，識(shí)別人和物體，這種用某種加速芯片來解決是最好的，ASIC就可以。

如果說我要解決一些又有推理，又有一些隱藏的知識(shí)，又需要持續(xù)不斷地適應(yīng)的，那可能就放在神經(jīng)芯片里比較好，而且功耗很低，因?yàn)槟莻€(gè)可以用異步的技術(shù)來設(shè)計(jì)。所以這兩種如何結(jié)合起來，有可能就像剛才曉衛(wèi)院長說的，有一個(gè)AI方案的場(chǎng)景，這里面有軟件模塊、硬件模塊，有些是專門針對(duì)某些具體的功能，通過小的ASIC就可以很快搞定，功耗也低。有的也需要配合一些推理，配合一些概率的分析，就像人，人也不總是推理正確的嘛，也有一些概率在的。

這樣就能改造出來，既在某些方面很強(qiáng)，又能夠構(gòu)造出一種通用適配的能力，我覺得不是光看算力，而多看看架構(gòu)的變化，各司其職。我們的人腦也一樣，一個(gè)簡(jiǎn)單的例子，我們?nèi)ケ尘啪懦朔ū?，不想每次都重新算，而是一下就記住了，都是一些不同的辦法來解決各種問題。我覺得這可能是一個(gè)比較合適的思路。

高欣欣：深度學(xué)習(xí)是現(xiàn)在普遍提到的，那么孫劍老師覺得深度學(xué)習(xí)是我們的一個(gè)終極選擇嗎？有沒有什么技術(shù)會(huì)替代深度學(xué)習(xí)呢？

孫劍：最近業(yè)余時(shí)間在學(xué)習(xí)平行宇宙的理論，給我的感想就是，我們研究了這么長時(shí)間，追求一些大一統(tǒng)的理論，終極理論。但目前是越研究越迷茫，越研究越不清楚到底會(huì)是什么。我相信深度學(xué)習(xí)目前肯定不會(huì)是一個(gè)終極的方案，但里面的核心思想，比如說分層嵌套的方式來逼近函數(shù)，或者用端到端學(xué)習(xí)的方式來做事情，這些方式可能還會(huì)延續(xù)很長時(shí)間，一直有很強(qiáng)的生命力。

深度學(xué)習(xí)如果從技術(shù)上來說，我們核心研究幾個(gè)子問題，一個(gè)是這個(gè)模型表示能力強(qiáng)不強(qiáng)，我們今天知道隨著神經(jīng)網(wǎng)絡(luò)深度的增加，表示能力很強(qiáng)，我們還研究怎么優(yōu)化的問題，包括現(xiàn)在有了Intel的CPU、GPU，讓我們的優(yōu)化問題，能夠在非常大的計(jì)算力下解決好，解的不好的是推廣問題，強(qiáng)泛化能力問題。

泛化能力的話，我們一般講有兩種，一種叫弱泛化能力，一種叫強(qiáng)泛化能力。弱泛化能力其實(shí)是我們機(jī)器學(xué)習(xí)經(jīng)典研究的問題，訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)是同分布的，在訓(xùn)練數(shù)據(jù)上能夠做好，八成在測(cè)試數(shù)據(jù)上就能做好，這個(gè)東西現(xiàn)在研究已經(jīng)比較深入了，而且經(jīng)常做的比較好。

研究不清楚的是，今天神經(jīng)網(wǎng)絡(luò)的模型為什么在很多情況下還能工作的很好，這個(gè)還是不清楚的。因?yàn)橥Ｐ偷膮?shù)比訓(xùn)練樣本還多很多，為什么不會(huì)overfit，為什么還可以做，這是要研究的問題。但更重要問題是，剛才像芮總說的像小樣本，弱標(biāo)記，這些能不能做通用問題，這就是強(qiáng)泛化的問題。

強(qiáng)泛化的問題，包括我們每天工作中遇到的訓(xùn)練樣本和測(cè)試樣本不太一樣，比如說前兩天Uber的車出了問題，包括以前特斯拉的問題，確實(shí)有一些樣本以前是沒有見過的，包括我還聽說目前做無人駕駛，為了收集一些難的樣本，拍可能是不行了，找畫家來畫吧。

這是一個(gè)深度學(xué)習(xí)目前面臨的最核心的問題，最亟待突破的問題。大的思路方向怎么做，這可能分短期和長期的做法，長期我們都號(hào)稱要做無監(jiān)督學(xué)習(xí)，要從世界的觀察中學(xué)習(xí)。短期的話，我們內(nèi)部就比較看好元學(xué)習(xí)（meta learning）基于學(xué)習(xí)的學(xué)習(xí)，用另外一個(gè)神經(jīng)網(wǎng)絡(luò)或者學(xué)習(xí)系統(tǒng)，學(xué)習(xí)已有的系統(tǒng)是怎么去學(xué)習(xí)的?，F(xiàn)在有很多形式，這個(gè)是短期來解決強(qiáng)泛化能力的思路，我們正在做這個(gè)方向。

高欣欣：強(qiáng)哥，這么多的大公司在做算力、算法的努力，你覺得這樣的基礎(chǔ)研究在初創(chuàng)公司還有機(jī)會(huì)嗎？

沈強(qiáng)：我先說結(jié)論，我覺得很有機(jī)會(huì)，為什么這么說？我們來看一個(gè)成熟的AI生態(tài)系統(tǒng)，它應(yīng)該具有什么樣的特征，我有3個(gè)數(shù)字很關(guān)鍵：1百、1萬、1百萬。

先說1萬，1萬是說一個(gè)成熟的AI生態(tài)系統(tǒng)，我們的算力要提升到今天算力的1萬倍。為什么這么說？

一個(gè)繁榮成熟的AI生態(tài)，必須能支撐海量AI應(yīng)用的低成本高效率開發(fā)。正如移動(dòng)互聯(lián)網(wǎng)的蓬勃興起，一個(gè)程序員，一臺(tái)電腦都可以開始開發(fā)，所以我們才有那么豐富的移動(dòng)應(yīng)用生態(tài)。再來看典型的AI應(yīng)用，我可能第一個(gè)最容易被轉(zhuǎn)化為大規(guī)模經(jīng)濟(jì)的AI應(yīng)用是自動(dòng)駕駛。NVIDIA曾經(jīng)針對(duì)自動(dòng)駕駛應(yīng)用開發(fā)的計(jì)算需求給出了一個(gè)報(bào)告，一個(gè)典型的數(shù)據(jù)集，包含100輛車，一年的運(yùn)行數(shù)據(jù)進(jìn)行訓(xùn)練，原始數(shù)據(jù)幾百個(gè)PB，預(yù)處理后從100多個(gè)TB到400多個(gè)TB不等，這樣的一個(gè)模型的訓(xùn)練，根據(jù)模型訓(xùn)練的復(fù)雜度，使用當(dāng)今深度學(xué)習(xí)算力最強(qiáng)的DXG-1服務(wù)器，需要166天到778天的范圍，平均1萬小時(shí)。然而我們的移動(dòng)應(yīng)用開發(fā)，PC應(yīng)用開發(fā)，最頻繁的操作是改代碼、重編譯。當(dāng)我們對(duì)代碼做一些調(diào)整重新編譯，可能就是在幾分鐘或者十幾分鐘就能完成。而對(duì)深度學(xué)習(xí)AI應(yīng)用而言，核心邏輯是放在模型里的，該邏輯改代碼的方式就是調(diào)整模型重新訓(xùn)練，這可比移動(dòng)互聯(lián)網(wǎng)應(yīng)用的改代碼慢多了。能夠大規(guī)模產(chǎn)生豐富應(yīng)用的前提條件是，我的生產(chǎn)工具要足夠高效，能夠幫助我快速的生成這些東西，所以必須把1萬小時(shí)的時(shí)間壓縮到1小時(shí)級(jí)別，這是一萬倍計(jì)算能力的提升。

自動(dòng)駕駛只是第一個(gè)規(guī)?；腁I應(yīng)用，我們還指望AI能廣泛的去改造每一個(gè)行業(yè)呢，這個(gè)算力必須提升。

然后說1百，是指一百倍的成本降低。剛才講到的自動(dòng)駕駛訓(xùn)練模型用的設(shè)備，是一臺(tái)NVIDIA DGX-1，價(jià)格是80多萬人民幣，而我們，我們做一個(gè)移動(dòng)應(yīng)用開發(fā)，我們只需要一臺(tái)Mac或者一臺(tái)PC就可以了，是幾千塊錢的，這是1千倍的價(jià)格差異。開發(fā)設(shè)備門檻很低，要不怎么可能有那么多個(gè)人開發(fā)者投入其中呢？只有個(gè)人開發(fā)者都有能力投入到這個(gè)AI應(yīng)用開發(fā)的時(shí)候，應(yīng)用生態(tài)會(huì)形成一個(gè)大爆發(fā)，所以價(jià)格要降100倍。

再說100萬，是指AI生態(tài)系統(tǒng)里面應(yīng)用的數(shù)量要達(dá)到100萬個(gè)，才能覆蓋足夠廣泛的場(chǎng)景和需求，穩(wěn)定的生態(tài)格局才會(huì)形成。我們看移動(dòng)互聯(lián)網(wǎng)，我們看PC，我們看互聯(lián)網(wǎng)，都有這樣的規(guī)律。就移動(dòng)互聯(lián)網(wǎng)來說，IOS和安卓今天在移動(dòng)市場(chǎng)的統(tǒng)治地位很穩(wěn)定，它的標(biāo)志性事件是什么？是三國大戰(zhàn)的終結(jié)，2013年底，2014年初，隨著微軟收購諾基亞，整個(gè)的移動(dòng)應(yīng)用市場(chǎng)后面就趨于一個(gè)穩(wěn)定的結(jié)構(gòu)。

在那個(gè)時(shí)候無論是蘋果的App Store，還是Google的Google Play，上面的移動(dòng)應(yīng)用數(shù)是多少呢？都是100萬的水平，相同在Windows，在PC年代，它發(fā)展到一個(gè)很穩(wěn)固的地位，正好應(yīng)用數(shù)也是在100萬個(gè)的水平。

所以1百、1萬、100萬這三個(gè)數(shù)很關(guān)鍵，如果我們把這個(gè)作為一個(gè)成熟AI生態(tài)系統(tǒng)的目標(biāo)，我們今天還處在AI生態(tài)的原始社會(huì)，而這樣的一條路徑中有無窮多的可能性。雖然大公司已經(jīng)做了很多工作，也只是起點(diǎn)，可能的路徑可有很多的選擇。至少眼前有兩條路線：一條路徑是線性發(fā)展的迭代過程我們沿著深度學(xué)習(xí)這條路在做技術(shù)上進(jìn)行不斷的優(yōu)化，包括算法的演進(jìn)，像剛才大家談到的弱標(biāo)簽，小樣本等等也包括算力上，沿著數(shù)字電路路線不斷開發(fā)新的AI芯片。但可能也有可能能夠突圍的路線是不走尋常路，比如全新的算法不再基于深度學(xué)習(xí)了，而算力也不再基于數(shù)字電路了，而是采用像量子計(jì)算、神經(jīng)擬態(tài)計(jì)算等其他的路徑。

在這條這么長的道路上，有太多的可能性，太多的分叉，不一定都是大公司的機(jī)會(huì)，初創(chuàng)公司一定有機(jī)會(huì)。

高欣欣：通過各位院長、老師的分享，其實(shí)都表明了對(duì)于技術(shù)整個(gè)影響和升級(jí)行業(yè)的信心，接下來的時(shí)間要深究很多個(gè)行業(yè)，讓我們有信心、有耐心迎接美好的未來，謝謝各位老師。

以上就是此次將門年度創(chuàng)新峰會(huì)技術(shù)高峰論壇的全部內(nèi)容，各位專家由淺入深地從多個(gè)維度去幫助我們回顧和展望了人工智能的過去及未來，相信在大趨勢(shì)下，人工智能的落地及發(fā)展會(huì)正如他們所言，帶給我們前所未有的改變與突破。