從金山 CEO 退休兩年后，除了在源碼資本任職投資合伙人，張宏江又在剛剛成立不久的北京智源人工智能研究院擔任首屆理事長，致力于推動不同行業(yè)分享大數(shù)據(jù)，讓從事基礎研究院所和 AI 的創(chuàng)業(yè)公司更容易獲得數(shù)據(jù)。

作為一個橫跨產(chǎn)學研、投資四界的人，他對 AI 產(chǎn)業(yè)發(fā)展無疑有著更全面的了解。近期，作為即將召開的 2018 大數(shù)據(jù)技術大會（http://bdtc2018.hadooper.cn/）的主題演講嘉賓，他接受了 AI科技大本營的專訪，講述了 AI 產(chǎn)業(yè)投資、AI 公司發(fā)展和人才培養(yǎng)三方面的內容。

談 AI 投資：投資正趨于理性

AI科技大本營：從投資角度，你覺得中國在“智能+”領域投資的短板是什么？

張宏江：中國人工智能投資聚焦在應用層，算法、芯片這些基礎層的公司與美國相比確實少一些，這跟我們的發(fā)展階段相關，但這會逐漸改善。

AI科技大本營：在應用層，你看好哪些“智能+”領域的發(fā)展前景？

張宏江：我不是應用領域的專家，但發(fā)展前景一般與這兩點有關：一是應用場景能夠產(chǎn)生大數(shù)據(jù)，二是能夠產(chǎn)生很多收入或者它本身就有很大的資源，也就是錢多、數(shù)據(jù)多的行業(yè)，比如金融、醫(yī)療和移動互聯(lián)網(wǎng)。

AI科技大本營：錢多、數(shù)據(jù)多的行業(yè)有很大的發(fā)展前景，但今年的投融資數(shù)據(jù)顯示，獲得最多融資額的是智能制造，這說明了什么？

張宏江：應用場景越大，未來所能夠影響的市場越大，顯然潛力也就越大。我們談的所有概念都是相對概念，制造業(yè)是中國最大的產(chǎn)業(yè)，進一步智能化后顯然有最大的市場，所以在這個領域吸引到投資是正常的、比較健康的。

AI科技大本營：去年年初，李開復等業(yè)內人士就預言今年年底寒冬來臨，AI 泡沫會破掉，不過投融資數(shù)據(jù)同樣顯示，相比去年，今年的 AI 投資事件在數(shù)量減少了 1/3，但整個投資的融資額度卻增加了將近 1/4，AI 投資的熱度似乎不降反升了？

張宏江：我們說泡沫破滅還是寒冬來臨都是相對概念。換句話說，今天人們看人工智能公司已經(jīng)不像三年前，錢就會跟著幾個從大學出來的博士或者教授，從這一點來說泡沫已經(jīng)破了。

今天投資額度的增加在于很多錢投到了 B 輪以上的公司，所以（總體投資）數(shù)量降低是正常的，這恰恰說明了整個市場趨于成熟，投資也越來越理性，人們對于一家 AI 公司所需要具備的核心競爭力在什么地方也越來越清楚。

另外，關于投資寒冬，其實大家更多看的是經(jīng)濟周期，當經(jīng)濟下行的時候投資一定會變得更加小心。

AI科技大本營：如果對 AI 初創(chuàng)企業(yè)的創(chuàng)業(yè)者們說一句話，你會說什么？

張宏江：想清楚自己到底要做什么。第一個問題是你覆蓋的用戶到底有沒有這種需求；第二個問題是有這種需求，你和現(xiàn)在已經(jīng)在滿足他們這種需求的公司有什么核心的差異化。

談 AI 公司：要形成數(shù)據(jù)生產(chǎn)的閉環(huán)

AI科技大本營：你強調 AI 公司的護城河是數(shù)據(jù)和人才，算法和技術形成不了商業(yè)模式，但關鍵問題是他們如何獲得高質量的數(shù)據(jù)以及正確地使用數(shù)據(jù)？

張宏江：如何獲取高質量的數(shù)據(jù)這個問題今天已經(jīng)有非常好的答案，這也是為什么這一波AI浪潮能夠起來的根本原因之一。20 年前人們做神經(jīng)網(wǎng)絡的時候，并不是完全不知道算法應該怎么往下延伸，而是說那時候根本就沒有這么多數(shù)據(jù)。但尤其過去 10 年移動互聯(lián)網(wǎng)的快速發(fā)展，人和數(shù)據(jù)有了大量的深度交互，這本身就是產(chǎn)生高質量標注數(shù)據(jù)的過程。比如用手機拍一張照片，你至少知道是誰在什么地方、什么時候、用哪個手機照的，這些攝像機參數(shù)都有，然后就能很容易做場景識別。

同樣的道理，我認為未來的人工智能公司一定是所謂的閉環(huán)公司，就是說你有產(chǎn)品，產(chǎn)品跟用戶進行交互，這個過程中又產(chǎn)生大量反饋去改善產(chǎn)品以及用戶體驗，吸引更多用戶之后，也就能產(chǎn)生更多數(shù)據(jù)從而訓練更好的算法。整體來說是一個循環(huán)，尤其是移動互聯(lián)網(wǎng)的“環(huán)”。

所以我不認為產(chǎn)生高質量大數(shù)據(jù)是個問題，實際上更大的問題是怎么分享不同行業(yè)的大數(shù)據(jù)，怎么讓做基礎算法研究的人能夠用它訓練更好的算法，這是核心問題所在。

AI科技大本營：既然數(shù)據(jù)起決定性作用，那是不是可以認為未來沒有數(shù)據(jù)的 AI 公司都會死掉？

張宏江：也不能說它會死掉，總歸會留下一些AI技術和解決方案 咨詢公司，但這些公司很難成為真正的具有領軍地位的平臺型公司。

AI科技大本營：反過來看，如果現(xiàn)在的大數(shù)據(jù)公司或者數(shù)據(jù)平臺快速地跟進算法或技術，那他們在未來競爭中應該更有優(yōu)勢。

張宏江：沒錯，因為今天那些在人工智能上有優(yōu)勢的公司，比如 Google，F(xiàn)acebook，微軟，Amazon 的核心在于他們能夠獲得大量實用場景的數(shù)據(jù)，當然他們也有很強的技術團隊，尤其是 Google 和微軟。另外像中國的 BAT、今日頭條、美團也一樣，他們能夠持續(xù)獲得大量高質量的數(shù)據(jù)，加上他們本身的技術實力，他們成為人工智能領軍企業(yè)是毫無疑問的。

AI科技大本營：即將舉辦的 2018 大數(shù)據(jù)技術大會（BDTC）的演講議題至少有一半都與人工智能技術強相關，怎么看大數(shù)據(jù)會議“AI 化”的趨向？

張宏江：大數(shù)據(jù)會議持續(xù)舉辦很多年了，甚至沒有因為人工智能的熱度把名字給改掉，我感到非常高興。大數(shù)據(jù)我們談了 15 年，但它的應用落地很有限，深度學習算法的突破給大數(shù)據(jù)的應用提供了強有力工具。在智能化之前，企業(yè)首先要先做到數(shù)據(jù)化，要意識到用數(shù)據(jù)來驅動業(yè)務、驅動產(chǎn)業(yè)。所以對于大數(shù)據(jù)的未來發(fā)展，我們應該非常樂觀地認識到它是這次產(chǎn)業(yè)革命最核心的生產(chǎn)資料，而再利用人工智能這種工具，會找到更好、更多的大數(shù)據(jù)應用場景。

談 AI 人才：一窩蜂扎堆的方式不可取

AI科技大本營：從技術人員角度，你認為 AI 時代需要的優(yōu)秀人才都有哪些特征？

張宏江：任何時代業(yè)界對技術人員的要求都是同樣的，最核心的是熱愛技術，有扎實的技術基礎，動手能力極強，只是說 AI 時代可能對人才的技能要求更高，人工智能工程師不只是寫程序，還要學會不斷開發(fā)算法，要有很強的數(shù)據(jù)分析能力、應用場景的理解能力。

AI科技大本營：大學是為企業(yè)輸送 AI 人才的重要基地，去年以來有一個顯著的趨勢是至少有 50 家高校的本科都設置了人工智能學院。在人才培養(yǎng)方面你與高校也有交流，你覺得高校培養(yǎng) AI 人才方面存在哪些誤區(qū)？

張宏江：任何一窩蜂的做法都不可取，尤其是大學都這樣做，卻不看具體要求。比如我們 15 年前都做軟件學院，今天誰告訴我軟件學院跟計算機學院的區(qū)別？10 年前大家開始開設電商專業(yè)，電商專業(yè)到底學的是什么？今天人工智能的興起讓我們對人工智能人才的技能要求更多，那我們本科教育應該去加強人工智能課程的設置和質量，讓它成為計算機專業(yè)方向的側重方向。你做人工智能專業(yè)修不修計算機基礎課？要不要懂計算機系統(tǒng)架構？要不要懂計算機基本算法？你前面還要學數(shù)學、代數(shù)，這些都要做。

所以我看不出今天一窩蜂做人工智能本科專業(yè)對這個產(chǎn)業(yè)有任何益處。五年以后，如果需要更多芯片人才、網(wǎng)絡人才怎么辦？10 年前為什么不設 AI 本科專業(yè)？我們需要的恰恰是建立起持之以恒的計算機本科教育，強調計算機基礎能力，需要課程內容設置更扎實、豐富，包括教材、講課的內容要不斷跟上技術發(fā)展的需求。

AI科技大本營：另一方面，這么多人工智能學院的成立也說明對 AI 人才的需求很旺盛。

張宏江：我沒有看到美國排名前 50 的學校一窩蜂地扎堆。過去 30 年人工智能都在坐冷板凳，因為熱了再開這個課，那五年以后再坐冷板凳怎么辦？我們要的是扎實的本科教育，不是追噱頭的一窩蜂。

AI科技大本營：美國的 AI 人才教育有什么值得借鑒的地方？

張宏江：過去幾十年我們一直在向美國學習教育（課程）怎么設置，這種過程應該持續(xù)下去，但我們經(jīng)常學到的是外表或者是一些“時髦”的東西，比如今天大學大多強調的是論文、SC 檢索。

我前段時間跟一位院士聊天，聊到在學術上中國人工智能的人才數(shù)量已經(jīng)不少。他說量是比以前增加了很多，但你看看他們在做什么？國際人工智能大會上發(fā)表的文章數(shù)量已經(jīng)不少，但這些文章?lián)f 90% 都分布在最熱的深度神經(jīng)網(wǎng)絡，就跟設置本科人工智能專業(yè)的情形一模一樣，這是令人憂慮的。

大家有沒有想過今天的神經(jīng)網(wǎng)絡或者深度學習缺陷在哪？它不能解決的問題是什么？這些算法未來的演進是什么？是不是應該在 AI 的其他地方再多做點？我們更應該強調持續(xù)的基礎研究，真正能夠坐很長時間冷板凳的東西。

AI科技大本營：你認為目前人們對人工智能行業(yè)的發(fā)展最需要重視的問題是什么？

張宏江：最大的風險是人們認為人工智能只有深度學習或者只有神經(jīng)網(wǎng)絡學習。我們知道每個算法都有它的局限性，如果只考慮一種算法，也應該更多地看一看這種算法的改善空間，這種算法能不能跟其他算法結合，從而應用到更好的應用場景去創(chuàng)造更大的價值。

今天人工智能取得的突破都是長期坐冷板凳的結果，下一個突破可能也在于今天坐冷板凳的那些人，希望 AI 的基礎研究能夠放眼更遠的未來。