“2016英諾創新者大會”在今日舉行，英諾基金創始合伙人李竹表示智能化、文化創意是英諾在2016年重點布局的兩大風口。此外，李竹將“智能化”分為四個方面進行布局：數字／現實世界的連接：AI、大數據、深度學習、AR/VR、自動駕駛：

　　消費機器人：家用、陪伴、外骨骼、無人機；工業機器人：新經濟模式、核心部件、集成／本體；數字健康：器官打印。

　　在“智能化的浪潮”的圓桌談論中，晨興資本合伙人程宇、華登國際董事總經理李文飚、通用機器人創始人劉彤、異視科技創始人徐俊峰、推想創始人陳寬、甄迪智能創始人鄭衛鋒就進行了討論。

　　以下為圓桌論壇核心觀點：

　　1.當所有的數據和算法最后到了臨界點，人工智能在很多垂直領域的應用會逐漸展開。

　　2.人工智能達了可以臨界突破的階段，人工智能能夠真正進入各種各樣的應用，這是給中國帶來巨大機會。

　　3.人工智能在垂直領域應用是正當其時。無論怎么樣，我們還是要找到用戶價值和商業價值的完美結合，找到大數據的泉眼，形成一個閉環反饋。

　　4.機器學習跟專家系統并不是涇渭分明的，好的團隊一定要結合這兩個，專家團隊幫邊界劃定清楚。同樣一艘火箭，但是現在發動機變成了深度學習，燃料變成了大數據，會煥發一個完全不一樣新的東西出來。

　　以下為現場對話實錄（略有刪減）：

　　祝曉成：大家可能都關注了不久前谷歌的機器人阿爾法狗人機圍棋大戰，結果大家知道機器人以大比分獲勝，這件事其實在去年谷歌他們就放言說不久的未來人工智能或者說智能化一定會替代互聯網，看來今年很快阿爾法狗人機大戰的勝利算是一個小小的里程碑。

　　我的第一個問題是：在這波智能化浪潮到來的時候，中國在智能化方向上看到了什么樣的機會？

　　李文飚：我覺得如果講到人工智能，目前我感覺到達了所謂可以臨界突破的階段，所謂突破并不是說會出現真正的科幻小說里面的機器人，而是人工智能能夠真正進入各種各樣的應用，我覺得這是給中國帶來巨大機會，原因是人工智能這么多年來，其實是一個我們看到所謂量變到質變的過程。量變有三個方面，一個是整個算法，從機器學習等方面，另外是摩爾定律，從硬件上來整個計算輸入有超數量級的增長。另外最主要的是數據，搜索來的數據和各種傳感器的數據，大數據給人工智能的突破創造了很多的條件。

　　程宇：我很同意李總的觀點，我覺得阿爾法狗的勝利證明一點，在一個相對封閉的環境內，還有很多這樣的封閉領域，人工智能都會超過人，阿爾法狗用全世界最好的棋手訓練自己打敗同一個人，這個肯定是會勝利的，在所有的領域都會出現這樣的問題。但是就像科幻小說里面說的機器人還很遠，現在我們最好的神經網絡的算法可能就幾千個，除非按現在的摩爾定律的進展，除非像量子計算機得到突破，否則人工智能達到科幻小說里所說的情況可能還需要很久。在數據上，特別是一些新的緯度的數據，比如說移動互聯網和社交網絡帶來的數據，所有的數據都和算法最后到了臨界點，人工智能在很多垂直領域的應用會逐漸展開。

　　我覺得人工智能會在每一個領域上迅速的超越。我覺得這里面能不能迅速達到閉環是很重要的，所謂的閉環是Y和一大堆X的因子，有沒有Y的反饋非常重要。阿爾法狗最大的成功是它能夠把Y及時的反饋。但是現在人工智能大量依靠人來提供Y或者是Y拿不到，這樣的模型機器學習可能沒有那么快。

　　祝曉成：目前從創新創業來講，大家覺得在智能化發展的進程當中，最大的挑戰可能在哪些方面呢？

　　程宇：我覺得現在在很多垂直領域里面，或者這么說有一種所謂的概念，就是專家系統，無論是在金融或者是醫療領域，另外一個是機器學習，這兩個其實不是涇渭分明的?，F在我們看到大量的團隊都具備大數據搜索、人工智能技術。然后再結合一兩個在某些行業里面的專家，來提供專家系統，迅速以及非常好的把握到用戶的需求，迅速推出他們的的產品，這個可能已經是很成熟的?？赡苷系K有一些，比如說像數據的開放性，因為現在中國本身就有這個問題，數據其實是不開放的。數據不開放，未來有沒有機會做數據的交換，我覺得這些是可能的障礙。

　　李文飚：我覺得最大的挑戰還是說在垂直的應用里面，能夠把握好很好的度，你不可能現在把所有的應用都像人一樣，但是你掌握好一個度，你讓它充分的智能化。

　　祝曉成：我覺得我們除了剛才講到的，今天來了四位創業者，分別在各個領域，已經在智能化的道路上前行了。所以第二批問題我問每一位創業者怎么看這波浪潮，又是怎么做的。

　　鄭衛鋒：我覺得這波人工智能的浪，實際上就跟今天是個公司都說我做機器人，實際上不管是工業機器人、無人機或者是其他的東西，無外乎是原來的自動化裝置而已。但是很多人會小瞧自動化裝置的同時，它恰恰正在利用后面的計算能力，從弱人工智能向強人工智能，再強超人工智能的方向演進。跟無人駕駛汽車熱了兩年，大家都覺得它牛了或者覺得這兩年AI牛了或者覺得增強現實牛了，真正的核心其實還是要解決用戶的痛點，一點一點的演進，我不認為無人駕駛時代來臨了，至少還得十年以上。但是智能駕駛時代漸漸來臨，它可以單點解決問題。比如說我給有怎么給，讓它帶上傳感器以后也撞不到前面的車。但是整個行業的成熟還需要很久，是不是一定到2045起點來臨了。

　　陳寬：剛才幾位嘉賓把我想說的點都說了，人工只能是非常大的領域，我簡單說一下我對深度學習這塊的理解。可以說有幾個比較大的壁壘，主要有四個，也可以說是四個比較大的技術突破點。第一，模型上的突破。對于做深度學習人工智能的團隊來說，第一個挑戰就是我們能不能在模型突破上持續的保證最先進的模型知識和儲備，這是很關鍵的突破點。第二，數據?；旧弦粋€好的訓練數據可以改變整個行業本身。第三，我們有沒有一個足夠的執行能力，能夠把數據以及模型全部結合在一起，真正做出來產品。第四，產品是不是真的符合市場的需求，現在很多時候，大家會覺得深度學習做出來很酷的東西，它就OK了，實際上它不符合市場的話，最終是沒成功的。所以我們一定要尋找到非常確定的應用場景，而這個應用場景必須滿足即使現在深度學習的模型可以被應用上。其次我們可以獲得足夠的訓練數據，缺任何一點，它都是不可行的。

　　徐俊峰：首先我們是深耕在汽車領域，其次我們不是做深度學習或者是機器學習的公司。同樣，我個人對人工智能的判斷也是，我不知道2045年或者是2085年這個節點會不會來臨。阿爾法狗圍棋戰勝人類，并不代表機器人真的就跟人一樣聰明。圍棋是一個非常不考慮硬件已經發展到現在，CPU這么快了，英特爾已經做到14納米工藝，將來會做到12納米、9納米，圍棋本身是相對比較容易數據化，相對容易提供數據的特殊場景。所以說如果你把一個攝象頭拿到街上去，隨便拍街景，拍各種各樣隨機的生活場景，機器視覺很難把隨機零散的數據轉化為他可以學習的材料。所以說我對人工智能覺得，它在垂直領域是很樂觀的，它將來會有很多的應用，很快，真正科幻片里面的人工智能，我個人覺得不一定那么快。

　　回過頭來講講汽車領域，無人駕駛汽車現在非常熱，智能汽車也非常熱。國內的谷歌在做，國內也有人做無人駕駛汽車，但我個人感覺，考慮到產業化，考慮到政策，考慮到方方面面的因素，無人駕駛汽車并不會那么快，十年也許更久，

　　劉彤：人工智能如何應用，剛才李總說在垂直行業應用。我想講一下我的理解，其實我認為機器人在拓展，大家現在為什么對人工智能這么感興趣，比如說剛開始我們是PC機，這是數據或者是終端，是人在用。手機是移動的，以后我們的互聯網+的不僅僅是人，可能有數據和機器，我在微軟做了八年。包括大數據、數據怎么儲存、怎么清洗，我認為將來的發展要用機器來解決，是不需要人的。對于垂直，對于個人用戶機器人怎么用。06年諾貝爾物理學獎教授說，二三十年內人類所從事99%的工作都將被機器人替代。其實現在視覺對于人眼感情細節的捕捉已經遠遠超過人眼了。

　　祝曉成：謝謝劉總，其實通過咱們幾位各自不同的背景和不同的表達，其實我們已經看到人工智能化并不是平地起高樓，是各個學科跨學科綜合性的可以發展正常的歷程，不管是什么定律都不可以一蹴而就?，F在我們看到很多不可能的事情逐步變成現實，而且是快速的變成現實，所以智能化的浪潮相信會很快改變我們的生活。今天我們時間關系，所有最后請每一位嘉賓用一句話來說一下對所謂智能化浪潮的判斷或者是觀點或者是期許都可以。

　　程宇：人工智能在垂直領域應用是正當其時。無論怎么樣，我們還是要找到用戶價值和商業價值的完美結合，找到大數據的泉眼，而且盡量能夠形成有一個閉環反饋。機器學習跟專家系統并不是涇渭分明的，好的團隊一定要結合這兩個，專家團隊幫邊界劃定清楚。同樣一艘火箭，但是現在發動機變成了深度學習，燃料變成了大數據，會煥發一個完全不一樣新的東西出來。

　　鄭衛鋒：我覺得從做企業的角度來講，要做很精心的長期的戰略布局，要非常的落地找到用戶的痛點，用后面布局的不管是人工智能或者是機器人的技術解決痛點，不解決痛點你活不到那一天，再布局也沒有價值。

　　陳寬：我個人認為人工智能重點是人和智能互相促進、互相幫助。

　　徐俊峰：我的觀點是人工智能的基點也許很遠，但是人工智能在各個方面的應用會非常快，但是具體的產業化需要踏踏實實花很多的精力、很多的時間去做。

　　李文飚：我很期望中國能夠在人工智能應用的領域，能夠出現像大疆這種級別的公司。

　　劉彤：我認為人工智能對人類的改變將是巨大的，如果量化的話，互聯網到現在能改變1%的話，將來99%的改變將由人工智能完成。