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。

2018年3月24日，首屆將門年度創(chuàng)新峰會在北京舉行。峰會以“一場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700多位伙伴一起，探討分享2018年技術(shù)趨勢及創(chuàng)新機會，以及創(chuàng)新技術(shù)驅(qū)動下的醫(yī)療、交通、新零售、生活等四個領(lǐng)域的AI產(chǎn)業(yè)落地和商業(yè)價值。見證“大”行業(yè)“大”企業(yè)升級迭代背后，“小”場景“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)想集團高級副總裁兼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，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，就2018年的AI發(fā)展趨勢及產(chǎn)業(yè)落地等話題進行了深入探討。

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

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

點擊視頻觀看峰會實錄

以下內(nèi)容根據(jù)大會實錄整理：

一、人工智能如何改變世界？

高欣欣：第一個問題，我想請問IBM的沈曉衛(wèi)院長，您說過技術(shù)的影響力可能遠遠超過我們的想象，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，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)新會在哪幾個方面呢？

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維度：時間和空間。

從時間的維度來看，我們今天處在一個指數(shù)級成長的時代，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)時代，我們也看到了，連接到互聯(lián)網(wǎng)的終端數(shù)也有一個成長。

所以大家相信，一個網(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。今天處在一個大數(shù)據(jù)的時代，我們看到，一個是數(shù)據(jù)本身在指數(shù)型的成長，一個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，及由知識所產(chǎn)生的效率或者洞察力，也在指數(shù)型的成長，這是一個時間的概念。

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行業(yè)，重新定義每一個職業(yè)，影響到每一個人，無所不在的人工智能。

從這兩個維度來看，當(dāng)一個技術(shù)做這樣一個廣泛的應(yīng)用，在一個指數(shù)型成長的平臺上，它帶給我們的改變是非常非常巨大的，可能遠遠超過我們對它的想象。

說到人工智能，在這個時代，技術(shù)的發(fā)展，大概有這樣幾個方向，一個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。因為人工智能今天的技術(shù)還不能滿足我們對它所有的期待。

另外一點，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行業(yè)開始。我們談到了計算力，我們也看到無論是今天談到的一些類腦計算，還有我們談到的量子計算，都在為未來人工智能的應(yīng)用帶來一些計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。從這四個維度來看，就是我今天人工智能時代技術(shù)創(chuàng)新的一個理解，謝謝。

高欣欣：曉衛(wèi)院長提到了計算力，這個問題必須要問宋院長了?；谟嬎慵軜?gòu)和計算力，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5年的時間節(jié)點上，您覺得在這個領(lǐng)域，引領(lǐng)的公司會更集中，還是更多元呢？

英特爾中國研究院院長宋繼強

宋繼強：這是一個預(yù)測，預(yù)測通常都很難做的很準。我可以給大家分享一個趨勢，目前來看，特別是從芯片的角度，做人工智能這個領(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)知道了哪些算法對于處理這些數(shù)據(jù)非常好用，但是我們在訓(xùn)練它的時候，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，這個時候就會根據(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)，有時候需要強調(diào)實時性，有時候需要強調(diào)性價比。

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，這個時候就是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，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事兒，做人臉識別就不能做語音識別，也沒辦法去聽一個歌，給出一個情感分析，都不行。

那么通用芯片，我們是希望它能夠做多種事兒，或者說同時能做多種事兒，這個就需要架構(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最近也出了一個芯片，也是一個新的嘗試，這個嘗試的特點是，我們可以允許它在片上同時進行訓(xùn)練和工作，它就允許你像一個真的大腦一樣，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。

我覺得兩個方面各司其職吧，對于這種架構(gòu)上的探索，可能只有大公司才能搞，因為要花很多錢，而且我們還不缺，什么時候能真的找到這種通用的方法，因為上面還有軟件算法的需要。但是對于具體的領(lǐng)域，我覺得小公司有很多的機會，只要你深挖某一個具體的領(lǐng)域，比如說醫(yī)療，不同的病其實有不同的做法，零售、交通、智能家居各個領(lǐng)域都有很多細分的地方可以挖，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的。

高欣欣：接下來，我請問一下聯(lián)想的芮總，其實我們從PC時代到現(xiàn)在的手機時代，其實設(shè)備一直是人和機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，您覺得我們?nèi)藱C交互的方式未來會發(fā)生什么樣的改變嗎？

聯(lián)想集團高級副總裁兼CTO芮勇

芮勇：回答這個問題之前，我先要謝謝將門，因為上面坐的這幾位我們都很熟，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)備確實是連接人和機器的一個很重要的方面，也謝謝你給我一個機會能插播一個廣告，聯(lián)想每年從PC到手機，全球每年都會銷售1.3億臺設(shè)備，所以設(shè)備是非常重要的。你剛才問的，今后的設(shè)備會有一些什么樣的前景。

我覺得一個很有意思的前景就是，設(shè)備會回歸自然，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，這些都會變得非常智能，你不用再去想，這到底是一個我本來就要戴的表還是一個智能設(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候，鏡子告訴你今天的天氣怎么樣，你今天還有什么會，再給欣欣推薦一下你今天下午有這個活動，你穿這個衣服可能會更好看，它是一個隱于環(huán)境的功能。

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

從唯物到唯心，我們還沒有說到心呢，在講心的話，人的一個腦電加上人的意識，其實這個方面已經(jīng)在做很多研究了，今后你想的事情可能還沒有動作呢，你的設(shè)備已經(jīng)知道了，他就會幫你做。所以設(shè)備是回歸自然，從人機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)并不僅僅是對于行業(yè)的提升，其實它改變了游戲規(guī)則，產(chǎn)生了全新的價值。在您看來，我們今天的這些人工智能技術(shù)，在哪些行業(yè)、場景在相對近的時間，還會對整個行業(yè)產(chǎn)生這樣的一個變化呢？

曠視科技首席科學(xué)家、曠視研究院院長孫劍

孫劍：因為今天我是代表了創(chuàng)業(yè)公司，在座三位院長都是代表大公司，其實在選擇創(chuàng)業(yè)的場景上會不一樣，大公司有非常多的優(yōu)勢，有資源、平臺、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)，有一個很自然的邏輯，哪個行業(yè)的數(shù)字化程度越高，我們就會去先做哪個行業(yè)，最高的就是互聯(lián)網(wǎng)，互聯(lián)網(wǎng)的話我們在2013年、2014年就做了Face++人工智能開放平臺，把我們核心的CV技術(shù)，當(dāng)時也不知道什么商業(yè)模式，把這個技術(shù)放到網(wǎng)上，讓開發(fā)者來調(diào)。

我記得當(dāng)時在微軟的時候，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。

當(dāng)然在看行業(yè)的話，還有一個行業(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++的第二個產(chǎn)品是一個Face ID的產(chǎn)品，在線身份認證，這個目前是全國乃至全世界最大的在線身份認證的平臺，這也是數(shù)字化非常徹底的行業(yè)。

還有一個，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，這個行業(yè)非常適合AI技術(shù)來做，所以安防是CV界的一個非常大的市場。

剛才宋院長也講了AI芯片，其實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，它其實要把計算放在端上，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)勢的。

以上這些就是我們對一家創(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，我問一下強哥，我們每天在一起都爭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

沈強：我對2018年有兩個方向的AI應(yīng)用發(fā)展是有所期待的，倒不是說2018就會有廣泛應(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，我相信人工智能會有更大的價值發(fā)揮空間。在我們現(xiàn)實的世界里面，本質(zhì)性的創(chuàng)造價值往往伴隨著我們能創(chuàng)造出一些新的東西，比如說們會建設(shè)新的建筑，我們會制造新的機器，我們會編寫寫新的代碼。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作用？

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

與其說期許落地，更不如說是期許這個過程的開始，我希望看到它的啟動，事實上生成式的AI應(yīng)用已經(jīng)有一些苗頭了。比如說，空中客車設(shè)計飛機隔板的結(jié)構(gòu)，包括機翼的結(jié)構(gòu)，他們有幾十年很豐富的經(jīng)驗，也有很成熟的參考設(shè)計，但他們?nèi)ツ曜隽艘粋€大膽的嘗試，他們在考慮過去的經(jīng)驗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地做一些探索，類似于AlphaGo在一個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)計形式。而令人驚奇的是，這個新的結(jié)構(gòu)設(shè)計很類似于我們來自于仿生學(xué)、生物界的一些動物的骨骼結(jié)構(gòu)，這是一個利用AI進行生成式設(shè)計案例。

在我們今天的現(xiàn)實世界里面有很多需要創(chuàng)造的地方，都可以用生成式AI來進行探索。比如：我們想創(chuàng)建一個很漂亮的建筑空間，我們需要考慮人流效率、空氣流通、光照條件、經(jīng)濟價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)計師在以他們的聰明才智和豐富經(jīng)驗在創(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線設(shè)計？能不能利用人工智能幫助我們突破個人認知的界限，幫助我們創(chuàng)造出更加經(jīng)濟、綠色、具有藝術(shù)感的建筑呢?再擴展開，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開始有一些自動化的工作生成，包括藥物設(shè)計探索，以及其他一個一個的行業(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，我們的各個行業(yè)將會迎來巨大的變化，我希望2018年能夠出現(xiàn)一些苗頭，讓我們看到改變各個行業(yè)未來的期望。

第二個期待是可信的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)對內(nèi)部的機制，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自動駕駛的汽車？車廠能不能對由一個不知道其內(nèi)部機理的深度學(xué)習(xí)算法控制的機器承擔(dān)責(zé)任？什么時候該剎車、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，基于規(guī)則的應(yīng)用，是具有很明確可解釋性，可信任的決策機制。

如果我們能夠突破這一點，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，這是我最大的兩個期待。

二、人工智能如何賦能各個行業(yè)？

嘉賓們在分享了各自對于人工智能發(fā)展趨勢的觀點后，又分別就人工智能在行業(yè)應(yīng)用前景提出了自己獨到的講解與看法。

高欣欣：今天既然是一個特別偏技術(shù)和行業(yè)結(jié)合的會，我還想繼續(xù)追問行業(yè)的問題，我再請問芮總一個問題，其實芮總曾經(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B，Business，也就是行業(yè)，而聯(lián)想其實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合我都跟大家說，要做好一個成功的人工智能系統(tǒng)，真的需要ABCD，A就是算法（algorithm），C就是計算力(computing)，D就是數(shù)據(jù)(data)，但特別強調(diào)要有一個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年是一個人工智能要飛上天的過程，隨便路上找一個人就知道，這是人工智能，AlphaGo又贏了。2018年開始，我覺得可能是一個人工智能要落地的過程，這個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，不是跟這個行業(yè)容易結(jié)合，我只是覺得是一個全行業(yè)的。人工智能要加上所有的行業(yè)，其實可以助力所有的行業(yè)進行轉(zhuǎn)型和升級，粗略算一下有200多個。

有幾個行業(yè)特別我覺得挺有意思，一個是醫(yī)療方面，互聯(lián)網(wǎng)+的時候，其實可能讓我們上網(wǎng)預(yù)約變得容易了，但醫(yī)生就那么幾個，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，有的時候比人讀的還準，因為人到下午的時候比較困，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)線上的機器，那是其中的一個部分，更有意思的是說，怎么精準的定義一個產(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，一臺設(shè)備可能有上千個零部件，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，整個的生產(chǎn)過程。

第四步，售后服務(wù)。我覺得是一個很廣義的智能制造，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，有很多能夠用機器學(xué)習(xí)的算法，加上一些運籌學(xué)的東西，如果能把預(yù)測的準確度上升1%，那就是幾個億的利潤。

生產(chǎn)線的智能化，包括用AR的眼鏡檢測有問題的產(chǎn)品。做售后服務(wù)的時候，其實今天我們都知道，可能人員流失率最高的地方就是售后服務(wù)呼叫中心，因為它一年365天，大家打電話來就是那么幾個問題，問來問去還是那么幾個問題，會很煩，因為人不愿意干這樣的工作。這個事情讓AI來做太好了，就這么幾個問題，都解了不就完了嘛，對售后服務(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，一個是從人工智能本身的算法上，進入一個新的行業(yè)，可能它的數(shù)據(jù)量剛開始的時候沒有那么多，或者沒有標注，有沒有在小數(shù)據(jù)和弱標注的情況下開發(fā)一個好的算法。

第二個，可能比算法更重要、技術(shù)更重要的是說對行業(yè)的理解，我前一段時間剛好去訪問了一個做智能交通的公司，他們有一個技術(shù)專家，還有一個行業(yè)專家，第一次前面的時候，技術(shù)專家就跟行業(yè)專家說，我有深度學(xué)習(xí)，我有這個那個，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用都沒有。他說的其實非常非常對。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)賦能各個行業(yè)，我追問一下曉衛(wèi)院長，在我們的技術(shù)界有一個爭論，當(dāng)人工智能可以進入到每一個行業(yè)，在一個行業(yè)有沒有可能有一個通用的解決方案，或者說人工智能能變成一個通用計算呢，這個是不是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)級人工智能的發(fā)生。在這樣一個情況下，我們看到人工智能會從一個比較狹窄的AI，變成一個比較寬泛的AI，這是一個什么樣的概念呢？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非常清楚定義的問題，某一個領(lǐng)域，接下來可能會看到人工智能的解決方案，會解決一個領(lǐng)域甚至跨領(lǐng)域的很多個問題。

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，我們遇到一個問題，拿到一個算法，拿到數(shù)據(jù)，進行大規(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，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，需要什么樣的計算力來支撐？

宋繼強：其實廣義人工智能不一定跟計算力有多高的線性增長，或者指數(shù)級增長有關(guān)。我們知道現(xiàn)在的天河一號的計算力，超過我們?nèi)魏我粋€小芯片，我們也沒有看到那里面長出一個通用智能的技術(shù)出來。所以在人腦的工作方式里面，用這么小的一個功耗和短短的時間，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，又能夠同時處理多種事兒，這是兩個層次。

現(xiàn)在的深度學(xué)習(xí)，以及深度的強化學(xué)習(xí)，是可以被用來處理多個事兒的，但還不能同時處理多個事兒，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，也有純粹是提高計算量的ASIC芯片或者多核芯片都有。我們就可以看到，對于某些類型的算法，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，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，因為那個可以用異步的技術(shù)來設(shè)計。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AI方案的場景，這里面有軟件模塊、硬件模塊，有些是專門針對某些具體的功能，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，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，一個簡單的例子，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)是我們的一個終極選擇嗎？有沒有什么技術(shù)會替代深度學(xué)習(xí)呢？

孫劍：最近業(yè)余時間在學(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是什么。我相信深度學(xué)習(xí)目前肯定不會是一個終極的方案，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，這些方式可能還會延續(xù)很長時間，一直有很強的生命力。

深度學(xué)習(xí)如果從技術(shù)上來說，我們核心研究幾個子問題，一個是這個模型表示能力強不強，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，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，能夠在非常大的計算力下解決好，解的不好的是推廣問題，強泛化能力問題。

泛化能力的話，我們一般講有兩種，一種叫弱泛化能力，一種叫強泛化能力。弱泛化能力其實是我們機器學(xué)習(xí)經(jīng)典研究的問題，訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)是同分布的，在訓(xùn)練數(shù)據(jù)上能夠做好，八成在測試數(shù)據(jù)上就能做好，這個東西現(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，這個還是不清楚的。因為往往模型的參數(shù)比訓(xùn)練樣本還多很多，為什么不會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，弱標記，這些能不能做通用問題，這就是強泛化的問題。

強泛化的問題，包括我們每天工作中遇到的訓(xùn)練樣本和測試樣本不太一樣，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。現(xiàn)在有很多形式，這個是短期來解決強泛化能力的思路，我們正在做這個方向。

高欣欣：強哥，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)公司還有機會嗎？

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

先說1萬，1萬是說一個成熟的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)。正如移動互聯(lián)網(wǎng)的蓬勃興起，一個程序員，一臺電腦都可以開始開發(fā)，所以我們才有那么豐富的移動應(yīng)用生態(tài)。再來看典型的AI應(yīng)用，我可能第一個最容易被轉(zhuǎn)化為大規(guī)模經(jīng)濟的AI應(yīng)用是自動駕駛。NVIDIA曾經(jīng)針對自動駕駛應(yīng)用開發(fā)的計算需求給出了一個報告，一個典型的數(shù)據(jù)集，包含100輛車，一年的運行數(shù)據(jù)進行訓(xùn)練，原始數(shù)據(jù)幾百個PB，預(yù)處理后從100多個TB到400多個TB不等，這樣的一個模型的訓(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)算力最強的DXG-1服務(wù)器，需要166天到778天的范圍，平均1萬小時。然而我們的移動應(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1萬小時的時間壓縮到1小時級別，這是一萬倍計算能力的提升。

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

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

再說100萬，是指AI生態(tài)系統(tǒng)里面應(yīng)用的數(shù)量要達到100萬個，才能覆蓋足夠廣泛的場景和需求，穩(wěn)定的生態(tài)格局才會形成。我們看移動互聯(lián)網(wǎng)，我們看PC，我們看互聯(lián)網(wǎng)，都有這樣的規(guī)律。就移動互聯(lián)網(wǎng)來說，IOS和安卓今天在移動市場的統(tǒng)治地位很穩(wěn)定，它的標志性事件是什么？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，整個的移動應(yīng)用市場后面就趨于一個穩(wěn)定的結(jié)構(gòu)。

在那個時候無論是蘋果的App Store，還是Google的Google Play，上面的移動應(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)展到一個很穩(wěn)固的地位，正好應(yīng)用數(shù)也是在100萬個的水平。

所以1百、1萬、100萬這三個數(shù)很關(guān)鍵，如果我們把這個作為一個成熟AI生態(tài)系統(tǒng)的目標，我們今天還處在AI生態(tài)的原始社會，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，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)上進行不斷的優(yōu)化，包括算法的演進，像剛才大家談到的弱標簽，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，而是采用像量子計算、神經(jīng)擬態(tài)計算等其他的路徑。

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會，初創(chuàng)公司一定有機會。

高欣欣：通過各位院長、老師的分享，其實都表明了對于技術(shù)整個影響和升級行業(yè)的信心，接下來的時間要深究很多個行業(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，相信在大趨勢下，人工智能的落地及發(fā)展會正如他們所言，帶給我們前所未有的改變與突破。