【人工智能】吴恩达、李飞飞等6位大咖给AI公司撬动数据支招

2017 年 10 月 10 日 产业智能官 新智元

【AI WORLD 2017世界人工智能大会倒计时30天】大会早鸟票已经售罄，现正式进入全额票阶段。还记得去年一票难求的AI WORLD 2016盛况吗？今年，百度副总裁、AI技术平台体系总负责人王海峰、微软全球资深副总裁，微软亚洲互联网工程院院长王永东等产业领袖已经确认出席大会并发表演讲。谷歌、亚马逊、BAT、讯飞、京东和华为等企业重量级嘉宾也已确认出席。

在“数据、算法、计算力”这AI 发展的三大驱动力中，眼下最被人们关心的是哪一个？这里的限定词是“最”。在由人工智能领域顶级投资机构红杉资本中国基金和真格基金发起的“AI 双城记”北京-硅谷参访活动交流中，我们发现，关于答案的大部分线索，都指向了“数据”。

走访了今日头条、清华姚班、科大讯飞、阿里巴巴和腾讯的人工智能实验室之后，“AI双城记”一行前往硅谷，向谷歌云机器学习与人工智能首席科学家李飞飞教授、滴滴信息安全战略副总裁、滴滴研究院副院长、Didi Labs负责人弓峰敏博士、加州大学伯克利分校AI实验室负责人Pieter Abbeel教授、 Y Combinator 总裁Sam Altman、斯坦福大学机器人实验室Oussama Khatib教授、Coursera公司联合创始人吴恩达教授等多位业界顶级专家进行了交流学习，探访了唯品会的“AI+时尚”，还深入加州大学伯克利分校与斯坦福大学两大“魔法学校”，面向未来AI 人才进行了校园巡讲。

红杉资本全球执行合伙人沈南鹏和真格基金创始人徐小平也参与了“AI双城记”硅谷段的部分活动环节。沈南鹏认为，人工智能是信息科技高速发展的重要产物，如果企业家能够把握好未来5-10年市场研发方向与机会，应当可以获得前所未有的长足进步，获得跨越式发展。

沈南鹏和徐小平都非常关心AI产业将对教育领域带来哪些改变。徐小平认为，工业时代是把流水线上的人变成机器，而AI时代则是把机器变成人。AI的广泛应用，如果能够极大提高生产力、极大地解放人类，将是非常了不起的事情。

在专家的分享中，在团员们的交流讨论里，“数据”二字一直被反复提起。这些人工智能领域领袖级的专家们，这些走在AI创业前线的企业家们，他们都有着怎样的“数据观”？

具体来说，巨头在数据上的优势会不会形成垄断，构建起发展人工智能的壁垒？对于创业公司来说，在数据不足的情况下，应该如何聚焦以弥补劣势？从技术上来说，是否一定需要“大”数据才能发展AI？从更高的层面来看，不同的市场环境对于数据的产生会有多大的影响，反映在数据上的差异化结果，是否会在AI层面造成长远影响？

为期一周的硅谷之行中，以上问题一一得到了解答。

没有足够的数据怎么办？李飞飞：通过产品来撬动数据，启动飞轮

对于大多数并非以 AI 技术为核心业务的公司来说，智能时代他们最关心的问题是，要怎么用好AI技术（为业务助力）？这些公司在日常经营业务中累积了大量数据，归结起来，这是业务场景的问题。

而作为创业者，其实大多数人比较关心这样一个问题：没有大数据怎么办？专家们的一个建议是做细分领域，原因在于细分领域的数据，大公司不容易触达。

“AI双城记”硅谷段第一场大佬对话的重磅级嘉宾是谷歌云机器学习与人工智能首席科学家李飞飞教授，红杉资本全球执行合伙人沈南鹏先生与真格基金创始人徐小平老师专程到场参加。

图为红杉资本全球执行合伙人沈南鹏先生与谷歌云机器学习与人工智能首席科学家李飞飞教授对话创业者

创业者向李飞飞教授提出这样一个问题：大公司毫无疑问拥有巨大的数据获取优势，那么创业公司还有机会吗？

李飞飞教授的回答是，大公司在获取跟自己产品相关数据方面的优势肯定是无法匹及的。但是，AI应用的场景多种多样，在许多领域还有待开掘。对于初创公司来说，通过产品来撬动数据获取才是最重要的。

图为真格基金创始人徐小平老师聆听李飞飞教授答创业者问

在李飞飞教授看来，科技在不断往前推动，毫无疑问，人工智能是真正革命性的技术。但这一领域的存在只有60年，在大数据中，仅仅是有标注的训练数据集就可以用来做很多工作。

在被问及看好哪些行业会最先在AI的推动下获得长足发展时，她再次提到“数据”这一线索，李飞飞认为，有数据、有场景的地方会用得最好。

硅谷安全教父弓峰敏：给机器“喂”训练所需的数据时，要考虑到其应用场景是什么样的

此次行程中，“AI 双城记”一行也拜访了滴滴信息安全战略副总裁、滴滴研究院副院长、Didi Labs负责人弓峰敏博士。

图为滴滴信息安全战略副总裁、滴滴研究院副院长、Didi Labs负责人弓峰敏博士

据弓峰敏博士介绍，滴滴现在的发展方向不仅仅局限在共享出行，而是瞄准了整个交通系统的变革。滴滴公司每天需要处理的数据超过了4500 TB，而每天通过滴滴平台完成的出行订单则超过2000万次。通过道路设施上的传感器和车辆同时收集而来的数据，变成很大的数据源，这让滴滴训练更加智能的系统成为了可能。

他介绍说，滴滴出行在拼车规划方面的计算量，远远超越了下围棋的AlphaGo。在获得数据以后，系统可以学到对于乘客来说在什么地方、哪一个上车点是最方便的，所以在滴滴APP里面，现在我们看到了“推荐上车地点”这一应用。

他同时谈到了AI时代将会面临的各种安全问题——一窥硬币的另一面。

在他看来，机器学习本身的确增加了方法和模型的复杂度，和软件时代一样，复杂程度本身就是一个可能引起更多漏洞和威胁的弱点。但AI应用引发黑客攻击的可能性已经不是什么新鲜事物，越来复杂的机器学习，已经有对抗的味道在其中。这意味着，机器需要做更多自适应的学习，不断更新，去应对可能出现的安全风险。

另一方面，给机器“喂”训练所需的数据时，就要考虑到其应用场景是什么样的，对于噪音、干扰、信息污染的承受程度又是怎样。如果预见性差，很可能致使学习系统被误导，其学习结果也相对不会理想。

因此，弓峰敏博士指出，解决AI未来应用的安全性问题，也会是一个蓬勃兴起的新领域。

吴恩达教你判断一家公司是不是AI公司：看数据

硅谷行程的最后一天，人工智能和机器学习领域国际最权威学者之一吴恩达为大家作了主题为《当AI成为新的电力，它将怎样改变世界？》的分享。

图为Coursera公司联合创始人吴恩达教授

AI的崛起正在改变公司间竞争的基础，到底什么才是真正的AI公司？吴恩达教授首先谈到了互联网时代，关于定义“互联网公司”的误区——商场 + 网站 ≠ 互联网公司。

“我认识一家大型零售公司的CIO，有一次CEO对他说：‘我们在网上卖东西，亚马逊也在网上卖东西，我们是一样的。’但其实不是的，互联网公司应该如何定义呢？不是看你有没有网站，而是看做不做A/B测试、能不能快速迭代、是否由工程师和产品经理来做决策。这才是互联网公司的精髓。”

他还说，同样地，现在我们经常听人说“AI公司”。在AI时代，我们同样要知道：传统科技公司 + 机器学习/神经网络 ≠ AI公司。

那么，怎样才算是一家真正的AI公司，吴恩达教授认为有3个重要的特征，都与数据直接相关：

第一，AI公司倾向于策略性地获取数据。

第二，AI公司通常有统一的数据仓库。

第三，普遍的自动化以及对人工智能产品经理的新定位（从哪儿获取数据，如何获取数据，对数据精准度的要求）。

数据太小怎么办？OpenAI 有办法

相比科技巨头，初创公司在数据上的劣势是确实存在的。但是，在前沿研究领域，研究者们也在探索，如何利用小量的数据进行学习和训练，在不依赖大量数据的前提下，最高效地发展AI技术。

OpenAI研究员、加州大学伯克利分校教授Pieter Abbeel 和 OpenAI 创始人、YC 创始人 Sam Altman 在与AI Trip团员的分享中，均提到了他们的最新研究方向——在小数据的前提下发展 AI。在OpenAI，研究员们更多地是着眼于机器的“学习”，在自训练（self-play）中训练智能体。

图为Y Combinator 总裁Sam Altman

图为加州大学伯克利分校教授、伯克利AI实验室负责人Pieter Abbeel

Pieter Abbeel更为具体地提到了一个有效的方法——元学习（Meta Learning），给系统很多训练数据，最后得到的是一个自学习的系统，它会随着获得的数据进行更新和快速的学习。这样，少量数据也可以有好的结果，只要有相似的数据。这颠覆了传统的深度学习模式必定需要大量数据集的情况，意味着其实深度学习也可以在少量数据的情况下，得到不错的结果。

翻阅此前的论文，Pieter Abbeel他们的介绍是，这是一种与模型无关的元学习算法，它与任何具有梯度下降训练的模型兼容，适用于各种不同的学习问题，包括分类，回归和强化学习。元学习的目标是在各种学习任务上训练一个模型，以便可以使用少量的培训样本来解决新的学习任务。

在他们的方法中，模型的参数被明确地训练，使得具有来自新任务的少量训练数据的少量梯度步骤将在该任务上产生良好的泛化性能。实际上，他们的方法训练模型很容易微调。已经得到证明的是，这种方法可以在两张图像分类基准上产生最先进的表现，在回归中产生良好的效果，并通过神经网络策略加速策略梯度强化学习的微调。

另一个解决数据不足的办法，斯坦福机器人实验室：用虚拟环境的训练解决数据问题

在斯坦福，机器人专家Oussama Khatib向大家介绍了他引以为傲的机器人Ocean One，这是一个用于深海发掘的机器人，能够到达人类因为生理限制无法到达的海底深度。

图为斯坦福大学机器人实验室教授、电气与电子工程师协会研究员、国际机器人研究基金会主席Oussama Khatib教授

Oussama的团队设计了一种三指机械手，采取AI+触觉反馈的协同工作方式，让机器人手部能够感受到所抓取物体的重量与质感，在斯坦福的实验室里，“AI双城记”团员们也亲身感受到了这一人机协同的新方式。真正能“感受”得到机器那一端的触感。

新智元了解到，Ocean One的研发中，很多训练其实使用了模拟场景，就是虚拟环境。可以用虚拟产生的数据发展AI，这又是解决在没有大数据的情况下发展人工智能的一个妙招。

总结：中美之间在数据上面临的不同情境，很可能会成为将来AI角逐的关键甚至是决定性因素

首先数据为什么重要？这一问题提出的背景是，当下人工智能发展其实有两个非常明显的现象：算法的开源化和计算的云端化。

算法的开源化体现在，不仅具体的算法模型代码会公开，运行和训练这些算法的框架也是开源的，加上近年来火热论文发布平台arXiv，以及Github和Reddit等平台，甚至社交媒体都大大地便利了算法研究的交流，门槛大大降低。

计算的云端化趋势明显，谷歌从2017年开始发力以AI计算为主要对象的云计算领域，而此前亚马逊、微软等科技公司也在推动云计算的普及。在中国，阿里云、腾讯云和百度云也都在竞相发展。直接接入云计算，从而降低计算成本，越来越多地成为一种可行的、划算的选择。

“AI 双城记”团员，唯品会美国研发中心总经理，AI负责人谢楠提到 —— AI 技术有几大趋势：算法“开源化”，计算“云服务化”，数据“私有化”。因此，就算法，数据，和运算能力这三大 AI 要素，企业最需要建立起壁垒的是数据。AI 商业应用与学术论文研究有所不同，算法模型的准确率不必要是唯一的研发目标。在有限的时间与资源的情况下，也许有商业 RoI 更高的研发目标，譬如算法对某业务场景的覆盖范围。在特定的应用场景，80% 的算法模型准确率可能就可以做很多过去做不到的事情。如何在不完美准确率的情况下构建一个切实可行的商用场景是真正挑战商业 AI 实践者的地方，需要对业务及客户需求有深刻得洞察与理解。

中国在未来会成为全球最大的数据产生地。数据是石油，中国在数据上的优势，会让中国成为智能时代的“阿拉伯”——这是“AI 双城记”中，在硅谷优秀的研究者和创业者交流中被频繁地提到的话题。而在这一点上，大家都达成了较为一致的共识：中国拥有发展人工智能最理想的环境，丰富的应用场景和海量的数据。

此前彭博社对中国发展AI的优势进行分析时，曾经采访到罗切斯特大学研究中国的计算机科学教授罗杰波，他说，“在中国，数据一向是很容易得到的，只是现在，政府、组织以及公司终于明白了数据的价值。只要能找到可以信任的伙伴，他们就会愿意共享这些数据。”

彭博社曾进一步总结，在发展AI上，中国有着三大优势：大量的软件工程师储备、可供测试的7.51亿（甚至更多）巨量互联网用户基础，以及政府的强力支持。

在“AI 双城记”的交流中，不少AI从业者提到，中美之间在数据上面临的不同情境，很可能会成为两国将来在AI角逐的关键甚至是决定性因素。

AI在中国发展的良好势头，也让通过“AI双城记”走出去的创业公司CEO和高管们受到了极大的关注。在美国两所著名学府——斯坦福大学和加州大学伯克利分校分别举行的校园巡讲座无虚席，场场爆满。

图为真格基金创始人徐小平老师与联合创始人王强老师在校园巡讲期间同框

后记：AI时代，人类将真正第一次在最本质意义上复原成“智人”

红杉资本中国基金一直关注人工智能领域的发展，并在 A 轮甚至 Pre-A 轮就投资了诸多 AI 及相关领域的创业企业，包括安防领域的依图、格灵深瞳、明略数据；金融领域的第四范式、京东金融、百融金服、凯泰明、Ping++；传媒/信息领域的今日头条、快手、秒拍、新智元；生活服务领域的美团点评、饿了么、达达、汇纳科技；汽车/交通领域的蔚来汽车、滴滴出行、摩拜单车、Pony.AI、瓜子二手车；医疗健康领域的推想科技、Voxel Cloud、森亿智能；硬件领域的大疆创新、Ninebot、地平线、出门问问；以及技术层领域的云智慧、智慧芽、神策数据，可以说，这样一个AI投资图谱，已经有效呈现了当前人工智能商业化的几乎所有领域的关键场景。

从红杉资本联手真格基金为成员企业提供的这场横跨北京和硅谷AI盛宴来看，他们对创业者的“帮忙”是真真切切的，从中国最顶级的人工智能实验室，到美国知名学府，再到大名鼎鼎的硅谷AI名人……创业者在这场旅程中接触到了当前可以获得的几乎是最好的交流和学习机会，取回了“真经”。

正如真格基金联合创始人王强在此行的一次分享中提到的他对AI的理解：“这一场AI越来越凸显特色的智能化革命，实际上就是两个方向。一是不断释放人的大脑所承载了千百年的所有功能，这是继工业革命之后，释放人脑潜力、释放人力资源的又一次革命。用越来越智能化、高效率的方式，来替代人脑不应该承载的任务。”

“另一方面，当人脑的部分工作被人工智能所解放，它必定在呼唤着新的东西。就像人作为灵长类高等动物，古生物学家给人类的祖先命名为‘智人’，随着AI的不断演进，可能人将真正第一次在最本质意义上复原成为‘智人’。”

延展阅读：AI学习是否需要类似人类的认知结构？

来源：新智元

一辆由AI技术驱动的自动驾驶汽车，可能需要在虚拟仿真环境中撞到树上5万次，然后才会学到这不是个明智的选择。但是，一只幼年野山羊在陡峭的山坡上学习攀爬，并不需要摔死几百万次。同样，一个三岁小孩也不需要练习无数次，才能想出如何穿过椅子爬到后面去。

在强大的计算资源的支持下，现在，最先进的AI技术几乎可以从零开始学习有关世界的任何内容。相比之下，人类和动物似乎是本能地理解某些概念——对象、地点和相关事物的集合——这让他们能够快速了解世界是如何运作的。这就引出了一个重要的“先天vs后天”的问题：AI 的学习是否需要像人类和动物拥有的先天认知机制那样的某种内置机制，才能达到类似的一般智能水平?

近日，纽约大学心理、大脑和意识中心举办的一场活动中，人工智能和心理学领域的两位顶尖研究者在这一问题上进行了针锋相对的辩论。

纽约大学计算机科学家、Facebook人工智能研究主管 Yann LeCun说：“我们目前所拥有的AI技术，无论通过结构还是通过学习，都无法构建世界的表象，而这是我们观察到的动物和人类所拥有的能力。”

LeCun 是人工智能领域深度学习技术的开拓者，深度学习技术帮助科技巨头们实现了许多热门服务的自动化，比如 Facebook 的人脸识别功能，谷歌的中英互译，等等。尽管缺乏类似人类和动物的先天认知机制，深度学习算法使得AI能够实现所有这些任务了。

深度学习算法在过滤大量数据的同时，逐渐学会识别有关世界的一些特定模式——当你拥有Facebook、谷歌或微软的大量计算资源的话，它就能在某些感知任务上工作，比如图像识别。

人们一致认为，目前的AI技术，比如深度学习，仍然不能让AI具有与动物或人类相当的智能水平。尽管如此，LeCun认为无监督深度学习可以让AI在通用智能方面取得进展。无监督学习消除了需要人类提供人工标记的数据的许多要求，这些数据用于让机器学习。

LeCun 指出，现代人工智能的成功很大程度上不是依赖于构建有关世界如何运作的假设或结构化概念。从这个意义上说，他倾向于最小化AI算法的结构，以保持这种简单性。他认为这样做不需要利用人类语言学家，心理学家或认知科学家的知识。他说：“我追求的是尽量减少先天机制的部分，利用我们现有的数据去学习。”

不过，纽约大学研究型心理学家、Geometric Intelligence公司（现在属于Uber的AI团队）的创始人 Gary Marcus 认为 LeCun 的追求不会那么快实现。

他认同无监督深度学习有成功的机会，但他也认为，算法只有具备了“更丰富的原语（primitives）和表达方式（epresentations），而不仅仅有像素”，才能在理解世界方面取得成功。

Marcus 说：“我们希望AI具备为理解对象、实体的行为和物理现象而构建的表达方式和原语，就像人类婴儿先天拥有的那样。”

Marcus 希望看到AI研究人员“更多地借鉴认知科学的知识”，构建更加结构化的算法来表示对象、集合、位置和时空连续性等认知概念。他引用了自己的工作，以及哈佛大学认知心理学家 Elizabeth Spelke 等人的研究，展示了人类儿童如何能够在幼儿时期具备感知人、物体、集合和位置等概念。他提出一个建议：为什么不在AI中利用类似的方法，把一些结构映射到类似的概念?

尽管 LeCun 自己在卷积神经网络上的开创性工作就是一个很好的例子，说明使用更结构化的方法来约束AI必须处理的信息量，可以帮助它更好地理解世界。

Marcus说：“我认为，我们真正需要的是系统的思考和分析，假如我们将不同量的先天机制嵌入到机器学习中时，会发生什么。”

LeCun 赞同AI需要一些结构来帮助它理解世界，但他对在生物大脑中是否存在“单一学习算法、原则或程序”存疑，还是说它更像是一种没有基本的组织原则的无意义的“黑客”（hacks）集合。在他看来，人工智能可以从单一的学习原则或这种学习原则的集合中获益，不管是否具有内在的先天认知机制的结构模块，这些原则都会产生。

“缺乏的是一个原则，这个原则可以让我们的机器通过观察世界和与世界互动来了解世界是如何运作的，”LeCun说。“我们现在所缺少的是一种学习预测世界的模型，在我看来，这是人工智能领域取得突破性进展的最大障碍。”

LeCun说，智能的本质是预测的能力，因为预测未来是一个非常特殊的“填空”的场景。常识使人类和动物能够根据他们对世界运作的认知来填补缺失的信息。这就是为什么人类驾驶员不需要撞5万次树才能意识到撞树是错误的行为；人类具备的常识让他们知道，如果车撞到树会发生什么事。

LeCun 希望无监督学习能够引导AI最终发展出一种理解世界运作方式的“感觉”（sense），如果不是某种原始的“常识”的话，那么就从物理学的角度。“如果在我的职业生涯结束之前，人工智能系统能像猫一样聪明，我会很开心，”LeCun说，“再不然，像老鼠一样聪明也行。”

关于AI学习“先天还是后天”的争论还远未结束。但是，LeCun 和 Marcus 都认同可以根据一些关键性能指标来看哪一方更为合理。如果无监督学习算法最终需要更多类似对象、集合、位置等等的认知表征（cognitive representations）的结构，那么Marcus就是这场辩论的胜方。如果无监督学习在不需要这类结构的情况下取得成功，那么LeCun将被证明是正确的。

原文地址：https://spectrum.ieee.org/tech-talk/robotics/artificial-intelligence/ai-and-psychology-researchers-debate-the-future-of-deep-learning

延展阅读：源码资本张宏江：只有算法和技术，那你一定挣不到钱

来源：人工智能学家

来源：拓扑社

概要:：在人工智能这一拨的技术浪潮的公司，互联网不一样的地方就在于互联网基本上是商业模式驱动，搜索以前没有，to C这块是赢家通吃。这块做成熟以后进入互联网+。

张宏江认为，一家传统公司要想用好AI，想把AI真正用起来，要有一个很好的应用场景；要有数据；要有技术能力，要有工具；要把整个的流程集成在一块，不能有孤岛；在文化上要有非常开放的态度。

AI+应用场景，价值才能体现出来

在人工智能这一拨的技术浪潮的公司，互联网不一样的地方就在于互联网基本上是商业模式驱动，搜索以前没有，to C这块是赢家通吃。这块做成熟以后进入互联网+。

在AI这块不一样的地方是数据和技术驱动，而且它是从颠覆性的行业开始，使得这个行业变得更加有效率，很多的方法通过AI来取代，而且强调了在应用方面。

最重要的一点是我们应该认识到AI实际上是AI+，只有AI加应用场景你才具有价值，这是我们要记住的。

我们要重视技术发展的曲线，有些技术现在炒得特别热的时候，未必是很快就能有应用，这里有不同的标注，这种圈是三到五年，然后有些是五到十年，我们看机器学习三到五年可以应用的，认知计算可能是十年以后，这是一个参考。

认知这块我们知道这个技术不是三年能突破的，这块创业的人要想清楚，这就是我前面说的三大重叠，这是非常非常难把握的，每个人对自己的技术都觉得要改变世界，但是很容易三年之后出现另外一个技术全面覆盖。

AI在一个公司里面在哪里能创造价值？

基本上无论是在产品的定义，未来的规划，还是在生产过程，还是在推广，还是在最后增加用户的体验，这四块AI都非常非常关键。一家传统公司要想用好AI，想把AI真正用起来，举例来说麦肯锡有几个重要因素：

第一是你要有一个很好的应用场景，这个应用场景对用户非常有价值；

第二是你要有数据，要建一个非常好的全面打通的数据系统，不能够数据孤岛。

第三你要有技术能力，要有工具；

第四你要把整个的流程集成在一块，不能有孤岛；

最后在你的文化上还是要有非常开放的态度，所以这是一个公司能把AI用好的很重要的因素。

AI在哪些应用场景里最可能会成功

在哪些应用场景里面AI可能会比较早成功？这是需求、时间的问题。

显然走在最前面的一定是金融和高科技产业，第一本身有技术，第二本身也有钱，第三是本身也有技术，还有互联网，然后交通、自动生产线。

做投资的人一定会问我泡沫的问题。AI的技术发展到今天，它的能力是没有什么泡沫的，但是在AI宣传上、企业的融资、募资上，一定有泡沫。今天所有的公司都恨不得说自己是AI公司，尤其泡沫最严重的图像识别的企业。中国有上千家图像识别的企业，有上百家做自动驾驶的公司，我们数数这世界上有几家做汽车的公司，所以显然这块有泡沫。

我想跟大家多说几句，只有算法和技术是形成不了这个商业模式的，因为这些商业的巨头，包括Google、百度，开源的AI可以提供，你的技术门槛会降低得非常快。

你说我在做芯片，你不要觉得你自己能设计出整套的算法就能做很好的芯片，因为芯片是非常复杂的生态链，你到底做生态哪块，是做低功效的芯片，还是要做某个应用里面的最好的解决办法。

大家记住：做AI的公司你自己有没有数据，你能不能够不断地在生产过程中控制数据，能够比别人早占有和使用数据，这是你要想清楚的，大部分应用公司的技术壁垒会随着时间迅速地降低，所以光有技术没有用的。

连接人与信息，通过AI把信息更好传递给用户

为什么我认为今日头条这家公司在AI领域是一匹黑马？其实说黑马我觉得已经不对了，因为它已经是非常成功的公司了。

今日头条做的根本是连接人的信息，其实互联网过去这么多年的发展就是在做同样的事情，或者说人类过去3000年的历史基本上也在做同样的事情，最早的人类信息的连接和存储，到以后的活字印刷，使信息有比较好的载体，而且利于传播，比在竹子上成本低很多。

然后到2000年PC互联网时代，那就是让信息透明化，让人们很容易找到信息，这是PC互联网时代。到了移动互联网时代，你有一个设备每天都跟着你，对你的了解甚至超过你自己，这是智能手机。这时候终于可以让信息来找你了，就是说当有系统对你的信息的需求了解地如此准确，这就解决了一个问题，不是零散化，而是它来找你，这就是今日头条做的事情。

当然这个事情只能够在移动互联网做，新闻推荐这事15年前就有人做了，那个做法跟今天的做法完全不是一回事，因为那时候对于人的了解是远远达不到今天一个手机对人的了解透彻深入的。

加上人工智能，其实是让一个系统具备了了解你、认识你、知道你的生活规律、知道你的消费行为，从而更好地把信息传递到你的手中。

不光是以文字的方式、视频的方式、长视频、短视频，以微头条，以各种各样的方法传达你手里面，甚至告诉你，你的朋友在看什么文章。这种交互的学习只会对你了解的越来越深，也同样能够做精准的广告，这是为什么过去两年今日头条的收入如此快速的成长。

如果我们把今日头条的技术上分解一下，人有一系列的描述，描述你所处的环境，这边是所有的文章计算机自动的分析，然后匹配的最好，这底下驱动的是机器学习所有的方法。同样在手机上你注意看到，已经不光是新闻了，信息流的方式，有视频，有问答，有百科全书，有图像、有直播，再加上你的朋友圈，加上你的群。

真正连接了人与信息，这样的话我们再看一些数据，今日头条有超过7亿用户在全球，日活跃用户超过1亿，月活跃用户超过2亿，平均日使用时长76分钟，一个人一天有几个76分钟？

另外比它时间还长的，90分钟的就是微信，90分钟加76分钟，可能你回家跟家人都没有更多的时间所在了，这就是它的魅力所在，也是它能形成正循环的原因，这些数据使它学习的更好，制造了需求。

这就是AI一个最好的应用，也同样把广告打的非常精准，使你不烦它的广告，不是说它今天做到了，就是从趋势上要做这个事情。

数据是AI最后的护城河

我最后总结就是，我们做AI，我们做公司，或者投资公司，我们基本上要记住三点：

第一，AI非常重要，我们要相信AI技术已经在成为公司竞争的最核心的差异化能力。

这是第一点，定义你这家公司能不能比别人更具有竞争优势的重要一点。

第二，产业基本上是三种方式，第一种方式就是人工智能即服务，这是巨头的核心。

百度把它的自动驾驶能力开放出来，Google把自动学习的能力开放出来，百度把语言的能力开放出来，你把你的AI能力作为一种服务开放给大家，这是云服务的概念。

第二种就是自主开发。

我公司有人、有数据，我有懂AI的人自主开发，从而形成我自己的应用，等我的能力扩大以后，像今日头条一样，也许可以把它作为一种AI的能力输出，也许我永远给自己用。

第三种我们今天看到大量的公司实际上是服务，因为它只有技术但是其他的没有，没有应用场景。

这种公司就像所有的咨询公司市值做不大，随着技术壁垒的降低，你的竞争力在这块是站不住的。

最后，做AI的公司还要记住两点，那就是数据和人才。

我们说算法很重要，技术很重要，但技术和算法最终是人，数据非常非常重要，数据是最终的护城河。

人工智能赛博物理操作系统

AI-CPS OS

“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能）分支用来的今天，企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中，利用AI-CPS OS形成数字化+智能化力量，实现行业的重新布局、企业的重新构建和自我的焕然新生。

AI-CPS OS的真正价值并不来自构成技术或功能，而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化，这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合，没有颠覆现状的意愿，这些将不可能实现。

领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量，领导者必须在行业、企业与个人这三个层面都保持领先地位：

重新行业布局：你的世界观要怎样改变才算足够？你必须对行业典范进行怎样的反思？
重新构建企业：你的企业需要做出什么样的变化？你准备如何重新定义你的公司？
重新打造自己：你需要成为怎样的人？要重塑自己并在数字化+智能化时代保有领先地位，你必须如何去做？

AI-CPS OS是数字化智能化创新平台，设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端，可以帮助企业将创新成果融入自身业务体系，实现各个前沿技术在云端的优势协同。AI-CPS OS形成的数字化+智能化力量与行业、企业及个人三个层面的交叉，形成了领导力模式，使数字化融入到领导者所在企业与领导方式的核心位置：

精细：这种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切，进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。
智能：模型随着时间（数据）的变化而变化，整个系统就具备了智能（自学习）的能力。
高效：企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力，这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。
不确定性：数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验，其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域：技术、文化、制度。
边界模糊：数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化，还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。

AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长：

创造虚拟劳动力，承担需要适应性和敏捷性的复杂任务，即“智能自动化”，以区别于传统的自动化解决方案；
对现有劳动力和实物资产进行有利的补充和提升，提高资本效率；
人工智能的普及，将推动多行业的相关创新，开辟崭新的经济增长空间。

给决策制定者和商业领袖的建议：

超越自动化，开启新创新模式：利用具有自主学习和自我控制能力的动态机器智能，为企业创造新商机；
迎接新一代信息技术，迎接人工智能：无缝整合人类智慧与机器智能，重新
评估未来的知识和技能类型；
制定道德规范：切实为人工智能生态系统制定道德准则，并在智能机器的开
发过程中确定更加明晰的标准和最佳实践；
重视再分配效应：对人工智能可能带来的冲击做好准备，制定战略帮助面临
较高失业风险的人群；
开发数字化+智能化企业所需新能力：员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说，创造兼具包容性和多样性的文化也非常重要。

子曰：“君子和而不同，小人同而不和。” 《论语·子路》云计算、大数据、物联网、区块链和人工智能，像君子一般融合，一起体现科技就是生产力。

如果说上一次哥伦布地理大发现，拓展的是人类的物理空间。那么这一次地理大发现，拓展的就是人们的数字空间。在数学空间，建立新的商业文明，从而发现新的创富模式，为人类社会带来新的财富空间。云计算，大数据、物联网和区块链，是进入这个数字空间的船，而人工智能就是那船上的帆，哥伦布之帆！

新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。