SoPlus沙龙：AI从云端到终端

SoPlus沙龙：AI从云端到终端

时间：2017年12月12日下午

地点：搜狐媒体大厦三层开放演播室

主持人：欢迎大家来参加今天的活动，我是博羽，今天我来主持这场活动，现在就把舞台留给各位嘉宾。大家介绍一下自己。

钱晨：大家好，我是洪泰智造的钱晨，在这里负责技术，洪泰智造工场主要做硬件孵化和产品孵化的公司，同时还有基金，还有产业园，三块领域。

陈忠民：大家下午好，我叫陈忠民，来自深鉴科技，目前负责人工神经网络的加速器设计和一些芯片相关的研究工作。非常高兴认识大家。

毛嵩：大家好，我是高通创投部的毛嵩。高通是一个移动芯片公司，我们创投部是高通的风险投资部门，我们最近的投资方向也逐渐向前沿科技转移，而人工智能也是前沿科技中一个非常大的话题，很高兴过来跟大家一块儿交流。

程健：大家好，我是来自中科院自动化研究所的程健。

亓超：大家好，我是三角兽科技的亓超。三角兽是一个创业公司， 是洪泰智造投的创业公司，运营两年时间，我们focus的方向是自然语言处理以及相关的AI产业应用。

主持人：感谢大家的自我介绍。我们先从第一个问题开始。究竟什么是人工智能，我们这一整年都在听人工智能这个东西非常火，可以是图像识别，可以是一切的一切，究竟这个名词的定义到底是什么？什么程度的智能才算人工智能？

亓超：从智能来讲，我个人的理解，还有很多纬度来定义，希望类人的方式去做一些思索或者反馈，在我们现在这个方向，自然语言处理能够理解人说的话，清楚表达出自己的反馈。另外，它能够做更多主动的反应可能会体现它的智能方面，当然在图像或者其它方面还有另外的一些定义，可能由其他几位嘉宾来解释。

程健：人工智能现在没有特别明确的定义，学术界有很多不同的看法，有人说人工智能像人一样思考、行动，这样的就是人工智能。我看到有的对人工智能的定义比如研究能够模拟人和拓展延伸人的智能的学科，这个还是比较准确，当然非常广泛。

主持人：就是说还是要和人产生一定的关系，像人一样思考，像人一样行走或者……

程健：模拟人的一些智能或者延伸拓展，有可能模拟像人说话，甚至比人说得更好或者记忆力更好，比如下棋，模拟人下围棋，但是比人下得更好。

主持人：基于人超越人的观点。

毛嵩： 这个问题其实真的挺难的。我所理解的人工智能是能够以类似于人的方式去理解、分析和解决问题的一种方式方法。当然这本身也是一门学科。那么无论是此前的研究语音的人工智能也好，还是研究图像的人工智能也好，其实第一步都是让机器去感知和理解人类，而光是这一步就走了很久。我们人类从上个世纪发明计算机开始用键盘录入信息，到现在发展到用摄像头来看到和感知外部世界，其实都在解决这第一步怎么让机器去理解人所观察到的世界。而第二步才是从中去分析这些个环境这些个因素中我们人所分析到到的东西。比方说这张图片里是男孩还是个女孩，这是第二步。而什么样程度的智能才算是人工智能呢？我认为我们现阶段其实还停留在特别特别早的第一步的位置，就是还是让让机器开始理解这个世界的这一部，后面才是怎么样用学习的办法去解决人类希望它解决的问题，那样才更“智能”一些。

陈忠民：整个人工智能其实不是突然出现在我们眼前，它也发展了很久很久，其实近些年来我们主要通过设计的一些算法、硬件或者两者结合起来以后对人的思维过程有一个拟合的方式出来，同时表现出在商业市场上可能有一些很有前景的应用，包括在语音方面、图像方面已经有成功的例子表明这项技术发展来看初步有一点点像人的一些思维，它能够做到实时性或者准确性，能够达到或者超过一些人目前表现出来的能力。我想这个事情从本质上来讲还是一个机器对人的模仿，一个拟合，大概是这样一个观点。

钱晨：人工智能这个东西我看了很长时间，我发现其实不同学科的人对这个东西有不同的解释，做算法的人天天说我的算法怎么样怎么样，做传感器的人说我的算法加上我的传感器怎么怎么样，还有一批人解释，它像人一样思维。这里面为什么会有不同的理解？跟他们的学识背景有很大的关系。算法里面目前看到的基本上是大数据的方法跟决策树、博弈论那些东西，那都是基础科学的东西，包括语音处理，目前看到的语料库。我以前是声学所的，20年前大家都在做这些事，只是现在的科学技术发展计算机发展，尤其计算机的算力上来了，还有算法提高，这几个结合，很显性表达在语音处理。智能音箱特别明显，以前说语音一维，后来大数据又出来一派Face++那些面部识别二维信号处理，这里面目前我看到比较流行的人工智能基本基于大数据的概念。实际上还有另外一个潮流逻辑，怎么计算，这个派系我还没有看到很明显的人工智能很突出的东西。传感器+算法，这个大家也有争论，到底是传感器技术还是一个大数据算法技术？我现在有点看不清楚这个。但是传感器流派尤其工业控制，在工业产业里面传感器流派认为还是传感器的技术是核心，人工智能其实大家谈到最后一个点就谈到节约了人的劳动力，提高了人的效率，这是一个核心问题。

主持人：那就是说刚才大家都提到了AI是提高人的效率，解决人的劳动力，越来越像人，甚至有可能超越人。我想问一个比较宏观的问题，这个事情对于人类社会包括失业率、以后社会的发展究竟是好还是坏？究竟会有怎样正面和负面的影响？

钱晨：我有一句话，杞人忧天。我是乐观派，技术是好的，改善人们的生活，多余的时间我们有无限的创造力做多余的事，不希望人工智能提高了劳动力，让人闲出来没事干，让人闲得无聊过着好像人们不希望的生活方式。实际上这是不会存在的，人类进步是越来越往前的，我们看到机器替代了劳动力的时候，其实人好像并没有衰退，人还是再继续进步。人工智能一句话总结，人工智能对社会是正面的推动，而且正面的东西比负面的东西多很多。

主持人：刚才钱博士提到人的创造力，机器现在AI也是越来越有创造力，会不会有一天创造力的部分也会被机器超越？

钱晨：这件事蛮有意思，我有一次开会讲过一个事，一个老师在前面讲课，一帮学生在听，学生会出一个结果吗？一定不一样，老师教出来学生有学文科的有学理科的。机器不一样，你把机器教出来都是一个性格特征。人工智能来了以后，人的创造力还会继续发展，但人工智能这件事的创造力是在它所被经验基础上的逻辑分析扩展，而不可能一个学理工科的人突然变得有文科素材。这是我的一个想法。

陈忠民：主持人现在提到的这个问题其实在工程界或者学术界有时候会分成两个类别，一个类别叫做强人工智能，一个叫做弱人工智能。强人工智能跟主持人提到的情节很相似，能思维、能推理甚至表现出某种创造力更像人，事实上这件事情从科学上来说，到目前为止没有任何技术层面能够达到这一点。相反而言，对我们来说，目前大家能够切实感受到的人工智能其实属于弱人工智能的范畴，只是说让机器通过对人的思维方式的分析拟合去代替人们做一些事情。总的来说，它仍然是工具层面的创新，仍然是一个更高起点的工具，能够帮助人去承担一些重复性的或者是比较枯燥的劳动。从某种程度上来说，我认为它虽然会影响一些就业，但是同时它会创造出一些新的生活方式，产生一些新的岗位的需求，对于人的发展我觉得到目前为止在我们看来仍然是一个非常正向的部分。

毛嵩：我一直有一个观点，纵观人类历史，你会发现，我们所有好的发明创造其实都干了同一件事，就是让我们变得更懒。我们不想走路，于是我们发明了车，我们想走得更快更远，于是我们发明了飞机，现在我们连思考都不想思考，于是我们开始发展人工智能。然后大家慢慢变得越来越懒。而对于今天的人工智能而言，我其实非常赞同陈总的这个观点，就是目前我们还是弱人工智能，即我们当前的人工智能还是针对某一个特定领域甚至某一个特定应用，用大量数据反复训练之后达成的一个智能化解决方案，这样的弱人工智能创造力是有限的，我们人类跟它有着巨大差别。比方说人类的爱因斯坦能够从我们现实生活的观察想明白相对论，而这个事情我理解对于当今的人工智能而言，无论你用什么数据去灌它，无论怎么去深度学习它都是创造不出来的。当然我个人也不知道爱因斯坦怎么想出来的，因为我也想不出来。

主持人：灵光一闪是机器无法模拟的。

钱晨：人的多样性。

毛嵩：目前我们的人工智能的基本思路是针对某一特定问题或特定应用基于大量标定数据反复训练之后得出的规律性解决方案，而恰好我们人的能力是基于小数据非反复训练去得出其规律，这是两者的本质区别。

程健：前面几位嘉宾讲到的这个观点基本上赞同，人工智能不会超越人类，我觉得从哪个方面来讲？将来很多人的功能方面，比如刚才提到的下棋，机器已经超越人类，包括其它的方面甚至包括绘画，现在已经有深度学习能够模拟出梵高画风的画，比一般的模拟画得更像一点。在特定的一些领域一些方面，人工智能超越人肯定是已经超越了，未来可能在更多领域会超越人。但是超越人并不可怕，就像刚才毛总说的，人不想走路了，我发明汽车，这样的话腿为了赶路的功能越来越少，更多的是体育锻炼或者其它的需求。但是人在更高层次或者其它方面发展有更多的时间和精力做这样的事。人工智能既然分两个，一个是人工一个是智能，一定基于人的模拟或者在人能够思考能够触及到的范围内来模拟这样一些智能。我觉得机器超越人永远只是在一些特定上面超越，但是永远不可能取代人。

主持人：就是一个点和一个面的关系，它可能取代了这些点，但是由于我们人类思维的发散性，可能我们会发散出更多新的东西。

程健：而且这个时间会很漫长，可能逐渐在很多领域取代人或者超越人，但是人又可以发展出更多新的东西，更有意思的东西，挑战性的东西去做。

主持人：其实可以理解为机器和我们一起进化，一起朝向更好的未来迈步。

亓超：我的观点没有什么特别大的出入，还是偏向乐观。刚才几位嘉宾提到，会让机器做一些人不愿意做的事情，这个事情是大部分AI落地最大的场景。额外还有一些人做不到的事情，也需要机器来做一些，例如最近大家比较关注幼儿园事件，这里面如果我是家长恨不能24小时陪着孩子，让他绝对安全，这个做不到。那么你加一个摄像头在幼儿园也不可能8小时一直盯着屏幕去看你的孩子。这时候可以用到一些AI技术来解决这个环节的问题，比如声音的检测，孩子哭了收到报警，孩子受到关键词的威胁收到报警，引起家长的关注，这是人没办法做到，实际你可以做，理论上可以做，但是实际无法执行，都可以让人工智能参与角色。

另外，人工智能并不是新的替代人的方式去演化，而是一个角色的补充。咱们经常看各种机器人在科幻动画片、科幻世界里面出现，它的角色更多是补充。比如机器猫出现在康夫家里，康夫的爸爸妈妈没有消失掉，同学没有消失掉，只是增加24小时可以陪伴在他身边帮他一块儿度过童年状态的机器人，并没有取代某人做这个事情。另外，每次技术的更新迭代其实也像几位嘉宾提到的，促进了更多的可能性，让人的生活更好，或者舒适程度更高。原来通过狩猎、捕鱼去过生活也不错，但是有了农业以后可以比较稳定吃饱饭，开始创造更多的艺术或者催生对人类发展更好的工作，这实际上是对人的一个促进。现在还是帮助咱们解决一些问题，帮助社会的发展。

现在大家对人工智能充当的角色，我认为目前状态还是偏向于可以替代一些实习生或者助理的身份。什么样助理？我们跟广发证券合作，代替投行专家这是很难的，但是我可以让机器来搜集很多参考消息，给行业分析师做参考，用他们自己的模型做一个输出，这个是可以做的事情。取代资深医生非常难，但是可以给医生提供辅助的信息让他们参考，这个也是可以做到的，可以补充角色，这个其实在某些行业大大降低用人的成本，其实会让这个事情往前的发展会更快。

主持人：像每一项新技术出现的时候一定需要相关的法律法规、道德规范，各位觉得我们现在是不是有一些包括数据的泄漏包括安全方面保密方面的工作，现在规范的建立是已经健全的吗还是大家觉得需要一套新的规矩，需要一套新的体系来规范人工智能。

亓超：任何一个国家的法律都是逐渐完善的，在这种情况下没有一个完美的东西，根据实际的情况做出调整。大家现在目前来说从从业人员也好，学术界、产业界更关注怎么把这个技术往前推进，如何在有限的范围内使用技术，大家还没有到特别关注的程度。也有国外的产业用户会去成立类似于人工智能伦理委员会，探讨这样一些方向的发展。现在目前来说没有特别大的约束。无论是人工智能的技术，涉及到人的隐私、安全都是需要考量的，不能归因人工智能技术带来的问题，而是全方位的考量更有力一些。

陈忠民：这方面我认为所谓的安全性或者隐私还有一些人是不是每时每刻在机器观测底下变得不自由了，这件事情跟没有人工智能之前并没有什么变化。首先在没有人工智能之前我们有互联网，我们有摄像头，我们有移动互联网，每天会在云端或者个人交换很多数据，这个场景并没有发生什么变化，各级既有伦理委员会，行业部门协会，出台的各种规范和需要各个行业遵循的标准，科技走在法律和行业标准之前，我们还在探索很多新的方式，但是这个问题跟互联网时代我们面临的问题是一样的。技术向前发展，相信各个行业协会、一些联盟或者政府部门，他们都会出台相应的法律或者规范来约束防止这项技术的滥用。

毛嵩：坦白说，我们目前对隐私保护是否健全跟人工智能这个技术其实没什么特别的关系。当然有意思的是，如果你反观人类历史，从文明发展的角度来讲，人类文明最大的一个发展的源泉其实来自于协作。其实如果你把我们某一个人放到树林里去，这个人类个体实际上是很弱小的。别说老虎、熊，估计一只豹子也干不过。但人类之所以变成现在这样，我们几乎掌控这个地球，根本原因是因为我们在一块儿工作。这是一个很有意思的事，比如我们今天的谈话，之前我们几位并不认识，但是我们在一瞬间能够建立谈话的关系，如果没有我们的社会体系，没有交互关系的话，是需要很长时间的。这就要感谢互联网，要感谢社会法律法规等等一切。但同时，快速建立合作关系的代价是我们要放弃我们的部分隐私，甚至很多的隐私。比方我坐在这儿大家就知道我长什么样，大家知道这个时间我在这个位置，不喜欢我的就可以准确的扔个石头过来。我们所有的法律法规实际上一直是在对个人隐私个人安全的保护与提高效率之间的平衡中不断发展。人工智能很可能是下一步提高效率的一个办法，它也势必会带来一系列的影响，甚至是一系列对个人隐私披露的要求，但着一定是平衡的，只是谁先往前走这一步的问题。即便在没有人工智能的时代，我们的隐私也并没有被完全的保护。

主持人：本来应该被保护吗？

毛嵩：这点很难说，是一个平衡，如果把自己保护得太死，你就丧失了效率。

程健：我觉得确实人工智能技术的发展给我们很多人的自由、隐私等等提出新的挑战，刚才大家讲这个社会的法律法规不断在完善。之前可能做人脸识别，智能技术没有现在这么高的时候，以前不存在网络而需要到银行去开户的程序。现在人脸识别可以做到，可以我在网上去银行开户，必须有法律法规保证这样的行为。今年高考机器人都可以做题做得很好，将来可能必然要有相关的法律法规来约束这样一些行为。其实还有很多其它方法，随着人工智能技术发展提出新的挑战。任何新的技术出现以后，都会对现有的社会和法律提出挑战，我们就不停给它打补丁，不停去发明新的规章制度来约束这样一个技术，从而让它更好地为社会服务。

钱晨：程老师刚才讲的我很赞同，这就是一个新的技术出现，会导致新的社会现象，这个社会现象导致你的法律应对，其实就是三者的相互调整。毛总说的还是调整出来以后的效率在哪儿，如果效率好就是一个平衡点，效率不好这件事要么技术完蛋了，要么法律又得调整。这个事不是人工智能特有，汽车技术出来我们的焦虑是交通法规，建立了很好。石油出来，又污染出来了一套。技术、人类行为、社会平衡三种调整。

主持人：我们把话题从宏观的社会意义拉回来，这次Panel的话题，AI在云端还有在终端的应用，开始说了一下云端，我们现在就来聊一下终端。第一个问题，云端和中端人工智能有哪些不同的表现？

钱晨：回答一部分，我以前一直做电子类产品，在云端解决算力算法，在终端解决交互问题，这是两个完全不同的东西。为什么最近智能音箱火？后端的问题，算力和算法已经达到一定的程度，echo到了消费者那儿，交互轻松实现，所以这件产品就出来了。实际上再往下说，从用户端终端到云端是打通了的，这中间是很好的很有效的协同了，这是云端，云端是通了以后的问题，而不是说云端一定如何如何，终端不能如何如何。语音处理这个行业做了多少年，其实语料库做了多少年？现在计算机能力上来了，我们以前做单机的与处理怎么都不灵，手机为什么灵，手机省事儿，4G5G的速度在那儿，把一段话拆上去放到云端算力够，直接送下来，这跟网络基站都是相关的。

陈忠民：我从硬件方面说一下我的看法，刚才钱总说的还是很正确的，我们现在同时面对云端和终端两种情况，并不是说二者对立，只是说二者在各自合适的场景底下工作，终端每天跟着我们到处跑，对于终端设备来说，算法不可能很大，算法也不可能很浅，限制条件比较多，随身携带要很轻，多少瓦电力能买到多少算力，这是我们终端考虑的点。在云端很多时候对电力的需求当然也要控制，从云端来说往往应对的算法是非常庞大的算法，可能需要几百台机器，像AlphaGO需要用到四、五百台顶别的机器一起算才能把这个事情做好。在终端遇到的场景有很多的并发性，接入很多终端，每个终端都可能产生需求。从云端的设计来说考虑并发性以及设备能不能分割来做一些小的事情。

毛嵩：在我理解的中，首先AI是一个技术解决方案，它会针对不同的场景实现不同的应用，而每个应用都有云端和终端。终端侧会着重关注交互，以及关注这样一个应用在终端这个位置所所最需要的那些基本功能，但是终端侧受制于终端本身的算力和功耗。举一个例子，我要做一个人脸识别应用，这个应用是因为我要抓一个坏蛋，需要判断这个城市摄像头中看到的所有人是不是这个坏蛋，要把他给比对出来。这个事这个比对过程我们就没有办法放到每个摄像头这么去做，因为这个过程所需要的算力很大，我们在终端侧只能是把它拍下来然后根据我所需要的基本特征把人脸抓好提取出来，然后传到云端做对比。所以一个应用是云端终端配合起来做的一件事，而我会认为终端侧会更关注具体应用相关的功能。

主持人：人工智能不能做的事情会不会以后在算力方面有一个突破，现在觉得不能做的事情变成能做的事情，我们引以为傲的创造力也好，发散性思维也好，多元性也好，都被强大的人工智能淹没？

毛嵩：以前有一个大数据家拉布拉斯说过一句话，叫“给定世界初态，我就可以预测未来”。他认为任何东西可以算出来的。但这句话要能实现，首先这个初态必须要足够细致，其次我们的算力需要能足够强。在人工智能现在这个阶段琢磨这个话题实在太早了，哪怕我刚才我谈到的人脸识别抓坏蛋这件事所需要的算力已经很高了，我们其实很难短期之内大幅突破算力的瓶颈。

程健：算力只是一方面，现在大家经常讲人工智能三要素，算力、大数据、算法。这三者缺一不可，比如AlphaGO下围棋，以前超级计算机算力足够强，为什么2016年之前没有AlphaGO出来，没有能够打败人类选手。算法没有突破，有算力提高了就能把所有的事情解决。

亓超：我们需要把我们的技术和场景落地，到底在手机端上实现完全的语义方案还是把数据传回到云端去处理，我们始终会遇到这样一些问题。还有发在我们的端还是合作方的云端，具体根据自己的场景选择合适的状态就好，不一定是所有手机端的东西处理掉，很多场景非要在手机处理的话，影响手机体验，对用户想达到理想的状态是没有办法实现的。极度涉及到隐私或者需要保密的条件严苛环境下来说可能针对选择封闭的环境更好。

语音识别过程也会分终端实现还有云端的实现，比如唤醒搜查搜集前端信号降噪，清洗加工后的数据去算，现在比较完美合并到整个解决方案里面去。到底用终端实现还是终端实现不了这方面的应用，还看最终的研究效果哪个更有利，是最终大家选择的方式。

计算这个事情像百度很早之前就有非常大的集群，几十万台机器帮你做排序搜索的结果，现在有新的硬件产生，让原来更多的集群能做的事情汇集在相对小的集群的，跟算力结合起来。你给我足够的时间我能不能当成好演员？很难。对机器也好对人也好都是一个道理。

主持人：接着超总的回答，我们刚才谈到了云端和终端，谈到了应用场景，最近比较火的一个概念AI手机，它到底是什么东西？和普通手机的区别在哪里？是不是一个概念性炒作？

亓超：首先看看AI手机场景应用更好理解，最开始Siri出现在苹果手机里面，随着时间的推移大家发现，人们经常调动Siri做的一些事情，并不是AI的服务，反而是应用让IOS市场有比较繁荣的表现。

智能机比功能机有更多的扩展在上面使用，没有达到人工智能的体现。人工智能可以产生一些手机上的应用落地，更多是一种更主动的方式去帮助人们做一些主动的尝试。Siri语音助手一打开没有东西，我认为并不是很好的体验，手机好的助手是在我没有需求的时候给我提供服务，就像今日头条打开不是找某条新闻，我看到某条新闻可能牵扯出我的其它需求。打开Siri也有这样的内容，比如8点提醒岸边的比赛，我可能起床有交互的需求，等着我一个用户，唤醒Siri再找到比赛的概率非常小。AI在手机上更倾向于主动的方式去帮助人们把一些他想要去获取的信息主动搜集和推送，这样是更好智能的表现。你没想到的事情它帮你去做了，体现出它的价值。

程健： AI手机到底是指通过手机接入到AI系统还是本身这个手机就有AI智能的功能？刚才提到的Siri还有小冰小娜等等，这样的东西早就有，不是今天才有。手机有这样的AI功能，虽然我一直不太清楚哪一点可以成其为智能，第一次听到AI手机很好奇，我也想去看一看，有点震惊。

毛嵩：当然我们做手机芯片的说听到“AI手机”这个词觉得震惊似乎有点不合适，不过我个人确实并没有听到太多关于AI手机的新闻或者消息。那么我的理解是这样的，这肯定是一个新的概念。从手机的结构上讲，如果我们在手机中搭载了支撑AI运算的模块，无论软件模块还是硬件模块，并且能够跟传感器连在一起，我个人觉得我们就可以称呼它为AI手机。我们现在看到很多手机都有一些AI应用，可以直接被植入的，比方说人脸识别，这个可以做表情包，打开相机一拍，就可以在相片上加一些额外的元素，比方说觉得我生气了就在我头上加一团火，这个功能实际上是人连脸识别的结果，知道你的面部位置、面部标准点的位置，知道你的心情，就能做到，这其实是手机层面上基于人工智能的小应用。随着时间的推移，以后这样的应用越来越多，那么在手机上为了支持这种图像识别也好，语音识别也好，在软件硬件和层面的修改就会越来越多，那时候可以我们就称其为越来越AI的手机。

陈忠民：AI手机这部分从我接触的范围来说，华为、苹果、高通都有相关的AI解决方案出来，通常来说会植入一个专用的加速器来做这些事情，同时上层软件会做一些类似于毛总提到的人脸识别、语音分析等等功能。这个交互方式对我们来说，从一个手机用户的角度来说，这件事情改进了我和手机之间的交互方式，整个方式变成我不需要再触摸碰手机，不用我冬天带手套掏掉手机摘掉手套再按，可以用语音甚至声调控制他。你不是在跟机器对话，而且是一个助理。大部分人不太擅长拍照，大家通常说我照十张最后选一张还可以就留着，如果有硬件或者软件的模块，代替我来做一些判断，更有表现力，虽然安下快门那一刹那，他在寻找最佳的拍摄时间，识别出人更加好看的角度，或者这个人眼睛真的睁开了。人和手机的交互变得更加流利、自然，另外代替人操作手机比我们操作得更好，AI手机给我们带来了可以值得去试的一个行业。

钱晨：我已经离开手机行业了，手机行业是一个喜欢造词的行业，每年有新词，不然消费者不知道怎么买东西了。第二，手机是一个集成商，没有自己的新东西，把行业里面的新技术拿进来。手机厂商把一些关于AI的应用放进来，但是这会儿突然发现它的传统CPU高通不行了，ISP不灵了，高通又编了一个故事，AI的应用芯片。高通这个故事好，接着来，他们的目的是什么？想把AI应用放到手机里，用手机给客户带来更好的感受。但是感受的时候可能在刚出现的时候不太好，过几年就好了，跟我们智能手机一样，刚开始功能机换成智能机的时候，没有感觉到那么好。我们在摩托还觉得客户挺不理解我们，那时候用键盘，手写输入不如键盘打的快。实际这个东西慢慢变化，谁还用功能机？键盘也用得很好。

AI就是一个方向，大家今天认为是AI的应用越来越多放到手机，有可能明天大家觉得这不是AI，手机输入也可以理解成是一个东西。目前交互还没有完全变。

主持人：刚才提到AI芯片，AI芯片这年也是非常火的东西。AI芯片到底好在哪里？到底是怎样突破性的东西，让所有人觉得这简直是下一个XSpace。

钱晨：我以前做电路的时候东一件西一件拼成一个电路板拼成一个手机，你拆开芯片看模块都差不多，用的总线都差不多。主要是现在的算法强调的不一样了，以前浮点算法，TI做了很多浮点算法，TI做了很多卷积的算法，实际是底层支撑的核心算法，算法表现力表现出来叫AI芯片。AI技术算力，大数据算法的出现可能有一些对芯片效率的重新提高，这是大家提到的AI芯片算法。

高通两年前还不谈AI，为什么今天谈AI？做产品定义的时候，他们已经定义了这个技术趋势，做出来符合目前技术流派的芯片，芯片符合AI。

主持人：换汤不换药？

钱晨：不是，要换药的，我以前接触芯片的底层结构，变了很多，TPU的时候和GTU还是有蛮大区别的，Caffe等等区别还是挺大的。

陈忠民：我是做芯片的，替芯片说几句话。第一，我们通常为什么AI相关的芯片厂商谈到一些投资，大家比较重视芯片对于AI的加速功能，主要原因，传统上我们认为像我们自己以前用的CPU这些东西某种程度上来说它是非常通用的，它为了通用性，牺牲了一些对于计算性能的需求，但是除了超级计算机，我们早期做的运算还不是性能那么好，一般人的处理器不需要特别的处理器。但是AI出现以后，它的算法相对比较单一，很多人发现，如果我今天抛弃处理器来做这件事情，我设计一个硬件结构非常符合算法的需要，同时我们可以在CPU不是花很多芯片面积做这件事情，只花了一点点，CPU里面大部分东西对我们没什么用，把那部分缩小，偏计算单元的部分处理器里面，有8G，比如谷歌放六万四千进去，算力一下子几千倍增长，GPU也是类似原理，并行计算做得非常好。一加一减进去，芯片对于算法的支持，尤其神经网络有些想法的支持变得非常好，神经网络算法有很多点有一些weights去计算，并行很多运算单元一起上的话，传统上处理器要一秒钟才能识别出人个算法。实时性有很大的价值，我跟人交互要很流畅，不能说我跟语音设备丢一个命令过去，隔俩小时再给我反馈，谁都受不了这种体验。从芯片的角度来说，不是因为这项芯片技术有了什么突破性的进展，而是说如果只服务于单一算法，这个芯片可以做得很特殊，堆砌很多算力，相对传统GPU处理器性能表现更好。这里面还是一个算法变化、场景变化，导致今天发现必须硬件上做出一些改进，才能做得更好。我们抛弃了像CPU追求的通用性，只是为了并行计算做一些事情，这样的话会得到很好的结果。从计算力的角度来说，尤其AI芯片类公司做的是实时给用户一些体验，我在故引擎上图片一个图片识别的任务，不能让我等五分钟才能拿到结果，我希望一分钟得到结果，专用硬件设备会变得非常重要。这个是发展AI芯片基本的逻辑。

主持人：专人做专事。

毛嵩：基本上大家都说得挺明白了。我们从CPU到GPU再到AI芯片，实际上是一个芯片专业化的过程。当然对于目前的AI芯片呢，我的理解是这样，它是当前针对基于深度学习的人工神经网络的基础运算单元而特别研制的运算芯片，所以其实我们今天把它叫做人工智能芯片是不科学的，因为基于人工神经网络的深度学习只是人工智能里的很小的一部分，只不过恰好我们发现这个东西拿出来他对图像识别特别好用，而图像识别有本身又恰好应用很广泛，需求也很大，于是我们就有这样一个需求和资源去做这么一个芯片出来。而纯粹就算法而言，在过去几十年中人工神经网络算法并没有本质的变化，之所以最近突然冒出来，是因为计算机性能提高了，算力强了。

主持人：下一个比较大的问题，各位有些是创业者有些是投资者，各位在看待AI的时候会不会有比较不同的理解，我们业界对于AI的理解还有民众对AI的理解有没有区别？

程健：大家对人工智能的看法不一样很正常，千人千面。每个不同的专业方向和不同行业的人来看这个事肯定是不一样的，以亓总做语音，可能觉得让语音自动识别，说话人，这是非常好的人工智能，我在研究所里面做人工智能，对我来说算法理论这些东西是我关注比较多的人工智能，刚才几位做芯片的嘉宾认为AI芯片相关的人工智能，包括还有很多其它行业智能制造，对于它们来说，一定是有不同的看法。

主持人：刚刚收到千帆网友的问题，很好玩的问题，下一个人工智能爆发的场景会是什么？语音识别很火了，图像识别已经很火了，下一个爆起来的应用场景会是什么？

亓超：我不认为火是真火，包括刚才提到的，大家对这个事的关注程度比较热还是说期待能够真的在很大的范围或者场景中实实在在落地，或者带来实实在在非常大场景的输出可能是真的比较火，就像电，在这个屋子里面很多设备用电，如果比较火，我认为人工智能技术在这个屋里或者设备里面植入比较多，这是火，如果大家的关注程度比较高，我认为还是属于偏早期的感知。

主持人：您觉得火的其实并不一定那么火。

亓超：生活场景里面用到的AI技术并没有那么多，我认为并不是扩散的状态，包括图像也好，语音也好还都在探索和逐步迭代和提升的状态，没有真正去发挥它应该有的比较大的作用。

主持人：只是概念火，东西没有真正火起来。

毛嵩：我可能更多站在投资人的角度来讲这个话题，现在AI确实很火，但是我现在做投资有这么一个观点，就是单纯的技术本身的价值是有限的，只有当技术找到了合理的应用场景，并且在切实的供需关系中真正产生价值，这时候这个技术才才能火起来。最近的AI公司像商汤、旷视他们所处的行业是金融和安防，金融里面其实也是和安全相关的，做智能人脸识别，在这个领域他们做出了不错的成绩也获得了不少收入。如果问我下面什么样的场景AI会火，我往往会反过来想这个问题，即在在什么样的一个需求下，AI技术能够去满足这样一个需求。刚才我们提到幼儿园的场景，孩子们受到伤害了，大家都不愿意看到，在这里我们就可以想像，当然这个想像之前并没有做过任何调研，如果每个班都有一个摄像头，并且AI能够在摄像头视频流当中很容易识别出有没有老师去伤害学生这么一个动作，有的话给家长报警，如果这个事情能够做出来的话，相信一定可以赚钱，可以很火。

主持人：谢谢这个BP。

陈忠民：我见到的场景来说，现在AI帮助人们画画下棋大家已经耳熟能详了。目前图像分析领域我们能够做到人脸识别、车辆识别，但是精度还不够。现在只能识别出来一辆车，但是识别出沃尔沃有点困难。如果下一步出现更高精度的算法，比如更多数据的训练，会使得这个东西能识别出这个车的型号，甚至像美国一些学校做的研究，比如在不同的州里，通过车上的摄像头判断不同的车开过来，我对面开过来什么车，最后判断这个州哪个人当上总统这些学习的方向。我是觉得因为把AI的能力赋予给各种各样的机器或者说赋给各种各样的解决方案，很难说哪个东西会突然爆出来特别火。从技术的成熟度上来说，现在在视频流里面比如去连续检测移动的目标，在多个镜头之间去追踪一个东西，这个东西慢慢已经达到真正能用的地方。视频里面通常是识别人脸，识别唇语特别困难，连续几千张图片里面分析嘴唇的变化，达到超过人类听唇语的能力，其实这些都在不停往前发展。全世界各地各个研究院所还有一些公司在各个方向上探索，我想想象力空间很大，但是很难说在哪个点突然有一个人会做出什么东西，大家会觉得它很火。

主持人：一切皆有可能。

钱晨：这个我的答案是看不见。AI目前的状态是什么样的？科技界突然跑到应用行业了，但是在应用行业并没有完全普及，尤其在工业界并没有完全普及。媒体比较发达，大家天天看到，什么时候觉得火？突然你不知不觉每天都会感受到这件东西，那是火的时候。就跟手机一样，在2005年你还没有感觉到手机如此强大，就觉得是一个通话的东西，但是今天觉得手机可以处理你一切所有的事情。回顾历史的时候，没有发现突然某一天这件事情出现了，而是一点一点，而是行业领域在推动。AI的出现其实对行业，对整体大家的思维是一个好的方向的推动，这是很核心的问题。我们不回答哪天会怎么样，会在哪个方面会火，但是这个技术不断推动，最终有一天会很好，大家忽然感受到了，我们回头去看AI是一个好东西。但是今天来说哪个点，其实大家还没有看到，手机的人说会在手机上爆发，因为手机是每个人都用的东西。目前其实工业界开始大量使用，尤其视觉检测这些东西，用的很多，医疗界有人说用了，但是好像用的少。

主持人：我们接下一个千帆网友的问题，各位说了AI这个东西可能只是概念层面上一个火起来的事情，各位对将要步入AI行业的创业者有什么忠告？

亓超：就是要有一个特别好的心态，不是因为什么火去创业，其实像我们三角兽几位技术合伙人包括联合创始人都是做技术的，并不是因为这几年AI火投身相关，我们在做的自然语言处理的方向已经做了十几年，一直持续做这个方向，并没有说因为这个火去跳到这个创业的火坑里来。每个人自己擅长做什么事情可能是每个人定位先明确，如果擅长做这个方向的研发工作或者擅长做某个市场的工作，我会做得很好，如果强掰自己去追逐，可能会影响自己的目标和结果。

三角兽创业两年以来的实践，特别有一个感触，找场景找落地特别困难，商业模式，虽然技术不错，但是离真正落地中间的距离还是蛮大的。

主持人：市场还没被教育好？

亓超：非常多方面的原因，一方面在某一个场景下你可能会解决其中的一部分问题，但是这个场景需要你完善解决方案的时候并没有所有问题都解决掉，这是一个不完整的解决方案，没有办法端到端去实现打穿这个场景。另外一些场景，用户的期望或者合作方希望跟实际上技术水平差距还是蛮大的，没有办法完全满足他们的期待。如果说这个期待一旦满足了，其实像你应该能在平时用到的很多产品体验出来非常完善的AI产品，实际上还是差异蛮大的。这个事情还是一定要往前推进，如果始终闭门造车，自己在家里面研究算法，研究各种模型，一定没有办法推进这个事情，你遇到真正的问题，没有指导解决什么问题，反过来所有的研发方向或者设计初衷都会偏离。即使非常难推动这个逻辑，也要放到实际去检验迭代，这是我们现在做的事情。三角兽虽然做的时间不长，但是落地的技术方案，我们也在不同场景下得到不同的体验，在每个场景下困难是什么，需要解决什么问题，我们离真正解决有多大的差距，这是我们的经验，可能为将来的发展或者选择提供比较宝贵的经验。

毛嵩：我再重申一下我刚才的观点，就是技术本身的价值在实际落地之前，技术价值本身很难被评估和检测的。这也是我看项目时一个大原则，技术是好技术，那么这个技术到底能够帮什么样的产业或者什么样的一帮人解决什么样的问题。如果说创业者没有办法回答这个问题，那么很可能他没有办法产生收入，没有办法产生收入就没有办法产生后面的利润，这样的话投资就是白投了。除非我投资是有别的目的，比方说想要收购你的技术。如果是对创业者在这个方向的建议的话，那么就是不要闭门造车，尽量多出去看看，想清楚这个技术要去哪儿用，怎么去用，集中在一个点把这个实际问题理理清楚。说到现在老百姓心目中的AI跟业界的AI有区别，老百姓说的AI是特别聪明的一个东西，就跟人一样，什么都能干，而产业里面的AI还只能是针对某一个很特殊的场景中的某一个定义得很清楚的问题的一个解决方案。实际上现在很多AI创业的一个困难点反而是在某一个明确定义下可以这个方法能够工作，但是真实的实际情况却这个定义千差万别，有无数实际问题产生，不符合最开始的定义逻辑，而且没办法解决，这也是很多AI算法无法落地的原因。

主持人：理想很完美，现实很骨干。

毛嵩：对，你比方说我在实验室往那儿一坐背后是白背景识别初出我来被别人Demo没问题。但是在大街上随便拍到一个人，这个人可能很远，可能是侧脸，可能戴帽子，可能脸上有道疤，就会有无数个新问题产生，而这样识别率就会直线下降。这就是实验室Demo可以，出去不行，这实际上也说明我的实验室Demo所解决的问题不完整，实际情况还有别的问题，比方说拍一个侧脸能不能拧过来再识别，或者拍一个远处的人能不能先放大再识别，这都是一系列很现实的问题，而能不能最后真正解决并顺利执行下去不知道。现在的创业公司说自己是AI公司就跟以前说自己是平台公司一样，太多了，我们都快听吐了。我们一般也不去质疑这类公司的技术怎么样，更多的还是去搞清楚这公司怎么赚钱？这个技术能不能落地？有没有什么实际问题？

主持人：不管AI也好还是什么其它东西，最重要的还是商业模式，自己要想清楚，要解决什么问题，利润点在哪里。

毛嵩：不能说技术不重要，技术很重要，技术在某个商业模式可以快速放大，关键是技术在商业模式中的价值。

主持人：各位观众们有什么问题想问各位嘉宾？

智东西：从行业来讲，目前人工智能技术发展到哪一步？为什么说实际应用的点在智能客服、智能分析员上？

亓超：首先客服能快速落地，比较看得透的场景，其实在这一块人机对话客服的挑战是蛮高的，找到客服是带着怒气来的，即使人去服务也是很难的挑战，把技术做到很完美，这个事可能需要比较长的过程。跟金融行业的尝试，金融客服，有很多的业务和支点，换到另外一个行业，ST股可能有十亿种问法，根据智能客服和行业关联度非常紧密，自然语音理解跟你相关，好比咱们说人都有说话的动力，但是不见得每一项工作都能去做，即使是一些销售人员，有人擅长卖衣服有人擅长卖楼，跟专业知识有关。智能客服看似比较美好的产业落地，实际看到很大的痛苦和很大的挑战在这里面。

还有一个，互相聊天其实是反的，并不是说解决你的问题为驱动，更多像朋友互相聊天，互通有无。对这个话题，我知道的告诉你，你把你知道的告诉我，大家互相信息互动，并没有说要解决某个问题，相对来说这部分的数据和客服数据还会有一些区别。人工智能的客服数据很难在之前的状态大量获取机器学习的数据。即使客服对话，机器学习特别难，人说话比较散，比较断断续续，一句话分成N句话去说，再加上录音条件识别的问题或者插入的问题、大的问题，让机器人能够比较好地吸收到。但是开放语音聊天不一样，可以从互联网上获取大量廉价的人和人的对话，让机器通过算法模型包括深度学习或者传统的方法做得相应好一些。现在人工智能相关的技术做得好的还是积累数据场景才能有比较好的突破，否则还是在爬坡积累数据的过程。IBM Watson的投入，投到像医院材料的建设、电子化建设的过程中，先把数据积累起来，才可能有机器的后来的作用。

提问：问一下毛总，您是高通创投，高通是国外的芯片，国内顶尖的芯片寒武纪还有旷视、海康威视，核心技术国家有一些保护措施，你们作为高通这块会怎么去选项目或者怎么去抢项目？

毛嵩：作为一个国际芯片公司，我们在中国做事肯定会遵循中国的法律法规。目前来看我们投资过程中倒还没有感受到在芯片层面或者算法层面有过多的限制。在选择项目上讲，有些公司明确讲不拿美元的，这种项目即便很喜欢也没办法。有些公司愿意跟美元基金或者美国公司合作，我们当然很欢迎的。在这个方向上我们并没有过多的偏好。

提问：请问各位专家，你们自己觉得在中国可以看得见的七年时间内，你们觉得看好的可以利用AI这个技术或者概念开展的应用方面的领域各自看好的是哪些？能不能简单给我们谈一下？

毛嵩：目前已经在进展的行业包括安防、金融、自动驾驶。

钱晨：其实我目前比较看好人工智能在工业智能制造领域，刚才亓总讲自然客户交互场景太复杂，数据不好做。但是在智能制造物料检测这件事实际上场景很固定，很好做，又省了工厂大量的IQC来料检验的工程师、出货检验的工程师这些劳动力，图像检测这一块在智能制造是很大的格局。机器人现在也在谈这个，图像、声音都是做交互。这里面可能未来七年，中国的工业正在升级改造，在工业应用普及以后，尤其中等规模的企业特别有动力，大规模企业早做了，富士康这种企业早做了，不是今天才做，五六年前就开始做这些东西。中等企业劳动力又短缺，劳动力成本上升，压力很大，自动化改造用人工智能这件事在最近的五年到七年会大量普及，而且普及的程度相当高。普及到这个程度之后可能各种数据、算法又有提高，下面进入到消费类产品会更多一点。

陈忠民：现在人工智能技术真正落地来说非常希望在两部分，第一安防产业，现在太多的算法公司也好产品公司也好，都在进入这个行业。在中国我们可以有很多的图像数据，各种行业里面积攒的图像数据以及交通场景积攒的图像数据。在安防产业来说是将来两三年对于AI行业是非常大的增长点。另外，在更久的将来，可能三到五六年区间来看，AI技术一个广泛推广的可能是来自于自动驾驶。自动驾驶无论在北美还是中国有相当多的公司在投入自动驾驶的研发，而且相关的测试数据有非常鼓舞人心的结果。如果以三年到五年的长度来看，自动驾驶可能是量非常大的市场。

程健：他们两位是在芯片领域，其实AI芯片蛮有前途的，这是我看好的第一个方向。我是研究所出来的，我自己能感受到的，现在人工智能这么火，很多人对于人工智能技术、算法并不太了解。从这个角度来讲，未来人工智能教育特别火。教育有两种，一种教大家来学习人工智能技术、方法，还有在教育过程中用到人工智能技术，这两种未来都是很有前途。

亓超：我补充几句，特别火的首先是从业人员肯定特别火，人才供不应求，大家比较扎堆扎向这个行业，一旦积累更多的人才，首先大家能看到第一个露出。应用场景来说，先是工业界包括安防这些都是可见的，马上可以有应用的状态。从我的关注点，我关注普通人体验的产品，可能在娱乐性比较强像游戏会有非常大的机会。在娱乐和游戏里面用户对AI的要求并没有像他们在平时接触的助手要求那么高，这种情况下能达到很多场景上的状态。我们最近也在尝试探索这种可能性。

主持人：谢谢大家！今天过来，我们欢迎创业者为自己打广告，有什么问题也可以过来问嘉宾，也可以关注搜狐科技的微信号留言。