亚洲毛片在线_国产精品综合久久久_色综合久久久久网_亚洲成av人片在www色猫咪

過去一個月，李開復在美國、加拿大跑了一圈，見了一些投資人，了解了美國AI巨頭在做些什么，還見到了深度學習的三大巨頭Hinton，LeCun，Bengio。在“2018趨勢分享會”上，李開復分享了自己在美國的所見所聞。

　　“Facebook沒有平臺的策略，但是研究做的很深，谷歌平臺最強、大牛領先，微軟在試著聚攏它的實力， 四大AI公司，有3家不認為亞馬遜是AI公司，但其實亞馬遜做的很厲害”，他分析了美國四大AI公司各自的特點。

　　當AI成為過去兩年創投圈最熱的概念，一直為AI鼓與呼的李開復也承認個別的公司肯定有泡沫，“AI這么火，是一個創業者都要包一個AI外套，就看VC能不能識別”。他仍然看好AI，在分享會上，他援引了財富普華永道的數據，指出“人工智能在2030年將給中國帶來20%左右GDP增長”。

　　李開復指出，人工智能大概有四波浪潮，互聯網AI，商業AI化，實體世界感知AI化，最后是全自動AI化。之所以稱之為浪潮，是因為“他們同時發生，沒有先后的順序，但是都會帶來巨大的商機”。

　　簡單來說，第一波、第二波是把已有的數據拿出來賺錢。第三波是從真實世界捕捉數據，然后產生價值，比如安防、購物中心鋪的攝像頭。第四波不僅僅采集數據，AI還需要動起來，就像科幻片的機器人、無人駕駛，這個機器人不一定要有感情、能控制欲望，但是必須能動、能觸摸。

　　李開復還談到了AI應用需要的五個條件——海量數據能不能少一些，客觀標注能不能自動標、單一的領域能不能跨領域，超大的計算能不能少成本，頂尖科學家能不能不要。他強調最后一點非常重要，“就像蘋果一樣，它的技術已經抽象了，一個工程師不用了解指紋識別、人臉識別就可以用，目前AI的東西還沒有到這種狀態，但是AI工具化、平臺化是必然的方向，以后會有很多的工具讓工程師、不懂AI就可以進行應用。”

　　李開復也介紹了創新工場在其中的布局和調整。創新工場至今已成立8年，從最初主要做天使投資調整為專注于早中期（A-B輪）發展階段的項目，對于高潛力領域也參與C輪后的中后期投資。

　　以下是李開復演講全文：

　　其實我過去5周不在北京，大部分在美國跑了一圈，可以先分享一下在美國看到、聽到，我這次在美國、加拿大一共待了3周多，我們這次是去見一些投資人，然后去了解一下美國的AI的狀態，包括美國的3大巨頭在做什么。這次也見了深度學習的三大巨頭Hinton，LeCun，Bengio，非常碰巧，三大行業巨頭、三大深度學習界的巨頭都見到，談了很多事情，也一言難盡，碎碎念講了一大堆。

　　我在美國看到非常有意思的事情，一個就是美國的AI工業界他們感覺AI的價值是特別巨大的，然后他們也覺得機會巨大、價值巨大、責任也巨大，因為很多未來的挑戰、比如說AI的安全方面、隱私方面，AI帶來的失業問題比較嚴重的，所以他們成立了Partnership on AI。我這次給他們抗議說你這個Partnership on AI是美國公司、歐洲公司、怎么沒有中國公司。他們也比較難以啟齒說，為了快速達到共識先不請中國公司，這是一種短視的做法。

　　過去人類的毀滅論，講的有些過激，但是美國四大巨頭只講人類未來非常美好，AI只會好的，不會壞的，AI取代一些工作，人類才可以增長、1+1等于3，不認為有失業問題，不存在失業問題，這個也不是很好的說法。問題是，現在美國AI公司想開開心心想掙一些錢，不想承擔輿論的指責。

　　四大AI公司，有3家不認為亞馬遜是AI公司，但是其實亞馬遜做的很厲害。微軟、還有谷歌突然被趕超，都不知道怎么死的，你不能語音，你又不懂自然語音，你怎么突然收集這么多語料，不知道怎么回事兒，很有意思的狀況。

　　三大研究機構，微軟試著聚攏它的實力，谷歌肯定是最厲害的，大家公認谷歌應該全世界范圍內，100個AI高手，谷歌應該至少有一半。考慮到谷歌有Jeff Dean，還有李飛飛，所以這三個加起來、而且大家特別覺得谷歌能允許這三個部門在一定的合作加競爭之下往前沖，而往前沖的規則又不太一樣，每一個商業利益、研究的基礎又不太一樣。然后在這個基礎上可以做一個相對不用那么恪守谷歌傳統規則、價值觀，不是說它會做壞事。但是大家對谷歌特別巨大的實踐能力、力量、還有特別頂尖巨頭的數量都是非常尊重、甚至畏懼。

　　Facebook也非常有意思，它做的深度的研究非常精彩的，中國人的驕傲之一何愷明，今年做了兩篇頂尖的論文。這個也繼續做很棒的世界頂尖的工作。所以Facebook不僅僅有一個研究部門，還有AI的產品部門，這兩大部門都在快速的成長，即做頂尖的研究、也在快速的推廣Facebook部門的使用。

　　Facebook沒有平臺的策略，平臺谷歌是最強的，但是Facebook好像沒有、看起來特別大的平臺意識，所以這幾個公司各有它的才華。大牛谷歌是領先的，Facebook做的很深。

　　再談一下那三位AI大牛，都很有意思。Geoffrey Hinton大概70歲左右，另外兩為是我這個年紀50多歲，他們關系良好，也彼此競爭。他們是三位在深度學習碰到低潮的時候還堅持做它的研究，尤其是LeCun Bengio爭取了加拿大的經費，美國人拿不到經費，跑到加拿大硬撐下去，還是很敬佩的，他們真是很堅持下去。

　　這次見到他們，總體來說他們對AI未來在上一個臺階的樂觀是超過我們想象的，上一個臺階是什么意思呢？如果我們嚴格看今天AI的能力，大部分還是在判斷、識別、預測、分類這樣的決策，如果談人的智慧其實很多是策劃了、分析了、理解了、對話啊，在思維、邏輯、對話、理解、交流、還有策劃特別重要。其實我們很多現在AI的應用都跳過那些，我們看到眼睛看到什么東西，弄起來再說，并沒有很深去想，我要從這個地方開車到那個地方，我要策劃各種東西，我碰到什么狀態怎么反應，那個人的計劃什么，發生我應該怎么樣地這一整套是更深的，我們是很深的思維，而不是判斷是什么東西，然后怎么做。這幾個AI大牛在AI上另外一個臺階不同的場合表示出樂觀�？赡墁F在沒有很深的基礎，但是一定程度上我們幾個不用做太多的深度學習。一方面代表著其實深度學習已經足夠成熟、可以讓業界發揮它的工程力量、發揮它的價值。讓它產品化、工業化、市場化。

　　另外，有一點酸葡萄，我們學校機器沒有你們多，你們Facebook，谷歌那么多機器，要比數據量做的最好，我們也比不過你們。人臉識別、語音識別我們不搞，有一點點這樣的意思，因為我們資源不夠。

　　當然還有第三層最重要的意思，真要達到人工智能突破，不能糾纏這個是貓還是狗，我們要更深層的智慧，如果不是我們三個來做，是誰來做，我們有一定的責任感，所以把這技術推到更高的層次。給他們三個交流，看到更高的理想，讓人敬佩，可能我們面臨是一個分水嶺，現在是把已有的技術產品化，我們投資公司、BAT都會去做。

　　第二批人說我們怎么調整一下，讓深度學習更好，加一個增強學習，加一個遷移學習、把它弄的讓我們數據量更少，能判斷的更精確、然后能自我學習等等的功能，在已有的基礎上再推進一步、兩步、但是都是小步，我們要看到大部分科研界的工作，大部分在學校的工作。

　　第三部分就是我們真的要思考人類的智慧是怎么來的，怎么能夠在做下一個深度學習，我覺得從一個歷史的角度來說，我覺得我們一方面可以慶幸人工智能百花齊放，進入各種的領域。如果說過去50年人工智能什么的價值最大？可能是深度學習，占人工智能50%。下面我們是不是做1、2個、3個，這樣是不是帶進給人工智能、人類智能更接近的狀態呢。

　　其實從這三位大牛身上，我并不能預測他們5年、10年有多大的發展，但是我特別敬佩的是他們這種精神，但達到世界頂尖的狀態，還在思考歸零重來。一方面我們中國會成為頂級大國，因為我們數據、資源都非常好。另外北美需要鉆研、把過去歸零重來，還讓我非常敬佩。還讓美國未來的發展不再是有一席之地，不斷達到中美兩家最強，還是能幫助美國科研更高的層次。

　　在美國大概總結起來就這幾件事情。

　　可能你們都來了我們媒體開放日，哪天你們覺得創新工場不僅僅做AI，今天你發現我們創新工場還在做AI。

　　AI有弱人工智能、強人工智能，強人工智能我們就不討論了，可能以后會發生，但是現在沒有基礎，有興趣我們可以專門做一個采訪的細節。

　　但是弱人工智能，針對某一個領域用大量的數據、做出比人更強大的判斷，這一件事情正在發生，我們可以不斷的幻想，幻想也許會發生、也許不會，但是工具是必然的事情。弱人工智能會創造巨大的價值。

　　這里面我提出全世界最保守的預測，就是由我們財富普華永道推測的人工智能帶來的價值，最保守的財務公司人工智能在2030年將帶來中國GDP20%左右。從創新工場我們會分析人工智能大概有4波浪潮，之所以稱之為浪潮，他們同時發生，沒有先后的順序，但是這四件事情都會帶來巨大的商機。

　　一個互聯網AI，第二個商業AI化，第三個實體世界感知AI化，最后是全自動AI化。互聯網AI化是AI以數據作為它的能源、作為它的燃料的，所以數據越多，它發展越快，人類有史以來有架構化標志的數據最多就是互聯網。因此現在的七大巨頭都在互聯網領域，他們有幸在過去20年累計大量的數據，在推動AI，數據做好了，AI就會做好，雇更多人、收集更多的數據。

　　第二個商業智能化，除了BAT、互聯網公司，還有誰有數據。非互聯網公司因為商業的理由存了一套數據，可能它要備份、為了理財、為了客戶的滿意度，累計很多的數據，這些數據同樣有價值，不像互聯網那樣爆炸式的增長，但是醫院、物流公司都有數據，這數據足夠大，也會激活產生價值，而且它在商業流程產生價值。

　　第一、第二把已有的數據來出來賺錢。

　　第三波把沒有數據變成有，然后產生價值，比如安防、購物中心鋪的攝像頭，就把真實的世界捕捉起來，用這個產生有價值的應用。

　　第四波不僅僅采集數據，這個AI就要動起來，就像科幻片的機器人、無人駕駛，我們不認為這個機器人有感情、控制欲望，但是能動、能觸摸、能拿起來東西，這是第四波。這四波累計起來，對人類的價值是非常大的。

　　現在我可能稍微快速的講這四波，第一波我剛才講過了，我們每天都在為BAT貢獻數據，而且做免費的標注、捕捉，每次我們在百度、在騰訊、在朋友圈打開一篇文章，更重要在淘寶購買一個貨都被捕捉起來，可能這樣一個人會看到這個、點這個，以后我們看類似這個人會推類似的東西。我們發現5年前到今天我們淘寶廣告越來越精準，是因為它越來越了解你，今日頭條是不是越來越推送你想點的文章，這都是AI在后面做的工作。

　　這個領域創業很難創業，創業做新的APP出來，靠這個流量做，幾乎不是AI公司、要做流量。但是已有的流量公司轉AI很容易的，看今日頭條、快手。

　　舉一些例子，一個例子就是美圖，啟動很早，剛開始不是AI公司，現在美圖介紹自己都是AI公司，你有沒有發現過去三年你自動美化越來越美。因為你們不斷的貢獻數據、標注數據，你自拍怎么標注數據，你自拍之后三個動作是什么，不是說美瞳、磨皮，美完了你可能做三件事情，一個是刪除、保存、還有分享。這個刪除代表不好、儲存代表好、分享表示很棒，這就是你深度學習的標注，他以后就會希望幫助你這樣的人，做出更多你想分享的照片，做出更少你想刪除，這些都是AI的背后，還有新的卡通功能，那些其實也是AI。

　　第二波浪潮把AI用在已有數據，用它產生價值，進入商業。最好肯定是金融，金融是人類的虛擬游戲，我們有大量的數據都不是真的東西，比如說股票、存款、利息，本身就是一個數字，數字收集起來標注很簡單，你股票一年之后不是漲就是跌了，你貸款不是還了就是沒有還，所以只要我們能累計一段時間數據，你往一年前、半年前、一個月前推算，都在標注你一切的過去，對發生意外的人，可能要收更多的保費，貸款如果你沒有還就少借給你。金融就是大量的數據好標注、還有只要做的好錢就到了。金融本身是虛擬的東西，只要把參數調好，我投資的概率變多我錢就調出來了。所以金融是最好的。

　　還有談一下醫療，我真的覺得醫療是很應該做的，因為醫療的數據不足，因為隱私的關系，還有醫院可能分享的數據給別人自己吃了虧，或者數據流失負責任，這不是中國問題，是全世界的問題。非�？上�我們計算機視覺用在影像醫學、用在病例、發射科最合適的，但是因為數據的局限性，沒有像金融那么推動。

　　用第二波浪潮最大的你的數據有沒有被格式化，如果沒有格式化就用不上。還有有一些甚至還沒有數據，這都是很麻煩的事情，美國數據相對格式化，因為中國有很多傳統企業數據是亂七八糟的，所以這個中國趕超可能有一些挑戰。但是中國有一些很好的公司，我們投的追一科技是做客服，他們會針對各種的客戶賣軟件、優化，讓你用了軟件感覺到我省好多錢、賺好多錢。

　　做這個領域的創業需要非常有大數據經驗的工程師，不是AI大牛，反而是百度搜索出來的團隊，它需要一個CEO需要能賣軟件，一個AI的工程師賣軟件很難，還是需要找一個賣軟件出身更好一些。

　　我們這邊有一個例子叫做追一科技，你們有興趣可以給他們溝通，這個團隊來自騰訊搜搜，把搜索技術跟語音技術加起來做客服，為什么客服靠AI來做，因為很大良好的企業都把客服數據儲存下來，還有評估客服很好的方法，不在于你最后點了幾顆星，你有沒有很好的完成、沒有客戶流失，這個大企業用上，就很高對用戶的需求做一個分類。這個企業有潛力成為很大的企業。客服比較單一、重新性的，而且在中國獨特好處、大部分的中國用戶習慣用淘寶掌柜這種小窗子做客服，而不是打電話，在美國打電話很麻煩。這個數值很大，客服不僅僅取代人類，還可以推薦品牌的延伸等等的工作，我們認為這是非常好的自然語言延伸的領域。

　　第三波浪潮，我們上次講的OMO，經過傳感器的普及，我們要把世界整個數字化，我們可能用攝像頭、可能用天貓精靈這樣的產品捕捉你的語音、視頻，捕捉之后我們可以把前臺、線下的東西線上化，我們知道在線上我們每一個人，或者我們在淘寶做一個登錄，淘寶知道我是誰，我們在線上的軌跡就捕捉下來，可以用在未來的預測上，我們可以想象真實生活中，我們也在頭上插一個，你進入大潤發，可能被阿里的攝像頭捕捉下來，跟你在淘寶做一個混合，所以線上線下無論是供應鏈、進貨、還有客服人員對你的溝通，知道你是什么樣的人，都有非常好的認知，線上線下可以結合在一起，在傳統行業也有一些應用，未來世界是采集數據、把線下數據和線上結合在一起，我們每一次支付也有這樣的數據。

　　有了語音、視頻，帶來大量的數據優化價值，也是新的UI、新的方法用語音和手勢給機器交流。如果我們做一個新的產品、采取AIF的設計，本身語音不是自然語音，既然做一個新的語言體驗，需要很強的產品經理、做一個完整的新體驗，把它硬塞一個舊機器是不合適。

　　最后傳感器越來越便宜、機器越來越普及。

　　所以我們建立一個團隊要非常懂用戶的體驗、用戶的需求很理解的產品經理，這方面我們投很多公司了，包括小魚在家、包括OMO典型的無人商店，包括AI的玩具、還有很多的其他的公司。但是里面可能大家最知名的Face++，這個公司是在4年多前我們就投資了，當時還沒有那么明確看到未來的場景，但是我們看到是趨勢，我們覺得深度學習、視覺從人臉開始推動，詳細的運用還不知道。今天已經做到比人更精確的人臉識別，而且一次識別上百萬的人，可以想象飛機場可以識別恐怖分子，以后我們坐飛機更放心了。

　　第四波全面自動智能化，硬件的修改比軟件慢很多，軟件收集越多數據越好，這樣我們需要機器手臂去動、去行動。很多機器人兩只腳走路開門就摔倒，我拿到這樣的東西，就不會撞到眼睛，但是機器人手就不協調。還有我們人是非常靈活、非常不可思議的，比如說去郊外摘草莓，一摘就可以吃了，但是機器可能太輕了摘不下來，太重了爛了，這個可能不會想象那么快，可能有一些硬件，而且它越來越要做人做的。

　　還有自動駕駛可能成為下一段的操作系統，大家看到兩個操作系統，Windows第一個，安卓是第二個，第三個可能是我們自動駕駛，這個可能是很久以后，現在還看不到那個公司創造這個系統。因為這個自動駕駛把多視覺、功能融合在一起，把各種的應用、其他的應用都可以在這個舞臺識別出來。同樣的原理機器人也可以動了，所以我們看到這么一個機會，可以讓不同的傳感器、控制系統都可以用起來。

　　還有很重要的因素，現在全世界基本上相信無人駕駛，雖然還沒有發生，但是你問任何一個車廠，任何一個工程師能在無人駕駛工作那是太酷的事情，當世界資本、世界行業的公司，世界的天才都已經投降了，那是必然發生的，這全世界已經等待它的時代的到來。這個我們非�？春�。更多因素可能不在技術上，更多是社會如何接受它、法律如何處理、還有法律、理賠的問題，交通的問題等等都需要被解決。

　　回頭講機器人，我覺得智能駕駛發生之后機器人就隨之而解了。現在很多人做的重復性流水線的工作會被機器取代。工業應該是創造價值、用了這個東西可以省錢，所以在工業會率先被使用。

　　我們在美國投了幾家公司，剛才說摘草莓不是開玩笑，真是投了一家。人是不想做摘水果，這個工作很少人申請，在美國有最低的公司，很少人愿意摘水果，但是很多人都想吃水果，還有種的不規則，AI加一些手臂是可以處理。

　　這個是洗碗機器，不是洗碗機，吃完了它會拿過去，該仍掉仍掉，只要把一層層板放上去，這個機器那么貴，怎么能買的起，但是可以用租賃，我用租的給人，一個月收你兩萬五千塊錢，可以取代5個洗碗工、8個洗碗工，這個比較劃算。而且也考慮到商業者的痛點，洗碗工常常說不干就不干。所以工業應用產生價值、商業應用解決老板的痛點，最后才是家里面。我們并不認可家里面有一堆機器人跑來跑去。可能一個機器人在家里面，應該像人一樣，不像人就會失望了�？赡苄◆~在家、教育機器人會有一定的空間，但是還是需要商業打磨出來，最后才是家里面。

　　我們是技術公司，我們投很多公司看不懂的，包括摘水果、洗碗的、還有包括一些人的健康，一些人坐不起來、幫助你坐起來，還有幫助物流公司配送，無人駕駛也投好幾家公司，然后中間芯片傳感器投了不少的公司，這些細節太多了，今天就不多說了，有興趣可以單獨溝通。

　　最后回到無人駕駛，怎么投無人駕駛，我們投好幾家公司，三個公司方向都不一樣，我們深深相信AI一定是采集大量的技術、然后把這個技術迭代起來，讓你AI越做越好，我們投的公司都是快速上路采集數據的公司。比如說馭勢科技，在景區、機場低速的無人駕駛，馬上跑起來，采集數據，這是它的方法。

　　我們本身以為美國會領先更多，高速公路應該是無人駕駛第一個測試點，但是美國最近出了一個事情，卡車司機工會開始給特朗普抱怨，你們要測無人駕駛測客車、后投卡車吧，這350萬人有很多投了特朗普的票，可能美國不會先測貨車。

　　AI的應用需要五個條件，AI是不能跨領域，大的計算量還需要很厲害的人調整數據，所以要做科研、要做一個應用型的公司，那就要解決這幾個問題，海量數據能不能少一些，客觀標注能不能自動標、單一的領域能跨領域，超大的計算能不能少成本，最后一個問題是頂尖科學家能不能不要，這個非常重要，我們是不是做一個工程師可以用。就像我們蘋果一樣，你們公司都有工程師，他們人都可以寫一個（IO），因為蘋果已經抽象了，讓一個工程師不用了解指紋識別、人臉識別就可以用，AI東西還沒有到這種狀態。這個非常重要，我們認為AI工具化、平臺化是必然的方向，以后會有很多的工具讓工程師、不懂AI就可以去做。這一天還有多久比較難預測，可能會階段性的發生，第一個階段是很懂銀行業務的工程師，用它來調整AI應用，也許還有你學了AI基礎課，這個你就可以用，如果你AI基礎課都不懂，你可能就不會用。

　　下一步你如果很聰明你就可以用，以后會慢慢的平臺化，像之前手機編程剛開始很難，后來越來越容易很容易。

　　技術方面我們會投資很多的技術。

　　下面我想稍微講中國和美國的差距，從一個角度中美差距很大，剛開始介紹之前美國頂尖的科學家、包括左邊的11位、AI的銅獎得主，彩色是還在世，黑白是已經往生的。你看這個AI的院士、中國和美國，一方面你會很絕望，美國人這么厲害，但是不用絕望。因為中國的學術水平在上升，尤其是中國人學術水平非常厲害，學霸說人臉識別這么厲害，很多學術界都在快速解決，因為針對性解決問題，中國人非常擅長。

　　你看這個數量，過去23%到42%，你可能說前100名的期刊，你看商業的中國少很多，但是前100名非常著名，不容易進去的。在我創立亞洲微軟中國研究院，中國可能接近0，我們從98年幾乎0到20，之后又翻一倍。這些人怎么來？我們微軟研究院起關鍵的作用，包括BAT、華為、今日頭條，聯想都有很多頂級的來之當時的研究院。40歲都是學術進入大公司，他們下一批的徒弟們、學生們就開始創業了。所以我們對創業充滿信心，這些都是微軟研究院的學生、他們的員工也是非常厲害，也有幾位老一些，也進入創業的領域，AI的創業也是吸引很厲害的人。

　　其實我覺得更多的年輕人、在讀本科、碩士都想進入AI，在創新工場人工智能工程院我們培養100個實習生，不敢說他們成為世界級的高手，但是他們都可以很好的運用AI。6個人就做一個寫歌詞的系統，可以寫任何歌詞，6個人做一個無人駕駛的小車，其實AI并沒有想象那么難，前提你理工、數學、計算機很好，你在上面加6個禮拜，你就可以成為AI工程師。這也是我們跟教育部、高校溝通，讓年輕的AI工程師可以產生出。

　　還有第三個就是中國大量的數據，因為AI吃數據，大量的數據推動很棒的技術，一個不錯的AI科學家、加海量的數據，或者頂尖的世界大牛、中國的數據有點多，我們移動互聯網比國外多3倍，更關鍵是更多更新線下的技術、共享單車多了300倍，這些不是挑選性的，這些新產生的業務是特別巨大的數據在推動，也可以做出很好的AI。

　　這非常重要一點就是移動支付，因為騰訊、阿里的成功，讓中國有6億用戶任何人可以給任何小額的錢，幾乎不要交易費，這個是遠遠落后。這讓騰訊、阿里有更多的機會，另外帶來更多創業的機會，包括摩拜、美團沒有支付的背景，他們也做不出來，未來創業速度更快、產生數據更快、因此應用AI機會更多。

　　這個機會看到AI成為了投資風口，大家開玩笑說中國人臉四獸，四個獨角獸，我們看語音我們看到科大訊飛超過NUANCE。

　　海康有一千人在做AI，它攝像頭在全世界最普及的，這個在二級市場被認可。

　　最后一點是政府推動AI發展，在我們國家13年人工智能發展規則上，非常清晰的描述在2020年要跟上全球AI技術應用，在2030年成為全球主要的AI創新中心。無論是看雙創帶來八千家孵化器，或者高鐵在6年成為全球最大的高鐵國家，中國的執行力非常強的。

　　美國也有白皮書，但是談更多需要思考的問題，問題放在桌面上，而不是當作一個任務實現。這個可以看到，包括最近十九大演講，人工智能也是非常重要的環節，所以我們對中國AI的發展非�？春�，但是我知道泡沫AI、個別的公司肯定有泡沫，當AI這么火，是一個創業者都要包一個AI外套，就看VC能不能識別。

　　最后介紹一下創新工場8年的愿景，這個非常短�？梢钥吹絼撔鹿�場2009年成立，正好在互聯網時代、移動互聯網交界口，當時覺得互聯網風口都過了，趕快投傳統，但是我們堅決認為科技創業的力量剛剛開始，所以我們成為了當時看好互聯網的VC，后來更多的公司參與這個領域，我們逐漸在上海、硅谷、深圳創辦了辦公室，也成立了人工智能工程院。

　　投資的輪次和金額有非常巨大的差別。我們的本質出發點是一樣的，我們要投最技術的公司、最懂技術的投資人、最棒的服務、最愛創業者，這是我們給自己的標簽，這一點沒有改變。我們看整個融資、投資的輪次金額有很大的改變。

　　如果我們剛開始天使輪是淡黃色是大部分，后來越來越少，到現在幾乎只有一小。大部分我們投資放在A、B輪，我們管理資金的規模也到了應該是百億以上的規模。我們整個方向是跟過去有所調整。

　　為什么做這個調整呢？我覺得一個我們最重要是要把我們技術優勢發揮出來，然后是要能夠去更好的賽道，用最愛創業者的方法，幫助他們成長。而實際執行過程中，發現我們創業時候，其實創業者常常被投資人欺負，因為整個投資鏈條缺一個天使，但是創業者拿不到A輪，用第一批錢很頭疼，會被投資人欺負，這個鏈條不完整。我們在2009年是扮演了雪中送炭的角色，是完整它的投資鏈條的事情。很多人認為我們是天使投資的、機構化天使投資的催化劑。當時我們很認可，現在我們作為非常好的投資機構，最大化的擴大我們影響，發揮我們技術投資，超駕中美才是我們重要的。建更大的場地、孵化更多的項目是別的公司做的更好。

　　以后拜托大家報道不要說我們是天使輪投資，我們是早中期投資。

　　我們投資的每一個領域都有負責人，Peter加入可能在黑科技領導我們團隊。美國合伙人主要是引導我們機器人團隊。無人駕駛可能我給汪華主要看，金融郎春暉負責。所以不是開復一個人講AI，其實全工場有好幾個合伙人，看AI的子方向。

　　剛才講我們優勢，我們更好的預測趨勢、在藍海成為紅海之前，能更大的投資出來。這6個圖看到6個不同的領域，桔紅色的線整個是業界的熱度，藍色是我們實際投資的數量，可以看到在人工智能一點不熱2012年投了項目、13年投了項目，14年投最多，但是人工智能還沒有16年帶來的浪潮，但是現在估值很高了，我們還在計算投，但是會更謹慎了。我們當時投的項目回報非常好，因為進去足夠早。

　　在AI領域我們有很多優勢，我們最懂技術的投資隊伍、AI賽道最早布局、我們建立了AI工程院，做+AI、AI無+項目，幫助我們判斷項目、判斷AI。我們也會幫助推動AI的產業，我們做全世界人工智能的競賽我們做教育，僅僅人工智能一個領域，我們負責投資在中國、美國負責技術的有這么強大的團隊，這個應該是相對有特色。

　　這是我們項目的回報，回報的倍數是下面綠色的數字，因為我們足夠早的接入已經到了非常好的回報。我們主要看是現階段3到5年成熟的技術，10年之后我們非常謹慎的投資。

　　比如說舉個例子，自然語言理解，大家說自然語言理解突破了，大家我告訴大家多領域、人類1/10人類自然語言理解離我們很遙遠，因為我們現在能做語音的識別，我們甚至做一個領域的知道語音的識別，但是要跨領域，它的難度非常高，人的達那思維方式、我們溝通、我們語言，我們的幽默、我們語意的理解，我們跨領域的往往超過了自然語言理解。我們跨領域的我們會放在8年之后，到底是什么完全無解。其實還有一些公司做的很好，比如說我們追一科技是自然語言的，他們是用深度學習、AI解決，而不是靠人類自然理解，任何這么說的公司都達不到。

　　第三個希望有更多的傳感器，第四波也很重要，比如說激光、雷達，這就是我們投的相關東西，追究幫助人增強相關的能力，讓人突破一些局限。把坐不起來人穿這個衣服就可以坐起來，

　　我們人工智能工程院主要存在是做商業人工智能解決方案，我們會針對我們投資公司，還有傳統的公司他們需要AI幫助的時候，我們會來幫助它做AI。

　　為了做這個事情我們會自己培育AI人才、推動AI產業，有一些項目可能被分拆出來，這是我們工程院完整的計劃，但是擁有工程院我們非常幸運，這些AI的專家可以幫助我們評估項目、推薦項目，教育人才等等的。所以在AI行業我們應該是一個全面的投入，而且應該是非常領先的地位，我們推動了世界級的AI競賽，我們做了工程院，寫了一本書，正在寫第二本，我們在南京開始啟動科研，我們還做了夏令營。AI是跨中美的現象，除了在國內給各位交流，我這次在美國東岸、西岸，每年到達沃斯都給做AI交流。AI產生很大的價值，但是價值越大、責任越大，因為AI確實帶來一些挑戰，之所以寫書之所以在中美歐各有影響力、還是基于這個，既然我們推動AI，把AI所帶來的挑戰非常完整、真實的陳述起來，有可能一些大科技公司，因為自己公司不能講太細，我自己有幸在AI領域做了37年，一直有跟蹤，非常清晰看到里面帶來巨大的機會，一些對人類的挑戰，我們希望更真誠、透明把這些問題拿出來，讓世界能一起推動AI來改變世界的過程。

　　當然實際上用上AI的資源，我們在美國辦了頂級科學家的交流，在高效、硅谷辦公室，在美國做了很多的投資案子，雖然中國的政策、數據很先進，但是美國的科技還是最領先。所以我們在這方面希望做到連接中美的過程，也看到很多的技術希望把它帶回來。

　　剛才講這么多，我們現在做的事情是很有意思、很獨特、而且是獨一無二的，我們在做真的VC+AI的概念，不僅僅AI領域的投資、而是全方位融入我們每一天的生活、決策，我們相信AI會讓世界更美好，我們也愿意給他們分享AI所帶來的機會、挑戰。