AI下半場，最根本的是創(chuàng)造價值，而不是算法或產(chǎn)品 | 超級沙龍

特約觀察員 | 中國平安集團(tuán)首席科學(xué)家 肖京、北高峰資本創(chuàng)始人兼CEO 閔萬里、阿爾法公社創(chuàng)始人兼CEO 許四清（主持人）

核心提示：

1.解決業(yè)務(wù)痛點(diǎn)，關(guān)鍵在于運(yùn)用人工智能技術(shù)重構(gòu)生產(chǎn)流程，實(shí)現(xiàn)我們所謂的“三提兩降”——提效率、提效果、提用戶體驗(yàn)、降風(fēng)險、降成本。

2.AI實(shí)際上是在不確定性場景下，對綜合技術(shù)、情報的應(yīng)用。

3.這些AI應(yīng)用案例給我們指出了一個非常簡單的公式，價值 = f(數(shù)據(jù), 科學(xué)技術(shù), 行業(yè)知識)。

4.AI在傳統(tǒng)產(chǎn)業(yè)當(dāng)中能夠創(chuàng)造新的價值增量，它的威力，遠(yuǎn)遠(yuǎn)超出了我們在實(shí)驗(yàn)室所能想象的。

編者按：本期文稿由3月21日「新基建展望」第1/2期直播整理。本期直播由中國科大校友創(chuàng)業(yè)投資論壇主辦，阿爾法公社、云岫資本、36氪等聯(lián)合主辦。內(nèi)容有刪減。獲得本期直播回看地址，可添加小小氪微信：xs36kr（朋友圈內(nèi)可找到）

肖京：金融業(yè)四大痛點(diǎn)，平安是怎么解決的？

金融行業(yè)的四類場景主要有以下痛點(diǎn)：風(fēng)控（風(fēng)險雜+欺詐多）、獲客（頻次低+轉(zhuǎn)化弱）、服務(wù)（模式重+體驗(yàn)差）、運(yùn)營（效率低+成本高）

風(fēng)控場景，以風(fēng)險雜、欺詐多為顯著特征。比如單個交易看似沒有問題，但是多次交易合一起看就有欺詐風(fēng)險。一個個體看似正常，多個人形成的小團(tuán)體可能就存在風(fēng)險。擴(kuò)展到一個企業(yè)，或看中觀某個產(chǎn)業(yè)，或看宏觀市場，各個方面都可能存在潛在的風(fēng)險。如果全依賴人工監(jiān)測管控，很容易出現(xiàn)誤判或遺漏。

獲客場景，傳統(tǒng)的金融營銷手段包括實(shí)體網(wǎng)點(diǎn)、電話短信、地推沙龍等方式，將標(biāo)準(zhǔn)化產(chǎn)品推送給所有客戶，這種方式獲客成本高、渠道頻次低且用戶體驗(yàn)有待提高。金融業(yè)務(wù)大部分交互頻次較低，對客戶理解有限，在這種條件下如何更好的理解客戶需求，提升客戶粘度、忠誠度、及交叉銷售向上銷售的成功率，是個現(xiàn)實(shí)的難題。

服務(wù)場景，傳統(tǒng)服務(wù)模式較重，消費(fèi)者行為和需求的不斷變化，使傳統(tǒng)的金融服務(wù)面臨各場景各鏈條上的重構(gòu)。同時，在人口紅利逐漸消失的背景下，傳統(tǒng)人工客服存在培訓(xùn)成本高、流動性大、服務(wù)效果參差不齊等特點(diǎn)，影響服務(wù)質(zhì)量和用戶體驗(yàn)。如何讓客服模式變得更輕便且同時提高服務(wù)的質(zhì)量，在目前市場競爭越來越激烈的情況下，也是亟待解決的痛點(diǎn)問題。

運(yùn)營場景，金融行業(yè)的業(yè)務(wù)運(yùn)營中存在大量手工操作，且往往是簡單重復(fù)性的，急需降低運(yùn)營成本，提高管理及運(yùn)營效率。以平安為例，如果我們提高1%的效率，每年可以增加100多億元利潤。因此，實(shí)現(xiàn)業(yè)務(wù)運(yùn)營管理的降本增效也是極其重要的痛點(diǎn)需求。

如何運(yùn)用科技手段解決金融業(yè)的痛點(diǎn)

真正提升產(chǎn)品服務(wù)的質(zhì)量和生產(chǎn)效率，解決上面提到的業(yè)務(wù)痛點(diǎn)，關(guān)鍵還是在于智能化，運(yùn)用人工智能技術(shù)重構(gòu)生產(chǎn)流程，實(shí)現(xiàn)我們所謂的“三提兩降”——提效率、提效果、提用戶體驗(yàn)、降風(fēng)險、降成本。然而生產(chǎn)重構(gòu)比線上化要困難很多，需要既有強(qiáng)大技術(shù)能力，又對傳統(tǒng)業(yè)務(wù)流程非常熟悉，這樣才能將技術(shù)和業(yè)務(wù)流程深度融合，實(shí)現(xiàn)生產(chǎn)重構(gòu)的目標(biāo)。因此我們不僅要在IT系統(tǒng)方面完成信息化和數(shù)據(jù)化基礎(chǔ)建設(shè)，具備智能化建設(shè)的算法技術(shù)和計(jì)算能力，還要在行業(yè)專家的深入合作指導(dǎo)下，在實(shí)際業(yè)務(wù)場景中不斷迭代，最終形成完整的智能化業(yè)務(wù)解決方案，有效達(dá)成智能化經(jīng)營的目標(biāo)。

智能化經(jīng)營是平安的重要戰(zhàn)略方向，其第一步要打造底層的大數(shù)據(jù)平臺。我們花了近一年時間，把一萬七千多營業(yè)部的數(shù)據(jù)孤島完全打通，將數(shù)據(jù)整合到一個統(tǒng)一平臺，并建立了自動清洗、整合、更新、質(zhì)量管理、標(biāo)準(zhǔn)化、脫敏安全等機(jī)制，建立嚴(yán)格的權(quán)限管理、隱私保護(hù)等管理規(guī)范。在大數(shù)據(jù)平臺上遵照合規(guī)要求進(jìn)行統(tǒng)計(jì)分析，得到脫敏的畫像標(biāo)簽。然后打造人工智能基礎(chǔ)技術(shù)能力，包括看、聽、說和讀等方面的能力，如人臉識別、微表情識別、醫(yī)療影像分析、語音識別、聲紋識別等技術(shù)。接著再構(gòu)建專業(yè)的知識圖譜，包括汽車、企業(yè)、醫(yī)療、教育、農(nóng)業(yè)等多個領(lǐng)域，這是傳統(tǒng)行業(yè)相對互聯(lián)網(wǎng)和高科技行業(yè)最大的壁壘。最后再圍繞業(yè)務(wù)需求，技術(shù)深度融合業(yè)務(wù)，共同構(gòu)建完整的智能化解決方案，并不斷豐富和完善可以規(guī)模化應(yīng)用的智能化業(yè)務(wù)方案中臺，全面覆蓋金融、醫(yī)療、智慧城市等核心業(yè)務(wù)領(lǐng)域。所有這些工作共同構(gòu)成了我們的平安腦智能引擎，推動平安快速有效實(shí)現(xiàn)各業(yè)務(wù)環(huán)節(jié)的智能化，持續(xù)夯實(shí)關(guān)鍵技術(shù)和業(yè)務(wù)壁壘。

具體的AI應(yīng)用案例

身份認(rèn)證：多模態(tài)，包括人臉聲紋唇語等，應(yīng)用在金融領(lǐng)域銀行保險的開戶時錄音錄像等，避免業(yè)務(wù)人員誤導(dǎo)客戶以及確定客戶是本人。

小額信貸：原來我們有840多個門店，貸款要在門店判斷違約風(fēng)險。現(xiàn)在進(jìn)行人臉識別、微表情識別，可以在線上實(shí)現(xiàn)三分鐘放款，這些大數(shù)據(jù)設(shè)計(jì)等風(fēng)控手段讓違約率也下降很多。

企業(yè)投資和信貸：通過底層數(shù)據(jù)，靜態(tài)菜包、動態(tài)輿情，企業(yè)之間的投資關(guān)系，三類數(shù)據(jù)形成知識圖譜，建立債券違約模型，投資風(fēng)控模型。大部分公司可以在6-9個月提前預(yù)測風(fēng)險維度，詳細(xì)的介紹幫助業(yè)務(wù)可以快速定位，判斷是否誤報。

圖像識別自動定損：平安現(xiàn)在是唯一一個大規(guī)模實(shí)現(xiàn)識別定損的公司，通過好車主APP，拍照上傳，幾分鐘就可以定損確定維修，幾千塊以下就可以很快完成流程。提升效率解決問題。要求后臺要有完整的知識圖譜，不同車型，不同損失程度。同時車險是薄利領(lǐng)域，經(jīng)常會有欺詐，運(yùn)用反欺詐引擎之后節(jié)省了幾十億的運(yùn)營費(fèi)。

另外運(yùn)營領(lǐng)域，如大型法律訴訟，人工智能模型判斷證據(jù)是否充足；服務(wù)領(lǐng)域，原來我們有十二萬五千客服，機(jī)器人助手可以自動地幫助解決客戶的一些問題。

閔萬里： 重新拆解AI，規(guī)模協(xié)同背后的效應(yīng)

從中科大畢業(yè)到IBM研究生，再到谷歌、阿里巴巴一直到去年做產(chǎn)業(yè)投資，我的職業(yè)道路方向很簡單：把數(shù)學(xué)公式寫到產(chǎn)業(yè)當(dāng)中去創(chuàng)造價值。

重新拆解AI：Less artificial, more intelligence. A代表Actionable, Accessible, Affordable

案例一：

AI不僅僅是圖像識別，往往是多種技術(shù)的融合，尤其是在產(chǎn)業(yè)中有多種不確定性。例如，這個場景有左轉(zhuǎn)劃線又有禁止牌，這種如何裁判，當(dāng)出現(xiàn)有沖突性的信號的時候怎么處理？這些在實(shí)驗(yàn)室中無法得到，必須要有common sense，現(xiàn)在還有其他的一些reference，能夠幫我實(shí)時判斷。所以當(dāng)我們走到產(chǎn)業(yè)當(dāng)中去的時候，AI的裁判甚至都不是你自己，而是第三方的市場，哪怕你做了一個很好的產(chǎn)品，但是市場不買單，你也不會有任何的收益。AI實(shí)際上是在不確定性場景下，對綜合技術(shù)、情報的應(yīng)用。

案例二：智慧城市

以城市交通為例，攝像頭“感”而不“動”的原因，是因?yàn)闆]有計(jì)算、算法。

城市要學(xué)會思考，并且學(xué)會全局思考、學(xué)會在線思考。攝像頭不能成為“近視眼”式的條件反射，要變成全時段、無盲區(qū)的協(xié)同智慧。

通過十字路口的所有的車流的速度，我們可以精準(zhǔn)地量化在每個十字路口的交通流量交通屬性?；谶@個交通的通行量，我們可以判斷在這個城市當(dāng)中每一個節(jié)點(diǎn)上，當(dāng)前的壓力是多少，然后就知道在所有網(wǎng)絡(luò)上的各個節(jié)點(diǎn)的壓力，就可以有效調(diào)節(jié)信號燈的綠燈時間，把供給和需求進(jìn)行實(shí)時有效的匹配。最后能做到什么？能夠做到把堵點(diǎn)打通，然后讓擁堵的時間減少。比如因?yàn)榘l(fā)展中國家因?yàn)榻煌〒矶聦?dǎo)致救護(hù)車無法通行病人得不到及時救治而去世，針對這個問題我們通過交通信號的調(diào)節(jié)可以把擋在救護(hù)車前面的車給放行清空。

在這個案例中，我們做了一個很簡單的use case，就是打通整個城市的信號問題，讓每一個信號燈能夠聽見救護(hù)車的鳴笛，讓信號燈為這輛救護(hù)車提前開綠清空車道。效果是什么？在馬來西亞吉隆坡救護(hù)車的行車時間從病人的家里，可以節(jié)約233秒的時間，對于病人來說可能就是生和死的差別。當(dāng)這個城市的信號能學(xué)會思考的時候，最后是老百姓得到了好處。

另外，當(dāng)一個城市會全局思考了，會如何？如果只是單點(diǎn)的思考，你可能得到的只是一個非常簡單的局部，直到全部鏈接在一起，會看到這個城市的每一個脈搏的跳動，在每一個十字路口和節(jié)點(diǎn)上發(fā)生著什么，會蔓延到哪里去。而且實(shí)時的檢測每一個事件是怎么樣的，蔓延開從一個單點(diǎn)變成一個局部甚至變成全球，然后基于這種推演迅速地產(chǎn)生響應(yīng)方案。通過視頻和移動互聯(lián)網(wǎng)的數(shù)據(jù)，永遠(yuǎn)不下班，永遠(yuǎn)也不會疲勞，因?yàn)橹灰獢?shù)據(jù)流來，這個計(jì)算機(jī)就始終在運(yùn)算，所以這個城市任何一個時刻發(fā)生的事情，都會自動地計(jì)算推演傳送到交警、城管等，24小時不間斷使用。

有了全局的思考，也會帶來局部的改善。例如在今天中國的任何一個中型的城市都可以看到十字路口有很多設(shè)備，地面是掩埋的線圈，天上是攝像頭，還有控制開關(guān)，實(shí)時檢測這個十字路口的這個交通狀況。但是有一個根本性的矛盾，它是一個“近視眼”，只看到了局部的信息，它看不到上游的信息，沒有聯(lián)動起來，只是被動的響應(yīng)當(dāng)前這個路口處出現(xiàn)的狀況，然后做亡羊補(bǔ)牢式的條件反射。假定我們今天有了全局思考的能力，就像一只眼睛在天上看到了這個城市所有路口的情況，而且知道了每一個擁堵的路口上有還有多少車過來的時候，也是有可能作出預(yù)防性的指示。要有一種全局觀，主動介入，這是我們講用俯視的角度，把所有的數(shù)據(jù)全局鏈接在一起，實(shí)時計(jì)算的時候是有可能形成一個跨網(wǎng)絡(luò)跨區(qū)域的聯(lián)動，所以在也不是在單點(diǎn)上小聰明，而是在整個所有的點(diǎn)在一起的鏈條上形成一個全球協(xié)同的智慧。

2016年9月15號，我們在廣州市上線的一個系統(tǒng)，就已經(jīng)做到了把擁堵指數(shù)下降19%左右，而且是在最擁堵的路段，用了互聯(lián)網(wǎng)APP的數(shù)據(jù)交通信號，加上信號燈調(diào)控的算法，實(shí)時對接上去之后，得到的效果。所以這個例子再次給我們講了一個現(xiàn)象就是，智慧城市已經(jīng)進(jìn)行了這么多年，有了這么多的硬件投入，積累了海量的數(shù)據(jù)的時候，如果我們還是越來越擁堵，開車的速度越來越慢，一定有哪個地方走錯了。就是數(shù)據(jù)都被用來作為事后的excuse，今天我們要的是要把那些實(shí)時的數(shù)據(jù)轉(zhuǎn)化為real time的actionable inside，所以就叫AI，把當(dāng)前的問題解決，甚至是把未來可能出現(xiàn)的擁堵解決。不是給我們找事后的原因，而是讓那些不好的情況壓根就別發(fā)生。

穿越行業(yè)壁壘

這一張圖當(dāng)中列舉了相當(dāng)多案例，每一個案例都是用同一套方案解決的。

在一個產(chǎn)線上面，如果從數(shù)字化的角度去看，它流動的是很多的“數(shù)”，工藝參數(shù)，過程參數(shù)，設(shè)備狀態(tài)，數(shù)據(jù)環(huán)境變量等等，我們把所有的生產(chǎn)記錄全部拉出來，看一下歷史上每一個批次產(chǎn)出的量和過程之間的因果關(guān)系，找到一些規(guī)則，經(jīng)驗(yàn)特征，就有可能加上一個機(jī)器神經(jīng)網(wǎng)絡(luò)，用到工業(yè)人工智能，最后找到那些過程參數(shù)控制參數(shù)和最終的產(chǎn)品體量之間的因果關(guān)系，不是關(guān)聯(lián)關(guān)系。有了因果關(guān)系，就有可能進(jìn)行調(diào)控，在每一個因素上去下手，就有可能讓結(jié)果變得更好。

在浙江杭州的一個案例中，這家企業(yè)生產(chǎn)一類非常傳統(tǒng)的循環(huán)流化床，我把它內(nèi)部數(shù)字化呈現(xiàn)，用三維的視角去看高溫的分布，吹風(fēng)面和煤粉在動態(tài)控制，后面我們把所有歷史上燃燒的煤粉供給和吹風(fēng)的數(shù)據(jù)全部拿出來，看出熱量和消耗量之間的投入產(chǎn)出，最后尋找到最佳的控制參數(shù)和邏輯，運(yùn)用到實(shí)際當(dāng)中去。最后兩分鐘調(diào)整一次參數(shù)，燃煤效率提升2.6%，每年節(jié)省1600萬。在這個當(dāng)中沒有任何硬件投入，有的是數(shù)據(jù)的積累，加AI算法。所以在工業(yè)產(chǎn)線當(dāng)中的價值可能是四兩撥千斤，不需要買傳感器也可以做到。

我們通過幾十臺、幾百臺收音機(jī)，實(shí)時監(jiān)測每一臺收音機(jī)的哪一個地方不正常。以前的其實(shí)都是做信號處理，監(jiān)控信號。后來我們做了一件很簡單粗暴的事，做了一個能量譜，取得能量譜的平均值，然后再來對比。所以發(fā)現(xiàn)問題較早，就可以由30-50萬的維修費(fèi)減少至兩三萬。

這些案例其實(shí)都給我們指出了一個非常簡單的公式，價值 = f(數(shù)據(jù), 科學(xué)技術(shù), 行業(yè)知識)，其中CEO要根據(jù)行業(yè)賽道、價值閉環(huán)、商業(yè)架構(gòu)，找準(zhǔn)價值；CTO負(fù)責(zé)技術(shù)選型、路徑里程碑、Scale&Speed，來設(shè)定f；科學(xué)家們根據(jù)可行性和普適性，構(gòu)建科學(xué)技術(shù)。成本的節(jié)約是有限的，而價值的創(chuàng)造是無限的。當(dāng)云計(jì)算真正被應(yīng)用于場景中時，將四兩撥千斤，創(chuàng)造更大的價值。

這個過程當(dāng)中數(shù)據(jù)一定是越來越多的，對這種數(shù)據(jù)的價值的釋放和捕捉我們需要有強(qiáng)有力的科學(xué)技術(shù)，就是云計(jì)算。今天的海量數(shù)據(jù)已經(jīng)是超越了人腦的極限，沒有計(jì)算機(jī)是無法去做的，但是很遺憾在以前的我們對云計(jì)算的想象萎縮成一個簡單的IT的運(yùn)維托管，然后節(jié)省你的IT成本，但是，云計(jì)算最大的威力不是在IT成本的節(jié)約，而是一個規(guī)模協(xié)同的激光效應(yīng)，它能夠把10萬臺機(jī)器，一秒鐘之內(nèi)聚集在一起，萬眾一心，去看穿海量數(shù)據(jù)背后的規(guī)律。激光就有點(diǎn)像阿基米德把幾千面鏡子同時反射，把敵人的帆船給照射燒掉一樣的道理?？创┝四莻€規(guī)律，再立刻計(jì)算，解散掉，所以這種規(guī)模協(xié)同的激光透視的效果，它能夠幫我們探索到數(shù)據(jù)背后的新價值，而這也是云計(jì)算最大的威力，比拼成本的節(jié)約要來得更加令人激動。當(dāng)我們把云計(jì)算的威力結(jié)合數(shù)據(jù)放到場景當(dāng)中去的時候，能找到前所未有的新價值，而且可能以很軟的方式，四兩撥千斤。

企業(yè)怎么用AI：選擇場景，先縱再橫

任何一家企業(yè)當(dāng)你要用AI的時候，找準(zhǔn)痛點(diǎn)，選準(zhǔn)技術(shù)錨點(diǎn)。

整個的痛點(diǎn)的轉(zhuǎn)型和解決，一定是一個連續(xù)化的管理，要足夠的睿智。先縱后橫，選擇一個單點(diǎn)，價值明顯，可以透傳到最后業(yè)務(wù)財(cái)報。把一個問題寫透，贏得信任，就有可能做得更好，尤其是早期的創(chuàng)業(yè)者，不要過早地談平臺，更不要講做一個生態(tài)，生態(tài)是巨無霸才可以講的。如果過早的講平臺，就像你剛走江湖的時候要當(dāng)武林盟主一樣，頂多成為別人的一個笑談而已。方法論和工具缺一不可，所有產(chǎn)品的價值一直在產(chǎn)業(yè)、實(shí)踐當(dāng)中證明出來的。選準(zhǔn)問題，拆解問題，優(yōu)先解最有價值的問題，最快的問題，贏得信任，再做第2個第3個問題。

第一，當(dāng)我們要做產(chǎn)業(yè)的AI應(yīng)用的時候，千萬不能流于表面，需要深入到這個產(chǎn)業(yè)的最底層，到車間到田間，到指揮中心里面去看到它的痛點(diǎn)。第二，不能人云亦云，開源軟件拿過來搞一個CNN調(diào)參就說自己是AI。今天的AI不再是視覺、語音，我們要有science，我們還要提高technology。最后，誰能夠做時間的朋友，一定是創(chuàng)造了深度的價值，在這個時間節(jié)點(diǎn)上能夠把產(chǎn)業(yè)帶上。

敢于挑戰(zhàn)不確定性，敢于把石頭中的油榨出來，能夠創(chuàng)造新的價值增量式

那這張圖上如果你要在產(chǎn)業(yè)當(dāng)中去，要深耕下去的時候一定有不確定性，有可能很幸運(yùn)，打出來的就是有很快就出來，但是還有一種情況就是你可能碰到的是一塊石頭，打出來不是石油，但是以精雕細(xì)作之后發(fā)現(xiàn)原來是一塊寶石，那么它也是有價值的。所以，我認(rèn)為重新定義石油是我們要敢于把石頭當(dāng)中的油給榨出來。尤其是在傳統(tǒng)產(chǎn)業(yè)當(dāng)中，當(dāng)所有人都覺得說這個產(chǎn)業(yè)沒有什么價值的時候，你是否有勇氣拿著最新的技術(shù)，去這個產(chǎn)業(yè)當(dāng)中去尋找新的價值空間。那么答案很明確的，前面我們做了那么多的傳統(tǒng)行業(yè)，都找到了100%價值，已經(jīng)告訴我們這一點(diǎn)。AI在傳統(tǒng)產(chǎn)業(yè)當(dāng)中能夠創(chuàng)造新的價值增量，它的威力，遠(yuǎn)遠(yuǎn)超出了我們在實(shí)驗(yàn)室所能想到的。當(dāng)我們有了技術(shù)問題，有了這種意愿的時候，我們找準(zhǔn)產(chǎn)業(yè)的方向就能夠做到，advanced technology for social，創(chuàng)造社會性價值，普惠的價值。

問答環(huán)節(jié)

許四清：對于創(chuàng)業(yè)者來說，既沒有算力也沒有很好的算法，人工智能應(yīng)該怎樣起步？

肖京：大型企業(yè)如金融機(jī)構(gòu)和科技公司，已經(jīng)在組建自身的研發(fā)團(tuán)隊(duì)，大企業(yè)希望自身可以具備相應(yīng)能力，以應(yīng)對未來更多的需求，而不再使用外包。中小企業(yè)建立同等規(guī)模的團(tuán)隊(duì)是不太現(xiàn)實(shí)的，要先把重點(diǎn)領(lǐng)域做深，建立并發(fā)展自己的團(tuán)隊(duì)，吸收外部技術(shù)。只做技術(shù)是不夠的，難以解決業(yè)務(wù)問題。摸著石頭過河是在沒有橋的狀況下，在一些標(biāo)準(zhǔn)化的問題可以引入解決方案。

閔萬里：創(chuàng)業(yè)者借助單點(diǎn)的AI技術(shù)來支撐估值難度越來越大，因?yàn)楣乐蹈鄥⒖嫉氖窃诋a(chǎn)業(yè)中創(chuàng)造的價值。這方面小公司有大公司沒有的優(yōu)勢，大公司講究規(guī)模效應(yīng)，小公司可以“一竿子捅到底”，扎根到一個行業(yè)做深，解決行業(yè)痛點(diǎn)并迅速復(fù)制，以此來規(guī)避大公司競爭。

許四清：大平臺會不會從創(chuàng)業(yè)公司買單？

閔萬里：買單者不會是阿里這樣的大平臺，反而是行業(yè)中有全面轉(zhuǎn)型需求的企業(yè)。比如鋼鐵行業(yè)，在煉鋼環(huán)節(jié)解決問題，最終實(shí)現(xiàn)數(shù)字化煉鋼。

許四清：機(jī)會在傳統(tǒng)企業(yè)之間，大的互聯(lián)網(wǎng)巨頭已經(jīng)不再需要了。

中科大硅谷校友會主席崔凱云提問：人工智能發(fā)展歷史上有了幾次大的起伏，此次主要有什么不同，使它產(chǎn)生持續(xù)發(fā)展？

肖京：最大的不同是本質(zhì)上產(chǎn)生了實(shí)際的商業(yè)價值，即產(chǎn)生了實(shí)際收入。比如Facebook實(shí)現(xiàn)的收入同平安體量相仿。

閔萬里：算力大大提升且唾手可得，樣本、數(shù)據(jù)在量級上也有大的提升，即具備了群眾基礎(chǔ)。開源的程序也使得可以全民參與。

東家金服CEO方以涵提問：互聯(lián)網(wǎng)巨頭是否會具有更海量的數(shù)據(jù)，使得他們能夠更加領(lǐng)先？

肖京：從業(yè)務(wù)上講，金融是重資本的業(yè)務(wù)，而互聯(lián)網(wǎng)是輕資本業(yè)務(wù)，互聯(lián)網(wǎng)公司提供往往是小額資產(chǎn)的業(yè)務(wù)，卻不會開展大額資產(chǎn)業(yè)務(wù)。面臨危機(jī)的更多是標(biāo)準(zhǔn)化的保險、基金等領(lǐng)域?；ヂ?lián)網(wǎng)更多做的是中介的角色，許多業(yè)務(wù)開展也面臨諸多限制，金融公司有牌照優(yōu)勢。未來互聯(lián)網(wǎng)同樣也會面臨各方面的挑戰(zhàn)。互聯(lián)網(wǎng)公司優(yōu)勢在于對個體的了解比較深入，擁有各方面的大量數(shù)據(jù)，而金融公司擁有的數(shù)據(jù)盡管稀疏但是質(zhì)量更高。

Shipstongroup董事總經(jīng)理王文勇提問：人工智能中涉及的倫理問題？表面是倫理問題，本質(zhì)上是應(yīng)當(dāng)追求誰的責(zé)任。

閔萬里：目前還處在爭議階段，沒有一個公認(rèn)的答案。技術(shù)一定會帶來這樣的挑戰(zhàn)，但這樣的挑戰(zhàn)并不可怕，相信未來會找到一個答案。今天不能太樂觀地認(rèn)為無人駕駛很快會到來，今天一個簡單的目標(biāo)的沖突，就會confuse世界上最好的自動駕駛的技術(shù)，在駕駛過程眼觀六路耳聽八方是一個復(fù)雜的信息處理過程，技術(shù)應(yīng)當(dāng)做的是不斷去逼近人腦復(fù)雜處理的狀態(tài)，等技術(shù)到達(dá)那個狀態(tài)時，倫理問題自然會迎刃而解。

清華大學(xué)公共研究院副院長蘇國鋒提問：以橋梁施工為例，如何能充分發(fā)揮AI和大數(shù)據(jù)相關(guān)性分析的能力，更有效率地使用大數(shù)據(jù)？因果關(guān)系和相關(guān)關(guān)系哪個是AI的靈魂？

肖京：因果關(guān)系非常重要，連接主義占上風(fēng)是由現(xiàn)狀決定的，海量的數(shù)據(jù)、人工智能的特點(diǎn)使得現(xiàn)今關(guān)聯(lián)關(guān)系可以解決很多問題，為了解決問題使用了很多關(guān)聯(lián)關(guān)系。但要理解問題的本質(zhì)，一定認(rèn)識因果關(guān)系。因果關(guān)系現(xiàn)在發(fā)展現(xiàn)狀也是不錯的，許多人在研究如何同機(jī)器學(xué)習(xí)的方法結(jié)合起來，做相關(guān)的歸因分析。

閔萬里：300年前這個問題已然有答案了。開普勒發(fā)現(xiàn)行星定律，第谷觀測行星軌跡，但是牛頓提出了萬有引力定律。經(jīng)驗(yàn)主義和關(guān)聯(lián)關(guān)系最終仍然要進(jìn)化到肌理層面的因果關(guān)系，一個學(xué)科如果沒有因果關(guān)系談不上是科學(xué)。要通過簡單的關(guān)聯(lián)關(guān)系找到異常，然后通過肌理分析找到因果關(guān)系。

Hiretual創(chuàng)始人江海慶提問：請閔總結(jié)合工程師和投資人的經(jīng)驗(yàn)，在投資過程中是遵守怎樣的產(chǎn)品思路的？

閔萬里：追求的是縱向技能而不是橫向技能。首先要問創(chuàng)業(yè)者，要解的這個痛點(diǎn)，之前給客戶帶來了怎樣的損失，即解決的是什么樣的問題，如果沒辦法回答這個問題，那很可能解決的是偽需求。第二是為什么由我來解決這樣一個問題，十年前為什么沒人解決，比如由于時代的局限。價值創(chuàng)造的模式是根本之根本，價值創(chuàng)造的方法和工具，可能成為企業(yè)的競爭力，但不可能是企業(yè)的護(hù)城河。最大的護(hù)城河是客戶的粘性，而不是算法或是產(chǎn)品。沿著市場、客戶、痛點(diǎn)、價值創(chuàng)造、客戶聯(lián)系的主線摸索下去，才能笑到最后。

追問：身邊許多創(chuàng)業(yè)失敗的案例都會掉入一個問題，即產(chǎn)品越做越多。閔總投資產(chǎn)品或是項(xiàng)目時候遵循怎樣的規(guī)律？

閔萬里：B端和C端邏輯不太一樣。B端來說，今天解決某個企業(yè)的痛點(diǎn)，不是依賴某一個工具而是方法論，即找準(zhǔn)問題鎖定痛點(diǎn)，再反向選擇合適的工具或是產(chǎn)品甚至是開源工具。第一，過去做項(xiàng)目先忘掉有什么產(chǎn)品，記住自己有什么能力，第二，是詢問客戶有什么痛點(diǎn)，需要解決什么問題。第三，分析需要什么功能的工具來解決這樣的問題。最后，考慮需要的工具手頭是否擁有。因此SAAS應(yīng)當(dāng)是solution as a service而不是software as a service。

36氪氪友提問：人工智能哪些領(lǐng)域比較有前途？到底在具備什么特征的行業(yè)比較好，最大成本是什么？

閔萬里：要找產(chǎn)業(yè)價值增量最大的地方，可能不是最先進(jìn)的領(lǐng)域比如互聯(lián)網(wǎng)、電商等領(lǐng)域，相反可能是在第一第二產(chǎn)業(yè)。第一，這些產(chǎn)業(yè)中的生產(chǎn)效率還有相當(dāng)大的提升空間，第二，它們具備跳躍式發(fā)展的可能性，這樣的領(lǐng)域可以起到立竿見影的效果。

肖京：創(chuàng)業(yè)一定要找到自己比較了解的技術(shù)領(lǐng)域，解決的問題要產(chǎn)生實(shí)際的商業(yè)價值，即增加價值或是降低損失。然后通過業(yè)務(wù)和技術(shù)形成完整方案，做到可復(fù)制、標(biāo)準(zhǔn)化，最終形成一個很好的產(chǎn)品，所有領(lǐng)域都有這樣的機(jī)會。

許四清：第一第二產(chǎn)業(yè)的應(yīng)用場景非常豐富，現(xiàn)在缺少solution而不是technology，第一必須有行業(yè)內(nèi)人士，懂得行業(yè)的內(nèi)在邏輯。第二個必要條件是有懂人工智能的學(xué)者、專業(yè)人士。盡量選擇對人工智能接受度容納度比較高的快車道，另外再判斷賽道是否足夠?qū)拸V。

肖京：人工智能應(yīng)用是比較后期信息化建設(shè)的應(yīng)用。第一第二產(chǎn)業(yè)會面臨的問題是，前期信息化建設(shè)沒有做好，那可能需要花很大的精力來完善前期信息化建設(shè)。

注：本期直播主辦單位：中國科大校友創(chuàng)業(yè)投資論壇（籌）

聯(lián)合主辦：36氪、阿爾法公社、云岫資本、中國科大硅谷校友會、中國科大校友總會、中國科大教育基金會、中國科大創(chuàng)新創(chuàng)業(yè)學(xué)院

“超級觀點(diǎn)”欄目現(xiàn)發(fā)起“特約觀察員入駐”計(jì)劃，邀請各賽道的創(chuàng)業(yè)者、大公司業(yè)務(wù)線帶頭人等一線的商業(yè)踐行者，在這里分享你的創(chuàng)業(yè)體悟、干貨、方法論，你的行業(yè)洞察、趨勢判斷，期待能聽到來自最前沿的你的聲音。

歡迎與我們聯(lián)系，微信：cuiyandong66；郵箱：guanchayuan@36kr.com。