人工智能，我们期待什么创新？

沈强

将门聚焦以机器智能、物联网、自然人机交互、企业计算为主的技术创新，打造生态体系，助力商业创新应用。最优质的企业是自带数据生产能力的企业！

将门创投是一个科技投资机构，同时也做开放式创新服务。开放式创新服务是帮助各行各业的龙头企业，建立创新战略，同时把生态系统里的最新技术有序地引入到公司发展战略里。无论是投资，还是创新服务，我们一直聚焦在四个主要领域，即机器智能、物联网、自然人机交互、企业计算。

人工智能这几年很火，人工智能的三个要素是算法、算力、数据。在人工智能的创新场景里，强调算法和算力，而数据很少被提到。为什么？因为这部分很矛盾，如果做人工智能，要依赖大量的数据，初创企业往往没有资源去获取特别多的数据，无论是互联网公司还是传统公司，大量的数据都掌握在大公司手里。

怎么解决这个问题？在我们看来，具有优质数据的企业，都是具有数据生产能力的人工智能企业。

数据的获得不一定要来自于大公司，比如，有很多医疗领域的公司开始做人体数字化，通过一些先进的传感器，做人体的生理指标探测，用多普勒雷达技术探测人体，能低成本地获取很多新数据。

从投资的角度看创新，我们会看到三个领域的创新：场景创新、算法创新、算力创新。

场景是所有人工智能实现价值的根基，单独的技术很难创造价值。比如零售行业，无人零售店加深对用户洞察的技术，能够和后端的供应链紧密地联系在一起。

应用人工智能的领域很多，我们把各个行业的应用场景分为三个层次：操作层、运营层、策略层。比如，对于汽车制造商，自动驾驶是导致生产关系改变的一个重大因素。自动驾驶使车越来越少地依赖于司机，不仅仅“谁驾驶”会发生变化，“谁买车”也会发生变化，买车的主体可能会由个人转变为车辆运营公司，所以汽车制造商的品牌策略可能要发生变化，这将是一个结构性的变革。

而今，人工智能帶来的变化还有很多局限性，技术发展的初期总是很缓慢，但技术会有一个爆发期。

麦肯锡和埃森哲的多个研究部门，对全球的人工智能将带来的影响做了分析。麦肯锡的报告显示，到2030年，全球有4亿人的工作将被人工智能代替。埃森哲的报告显示，到2030年，在我国的整体GDP增加值里，有6万多亿美元将是人工智能带来的增加值。

场景创新对于各行各业都很重要，人工智能带来的场景创新大多跟硬件结合在一起。人工智能的用户体验跟移动互联网的用户体验不一样，它的大量体验将由硬件来完成这个交互过程。比如，有一家先进的初创公司，可以通过像素做变焦，做一亿像素变焦的镜头，无论你在多远的距离，都能够通过感光元件大小进行合并或者分裂，来更好地获取人工智能的数据。

算法创新以深度学习模型为基础。深度神经网络的发展开始于2010年，它的网络越来越深，并且速度越来越快。回顾网络深度的发展过程，不仅精度越来越高，计算能力也越来越强，这就意味着对基础设施的要求越来越高。人工智能应用最多的是视觉，把物体像素精确地分开，74.7%的分辨精度距人的分辨精度（87%多）还有一定差距。

传统的深度学习需要大量的数据标签，数据标签要耗费极高的成本。深度学习的发展方向是从监督学习到无监督学习，在不需要数据标签的情况下找到数据之间的内在关系。对抗网络是深度无监督学习发明以来取得的最大成绩，比如，数据生成器和数据探测器。数据生成器伪造一些接近原始数据的数据蒙混过关，而数据探测器则经过校验，通过彼此的攻防，使得系统达成平衡。

下面谈谈强化学习，强化学习展示出巨大潜力。比如玩一种游戏，系统刚开始不知道要做什么事情，经过了120分钟的学习，它开始慢慢地熟练，最后变成一个专家，并且自己学习出一种模式。

强化学习展示出巨大潜力，各种算法的进步能够帮助我们看到一个巨大的机会，不仅能够做一些识别，而且能够帮助我们定义，最终找到解决问题的思路。强化学习最好的例子，是AlphaGo Zero通过三天的训练，击败了AlphaGo Lee。

关于算力创新，算力创新需要智能芯片创新，智能芯片是人工智能的基石，算力不够是人工智能发展的一个瓶颈。

人工智能进入新时代，现阶段人工智能发展的主要矛盾已经转化为实际应用日益增长的计算需求和算力供给不平衡、不充分的矛盾。

端上智能将无处不在，但现在的能力还远远不够，即将到来的新品将不断提升端上的智能能力。

最近，地平线机器人发布了国内第一款嵌入式人工智能视觉芯片。虽然，今天中国的AI芯片工业确实落后于美国，但我们应该满怀信心，我们应该继续支持有理想的初创企业的发展。

（根据演讲内容整理，未经本人审核）endprint