馬化騰李彥宏首次同台探討AI：未來哪些商業應用將被顛覆？

在2017（深圳）IT領袖峰會期間，騰訊董事會主席兼首席執行官馬化騰，百度董事長兼首席執行官李彥宏，神州數碼控股有限公司董事局主席郭為，微軟公司全球執行副總裁沈向洋圍繞「人工智慧：基於與挑戰」這一主題展開對話。

人工智慧的將來：要顛覆一切商業應用？

今年騰訊圍棋AI絕藝在日本UEC圍棋比賽中獲得冠軍，令騰訊在人工智慧（AI）領域的成果受人矚目。

馬化騰認為，AlphaGo讓全世界對人工智慧的認知達到了一個高潮。但圍棋顯然不是人工智慧的終點，在醫療、病理檢測方面，如果用計算機後台做出模擬器，進行充分嘗試，就會像自動駕駛一樣，自然會琢磨出一套理論和經驗。

這些實例給馬化騰帶來了很大的思考。「以後在很多領域如果能做出模擬器定義參數自己學習，找到的規律遠超想象，這是我們得到的最大啟發」。

事實上，人工智慧為全行業帶來的改變已經在進一步發酵，尤其在商業應用領域，所帶來的影響會愈加深遠。

郭為表示，在智慧城市上，神州數碼已經和北大建立了一個大數據操作系統，如何把一個城市的數據快速形成，然後進行分析應用，這就是人工智慧在智慧城市中的實踐。

李彥宏則舉例稱，現在機場安檢需要比對身份證，而當人臉識別發展越來越快，就會更加智能更加方便，以前的笨方法就不再需要。

沈向洋甚至強調，當前最多的應用應該是在AR方面，但從長期來看，每一個商業應用都會被人工智慧顛覆掉。

而這一系列應用的落地都得益於當前人類感知和人類認知方面的飛速發展。」尤其是感知方面，接下來五到十年進展非常快，AI很多超過人類「，沈向洋解釋稱。而這一發展速度的大背景，是互聯網的海量數據、強大的運算能力、深度學習的突破等三個條件的齊備。

不過，如此大的想象空間在十幾年前可能還是不可想象的。李彥宏說，他當時在美國讀人工智慧這門課時，大家都還說學了也沒有用，沒有商業價值應用。但沒想到，隨著時代變了，一切都變了。

「百度在2013年的1月份對外宣布成立深度學習研究院，現在看來，人工智慧是一個比2013年決定進入時更大的產業」，李彥宏說。

正如沈向洋對人工智慧會顛覆一切的判斷一樣，李彥宏也認為，即便是當前火熱的互聯網，在龐大的人工智慧面前也僅僅只是一道開胃菜。「人工智慧不是互聯網的一部分，不是互聯網的第三個階段，是堪比工業革命的新技術革命」。

如何應對AI初級階段的挑戰

不過，即便外界對人工智慧有著極高的期望，但受限於當前的技術水平，人工智慧依舊有著大量亟待思考與突破的問題。

事實上，即便外界再鼓吹，李彥宏也認為，當前人工智慧還只是初級階段，「人工智慧不是仿生學，現在的工智能像是模仿人腦的一種方式」，但這就存在一個問題，當前人們還不知道人腦是怎麼工作的，這給模仿造成了很大難度。

如果不是模仿，人工智慧應該走向什麼方向？李彥宏進一步解釋稱，未來應該是機器工具去學習人的意圖。在他看來，以後人再也不需要學習工具怎麼用，我要工具幹什麼就可以了，以後人與機的對話、人和物的對話變成自然語言的對話。

這同時也是李彥宏篤信的未來幾十年代表人工智慧發展的最大方向。

而馬化騰也認為，仿生學與人工智慧存在本質性區別。」比如發現飛機的空氣動力學、流體動力學和鳥不一樣的，車輪和人型馬一樣，仿生是某些垂直的領域」，但到下一步通用時，就期待會有更本質性的原理。

「人工智慧其實可以超越現在人基於碳的智慧，這是有可能的」，而這顯然已經不再是仿生學的範疇。

但當前，行業對於人工智慧的期望還是沒有辦法太高。李彥宏坦言，在這個人工智慧的初級階段，能做到強人工就已經很不錯了，「用用電腦模擬，完全達到人腦的水平，很有可能也永遠做不到。」

這決定了人工智慧的發展需要持續很長時間，並且在未來的20年到50年很有可能會快速發展。為了押注這一發展期，行業巨頭們正大手筆投入以推動整個人工智慧行業向前發展，並在其中尋求卡位。

這在包括微軟、騰訊、百度身上都有著十分突出的體現。沈向洋透露，目前微軟已經有了一個7000人的人工智慧團隊，並且還在不斷擴招。而對於騰訊，為了應對人工智慧時代的挑戰，也在持續加碼人工智慧、大數據等方面的計算能力，並招聘了大量相關人才。

「通過一年的時間，騰訊招了很多人，包括在西雅圖還設了一個實驗室。」馬化騰表示。

另一方面，企業之間的合作也在其中顯得至關重要。李彥宏提供的另一個思路是，如此大的工程，顯然不是一個公司能夠把所有的事情做下來的，這就需要企業之間的合作。他強調，這同時也正是百度當前的重要策略。

「作為人工智慧領域進入行業較早的企業，百度現在可以提供一些平台給一些尤其是沒有這麼多計算資源、沒有這麼多做長遠研發能力的機構去做他們擅長的」。在李彥宏眼中，這些企業對於垂直領域有著更加深刻的理解，讓他們去做，會推動整個人工智慧技術的發展。

吳鷹：

這次IT領袖峰會的主題是「邁進智能新時代」，李彥宏和馬化騰大家很熟悉不介紹了，郭為先生是神州數碼的二少帥之一，沈向洋先生大家不一定很熟悉，是著名的微軟公司的執行副總裁，全球研究院的院長，人工智慧部門的總負責人，同時還是美國工程院的外籍院士。

幾位嘉賓都是行業領頭人，首先從馬化騰開始，剛才朱民演講特別舉了你們團隊的例子，十三個人沒有一個人會下圍棋，騰訊有一個人工智慧的團隊專門研究人工智慧，很短的時間內聚集了很厲害的專家，能不能跟大家分享一下，騰訊為什麼在人工智慧上這麼重視，對人工智慧的看法和行業的看法，分享一些乾貨。謝謝！

馬化騰：

李彥宏他們人工智慧走得更前，對騰訊來說，我們還是落後不少,去年騰訊才成立AI Lab。我們每天有上十億的人臉照片，在國內有相當長的研究，包括後台數據分析，都用上人工智慧技術，只是大家感受不到，這是在後端。在前端希望做出一些產品。阿法狗通過人機對戰的事件讓全世界對人工智慧的認知到了新的高潮，團隊也本著練手的心態做嘗試。Google收購的Deepmind團隊論文發表之後，全世界很多做計算機圍棋的團隊紛紛採用深度學習的方法融入到圍棋的軟體開發，大家不約而同在在一年起步。

我們內部團隊有三個團隊在做，在不同的部門，這個部門剛好可以突破這個瓶頸，也動用了公司的相當大的後端的計算資源。更大的特點，和阿法狗不同的是，我們絕藝全程得到國家級圍棋世界冠軍的支持，我們十幾位研發人員不懂圍棋，一開始連黑先下還是白先下規則都不知道，結合計算機原理以及很多專家的訓練。

小小的成功，但是不能過於欣喜，但是也不能說這是一個毫無意義的事情。過去對AI很多從一些規則或者簡單的訓練得出來能夠改善計算處理的能力，最終發現一個更同步和更深層的意義能夠在計算機的後台用雲計算大數據的方式去高速的學習，可以自己跟自己對弈。阿法狗出來以後經過了十億盤對弈超越了過去人類所有交戰的盤數，自己尋找規律，對人類認知的範圍是極大的擴張，這是人類很大的啟示。在很多領域，圍棋以外的，醫療、病理的檢測，如果用計算機後台做出模擬器，充分的嘗試。就如自動駕駛一樣，模擬做各種各樣的反饋，自然會琢磨出一套理論和經驗，我給我們帶來很大的思考。以後在很多領域如果能做出模擬器定義參數自己學習，找到規律遠超我們想象的，這是我們得到最大的啟發。

吳鷹：

微軟是世界上很大的公司，你來講講人工智慧為什麼這幾年又有新的突破的發展，最有可能在哪些領域有顛覆性的應用？

沈向洋：

謝謝！馬雲經常把大家想講的講完，感謝馬雲精彩的演講。現在看到人工智慧如火如荼非常激動，90年代初畢業時出來工作都找不到，能發展到今天經歷過多少個冬天以後，之所以有這樣的發展機會的話，第一件是互聯網大量的數據，互聯網更多的數據。

第二，強大的預算。摩爾預算說死掉沒有死掉，有更多的新的方法。

第三，過去五六年突然突破學習方面，剛才pony也講到，研發充分引導深入學習，讓大家突然看到以前不能解決的問題又被解決掉。人工智慧的問題從研究方向來講，人類感知。我們講人工智慧，原來跟人類智能相比較，人類的智能在哪？

感知方面和認知方面。感知方面，接下來五到十年進展非常快，AI很多超過人。

人工智慧的認知方面，包括資訊獲取，一般情況下解決的方法和思考。我覺得現在是非常好的時代，我覺得我們作為科研人員要有平常心。您剛才提到現在人工智慧給大家創造什麼樣的機會。剛才主題演講裡面講的很好，包括的機會。從微軟公司來講，我們覺得短期內有非常大的機會，到底有哪些行業有相對量的數據，所有的運營從銷售到HR到客戶支持，所有的都被替掉。我這樣講不是說自動駕車不重要，圍棋不應該研究。最大的商機在於每一個商業應用都會被顛覆掉。

吳鷹：

這是非常震撼的結果，每一個商業應用都會被顛覆掉，這是很震撼的結論。郭為先生是神州數碼的掌舵人，很多人認為你們跟人工智慧沒有很大關係，談一談你對人工智慧的看法。

郭為：

謝謝！講到人工智慧有比較大的突破，我們對企業定位，傳統企業轉型唯一定位的就是數據，如何採集數據，由於以前很多行業應用，使得我們接觸大量的數據，這些數據如何從傳統的方式轉成互聯網方式，變成我們的核心競爭力。

我們不斷的探索，由於我們跟北大的合作有了非常大的變化，我們為智慧城市打造了一個基於大數據的操作系統，如何把一個城市的數據快速形成，然後進行分析應用，這就是我們做智慧城市中的實踐，基於這樣的實踐花了六七年的事情某種程度上頭破血流，如何把人工智慧帶來，在特定的領域裡，比如說農業，由於我們做土地的調研。掌握了土地的信息，土地上的數據提升了我們農業的收入。

總的來講，既要發揮神州數碼的傳統IT人的應用特徵，另外要擁抱互聯網，擁抱大數據，如何在這個領域使得我們自己的企業獲取自己的模式。

吳鷹：

從百度的角度能不能談談關於人工智慧的發展，為什麼要做這樣的布局？

李彥宏：

我也思考過這個問題，我們正在做試圖理解人的意圖，一開始用各種各樣的方法試圖理解人的意圖。2012年左右跟（英文）聊天，快要進入實用階段，我問工程師有沒有方法。負責圖像的人說可能用的確實不錯。開始想一個問題，深度學習在圖像檢索裡面的效果不錯是一個偶然還是帶著一個趨勢，分析完之後覺得代表一種趨勢，不僅僅是對於圖像搜索有用，對很多其他的計算機科學解決問題都是非常有用的。原因是隨著互聯網這麼多年的發展，數據越來越多，越來越豐富，計算資源越來越強大，人工智慧剛才也說，六十年的歷史，前五十年為什麼大家覺得人工智慧沒有用。

我在美國讀書時很喜歡人工智慧這門課，學完之後說沒有用，沒有商業價值應用。到最近幾年，我們覺得原來認為沒用的東西變成有用是因為市場環境變了，條件變了。原來認為不可能的事，現在變得可能了，當時分析了環境因素之後，覺得人工智慧的時代來了。

2013年的1月份對外宣布成立深度學習研究院，全球工業界第一個用深度學習命名的研究院，我自己食言了，2013年以前不斷講一個理念，我們是一個商業的公司，不應該成立研究院，不應該搞純的研究機構，這些機構想轉化成產品進入市場對市場所認可，應該跟那些產品部門、業務部門緊緊結合在一起而不是單獨成立研究院，深入學習起來之後，需要理論演算法有很多的突破，那時開始大規模投入去吸引人才，去推進演算法。其實不光是演算法，剛才也講到各種各樣的方式適應學習的需求。

現在看起來，人工智慧比2013年決定進入的時候更大的產業。

互聯網現在只是一道開胃菜，真正的主菜是人工智慧，人工智慧不是互聯網的一部分，不是互聯網的第三個階段，堪比工業革命的新的技術革命。

吳鷹：

互聯網是人工智慧的開胃菜，那主菜會多大。你跟沈向洋說的顛覆所有的商業模式，影響非常大。微軟人工事業部是多少人？

沈向洋：

七千多個工程師和科學家，還在繼續招人，因為經常被挖人。

吳鷹：

沈博士火藥味比較濃了，你必須要回答這個問題，微軟如果進入人工智慧的市場，BAT最想幹掉馬雲還是馬化騰還是李彥宏？

沈向洋：

這個問題問的太好了，本來不知道答這個問題，早上聽馬雲講完之後知道這個問題，彎道超車不如換掉超車有希望。任何競爭的過程中總是要找到自己的出發點，既然你給我這樣的機會，我覺得微軟在最近幾年推出最了不起的人工產品叫「微軟小冰」，不知道在座的大家都有沒有用微軟小冰，18到24歲這樣，相對來講，大家願意有時間和智能機器人聊天。為什麼要跟pony的QQ合作，主要是針對相對年輕的用戶群。

之所以提這樣的人工智慧產品，跟一般的人工處理不一樣。有一件事情不見得值得，人類進化今天講很多話，可能不知道，其實男人一天大概講幾千句話，女人一天可能會講超過一萬句話，大多數不是講一句話完成工作的，大多數講的話是閑話，很多講的是廢話。但是講話很重要，講話是整個人工智慧裡面最重要的事情。很大程度上你的EQ體驗在怎麼講話的地方。在推人工智慧小冰產品當中學到很多東西，我們在主推的方向上，對話是人工智慧

吳鷹：

你還是沒有回答我的問題。

沈向洋：

你剛才問的什麼問題。

吳鷹：

他用馬雲說的彎道超車誰也不想幹掉。郭為的智慧城市，政府歸到人上只有3000項，深圳有將近2000萬，乘3000，在各種狀態下。

借著馬雲講的事，問一個仿生學的。一位諾貝爾教授說，剛開始看鳥兒飛非常羨慕，做飛機翅膀扇，跟流體力學不一樣的，扇也會起來，不可能這麼大的重量。如果簡單仿生人的腿的話，用棍子，但是用輪子跑很快。

想問一下台上的四位嘉賓，你覺得在人工智慧上背後有突破性進展是模仿人的神經網路還是人腦的效率？馬雲說機器比人快很多，綜合起來，人腦不得了，消耗那麼多能量講那麼多事，很複雜。仿生人腦思維方式突破呢？還是完全不一樣的？

郭為：

我覺得是不是一個功能性的突破還是真正的仿生的模仿性的東西，用了飛機的例子、汽車的例子，汽車是輪子。就阿法狗來講，下一盤圍棋消耗的能量需要兩噸煤。但是一個圍棋手可能就是兩碗米飯。我們在考慮功能時需要多大的資源消耗，這始終是人類進步的一個很重要的元素，可以實現這個功能。從實驗室走到工業很簡單，無法使用主要考慮成本。完全模仿本身也是非常困難的，人大腦的功能，自己認知3%，最終功能替代。最近看一本書《人的宗教》，人有三個東西構成：生命、心智（智慧）、心靈（精神）。

我無法想象機器可以代替精神，最多也是你體力上可以替代，智慧上某些方面替代，完全替代人不可能。某些方面替代就是功能性替代。突破就是功能性替代提高一定的效率，這是我對人工智慧的看法。為什麼我說我同意剛才馬雲的觀點，實際上是機器怎麼樣做得更好。

我去看原故的博物館，人類最早發明時針，時針的發明和今天的人工智慧發明對人類的衝擊一樣的，縫衣服縫不了衣服，沒有針怎麼縫，發明針是很神奇的事。

今天做人工智慧時，和當年發明針沒有很大差別，人類進步過程中發明新的工具，新的工具最終為人服務的，這是我的看法。

吳鷹：

pony覺得呢？真正模仿人的方式還是全新的？

馬化騰：

我們期待有本質性，比如說發現飛機的空氣動力學、流體動力學和鳥不一樣的，車輪和人型馬一樣，仿生是某些垂直的領域，包括圍棋是選非常窄的領域，通過各種參數訓練。各位提到用阿法狗下一盤棋消耗多少能源。垂直領域訓練消耗能源，但是實際用消耗不了。現在訓練出來的單機版本跟職業棋手差不多，訓練需要很長時間，最麻煩的是需要改規則，全部要重新，規則改一點、演算法改一點，全部重新來消耗很大，這屬於很窄的技能模擬。

未來下一步到通用的，再下一步是不是有更本質性的發現背後的原理，智能其實可以超越現在人基於碳的智慧，是不是有其他的元素可以形成更高級的聲名和智慧呢？這是超越人類發現的知識，這是有可能的。有人突發奇想說，現在認識的宇宙是高智能的生命，用量模擬出來的環節，一切都是模擬起來的，這大家發揮腦洞大開的想象力吧！

李彥宏：

我不太認可人工智慧做的是仿生學。現在講人工智慧是像人腦的工作原理，人腦怎麼工作只了解3%，不知道怎麼工作，不知道怎麼工作怎麼仿？只知道這麼一點點，跟計算機演算法有類似之處，讓大家理解。

我同意現在的人工智慧，尤其是一起學習、深度學習的演算法還確實處在非常初級的階段，還有很多的提升的空間，現在做的還非常不夠。什麼時候能夠挑戰真正人的認知能力，我覺得還有很長的時間。我說很長應該認為是說不可能，永遠那一天不可能來到。

剛才講了弱人工智慧到強人工智慧到超人工智慧，我認為到強人工智慧階段就到達不了。不僅僅是永遠搞不清楚人腦怎麼工作的，即使用電腦方法模擬人腦，完全達到人腦的水平，我覺得永遠做不到！

吳鷹：

IT領袖峰會的觀點就是開放。我也不用問沈向洋了，確實人腦怎麼工作不知道，但是答案非常簡單，有上帝。有很多科學家信上帝了。

沈向洋：

我蠻贊成李彥宏講的，如果看人工智慧的發展，最大的問題是對人腦研究的問題，腦科學到今天還是非常初步的科學，因為每次講科學首先一定要有數據、能夠做實驗，重複的實驗，沒有辦法真正檢測到出現什麼樣的輸出，接下來N年應該有更多的人從基礎科學到研究腦科學。計算機體系結構跟人腦的結構完全是兩碼事，從這個意義上講很像張教授講的飛機的模仿，不是像鳥一樣。接下來很多人的智能方面，可以想象出來今天人能夠做的事情在不遠的將來大多數的事情，可能絕大多數的事情人工智慧都可以達到。

舉一個小的例子，你今年可以做物品識別、語音識別，人還有什麼事情了不起？通過學習的方法可以達到一個什麼樣的高度，很重要的事情是機器閱讀的能力。就像今天大家說，我要聯考，閱讀一篇文章以後問一個問題、答一個問題，這樣的問題接下來五到十年可能人工智慧會有很大突破的地方，一旦突破的話，搜索也好、社交網路也好、其他應用也好有很多機會，不見得是人怎麼做的。

市場做到今天，今天激動人心，因為以前是符號式的，今天是神經網的解法。以前符號式的做法你覺得解了一個問題可以解釋的，而今天神經網的解法，包括pony做的圍棋機器人，很難解釋為什麼下這個。

接下來要研究的問題是從符號式到神經式怎麼回頭到符號式的。所謂的研究行業很熱門的方向，可以解釋的人工智慧。

吳鷹：

講一點跟在座嘉賓更接近一點的。本來想問李彥宏怕不怕微軟，想不想幹掉，沒什麼意義，會有很智慧的回答。我注意到百度深度學習有一個開放的平台，小公司沒有投入、沒有技術積累想要用也可以用，是一個開元的平台，我覺得挺有意義，你們決定這麼做時，不覺得要開放以後培養競爭對手嗎？

李彥宏：

我覺得人工智慧是一個非常大的產業，而且會持續很長時間，比如說現在的判斷大概未來二十年到五十年會是一個快速發展的人工智慧的時期，在這種時代大潮下，顯然不是一個公司能夠把所有的事情做下來的，相反如果我們先進入這個領域，能夠提供一些平台給一些尤其是沒有這麼多計算資源，沒有這麼多做長遠研發能力的機構去做他們擅長的，他們對於很多垂直領域的了解更加深刻。讓他們去做，會推動整個人工智慧技術的發展。

從這個意義上講，我們把我們的平台開放出來，對大家有益，對我們也有益，我們可以看到大家幹什麼事情，哪些方向更快一些，哪些領域適用於現在解決了的技術，人工智慧不可能超越人類的能力，當它在逐步逼近人類能力時，可以一個一個的把行業顛覆掉。比如說人臉識別這種應用，今天如果你去機場的話，要過好幾道安檢，把身份證拿出來比對一下，人臉識別解決了機場可以大搖大擺過去了你買票了，現在登機，不需要一道道檢查，在家裡開一個排隊不可能每個人進來拿身份證看看。幾千人、幾萬人必須要笨的方法對身份識別。

這些問題已經基本解決了，百度大廈裡面刷臉就可以進，這是人臉識別一個東西。語音識別、自然領域識別、用戶畫像都可以改變很多領域的。未來人和物、人和工具之間交流的方式不是人去學習工具怎麼使用，人類和動物的區別是人發明了工具，但是人發明了工具之後，發明人寫一個用戶手冊告訴你說這怎麼用，電視怎麼用、冰箱怎麼用、電腦手機怎麼用，要學習鍵盤。但是，未來應該是機器工具去學習人的意圖，以後人再也不需要學習工具怎麼用，我要工具幹什麼就可以明白，這是我希望用人工智慧的方法來解決理解人的自然語言，以後人與機的對話、人和物的對話變成自然語言的對話，這是未來幾十年代表人工智慧發展的最大方向。

吳鷹：

從剛會說話的小孩一歲多到老人都可以比較簡單的使用計算機了。像我母親就是總學不會手機怎麼用，我給她iPad，很簡單就能學會。分享本身很有意思，想問一下馬化騰，微信和QQ單獨已經是世界上最大的社交網路，裡面有大量的數據，剛才幾位發言人說，大數據是人工智慧非常重要的方面。對於來講，演算法上落後於美國。李彥宏講完全超過人類不可能的。大數據這麼重要，微信很多方面已經超過社交了，是生活很重要的一部分。你去公園買一個兩塊錢的小孩玩具微信支付都可以做。有沒有可能把數據分享出來，讓這些創業公司來用？

馬化騰：

這個問題在內部也有激烈的討論。首先，人工智慧關注哪幾塊：場景、大數據、計算能力、人才。

場景：想把技術應用在什麼情景下？是不是高頻跟用戶接觸，這是落地很重要的地方。我們看到研究院、研發團隊，如果沒有場景落地平台業務支持的話，基本上很難往下走。

大數據：也是平台、業務部門裡面有大量的實際運轉數據產生出來，這裡面很多大數據是垃圾數據，沒有標籤、沒有人規劃定義，用再好的演算法也學不出來，學完之後也是走火入魔瘋狂的結果，這裡面數據的清洗標籤化難度相當高，要雇很多人，用比較笨的方法用人腦去清洗乾淨再讓AI去學，這個過程是混合的過程。

計算能力：雲資源，這方面我們也要做雲，要拿出幾十萬核的計算能力CPU還是有能力的，而且在雲裡面本身有比較好的調用。

人才：通過一年的時間招了很多人，包括在微軟西雅圖還設了一個實驗室，很多人才離開微軟，我們在旁邊設了一個實驗室。

我們觀察到很多AI的大佬們，更關注怎麼落地，把畢生的研究成果體現出來。內部吸引人才時，微信、手機QQ平台數據能不能用？大家知道，BG或者部門裡面平台他們也很希望近水樓台先得月，數據在身邊流動為什麼不讓人先研究一把。現在處在內部怎麼把數據分享出來的階段。

還有一個用戶很關注的是個人因素，不要把數據都賣了。這裡面還有很大的信息安全的個人隱私，無法倒推到某個人，這些處理乾淨才可以下一步談。

數據要什麼模式，清理做什麼標籤才能給其他的部門，包括外部合作夥伴怎麼用。同時也有很多的數據是來自於合作夥伴或者業界的其他公司，他們也遇到這樣的問題，拿到一堆裸數據不知道怎麼用，業界要形成一個標準互惠互利，這個路徑還有很長時間，大方向在往前走。

吳鷹：

期待騰訊清理后，有針對性、業界互動以後哪些確實有價值，別人對他的數據也有補充。大數據很重要的一點出來結果導向為什麼不一定很清楚。

我相信人工智慧是一個全社會協調發展的過程，朱民剛才講的那麼多的問題，政府也要介入做。這次政府官員參加，是共同解決的問題，不光是，是世界範圍內協調做什麼。

微軟是一家公司，如果願意想跟你合作共同探討解決這個問題，是不是感興趣做這些事。

沈向洋：

剛才問pony的問題非常好，作為大公司來講，特別是非常成功的在座大公司來講，對社會有一個責任，對行業有一個責任，做的很成功的時候，第一件事情是看研究院，pony看研究院，唯一不對的是開到微軟門口去。

我想分享一下微軟工作的經驗，讓這些公司數據拿出來，讓初創公司去用，不見得很現實、不見得很容易，我想鼓勵一下大家，很多數據如果願意花時間、花點精力做一些處理，讓研究人員做是可以做到的。

我們做了兩個數據集，MScoco（音）是計算機數據標準的集，還有一個自然語言方面的，MSmoco（音），可以推動研究領域。在標準級下不斷的把數據做的越好越多，我們做的引擎數據，處理過。拿出一些數據出來讓大家做研究非常實際、完全可以做到的。

吳鷹：

我們也期待像BAT這樣的大公司，不但數據拿出來分享，pony還主動提到運算能力的分享有可能也做，對創業公司、中小公司、政府企業、研究機構，特別是大學非常重要的，因為大學的資源有限。很多教授會花時間想這個事，也沒有盈利的目標，要負擔，其實利潤對企業來講在某些方面是制約企業發展的，一定要完成這個利潤，是一個上市公司要做到這些，做到這些其實相對的眼光就短一點。

美國為什麼有很多世界一流的大學做這件事情，像MIT，今天下午的陳剛教授也會介紹，為什麼拿到課題就是做對人類有影響的事情。

神州數碼傳統意義上是系統集成公司，轉型很成功，在智慧城市上做了六到七年的積累，我有時候打擊他，跟政府做的事賺不到錢，跟政府收多收少都不合適。你們在人工智慧有關的發展上有沒有比較好的規劃，或者希望跟這些公司合作發展。

郭為：

在今年英特爾收購了MOBILE，為什麼要收購這個公司？就是要買數據，在一千萬輛汽車上裝載了數據採集的東西，每天數據量相當於三千億個人生成的數據量，由於有了這個數據將會支撐英特爾在未來操算上、計算上以及整個大數據領域的發展。

整個神州數碼大體系就是想在傳統領域挖掘，ERP的數據是不可能在互聯網上直接進行傳輸，是一些深度應用的數據。今天BAT很大的優勢是互聯網上完全壟斷了數據，客觀地講，只要他們不犯錯的話，別人是沒有機會的。當然，企業犯錯誤是必然的，只是哪些方面不算錯誤。pony說布局上總講那塊不能缺，不能少。人工智慧開始布局。一旦出現漏空時，新的企業長出來了。自動駕駛上MOBILE大家就認可它的能力。

我們在農業、醫療、製造業，包括最簡單給工商總局做廣告登記的服務，全所有的商標註冊登記，我們掌握了全所有的商標註冊的公司，一個企業究竟哪個商標做的最多價值最大，完全可以數據分析，這裡隱藏大量的商業價值，這些東西怎麼做可能我覺得就是要和現在成功的或者人工智慧上走在前面的公司合作。

我們發揮我們的優勢數據挖掘把它打上標籤和別人合作做好。

比如說今天我跟BAT競爭是找死，完全不可能的事情，其實合作的空間很大的。

跟微軟合作還是比較好。

吳鷹：

很多數據挖掘，很多苦活，這是一個很好的技術。今天在台上嘉賓論壇，雖然沈向洋一直沒有回答我的問題想幹掉誰，但是有精彩的答案給到我，開了好頭，下午還有高端的對話，5個主題的論壇，內容很多，今天中午時間很緊，只有一個小時的時間。下午1點15分回到這裡。

用熱烈的掌聲感謝台上四位嘉賓的精彩對話，謝謝大家參與！