夏季達沃斯爭鳴與激辯：人工智慧到底有沒有泡沫

6月27日至29日，第11屆夏季達沃斯論壇在大連舉行。論壇以「在第四次工業革命中實現包容性增長」為主題，重點關注科技進步中的商業模式與政策創新，旨在引導全球增長模式向更具包容性的方向轉變。

在第四次工業革命的機遇與挑戰——2017騰訊財經達沃斯晚宴暨「新爭鳴」論壇上，清華大學國家金融研究院院長、國際貨幣基金組織前副總裁朱民，對話小i機器人公司創始人袁輝、清華大學教授李稻葵、明勢資本創始人黃明明等經濟學家、科學家、投資人，圍繞當前最熱的AI到底有沒有出現過熱的泡沫情況進行了激烈的爭論。

在朱民看來，AI在過去的18個月，一個是演算法大大提高，一個是神經網路的發展，運算能力大大提升，大數據場景的提高，人工智慧熱得不行。在更是熱得不得了，也產生了一系列的問題。具有眼光長期投資者獲益，短期的投資者會遭到淘汰，在今後的兩三年裡，新一輪的淘汰也是不可避免的。

關鍵詞：

中科院天宮二號有效載荷運控中心副主任饒駿認為，這個可能需要一定程度的明確，明確完之後才能決定它是泡沫，如果說基於現在大家媒體或者說大眾眼中的通常的認知，就說可能是以深度學習，機器學習為主領域的趨勢，我認為是有泡沫的。

袁輝則不同意泡沫論，他覺得這個泡沫是個人的看法，要看個人的承受力的問題，「如果我們看得更長遠看人工智慧，現在根本剛剛開始，還根本談不上有什麼大的泡沫，我們未來的二三十年，這個真正的人工智慧會不斷湧現，而且深刻改變我們的生活，現在最近五年，六年這樣的投資的話，相比未來三十年來講的話，根本談不上任何的泡沫，我們應該是有更大的投資在人工智慧上。」

「這不是泡沫是什麼？馬上就露餡了。」李稻葵直言不諱地指出，泡沫的定義有兩種辦法，一個嚴謹一點，一個寬泛一點，嚴謹的定義是什麼？投資者大部分奔著人工智慧去了，五年，十年以後發現沒賺錢，大部分沒賺錢，平均的投資回報率遠遠低於投資於銀行的理財產品，這叫泡沫。我看寬泛一點，五年以後，十年以後不談這個事，社會效益，投資的社會效益發現很低，就像我們過去談第三次浪潮一樣，還記得第三次浪潮嗎？我們讀書的時候談，現在不談了，如果按這個第二個定義來看的話，按照第一個定義肯定有泡沫，按照第二個定義恐怕有泡沫，我不知道五年以後大家最熱門的話題還是不是人工智慧？如果還是的話我錯，如果不是的話那我對。

黃明明則從投資人角度進行了分析，他認為任何一個新生事物在剛出來的時候，人們容易過高對它有預期，拉長了時間線看，人們往往降低對它的預期，人工智慧是這樣的東西，對人類社會的改變在同樣一個行業剛剛開始，自動駕駛，醫療領域產生的影響，今天是冰山上的一角。

人工智慧商業化專家吳霽虹表示，現在大家爭論的其實是風投的泡沫，不是這個行業有泡沫，這個行業的項目特別少。吳霽虹舉例說，電話剛剛起來的時候，人們在投資電話產業，在今天一百多年，電話不但沒有泡沫，我們每個人身上的一部分，我們人生事業的一部分，還有另外一個從更科學一點，就是投資真正的有兩個指標，是不是開始投資了？一個是專利，一個是專利訴訟，大家看看語音識別的專利上，2008年高峰期，專利註冊是高峰期，之後走了下坡路，為什麼？創新的活動已經從技術領域到了商業的這個活動的領域，還有一個就是專利訴訟，也是在2014年已經開始上升，也暗示著其實人工智慧是可以賺錢了。在說它沒有泡沫的時候它有噪音，肯定是有的，就是說很多投資人他並不懂得人工智慧的商業模式，產業化，所以他的投資打一點水漂太正常不過。

以下為論壇實錄：

Pepper：尊敬的各位來賓，歡迎大家來到2017騰訊財經夏季達沃斯論壇活動現場，請您儘快就座，活動馬上開始。請大家把手機調調整至靜音或震動狀態，謝謝您的配合。

朱民：我們為機器鼓掌，這是一個聰明的機器人。大家晚上好，歡迎到騰訊和北京大學國家發展研究院共同舉辦的關於AI的辯論，今天晚上是徹底搞錯了，做一個經濟學家，然後來到一個講人工智慧的場所，而且特別反串做一個主持人徹底搞錯了，所以犯錯誤你們就舉牌位，你下去，我們就請這個機器人來當主持人，好不好？這是我們今天的這個規矩。

AI我覺得在過去的18個月，一個是演算法大大提高，一個是神經網路的發展，使得演算法提高，這個運算能力大大提升，是大數據場景的提高，人工智慧熱得不行。在更是熱得不得了，產生一系列的問題，今天很高興有這個場合請了各路Pepper的專家，各路的神仙討論大家所關注的關於AI的各種各樣的問題，我覺得這個還是很有趣的。

今天騰訊把這個東西搞成爭鳴，我覺得還是很有意思。我們先把我們的各種神仙請上來。第一個請饒駿，天宮二號副首席工程師，我們有請，Erica R.H. Fuchs，還是我們梅隴大學的搖籃，還是做工程的還是做公共政策的，歡迎Erica R.H. Fuchs，李稻葵是我們的經濟學家，請李稻葵，吳霽虹教授，他是加州伯克利大學的教授，他寫了一個未來地圖，這本書值得一讀，有請吳老師。袁輝是機器的創始人，為什麼不把你的機器人帶來？黃明明是投資的，他的公司只投科技，很有趣的，我們有投資人，有做創業，有做科學的，有政策的，有經濟學家，我們把各路神仙請全了，我們大家來討論特別好玩的事情。

我們講人工智慧這個問題，我們現在面臨的第一件事，就是爭議最厲害的，人工智慧有沒有泡沫？大街上所有人在講人工智慧，這個題目在報刊上，在過去的4個月里開了無數人工智慧的會議，天底下最大的泡沫我覺得就是作為一個經濟學家，在4月2號深圳的IT峰會上，當著馬雲、馬化騰和李彥宏的面，做了一個關於人工智慧的主旨發言，我覺得這個大概是最大的泡沫。經濟學家來講人工智慧這個事情很麻煩，這個泡沫肯定很大，我們很多人都認為有泡沫，我看了一下有點我通的趙建峰，他們認為有泡沫，有英語天時的，朱天宇他認為有泡沫，劉潤他認為人工智慧的泡沫很大。

反過來有很多不這麼認可，科大訊飛認為沒有泡沫，世界好得好，吳英他認為人工智慧浪潮好一點。我們面臨的第一個問題，今天的人工智慧有沒有泡沫？我覺得這個是一個比較有意思的事情，所以我想我們從這個袁輝開始，你是做這個行業，你覺得有泡沫嗎？

袁輝：我覺得這個泡沫是個人的看法，要看個人的承受力的問題，從我的觀點上看，如果我們看得更長遠看人工智慧，現在根本剛剛開始，還根本談不上有什麼大的泡沫，因為的話，我們未來的二三十年，這個真正的人工智慧會不斷湧現，而且深刻改變我們的生活，現在最近五年，六年這樣的投資的話，相比未來三十年來講的話，根本談不上任何的泡沫，我們應該是有更大的這個投資在人工智慧上。

主持人：你說沒泡沫很簡單，你是業界內，你不會鼓吹泡沫論。

李稻葵：我認為有泡沫，我怎麼定義這個泡沫？非常清晰，泡沫的定義有兩種辦法，一個嚴謹一點，一個寬泛一點，嚴謹的定義是什麼？投資者大部分奔著人工智慧去了，五年，十年以後發現沒賺錢，大部分沒賺錢，平均的投資回報率遠遠低於投資於銀行的理財產品，這叫泡沫。我看寬泛一點，五年以後，十年以後不談這個事，社會效益，投資的社會效益發現很低，就像我們過去談第三次浪潮一樣，還記得第三次浪潮嗎？我們讀書的時候談，現在不談了，如果按這個第二個定義來看的話，按照第一個定義肯定有泡沫，按照第二個定義恐怕有泡沫，我不知道五年以後大家最熱門的話題還是不是人工智慧？如果還是的話我錯，如果不是的話那我對。

主持人：你認為五年以後不可能再談人工智慧了？

李稻葵：五年以後最熱門的話題不是，就是泡沫。

主持人：兩面打起來了，我們還有四位，你們舉舉牌子好不好？你們認為有泡沫就舉的紅的一面，如果沒有泡沫就舉黃的笑咪咪的臉，你們四位投投票，你們認為有泡沫還是沒泡沫？你認為沒泡沫，你是投資者，你也認為沒泡沫，三比三，我們鼓掌好不好？這個世界上沒有這麼愉快的事情，居然三個一邊倒有泡沫，三個一邊倒沒有泡沫。吳老師為什麼沒有泡沫？

吳霽虹：電話剛剛起來的時候，人們在投資電話產業，在今天一百多年，電話不但沒有泡沫，我們每個人身上的一部分，我們人生事業的一部分，還有另外一個從更科學一點，就是投資真正的有兩個指標，是不是開始投資了？一個是專利，一個是專利訴訟，大家看看語音識別的專利上，2008年高峰期，專利註冊是高峰期，之後走了下坡路，為什麼？創新的活動已經從技術領域到了商業的這個活動的領域，還有一個就是專利訴訟，也是在2014年已經開始上升，也暗示著其實人工智慧是可以賺錢了。在說它沒有泡沫的時候它有噪音，肯定是有的，就是說很多投資人他並不懂得人工智慧的商業模式，產業化，所以他的投資打一點水漂太正常不過。

主持人：第一沒有泡沫，第二沒有噪音，第三個投資人有些盲目。

吳霽虹：不能說它是泡沫，泡沫是整個社會。

主持人：你是投資者。

黃明明：我是論壇的唯一的投資者，我代表投資者發言，我們不是笨蛋。形容有一句話我們是貪婪，我們是長期貪婪，我們追求五年，十年以後大的回報，從這點的角度講，任何一個新生事物在剛出來的時候，人們容易過高對它有預期，拉長了時間線看，人們往往降低對它的預期，人工智慧是這樣的東西，對人類社會的改變在同樣一個行業剛剛開始，自動駕駛，醫療領域產生的影響，今天是冰山上的一角。

主持人：跟李稻葵的觀點不一樣，他認為五年以後就不是。

Erica R.H. Fuchs：我的觀點是沒有泡沫。總體來說，在人工智慧這個領域還是有諸多的潛能和發展趨勢，這些趨勢是不是能夠變成現實？還是有待觀察，人們現在情緒非常高漲，針對AI的發展，但是很多沒有實現。在我們大學我們對未來充滿著信心，我們有各種形式的人工智慧在進行開發，我們在加速這個開發以及商業化的過程，我們有諸多的專家在一起合作，無論是材料科學的，還是設計方面的，包括在數據模型和計算過程當中都在做著各種努力。

饒駿：我其實剛才想說的第一，雖然我舉的是紅的覺得是泡沫，但是我還是要有個前提，什麼是AI？什麼是人工智慧？這個範圍我覺得咱們討論的這個範圍和定義，一定是有一個統一的框架下面才能討論，就跟我寫標準一樣，一定有適應範圍，否則大家自說自話。講到這個AI自動化算不算？數控機床算不算？它是軟體化的東西，還是硬體化的系統？我覺得這個可能需要一定程度的明確，明確完之後才能決定它是泡沫，如果說基於現在大家媒體或者說大眾眼中的通常的認知，就說可能是以深度學習，機器學習為主領域的趨勢，我認為是有泡沫的。

而且我個人認為，這可能不是，是全世界，因為它可能是世界經濟的最後一根稻草，這是我的觀點。

主持人：這是很大的結論。我們聽聽大家的意見好不好？來辯論所有人都可以參加，認為AI有泡沫的舉紅牌，好不好？沒有泡沫的舉黃牌，請大家舉一下好不好？我們看一眼。沒有泡沫的多，有泡沫的很少，絕大部分都是沒有的。

Karine Hirn：我們做投資，我們看到很多公司做了一些投資，我們做了一些評估，我們也看到了AI發展的前置和未來，所以從這個意義上來講，我認為沒有。

丁遠：我不同意投資人做長線的故事，他做不了長線，簽的合同要三五年開的，沒辦法做長線，等隧道那一頭是世外桃源，你有足夠的氧氣瓶穿過這個隧道嗎？穿不過去，最後有幾個鮮花盛開，這個AI肯定會有一些非常出色的企業出來，你投的那個企業是那個嗎？或者你活到那個企業變成那個嗎？我個人認為是泡沫很大。

張坤：我做投資，我特別看中是說剛才Karine Hirn說的一樣，目前這個估值跟她現在的這個財務水平是否相稱，當然我是一個投資方的話不擔心這個問題。

另外一個最簡單的話題來說，剛才你問這個機器人，你讓它回答一下這個問題，AI是否存在泡沫？它如果回答這個問題，一百個機器人的錢值得花，如果不能回答肯定是泡沫。

主持人：它還不能回答我的問題，估計大概有泡沫。

黃爽：我認為沒有泡沫，是因為首先我是金融從業者，金融是世界上最古老的事業之一，最傳統的事業之一，在這樣的一個行業裡面，其實能被人工智慧帶來的改造和升級，還僅僅只是開始。

黃明明：我反駁一下台下的嘉賓，第一市場上有很多基金是短線，我們基金是12+2，十年前回到的時候，市值是40美金，十年以後300倍的回報，你說這個東西估值是高還是低？

主持人：估值肯定是高，是兩個概念，估值相對財務發表是高的，的估值相對國外相同的公司是3—4倍，你所講很高的發展的前景，高估值現在可以接受，不一定是泡沫。

黃明明：我們做投資是看的未來。

李稻葵：的互聯網企業有幾個是騰訊？有兩三個，大部分當年投互聯網是泡沫。

黃明明：投資的另一個特點，尤其做早期投資你必須接受失敗。

吳霽虹：從估值來講，這次的估值高和以前不太一樣，因為這個領域的項目少，錢多。這個領域的頂尖人物全球也就50個。

主持人：如果有泡沫的話是風投的泡沫。

吳霽虹：是風投的泡沫，不是這個行業有泡沫，是這個行業的項目特別少。

主持人：他們主動挑戰，把我這個主持人扔在一邊，這個事情比較麻煩。

jana Rosenmann：1999年到2000年的時候有網路泡沫，現在很難說是否有泡沫。

Ben：我們在估值的時候，我們放到三組所有的AI公司，可以分成三組，看到去年美國的數字，我們有很多公司的名字像（英文）等等，備受媒體的關注，從這個意義上有泡沫，現在的公司有一部分像成為商品化的產品，像谷歌公司有這樣諸多的平台，有一些硬體商業化了，比較單純的智能公司實際上在估值這個問題上還是在爭論的。這些公司有收入流，有相應的預算，當把這個和目前的AI結合在一起的時候，涉及到效率加工過程等等，我們都是需要考慮的。從這個意義上講確實是有一定的泡沫。

楊海超：我來自北京精琢機器人，這個機器人是我們的。你說AI是否存在泡沫？

Pepper：我們認為人工智慧在存在開始階段，在某些方面存在泡沫，人工智慧領域非常巨大，市場非常廣大，還沒有熱起來。

包雲崗：我從技術的角度來看看這個題目，大家在看到泡沫，把它當做一個負面，其實從技術角度來看，大家知道（英文），每個技術都是存在這樣的一個過程的。第一個客觀看待一個技術發展的規律，它必然會存在這樣的一個階段，這是第一個。

第二個關鍵詞AI，以前的主導政府，還有科研界一些大的企業，但是這次很多的民間的資本介入進來，這個帶來很多的作用，包括它吸引了更多的人才投入進來，這是比在60年代，80年代都要有很大的一個區別。

第三，從學術界來看，最明顯的學生，學生的去向，在報研究所的時候，90%的人在選擇AI，美國很多朋友大學裡面的教授也是一樣。陳景潤出名的時候所所有人學數學，現在看AI的技術在當前的階段，如果發展的曲線來看，處於這樣一種吸引人才，吸引資金，能夠使得這個技術快速推進的階段。

主持人：不應該產生泡沫的階段。

馬騰：我覺得剛才女士說的傳媒關注AI有泡沫，我不這麼認為，對傳媒來說熱點的形成是自然而然，一個沒有熱點的一個新聞的話，它是炒作不起來，所以我覺得AI一定是一個趨勢性話題，另外我個人認為，我在家裡我有一個掃地的機器人，我就覺得它非常好用，我想要一個擦窗戶的機器人，我買了一個，我現在想能不能有一個機器人管家，幫我打理很多事務的機器人，這種人的需求我覺得還在不斷提出來，所以我認為不管從需求來說，還是從傳媒來說沒有存在泡沫。

主持人：你認為AI沒有泡沫，傳媒也沒有泡沫。給了很明確的這個答案。聽下來我覺得第一件事，就是估值還是高的，這個還得承認，估值高是因為項目少，人少，錢太多，可能跟流動性高有點關係，在這個初始階段很多公司借AI的名在造勢，做各種各樣的活動，我覺得也很正常。

泡沫有沒有現在看來取決於，這個階段應該是有泡沫的階段，就跟啤酒一樣有泡沫，無非是多還是少，歸根結底取決於未來的前景。

Pepper：我在這裡。

主持人：對不起，我讓你泡沫了。

李稻葵：這不是泡沫是什麼？馬上就露餡了。

主持人：這個取決於未來，在未來的前景大家判斷，我覺得都是看好的，除了李稻葵認為五年以來，AI還是不是主題不一定。

饒駿：我不認為，為什麼剛才說AI可能是經濟的最後一根稻草？因為現在實際上把AI，如果算做信息技術領域的話，從信息技術投資來看的話，從美國今年有一個很著名的智庫統計，從1970年到2014年全要素生產率的統計，現在的美國的勞動生產率的增長和計算機剛剛開始的時候是一樣的，就是說三十多年的信息科技的進展並沒有提高。

主持人：走了高峰又降下來。

饒駿：最高峰的時候就是2000年互聯網泡沫的時候，固定資產投資造成了生產率的提高，我的觀點我是做航天的，從更遠從1920年到1970年，是工業文明的黃金時期，最高從1940年到1970年最高峰，這期間發生了什麼？期間發生以政府為主導的重大的工程項目，登月，導彈衛星，我想說的就是這個期間發生的一切，它帶來的技術紅利導致了現在三十年的信息科技的發生，而現在經濟發生的問題是因為這個紅利的老本吃完了。

主持人：你說政府主導的下一個項目是在航天。

饒駿：這個話題展開就太多了，我只是從數據說。

主持人：這個問題挺重要的。

饒駿：我想理清AI的定義，是軟體還是硬體系統，如果作為一個AI它在產業鏈中是什麼樣的環節和地位？它是一個演算法是個模型，還是整個一個工藝，實際上如果說從智能體來說，分為軟體、機器人和非移動的機器人，如果說一個機器人光有演算法，不能夠支持我們整個工業文明的，其實我們整個是靠機器，石化，靠電力，一個所謂AI的東西為什麼大家會這麼熱衷於投資它呢？它可能只是我們某個裝備，比如說我們裝備中的汽車裝備上很不錯的催化劑，為什麼不去投資其他更有前途的東西呢？整個工業體系。

主持人：饒博士是科學家，他要嚴格定義AI在整個科學和創新和價值體系中的定位，我們來看這個泡沫。

李稻葵：經濟學裡面有一位老教授，他做了多年的研究，至少十年前的研究表明信息科技到十年前，沒有帶來全要素生產效率提高，主要的信息科技的帶來是什麼呢？遊戲多了，大家投資的熱點多了，投資多了，雇的人多了，矽谷熱鬧了，房價上去了，當代世界經濟一個特點，您是專家了，就是我們大量的產能的過剩，找不到興奮點，資金過剩，一有興奮點蜂擁而上，一上去之後蓋工廠，搞投資，僱人，好得很，這個經濟活動量一上去，運營的負荷上去了，經濟有活力。你真正說科技本身帶來了多少效率提高？很難講，每個遊戲，以手機為例，手機改變了我們的生活，讓我們生活很簡單，為了做這個手機的軟體和硬體，耗費了多少人，我不是反對，我是受益者，你們是投資者我很樂意見到你的投資打水漂，我等於免費佔便宜。

我的意思說從這個意義上講它是一個泡沫，不見得真的帶來效率提高，只不過遊戲多了。

Erica R.H. Fuchs：我要說三點，聽剛才講AI的定義我覺得很好，當然我聽到也是硬體和軟體都相提並論，當然我們提到深度學習等等的，實際上我們也看到很多的發展學習的過程，包括AI本身也在進行一個發展的過程，所以我們說的這個概念上的一些東西。

第二點我想說，我也不是經濟學家，也不是工程師，所以我可能從一個學術界的角度說一些，我認為對我來說，我們實際上在闡述它的生產力的問題，在這樣一個場景下，AI可以給我們很多的一個機會，它有很多能力產出很多的產品，當然也是從不同的領域的角度去衡量這個事情。

但是我們有很多公司都在進行此類的研究和生產，所以我認為這裡面的能力還會有所進展，我們會出現很多的一個發明、發現，所以這個領域是大有作為的。剛剛我們談到一個很多泡沫的問題，也提到概念上的一些界定，實際上我們大家指望著AI可以囊括進很多領域，我們也看到了一個電子電信方面的一些泡沫，實際上很多公司都囊括進去，可能在那之前很多技術都是可用的，但實際上在那之後，很多專家也在從事類似的發展，很多公司和工程師都在從事這方面的工作。

所以我認為在這個明知估值市場上，我們有些問題，或者其他問題的話，可能投資就謹慎進入。

主持人：所以看來是否存在泡沫的問題，我們想深點，這個討論加深了我們的理解，估值是一個問題，很多企業打招牌是問題，傳媒的過熱是問題，但是更多來說，我們還是要理解AI的基礎在什麼地方？它是不是一個根本性的這個勞動生產力提高的動力，它是不是有長期發展的可能？它的遠景在什麼地方？還要看得更遠一些，很明顯在這個過程里，具有眼光長期投資者獲益，短期的投資者會遭到淘汰，在今後的兩三年裡，新一輪的淘汰也是不可避免的。

我覺得這個討論挺有意思，大大加深我們對這個問題的理解。我們大部分人還是認為，這個AI還是有發展前景的，還是有前途的，泡沫可能有，但是不是那麼嚴重，下一個想討論的問題，就是未來的AI的發展方向在哪裡？這個是很有意思的問題，我們逐步往下走。這個是我們剛剛結論，就是說存在泡沫的24%，不存在泡沫81%，加起來是105%，這個機器又不對，你不是AI吧，這個加在一起是204%，99%的沒問題，1%的投票沒問題。

AI如果發展的話它的機會在哪裡？主要的未來方向在哪裡？台上的六位嘉賓你們有一個牌子，能不能請你們每個人寫三個你認為AI將來發展的最大的領域、行業或者是技術。牌子在這邊，你們自己有牌子。你提三個方向，你認為哪三個方面，你是做機器人的。

黃明明：我寫的最快，是我們每天24小時作為投資人想的問題，第一個是自動駕駛，代表未來的10萬億級別的機會，整個會改變出行領域。第二個智能醫療，我們知道互聯網醫療講了很多年一直沒做起來，我們就講的機會，的問題是優質的醫生和大廣大病患嚴重的供需不足，互聯網解決不了這個問題，你只能解決信息不對稱，加上AI，包括我們投的智能醫療的機器人，包括很多二三線的醫生對一線的醫療的水平，第三個金融科技，本身用數字來描述這樣的科學，關注到最近高盛三分之二的員工是軟體工程師，我覺得這三大都是代表著萬億級以上的機會。

袁輝：特定應用。我寫這個太虛，但是這個實際上目前，因為現在這個全世界最大的問題是什麼？包括投資人，包括很多從業者，就大家對AI的理解，只有很少一部分人有深刻的研究學習和理解，因為從業者太少，而且這個AI又是這麼前沿的東西，在去年對AI有一個定義，從方向上有個定義，大家手上有很多蘋果手機，我們會有siri，像谷歌類似的這種產品，這個東西屬於什麼範疇？很多人根本搞不明白，有一個定義是什麼？AI叫通用AI，這個是一個很大的人類的夢想，像蘋果的siri，像AlphaGo走的這個路數，這個目前全世界沒有一家公司看到在什麼時候成功實現這個可能？我們為什麼覺得AI離我們生活有很長的距離，如果做全發散的領域。

另外一個叫特定領域的商業的應用，在特定領域的商業應用有很多地方，包括現在有幾百種上千種的應用在不同的階段展現這個商業價值，大家搞明白從投資的角度，我投什麼方向，現在全世界AI的方向選擇最重要的，如果你現在選變形金剛，即使BAT，像谷歌蘋果投一萬億美元進去，不代表兩三年就會成功，我投這個長期二三十年能不能成功都是一個問題，黃明明寫的三個重要的特定方向，你選擇特定應用的商業領域，這也是因為第三次AI不會回傳回去，所有的人把押在通用領域，這是方向選擇的方向，我在這裡寫的特定應用，這個核心在這個問題。

主持人：很多人夢想找出一般的應用，像微軟的操作器，軟硬體結合模塊的基本架構，一般意義上，有很多人做這個事，你認為這個不對的，沒有希望。

袁輝：通用AI把它想象成變形金剛，你這麼想，變形金剛今天造出來三年以後造出來，這幫人能不能討論這個問題。

吳霽虹：我很同意他剛才說的，袁輝剛才說的投資現在最重要的是方向，我從方向這個角度去看這個應用，從方向上來看是三個，第一個就是AI它就是懂用戶痛點，它比誰都懂今天，如果你從這個角度看，所有的十大消費領域全部通殺。比如說吃、住、行，還有醫、教、娛、樂、健、工、保十個消費領域全部都可以投資，只要AI比人更好的解決痛點問題，就是客戶的痛點問題。

第二個懂運營的，我們關注的第一產業，第二產業，第三產業，特別是第一產業第二產業的供給側的改革，今天供給改革遇到的阻礙AI可以幫助解決，因為現在供給側的最大的問題就是碎片化產能過剩，沒有鏈接，沒有數據的這個訓練的學習，也沒有跟前端場景客戶痛點連接，因此它是斷裂的，當它如果用AI連接客戶的痛點，連接內部的運營，連接供應鏈產業鏈的這個效率就會大大提高，所以所有的能夠今天在供應鏈上，在內部的運營上能夠用上AI解決效率問題的，那麼都可以去投資，這個效率大概是一個AI相當於一千萬倍的，就是人工產生的經濟效益。順便說一句，因為今天這裡有經濟學家，我認為GDP指標都要改，今天所有的GDP指標是不準的，因為人工智慧今天已經是新的勞動生產力大軍，但是我們在GDP這個上面並沒有把它當成勞動力生產大軍，來做計算和分析。

第三個就是懂生態，所有今天要建立生態平台的，或者是生態產業的，如果你用了AI，那麼你就會有更好的解決方案去優化你的系統，而且還會產生圈套圈，就會跟沒有AI的時候，最大的不同就是圈到圈，如果沒有AI做商業生態封閉的，沒有打通，數據打通，人工智慧才會變得更加聰明，數據就是它吸取養分，變得更聰明的氧氣，因此它懂生態的連接。

主持人：在邏輯上吳老師跟袁輝的思路是一樣的，講一個方向。饒博士。

饒駿：我寫的是第一個安防，這是一個特殊領域，其實有很多相關的專業的領域的應用，這塊的需求和應用其實沒有解決的非常多，為什麼說這個？實際上指的剛才人臉識別簽到這個，實際上為什麼互聯網號稱是99%點突破了，非常理想的，現在不存在任何的動態的環境下，能夠識別人的系統，這個不存在。因為複雜場景，複雜圖像非常非常難，我手下的博士一直在做這個東西，說實話，因為我們是解決工業問題，它現在做的這個系統應該算是國內第一，圖像解決速度在功能功耗下面是一百倍，正確率達到80%，複雜圖像，特殊的遙感圖像，同類物體細微差別我們都能分別，動態比，各方面的指標很難，我們能做，我們做的時候依然發現有太多的實際問題我們還是解決不了。這是安防，我認為高精度從這個圖像識別，視頻識別的高精度方面有太多可做的事情，也是咱們現在深度學習主要的一個方向。

第二個，就是金融，我覺得用這種大的計算資源，可能有很多暴利的機會，這個也是人工智慧能幹的。

第三個，應該是最小難度的，因為娛樂消費，是一個綜合性的，不僅僅是某一個演算法，可能它需要整個產業鏈，從感測器，執行到處理整個一套，也許要求不高，但是它這個應用的終端用戶很多，也許技術含量不一定特別高，但是一定要可靠，用戶體驗好。這個要做好不僅僅光是AI能解決的。

主持人：講得很好。

Erica R.H. Fuchs：我好像多寫了一個，我寫了一些關於技術的問題，我在最後調整一下順序，我們有一些消費者的產品，谷歌家庭這樣的，你可以跟它講話還可以問問題的等等，那就涉及一個語言理解的應用。比如我可以跟它交流，我想買一雙什麼樣的鞋子，但剛才我們講到這個圖像識別等等，在生產方面我們真的需要深度學習在裡邊，當然有一些領域已經做得很好了，但是需要提升它的效率，我們還需要有一個定製的學習，當然這也是一個獲利很多的一個行業，它的一個商業價值也是很大的，當然也有一些社會以及教育層面的價值，當然也需要科技上的進步來加以支持。所以科學家一直有不同的發現，一些科技上的一個進步，就可以支持我們做這些事情，我們進入到令人興奮的一些研究領域。

李稻葵：我是看到從近到遠，馬上看到有影響的，已經來到工業生產領域，很多工廠原則上講已經做到無人了，我十年前去參觀過一個捲煙廠，捲煙在咱們是行業，經理跟我們講不要印名片，很麻煩，別人求他們，這個廠裡面已經實現了無人，管工人很複雜，工人會偷香煙，全是機器人運香煙，打包，一個不差，已經來到了。

第二個就是自動和半自動駕駛，其中我最看好是半自動駕駛，我認為自動駕駛恐怕是非常非常難，但是半自動駕駛已經來到。比如說我自己，我喜歡開車，我的下一輛汽車，現在兩個標準，還不太多選擇，一是要新能源，至少插電的可能，為了我們的環境。第二，至少給我自動剎車，我避免追尾，這個不難，這也是一種最簡單的人工智慧，在以後可能變線左右，避免碰撞，這是我看五年以內應該能夠來到我們的生活中的。

第三個比較寬泛的領域，輔助決策，從一個孩子報志願，到這個得了一種病要怎麼去治療，我上網一搜，大概給我三四個選擇，不能代替我的決策，幫助我的決策，那個跟醫療很近的，人工智慧完全代替醫生的話，恐怕還需要很長很長的路走，但是輔助決策恐怕已經離我們很近了。

黃明明：你要的那個車推薦就是特斯拉可以，自動剎車，自動變線也可以。

主持人：我們聽聽大家的意見，對台上有補充的，我們先看有誰補充的，你覺得有新的方向新的領域。

周園：我是波士頓諮詢公司的合伙人，我是全場的唯一的諮詢顧問，我們看AI的視角從產業發展的視角，有很多客戶進行工業4.0的升級。我要擴展兩個定義，一個是AI不止是演算法，也包括技術，包括視覺的技術，語言的技術，還包括硬體，數據、技術三個方面。同時我覺得談到AI應用的方向和機遇，我覺得AI最大的作用不止是AI的本身，跟另外三個技術，包括物聯網，四個根本性的技術的發展的融合，是真正的最大的機遇的所在之處，所以割裂看有一定的作用，但是融合是最大的作用，四個技術在一起，如果簡單來講，以前我們的這個是隔離的，四個技術在一起，使得我們合在一起看。

舉一個具體的例子，補充剛才台上嘉賓的，我們看在智慧城市，前幾年從硬體角度看，現在幫很多城市也好，未來十年之後我們的城市如何改變，這些技術如何改變人們的生活和工作的方法？當這個合在一起的時候，會重新定義物理空間，比如說零售，是一個儲存的功能，發散的功能，這種娛樂的功能，互動的功能，這些附在物體上，對人的識別，信息的互動，使這個物理空間具備了大量的信息。在這個條件下，如果你把零售作為一個中間的例子，其實存在著很多的可能性，包括這種新的商業模式，新的服務，新的產品的這個可能性。

主持人：因為AI的他們熱鬧，諮詢行業會賺多錢嗎？

周園：其實我們很大一部分是在工業4.0，我們跟西門子一起提出來的，在4.0這塊諮詢行業增長這塊，就是在（英文），而且這個不止是新的行業，很多傳統的行業都在經歷這個，而且以前我們看到很多是縱向的，就是我在這個裡面有些什麼新的產品，新的服務，這個局限性很大，現在看到越來越多的用戶是做整個橫向的，貫穿生產力。

張拯寧：第一點，我想從大的方向在地球上，因為我是做航天管理工作，我是個工程師，和在座的不一樣，饒博士是科學家的，我是工程師。我們的思路可能會跳躍一些，在地球上說事，基本上同意黃老師談的觀點，比較明確的一個是枯燥乏味的事情，它既然是這樣的，往往是由不需要高學歷的人來做的事情，這個很明確，剛才說的自動駕駛類似，司機的學歷要求不是很高，他能做，機器人AI可以做的，第一類。

第二類是正在即將能夠實現的，就是在工業領域，李老師剛才談了說是捲煙是比較簡單的，它是在工廠里，比較複雜一些的場景，比如說我們高壓的輸電線路是在室外，場景是很複雜，靠人去乾沒有人干，機器人去干這個難度非常大，比人臉識別很難。

第三個Erica R.H. Fuchs教授談到的，包括科研、教育，包括這些領域基礎性的領域，這些領域傳統上講創新性要求非常強的領域，是AI比較難以做到的，但是它可以輔助，幫助我們，這個可能要長一點但是有進展，這些事是在地球上說事。

第二個我跳出地球說這些事情，因為可能我個人觀點一直在琢磨這個事情，我們人類社會發展這麼多的問題，各種各樣的問題怎麼樣解決？以我們一個工程師的角度，可能會比較簡單，你必須跳到系統之外考慮問題解決問題，簡單來說，不是因為我在航天我要鼓吹航天，我確實認為解決人類發展的問題確實要到地球之外，那裡有更大的市場，那裡的估值不知道用什麼貨幣來衡量的。但是有一個問題，宇宙就是在時間和空間上是無限的，我們人有一個最大的問題。

主持人：你和人工智慧結合在哪裡？

張拯寧：你要自動駕駛汽車在地球上做很難，我們能不能全自主駕駛宇宙飛船，我們人生命有無限，我們假定解決這些問題，你需要有一個AI幫你做這個事情，你到那個星球不知道遇到什麼問題，這個要求非常高，如果人類走出地球，沒有AI完全不可能，剛才問到AI有沒有泡沫？其實我剛才沒有得到發言的機會，我們今天的主題是AI有沒有泡沫？或者我們往大一點，AI地球，AI人類有沒有泡沫？從這個角度來講當然是沒有泡沫，我們沒有AI，就沒有辦法想象我們未來的世界是怎樣的，地球如果不能容納人類的發展，承載人類的發展，沒有AI不可能的。

馬騰：我想說一下AI對媒體行業有兩個革命性的變化，我不知道大家感覺到沒有？一個是機器人寫作，在我們騰訊已經推出一個機器人，已經廣泛運用在天氣預報，財報，賽事，地震這樣的寫作領域中，我們看到奧運會比賽的稿子，可能有八千多篇由它來寫的，而且同一類的新聞，同一件的新聞可能有八篇到十六篇不同的寫法，非常個性化。我們看到機器人寫的時候我們在想，這個記者可能會哭，確實是，代替了我們很多記者的工作。

另外還有一個變化，是智能的信息篩選，因為我們處在一個海量的信息裡面，我們可能大家有看到，包括騰訊新聞客戶端，包括這個今日頭條，都推出這種個性化篩選，比如說李老師你對自動駕駛非常有興趣，給你推的自動駕駛的方方面面的東西，這個非常節約我們的人力，雖然說是人工智慧在這個媒體領域可能會讓這個記者和編輯，會有比較大的失業，我們會非常高興地看到它帶來的這種革命性的變化。

主持人：我們有什麼不同的意見？

朱先生：不同意見我覺得，我覺得今天討論這個環節，大家在談AI，大數據公司，在數據這兒沒有談這個觀點，我有一個看法，就是AI可能是一個我們說的很寬的範圍，做這個AI數據源就是它的原料，沒有數據什麼都做不了，我聽大家的觀點，自動駕駛你要有一套採集駕駛相關信息的來源，你要演算法去做，你做科技金融你要整個進行數據的流通，這塊金融這一塊，現在我們其實在做這個創新就是比如說新的徵信方法，和新的這種相關的對於未被央行徵信系統覆蓋的人群，怎麼做這些人的徵信，原來這個系統是不是有問題？通過大數據的方法做一些事情。

包括剛才說的醫療科技這塊，那其實我更關心醫療數據，低層數據的打通，如果沒有打通，你沒有數據什麼都做不了，我關注的點把握AI的機會，我更關注在不同領域數據的打通，這是我的一個觀點。

觀眾：剛才包括各位嘉賓講的都是技術和未來發展方向的問題，我是一個媽媽，同樣我也是一個教育者，我們每個人都沒有提到，我們下一代，我們的孩子們他們應該是屬於人工智慧的原住民，對於這樣的一些孩子。

主持人：他們是開拓者。

觀眾：對於孩子們對於教育來說，我們應該做哪些準備？我們應該討論的一個問題。比如說對孩子成長來說，以前說IQ說智商很重要，後來說情商很重要，是不是在不久的將來在教育產業，要有一個AI商，所以說我覺得從我的角度來說，除了從技術，包括數據各位嘉賓講了之外，我們從教育的方法手段上，包括大的指導方向上，是不是也會是人工智慧時代發展的一個很好的機遇？

主持人：Erica R.H. Fuchs提出了教育，提出了AI商，很大的概念，我們這節討論很多，我覺得提出了很多很多未來的方向，大家爭議很多，我覺得特別有意思，就是袁輝和吳老師提出的原則和領域，我們提出了很多具體的方向，所以這個還是。

張坤：剛才嘉賓很多分享是在應用層面，我們把這個分成像雲計算分成三個層面，一個是技術層，一個是基礎層，最後一個應用層，每一層有它的特點，有它的獨特的不同的投入，比如說應用層來說，它是一個數據為基礎來做的，相對來說在這層投入是低一點，變現也快，這是一種。技術層就是做晶元這種公司，這種公司投入很大，是一個長期的過程，這種公司大部分的AI公司到不了很大的規模。在這個地方講基礎層面的話，這種投入不是很多小公司可以做到的，剛才講大數據，大數據有流量入口的公司才能積累大數據，一家小公司數據有限，像BAT公司收集到的數據不一樣。

剛才說的自動駕駛這個層面說，自動駕駛如果是狹義自動駕駛，剛才李博士講的，這是一個非常簡單的應用，某種程度上，一些數據可以解決。就說無人駕駛，L4的層面以上的，在一條高速公路上的駕駛和在城市道路上的駕駛完全不一樣，比如說百度做的這種要複雜得多，和一個簡單在高速公路上的貨車無人駕駛，完全兩個不同維度的數據的概念，一個是要全國所有的高清地圖，而且有駕駛行為，另外一個相對就是公路，為什麼某某工業園區搞無人駕駛很簡單，那個園區就是幾平方公里的範圍，這個東西很簡單，在不同層面。

如果要這麼說，我覺得用剛才的框架來套的話，像百度的自動駕駛肯定更接近於基礎層面，那個肯定有萬億的規模，你說在一條高速公路上的幫助貨車貨運，利用自動駕駛提高效率，減少油消降低司機的數量，這個是相對一個狹義應用層面一個東西。

主持人：我們回到這個主台。

Erica R.H. Fuchs：我想回答這位女生的問題關於教育的，今天上午的論壇時，我和一個大公司的CEO，和另外一個公司的副總裁也在談到您剛才關注的問題，他們的方向就是在研究人工智慧在教育方面如何應用，它有什麼樣的前景？又受到什麼樣的限制？所以您的問題很重要，期待我們會找到很好的答案。

主持人：各位還有什麼要補充的，或者要討論一下，關於這個AI的機遇和方向。

黃明明：我補充一下，我一會要趕飛機。回答幾位包括饒老師講的，我代表投資界稍微證一下明，不是純投AI的演算法，包括比如說我看到很多題目在討論，為什麼AI的應用沒有在高端製造，這個也提到，沒有在第二產業，生物、農業、製造業，其實恰恰相反，今天AI的應用在製造業領域，我們投的深圳大疆一個分公司，工人原來是很苦，一天工作八個小時，盯一樣的器材在看，機器可以代替工人。

第二個美國的每年有個叫機器任意行動物體的抓取，這個是在李老師你看到捲煙，幾十年前有，固定演算法做的，今天最難的你給機器人擺一堆東西，他抓不了，幾百萬美金的機器手抓不了，隨意的物體隨意的抓取，每年都在做這個全球的比賽，這裡面有深度學習的技術在裡面，有點像嬰兒在抓東西一樣，一開始抓不起來，當它抓起來以後機器在學習以後，過了幾天以後機器手抓任意的東西出來，這個學習的演算法有點像人類的演算法，不是告訴他什麼演算法走什麼軌跡，像嬰兒學東西，我學會了就起來，我抓不到就改規則。在農業，剛才講的巡檢，田間地頭的應用，大規模的應用，我們投了項目已經在應用，不是投的有泡沫的演算法，我們投的對國民經濟產生的效益的，反倒講的這種機器人，你選了一個最難做的領域，我們投資界有一個觀點，所有做人形機器人，至少在五年之內你註定失敗，為什麼？大家都看過無數的科幻電影和小說，你只要把這個東西做的人形的形狀，你做出的東西比用戶的期望值低太多，亞馬遜做了一個音響，不叫機器人？慢慢聽懂我的用戶，我去買東西，一點點期望值在升高，那個是聰明的做法，這個從B端到C端的應用領域裡面有巨大的場景。

李稻葵：恰恰我說的泡沫，你大部分說的人工智慧是它，以它為人工智慧，肯定五年以後會失望的，你說是不是？用你的話打你。

黃明明：我說這個是誤區，不能說人形機器人代表人工智慧。

李稻葵：大量不是專家，他腦子裡的泡沫是這麼來的。

袁輝：我不裁判他們的問題，這個問題比較低端。我補充剛才的機遇的問題，實際上人工智慧有三個要素的，一個是計算能力，包括演算法在內，第二個就是高質量數據，第三個就是特定應用，未來這個機會，實際上從互聯網，移動互聯網開始，是在應用上走在世界的前列，另外在人工智慧三個要素裡面的話，因為本地化數據，文化的問題，在數據上面是沒有任何問題的，另外在應用上面我們也走在全球的前列，美國跟的比較，未來是中美兩國核心的競爭，在美國算演算法，基礎的研究上面，過去的歷史發展階段的問題，它是領先，但是這三個要素是相輔相成的。

比如說AlphaGo離開圍棋的東西，根本就不是AlphaGo，只是一個演算法，加上特定的圍棋應用，最後失敗李世石，在銀行在很多領域完成的AI的應用，反過來推動我們演算法的進步，的機遇在哪裡？把握自己的優勢，把握自己的文化優勢，加上商業的應用，這條路並肩全球，乃至領先的關鍵一步。

主持人：通過特定的應用往前推，包括演算法包括技術。

吳霽虹：因為剛才我沒有辦法，太短的時間沒有辦法一個一個去說它，我現在也不會說，如果你去看未來地圖，剛剛今年5月份出版這個書，書上講的萬億級人工智慧產業模式和商業路徑，我講的三個領域，我都說不出它可以應用在無數的場合，包括教育，我自己是教育者，我知道現在的教育被摧跨的，現在的教育體系，因為今天的學生們按照這樣的上課，上四年出來找不到工作，我們的教育體系根本和我們的人工智慧未來的發展是脫節的，因此其實我最關注的也是在教育的領域。

饒駿：我前年招了一個從卡耐基畢業的一個博士，我問他的機器人或者說人工智慧和國外到底差距在哪兒？他就說他在所里學習的時候，在機器人所里學習的時候，他們的鎮館之寶是一條機器蛇，從整個纏在人身上整個控制，整個從軟體到硬體，他說遠遠就是不是咱們能夠想象的，那個精度能控制的這種能力。比如說咱們機器人裡面的電機，減速器，跟你整個工業能力匹配在一起，不是一個演算法能夠解決的，代表你工業水平的東西，不是一個AI，能夠說AI對這個國家產業，能夠提升多少，不是在那個層面，要做的東西太多，在整個智能產業或者說機器人產業。

主持人：重新回到大的整體的產業鏈。

饒駿：只是其中很小的一個，很好的一個東西，但它並不能決定我們產業升級也好，或者我們企業的利潤，能夠提高也好，甚至我們的生產力提高，我覺得並不能，我們做的功夫太多。

Erica R.H. Fuchs：並不是我專註的領域，但是我非常同意兩位的觀點，這個具體應用是我非常支持的想法，做得很棒，我想強調的還有。我們耗能很高。

包雲崗：其實大家基本上把我想到的東西都已經講得差不多，我感覺還有一塊可以補充的，其實跟饒博士講的比較像，在安全這一塊，其實這裡面確實是有很大的空間，可以去挖掘的。包括我了解到，在美國其實也是一樣的，現在大量這種安防，我們很多數據全國有那麼多的攝象頭出來的數據，其實基本上是沒有很好去處理的，所以這個領域，我就覺得確實還有很多的空間可以挖掘。

但是現在慢慢變成一片紅海，包括進去的創業公司幾十家，上百家進去，我覺得說不管從長遠來看，還是短期來看，安全包括網路空間的安全，這些都會是一個社會和國家的裡面很重要的一點。

主持人：未來在哪裡？未來在自動駕駛，在安保，在醫療，在金融，在教育，在科研，但是袁輝講得特別好，對來說在具體的實際的應用，通過應用反塑價值鏈，找到新的演算法，新的工具，找最早源頭的我們的技術，當然包括這個饒老師講的更廣泛的製造業，整個經濟的實力和能力，才能走向這種吳老師講的做生態，做服務，做整個提高效益的工作。所以這節討論我覺得非常目前精彩，讓我們用熱烈的掌聲感謝我們的演講者，講得非常精彩。

好，時間的關係，已經九點十分了，我們不應該搞得太晚，我們最後請我們的總評委黃益平做總結，請上台，總監坐。

黃益平：我不坐了，我隨便說兩句。這個問題確實不太熟悉，但我剛才討論的兩個問題，我大概學到一些東西，我的這個體會大家就是兩點，和大家分享一下。

第一點，我們講AI到底有沒有泡沫？有各種評判的方式似乎從技術的角度來看，各位從技術講似乎都是覺得沒有泡沫，從投資的角度可能有泡沫，那我猜測我們經濟學對泡沫其實是很難定義的，（英文）曾經有一個著名的論斷，就是泡沫是你等它破滅之後你知道有泡沫，如果用簡單的一般的投資方式，用估值也好，用幾年以後能不能得到回報也好，如果用傳統的方式看似乎有泡沫在裡頭。剛才的很多泡沫讓我想起，在本世紀初互聯網泡沫，其實當時非常嚴重，而且很多人受了傷害，但問題是這個泡沫過去以後，其實是留下很多實實在在的東西，我們今天所享受的很多技術，跟那個時候的泡沫是有關係的，所以剛才幾位都說到，泡沫就是一個壞的東西嗎？我覺得在一個新的技術要形成的時候，也許泡沫是必要的，因為新技術發展和發明的一個很重要的特徵，就是大樹定律，就是要千千萬萬的人去做，但是有很多人會失敗，只要其中有人成功了，這個給我們會留下好的東西。

對我來說AI有沒有泡沫？我不是特別關心，我關心是這一輪泡沫過去了以後，有沒有真正落地的技術我同時教經濟學，像這樣的新技術不是適合每一個老百姓都可以去做投資，就像做風投一樣，你理解這個技術，你自己做判斷你承受得了這個風險？我覺得有泡沫沒關係，如果我們大家都覺得這是一個有前途的領域，一哄而上，我覺得很危險。

第二個問題，我其實一看到這個問題我的第一反應，AI聽起來是一個很尖端的技術領域發展，但其實我後來感覺，一開始李稻葵教授說的工業生產，跟我一開始想到是一樣的，就是的突破口在什麼地方？當然我們會有很尖端，已經有世界上尖端的技術，但真正對的經濟發展很生活能產生作用的，可能就是剛才很多位都提到的，我們今天需要的東西，今天需要是什麼？是我們人口老齡化，勞動力短缺，有很多危險的困難的工作，能做的人越來越少，所以李稻葵說的工業生產，其實我們也看到有很多在不同的領域，包括像物業管理，電器生產，我自己覺得在這些領域開發，技術符合我們現在的技術和經濟發展的水平，在這樣的水平建立起來更容易走得好，走得遠，謝謝大家。

主持人：讓我們再次感謝台上的嘉賓，也感謝今天晚上的參與和參加這個活動。

Pepper：今天下場討論的還擊告一段落，接下來進入激動人心的頒獎時刻，根據投票結果，我們今天要頒發三個重要的獎項。

主持人：由大家投票選一個，我提三個，一個是Erica R.H. Fuchs，我們的卡梅隆的教授，我提一個我們的饒博士，把大的框架講的非常清楚，我覺得袁輝講的觀點非常好，從實際應用開始逐漸往前走，跟美國競爭我覺得特別有意思，我提三個人。贊成第一個的Erica R.H. Fuchs舉笑臉的舉手，一個人只能舉一次，9票，第二個饒博士的投票，12票，袁輝的投票，6票。饒博士獲獎。請女士發獎，饒博士在這裡，「最佳學術獎」。

Pepper：恭喜我們的獲獎嘉賓，接下來要頒的最佳風範獎，有請黃益平先生為最佳風範獎提名。

黃益平：我怎麼提名？我提名李稻葵教授。鼓掌通過，是吧？袁總，還有機器人，同意李稻葵教授的舉牌子，10票，袁總4票，機器人，歡迎李稻葵教授上台領獎。

李稻葵：偉大的院長給清華老師頒獎。這是機器人AI做不到的，感謝。

Pepper：恭喜我們的獲獎嘉賓，最後要頒出的是「最佳人氣獎」由騰訊馬騰宣布「最佳人氣獎」。

馬騰：我們請原子智庫一起為「最佳人氣獎」的頒獎，我們來看網友的提名。都很相當，最高是我們的主持人朱民先生。

Pepper：恭喜獲獎嘉賓，請兩位合影留影。我們2017年騰訊財經夏季達沃斯論壇到此結束了，讓我們下次再聚吧。

清華五道口金融EMBA

傾聽「一行三會」為代表的

主流金融權威觀點