search
夏季達沃斯爭鳴與激辯:人工智慧到底有沒有泡沫

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

熱門推薦

本文由 一點資訊 提供 原文連結

一點資訊
寫了5860316篇文章,獲得23293次喜歡
留言回覆
回覆
精彩推薦