李开复在文中谈到，自主机器人和自主决策的确可能造成致命错误；因机器人错误而造成的死亡，将造成道德两难的新时代“电车难题”。但是，如果社会接受机器学习，并竭力以负责任的态度导入机器人技术，更多生命将会因此得到拯救。

以下为《关于人工智能的“电车难题”的崭新思考》全文：

在未来 20 年内，随着机器人技术的进步，自动驾驶汽车、工业机器人和医用机器人将拥有更强的能力、更高的自主性，并得到更为广泛的应用。不可避免，这些自主机器人可能会犯下决策方面的错误，造成数百上千人死亡。但如果人类参与其中，这种灾难是可以避免的。

这样的未来固然可怕，不过一旦人类社会能负责任地运用机器人技术，获救的生命将多于造成的死亡。

机器学习的过程

机器人并非经由人类“编程”而模仿人类的决策过程。它们从大数据中学习，利用从数据中推导出的复杂数学公式，执行诸如“识别红绿灯”之类的任务。机器学习过程需要的数据量远远超过人类所需。然而，一旦经过训练，机器人在任何特定任务中的表现都将优于人类。借由机器学习，人工智能和机器人的性能在过去五年里已经获得了极大的提升。

我在这篇文章提出的观点适用医疗健康、制造业及其他正在快速实现自动化的行业。先以自动驾驶为例，一位经验丰富的人类司机，一生中可能有几十万英里的驾驶经验，而谷歌旗下的自动驾驶汽车公司Waymo，仅在2021年一年间就完成230万英里的上路测试里程，其背后的AI技术通过数据学习了每一辆车的驾驶经验，而且这些自动驾驶车辆永不疲劳，也不像健忘的人类司机，可能忘记他们曾经犯的错误。

特斯拉公司的“智能召唤”功能首次推出后，汽车可以在没有车主操作的情况下，离开停车位并绕开障碍物。一开始许多用户抱怨这个新功能表现得不尽如人意，但在短短几周内，特斯拉公司便收集了早期用户的数据，重新训练了新功能背后的机器学习模型。从此，“智能召唤”显著获得改进，成为了特斯拉新车的一大关键竞争优势。

自主机器人可以挽救生命

可供学习的数据日益增加，人工智能的能力也随之快速提升，AI 变得更精准，适应性更强，也更安全。随着越来越多的机器人进入主流日常应用，其应用领域越来越广，标志着功能性机器人技术正得到逐步普及。自动驾驶将从“握住方向盘”到“放开方向盘”，进而发展到“无需监视”，乃至“无需关注”，并最终进化到“无方向盘”的全自动状态。

中国的自动驾驶企业文远知行便是一个很好的范例。这家公司已在中国数个城市部署了无人小巴和无人环卫车。相较于无人驾驶出租车，它们在运行环境上受到了更大的限制，但与人类司机相比，安全性有了大幅提高。这些车辆在特定环境下运行并收集大量数据后，最终将摆脱这些初期上路的限制条件。

在机器人技术从简单应用通往复杂场景的发展过程中，我们将获得更多数据，从而提升其性能和安全性。举例来说，在未来十年里，通过减少人为失误（这是道路事故最常见的原因），自动驾驶汽车仅在英国就可以防止47000起严重交通事故发生，挽救3900人的生命。兰德公司的研究发现，即使自动驾驶的安全性仅比人类驾驶高 10%，换算过来也能够拯救许多宝贵的生命。

道德困境

对于机器人的大规模应用，大部分人仍然表现出极大的担忧，包括对机器错误导致人类丧命的道德争议。古典的“电车难题”是指一种道德困境，经典假设是旁观者可以通过切换失控电车的轨道，虽然会因此撞死一个人，却能拯救另外五个人。这一难题说明了攸关“谁生谁死“的选择，本质上是一种道德判断，这样的决策不应该交给无情的机器。

然而，机器人和人类的感知方式不同，出现的错误类型自然也就不同，这使得“道德困境”进一步加剧。举例来说，机器人反应迅捷，注意力始终集中，但可能会误判障碍物，例如优步的无人驾驶汽车就曾把推着自行车过马路的行人误判为汽车，并因此预判它比自身行进的速度更快。

人类失误和机器失误之间的差异，使得公众更加难以接受由机器人导致的死亡，如果他们曾经听闻了类似 2018 年美国凤凰城车祸事件后的媒体渲染报道，一定更难释怀。一旦各种媒体持续以谴责性的大标题，有失偏颇地放大抨击每桩自动驾驶致死的案例，那么人们很可能会对自动驾驶系统彻底失去信心，即便这项技术最终有可能拯救数百万人的生命。

若是人类司机造成他人死亡，他们将面临法律的判决并承担相应后果。但“人工智能的黑匣子”无法以人类可理解的词句，或者在法律和道德上正当合理的人类语言，向法官和公众解释肇事决策的原由。

另一点需要商榷的是问责问题。在凤凰城的那场事故中，汽车里的人类司机被指控犯有过失杀人罪。但是，在这一案件中，汽车制造商、人工智能算法供应商或工程师应该为此负责并承担一定的法律责任吗？只有问责归属明确，我们才能有共识和准则的基础来建立一个完善的自动驾驶生态系统。

人工智能和机器学习时代的“电车难题”

既然机器人技术可以挽救无数生命，那么只要证明它比人类略胜一筹，我们就有充分的理由大举推广自动化技术。我认为，我们应把握一切机会推出对人类有助益的机器人自动化工具，它们初期应在受限制的特定环境中使用，然后再逐步规模化采用，最终获得更多自主权及更广泛的推动。通过这种循序渐进的方式，我们一方面可以收集更多的数据，提升机器人的性能，另一方面能够最大限度地降低危及人类生命的事故。

考虑到可能出现的异议，我们需要共同努力，让大众更了解机器人技术带来的短期阵痛和长期效益。只有这样，我们才能在拥抱自动化技术的进程中，逐渐培养出负责任和严谨的态度，让机器人更好地为人类社会服务。

免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！

此言一出，引发网友大量围观，纷纷质疑人工智能企业对用户个人隐私数据的安全保护问题。

蚂蚁集团率先做出声明，称关注到李开复先生在公开场合提及蚂蚁金服和旷视科技的合作，我们需要澄清的是：1、蚂蚁集团在与旷视科技合作事宜上从未与李开复先生有过接触；2、蚂蚁集团从未提供任何人脸数据给旷视科技；3、我们再次重申，数据安全和隐私保护是蚂蚁的生命线。

随后，李开复也通过自己的微博发布声明，表示是自己口误，给三家公司带来困扰，深感歉意。

李开复称，初期我曾经建议并帮助旷视团队寻找更多应用合作伙伴，以增强技术水平，提升模型识别率。合作中，旷视提供AI技术给到合作方，我理解数据一直存在合作方客户服务器中，不涉及任何数据的共享与传输。

作为被提及的另一方，旷视科技通过微博对此事件进行了回应。

旷视表示，在客户合作的过程中，旷视始终尊重并致力于协助客户确保数据安全。我们不掌握，也不会主动收集终端用户的任何个人信息，这是我们的一贯原则。数据安全是人工智能企业的立身之本。旷视一直高度重视“数据隐私安全保护”问题，并已在企业内部制定、实施了完善的数据隐私保护制度。

截至目前，就只有美图尚未对此事做出任何回应。

刷脸、指纹识别等人工智能技术已经进入我们的日常生活中，个人隐私数据的安全性牵动着每一位用户的心。

事实上人工智能企业本身也早已意识到这一点。旷视在去年7月就正式发布了《人工智能应用准则》，从正当性、人的监督、技术可靠性和安全性、公平和多样性、问责和及时修正、数据安全与隐私保护六个维度，对人工智能正确有序发展作出明确规范。

当然，除了依靠企业自身的自律外，保护个人隐私更需要国家法律法规层面的保障。

免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！

固安捷在1927年成立于美国伊利诺伊州，在2006年进入中国市场。谈及中国区拆分独立背后的考虑，固安捷中国CEO周艳华表示，美国总部需要聚焦本土业务发展，中国区也需要更多资金投入，所以决定进行管理层收购，引入外部资本，帮助公司扩大市场份额。独立后，固安捷仍然可以借用总公司的资源，包括日本、美国和欧洲的供应链体系，以及原有的合规管理体系等。

周艳华表示，MBO完成后，在供应链方面，他们会建立广州和天津等区域仓，在客户端建前置仓，形成全国供应链网络布局。同时，他们已成立行业客户团队，将在钢铁、能源、电力、石化等垂直行业深度运维。

行业痛点

工业品（MRO）是英文Maintenance（维护）、Repair（维修）与Operation（运营）的合称，指的是企业维护保养、维修、维持日常运营所需要的工业用品，包括工业备件、仪器仪表、阀门轴承、维修工具等，涉及生产制造、采矿冶炼、交通运输、能源化工等行业。

固安捷表示，在企业生产中，工业品是间接物料，采购额占比很小，但工业品数量繁多，涵盖3000多万个SKU。目前，超过90%的工业品每年只有1-2次的采购频率，一张采购订单却会涉及多个部门，流程成本平均高达500元，有时候为了快速解决现场问题，不得不跨越一些流程，由此导致合规风险。

目前，工业品的传统采购渠道主要是五金市场，供应商单一，渠道不稳定，中间环节混乱冗杂，小供应商成百上千。价格不透明、假冒伪劣等问题会危害安全生产。

为了让工业品采购更规范透明，也为了降本增效，很多企业开始把工业品采购管理交给专业公司。同时，自2015年以来，中国接连发布多项政策，规范采购行为，支持电商化采购，给一站式电商平台提供了发展机会。

在全球范围内，中国工业品市场规模仅次于美国，达到万亿人民币量级，相当于日本、德国、韩国的市场总和。但由于起步较晚，中国市场集中度极低，没有一家企业能占据超过1%的市场份额，亟待整合。与之相比，美国前三大分销商占了16%，日本前三大占了13%。

在这样的背景下，MRO行业迎来了爆发的关键时期。

固安捷做什么？

固安捷表示，他们花4年时间研发了国内市场上“深度最深、知识图库最完整”的中台系统。这套系统包含供应商管理系统、供应链管理系统、商品管理系统、客户管理系统和大数据中心，可以实现产品开发管理、供应商管理、客户管理、库存管理全流程数字化，帮助客户用标准化手段整理供应端千万级的产品。

具体来说，在供应端，固安捷中国根据客户的行业和产品的功能，搭建了6层产品结构树，覆盖优质产品宽线，并进一步细化为次级分类和小分类。在数字化供应商管理平台上，可以实现与所有供应商数据交互，实时沟通产品、库存、货期、质量、技术支持、业务结算等。

固安捷称，他们已经建立300万SKU的标准数据库，预计未来三年内，自营产品SKU将新增至1000万，进一步解决客户的长尾需求。

图源：固安捷

在客户端，固安捷表示，他们根据产品应用情景、产品分类体系，搭建了符合B端专业型客户的搜索逻辑，匹配商品画像与客户画像。在客户采购全流程中，可以实现SKU智能推荐、提供备货方案、协助制定采购计划、定期自动化下单、优化库存管理等功能，平均为客户节省了25%以上的采购运营成本。

目前，固安捷累计服务客户超过10万家，涉及生产制造、能源、医药、物流、冶金等领域，包括国家能源、国家电投、航发集团、鞍钢集团、中煤能源、中铁集团、中石油、中国电建、首钢集团、冀中能源等央国企客户；顺丰、大洋电机、博威集团等民企客户；西门子、A.O.史密斯、沙伯基础化工等外企客户。固安捷称，其客户留存率达70%。

央国企客户是固安捷中国的重点服务对象。但央国企采购也有服务难点：招标流程长，准备时间往往需要半年以上；备品库存水平高，周转率低；信息系统标准化难、共享不易。

为此，除了数字化解决方案外，固安捷还提供线下服务，比如“采购全包服务”，为客户完成工业品采购的所有工作。同时，固安捷在线上商城推出API平台，可以实现客户内部系统与固安捷系统的全面对接。

谈及具体客户案例，周艳华提到，他们曾服务国内某石油石化企业。在数字化转型之前，这家企业面临传统MRO采购过程中的高频次、繁琐、单价低的痛点。MRO采购占该客户预算的5%，订单数量占总订单数量的20%，漫长的链条消耗了采购人员30%的时间。而通过固安捷的平台，这家企业的采购管理成本当年就降低25%以上，因为数据清晰，每年成本还可以再降5%。同时，固安捷帮助客户的每个工厂节省了4个人的成本、实现12000个MRO商品的管理、简化了80%的流程、把采购周期缩短了30%、让库存准确度提高到99%、实现100%的交易数字化。

谈及如何与阿里1688、京东企业购、震坤行进行差异化竞争，周艳华表示，首先，固安捷中国是自营平台。区别于京东企业购、震坤行和1688，固安捷更关注大型企业客户内部的采购环节的解决方案、库存解决方案。固安捷在To B领域的经验最丰富，是MRO行业的开拓者，历时4年、融合人工智能技术的数字化中台是他们的核心竞争力。此外，固安捷中国团队曾向固安捷日本公司MonotaRo学习了大中台和千万级商品管理的经验，并本土化运用到自己的内部管理中。

投资逻辑

谈及投资逻辑，创新工场执行董事兼华南区总经理熊昊表示，中国工业品市场规模巨大且亟待整合，具有高效供应链管理及服务能力的工业品平台可以改造行业，提升整体流转效率。同时，固安捷中国的运营指标健康度优于行业水平，包括团队专业化能力、产品能力、数字化中后台、客户服务能力。

招商局创投董事总经理陈浩表示：“固安捷中国团队不仅有跨国公司的工作经验可以复用，同时熟悉中国市场的运作规律，并拥有创业的激情和决心，极具想象力和创造力。”

歌斐资产董事总经理郭峰表示：“固安捷中国团队行业积累深厚，打造了行业领先的产品和供应链管理体系，具备精细化运营能力。深度的数字化系统构建了长期发展壁垒。”

财务顾问多维海拓董事总经理曹芳宁表示：“中国工业品市场仍是一片蓝海，蕴藏巨大机遇。固安捷中国团队深耕中国工业品市场多年，相比传统的一站式采购解决方案提供商，已经率先实现了全流程数字化，是工业品行业数字化的开拓者。”

免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！

不同于市场上已经出现的宝宝树、妈妈网等的信息社群，或者各类垂直母婴用品电商平台，壹零医的特点是基于每个母婴家庭个性化的健康数据，赋能医护人员，来提供个性化的健康服务。基于延续性健康数据记录的医患关系，形成以个人和家庭为中心的O2O专属医护集团服务模式。

据悉，本轮融资资金将主要用于搭建壹零医平台上的“妇幼医生工作室”产品，医生端为布谷医生APP，用户端为布谷妈妈APP。CEO殷晓鹏表示，医生工作室的产品逻辑是帮助提升医生病患管理的效率，同时将医生单位时间的服务价值最大化，从而使得母婴家庭在生命早期1000天的关键时期，获得充分的、专业的、个性化的健康管理支持。

具体来说，平台向医生提供智能随访工具，基于用户的数据标签、妇幼系列健康测评、结构化的健康档案，形成最匹配用户身体状况的医嘱和健康处方，医生只需简单修改即可使用，极大程度提升随访效率，一名医生每天只需要20-60分钟即可完成全部用户的随访，平台上用户数排名前列的一位产科医生，每天可以在60分钟内随访及有效回答1000多位用户的咨询。智能随访工具的知识图谱是基于壹零医过往积累的近百万条医患问答、100余万用户健康、行为数据和专业医疗知识体系形成，目前壹零医母婴人群标签数量已经超过8000个。

上图：布谷医生界面；下图：布谷妈妈界面

6月初，布谷医生APP和布谷妈妈APP已经上线，在自然流量下，布谷医生APP已有2万名医生提交执业医师资格证并开始招募、管理和随访病人，布谷妈妈已经吸引超10万用户家庭注册，日活数超2万名。产品即将在8月底进行迭代升级，随后主动扩大推广。

当前产品对用户家庭免费，根据用户的个性化数据推送电商产品和广告，平台通过电商和广告营利，并支付医生相应服务和咨询费用。

今年突如其来的疫情，给互联网医疗带来了很大的变化。在疫情的影响下，越来越多的医生认识到线上健康管理的重要性，壹零医也在疫情期间联合100位以三甲医院为主的产儿科医护人员，向母婴家庭提供免费咨询问诊服务逾120万人次。

另一方面，疫情防控也让互联网医院提速建设。壹零医目前已经拿到互联网医院资质，形成从院内到院外的诊疗、健康管理、健康服务场景闭环。预计10月底壹零医还将获批药品流通牌照，打通医生线上工作台所需的在线诊疗、咨询、健康管理、处方开具的全部环节。

更值得关注的是，2019年7月起，壹零医已经成为国家卫生健康委员会牵头推行的“互联网+围产营养门诊规范化项目”独家互联网合作平台，为项目提供工具产品和技术支持。经过一年多的发展，团队已经在技术层面多次迭代医学逻辑，搭建完成妊娠糖尿病、多囊卵巢综合征等细分围产逻辑，正在极大赋能围产营养科室的医护人员，数据和结构化诊疗场景，例如将传统的食物交换份问卷替换成智能化的食物数据库，从而更加高效地做好围产营养服务，切实提升母婴健康水平。

在项目内，壹零医围产营养工具已经在79家医院落地应用。CEO殷晓鹏表示，壹零医围产营养工具计划向更多项目外的医院进行推广，目前已收到数百家医院的付费意向，集中在民营医院和基层医院。

目前，壹零医已经聚集了超过200万母婴家庭，平台单月广告及电商营收超过1000万元，7月营收已经达到去年12月的五倍之多。

免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！

最终，自动驾驶赛道的Faster&Better团队和创新赛道的方仔照相馆团队最终共同夺得总冠军。这也是DeeCamp自举办以来的首次“双冠军”，两支总冠军队伍各获得10万元奖励。其余四个项目获得各赛道冠军。

DeeCamp2020总冠军答辩暨结营典礼现场

对于DeeCamp首次评选出“双冠军”，评委之一、创新工场董事长兼CEO李开复表示，“这两个项目评委打分相同，难分伯仲。‘Faster&Better’团队的技术让人震撼，团队解决了潜在的很大问题，因为如果以后车都是无人驾驶，服务器的负荷量会有多大，团队能做到这一点有很深的技术力量，尤其是一批学生做出来，这个项目是技术取胜。这说明在今天，黑科技创业的空间仍然存在。而‘方仔照相馆’团队则以商业取胜，让我们惊讶于积木居然可以与AI结合。他们的“方头仔”产品让人充满购买欲望，几乎是一项可以直接拿到融资的项目。“我们认为这两个组，任何一个单独夺冠，都不能完整表达DeeCamp代表的精神，所以最终决定评选出两个总冠军。”

DeeCamp2020入围总决赛的6大团队

李开复强调，DeeCamp的初衷是用AI技术解决真实世界的问题，最顶级的技术未必会产生最大的商业价值，和传统产业结合才能释放AI潜力。大家一定要理解产业，找到真实场景中落地机会。

DeeCamp人工智能训练营是一项面向全球大学生的公益项目，专注培养应用型AI人才。创新工场人工智能工程院执行院长王咏刚表示，DeeCamp是一个为学生服务、充分发挥学生自主精神的人工智能训练营，鼓励所有来到DeeCamp的同学进行一段自我驱动的AI学习实践之旅。

DeeCamp2020有 200余位学员入选，他们来自清华大学、北京大学、中国科学院大学、南京大学、北京航空航天大学、复旦大学、中国人民大学等44所国内高校，以及卡内基梅隆大学、麻省理工学院、牛津大学、康奈尔大学等30所海外高校，分布在86个国内城市及北美和欧洲的17个海外城市。

DeeCamp2020 五个赛道分别是：

•教育赛道：AI 驱动的教育新工具和新方法

•医疗赛道：用 AI 应对医疗和公共卫生领域的新挑战

•创新赛道：人工智能的创新思考与前沿设计

•商业赛道：AI 赋能的商业决策与商业流程优化

•自动驾驶赛道：自动驾驶的技术突破与前沿创新

两支并列总冠军

总冠军：Faster&Better

所属赛道：自动驾驶的技术突破与前沿设计

挑战赛题：算符算力约束下的无人驾驶车辆检测

自动驾驶是人工智能中最具挑战、最具有应用前景的方向之一。对于需要大规模落地量产的车辆检测场景，神经网络模型只能在较为廉价的芯片上运行，这为检测模型的效率带来了巨大挑战和约束。

数据分析：标注可视化

Faster&Better团队在满足严格算符算力的约束下，设计了一种极为高效的anchor-free车辆检测模型。该模型采用了backbone、后处理策略，将物体看作点，使用轻量的head来预测物体位置、类别和bounding box，在保障性能的同时大幅提升了速度。

Faster&Better团队对项目的商业价值也进行了思考。该车辆检测模型能够很容易地部署在低成本的芯片上，实现产品的落地，带来商业回报。模型迭代速度快，可以使用更低的功耗训练和维护。模型精度高，能够为无人系统的安全性和稳定性保驾护航。

未来，该车辆检测模型也有广阔的应用空间。一是可以部署到行车记录仪等传统硬件上，使其智能化，具备行车预警功能；二是可以部署到安防监控中，使用模型自动过滤筛选，将视频中有车辆的场景加以保存，节省存储空间，也节省人员回放视频的时间。

总冠军：方仔照相馆BrickMeStudio

所属赛道：人工智能的创新思考与前沿设计

挑战赛题：自动积木建模

AI+积木？听起来如此跨界的两件事，会有什么奇妙的组合？

来自北京航空航天大学、清华大学、香港中文大学、奥地利科学技术研究所的同学们组成的“方仔照相馆”团队，用AI玩转积木，为创意插上了翅膀。

他们打造了一个AI积木创作平台“方仔照相馆”，只需通过简单上传一张头像照片，就可以生成个性化定制的方头仔玩偶头像。在未来，在网上一键下单，百变趣味的方头仔就可以邮送到家。

李开复博士定制款“方头仔”

怎么实现呢？他们先根据输入的图像，抽取特征向量，比如发型、刘海、胡子、眼睛、下巴、肤色、上衣款式、衣服图案、鞋子颜色、手的摆放、裤子纹理等，匹配相应的积木零件，然后生成积木模型和拼装步骤。

“方仔照相馆”团队希望将自己对积木的热情，传递给更多人。积木不只是孩子们的玩具，更是创造力的源泉，“AI时代，更要注重创造力培养”。

四支各赛道冠军

教育赛道冠军：Teched U

所属赛道：用AI驱动的教育新工具和新方法

挑战赛题：网络公开课聚类、检索、评价和推荐工具

在线教育是未来趋势，但录播课的用户体验不佳。大量的录播课仅将一段长视频从线下直接搬运到线上，难以避免冗余重复，造成学生积极性差、完课率低等问题。

来自卡内基梅隆大学和沃顿商学院的同学组成了Teched U团队，希望用AI技术赋能在线教育。他们通过自研原创神经网络 TopicNet，实现长视频切割、大纲提取、知识搜索三项功能。

通过视频切割，寻找知识结构断点，可以将一小时的教育视频切割成5-10分钟的短视频，让用户利用碎片化时间学习；通过大纲提取，借助整理好的知识大纲进行跳转，让用户快速了解知识内容的结构；通过知识搜索，可以精确寻找到相关视频和精确到秒的视频跳转位置。

目前，在线教育巨头主要通过人工标注做视频切分，但对于缺乏人才和技术的中小型在线公司，这项低成本的视频切割自动标注技术，可以帮助他们丰富视频内容，实现精准推荐，从而提升用户体验和转化率。

医疗赛道冠军：心灵捕手

所属赛道：用AI应对医疗和公共卫生领域的新挑战

挑战赛题：通过深度学习识别生物电信号

在DeeCamp，AI+医疗也可以大显身手！

由“心灵捕手”小组带来的“听医声AI 诊断专家”项目，是本届DeeCamp项目中唯一一个软硬结合的项目。硬件制作、小程序设计开发等工作，全部是在DeeCamp期间用两个月的时间完成。

创新工场董事长兼CEO李开复博士体验“听医声”AI诊断专家

“听医声”AI诊断专家通过电子听诊器采集心音、呼吸音、脉搏，并将电子化的信号传递给微信小程序及后台云端分析系统，进行定量分析判断用户的健康状况，实现健康监护、疾病预警、辅助诊断。若检测到身体异样，可自动推荐附近的医院。未来，“听医声”既可以辅助医生做疾病早期筛查、健康监测，也可以用在留守老人监护、残疾人健康关爱等领域。

李开复博士检测结果

值得一提的是，“听医声”的脉搏波数据集，通过与医院、诊所、体检中心等工作单位合作，共采集了6000余例由中医专家标定的脉象数据，把专家经验转化为临床诊断量化标准，实现了中医问诊的客观化、信息化。

创新赛道冠军：AI科幻世界

所属赛道：人工智能的创新思考与前沿设计

挑战赛题：科幻小说自动/辅助生成

你能想象一个AI构建的科幻世界吗？在DeeCamp2020，AI正在创造一个全新的写作时代。

来自中科院、美国乔治梅森大学等高校的五位同学组成的“AI科幻世界”团队，基于Open AI 的GPT-2模型，在百亿级中文大规模语料上重新训练，打造了一位神奇的“AI科幻小说作家”。

这位“科幻作家”，可以根据设定好的故事主线、人物角色等，交互式生成科幻小说内容，不仅可以遣词造句，还可以创作构思，让普通人也可以化身“科幻文学大咖”。

科幻小说自动/辅助生成界面

“AI科幻世界”团队在开发的过程中，借鉴作家创作小说的过程，受到认知心理学和文学理论启发，提出情节大纲主导的、人机协同写作的范式：用户输入第一句，机器输出多个人称一致、语句连贯、逻辑合理的下一句话候选，由用户做筛选和修改，不断重复形成情节闭环。

在人机协同的半自动模式下，AI科幻世界写作故事大纲的速度每分钟可达50-100字。而在无人干预的全自动模式下，可以在1秒钟之内写出一个曲折动人的两千字故事，揭开了创作的神秘面纱。

未来，科幻小说自动/辅助生成可以应用在商业传播场景中，提升内容的广度和个性化，兼顾精准分发下的用户需求和内容质量，满足企业对海量信息的搜集、分析、筛选、整理和发布需求。

商业赛道冠军：“Non-pretrain”

所属赛道：AI 赋能的商业决策与商业流程优化

挑战赛题：人工智能在量化交易和投资中的决策辅助

量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略。

来自南京大学、复旦大学的“Non-pretrain”团队，针对外汇量化交易的历史数据，提出了一种数据依赖的相似性度量方法。对每一个分类，分别使用所提出的层次注意力LSTM模型对未来汇率进行预测。最后对多个类的预测结果进行集成，并结合挖掘出来的典型pattern制定交易策略。

免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！

李开复表示，中国对于想进入中国的外国互联网公司需要如何符合法律法规，描述的非常清楚。美国处理TikTok并没有给出需要做什么才能继续运营，对于美国对它的控诉也没有提出任何证据。这些都是和谷歌不可比，更是不可思议的。

李开复曾是谷歌全球副总裁、大中华区总裁，2005年7月谷歌宣布将在中国设立产品研发中心，李开复即负责其中国研发中心的运营，直到2009年离开谷歌中国，并于2009年创立创新工场。

以下为李开复发文全文：

谷歌退出的时候，我已经离开了。不过环境和规则是很清楚的：1）中国对于想进入中国的外国互联网公司需要如何符合法律法规，描述的非常清楚（合资公司、ICP证、服务器在中国、内容等）。愿意守这些法律法规的可以申请。谷歌就是这样进来了。2）当谷歌后来觉得不愿意守这些法律的时候，它就决定退出了。3）美国处理TikTok并没有给出需要做什么才能继续运营，对于美国对它的控诉也没有提出任何证据，强迫收购+只给45天+还要收中间费，这些都是和谷歌不可比，更是不可思议的。

免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！

从之前的“AI+”到现在的“+AI”，二者有何区别？李开复表示，“AI+”是以AI为核心，工程师、科学家主导寻找商业机会。而“+AI”是以传统公司为主导，AI赋能传统行业产生价值。

李开复认为：”再过五年，我相信AI会进入下一阶段——无处不在。AI应用会变得越来越简单，传统公司也能够用更简单、更接地气模式把AI引入公司。“

李开复强调，互联网和AI有很大的差别，互联网能够形成巨大平台，而AI更多是一项伟大技术，它将赋能给已有平台。AI自身到底会不会产生一个平台？我不是那么乐观。因此，AI+会继续有价值，但+AI却是体量更大、对社会经济贡献更大的方向。

具体而言，李开复表示，传统行业+AI，可以通过四个方式：单一环节降本提效、单一环节优化赋能、流程智能化赋能、重构整个行业规则。

以下是李开复主题演讲全文：

大家好，很高兴参加世界人工智能大会，我的演讲主题是《从AI+到+AI：以技术重构中国经济》。

当年互联网飞速发展引发产业变革时，关于“互联网+”和“+互联网”的探讨层出不穷。大家一定听过一个辩论：互联网到底未来是怎么样？是互联网+传统企业、还是以传统企业+互联网？

从2012年到今天，最终互联网＋和＋互联网两者是融合的。而如今人工智能技术也到了和产业深度融合的时候，究竟是“AI+”，即用AI加上传统行业？还是“+AI”，即用传统行业加上AI？虽然最终二者也会融合，但这个过程会一样吗？

过去几年，AI的发展有一个巨大转型，从技术驱动变成商业驱动，产业化和商业化速度越来越快。

比如最近的Transformer技术，从论文刊出到遍地开花的应用产生，仅花了2年，就走完了卷积神经网络(CNN)当年走了30年的路径。

实现加速的原因有四个：一是软件工具的进步，深度学习框架迅速成熟；二是硬件加速，变得更容易使用；三是云计算等技术让AI算法的实施与部署成本大幅降低；四是AI人才大量出现。

这几个因素，把我们从AI+的时代推到了+AI的时代。

AI+和+AI区别是什么？在AI+时代，AI公司是以技术为主，以天才科学家为核心创业。这类公司非常少，毕竟懂的AI的科学家有限，他们被资本追捧，成为第一批AI公司。

四五年前，随着懂AI的人才越来越多，工具也越来越普及，所以更多传统公司开始思考该怎么融入AI。因此我们逐渐进入+AI时代，即传统公司主导的AI应用。

当然，再过五年，我相信AI会进入下一阶段——无处不在。AI应用会变得越来越简单，传统公司也能够用更简单、更接地气模式把AI引入公司，就像今天IT状态是一样的。

我们可以看到几个更具体的例子：AI+公司早期以语音、视觉、芯片方面为主。而+AI公司则聚焦在零售、金融、制造、交通、能源等领域，比如说文远知行和广州白云出租车公司的合作。

据普华永道（PWC）预测，人工智能在2030年将给世界带来100万亿人民币的经济价值，这些价值将主要由传统企业+AI的模式创造。

为什么传统企业+AI可以创造这么大的价值？有几个重要的理由：

第一，传统行业体量大，新增价值更显规模化效应。例如一家银行或一家造车公司，如果AI可以帮助它提升3%、5%的效率，产生的价值就已经很巨大了。

第二，传统公司积淀深、门槛高。AI从业者可能认为技术门槛是最高的，但其实正如前面所说，AI的门槛已经在逐渐降低。现在，一家银行想融入AI变得相对容易，但AI公司想做一家银行是非常困难的。

第三，传统行业能带动技术升级的生态链裂变。传统行业已经形成规模化的上下游生态，技术变革将牵动整个生态链价值提升，带来裂变效应。

第四，传统公司转型需求各异，定制化程度高。AI虽然强大，但普及性有限，目前并没有AI能成为一个平台直接拿来使用。每一家企业都需要根据自身需求进行相当高程度的定制化，比如，有些独特的数据需要收集、清理，有的公司可能要增加更多传感器。

所以，互联网和AI有很大的差别，互联网能够形成巨大平台，而AI更多是一项伟大技术，它将赋能给已有平台。AI自身到底会不会产生一个平台？我不是那么乐观。因此，AI+会继续有价值，但+AI却是体量更大、对社会经济贡献更大的方向。

现阶段什么样的传统企业需要考虑+AI？我有三个建议：

第一，公司是成长型的，现在需要扩张或者降低成本，有自身发展的商业需求。

第二，公司要有足够结构化和海量的数据，而且必须和商业指标相关，与AI结合能创造商业价值。

第三，公司拥有富有远见且勇于求变的CEO，有积极拥抱变化的文化，相信AI赋能和技术转型。

具体而言，传统行业引入AI，可以从四个方面产生价值：

第一，+AI单一环节降本提效，用AI省钱；第二，+AI单一环节优化赋能，用AI简单替代某个环节；第三，+AI流程智能化赋能，用AI改造公司比较重要的流程；第四，+AI重构整个行业规则。

我们今天看到的案例更多是属于前三个方面，这也是比较经典的传统企业+AI模式。

# +AI单一环节降本提效

创新工场的子公司创新奇智做了很多产品：

服装产线质检。用机器视觉检测服装的尺寸或破损问题，检测精度高达99.99%，比之前有7倍的效率提升。

零售陈列质量监控。用AI查看商品在货架上的陈列情况是否合规，帮助品牌主做AI智慧赋能，可以做到秒回结果，识别准确率高达98%以上。

电机零件组装质检。用AI检测生产过程，看零件里面有没有瑕疵，比如发动机的正时点位是否对齐，1秒就可以出结果，检测精度高达99.99%。

铁水补料智能监控。使用智能方法实时监测铁水生产过程是否存在空烧现象，提醒工人补料，大规模节约耗电量

# +AI 单一环节优化赋能

举一个金融行业的例子。创新工场人工智能工程院做了这样一个实验：帮助一家非常大的贷款公司，用AI改善贷款审查，将违约率降低了14％，节省了数千万美元。

# +AI 流程智能化赋能

比如零售业的智慧运营。用AI帮助商店预测商品销量，降低缺货率，让库存变得更智能化，同时对接物流、仓储、制造等环节，从而轻松知道每一个产品应该生产多少，存放多少，送到什么地方存，什么时候卖完，什么时候需要补货，甚至放在商场什么位置可以优化销售等等。

# +AI 重构整个行业规则

医疗领域是典型的例子。我们投资了一家AI制药公司，利用生成化学和对抗神经网络技术，寻找最合适的小分子，优化药物发现和生产顺序，提升通过临床实验的概率，大幅加速新药小分子研发，让药物发现阶段的研发速度提升5倍，而该阶段的研发费用能降低3-5倍。

创新工场在人工智能方面总共投资了40多家创业公司，最近也发现越来越多AI公司必须要落地，以便能够对接传统公司，与传统公司合作才能创造最大价值。

今天中国面临非常重要一个时刻，传统行业面临很多挑战，特别需要降本增效。

作为世界的制造大国，我们现在面临着人力成本越来越高、生产力和效率不足、人口与全要素生产率下降的问题，使得中小企业生存不易。

我们虽然有发达的前端，消费者界面的效率得以大幅提高，但后端依然落后，效率欠缺，与发达的前端极不匹配。

还有很多线下商业业态落后，中国目前仍然有700万家传统夫妻店。很多传统行业亟待提升效率，比如教育、医疗，而人工智能可以做到。

所以从整个产业发展的角度来说，过去10年巨大的价值创造，主要来源于前端创新。而未来10年，我们看到的最大机会是传统行业的效率提升，+AI赋能。这也是我们投资最看好的方向。

此外，还有两个因素让我们看好+AI。第一，新冠肺炎疫情虽然对世界是个灾难，但它实际改变了我们的使用习惯，让更多的业务从线下转移到线上、更加数据化，加速了AI的落地。

第二，新基建。传统企业拥抱AI，需要在计算、通讯、数据方面都有非常好的基础。如果想实现+AI，数据中心、5G、IOT、大数据都是非常重要的基础设施。

所以， 我相信，+AI在新基建之下，能够实现数据化、IT化、云端化的一步到位，对重构、提升中国经济将扮演一个重要的角色。

免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！

如果有类似新病毒来袭，AI会更给力

2020年开年，新冠肺炎疫情成了全人类最大的挑战，无数产业发展面临多方面的不确定性。在科技领域，AI的能力和应用，也面临着现实的巨大考验。过去几年行业的探索和投入，会得到验证。

如今，国内疫情趋于稳定，回顾疫情中AI的发挥，是否达到了预期？

“此次AI在疫情的防御、预测、跟踪等方面的表现可以打75分。AI是靠数据、多次重复性的事件来训练的，面对疫情很难提前做好准备。但还是出现了一些不错的应用，比如AI测温、AI机器人运送物品、AI诊断等。未来如果有类似的新病毒来袭，我想人类会准备得更好，AI也会更给力。”

他认为，此次AI更重要的不是针对疫情的直接贡献，而是在抗击疫情的过程中，社会中产生了AI化的用户习惯和数据累积，以及AI的潜力被进一步挖掘。疫情成为提升全球AI发展的催化剂。

李开复强调了高科技投资的重要性。疫情之下，很多公司都面临大的挑战，比如酒店旅游、餐饮等线下行业，但是二级市场的高科技公司都是非常稳健的，甚至在创新高。

“真正优质的高科技公司比较能抗经济周期，具有相当大的优势。未来如何培养更多具有竞争力的高科技企业，也是我们的关注焦点。”

瓶颈不在于技术 传统行业仅4%拥抱AI

“AI技术在快速主流化，那些已经被发明的或者即将被发明的技术，会非常快速地进入商业化的进程。”

在谈到AI的瓶颈时，李开复认为现在技术已经不是瓶颈了，当下AI的瓶颈在于传统企业如何被唤醒，认识到AI的重要性，找到合适的切入点，并获取商机。“传统企业首先需要用AI，第二学会怎么用AI，第三把AI用在最到位的地方，让其能像滚雪球一样循环起来。”

目前，互联网行业AI化越来越普及，但在更传统的行业，只有4%的企业拥抱了AI。“AI未来的瓶颈，是传统行业要认知自己，切实拥抱AI赋能，进行转型升级。”

普华永道预测2030年 AI在全世界能创造100万亿元的价值。而传统创业融合AI将创造最大的价值。当前的中国传统行业，存在着前后端效率极不匹配的状况，落后的后端存在着降本提效的巨大空间，而AI则是将这些传统的经典场景进行升级改造的最佳工具之一。

“对整个传统行业，AI带来的格局不仅是被用在哪些场景里，而是能够帮助最有先见最有胆识的公司，最早给自己建立更有效率的运营体系，增加市场份额，成为行业的领跑者，改变整个行业的格局。 ”

李开复预测，这一次的疫情，会让企业数字化改造的过程，由原来可能要花费的四五年时间，缩短到可能一两年就可以达到，所以AI的应用会被加速。

资本不再看好豪赌模式 AI人才已不稀缺

谈到当下的创业和投资趋势， 李开复表示，投资人会更重视那些在传统商业价值体现指标上表现更好的公司。而融钱烧钱做 to C应用的公司，以及先不考虑商业模型、模式，等累积了足够的用户再说的公司，现在在全世界都是受到质疑的。

一方面，国内人口红利期已过；另一方面，不是每一个行业都可以用烧钱烧出来。任何的公司可能现在想融资都得回答问题：你什么时候会有收入和扩张，什么时候会有利润，你有没有足够的现金流自己可以活下去。

现在的投资形势与5年前的投资形势有比较大的不同。李开复提到，早期的AI行业，和跟移动、O2O行业，都是很多人愿意砸大钱进去。但理由不一样。后者基于人口红利、巨头位置的空缺，但是现在大家也要调整心态了。

而5年前的AI领域，基于AI顶级人才的稀缺性和关键性，很多AI公司更多在比拼博士数量、能力、论文、比赛等，有的企业甚至第一轮融资就能有上亿美金的估值。如今这样的优势不再，一方面，世界上已经有上千万个工程师可以做AI，知道怎么去应用AI了；另一方面，谷歌、百度、腾讯、阿里等公司提供了开源或者更好用的AI平台。

AI创业进入应用期和成熟期 现在需要务实

在创业方面，李开复认为，AI创业已经走过黑科技发明期，进入到了遍地开花的应用期。黑科技的一批技术牛人出来做前所未有的东西，这个创业空间永远是存在的，但只是极少数。在一些还没有普及的领域，类似医疗领域的行业级应用的潜在创业机会也会存在。

此外，他提到，AI赋能和创造价值的独角兽，一定会变得更多。但它们可能不会是单一的AI独角兽，甚至都不会自称为AI公司了，可能是零售公司、制造公司、企业级软件公司等，它们做的东西没有AI是做不好的，更多是把AI赋能应用到产品中。

但是纯粹的AI公司，比如旷视、商汤、创新奇智，数量不会涨那么快，因为AI普及了，且AI主要的价值是赋能行业应用，而不是独立成为一个平台。

“不是说AI不可以成为一个平台，而是业界不会有100个AI平台。”

“AI的创业进入了一个应用期跟成熟期，所以现在的创业跟过去5年是完全不一样的。”李开复表示，现在得务实，得有健康的心态。

以下为采访新浪科技专访李开复QA（略经编辑）：

　　一、 新浪科技：您认为这次疫情中AI的表现如何？ 可以打多少分？

　　李开复：总体来说，此次AI在疫情的防御、预测、跟踪等方面的表现可以打75分。人工智能是靠数据、多次重复性的事件来训练的，面对疫情很难提前做好准备。但还是出现了一些不错的应用，比如AI测温、AI机器人运送物品、AI诊断等，如果未来有类似的新病毒来袭，我想人类会准备得更好，AI也会更给力。

AI更重要的不是针对健康、医疗、疫情的直接贡献，而是在抗击疫情的过程中，社会中产生了什么样的用户习惯和数据累积，以及AI潜力，比如线上办公、上课等。

用户习惯形成之后，会逼着企业自动化、AI化、数字化、软件化、线上化其工作流程，从而形成数据，AI就能产生价值。

数据的雪球越滚越大，AI的能力经过多领域的融合也越做越强。无论是线上教育，还是其他方面，国内是继续领先全球的。这次，欧美国家也开始有一些动作，比如网上点餐、线上教育等，疫情也是提升全球（AI发展）的催化剂。

二、 新浪科技：疫情为AI技术带来了哪些挑战？

　　李开复：AI技术在快速地传播，快速主流化。越来越多程序员学会了怎么用AI，哪怕是最前沿的技术，也能够在两年之内就普及化、产品化。而且不是说谷歌发明了一个技术，谷歌两年就把它产品化了，而是谷歌发明了技术、写了论文，然后所有的公司，亚马逊、腾讯、阿里都可以把它产品化。

我不认为有什么技术的瓶颈。那些已经被发明的或者即将被发明的技术，会非常快速地进入商业化的过程。

因为现在工具已经越来越好用了，无论是硬件还是软件的工具，速度越来越快地在提升，具有软件+AI能力的工程师也越来越多了。

AI普及化的瓶颈，一定不在于工程师也不在于科学家了。瓶颈会在于传统企业如何能够被唤醒，知道AI的重要性，找到合适的人帮他找AI的切入点，通过AI的赋能来获取巨大的商机和盈利。这个现在是瓶颈。

互联网行业，基本每个App每家公司都有AI的人员，金融、保险、银行也越来越多在自己做（AI），但是更传统的行业，比如挖矿、制造、房地产、医疗等领域里面，大老板们对AI的认知了解，都还在一个比较初步的状态，只有4%的传统企业拥抱了AI。那96%怎么快速找到合适的地方去用AI？

而且AI很容易用错，比如一些酒店全部用机器人来服务，这就是想太多了，机器人送东西到房间可以，但是AI做礼宾肯定是不行的。还有可能还不知道AI用在什么地方。AI不是他们所想的，要做成像人一样的东西，纯粹的大数据、AI价值也很多，很多人不太了解。

有些初步了解了，开始去做，但可能没有合适的团队，要去外部找产品，而大部分行业还没有AI的产品。然后他们去找咨询顾问公司，这可能是一个道路，但是这些咨询顾问公司他们只看是否有钱赚，未必能帮你找最好的（AI）应用。

还有很多公司，就算有意愿来做，但是没有数据，或者数据很不干净。清理数据要花巨大的钱，有时候做好AI的实施，所花的钱大部分在数据的清理，但是清理完数据之后，又发现AI用处不大，很可惜和浪费。

综合这些理由，我觉得AI的实施、普及的瓶颈肯定是怎么进入传统行业。

三、 新浪科技：对AI在未来几年的发展有何新的预测？

　　李开复：在经济有挑战的情形之下，很多公司都会想着节源。在一个公司发展得很好的时候，用AI来取代一些重复性的简单工作，可能听起来是一个可有可无的东西，刚开始可能也省不了太多钱，还会有争议，所以很多老板都会延后一下。此次疫情加速AI落地，会让一些企业看到AI越来越实用，更接地气。

我预测这一次的疫情，会让企业数字化改造的过程，由原来可能要花费的四五年时间，缩短到可能一两年就可以达到，所以AI的应用会被加速。

四、 新浪科技：受疫情影响，今年的投资市场会有哪些新的机会？

　　李开复：宏观来说，就是高科技公司重要性进一步凸显。现在很多公司都面临大的挑战，比如酒店旅游、餐饮等线下行业，但是二级市场的高科技公司都是非常稳健的，甚至在创新高。

真正优质的高科技公司比较能抗经济周期，具有相当大的优势。未来如何培养更多具有竞争力的高科技企业，也是我们的关注焦点。

因为刚才讲的种种理由，让高科技更快地被使用，而且在各个场景、传统行业都需要高科技。过去，教育、医疗行业不见得会考虑远程医疗、教育，现在开始用了，高科技（行业）肯定是加速（发展）了。

对AI来说是一个更大的利好。AI能产生最大经济价值的应用，应该就在节省成本、提高效率这两件事情上面。所以在现在的经济状况里，更多的公司会需要用这些技术。当然技术是利好，线上是利好，AI是利好。

五、 新浪科技：作为投资人，您怎么看AI公司烧钱的现象和问题？

　　李开复：现在确实在创业跟投资方面，投资人会更重视那些在传统商业价值体现指标上表现更好的公司。也就是说，那些融钱烧钱做 to C应用的公司，那些先不考虑商业模型、模式，等累积了足够的用户再说的公司，现在在全世界都是受到质疑的。

受到质疑可能有几个原因。

第一是过去10年更多的人上网，是巨大的人口红利。以中国为例，从移动互联网开始的几千万个用户，到现在八九个亿用户，十多年来20倍的成长带来的人口红利是可以发展to C应用的。应用做得好，更多用户涌上来，如果你能成为行业第一，尤其一个平台性的公司，比如美团这样的公司，是可以创造非常大的价值的。

但现在人口红利期已经过了，基本上，上网的人已经饱和了，所以这一类的to C模式就不会再有一个顺风的优势了。

第二是，不是每一个行业都可以用巨大的钱把它砸出来。

我们最近也看到了，比如很多传统行业，你用to C的模式去砸钱，无论是在国内卖咖啡的，或者是在国外做共享办公的，或者是在印度做新模式的酒店的，都是用这种to C的模式去砸传统行业。最后可能会发现也不是那么容易，因为传统行业的获客成本跟维护成本等，和在线上是不一样的，很重了。所以这可能是第二个问题，当然也有一些公司、投资基金用海量的钱去砸这些领域，但是也并没有得到正面的结果。

现在疫情（影响），钱也紧了，大家也希望对投资有更稳妥的保障了，所以这种比较豪赌的、海量的、烧钱的模式现在肯定是不被看好的。

任何的公司可能现在想融资都得回答问题：你什么时候会有收入和扩张，什么时候会有利润，你有没有足够的现金流自己可以活下去。因为在一个很大挑战的融资环境里面，即便你是有一个不错的公司和业务，以及未来的愿景和机会，但是你每年烧钱烧太多了，到最后，还没有融到下一轮，钱已经花光了，你也会被逼得要解散。

所以现金流的管理，还有尽快建立一个正向现金流的过程、利润的产生，这其实是过去一年多就很清楚的一个趋势了，但是疫情之后就变成一个几乎绝对的事件了。有些创业者可能没有那么快地扭转他们的思维，可能就会面临一些困境。

六、 新浪科技：现在的投资形势与5年前的投资形势有哪些比较大的不同？

　　李开复：AI的早期跟移动、O2O的早期，都是很多人愿意砸大钱进去，但理由是不一样的。

我觉得移动、O2O是因为大家看到了这是一个新的平台，而且没有那么多巨头已经占了位置，而且有人口红利，所以大家当时投资，无论是投头条，还是滴滴、美团、知乎这一类的公司，都是抱着很大的风险，可能九死一生的风险，看能不能砸出一个百倍千倍回报的公司来，如果投一家做不了，投10家20家，总能成一家吧，是抱着这样的心态，但现在人口红利已经过去了，所以大家也要调整心态了。

从AI公司来说，5年前，大家拼命地去找谁的博士最多、谁的博士最牛、谁的论文最多、谁的比赛得了第一名，可能靠这个，第一轮融资就能有上亿美金的估值，这是基于一个不同的因素。这个因素是AI顶级人才的稀缺性，而且没有这些顶级人才，谁也别想把AI用好，是基于这两件事情。

所以如果你说我有三个顶级的从百度出来的AI专家，或者50个AI博士，这个投资人就给你钱，也是合理的，因为这个资源是非常稀缺的，但这个现在也不成立了。

它不成立的理由，是因为现在不是说世界上有几百个顶级的AI专家可以做AI了，而是世界上已经有几百万、上千万个工程师可以做AI，知道怎么去应用AI了。

现在，当时那些博士的稀缺性优势已经不存在了，而且现在有很多好的平台，谷歌的平台，国内百度的平台，腾讯、阿里的云……别人做了平台，你拿来用AI就可以了。这件事情与5年前是不可相比的。

所以，现在如果你再说我有三个顶级公司出来的AI科学家，我要1亿美元估值，现在是拿不到的，因为刚才这个原因。

这几种创业，现在都不会有那么虚高的估值，但理由是不一样的。

现在你做个AI公司，也会有人问你什么时候能有产品？什么时候能有一个proof of concept？什么时候能有第一个客户？什么时候可以扩张？什么时候可以有收入？哪一年能有利润？而且现在科创板开了一个新的窗口，对利润还是有一点期待的。

当然，这些其实也是让AI公司更务实了，都是好事。

但是当年的这种狂热，博士资源的稀缺性，我觉得也是有其道理的，可是现在没有。

七、 新浪科技：AI是一个非常大的赛道了，您觉得现在该领域创业或投资的最大机会在哪里？

　　李开复：我觉得有几种。那种黑科技的一批技术牛人出来做前所未有的东西，这个空间永远是存在的。

但在AI领域里，这个窗口已经有点常（态）化，三五年前只要是个名校的PHD出来，总有人给你投钱的，这个以后不会这么简单了。因为刚才讲的各种理由。

但是我觉得黑科技的顶级技术型创业还是存在的，但是会是很小的少数。

行业级应用（的创业）也会存在的。行业级应用把AI用在一些非常快速看到价值的领域，也一定是一个现在还没有普及的领域，现在AI应用在互联网、银行保险公司已经相当普及了，再去做这些领域可能会有点难。

但医疗是个相当好的领域，因为就在最近，数据累积起来，而且现在药保医保都在推进，医院、药厂都在重新思考怎么进入一个数字化的更有效率的行业，所以我觉得医疗会是一个好的领域，可能是最好的领域。

还有其他的领域，行业应用是有一点悖论的，就是越辛苦越难的，反而是越好的机会。那些看起来AI一进去，三两个礼拜就创造了巨大的价值。这些恐怕轮不到一个创业公司来做。如果这么容易的话，可能在某一个云平台上就做成了，或者公司自己找人来做。

我觉得不要再去想说下一个“人脸识别”是什么，我能靠一个技术打开好多市场，然后拿到各种的订单，非常容易地扩张了生意。这么好的事情可能不会存在。

要不你有很大的技术优势，要不就是一个你很懂某一个行业把它做得很深，要不去找那些很麻烦很辛苦，巨头不想进入的行业。

因为AI的创业期是进入了一个应用期跟成熟期，所以现在的创业跟过去5年是完全不一样的。

八、 新浪科技：现在AI领域创业是否比以前更难了？

　　李开复：也不是这么说，因为如果我们相信普华永道说2030年 AI在全世界能创造100万亿元的价值，现在还远远没有体现，所以AI的机会还是很充分的。

可是我们得务实。过去你认为就凭博士和科研的能力，就可以撬动一切，因为这是一个稀缺的资源，这个时代是过去了，但是今天要再创造出十家“旷视”出来，我觉得是很困难。

未来5年的市场可能会比过去5年AI的市场要大很多，但是创业的方式可能更多的是一个行业应用，或者是AI赋能。只有非常少比例的黑科技。所以作为一个AI专家，你考虑创业的时候，更多就在考虑怎么找到一个好的行业专家，搭配起来能把事情做好，甚至是他为主，我为辅，如果有这样的健康心态的AI专家，他的机会是更多的。

如果 AI专家就说，汤晓鸥能做我能做，印奇能做我也能做，他就是没有看清楚，其实这个时代已经不一样了。

九、新浪科技：目前国内AI领域有近20家独角兽公司，您觉得未来这个规模还会增大吗？

　　李开复：我觉得AI赋能和创造价值的独角兽，一定会变得更多。但是它们可能不会是单一的AI独角兽，它们甚至可能都不会自称为AI公司了，可能是零售公司、制造公司、企业级软件公司等，它们做的东西没有AI是做不好的，但是更多是把AI赋能应用到产品中。

比如今天的阿里、腾讯，如果没有AI，可能公司价值要打个折扣。或者是头条（字节跳动），它其实从创立的第一天，就用AI来推送适合个人的信息，这是它的重点。但大部分人也不会说头条是个AI公司。

所以我觉得说类似头条这么聪明地使用AI的公司，在未来十年会越来越多出现在传统行业。传统行业也可能会有公司把AI用得更好，也可能是一个创业公司。

这样的AI公司数量会大大提升，但是如果算纯AI公司，像旷视、商汤、创新奇智这样的，数量不会涨那么快，因为AI普及了，而且AI主要的价值是赋能在行业应用上，而不是独立成为一个平台。不是说AI不可以成为一个平台，而是业界不会有100个AI平台。

十、新浪科技：今年WAIC的主题是“智联世界 共同家园”，您觉得人工智能是如何推动共同家园建设的？

　　李开复：整个疫情给全世界带来了很多改变和挑战，但也带来了很多机会。

围绕新基建，尤其是人工智能的机会是存在的，比如数字化、AI化，大家需要降本增效，AI最大的功能就是帮着降本增效。

AI未来的瓶颈，不是在科技的发展，或者工程师不够，而是传统行业要认知自己。首先需要用AI，第二学会怎么用AI，第三把它用在最到位的地方，让其能像滚雪球一样循环起来。

对整个传统行业，AI带来的格局不仅是被用在哪些场景里，而是能够帮助最有先见最有胆识的公司，最早给自己建立更有效率的运营体系，增加市场份额，成为行业的领跑者，改变整个行业的格局。

我也认为有一些特定的领域，AI可能会颠覆过去的做法，让一个全新的模式，取代传统的模式。比如AI制药是一个例子，还有很多这类的。全世界都有机会在行业格局要面临很大提升和改变的时候，能够尽快利用AI这个很好的工具，让自己在变革中胜出。

免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！

墨群由微软总部研究院前主管研究员王嘉平创办，致力于以分布式计算技术为基础的新一代计算基础设施的研发构建及其互联网层面应用，墨群区块链引擎及其编程语言将于近期发布并公开测试，墨群也将同步研发支持分布式计算应用的全谱系支撑技术。

王嘉平博士是沈向洋的得意门生，也是国际顶级学术会议NSDI2019华人首篇区块链核心算法Monoxide论文的第一作者，专注于并行计算系统的架构设计和研究，曾任微软美国总部研究院主管研究员。2016年加入创新工场，凭借计算机视觉、计算机图形学、分布式计算等方面丰富的学术背景和工程经验，在李开复博士的带领下创立了创新工场人工智能工程院并担任副院长。

据王嘉平博士介绍，墨群在底层区块链系统的三大核心组件——共识算法，智能合约语言以及广播网络协议做出了改进和创新，突破了现有主流区块链系统的设计框架，使得性能更优，容量更大，系统安全更有保障。

在共识算法方面，墨群采用的是“异步共识组”（Asynchronized Consensus Zones）系统，将区块链性能提升至比特币的千倍以上，并同时兼顾安全性与去中心化。“异步共识组”的基本思想是让不同的节点组在网络的不同分区上工作，并称这些分区为组zones。

在异步共识组系统中，随着整个网络被划分为更多的组zones，交易吞吐量和状态容量被扩展。共识组由多个同质的、功能上完全一致、地位上也完全平等，并逻辑上尽量隔离的独立共识系统的实例所构成，他们并行工作，分摊全网的吞吐、计算、存储的压力，分摊全网状态的维护工作。

异步共识组系统打破了区块链行业广泛讨论地“区块链不可能三角”难题，异步共识组系统不会牺牲去中心化特性，随着全网的横向扩展提升，每一个全节点的工作压力(带宽、计算、内存、磁盘IO)并没有显著的加大，始终保证一台普通中档价位的电脑可以轻松地作为网络的一个全节点，通过普通家用宽带网络接入主网。

异步共识组系统的性能提升，是在保证安全的基础上的。虽然系统允许全网被划分成上千个独立异步工作的共识组，但是异步共识组架构使得攻击任何一个单独分片的实际需要的物理算力，和攻击整个网络的物理算力相当。这样使得这个高度分片之后的异步共识组系统具备和单链系统一样的安全性。

在智能合约层面，墨群基于Monoxide论文所提出的最终一致性编程模型, 为并行区块链系统设计了专门的编程语言: PREDA语言，提升开发和执行效率，并使得智能合约的安全保障更为轻松。

PREDA语言及其编译器彻底打破了国内区块链系统长期依赖海外开源项目，例如以太坊的编程模型以及语言。采用更为高效AOT编译体系和增量状态表达机制，使其执行效率超以太坊Solidity语言百倍。

此外，墨群抛弃了海外开源区块链系统广泛采用的的基于TCP的多播通讯协议，而采用自研的基于UDP通讯底层的多播通讯协议，从而获得更低的广播延迟并充分利用现代互联网的承载能力。

王嘉平博士认为基于TCP的多播通讯协议更适用于服务器和客户端，但是TCP协议并不适合于区块链网络，因为区块链网络中有很多节点，要同时和上百、上千个节点建立TCP连结的代价是非常大的，所以墨群选择UDP这种非连结的通讯方案来完成交易的广播。

“UDP协议带来的最直接的好处就是我们可以更充分地利用当前互联网的带宽，同时大大缩短了广播延迟。”王嘉平补充说道。

另外，UDP协议还引入了Txlim编码，将区块数据压缩为原来1/20 到 1/80，进一步减低时延，减少带宽消耗。

王嘉平博士表示，“墨群在工程实现上，选择了从零开始打造系统的道路，而不去依赖任何海外的开源软件，诚然是一条更为辛苦的路。这样选择并不是单纯为了实现自主知识产权去重复造轮子，而是基于我们的理论突破，可以实现更为优秀的架构，不再重复国外的老路，陷入区块链不可能三角的误区，从而实现远超当下以太坊等主流开源区块链软件的性能和容量，最终我们可以输出更为优秀的系统和产品。”

免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！

「德风科技」成立于2015年，主要面向能源电力、烟草和石油化工行业提供工业互联网产品及解决方案。公司为客户提供从数据采集、数据清洗到数据分析和应用的系列服务，已经形成了从边缘层、PaaS层到SaaS应用层的全栈产品线。落地场景。创始人兼CEO王清杰介绍，德风的终端智能应用围绕客户的设备运维、能耗管理以及智能检测等场景展开，已经形成了对生产设备层、生产运营层以及经营决策层的全场景覆盖。

德风科技的产品架构

能源电力、烟草以及石油化工行业本身信息化基础好，具备工业互联网改造的基础。此外，这些行业以大客户为主，业务量大、付费能力强，具备一定进入门槛，更容易形成规模大、壁垒高的工业服务类企业。因此，德风成立之初就聚焦于这些领域，其中公司在烟草行业的渗透率已经达到80%。

创始人兼CEO王清杰表示，德风的客户已安装了MES、ERP等各类IT系统，其尚未解决的问题是各个系统的数据打通，再基于对所有数据的汇集、清洗做统一的分析应用。德风的产品线步骤即是从数据采集，全工厂数据的打通并形成数据中台，再到数据与业务流程、设备机理等结合做模型训练，最终基于模型开发智能应用。过程中，公司会帮客户进行工业互联网的顶层规划设计，打通厂内外的生产、交付与流通。

工业PaaS层是德风整个工业互联网的核心层。该层级主要包括1）工业大数据中台，主要负责数据的调度、治理和存储分发；2）业务中台以及微服务开发平台，公司听过开放的API，可直接接入其他生态合作伙伴的应用；3）人工智能和机器学习组件，已经封装了有110大类的算法和500多个算子和算力。

德风将自身定位为软件公司，并对标SAP。目前，其PaaS平台已经实现通用，只需针对客户实际的应用场景做相应的定制化应用开发。公司已经有接近50%的收入来自软件license费用。

公司以服务大客户为主，首次项目合作的费用在数百万元，后续每年还会收取一定的运维费用。平均项目实施周期在3-4个月。王清杰介绍，德风的客户与客户之间往往有紧密联系，比如不同省的电网公司，因此其客户资源本身也是其获客途径，公司较少通过专门的销售触达客户。

公司已服务数百家客户，年收入过亿，且连续4年是盈利状态。关于工业互联网企业难盈利的问题，王清杰表示控制研发成本以及精准的市场策略是企业盈利的关键。德风成立初期，团队通过调研国内外类似产品，尤其是对比了国外的C3IOT、Uptake、Predix的产品，从而快速明确了产品定位。而在市场拓展上，王清杰认为，To B领域扩市场不适合“烧钱”战术。公司需要基于清晰的市场定位，为客户精准解决问题。除了直接获客，德风也在跟运营商渠道合作。

本轮投资机构招商局创投总经理吕克俭表示，工业互联网是中国“新基建”七大核心之一，目前已经进入了高速发展期。德风科技深耕能源电力、石油化工等关系国计民生的行业，基于智能化、数字化工具帮助大型企业完成工业互联网改造。招商局创投会从资本、市场、人才等方面持续为德风科技提供支持。

本轮投资机构创新工场董事长李开复表示，以数据积累和算法优化的人工智能为基础，德风科技把IT与OT高度融合，为企业解决了“降本、提质、增效”的痛点。创新工场看好德风科技的行业经验和发展前景，会与德风科技一起协助能源电力、石油化工、烟草工商等行业实现数字化转型，并将整合创新工场旗下云服务、大数据和人工智能等技术资源，共同打造工业互联网生态体系。

免责声明：本文版权归原作者所有，文章系作者个人观点不代表蜗牛派立场，如若转载请联系原作者；本站仅提供信息存储空间服务，内容仅为传递更多信息之目的，如涉及作品内容、版权等其它问题都请联系kefu@woniupai.net反馈！