本文根据2月22
日将门一周年生日会圆
桌
环节整理，活动全回顾>>
这家创投机构的一周年生日会，中国人工智能的半壁江山都前来祝贺
在2月22日
将门一周年生日会
上，我们很荣幸邀请了中国人工智能行业最重磅的6位嘉宾——NVIDIA全球副总裁兼中国区总经理
张建中
先生，联想集团高级副总裁兼CTO
芮勇
博士，今日头条副总裁、AI实验室主任
马维英
博士，微软亚洲研究院首席研究员
刘铁岩
博士，360首席科学家
颜水成
博士，以及著名天使投资人、北京大学人工智能创新中心主任
雷鸣
老师。
这个逆天的豪华阵容，涵盖了人工智能从计算力到算法、数据的维度，也涵盖了从计算机视觉到自然语言处理、机器学习的维度，还涵盖了在这个行业里，从产业到创业、院校的维度。
他们和将门CEO
高欣欣
一起，围绕“
人工智能的技术前瞻和商业的未来
”这一话题展开了探讨和分享。
圆桌主要分为上、下两部分：上半场几位嘉宾一起聊了聊人工智能的技术与商业、今天与未来；下半场为答将门微信技术社群的群友问。Enjoy~ :)
Part 1
▼
▼
▼
高欣欣：NVIDIA是我们整个行业最为尊重的公司之一，而且还特别有远见，很多年前就开始重磅在人工智能。NVIDIA强大的GPU计算力，使得众多创新能够快速发展起来。所以我想问您问题的关键词跟
未来
这个词有关。人工智能如火如荼，但是如何落地？如何在今天落地才是我们关心的问题。您觉得人工智能在什么样的场景和行业会率先激活？NVIDIA又会如何布局？
张建中：
这个问题很多人经常问我，讲到人工智能创新的落地。其中一个落地的行业目前NVIDIA自己也在做。我们专注成立了一个
自动驾驶汽车
（self-driving car）部门，结合当今人工智能从计算机视觉、自然语言理解到机器学习各方面的综合。当然，这个行业我们也在联合全球几乎所有的合作伙伴，一起在攻克这个难题。如果能解决这个难题，自动驾驶汽车能真正行驶在街道上，那一天代表人工智能的落地取得了巨大的成功。
另外一个
NVIDIA
看好的人工智能落地的行业是
AI city
。
AI city在我们看来是目前落地最快的一个行业。
我相信很快在座每一位就会听到在国内跟国际上一些大单落地非常大的订单，都是来自于AI city。
第三个是
健康行业
。NVIDIA自己设了一个项目，我们自己想攻克一些难题，通过帮助癌症病人尽早发现这些疾病，而且尝试找出一些方法去治疗。所以健康是我们第三个行业。
最后一个行业是
AI游戏
。如果当你第一次打游戏的时候，没有人教你，你会对这个游戏无感。但是机器会根据你的水平，自动的把你带到专业级的时候，你会发现任何一个人都是Gamer，这也是为什么今天我们在全球大概有10亿玩家在打游戏。在今后我认为AI Gaming将会是一个很大的领域。所有的游戏公司，将会把他们的游戏变成AI Gaming。
高欣欣：问完算力专家，得问算法专家。刘铁岩博士是微软亚洲研究院首席研究员，有关他的核心问题核心词必须是
深度思考
。我想问铁岩博士，现在我们都在谈深度学习，但是深度学习是否是我们的终极选择？这中间有没有什么关键的思考是缺失了的？
刘铁岩：
这是一个很有深度的问题。深度学习或者今天的人工智能技术到底有什么短板，有什么被忽视的地方？我想每个人都有自己的观点。我只提现在能想到的两件事：
第一件，
我觉得现在的深度学习技术是一个矛盾体，它是把所有过度复杂（overcomplicated）和过度简单（oversimplified）两件事情拧在一起。
为什么说过度复杂呢？深度学习之所以有今天，因为它是一项强的技术，深度神经网络够复杂，它的拟合能力很强，可以把很多复杂的数据拟合掉，把这些问题解掉。
但是反思一下，我们真的需要这么强的拟合能力来面对大自然给予我们的数据或者人类社会产生的数据吗？其实回顾过去几百年，很多科学家发现很多简单而美丽的规律。举个例子，我们现在看量子力学、量子化学、生物遗传、经济学包括社会学。很多人发现，我们看到貌似无比复杂的表象背后，其实数据的产生是非常有规律的，可能就被几个简单的二阶微分方程所支配。
如果我们能把这些产生数据的动态系统好好描述一下，可能根本不用这种笨拙简单粗暴的方式处理数据，这是我为什么讲深度学习过度复杂。
另一方面它又oversimplified（过度简单），为什么这么讲？我在很多场合讲过我对人工智能的看法，
我觉得今天的人工智能可能不配叫人工智能，AI更像
Animal Intelligence
，
我们做的人工智能是做模式识别。其实没有抓到人和动物的本质区分点，我们做的事情动物大概都会。
那么人和动物之间的区分点到底在哪里？人为什么成为万物之灵？我觉得因为人类是一个群居动物，我们有一个特别强大的社会机制帮助我们做一些动物做不到的事情。举个例子，比如人类会萃取知识，会用文字的方式记载、传承知识，我们还发明了很了不起的教育体系，可以在短时间内教育我们的后代，用几年时间学会过去几千年人类积累的知识，这些东西使得人的知识迭代非常快，一代更比一代强，总是站在巨人的肩膀上。
回过头看动物，老一代动物死掉了，就归零了。新一代的动物，重新做增强学习、认识世界。所以它总是在原地打转，我们却在螺旋式上升。这些东西，我们看看今天的人工智能技术，没有任何一个好的算法和模型，把我前面说的这些事情考虑在内。
所以实际上从我的角度讲，今天的人工智能离我们人类的智慧相去甚远，研究人员任重道远。
高欣欣：接下来要问问有数据的人，要请教芮勇博士。最近芮勇博士加入联想，成为联想集团的CTO，必然会使技术和联想庞大的技术和行业认知结合起来，使它真正为商业所用。而联想又是我们能够看到中国龙头企业、世界的领先企业，它的每一步牵一发动全局。所以我要问芮勇博士的关键词是
布局
，想请问您，您到了联想之后，将会如何布局联想的人工智能？您将在哪一些领域重磅突破？
芮勇：
加入联想大概三个半月，这三个半月工作也很忙，尽量了解联想整个的体系。原来的使命是什么，我们今后要往哪走？杨元庆在几年以前就开始跟大家讲，联想要从只做设备的公司，变成设备加上云的服务。去了以后，我觉得要把联想变成一个Device+Cloud powered by AI的这么一个公司。
我觉得联想有机会把这些事情都做了，为什么这么说？联想有三个BU，加上研究院还有创投。三个BU里，有两个做设备。
第一个BU：做PC，全球连续37个月出货量都是第一，这是做设备（PC）。
第二个BU，做手机。联想手机在中国市场还有很长的路要走，希望大家帮助我们一起走得更快。但是在中国市场以外，其实上一个季度，我们全球的出货量全球第四。所以手机有很多的设备，这两个BU都是做设备的。
第三个BU，做服务器、数据中心和云。有希望把Device + Cloud Service给做在一起。我加入联想之后，我领导的研究院还有老贺领导的创投部门，我们一直会加大在AI方面的投入，使得整个产业链变成Device + Cloud powered by AI，所以这就是我的布局。
高欣欣：接下来问的这位，也有巨大的数据。我想请问 360的首席科学家颜水成老师，您觉得在人工智能里，有哪一些，不管技术领域还是商业领域的
创新
，是您期待或者您觉得即将发生的？
颜水成：
现在在谈技术的时候，可能大家想到最多是人工智能，人工智能讲比较多的是深度学习。那么不管深度学习到底能不能真的完整或者完美地解决我们很多的问题，但是深度学习在我们很多的问题中，确确实实发挥了重要的作用。
就深度学习本身来说，我觉得创新有三个维度：
-
维度一：
希望能设计出更好的深度学习的模型。
它有更大潜力，让它的这种分类或者预测的性能更高，可能是所有的公司在追求的点。
-
纬度二：
当我们把这种深度学习用在端上的时候，能耗是一个很重要的问题。
这时候其实从深度学习角度出发，如果你有很好的这种模型，如果能够节省能耗的话，这是很有价值的。
-
纬度三：互联网公司非常关注的，我们在做很多的APP，深度学习有一个很重要的研究问题，就是说你
怎么样可以有一个非常智能的模型，保证我在每一个星期或者每半个月可以远程把模型能够升级。
如果从产品或者应用的角度来说，其实应该是基于人工智能的技术，让你创造出一种产品，而这种产品其实要做到两件事情。
高欣欣：既然您提到了今日头条，我们马上把下一个问题给到马维英博士。维英刚刚加入今日头条成为今日头条副总裁，带领着今日头条的人工智能实验室。所以今天请问维英博士的核心词就是
引领
。我们看到今日头条做了那么多引领行业的创新，在您带领下的今日头条在人工智能的布局，又将引起什么样的行业的引领和变革呢？您可不可以给我们稍微透露一些。
马维英：今天来我非常有感触，而且也是非常感谢。因为我刚离开微软亚洲研究院10天，刚加入了今日头条。我在今日头条真的是看到了一个全新的机会
。我对人工智能是这样的看法，接下来人工智能会进入到两级分化。
这两级门槛会越来越低，但是同时门槛也越来越高，其实没有中间地带了。门槛越来越低和越来越高的情况之下，
你如何保持你的竞争力，或者说你如何能够创造竞争壁垒呢？
我觉得要有下面这有五个东西：
-
数据
-
用户数和用户的使用时间
-
应用场景
-
AI基础设施
-
算法
今天虽然已经有很多很好的算法，但是我认为算法在继续再往前创新。像最近很多的对抗学习的东西，很多新的算法还是源源不断地出来。所以说这个门槛会越来越高。
那就谈到我为什么加入今日头条。其实我也是这两三个月才对今日头条有更深的理解。我真的必须感谢创始人张一鸣，他把今日头条的整个发展跟对这个公司到底是怎么样一家公司，他在我第一次见面的时候，用了大概四个小时，我们从8点聊到晚上1点，我全部听懂了，那次我大部分都是问问题，都是听。但是他基本上讲完之后，我就觉得居然这个世界有这么一家公司在做这样的事情。
从我的角度，我看到的头条就是一家接下来重新定义信息跟内容的平台。在这个移动为先的时代（不光是移动互联网）重新定义信息内容的平台，AI的技术内容怎么被创作。
信息的源头今天有很多头条号做着，不管是大的媒体、自媒体还有个人。从创作的源头其实就可以用AI来帮助他。例如说今天很多的短视频，现在的年轻人用社交媒体创造出很多的作品，其实可以用很多原来的多媒体处理，帮他弄得更眩，或者说让他在产生的过程门槛更低。所以从信息的创造就可以AI化。
信息的分发当然是头条现在的核心，这种推荐引擎，所以在分发上已经有很多AI算法做得很好了，但是将来我们也会有很多源源不断的新技术帮助公司。
在信息的消费方面，人怎么浏览。现在因为在手机上这种大量的碎片时间，而且很多信息的需求其实不是靠简单的搜索和10个网页或者3个网页就足以满足。所以在消费信息和内容这块儿AI也可以。
还有互动社交。我在搜索领域这么多年，我一直想把社交和搜索结合，没有一家公司做成功，谷歌就缺少社交的基因，Facebook缺少搜索。但是到底社交和搜索是一种什么样的形式呢？我居然看到今日头条就是一个对的形式了。所以我觉得今天头条有这么大的数据，有人找信息、信息找人。它在中间链接他们，有大量的用户群、用户使用时间，年度非常高。它还有无数的应有场景，不断地闭环，那就需要AI基础设施和算法了。所以为什么AI技术跟AI实验室，对于今日头条会是接下来的发展一股关键的力量。
高欣欣：雷鸣老师是特别有名的天使投资人，但是可能大家不知道，他是特别早就坚定地支持着人工智能。而且最近他做了一件特别伟大的事情，他在北大建立了人工智能的创新中心，开始培养下一代的人才。雷鸣老师，我想请教您，今天人工智能如火如荼，但是真的是要等待很久的时间，其实才可以一步步地
落地
，太多问题要解决了。在
这个等待的
过程当中，我们应该做好哪几件事情，才能更快地、更好地迎接那个美好的未来呢？
雷鸣：
人工智能时代会不会很久远，但需要很大的耐心。首先我觉得创业最重要的就是看准未来的方向，因为未来有多久有时候很难讲，有时候可能会非常快，有时候可能会非常慢。
今天我们看到美国的一些伟大的企业，其实最重要的还是你要认准一个未来要坚持下去。有时候剩下的事情我觉得很多真的是看运气的，像我第二个创业做了音乐，音乐这个产业确实等了很久，现在同我2005年做到现在是第12年，当然我现在已经不在那边做太多的事情了，应该说还没有到最黄金的时候，不过看到一些起色了，所以像这个产业就慢。
但是我们也相信互联网会把这个产业改变掉的，现在也有很多的变化。
回过头来讲人工智能，
我觉得第一个是你还得要有一个坚定的信念。
你拿人工智能要解决什么问题，到底有没有用。那这块儿我觉得给大家打打气了，我是觉得跟很多的专家包括产业的一些里边的人聊，我们觉得人工智能未来的话一定会深刻地改变几乎所有的产业，然后变成一个基础设施性的东西。
第二个点，
我们觉得人工智能可能会一开始在2B的领域发力，
就像百度一开始是2B的，阿里巴巴也是2B的，因为这块儿营收上可能看得见。我们觉得最后最大的机会还是来源于2C，最后可能在任何一个产业，最终会穿透那个2B的前沿，然后直接2C。一旦2C之后的话我觉得这个体量就会非常非常地大。
刚才咱们聊到自动驾驶，可能一开始觉得2B，甚至说最后卖个车。但是我们演进完了之后，我们觉得驾驶会变成交通的一个出行服务，它是一个2C的公司，所有的用户直接坐他的车就完了，然后这个公司用的车越多，他的调度算法越灵活，他的数据越大，他的服务效果越好，他的经济利益就越好。所以说这个竞争最后会使得各个地域都会有一个巨无霸的企业，它是2C，管出行的，使得从前往后全部被整合。
再说到医疗，现在我们生了病去看医生。但如果我们能够做一个虚拟医生，跟医生一样好，比所有的医生都好。很多人说那我还是不相信他，但无所谓，你总会相信他的，因为事实摆在面前。当你找不到专家的时候，当你发现专家还没他好的时候你就相信他了。而且他还能全部收拢到一块儿，因为医生没有办法被整合，但是虚拟医生可以。
当所有的病人有病第一个都去找他的时候，那整个产业完全变了，它可能又变得跟阿里巴巴、百度一样了，这种企业或者说美国的谷歌这种，他是2C的，他拿着所有的用户，他会重塑整个产业的后端链条。
但这些都是看得很远的一个趋势和变化。我觉得作为创业者的话，
所谓的创业者模型应该是一个哑铃模型，就是远要看到很远
——那是你对未来的一个理想，你的愿景，你到底想解决什么问题、提供什么问题,，但同时又要看得很近，反而中间不要想太多。我们经常说一个创业公司不要搞什么一年、两年计划的，毫无用处。你就想清楚这半年做什么事儿，把它做成就完了。另外的事情，想5年、10年以后到底是什么东西，那个东西在指引着你的方向，使你的价值、使你的公司决策的时候不至于走偏。而近端的话，踏踏实实地把每一步都走对就行了。因为一年两年后的东西，你现在做了计划，到时候你再一看那些计划都是垃圾，因为市场、技术、竞争所有的东西变化太快了。
Part 2
▼
▼
▼
接下来是来自将门技术分享垂直社区中的朋友们提出的问题。
1
高欣欣：第一个问题请问张建中先生，未来人工智能计算中，GPU和FPGA格局会如何演化？您对通用人工智能架构有何构想？
张建中：
讲到GPU和FPGA，所有的chip（芯片）只是chip，对我们来讲刚才谈AI有三个因素：
这三个当中没有一个东西只是芯片，计算力跟芯片不是等同的，两个是完全不一样的。
作为一个AI的处理器或者说AI的计算平台，它的核心是要把算法跟数据结合在一起，中间经过的各种各样的计算平台，无论今天你是用什么样的架构（framework）做训练或者影响，你都需要有非常多的丰富的计算平台当中的软件、硬件的结合。这些SDK你去支持TensorFlow 也好，你去支持Caffe 也好，你去支持LSTM也好，你去支持各种各样的GAN也好，或者CNTK也好，这些所有的框架它一定要有相应的加速软件去帮助他加速，如果不能加速，其实我们人工智能的发展会停留在60年前，这些算法其实存在很久了，我们不是今天才能有的。
正是因为有强大的计算力推动这些算法去发展，这样的架构才能够帮助AI去实施我们今天达到的成果，其实是很不容易的，NVIDIA大概在过去的10年当中让GPU的计算力提升了1500倍。这个世界上所有的芯片设计，无论是哪种架构，没有一个芯片能够在10年当中提升他的计算力1500倍。并且这个速度就像刚才我们看到的，它还在加速，不停地加速。这个世界加速是不停的，只要你停止就意味着死亡。
