【网易智能讯9月13日消息】昨日下午，在无锡华邑酒店举办的由网易科技、网易智能、网易本地联合推出的《网易AI公开课》正式开启，这一档面向中国新锐城市的高端城市论坛，这也是首档以人工智能为主题的系列公开课。会上，网易邀请了华创资本合伙人熊伟铭先生，从投资人的角度和在场观众分享了《人工智能下如何掘金》。
谈及现如今人工智能领域的具体应用，熊伟铭先生提到，数据是新时代的石油。现如今的新媒体公司，他们每天的数据量大概都是6个PB，这个数据的增长是巨大的。为什么需要人工智能？因为人类已经无法消化这么大的数据了，这些事情在互联网工具时代都是比较容易做的，今天人类是无法消化这个数据的。同样还有很多的数据，包括医疗等等，人类作为一种动物会累，机器不会累，或者说会有更低的成本来增加自己的输出，从这个角度来讲机器时代执行任务的时候是一个更可靠的选择。
谈及人工智能是代替人还是成就人的问题，熊总提到无人车的问题：“谁愿意开车呢？可能有人愿意开，比如说大家如果买的是法拉利肯定愿意开。但是你每天上班下班真的愿意开车吗？还有就是你为什么用扫地机器人？因为你不喜欢扫地，并不说说它能够替代我们，当然我们也能干，但是从根上来说我们不喜欢干，我们有更多的业余爱好，我们更愿意把时间花在跟朋友喝咖啡、看一个很好的美剧等等。”
以下是熊伟铭先生的现场演讲实录：
熊伟铭：非常感谢网易，网易办这个网易AI公开课是非常牛的，请了这么多的老师。我是从投资的角度看，或者从VC的角度来看，从我的角度来看可能和各位老师的角度略有不同。我的这个题目是我们这个时代的怕与爱。当大家说到人工智能的时候我脑子里想到的是什么呢？实际上离这个还很远，但是如果从时间上来算的话这个和人工智能真正产生的时间差不多，大概1952年阿童木就诞生了，直到1956年才有AI的概念出现。今天的人工智能最多也就是生物人工智能，和我们期待的强人工智能还有一段距离。大概到了2060年左右可能有50%的概率，这是牛津大学的一个采访，所以从各方面的技术准备来讲，可能我们今天的人类社会我们这个时代，我们还比较年轻的这个时代可能要熬比较久的时间才能看到更进一步的人工智能。但是即便如此，其实人工智能也实现了很多我们人类过去不能干或者不愿意干的事情。所以在这一点上中国在整个人工智能领域里面的地位是相当突出的，在人工智能时代我们看到中国基本上变成了一个原创的国家，这是两个数据，大概截至到2015年中国AI领域论文的数量已经是名列前茅了，中国科学家，中国人工智能方面的工程师在人工智能领域的贡献是非常突出的。
这是从实际的投资角度来讲，我们现在投资大概是排在第二位，离美国还是有一定的时间差，实际上不能只看我们这个行业的投资，因为作为VC来讲，我们这个行业一年的资金量在1千亿美金，实际上是非常小的资金来源，而大量的人工智能的投资都是大公司在内部的推动。说到这个会，这个CVPR会议，我一直在强调中国在整个人工智能领域里面的贡献其实是出类拔萃的，如果大家去参加这个会的时候就会发现满眼都是黑头发、黄皮肤，基本上就是中国科学家欢聚一堂的一场盛会。提到投入，我刚才提到VC的投入其实是我们这个行业里面微不足道的一个投入。其实从国内来讲投资最大的还是华为，后面阿里巴巴、百度还是排在稍微靠后的位置，亚马逊和谷歌的排名还是相对靠前的，所以说人工智能的投资是大公司为主的投资，包括大的并购等等。人工智能实际上是一个立刻可以割韭菜的技术，不需要再养十年，从赚钱的角度来说，从收益的角度来看，其实人工智能已经到了大量应用的时代，当然从技术的角度来讲还需要养很多年。
为什么我们说很多创业公司可能你可以做一个算法，算法在2010年、2012年还是可以的，可以卖一些钱，但是现在算法公司已经不值钱了，因为你没有数据，就像你只有刀没有米。今天上午我们看到贝尔实验室的桂洛宁老师演讲，他有一个图就是说从90年代中期到最近的数据量的变化，90年代中期大概整个十年里面就是几十个PV的数量，我又查了一下谷歌的数量级，今天光纤的传输速度已经不能满足于数据大量传输的速度了，还不如我开一辆卡车运过去，这都比光纤传过去的速度快。但是推动所有这个行业发展的就是数据量的爆炸，这么比起来的话，90年代就是石器时代，今天我们再看今天的数据量的话，比如说安防，你需要有数据，但是谷歌的数据很大，亚马逊的数据很大，百度、腾讯、阿里巴巴都很大，其他人怎么办？还有很多数据，比如说安防是一个离钱非常近，但是数据量又是非常大的，而且中国可能是全世界安防数据最大的市场，这个市场应该也是600亿、700亿美金的市场，海康威视这样的公司大概是全球第二大的安防公司，他们的数据量也是非常大的。到底哪些计算和存储搁在终端，到底哪些计算和存储搁在云端，为什么搁在终端？因为传不出去。这个时代的进步，这种大规模存储实际上也是在人工智能之前那个时代非常流行的存储设置，但是你看今天的存储设置，很多厂商都已经OEM了，都是自己云厂商定制的。所以从这个角度来讲，我们这个时代的机会是一步一步在往前的，实际上在硬件里面的创新随着人工智能与算力和存储的要是会一步一步的向上。
我们怎么理解这个数据呢？之前我们想到的数据比如说谷歌这样一个1998年的公司，百度1999年的公司，他们已经把所有网络上的数据都集中了，谁能抵抗他们呢？实际上还有很多的数据没有在里面，比如说物联网，实际上在今天物联网真正的运用还是非常非常有限的，物联网从1999年、2000年左右的蓝牙到今天的物联网，我们还没有实现万物互联，现在世界上这么多的智能设备，各种设备，这些节点所产生的数据量是无穷无尽的。视频种非结构化的信息怎么做？对于数据量的来说，我觉得大家还处在铁器时代，现在绝对没有到黄金时代。除了安防之外还有汽车，这也是一个备受关注的，之前也是备受争议的市场，通用从破产重新回到世界第二大，也就经历了十年时间，这十年发生了什么？一个是电动一个是污染，汽车从一个百年的行业到今天我们看到汽车又变成了一个我们大家不停的讨论的话题，我们今年会看到大量的国产的电动车，下一步基本上就是无人车，大家都做了很多的实验，很多无人车的厂商都在迅速的崛起。人工智能这个行业其实最难的部分，或者说最有价值的是人，比如说无人车也就是46家公司，全球46家公司，它不会像点评一样一下子出现了1万个团购，一下子出现了1万个O2O公司。全球只有这40几家公司，这样来看你投资任何一家公司都是有价值的，这中间不仅仅是VC的市场，包括二级市场都有很多回报的机会，从二级市场来看其实很多机会都是长期持有的。有的时候最终的回报不见得来自你非常敏锐的捕捉，更重要的是你的耐心。
我们刚才说数据是新时代的石油，这是滴滴的两张图，其实滴滴只是其中的一个例子，滴滴大概一天的订单量在2千万，每个订单处理大概是2秒钟，计算要通过580亿次的CPU的运算，这些都是对于人工智能、算力、存储、传输的要求，这还只是出行。包括今日头条这样的公司，他们每天的数据量大概都是6个PB，这个数据的增长是巨大的。为什么需要人工智能？因为人类已经无法消化这么大的数据了，这些事情在互联网工具时代都是比较容易做的，今天人类是无法消化这个数据的。同样还有很多的数据，包括医疗等等，人类作为一种动物会累，机器不会累，或者说会有更低的成本来增加自己的输出，从这个角度来讲机器时代执行任务的时候是一个更可靠的选择。包括驾驶，如果采用自动驾驶的话可能人类整个的交通事故会减少很多。
继续说数据，我们其实还是受到很多物理限制的问题，数据也是一样的。这个数据还是平面的，这个数据还是非常有限的，如果我们考虑到下一步会来什么，或者说大家有考虑到视频的数据，其实这些也是沧海一粟的数据，花了十年积累的二维图象的数据，可能面对未来大量的视频和深度的数据，这可能还是非常小的数据级。我们觉得下面已经进入了新的阶段，就是新维度的数据。如果我们看数据的来源，我们最早看到的大概从1994年、1995年从雅虎开始，他们用人工的方式来做很多的数据，1998年开始出现了自动的配制，然后直到流量的爆发到现在也就11年的历史，网上有大量的存量的视频数据，但是真正运用人工智能也就是2016年开始，在视频的算法里面可能我们还没有达到非常精确的级别，更别说今年比如说iPhone8为什么这么贵。我们觉得AR可能会成为下一步最大量的数据量的爆发，VR只能是一种输出设备，但是AR是一个输入和输出设备，它很有可能是一个比手机更友善的设备。如果你现在拿着手机穿梭到1952年的时候，你跟他们说以后人人会带这么一个设备，他们会觉得你很傻，谁会拿着一个硬盒子每天放在兜里？但是眼睛就很不同了，它可能会成为我们最后一个识别，而且是天然的设备，去掉键盘、去掉屏幕、去掉很多的东西，我们现在要去掉手机，是不是会变成这一个设备？这是我觉得AR可能是非常重要的。在这个里面其实创业公司还有很多的机会，简单的机会可能是下游的应用，AR需要的是光学，光学其实是一个老行业，我们拜访了很多的光学的老师，这是一个很老的行业，但是都在用创业公司的方案，所以说我们认为这个领域里面还有很多创业相关的机会。
到底是它结束我们还是我们创造它？这个有很多时候大家在提人工智能的时候会想到天网，我们经常说天网来临之前我们没有什么可怕的。这个设备有多像人，如果它跟我们一模一样，或者他们超过我们，但是机器处在目前的阶段，包括黄老师讲的我们也算是机器，我们的寿命比较短，100年的寿命，功耗比较低，但是我们每天吃不少东西，假设我们直接转化太阳能的话就省了。但是从计算量来讲，或者说我们是不是只从计算量的角度考虑人跟机器的差别，是不是还有其他的区别？比如说一克的DNA大概能够存储700TB，所以你看一下你的体重能存多少数据。所以说还有很多角度可以考虑，物理到生物的这个界限是否能够跳出来。人工智能关键的是后面的算法、算力、存储能不能达到，我们都非常期待看到光明的人工智能的未来。谢谢。
本文来源：网易智能
责任编辑：
丁广胜_NT1941
