AI+賦能新時代：深度還原生活場景，“建”一個虛擬的你

隨著“一帶一路”新絲路的戰略實施，西安再一次將全球目光聚焦到這座歷史文化名城上來，成為中國走向世界的契機。隨著2017年硬科技創新大會的成功舉辦，硬科技成為西安市的新名片。由西安高新技術開發區與 ofollow,noindex">清科集團 聯合舉辦、中科創星協辦的2018“一帶一路”硬科技產業投資高峰論壇於2018年11月8日在西安召開。打造硬科技應用典範，激發科技創新活力，加速硬科技的聚集。

現場， 博將資本 高階 合夥人 黃從容、創世夥伴資本合夥人樑宇、 執一資本 合夥人汪天揚圍繞《AI+賦能新時代》這一議題進行了深入探討。以下為對話精華，經西安創業網（www.XianDream.com）編輯：

黃從容： 我們還是先做一個簡單的自我介紹。

樑宇： 創世夥伴是一個成立不久的基金，但是傳承過去十年的歷史，整個管理團隊是從原來的KBCB，中國整個團隊獨立出來做的新基金。過去我們在傳統的TMT，以及現在的AI，大資料，這裡面都有諸多的投資，比較專注的領域過去是在金融，現在是在硬科技、教育、AI+。現在對產業和行業會做深耕和研究，以精準的打法做投資和佈局。

汪天揚： 我來自於執一資本，我以前在創業公司，所以說執一資本主要是投資於產業網際網路+，我們主要投資於TMT網際網路領域，特別是IT技術做產業升級，主要投資領域是技術、金融、物流、電商。我們主要投資案例有鏈家等。因為現在網際網路這塊流量紅利比較成熟了，大家現在也是投硬科技，AI這些。我們也是比較注重行業深耕。

黃從容： 我是來自博將資本，我們的總部在杭州。我們在北京、美國矽谷都設有投資分佈。人工智慧是國家非常關注的這塊，我們投了雲端計算和人工智慧結合的科技，還有做NOP領域的科技等。

我們今天大會的主題是全球的硬科技大會，剛才在釋出硬科技指數的時候提到來自全球很多城市的資料，所以今天提到一個詞叫全球化。想跟兩位嘉賓探討一下，在全球視野下，整個人工智慧的發展路徑是什麼樣的，特別是對於中國來說，中國在全球裡面屬於什麼樣的發展地位？

樑宇： 這是一個特別大的話題，總體而言過去因為在中美兩邊雙邊投資的經驗，所以對趨勢能感覺到特別強烈。談到人工智慧，大資料，雲端計算，現在已經是全球化了，矽谷1分鐘之前發生的事情，很快中國就能知道。中國和矽谷的人才流動也非常快，國家也做了一些政策吸引海外人才。十年前我還是一個產業當中的從業者，人工智慧涵蓋計算機行業的70%。現在的公司都是和搜尋相關的公司，包括國內的企業也是一樣，我們是有一個傳承性的。從全球而言，基本上中美之間是特別有差異性的，很多基礎性的研究實際上是在美國那邊發生，到現在為止，技術上的應用在中國這邊更快更發達。

中國的優勢是在於資料的優勢，在於政府的支援。我們很明顯的看到在計算機視覺領域，同樣的演算法，同樣的人才，在中國的土壤裡面，由於有了廣闊的環境，計算機視覺在安防領域就有了很大的場景。我們在教育、醫療，人工智慧的觸角逐漸都在往這裡面延伸，我們看到很多企業在努力做嘗試。

人工智慧到今天經歷了浪潮，現在市場上趨於理性化。原來媒體，包括所有的從業者都有一個很好的預期，說人工智慧能夠快速的解決所有問題，事實上現在能夠真正落地的還是很少。上一個論壇談到大資料，根源來講人工智慧解決的問題，中國和美國都一樣，就是用強大的算力輔助於原來重複性，人們留下來的痕跡、經驗、標註，快速加速，替代低端性的勞動。比如說客服正在被替代，我們看到金融行業大量的催收，打個電話來，接到的的語音也很甜美，通過對話以後，直到掛掉你都沒有意識到背後全是計算機，因為所有的對話藍本其實已經被訓練過。就在昨天新華社出了一則新聞，說出了一個虛擬主持人，可以24小時不間斷播報。在中國像這種大量的應用場景在不斷的被開發出來。美國，我們現在還是在向美國學習，因為基礎研究突破中國還很遠。

過去因為算力不夠，現在算力上去了，因此可以通過資料統計猜下一個是什麼。我們當然看到特別多的PR，或者是事件，比如說新聞聯播的主持人，虛擬的。到目前為止整個行業，從全球來看趨於理性化。我們現在在美國還是相對比較領先的，尤其是無人駕駛行業，谷歌無論是在跑的公里數，還是在投入方面，他們也在帶動國內的企業先前進行。全球化這個事情，中國是商業化快速落地的環境。

汪天揚： 簡單講就是中國和美國的區別在於中國長處就是在做應用以及和應用相關的工程化。工程化本身也是技術，其實是一個要求很強的技術，只是說它和技術研究不一樣。我看這個問題會把整個技術對戰分成從上到下好多層，最底層是方法學的突破，在這個之上是核心的，硬科技在這一層，像晶片這種東西。再上一層是系統，再上一層是框架，再上一層是應用。這些不同的層次，中國人才儲備，以及我們國際化的程度，現在去做標準和方法的突破和引領是非常困難的。因為這個很多時候不是純技術問題，還有全球技術話語權問題，這是一個比較長的過程。

現在中國最尖端的公司可以做硬科技，很多程度上我們看到很高估值的公司在這裡面出現，裡面也有一些國家意志。再向上一層，如果我們要做應用層的工程化，我們必須非常深刻的理解和吃透在框架上和基礎軟體這一層。在這一層，其實現在主要的核心的力量是海歸，因為畢竟是和先進的全球化的公司一起研發出來的東西，這批人掌握了核心技術，引領未來行業，他們在工程上應用場景。

我是這樣來理解全球和中國技術的關係。我們的長處就是在於我們有非常豐富而深刻的應用場景，而這些應用場景，包括國外是不一樣的，這是中國特別獨有的，而且這樣一個十幾億人口的國家，可以養活一個國際級公司。但是我們在去跟蹤和吃透國外的基礎上，必須要有國際化的視野，把我們的人派到做核心研發的地方去把這些東西搞明白。還有就是國家的力量，比如說特朗普覺得中國在這一點上他們吃不消，就是中國的彈性政策。因為在硬科技裡面，全拋給中國的資本市場來承擔是不太現實的。為什麼我們看到很多高估值的，現在有很多場景也有落地，但是我覺得這可能是這個行業必經的一個發展階段。

黃從容： 我們都承認中國和美國在人工智慧領域是全球第一梯隊的國家，但是從技術深度來說，中國和美國存在差距，但是我們的優勢是我們有12億的人民和大量的資料，我們的商業化，特別是網際網路商業模式，我們相比美國還是有一定的領先性。基於我們獨特的點，中國在追趕美國差距上，特別隨著國家的政策紅利，海歸的引入，我相信這個差距會慢慢縮小，我們有機會在某些細分領域能夠去趕超。

接下來探討更落地的問題，比如說做投資看到很多領域，我們看到人工智慧領域和生活的方方面面都發生了交叉融合，落地應用。我們來聊一聊，現在看到哪些比較好玩的應用，或者你們看好哪些方向？

樑宇： 作為VC來說還是要在商言商。技術本身的變化能產生非常多的好玩的東西，大家喜聞樂見的抖音等，上面有很多美化效果，這都是經過演算法的。還有很多拍照裡面的濾鏡，這些都是技術的應用。我們從VC的角度來說，從邏輯上更願意看一些大行業，比如說剛才提到和教育行業的合體，和醫療行業的合體。比如說醫療，有大量的病人，必須要接觸診斷，大量的重複勞動，是需要被省掉的。行業本身的特點決定了這個技術產生的系統是不是真正能為結果負責，行業的執照是否能發給它，大夫是不是真的認，現在還是在一個很早的階段。

再比如說看出行領域，我們都知道自動駕駛這幾年大家都全力普及，我們在北京時不時看到百度的地圖採集車全面掃高清地圖。我們剛才提到谷歌現在採用了上千輛車在做無人駕駛模式，這是巨大的變革。頭兩天我還看到文章說傳統的車廠已經變了，他們在和對手合作，妥協，現在的自動駕駛公司，或者他們的能力，計算機人才的儲備，都是傳統車商不具備的。

從VC的角度是關注大行業的，在人工智慧落地的公司，真正的落地實際上在潤物細無聲中進行的。人工智慧能夠解決的問題是碎片化的，區域性的優化。很多的公司在裡面我們也看到了去年，前年整個市場在波峰時候的變化。任何一個團隊都說高估值都可以獲得投資，到今天的時候我們在強調到底有哪些商業場景可以落地，哪些專案可以做，真正到現在來看，除了具備在研發方面，技術方面的積累以外，還需要有強大的商業能力，這對管理團隊要求很高，需要兩個腦子，一個是行業怎麼做銷售，怎麼在行業當中找到合作，這種能力。我們也在密切的追蹤。

汪天揚： 第一方面講講我們怎麼看應用這個維度。第二個方面是我們實實在在投了一些。

剛才樑宇總講的是垂直方向的分類。我可能有時候是用水平方向，比如說我會從機器視覺，在技術發展的早期，我們要去結合什麼樣的應用場景，有一點是取決於這個技術的技術邊界，這是我們從水平方向去看這個問題。比如說現在大多數人落地的真正的人工智慧主要是在機器視覺裡，這個就是和這個領域特定的程度有關。

我關注機器視覺已經相當長時間，但是我知道技術相對成熟以後才做。比如說我關注國際上機器視覺論文期刊，我會發現2013、2014年以後已經沒有重要的論文出來。說明我們做生意的人可以上了。現在NOP突破的話一定是革命性的應用場景，但是我們現在找什麼樣的產品。我們現在是嚴密的關注NOP，但是可能真正重量級的產品，還是要等待一下。

我們投了一些公司，可能角度比較傾斜，我們投了用機器視覺的方法技術做社交。第一個層面是因為手機的攝像頭是環境資料最大的入口，如果說能夠通過手機攝像頭把環境進行建模，我們可以深度的還原一個人的生活場景。首先通過攝像頭對人的生活場景建模，第二個把人本身虛擬化，我拿著攝像頭自動可以生成和他真人一樣的3D建模。同時還有，這樣一個和你一樣的生活在數字世界，但是和你完全相同的人，他可以和你有一樣的行為。我們通過攝像頭對你進行建模以後，我們可以在虛擬世界裡面完全還原你的個性。比如說你交朋友，你不用自己出場，機器人可以幫你去對接，對方根本不知道是真人還是虛擬人。這是我們的願景。

黃從容： 剛才提到了很多詞，像NOP，機器視覺等，總結來看我們可以歸納為是容錯率相對比較高的行業。像容錯率比較低的，比如說機器駕駛，這種技術可能真的到商業的時候會更謹慎一些。

汪總提到一點我非常贊同，特別是現在看機器視覺非常多，對於創業性企業來說，機會在哪裡。機器視覺和其他領域相交叉的領域。你從跨界的角度去切，你的商業化落地，能夠繞開巨頭，找到一條不太尋常的道路。

最後用簡短的一兩句話做一個小小的總結，看看能不能告訴在座的創業者、投資者，在未來你們更看好的細分領域，哪些更有機會？

樑宇： 其實大的領域，現在領跑的公司也會從細分公司中找競爭。正是因為投入大，產出大，所以在細分領域有非常多的巨量。走得更細一些，比如我們最近看的公司，在做腫瘤的化療規劃方面也在做，這裡面市場並不大，但是門檻很高，能夠在這個領域當中做出一個刺蝟其實也不錯，把它的商業模式打的基礎更牢，也是有可能的。

比如說在教育領域，我們一直講個性化教育，講AI教育戰略應用，現在也有很多公司在給教育賦能。現在投了一些公司，他們在用人工虛擬形象的老師進行一對一，小朋友看的時候，如果不仔細，不會發現後面是一個機器人在和他進行對話和交流。這種細分的領域往往是在巨頭還沒有看到，這個賽道小，我們在培育一些公司，希望他們能夠在裡面能夠逐漸成長，成為大的平臺。

汪天揚： 人工智慧本身是個很寬泛而不準確的說法。我認為人工智慧就是凡是能夠讓機器自動建模的都是人工智慧，其實人工智慧無所不在，我們就是看好利用包括人工智慧在內的最先進的技術做垂直行業。因為現在沒有通用原則，都是行業原則。如果對行業深度理解的人，如果現在不快速的擁抱技術，用技術驅動商業模式的想法，以及找到稀缺的工程化人才，就會被打擊，這是我對這個市場的看法。

黃從容： 在座的各位可能覺得人工智慧目前沒有到很智慧的地步，但相信未來一定不會那麼遠。