pc2.0预测网站pc 预测

房地产时间:4周前阅读:51

主题:中国人工智能和大数据创投联盟

时间:2016年3月30日

地点:清华科技园

内容:

毛欣晨:各位人工智能和大数据领域的投资人,创业者以及媒体朋友们,大家下午好,欢迎来到天天投联合腾讯众创、启迪之星举办的投融资面对面的活动现场。

我们天天投是一家专业高效的免费投融资对接平台,我是天天投的社群运营负责人毛欣晨,非常荣幸有机会为大家主持此次投融资面对面活动,我在这里代表天天投所有小朋友们感谢各位投资人,创业者以及我们合作媒体合作伙伴腾讯众创空间启迪之星的到来。

本次投融资面对面活动,有人工智能和大数据领域的投资人和创业者超过2000多人报名,有许多大咖都是第一时间主动报名参与我们的活动,我们非常邀请到很多重量级的嘉宾,他们分别是:

英诺基金合伙人李竹;真格基金合伙人李剑威;明势资本创始合伙人黄明明;高维资本创始合伙人孙刚;联创永宣管理合伙人田野;九合创投创始合伙人王啸;启明创投合伙人叶冠泰;复星昆仲董事总经理梁隽章;创新谷/追梦者基金创始合伙人朱波;金沙江投资合伙人杨志伟;以及中国人工智能副理事长黄河燕,诺基亚成长基金总经理邓元鋆;数据堂CEO齐红威;极客帮创始合伙人蒋涛;创势资本创始合伙人汤旭东;驭势科技CEO吴甘沙;图灵机器人(300024)创始人俞志晨;地平线创始人余凯;清华大学崔鹏博士(600804),让我们以热烈的掌声欢迎各位的到来。

人工智能和大数据是第四次工业革命的引领性领域,大家最近也都在聊阿尔法狗和人工智能在这个领域应用的问题,从我们活动报名的火热程度也可以看出,我们的多数投资人都很看好这个行业,随着硬件的达标,算法的进步,数据的积累,也使我们在人工智能的垂直领域看到了更多的新的机遇,新的想法。

首先,我们要非常隆重的向大家介绍中国人工智能学会副理事长黄河燕教授,中国人工智能学会是我国智能科学技术领域唯一的国家级学会,她也是北京理工大学计算机学院院长,今天她是代表中国人工智能学会来参加我们的活动,我们欢迎黄老师上台为我们致辞。

黄河燕:尊敬的各位来宾,各位朋友,大家下午好。很高兴今天下午受天天投的邀请,代表中国人工智能学会参加今天的投融资面对面活动。

刚刚已经介绍了,中国人工智能学会是国家级的一级学术组织,主要宗旨是促进我国人工智能的发展,为国家经济发展和社会进步提供服务。同时为了奖励在科学技术中做出突出贡献的单位和个人,我们学会也设计了一个智能科学技术奖。虽然我们的人工智能走过了60年的发展历程,我们现在面临人工智能的快速发展,尤其是自我们国家十八大以来,随着互联网+,智能制造2020,智能机器人等国家级的科技战略出台,大数据、云计算、物联网技术的迅速发展也为人工智能技术提供了难得的发展机遇。在此,天天投联合腾讯众创和启迪之星,倡议发起人工智能和大数据领域的创业投资联盟,正是恰逢其时。

我们正占领在新一轮工业革命的前沿,希望在座的各位金融投资圈的朋友们能够深入到人工智能产业应用的第一线,大力推广人工智能领域的成果转化和项目对接,创造出人工智能和智能产业新的春天。在此我代表中国人工智能学会,衷心祝愿本次投资面对面活动取得圆满成功,也祝福投资界各位朋友,能够在人工智能领域挖掘出黄金,获得丰硕的投资回报。谢谢大家。

展开全文

毛欣晨:下面有请天天投的创始人崔鹏崔大大上台,他将向广大投资人和创业者发布我们天天投的2.0版本,有请崔大大上台。

崔鹏:非常感谢这么多顶级投资人和嘉宾,还有很多创业朋友,以及中国人工智能学会的领导参加本次天天投投资面对面活动,在这里再次感谢腾讯众创空间,清华启迪之星等支持。

天天投在过去两年中取得了一些成绩和进展,面向未来,我们应该向哪里去走,今天在这里是一个2.0版本的发布,同时也介绍一下我们的产品。

我们希望天天投在创业领域扮演的角色,打个比方,应该是一级资本市场的谷歌的角色,一会儿我会解释为什么是这样的角色。

首先给大家汇报一下,在过去两年中天天投取得的进展,我们在过去总共汇聚了5万个项目。真正让大家聚焦在这些对项目的判断和对产品研发的事情上去。第二点我们希望做一个专业同时免费的平台,这是在过去两年中一直坚守的理念。面向未来,我们首先构想一下未来整个商业信息社会演进的状态是什么样的,这张图面会了在整个商业社会中,人的数字化和企业数字化,以及基础的IT基础设施,我们认为未来5+1的公共基础设施平台,包括无处不在的宽带,云存储,人与人之间的连接是Facebook和微信干的事。现在在提对人的数字化和企业的数字化,数字化人生和数字化企业和大数据领域,谷歌现在在做这样的事情。还有就是B2B和(SRAS),包括个人和企业之间的股权投资,我们天天投希望选择这样的领域,变成这样一个大的玩家。

刚才说我们选择股权投资领域,回顾过去三十年可以看到一个典型的趋势,在早期天使投资淋浴,投资是一门艺术,但是这些年来看,随着全方位的网络化连接,随着个人和企业的数字化,企业之间的生态网络形成,企业已经不是孤立的存在,在这样的环境下,整个投资领域正从艺术变成科学+艺术,我们希望未来基于信息公开、透明、分享、分析,通过这种方式辅助投资者决策。这个领域的投融资,各种信息的数据已经逐步透明,用来辅助我们的投资决策。

在这种数据驱动投资成为可能的时代,最核心的概念是什么,我们称之为E—Ranking从赛道,选手,起点,路径,加速度。不同的投资人对项目的加速度看的不一样,还有很多的因素,我们形象的表示,实际上这些因子是从五个因子,逐层细化成数以万计的因子进行计算。在这样的背景下,我们认为投资在投融资平台这个领域,真正开展2.0时代,1.0就是过去大家看到的网络版的FA,这个匹配是非常传统和原始的,未来应该是数据驱动投资成为可能的情况下,以创业投资大数据服务为核心,支撑投前、投中、投后全流程。

我们可以做一个对比,天天投和谷歌做比较,谷歌是免费的信息服务,天天投是免费的创业投资大数据服务,谷歌通过光连广告,天天投是达成项目对接,还有跟投权。我们目前三个核心的服务,首先以创业投资大数据服务为核心,第二个是创投活动群服务,现在天天投的服务业有三百个第三方的经常举办创业活动的公司,在上面发布优质的创投活动。

后面汇报一下我们的进展,首先参考赛道、选手、起到为模型,我们从产业图谱和创投简报的形式来表达,我们天天投不会输出任何的纸质报告,我们是以在线的产品表达,通过数据的关联可视化,能够帮助所有投资者做决策。产业图谱我们是以产业为核心,把您关心的,关于产业领域已经拿到投资项目的榜单,这个领域投资机构的榜单,有哪些人在干,以及发生的投资事件,以及关联的创投活动和正在融资项目,这些信息我们通过集合的方式,只需要在天天投一个平台找就向于在全网的平台找,因为我们兼顾了全网的数据,会自动帮大家汇聚和整理好。

这是一个简单的示意图,这里针对不同领域有不同的产业图谱,通过语义表述赛道的分级关系以及周边的相关信息。这张图是真实的图,我们通过2015年和2014年的整个行业变化趋势,这个在天天投平台上是以实时在线的产品提供的,不像其他的投资机构出的报告,它每天都在变化。显示整个领域大家投资的整体的趋向是什么,并且我们按照行业和创业公司背景,按照地域和时间进行筛选,是一个实时在线的产业热点趋势的示图。我们对所有独角兽企业的融资时间分布,这张图汇聚了过去两年时间中国所有独角兽的情况以及融资的分布,这张图也是在线的实时产品的形式展现给大家。

今天是人工智能和大数据专场,我们对人工智能和大数据领域做了一些分析,人工智能产业的发展趋势,当前哪些领域产品了融资事件,这个图标未来都是可视化产品的方式直接在天天投网站上发布,大家每天可以看新的变化是什么。这张图展示了在整个细分领域,我们把一个产业分成三级,人工智能是主要产业,主要的三级分类里,每个板块从天使轮以及到IPO,战略投资的整个分布是什么样的,大家可以看哪些领域,哪个阶段投的比较多,赛道是怎么分布的。假设一个项目在一个赛道,你发现它处于天使轮,有一些项目处于C轮的时候,大家要想一下这个项目是否值得投资,这些分析图表未来都是可以选择实时在线,用不同的图表和不同的模型展示你想要的结果

这一页展示的是VR、AR领域的,这些项目在不同赛道的分布,这是拿二级分类分布,这些项目都在天天投平台上,大家如果想投这个领域,基本上70%80%都在天天投平台上了,大家可以了解这些项目是什么情况,这些机构是什么情况。

这是我们的全名单,里面有4200个VR、AR行业精英,1000+专业投资人,691个VR、AR创业项目,158个VR、AR已拿到木投资。我们天天投想做的事情就是把这些劳动节省,我们帮助大家把所有项目找齐,在投钱的时候就不用各种路径找项目,可以通过这些平台免费的约谈到这些项目。在这我们活动群平台上都是有的。

这一页是从另外的视角看,对投资机构和产业不具有一个实时动态的图表,比如说腾讯,截止到2015年底的投资版图,腾讯在每个领域投了多少家公司,在PC网站上可以看,具体投了什么公司,投的情况怎么样,如果你发现腾讯它在某个领域没有投资,或者投资比较少,也许这个领域可能对你有一些启示作用。比如在一个细分领域布局比较多,也许就成了你的投资的竞品了,这是投资机构版图的分布。

这张图展示的也是真实数据,IDG投资的数据分析,它的投资项目在领域的分布以及阶段的分布,以及它投的项目进入下一轮的比例。大家知道IDG投什么领域更强,在这个领域找它也许就是对的,在别的领域,如果投资的比例特别低,你要考虑一下这个机构适合不适合你。这些信息一方面帮助创业者,一方面帮助投资人,通过共享的方式帮助各位降低成本,这是天天投希望做的事情。

另外就是我们做了一个创业简报,刚才展示的信息可以感到,都是一些非常数据化,非常定量的信息,同时在整个投资过程中,我们很多时候是需要能够逐步建立自己的信息优势,通过知道最顶级的投资机构,最顶级的创始人,最顶级的产业公司,咨询机构,他们在怎么看这个世界的变化,他们怎么看产业的发展,通过这些视角可以帮助大家了解整个产业动态发展过程。我们通过简报这个事情,希望达到的目的,就是成为在创业投资领域干货分享的第一平台。在这个平台上我们希望从多方面为大家提供最有价值的资讯,而不是浪费在充斥着各种广告和其他资讯的平台上。

刚才讲了,我们这个就是一个产业图谱,比较简单,希望在后续各位投资人能够使用。接下来我们讲一下合作,目前我们和腾讯众创空间达成全面合作,所有腾讯的活动,天天投全程支持,天天投的活动腾讯众创都参与。我们清华启迪之星,北大创业训练营,微软创投加速器,还有洪泰AA加速器,长城会GMIC,AC加速器等等,期待更多的朋友加入天天投的伙伴联盟。

这是我们刚结束的活动,我们和腾讯众创空间合作,在北大训练营举办的,我们花了1500人民币的成本,4500人的报名。这是我们上次发起成立的VR、AR创投联盟。

今天是大数据,我们也提供一个目前为止的全名单,目前是2200人报名,总共400多个项目,我们在四月底有华友会专场,能够帮助这些项目在物联网,在一些偏技术驱动领域有一些好的成就,希望在早期的时候能够帮助这些朋友。我们携手长城会,推出了GMIC2016天天投投资项目专区,天天投也在逐渐确定这一百个创新企业,如果在座有兴趣参与这个事情,可以和工作人员联系。这是近乎与零成本的价值,2000元的价格就可以获得一个展位。

今天非常感谢腾讯众创空间的代表到现场,我介绍一下讯的2016创业大赛,天天投是这次大赛的全程支持伙伴,在后续我们从规则制定到整个赛事的运作,其实都是一起共同讨论的。腾讯创业大赛定位是联合内外力量,打造最强造星平台,包括政府资源和各种各样的导师,面对的都是主要是A轮的项目。这是整个大赛的过程,3月底会正式启动,4月8号正式上线,从3月份一直持续到10月份,整个赛程在全国20多个城市分四个赛区举办,天天投是全程的合作伙伴。

可以看到整个赛事的节奏,从4月份城市赛然后到一些专场活动,在5月25号会有一百个项目,这些项目也是天天投共同支持的。这里也特别感谢中国人工智能学会副理事长的支持,我们这次大赛的人工智能项目可以申请参加中国人工智能最高奖,会有绿色通道。这是大赛的明星导师阵容。

刚才介绍了我们的合作体系,今天特别重要的环节,我们联合腾讯众创空间和启迪之星,中国人工智能学会以及各个投资嘉宾,希望大家能够在这里倡议发起中国人工智能和大数据创投联盟,共同扶持一批比较优秀的创业项目。

这是我们和各位合作伙伴沟通的内容,这也是发起倡议的过程,第一是通过和人工智能学会的合作,促进科研成果的转化落地。定期会组织大家做一些产学研和投资研讨,共享相关的信息,第三就是整合各自资源构建生态网络,整个创投联盟会在天天投设置专门的官网。接下来有请各位嘉宾代表上台,共同进行启动仪式。

接下来有幸邀请到学术领域的重量级嘉宾,清华大学计算机系教授,博士生导师邓志东教授,邓教授为我国自动化学会理事,我们现在有请邓教授上台与我们分享人工智能前沿研究与产业发展趋势,掌声有请邓教授上台。

邓志东:我给大家介绍一下产业发展趋势和我的研究成果,主要四个方面,第一关于深度学习是人工智能的最新突破。第二是大数据下的感知智能,第三是前沿研究,举一反三的认知智能,第四说一下人工智能的发展趋势。

神经网络大家知道是对生物神经活动的一种模式或近似。神经网络发展经过了“三起两落”,这个叫神经认知机。神经网络发展历程的“三起两落”,最低潮是70年前后,还有2000前后。从2006年开始是一个里程碑,深度神经网络取得突破性进展,人工神经网络研究进入第三次复兴。真正产业界介入是2012年,以深度神经网络为主要标志的弱人工智能的最新发展,已引起了全球朱梦,欧美国家纷纷从国家战略层面进行布局,包括人工智能,和类脑芯片的研究进行布局,还有谷歌和Facebook等国际IT企业都在持续法理,加速进行包括视觉、语音文本等产品的海法。

谷歌做的就是DeepMind,收购的时候就50个人,现在成果已经出来了。还有Facebook,还有微软,还有AI的初创型企业的涌现。2013年开始主要是产业介入,还有包括(英文),被谷歌挖走了,后面12月份是(英文)被Facebook挖走,这都是标志性的事件。

深度神经网络的两大世界中心,一个是以Hinton教授为林俊人物的加拿大Toronto大学。还有Yann WLecun教授为领军人物。以及英国牛津大学、剑桥大学,裕国的伯克利和斯坦福等世界一流学习,均在高水平地开展深度学习等AI领域的研究。一般我们把机器智能称之为机器学习与人工智能的统称,机器通过学习获得人类的视、听觉等功能,甚至进行归纳、推理与思考等。人工智能是56年提出来的,刚好今年是60年。人工智能可以划分为三种类型,一个类型是感知智能即对感知或直觉行为的模拟,如视听觉,触觉。第二类是认知智能,即对人类深思熟虑行为的模拟,包括推理、规划、记忆、决策与知识学习等高级智能行为。第三是创造性智能,如顿悟、灵感。这些机器与生物系统存在巨大的差异部分。人工智能是一个影响面极广的关键共性科学问题,也是一个战略前沿技术,任何实质性的进步都会推动人类系统现代文明的进步,它的意义可以预人类迄今进行的任何一项伟大工程相媲美的。

第二部分就是大数据下的感知智能。深度神经网络包括三种类型,一种是深度卷积神经网络,一种是深度信念网络,一种是深度自动编码器,06年取得了突破性的成果,一个就是Hinton。深度卷积神经网络是75年提出的,该模型第一次引入了局部感受野、卷积和ReLU的思想,实际是目前炙热的卷积神经网络的最初版本。它真正发扬光大就是这个人,就是Yann Lecun,95年的时候他称之为卷积神经网络,最早叫认知机。在89年的时候,把误差反向传播引入了CNN。第二个成果就是95年卷积神经网络的概念被提出。06年深度CNN模型被提出,同时以0.39%的错误率,刷新了MNIST数据集的历史记录。目前的世界记录是0.21%。

这个网本身提出了一些特征,它跟以前不相同,以前所有特征都是人工设计的,这个特征可以自动提取,有低层特征和中层特征和高层特征。标志新的成果是2012年,当时Hinton的博士生系统地提出了一种基于GPU迅速的深度CNN,在具有1000种物体类别的ImageNet分类竞赛中取得了当时最好的成绩,错误达到了15.3%,由此揭开了深度学习在计算机视觉,语音识别和自然语言处理理解中大规模研究的序幕,产业开始真正深度介入。我们在80年代90年代初的时候这个领域非常热,所有领域都搞神经网络,但是那时候产业界从来没有进来,都是学术界做的。

深度卷积网络视觉物体识别能力,这是基于Deep CNN公开评测的数据。大数据:真实条件下有标签的巨量数据跨国企业的私有大数据的资源,其重要性如同原油一样。深度学习主要是靠大数据,还有GPU的应用。

在2014年的分类竞赛中,谷歌做的事情就是谷歌Net网络,22层的深度网络。还有牛津大学的VGG,这个不说了。人类对ImageNet数据集TOP—5的错误率为5.1%,上个月的记录是到了3.08%。针对ImageNet1000种物体的识别,DeepCNN超过了人类的识别能力。数据从06年到2012年六年的时间,当时产业界并没有重视,也没有大数据进来,然后2012年跨国企业全进来了,2012年到2015年,现在每个月都可以看到数据的不断更新,可以看到非常明显的趋势。

再举个例子,就是人脸识别,现在也是DeepCNN超过了人类的识别能力,我们从2014年开始,Deep CNN成为人脸识别的主流方式,大数据成为性能提升的关键,例如FaceNet达到了2亿,传统视觉识别方法最好的结果是96%左右,基于LFW数据集,判断两张陌生照片中的面孔是否同一个人时,Facebook中每天8一张照片中监测或识别特定用户的面孔或进行自动标签处理。还有这个是9层卷积层,1.2亿连接权,香港中文大学的XOTang等的DeepID2+正确率为99.47%,超过了人类97.53%的正确率,谷歌最新的FaceNet达到了99.63%。针对德国交通标志识别率的,DeepCNN超过了人类的识别能力,人类是98.84%,采用Deep CNN是99.81%,这是去年年底的事。

Deep CNN的检测与定位分割能力,正在成为全球的研究热点,其突破将推动AI的实际应用于产业发展,模拟生物视觉皮层的背侧通路。对多尺度的滑动窗口应用DeepCNN,这个时间代价非常少,现在还有GPU和芯片的,这块都可以支撑它的实时性。这是Facebook做的。Deep CNN+再励学习:正应用于神经动态规划问题中,取得了以阿尔法狗为代表的里程碑式的胜利,引起了全社会的关注。

这个在阿尔法狗以前大家没有关注,去年2月份也是自然的封面文章,也是(英文)收购的,去年2月份玩49种游戏,不是编程,是它看着别人玩,之后49种有29种超过人类的水平,学术圈都轰动了,这是人类的水平,如果之上是100分,最好的已经达到了2000多了,后面12月份,这个也是自然杂志的封面文章,这两个模型基本上是相同的。

深度神经网络为什么在弱AI中取得的实质性的突破,数十万个神经元,训练样本达到百万,最多达到10亿连接权参数,1000种物体,最高95.2%的正确识别率,超过了人类,开始与生物神经系统接近。人工神经网络经历了三起两落,一个是超级的GPU计算系统的发展,还有就是互联网时代的大数据,还有创新性的深度学习方法。

深度卷积神经网络为什么这么好,因为它首先是一种仿生模型或者受生物视觉通路启发的HubelWiesel模型。首先我们知道现在是困惑于语义鸿沟,我们不是不能识别,我们是不能进行有效的分类。这个鸿沟因为Deep CNN较好的模拟了生物视觉皮层中的腹侧通路,它缩小了这个鸿沟。生物视觉皮层有两个通道,从视网膜开始到LGN到V1—V2—PIT—AIT。有两个人做了很重要的贡献,这个人叫HubelWiesel,他做了一个猫的实验,在V1和V2皮层有两种细胞,一个叫简单细胞,一个是复杂细胞,简单细胞主要是关心局部的特征,复杂细胞就是感受变化,因为这个结果,在1981年获得了诺贝尔医学或生理学奖。美国MIT麦戈文脑科学研究所做了一个实验,这个(英文)是非常先进的,这是计算机系统的,这是一个很好的依据。这是在2014年12月底。还有IBM做的TrueNorth的芯片,它有两个通路。作为一种感知智能模型,DeepCNN仿生模型,迄今为止最好地模拟了生物视觉通路,在大数据和GPU计算硬件的强力支撑下,通过自动的分布特征提取等,达到或超过了人类的识别能力。

第三部分就是前沿研究。DeepCNN为代表的感知智能的成功就是举三反一,使机器初步获得了媲美人类的模式识别能力。概念向量:以嵌入的方式表达世界。RNCC概念向量存储在长期短期的记忆中,因此目前的前沿研究之一,基于规划和整合,以嵌入的方式表达世界,对的定细分领域是有可能的,在互联网时代,如果我们能获得相应的大数据的话,再励学习。具有现代脑科学基础的无监督学习的理论发展,将使认知智能获得真正的突破,强AI或奇点或可到来。

发展趋势我简单说一下,以DeepCNN为主要标志的AI加速发展,已成为重要重塑人类社会的基石。AI成为目前全球最热的投资风口,核心技术,Deep CNN+大数据,消费机器人还有AR、VR。人工智能的技术与产业与产业开始边沿基础性的角色。学术与产业距离正不断缩小。深度学习已无所不在,即使是DeepCNN的一点点进步,也会给人工智能产业带来希望与梦想。以无人驾驶这个我不说了。现在Deep CNN已经可以把这个问题解决了,环境理解与信息融合是主要的困难,构成了AI应的最大挑战和机遇。根据的原因是传统的机器学习方法都是在数据或低层特征上进行的聚类、分割、定位、检测、分类、识别和匹配。特征是人工设计的,大量使用阈值等。这是一个最新的照片,利用DeepCNN进行的检测,完成了基于摄像头的精准地图的创建。利用Deep CNN的行人检测,这个是剑桥大学做的,Deep CNN做定位,精度已经很高了。

在这一轮新的(弱)人工智能大潮中,历史上可能也是中国科技势力和美国科技势力之间可能不存在代差。总之,深度学习或感知智能源于原始的真实大数据。人工智能应用于产业发展正处于爆发期,原因就是有DeepCNN为主要特征的,也有其他的因素即使是深度卷积神经网络的一点点进步,也会给人类社会进步带来巨大的变革。第三,私有的大数据是制胜的关键和法宝。只有掌握人工智能这一战略前沿技术的国家才有可能真正世界的强国。谢谢大家。

毛欣晨:谢谢邓教授。希望下一次有机会让邓教授信息把这84页PPT完整的讲一遍。接下来的环节就是期待已久的投资人分享环节,今天来了80多个人工智能和大数据的项目,今天的创业者也非常关心这方面的话题,投资人是如何看待人工智能和大数据行业的发展,现在有请以下投资人上台给我们做一个小论坛分享一下。分别是真格基金合伙人李剑威,明势创始合作伙伴黄明明,联创永宣创始合作伙伴田野,九合联合创始人王啸,启明创始合伙人叶冠泰,有请几位。

崔鹏:请各位首先介绍一下。

王啸:我现在做的基金叫九合创投,主天使和A轮的项目,过去四年多投了一百多个项目,主要是天使的。

孙刚:我是高维资本的创始合伙人。我们也是主要做中早期的投资,从A轮到B轮的多一点,主要是投资大数据,AR和VA领域多一点,今天也是过来学习。

田野:我是联创永宣,我们主要投资的阶段相对跨度比较大,从天使就开始投资,人工智能这方向也是我们未来比较关注的领域。

黄明明:我们是专注在早期的投资,主要两大领域一个是工业升级,工业自动化和消费升级,机器人领域我们也投了几家不错的公司,希望今天有机会跟大家交流。

李剑威:真格基金是徐小平老师在2011年创立的机构,到目前为止投资了300多个公司,行业跨度比较大,我个人是看大数据和人工智能,包括智能硬件,在人工智能这个领域里我们也投了一些项目,包括像自动驾驶,包括余凯的地平线,最近会投一两个机器人和深度学习的项目,今天很高兴有机会跟大家交流一下。

叶冠泰:大家好我是启明创投的IT合伙人,我们公司成立了10年,现在投资了190多个项目,分布在互联网、IT和医疗这些技术。在IT这边,在人工智能方面,我们投资过像人脸识别,还有语音识别,还有像大数据我们投过一些反欺诈的大数据公司等等。

崔鹏:谢谢各位嘉宾的介绍,接下来我们创业者有几个问题各位嘉宾,大家想了解一下投资的方向。第一个话题,最近也是非常热门的,想知道各位投资人对阿尔法狗对智能产业到底产生什么影响?我们嘉宾比较多,请王总回答一下。

王啸:阿尔法狗确实会引起很多人关注,我们知道任何产业的变化都是因为资金密集的推动,目前是一个标志性的实践,大家认为人工智能对于很多事情的推动作用比较大,我个人判断,在未来三到五年时间,人工智能这个领域可能会推动互联网向下一个方向演进,这个演进的路径我把它归结到智能互联网。我们知道下一代互联网很大的特点是前端有各种各样的数据,后端有大数据的模型和深度学习的算法,帮助它调整应对的策略,这是一个基础的模型,我相信未来三五年以后来看这是一个起点,帮助机器下围棋,下过世界冠军,这只是一个非常单点突破的事,我相信它能做更多有价值的事情,下围棋这只是一个个别的事件,但我相信会有一些问题被解决,这就靠在座的各位花更多的钱,投入更多的资源做起来。

黄明明:对于阿尔法狗这个事情,这件事情它的象征意义会更大一点,因为从阿尔法狗事件以后,可能全社会,不管是不是在这个行业里,可能对人工智能这件事算是有了一个比较初级的认识,这次出现的是比较震撼的,它第一次表明了机器在这么复杂的局势判断中战胜人类,但是它离产业化的道路有非常大的距离。好处是说,通过这样的事件,会让整个社会的关注度集中到人工智能这个领域里来,相信对整个行业的推动和带动后续大量的资源、资本进入这个行业会有好处,但是我们也要清醒的看到,这件事还比较早,最近有很多朋友问我,因为这个结果带来的一些恐慌,我觉得这个还早。

李剑威:我觉得这次阿尔法狗对我来说是挺震撼的事情,而且是一个跨时代的,上一次人工智能给大家带来及是97年IBM深蓝,国际象棋那个,在围棋里面,赛前大家都觉得机器赢不了的情况下,形成这么大的反差,对业界和工业届都是特别大的冲击。其实我原来看智能硬件,我们也投了一些公司,包括小米平衡车,华米,还有谁上机器人,云舟智能,中国其实在人工智能行业其实已经不错了,在智能硬件这个点上,往上有两个层面,第一就是硬件层面中国做的不错,在感知层面,可能接下来会有巨大的突破,(英文)已经可以避障,感知上面何以看到接下来两年会有巨大的突破。再往上就是智能,这次阿尔法狗给大家特别大的冲击,我感觉在未来会出现特别特别多的项目,会有特别多的钱会投进去。

崔鹏:好,各位投资人分享一下对三到五年发展趋势的判断,以及2016年投资的重点投资的方向?

叶冠泰:我觉得三到五年的投资方向,今天我们就在这个会议上,我们又是VC,肯定是三到五年的大方向,基本上都比较同意。我个人在今年,我们会比较关注的是VR、AR,还有大数据,基于大数据和人工智能和软件的服务,基本上我们现在看到有很多公司使用大数据,但是我们觉得更有价值的是用大数据预测一些方向,这个东西是我们在关注的,而且从计算能力来说,它可能还没有那么复杂,是可以做到的。这样的软件是跟2B行业结合,这种公司必须要有对行业的理解,必须能够推向客户,还是需要锁定这个行业。像我们已经在金融方面看到一些公司,像机器人我们也不断关注,还有VR、AR的结合,感知的一些技术。VR、AR这边现在的硬件基本上国外的公司制定一些标准,我自己觉得在纯硬件的地方,中国可能还落后一些,这方面比较难看到一些突破,但是在内容方面,在落地的文化新的方面会有一些突破。

李剑威:VC们关心的都差不多,前沿的大家都会看的很多,机器人,VR、AR,大数据这类的。我们感觉从对生活的改变角度来讲,我们可能对未来有一些想法,比如以后可能不会在大城市,比如美国的城郊到农村的地方,交通有一些改变,比如用184的无人机,或者说水面作战,不是航母对航母,以后就是无人船对无人船,或者无人航母对无人航母。而且我觉得未来三五年肯定会实现,从现在感知技术和智能技术的发展来看,可能会实现,所以我们也积极的在布局一些公司。VR、AR我们觉得稍微早一点,从消费者应用来讲,因为它的头盔太大,很重,戴起来视觉有冲击,但不是很方便,未来它会朝很轻量的方向发展。未来我们会远远低估五年内技术带来的变化,05年我们觉得智能手机不好意思,诺基亚的N71也不错,现在苹果有了128G的内存,匀速速度那么快,就像一个电脑一样,未来五年无人驾驶,包括无人机这些都会实现,希望我们有幸参与到这些浪潮里的优势公司

黄明明:我先讲讲阿尔法狗的问题,其实讲点有意思的事情,大家知道什么人最感兴趣的吗,就是以前一批研究神经网络和深度学习这批人,其实深度学习和神经网络是在五六十年代这个提法就有了,我记得在我上大学的时候,当有人说我是搞神经网络学习的时候,基本上在国际上认为是骗子,这个可能是个玩笑,当时一个是算法理论,一个是当时的计算能力,后来这帮人搞不下去了,我换个名字叫深度学习,就能继续搞下去了,这是比较有意思的事情。但是今天我在下面听邓老师讲课非常羡慕,一个是给我们做了很好的讲座和普及,另外我们是做投资的,我们特别羡慕没有邓老师这样的奢侈,一个是畅想未来,第二个可以把未来很多前沿的东西做研究。我一直讲我们做早期投资的,我们是站在未来看今天,如果站在特别远的未来,我是未来的科学家或者是学者,我们要做的是连接未来和今天的桥梁。我认为阿尔法狗的事件还是跨里程碑的实践,不管这些年的GPU,显卡能力计算能力的提升还是算法的突破,确实人计算第一次拥有了可以在非常复杂的非标准性的问题上可以第一次在这些问题上战胜人类的特点。从我们投资的角度,我们可以看到,刚才讲我们第一个领域就是出行领域,自动驾驶领域,大家有研究的,在美国已经是一个半成熟的技术,到2020年加州已经允许在马路上开始跑。在这个领域中国公司有机会,因为电动车和新能源汽车的普及,让中国的汽车工业第一次有弯道超车的机会,未来的交通一定是UBER模式加无人驾驶的模式。我们刚投资了汽车之家的李想的项目,我们觉得基于未来的新能源的个人出行工具和无人驾驶功能会在未来改变人类的生活。

第二块就是在感知方面,不管是机器、视觉,声音识别、图像识别人工智能是会产生有价值的领域,其实有很多公司已经有布局了,包括像激光雷达,室内识别这些技术上,在未来几年都是能看到的一些投资领域的机会。

第三点,我们这个基金针对国内的制造领域,在工业机器人领域我们认为有非常大的优势,我们会持续围绕机器人的上下游产业链进行布局。

田野:刚才几位介绍了他们对这个领域投资的一些思考,从我们的角度来讲,我们认为有几个机会吧。第一个从人工智能的角度来讲,我们认为在一些垂直领域,人工智能的应用能够最先获得成功,或者说能够实现产业化。因为一些垂直领域相对来说数据量比较小,所以机器深度学习能够做的用户体验比较好,这个中间我们比较看好在医疗、交通等领域的人工智能的应用。包括我们也投了一些人工智能在医疗影像,在医疗问答等方面的项目,另外,我们也投了利用人工智能技术在出行管理方向的应用,它会从每个人每天的日程管理开始,切入到用人工智能技术做整个人的生活助理这个方向。人工智能在大范围使用还不太现实,因为样本太大。从机器人角度来讲,我们目前投资了哈工大的机器人集团,我们认为在中国未来几年,机器换人的需求非常大,这个领域会出现很多的公司。大家知道中国在机器人这块的核心,零部件这些方面没有优势,但是结合中国应用场景的机器人技术的集成还是有比较大的机会,这个领域也会出来不少优秀的公司,这也是我们的重点投资方向。我们今天也在做了一个新的基金,是专注于在机器人、人工智能和智能制造这个领域的投资,所以我们也非常希望能够用我们的基金参与到更多的行业的优秀的企业里面。

孙刚:我很赞同前面几位说的,我从另外一个角度说说,你说热点在哪,方向就跟着天天投就行,你搜天天投很多的数据,你看到哪个板块交投特别活跃,标的特别多,那一定是方向。今天和上一场就是明显的例子,最主要就是考虑人工智能和大数据,还有就是VR、AR,前面做那一场我听说特别火爆。简单说,如果未来一两年,肯定是VR、AR这两个领域。但是我自己个人体会,我觉得这种非常大众化的,包括这种热点有时候也是不理智、不理性的,可是作为一个VC来说,我也没有办法,比如说我们在组合中,我们投的数量不多,但是我们觉得有些公司相当不错,需要一段时间去养,我们刚投了一个VR、AR的公司,没投三四个月,下一轮就有很多倍数被拿走了,我并不觉得这个公司有什么变化或者好,但是它的确就是热点,它是一个风口,所以我只想说明,如果是热点的话,这几位投很小离不开VR、AR这方面。另外有一个点,通过智能技术和大数据,在刚需方面的应用可能是我们非常关注的热点,它的底层是传统行业,通过和大数据和人工智能技术的融合,它会有一个质的区别。比如前两天投了一个企业叫小路美美,其实是做童装和妈妈类的服装,创始人是谷歌公司的分析师,然后做了金融的分析师,因为生了小孩,他太太就和他说了,他一点不懂服装,他用爬虫技术把中国很多母婴类公司的数据结合起来,预测下个季度或下个月,什么颜色,什么款式好卖,然后交给代工厂用它的品牌做而已,其实它做的就是传统的垂直的电商,只不过插了智能的数据,所以我们很关注这种在传统领域和智能技术和大数据结合的项目。

另外,我个人和团队讨论觉得文化娱乐方面是有不错的需求,VR、AR在很多领域都是视频直播,游戏类,都跟这方面有关系。大概就是这几个热点,还有智能制造这块也是。方向不光是领域,还有地点,经常投资人会谈到中国有些项目,像风险回报的比例不是很好了,有的去以色列和比利时看一些项目,阿尔法狗就是45个在伦敦的小伙子做的,后来大家知道伦敦在02年人工智能也很强,英国他们非常低调,不知道怎么宣传,不知道到中国来对接投资人,这点和美国和以色列的创业家完全不一样,所以在伦敦大家有机会去看看(英文),那是一个很好的团队,如果想做技术上的普及我觉得不错,除了领域以外,地点也挺重要的。

崔鹏:对,我们天天投后续会结合产业投资效应会推出投资地图,并且是在线的方式让大家看。如果用10平方公里做一个方格,比如说投智能硬件,你跑到江西这样的地方投是有问题的,你投医疗在成都是不错的。对于项目来讲,我认为地点决定了它的和周边的效率和成本,决定了产业政策,决定了这个公司运转的效率,这对创业公司来讲影响很大,我们会专门推出投资地图的产品,进行专业分析,邀请一些分析的专家协助我们做。

王啸:这个话题比较大,而且也不好做预测,现在如果能预测未来,每个人都会投的非常好。我想说的是,我们可以从简单的事情做判断,所谓的机器学习和大数据,前提是数据的累积和收集,没有这些数据阿尔法狗下围棋也下不好,最近各种各样的智能硬件不错,是因为它能收到大量的之前收集不到的数据。随着这些数据和大数据的算法结合会产生更多的东西,前一段我们有一个公司是专门做挥杆的,把数据精确捕捉到以后可以告诉你怎么样精确打球,其实不管是下围棋还是教你怎么挥杆,可以在细分领域找到一个突破点的。第二个我们看这个事情,看数据比较密集的地方,通过卫星数据能不能做一些农业的保险等等,可以通过一些数据和学习,结合产业的自身规律形成闭环的应用,就是解决一个问题能产生价值,这个事就是有基础,需要数据和产业当中结合,解决某一个具体的问题。人工智能解决我们面临太多的复杂性的东西也不现实,像自动驾驶这个也不复杂,但是谷歌这样的公司花了很长时间那么多人解决,我相信任何一个现实当中复杂的问题,它的解决是需要比较长的时间,而且一般来讲小公司不一定干得了,所以小公司做的话突破起来非常难。包括下围棋这样的事,如果一个小公司想获得那么多的支持是非常难的,这是第三个事情。第四个,如果数据标准化的地方容易形成创业公司突破的机会,刚才提到的医学影像,包括医学影像的数据通过互联网和移动互联网这么多年收集了大量的数据,这些事情做起来比较容易。像交通和卫星数据,有大量的数据存在,因为机器的计算能力不够,解决不了问题,这是我看到的趋势和方向。我相信还有很多看不到的东西才是有价值的,所有人都看到了,其实都是我们要一波一波通过天使和VC推动变成现实,这是我们的价值和意义。

崔鹏:最后一个问题,人工智能在金融领域,尤其像一级资本市场有没有可能应用?

叶冠泰:其实我们已经有一家公司,反欺诈的公司做大数据分析,他们已经开使用深度学习的算法,预测一个可能性的坏人的行为,再做出一些风险模型,提供给金融的客户们,已经在做这样的准备。除了风险预测之外,一级市场股票的波动,这方面我还没有类似的公司。我觉得深度学习可以应用在所有环节里面的东西,但是在每一个环节都有需要落地的地方,都有很多的已经积累的商业知识和行业规则,比如这个数据从哪里来,有这样的问题,我觉得可以分成几个类别。我们自己在大数据投资的时候,我们分成三个类别,第一个类别是它有数据,或者有分析能力能够拿到数据,大部分的时候,大数据在今天的层面上,小公司是没有数据的,你如何从大公司拿到数据,必须能够把它的数据,因为它不会卖数据给你,大公司不需要钱,你必须告诉它说你的数据有一部分是我加工给你的,这是一种,基本上数据模型在反欺诈或者安保,现在可以做到石油勘探方面。第二,也许可以做这些东西,我觉得未来数据本身不是计算,现在像做HADOOP,我们还投了一家做数据库的公司,像这样的东西都是用在金融本身的。

王啸:如果在一级市场很简单,如果回答YES的话,我们台上这些人都失业了。如果我告诉你在一级市场的VC和PE领域,如果人工智能有用的话我们大家多回家歇着去了。我觉得在二级市场,在过去几年,我的很多同学都可以做快速的炒股的,这个不新鲜了。但是我认为我们一定是有价值的,我们不会失业,对我们做VC的老板来说,阿尔法狗事件出来我们第一次开例会的时候,我就说人类区别于其他动物的,我们唯一最强的就是学习能力,我们没有老虎和马跑的快,我们人类之所以能生存下来就是学习能力,现在机器初步具备了学习能力,如果你们再不努力工作,先失业的就是你们,再失业就是我,一级市场最好的应用就是可以激励我的团队,这是我的回答。

黄明明:在二级市场刚刚也说了,我觉得在整个大金融领域里边,其实VC是最不具有金融属性的细分领域,本身金融就是数字游戏,它很容易被量化,只要容易被量化的东西都是人工智能可以逐渐突破和解决的,包括现在很多量化交易都在做了。对VC这个行业来讲,我觉得它更多在很大程度上对事情的判断是基于一种模糊的东西,刚刚邓教授介绍的,包括人工智能全世界没有做的灵感、顿悟还没有做,而做VC很大程度上需要一种直觉,这个工作有点偏向于手艺人的活,所以人工智能想替代的话有相当漫长的道路。单位人工智能对数据的分析,作为VC领域的辅助工具是有机会的,像天天投现在做的事情,不断搜集行业数据帮助我们形成投资决策的判断,在这个上面来讲可能还是有机会的。

崔鹏:其实我们的理解,第一个是信息优势,第二个是反复投资必须的大脑,这样的过程,天天投今天2.0战略,第一步希望我们在未来创业投资的数字信息方面建立优势,相对于任何投资机构的信息优势。第二个这个市场是不可能完全变化的,刚才各位说了,它很多有任性的判断,这是未来几十年可能更长远的周期无法量化的东西,但是有一种方法,可能通过群体的意志获得群体的智能,群体智能体现出来的东西会有可能应用在这个市场的。

田野:如果天天投这个平台积累了足够多的数据,像我们早期的投资到IPO,你可能发一只基金可以不看创始人,有一些数据可以做机器人的产品,但短期内这个行业不会受本质的影响,但如果我们请到了一个机器人式的合伙人,它确实是一个很有用的辅助工具,每个资产管理平台,有这种机器人属性的合伙人,一定是在中长期的制高点。金融市场(英文)就是典型的,它不需要人管理,只需要几个参数,后来对冲基金很多采用量化的模式,我觉得可能在中长期反而先影响的是中小期的,一个天使人可能最多认真看一千多个项目,如果做B轮以后的投资,团队中的分析师,做大量公司的分析,但是中短期这种人性化的合作方式应该不会有太多的改变。

崔鹏:对,我们希望天天投2.0所做的事情,希望建立创业投资大数据服务,帮助投资人辅助决策,从而做出更正确的决策,这也是天天投作为一个品牌产生的对社会的价值,对社会的贡献。非常感谢各位投资人对这个观点的分享。

毛欣晨:下一个环节是产业论坛,这个论坛是既有创业者也有投资人,我们希望他们在台上碰撞出更多的火花。有请数据堂CEO齐红威,极客帮创始合伙人蒋涛,创势汤旭东,驭势吴甘沙,图灵机器人创始合伙人俞志晨,清华大学的博士崔鹏。

崔鹏:非常感谢各位能参加天天投人工智能和大数据的投资论坛,首先请各位用一分钟介绍一下自己,从吴总开始。

吴甘沙:大家好我是吴甘沙,我是驭势的创始合伙人,我们做的事情就是如何以更低的成本去实现高质量的自动驾驶和无人驾驶,我们现在还是一家比较年轻的公司,但是我们几方面的团队实力还是非常强的,我们是由三部分的力量,一部分做人工智能,一部分做汽车的自动驾驶规划,还有一部分是做复杂系统的,三部分人组成的团队,我们今年会有不少的车上路,也请大家关注我们公司,谢谢大家。

俞志晨:我们图灵机器人在2014年10月份第一次发布的是云端的AR服务,包括云理解,云问答系统,因为它是一个开放的平台,一个星期内就有差不多十几万的第三方企业或开发者用了我们的产品,去年我们发布的新产品是图灵(英文),是人工智能机器人操作系统。

崔鹏:大家好,我是清华大学的崔鹏,我在计算机系做助理教授,我们主要的研究方向,用现在流行的语言叫大数据分析,学术的话讲就是数据挖掘和信息处理。我来这边非常高兴看到这么多业界的朋友非常关心人工智能和大数据,我们毕业的学生应该有非常好的去处。我今天来主要想了解一下,到底从产业界怎么样看待大数据的一些技术,当然从某种程度上来讲,我们希望更多学界前沿的技术,能够在产业界落地生根。具体方向呢,我们做包括人类行为的分析和建模,主要关注的是用户的线上行为,还包括用户行为的因果推理,一会儿如果有需要我们可以再做向。

蒋涛:我是极客帮的创始人蒋涛,我们主要投资两个方向,一个是关于文化娱乐相关的,一个是跟技术相关的,我们已经投了80多家公司,下一个阶段,现在大家都已经移动化了,所有的行业和应用都在量化各种各样的数据,所以背后的大数据,大数据以后做分析,你的人工智能也好,还有就是新的终端,VR、AR,技术在未来会扮演非常重要的角色,能够渗透到每个人的生活和行业里去,我们希望投这样一些技术和产品。

汤旭东:大家好我是创势资本汤旭东,我做了18年的互联网早期创业投资,创势资本是一家天使投资基金,我们主要投资方向主要在文化娱乐板块,大数据这块我们更多做一些行业垂直的投资,我们投了国内的彩球公司,拿了数千万人民币的公司,我们投了国内的娱乐大数据的公司,也挂了新三板了,包括VR、AR,我们去年投的VR公司拿到了上市公司三千万的资金,我们AR也是国内唯一的高通芯片的智能眼镜,现在也跟乐视体育和乐视音乐合作,希望今天大家能够学习交流。

齐红威:我的主要核心业务还是提供数据服务,有点像数据银行,所以我对外说是数据领域的中石化,包括三个环节,第一个环节我们通过各种方式和各种模式获取了很多行业的,包括政府的一定规模的数据。第二个阶段,进行数据的加工处理和整合,尤其是结构化和非结构化的整合。第三个阶段就是把数据标准化以后,再通过数据云的方式,主要是数据接口的方式推给客户的应用。我们通过四年多的努力,我们到现在延展到了征信、交通、医疗、健康,因为现在大数据的产业数据规模将会爆发。今年我们刚募资了五个亿左右的基金,也是配合一定规模的数据加一定规模的资金,布局大数据上下游,包括AI领域的企业,我们也希望有机会和大家合作。

崔鹏:我们这边有一些问题,第一个问题,了解一下大数据方面,在大数据领域谈一下自己认为最具有代表性的公司是谁?

齐红威:大数据从整个产业链角度来讲是分四层,或者叫生态链,第一层解决最底层的,做计算的企业,这个不用讲了,这个对创业公司没有机会了。再往上一层就是做数据源的,就是类似数据堂这些企业做的。还有一类是第三层做具体技术的,国内典型做的比较多的,数据堂一些典型的客户像(英文)还有云之声,包括余凯做的地平线,吴甘沙做的事情都是有很多机会的。再上一层,国内做的最多的,百花齐放,做数据应用的,这是我们国内大数据企业和国外完全不同的一点,这个领域的企业相当多了。做的数据好一点的是(英文),还有新三板挂牌的企业,还有好多隐藏的,这里面我不一一讲了。

吴甘沙:世界范围内,我觉得在基础设施这一块有一家叫(英文)的公司,是非常值得关注的,因为现在在数据分析这块非常流行的框架叫(英文),就是他们发明的。在上层,数据分析和智能这块(英文)非常强。在数据聚合以及数据资源变现这个角度来讲,就说一家(安科城)吧。

俞志晨:2014年的时候看了一家公司,是美国叫(英文),做金融AI这块,那家公司当时最早是用数据做一些AI的金融服务,当时算是在行业里一个非常不错的切入点。技术模块这块,我自己关注不是很多,我更多关注产品一点,国内的话个偏机器人领域,像(英文)这个面对的点多一点,不是纯数据化的大数据的应用,有的和硬件结合在一起,我认为这些产品在国内包括全球来看都有自身的优势。

崔鹏:另外一个问题想问崔鹏博士,从研究的角度来讲,您认为目前大数据分析和人工智能,在产业领域还存在哪些技术的障碍?

崔鹏:其实大数据这个概念,对于学术研究的角度来讲不是新的概念,不管喊大数据还是喊人工智能,还是喊其他的词做的事情都一样,就是在做数据分析和挖掘,包括数据的建模。如果谈比较大的数据障碍的话,像刚才几位嘉宾也都讲了,实际上在很多层面现在都能看到一些标准化的公司,比如从运算平台的角度,现在有做单机的,内存计算,比如(英文)平台支持很好的大数据处理,包括数据堂,包括一些其他的公司做数据的标准化的服务。但恰好大数据的核心部分,数据的处理和分析,这部分不是很容易做一个通用的框架。大数据有很多的数据来源,不同领域的数据是有非常强领域的特性,我们不可能搞一个领头军的数据模型解决所有的问题,最终大数据如果和产业应用的话,一定是既要有懂大数据的人,同时又要有懂这个领域,或者有领域背景比较强的人,这样结合才能做大数据的分析和处理层面能够有比较强的突破。其实我们也看到硅谷现在有些公司试图做一些标准化的工具,但是在我们了解到的情况,他们的存活状态不是太好,但是有投资,但是从企业的角度来讲,如果我是一个大型的公司,我不可能把所有的数据都放给专门做数据分析的,因为我完全可以自己养一个数据分析的团队。如果只是做一个小公司,中小型公司的服务,同样还是会面临工具通用性的问题,包括模式的问题,这个实际上都会碰到一些问题。

第二个,从我们技术角度来讲,大数据目前还是存在一定的技术风险,主要来源于目前做的所有大数据的分析,包括这些算法,在我们看来都是基于关联,也就是说以前有大量的数据证明,发生A就是发生B,下次发生了A我就预测会发生B,将是这样的逻辑。但这样的逻辑,当我们真正应用到一些实际问题,尤其在某一些领域我们需要做一些严肃的决策,在做决策的时候,我们知道你做所谓的预测都是有一定的精度,如果在某些情况下,比如预测的结果并没有像我们预测的发生,整个过程是一个黑盒子我们是没有办法控制的,所以当时提出大数据这个概念的人,你问大数据的风险是什么,他会讲大数据就是本身性不可解读性,它会出现一些不可控的风险。所以从2011年开始,(英文)拿到图灵奖,他是一个有名的做因果推理的人,而不是关联性的分析拿到的图灵奖,这也预示着计算机技术的发展从黑盒子模型打开变成一种可解释的,可以推理的一类模型,这个跟我们目前的大数据是两条线。

今年我们看到一个标志性的事件,就是2015年10月份《科学》杂志新出现的文章,只需要非常少量的样本,只用了几百个样本的数据,加上人的推理能力在里边,它的性能比(英文)用数十万的样本得到的效果还是好,所以这也预示着我们从技术的发展来讲,当然现在大数据很热,我们很高兴看到它在很多领域的应用,但实际上这并不是一个进口,如果从前瞻性的投资角度来讲,应该要关注更前沿的技术的发展。

崔鹏:请问吴总,吴总也是英特尔中国研究院院长,相信在国际前沿的角度对这方面有非常多的见解。

吴甘沙:在大数据这块可能有几点,我就多讲讲工具这个层面。一个是它跟具体领域的结合,其实你给出太计算机化的工具,绝大多数用户是不会用的,你如何给出一个用户能够用的这么一个工具,这是我觉得现在很多厂商在试图解决的问题,从某种程度上来说,过去几年大数据是从最底层的存储开始,去解决分布式运算的基础设施的问题,现在就是要进入到运用的问题。这块我不觉得有一个(英文),最终肯定还是需要很多不同领域的客户用的,要提取价值的,所以怎么把工具做好,这是第一个。

第二个,我觉得大数据当中大家说的比较少的就是数据治理这块,在传统的数据分析的流程当中,数据清洗花的时间很长,可能占到60%70%的时间,现在我看到有一些好的研究,并且有一些产业化的尝试,它能够通过机器学习的方法从非结构化的结构中学习出结构出来,通过机器学习的方法,把一些歧义消除,我个人非常看好。这块未来和人工智能有一个交汇点,大数据可能解决了通古晓今,见微知著的问题,人工智能解决了认知的问题,把这两者结合起来可能是未来一些重要领域里的发展。IBM发明出一个词叫认知商业,某种程度上是人工智能和大数据的结合,未来在这方面可能会有很好的发展。

在人工智能这块,刚才崔老师讲到了,深度学习代表了很好的技术上面的发展,但是它未必是一个终极的状态,未来怎么把深度学习和推理、逻辑这些东西结合起来,把老派的人工智能和新派的人工智能结合起来,人工智能从简单的感知进入到认知这个领域,会有更多的突破,尤其是在小数据样本上面,你如何能够解决好人工智能的问题。尤其是在一些复杂的环境解决好在线的问题,而不是花几千个小时计算再用,在这方面是非常值得关注的。

人工智能很重要的一点就是不要短期内期望(英文),关键是怎么把人工智能的技术和现在应用的需求能够完美的结合起来,能够独特的搭起一个架构出来,阿尔法狗就是一个例子。把它放在一起,把深度学习从传统的感知搬到决策的领域里面来,实现了一个很好的突破,我觉得这就是一个非常完美的例子。就是把已有的技术重新组合,应用到一个新的领域里面去。李小龙说功夫就像水。人工智能也是这样,怎么能够把人工智能技术最好的应用到你要解决的问题里面,做独特的工程上面的创新,这也是未来非常值得期待的。

崔鹏:好,感谢吴总的分享。请问蒋总,请您分享一下目前国内的开发者包括创业团队在大数据和认知领域整体的状况是什么样的?您对创业者有什么样的建议?

蒋涛:因为我们办云计算大会和大数据大会已经有七年了,今年有一个特别明显的感受,就是以政府为首的重要的行业,现在在大规模的投资大数据,他们要用大量的资金换掉老一代的技术,未来的信息系统是云化和大数据化,这一点由政府投资拉动,在非常重要的行业,包括公安、交通,医疗还没有启动,但可以感觉到增长的趋势,今年应该是非常重要的转折点,大数据要真正的落地。为什么呢,因为中国整个行业应用还是非常落后的,虽然我们GDP跑到第二,前一阵有一个朋友去一家公司,想跟传统行业对接,到非常有名的百货公司里,想用大数据,它没有数据,只是有交易,连基础都没有,所以中国传统行业现在往上走需要跳跃式的发展。第二,传统行业也很焦虑,说了一大堆名词,现在1.0还没有干好,这是现在的趋势,预测大数据接受应用。传统行业想要大数据,但是他们连数据都没有,这块需要解决。

人工智能就更远了,我觉得人工智能要进入到实际领域还远一点,但是在某些地方会有发展,在医疗上的突破还需要一段时间,包括我们投资一家做教育的,它是用自然语言理解的方式改作文,不是改中文的,改英文的,现在已经改了1.6亿篇作文,实际上比老师改的更好,所以在特定的场景下这是非常有意义的。今年有一些美国公司过来跟我谈合作,讲了我们的项目,我们投了人工智能,他说这个到美国也可以用,我们可以帮你做这件事情。人工智能很多东西还在研究和发展的过程,结合某些领域特定的场景,包括王啸刚才讲了,特定的场景能找到一个突破点,大规模应用还需要时间,在某些特定领域里可以找到实际的用途。交通还比较困难,还需要一点时间。

崔鹏:汤总,请您分享一下您在投资的时候您喜欢什么样的团队?

汤旭东:大数据这块我是08年就开始投,当时还是DI,不是AI。刚才讲了,投大数据这样的项目,我现在更喜欢投一些行业垂直的,不是说自然语言的引擎,什么行业都可以做数据清洗,这是不靠谱的,我们想投你在一个行业要有自己的一个数据源,刚才讲了,大数据公司主要是数据源,还有数据清洗,第三个就是大数据公司的数据变现,去年我们也去了贵阳大数据交易所,数据交易量并不多。所以我们选项目,第一要有核心技术,肯定要有基于自然语言的核心技术。第二个就是有多的数据源,可能是交换的数据,也可能是买的数据。第三个你必须能够解决客户的实际问题,就是你的数据变现,无论是做娱乐还是做体育,因为我们投体育大数据的彩球为例,能把全世界足球的数据,每个球员,每个教练,每个球队的,包括赌资的数据都可以爬到,现在赌球率达到80%,这是非常可怕的事情,不说市场容量有多大,它是能真正解决用户的实际问题,这是我的投资逻辑,谢谢。

崔鹏:感谢各位嘉宾的分享。对2016年在人工智能和大数据创业,作为先行者,现在即将进入的创业者,能够给一些什么样的建议,吴甘沙总。

吴甘沙:第一还是要了解清楚你要解决什么样的问题,每个领域都有不同的问题,去看这个问题是不是受众客户真正需要解决的。第二个就是短期内,就是技术能够解决的,有时候不光是技术的问题,还有市场政策等等方面的问题。第二个还是善于利用工具,其实现在深度学习从某种程度上来说,是把人工智能的技术应用了,普通的人如果利用像(英文)这样一些工具,你也可以玩转深度学习,所以利用好工具,尤其是开源的工具,我觉得是非常重要的。第三个,总体上来说,人工智能上面需要做出与众不同的东西还是需要很强的人,如果能忽悠到很强的人和你一起创业,那是事半功倍。

俞志晨:我去年参加的活动比较多,今年出来少一点,去年谈了很多的大数据和大数据的事情。我自己觉得人工智能和大数据不太好做,技术壁垒很强,同时对产品,包括它的创新能力要求非常高,像目前现有做技术平台或者做技术相关的公司,发现这些公司的发展历程很长的,真正在人工智能和大数据都是一个长线的发展过程。这个过程当中,我觉得最考验的往往不一定是技术,而是怎么样用这些技术在当前的环境下,做出更有创新的,符合这个环境下的产品,这个我觉得是最难的一点。当然如果已经有一些业务,只是把大数据作为一个模块补充进去,真正需要做一些人工智能的创业性的公司,对它的产品创新能力,技术创新能力要求非常高,所以这块其实我们图灵之前也遇到过这个问题,后来也是做了一些创新,这是我自己的一些看法和经验。

崔鹏:崔鹏博士,您从研究的角度来讲,您对这个领域的一些项目有什么建议?

崔鹏:其实大数据这个东西挺好,实际上我们说大数据并不是这两年产生的,现在谈大数据,放到五年前十年前都在那,只不过当时大家没有意识到数据这个东西对于很多行业很多领域很重要,它更多的是意识或者是概念层面的创新。确实,我们说很多的行业,不管是零售还是商城等行业,都可以从数据驱动的方法或者是技术上面受益很多的,所以我们现在有很多的公司,包括这个方向的投资热,我们看到有一些公司,比如把文案给我们让我们把把关,提一些顾问性的建议,我们觉得这个概念慢慢在被透支,有很多的公司会往这方面靠。我觉得有一点能够鉴别的是说,要看这个公司是不是真正的有若干人真正的是懂数据分析的,我觉得这个对于我们评价这个公司到底是不是一个真正的做大数据,或者说利用大数据的技术做的一个本质性的东西,这也是给企业的建议,你想真正利用数据的力量提升比如你在某一垂直领域的竞争力,你真的需要在方面研究,不是只扣一个概念就可以。本身用我们的话进,搞大数据分析是一个奢侈的事情,因为它不存在一个你买几个工具就可以搞这个领域的大数据分析,确实要知道怎么样对数据进行建模,怎么样进行数据分析,并且这些人要很深度和公司里的其他部门深度耦合才能解决这个问题。我觉得有一些初创性的公司不具备这样的实力,也可以寻求跟一些研究机构或者是高校做这种产学研的结合也是很好的方式。所以,从这个层面,给投资机构的建议,我们希望这个概念不被透支,如果透支的话,本来可以火十年,可能三年就过去了,希望大家确确实实做这方面的事情。

蒋涛:我说两个,现在有非常多的工具,包括国内外很多的工具,大家不一定从头研发,只把这些工具组合起来就有很大的价值,包括无论做行业应用还是什么。第二个,很多行业还处于1.0水准,并不需要利用特别高级的手段,但是你需要了解它的行业,这个时候大家可以耐心一点,或者说在行业里做更深的结合,甚至到行业公司里干一年半年再出来会更靠谱一点,把团队搭的更完整一点。

汤旭东:想在这方向创业的话,真正从用户的刚需入手,不要做的很大,就像刚才讲到批改作业这个事,这个很细分,这个事是很不起眼的事,我们比较喜欢这样的项目,创业者也是这样的,选一个特别细的行业,数据获取比较容易,算法比较容易构建,推广的客户也是有刚需的,相对来讲对一个早期创业者来讲更容易一点。

齐红威:我们也经历了很多的失败和挫折,这里面我有三点给大家建议,第一点就是专注,尤其一开始做公司精力和时间都是有限的,这时候我非常赞同几位刚才提到的领域化、专注化,我就做一件事情,利用互联网的思维。第二个词就是开放的思维,现在这个领域,尤其在VR、AR和大数据领域,一定要想办法利用已有的能力和基础,比如数据层面的基础或者技术层面的技术,能拿来用就拿来用,这样会加速你的进展,不要所有的事情自己做。第三个事情就是要更耐心,这件事情不比其他的领域,尤其移动互联网靠一定模式砸出来,这个有一定技术化,需要深度耐心才能做出来的,大家不要急,这是我个人的三点建议。

pc2.0预测网站pc 预测

崔鹏:非常感谢各位嘉宾的分享。

pc2.0预测网站pc 预测

毛欣晨:好。

不惧行情!跟着主力这样吃肉!

返回首页

责任编辑:lwy

上一篇:加拿大pc28官网开奖查询加拿大pc28开奖网站大神

下一篇:南宫加拿大28官网南宫加拿大28骗局

我来回答

关注我们

qrcode

扫一扫二维码关注我们的微信公众号