摘要:2018年8月23日，由艾瑞主办的2018艾瑞（深圳）年度高峰会于深圳瑞吉酒店召开，峰会以“智能·无界·决策”为主题进行。其中，现场论坛邀请多位业界嘉宾分享关于人工智能未来及在各行业中的发展应用，竹间智能CEO简仁贤先生以自身创业经验，讲述场景于未来人工智能发展的重要性。

近年来，人工智能热潮持续发烧，但究竟什么是人工智能，或者人工智能实际创造了何种价值，现阶段仍停留在人们从科幻电影得来的梦幻憧憬。如何使人工智能符合人的期待，简仁贤先生认为，从简单做起，重点在场景落地。

对行业而言，用人工智能解决问题目的在提高效率、用户体验，并增加营收。如何由简单入手，简仁贤先生表示，第一步要释放人跟人交互之间的重复、无聊性工作，如电话客服，企业内部行政、IT、财务、人事部门的重复繁琐工作

以创业公司为例，首先要解决的第一个问题，便是场景，在有了场景后，第二个随之而来的即是如数据和算法等技术的支持。就电话客服场景，要达到人机交互顺畅，就必须在上下文、多轮对话、意图理解、情景理解方面下苦功。

竹间智能从成立至今服务许多客户，在招商银行信用卡项目中，不仅提供智能客服服务，同时包含智能查帐；而恒大集团虚拟企业助手也为该集团13万员工达到个人专属行政、人事、IT、财务查询。由第一步将人从无聊劳动中解放，简仁贤先生认为，未来人工智能的发挥在完成更有价值的事情，同时将社会劳动力重新定义，再向上推进。

关于中国人工智能产业未来的发展，简仁贤先生表示，中国的优势即劣势，因缺乏芯片制造的核心，因此可以用新的场景、新的接受度快速迭代，引领后面技术往前推进，从实际生活场景中思考如何应用人工智能，才能在市场需求下，真正发挥优势与价值。

以下内容转载自艾瑞网，为“智能科技，中国机遇”的高峰论坛对话实录

主持人：

艾瑞咨询合伙人 严芩

互动嘉宾：

顺丰集团CTO&顺丰科技CEO 幺宝刚

竹间智能CEO 简仁贤

燧原科技COO&CTO 张亚林

亚马逊 张书嘉

严芩：感谢各位参加今天的高峰论坛，先让各位嘉宾花一点时间先简单介绍一下自己。

幺宝刚：我叫幺宝刚，我是两个半月之前加入顺丰，我之前的工作是在微软公司。

简仁贤：大家好！我叫简仁贤，我是来自于竹间智能科技的创始人&CEO。

张亚林：大家好，我是张亚林，我是2000年毕业的，我在燧原科技工作。

张书嘉：大家好！我是张书嘉，目前供职于亚马逊AWS，同时任CSIA协会理事，我出身于科学院重点实验室，曾从事DSA架构下的芯片技术研究和应用工作。

严芩：首先提问幺宝刚，你作为顺丰集团CTO&顺丰科技CEO，对于人工智能技术提高物流行业的效率，你们是怎样的构想？会在哪些方面具体发力？

幺宝刚：这个问题很大，我把我现在的理解，尤其是顺丰科技在整个集团业务领域的定位简单说一下。顺丰科技是顺丰集团下的全资子公司，顺丰集团所有的科技支持都在顺丰科技下面，现在集团对顺丰科技的定位是要引领整个公司的创新，从关于人工智能角度来说，我进入顺丰之后，我看了整个物流行业的情况，尤其是顺丰自己内部的业务，快递业只是物流业的其中一个品类。

从快递行业，它的场景从最早的小哥收件，快件来到网点，网点来到终端场，进入货车，现在有货车、航空运力。到目的地的终端场，再做派件。整个流程，任何一个点都有很多的数据集中到我们中心去。在这个过程中，我想说的是每一个点都有巨大的利益效率提升点

严芩：简仁贤的竹间智能跟很多大型机构，如招商银行、唯品会做了很多应用场景的合作。过去几年时间里，什么样的场景需求是最强劲的？面对竞争，像竹间智能这样的人工智能创业公司有什么优势？

简仁贤：从行业来看人工智能，三年前还是四年前炒起大家对人工智能的热潮，到今天大家都不太敢讲我做人工智能，大家都觉得有点炒的有点过头，很多人都认为人工智能是热潮，其实人工智能才刚刚开始。这说明一点，不管是投资还是真正地实现，都是要看行业的场景。

人工智能没有办法无法样样都能，你要让场景来落地，要把人工智能应用到各行各业，还是需要场景落地。我之前是在微软服务的，负责亚洲区的搜索，在搜索领域做了很多年。在搜索里面我理解到，未来是一个没有搜索的世界，是人机交互的世界

我们的做法很简单，绕过大公司，在解决通用、没有目的性的科研问题，真实的把人工智能的技术、人机交互的技术落地到各个场景里面。今天也讲到很多行业，包括金融、教育、传统行业等等都需要人工智能。

我们在过去三年里，需求其实是在爆发当中，特别是在过去八个月里面，我们服务的几家公司，做了巨大的应用，包括招商银行、交通银行、恒大、唯品会，各行各业都在接受人工智能。刚才讲到中国跟美国的差距，中国要在图像、语音这种通用技术跟美国去拼，我觉得到头来的结果都是打平。但是中国在某一个技术肯定会赢美国，就是中文的人机交互，这个事情正在做，语义理解这个部分，中国肯定会打赢美国。

严芩：燧原科技，大家可能比较陌生，最近腾讯做了一个新闻发布会，2.2亿领投一个燧原科技，这个投资还是天使投资，这个创业者就是张亚林。我给张亚林的问题，对于人工智能芯片的初创企业，在中国你如何看待人工智能芯片的发展？哪些具体商业应用场景最靠谱？

张亚林：人工智能的芯片，我一直都有关注。三年前我们看到一批人工智能芯片创业公司，现在中国大地上滋生了30、40家人工智能芯片创业公司，这主要是场景驱动的原因。人工智能芯片不可能解决所有的问题，在目前被看好的人工智能芯片，我个人认为比较好的是在端上。安防领域，可能大家都已经很熟悉了，也有很多公司在做这样的人工智能芯片，包括安防自己公司。

在智能语音、智能音箱，作为智能家居的入口，也有很多公司在做这方面的业务。还有两块比较迅速兴起的行业，一个是自动驾驶，但是它的门槛比较高，它需要过很多车规的需求。最后一块是智能机器人，包括智能家居扫地机器人、工业机器人需要很多芯片的支撑。在端上可以支持芯片的量。云上也是我们现在专注的领域，中国人工智能数据中心和国家的云端数据服务器，这是中国在国家安全领域和国家安全大数据领域摆脱国外芯片束缚的领域。以前的游戏芯片，中国一直在追赶美国，但目前中国还不能拿出CPU和游戏机芯片

这三年期间，在芯片的制造和设计方面，大家都处于非常平均的领域。就我个人来看，中国在这一块上面，在服务器和终端领域，中国跟美国的差距没有像CPU的差距那么大。我们通过训练和推动这个领域，更好地为国家的数据安全做支撑

严芩：亚马逊既是人工智能企业，又在人工智能方面有所投入。在人工智能投资方面，亚马逊在中国的布局是怎样的？你们会更加看重什么样的赛道布局？

张书嘉：略微纠正一下，我代表产业方，而非投资方，此外受到合规要求所限，我不便披露亚马逊的战略布局。从一名产业从业者的角度，我来回答你的问题。 通常从产业方，出于其收购IP的意愿、或是整合解决方案，或出于构建更大的产业协同和业态，通常会引用投资、并购的方法。在产业方的视角，较少讨论投资方向的问题，而更多讨论协同方向的问题。

藉于此，产业方评价一些赛道领域的时候，也会有不同的洞察力。例如，我会关注几个领域：自主系统、人机交互、数字芯片、IOT和数据科学，从它们彼此的串联组合中寻找产业协同点，自主系统和人机交互是一个完整的解决方案，芯片是算力支撑，以支持更为激进的算法和运行异构的特色应用。而IOT是一种生态反射，它扩大一个解决方案的应用领域和受众，数据科学则是对整个系统工程长期迭代的基础。这种串联的脉络结构也构成了很多产业投资方的投资逻辑。

严芩：人工智能给我们带来了实实在在的益处，人工智能创业和投资已经火了好几年，大家对人工智能提高生产力已经有了非常具象化的期待。最近我们也看到以IBM为代表的，也不叫作失败吧，他们至少是从人工智能代言人的神坛上面走下来了，比如说在给医药界给医生提供辅助判断时出了一些误判。人工智能，现在到底还有多大的距离？

幺宝刚：之所以加入顺丰，我看到在过去几年当中，算法和数据量的角度，推动人工智能的迅速发展，这轮的热潮跟这些因素有关。这些年的发展也看出一个明显的趋势，作为一个技术和平台类，人工智能似乎已经到了一个瓶颈，接下来真正有突破的是到行业里面去。这也是吸引我到顺丰来的主要原因，一旦把人工智能技术跟实际的场景结合在一起，接下来的潜力还是无限的。

国内的物流行业跟美国相比，效率是很低的，占GDP的占比，我们是百分之十几，美国是个位数。每个点都有巨大的空间，以前我们线路少的时候，都是凭经验做静态化的规划。但用算法做出的预测肯定比人做的规划要好出上千倍的提升。物流行业是一个重资产行业，包括人力资源的应用，这里牵涉到，如果要提高效率，一个很重要的问题，你如何提升效率。比如说双11的到来，你如何做到高效率的匹配？我认为人工智能跟实际场景结合，市场前景是非常强大的

关于医疗诊断，加上智能技术以后，到底在这个环节当中是帮到了谁？是帮到病人，还是帮到医生，还是帮到医院、帮到整个医疗行业的费用，这个过程能不能把医生这个环节省掉，如果它只是辅助，医生的工作一点都没有省，医生还需要多看一个图像。AI在这个过程当中到底有没有提供真的需求还是伪需求，结合场景来看，答案自然就出来了。

简仁贤：AI到底是给谁创造价值？人工智能要符合人的期待，而不是陷入科幻的憧憬当中，这就需要从简单做起。

用人工智能解决问题，对行业来说不外乎就是提高效率，提高用户体验。总的来讲是要增加营收，如果不能增加营收，人工智能只是一个科研技术而已。为什么要用户体验和效率？现在整个互联网把整个经济推到新经济时代，线上的获客流量已经远远低于线下，在这种状态下，获客成本越来越高，大家可能不知道，在线上要获客，一个APP客户要200-300元人民币，这跟几年前的3元、5元获客成本不一样。客户来了，我们能不能留住他，这是解决客户粘性的问题，这些是浅显易懂的问题

大公司在进行高举高打这些问题的时候，云端留给大公司去做，创业公司要做得是场景。比如刚才讲到的解决简单的问题，我们要解决的是如何释放人跟人交互之间的重复性工作、无聊性工作。作为一个电话客服，他其实是一个非常很人性的工作或者审核文件，一而再、再而三，或者是回答同样的问题，而且不能乱回，不能有情绪，做客服的时候，你不能有情绪，客户骂你的时候，你不能有情绪；做电商的时候，你不能有情绪。这时候是把人当机器用，我们做人机交互不是取代人。如果你打电话定一个位，对方还是一个人，你还是用一个助手去打电话，你给到的价值是什么？谷歌做的和我们做的，我们恰恰是一头一尾。把接电话的人变成客服，我是语音交互可以解决的。大家疑问能不能做到上下理解，现在的语音理解技术到达什么地步，可以做到什么程度？用搜索传统技术只能做到关键词，要达到人机交互顺畅，就必须在上下文、多轮对话、意图理解、情景理解方面下苦功。这几年时间我们服务相当多的客户，包括招商银行的信用卡，我们不仅仅是做客服，还做了信用卡查帐。未来人工智能是做一些更有价值的事情，把社会的劳动力再重新定义，再往上推一层

另外一种场景，我们跟恒大集团，我们做了一个企业助手，给恒大集团13万员工做，它在里面做行政查询、人事、查询、IT查询、财务查询。13万人需要1000人HR甚至是更多，以后就不需要了，今年还有多少假期可以放，公积金怎么少了150元？这些问题都可以查询。如何可以做到这点？数据很重要，算法很重要。所以需要能够支持算力的CPU、GPU。

第三个是场景很重要，有了场景，数据和算法才可以应用上。我们用这些实际案例去做，包括电商部分也是一样，我们可以一步一步去实现，可能10年、15年实现科幻电影中的一半。高举高打的，要解决通用性的机器翻译问题，通用性的对话问题，这没办法对人创造价值，最终还是回到场景部分

创业公司还是大公司，我认为还是要对场景部分下苦功，包括物流行业、外卖行业，一个场景一个场景去实现的话，累计起来的算力就很强。我们已经做了三年，三年前的算力跟现在完全不一样，每次的迭代过程当中，都是一个场景一个场景的累计。芯片也是一样，从第一代做到第二代，摩尔定律的意思就是你用的产品越多，优势越多的，经验值就会推算。这样才可以解决IBM的人类预期画面。我希望大家面对实际生活的场景，生活跟企业是分不开的，支付、打车、快递， 我们在这些实际场景运用人工智能

张亚林：我从科学研究角度谈一下这个话题，大家看人工智能本身，所有深度学习的算法在十年前已经做到，人工智能到这两年有一些突破主要是算力的突破，有很多算法可以在上面尝试。但回去看，所有的深度学习，那些东西很早之前就有了

从根本上来讲，人工智能确实在科学研究上碰到一个瓶颈，这个瓶颈是说它只能对人做一些辅助性、重复性的赋能，它不能判断在医疗上面引起的医疗事故；比如说语音助手，我订错餐馆。其根本原因是现在科学研究的所有算法并不能完全精准模拟人脑细胞的思考方式，在今年会有很多的新的算法层出不穷的出现。

在全世界各地的科学家在尝试深度学习之外的方法，几年前有一个GAM的大算法，相当于是黑人跟白人打架，一个人说生成图片，一个人说在图片里面加一些噪音，最后的博弈是这张图片没有出来。最后是考虑人工智能真正用数学、科学模拟人脑思考神经。我们现在只有感知功能，并没有认知功能。

未来的一步是让人工智能先学会判断，人工智能本身处在一个非常初级的阶段，我们有很多场景落地人工智能，但从科学研究上面，我相信会有另外一个纬度一直推进人工智能模拟人脑细胞，从而给我们带来更多的机会。

张书嘉：前面两位朋友说完了我的观点，所以我们换个角度讨论；首先，我们在如今各个行业、各个业态中都会看到AI的身影，就如同早期的移动互联网势头的陡升期，这种广泛的接纳、包容性带来了一个正向促进，就是科技成果的快速转化以及知识产权结构的转变，进而反映到产品化的迭代，因而这个距离必然是不远的，且快速接近。第二个问题，对于挑战，有人会以算法算力为挑战，或以数据存量为挑战，或知识产权之战，但我认为挑战来自于约束性，行业缺少对于AI技术触角的约束、解决方案的甄别和社会责任的约束性；这会使得一条产业路径上出现噪声和乱象；当然我们一级市场投资已经反映了这些问题。

严芩：各位在工作中和生活中有非常多的生活经历，前段时间幺宝刚在朋友圈发了一篇文章《别吹上天，莫贬与地，中国科研的真实价值》，我想请大家谈谈中国的人工智能行业有哪些优势和劣势？

张书嘉：相信我们要讨论的是AI背景下的中国半导体产业的演进，而非单纯的芯片，狭义的芯片只是一个加电运行的任务单元；但是半导体产业甚为广泛，有数字芯片、有功率半导体、也有分立器件等等，但截止目前，至少在学界，并不包含一款称为AI芯片的定位；关于对比的优势，我国当然是有的，尤其是在几个方向，例如光电器件、功率半导体、一些分立器件等，如果我们讨论数字芯片，也有NVM非易失存储、片上Memory技术、NOC甚至太赫兹管的技术突破，而在AI背景下，也有像是华为海思3559A或Rokid KAMINO这样的史无前例的布局优雅的异构设计。

但请注意，半导体是产业链密集且整体演进的形态，单一的工艺节点或设计方案不足以反映产业链的优势，因此关于劣势的问题来了，在产业链的其它环节上，我们仍然面临技术代差和进口替代不成立的现状，例如材料科学方向，我们需要金属氮化物的产业链，在方法上需要气相沉积法的产业化应用，在制程工艺上，我们需要先进的晶体管栅极构型和传导介质的突破，等等，这些都限制了一个好的“设计”如何走向产线的路径；当然，我们尚且没有晶圆存量的话语权和定价权，以及没有EUV光刻的装备引进。因此，当一个优秀的团队能够完成一款性能霸道、功耗极低的芯片设计时，请同时考虑如何获得产能，以及如何为它定价。

幺宝刚：谈到评价的话，自然会说到优势和劣势，坦白来讲，你的问题是我国半导体的演进评价。当我们谈到芯片的时候，它是一个狭义的家电运营单元。回到优势的话题，我们是有优势的，半导体行业毕竟是一个广泛行业，我们的优势，目前的时间节点所体现在几个方面，比如说我们的功率半导体是有优势的

回到数字芯片领域，我们在设计节点是完全有优势的，比如说内存领域，NTO领域的设计，晶体管领域的设计都有优势。具象化的可以举出一些例子，例如华为的海思芯片设计方案，包括片商内存潜入。

回到我们的劣势话题，我们仍然有很多劣势制约芯片解决方案推向市场。半导体行业是一个产业链行业，比如说在材料、金属氮化物、方法、晶体管等等方面是劣势，它主要是影响数字芯片的发展。在这个节点上，我们所看到的实际镜头是我们没有更好的制成，没有控制惊人的定价权，这些带来了一个问题，当你设计出一个性能优良、功耗极低的芯片，是否可以拿到产能和定价权？这是我们在优势和劣势方面的辩证思考

张亚林：半导体是一个非常长的链条，客观来讲，中国在各个链条当中是非常落后的，没有一个链条能够接近美国。但是另外一方面，很奇妙的意思，就人的能力来讲，我指的是技术和整个人的情商和智商来说，中国很多产品都比美国人更加专注，更加负责任，中国半导体经过20年的发展，从98年到现在，也已经变成一个在人的技术领域上可以跟美国并驾齐驱的程度。这样就造成一个巨大的落差，人的能力和整个技术各个环节实际状况的全面落后

为什么海思可以成为中国半导体标杆？它为什么可以脱颖而出，它的芯片甚至在某些方面可以超越高通的芯片，为什么只有它可以出来？最根本的原因是两点，第一点是美国在几十年前就开始积累各种各样半导体的技术，以及最重要的是他们的应用和场景以及落地，他们有大量的芯片在全世界各地使用，得到客户的回馈要求，他们不停的迭代，他们很多的芯片制成设计都是通过几十年的迭代设计的。我个人认为海思最重要的是有无数的落地场景，它持续的迭代客户需求，海思芯片的量在中国是没有人可以比拟的。我们必须要打开市场这个门，让整个民族芯片持续打开市场，让中国人去用它，不停的得到新的回馈给中国的工作人员，从架构的设计、后面的流片、工艺制造、封装，给各个环节都提供支持。

通过五到十年的时间，有中国用户的支持，中国的芯片才能慢慢发展壮大。

简仁贤：中国整个商业和工业很浓，中国的商业工业对新经济的接受度是非常开放的。美国在这方面非常保守，整个半导体是处于保守状态，半导体之前在手机出来之前都是注重制造，直到手机出来之后，才注重设计。

当时区块链红红火火的时候，就有人做矿金，矿金在哪里？在中国。芯片在哪里？是台湾地区的台积电。制造永远是制造，中国的优势是它的劣势，它没有芯片制造的核心，它可以用的新的场景、新的接受度快速迭代，引领后面的技术往前推。90年代的时候，美国狂铺海底电缆、地下电缆，中国有没有地下电缆？没有。现在也是处于这个阶段，人工智能不管是在软件还是在硬件、芯片方面，中国处于的优势其实就是它的劣势叠加出来的。

还有就是我们的文化，我个人的三年亲身经历就是这样的。美国前五大银行不可能接受用户的查帐，我的帐户里面还有多少钱，你的帐户里面是1200万还是1200元，回答错了怎么办？这个接受度是不一样的，文化的接受度会导致芯片发展更慢。在接受度上面，中美是完全不一样的，这就是中国的优势。

幺宝刚：我自己觉得中国的一个优势是有特别多的场景，进入顺丰之后，我就明显强烈感受到我们有很多问题需要解决，但是一方面你看到外面的AI投入非常火，但是我要找一个马上能够解决问题的方案又找不到。比如说我希望物流中一个很具体的场景，我希望在每一时每一刻每一地都可以跟踪一个快件，这就需要我们用一些耗电非常小的，接受信号的传感器，还要考虑到这个东西能不能上飞机，能不能符合飞行的安全标准，但是目前市场上并没有哪家公司的解决方案可以把整个运营过程都想清楚。

刚才提到基础研究方面，目前国内在这方面的投入是很大的，你去看一些特别有名的人工智能会议，这周的IDD，发自中国的论文数量都是第一的。这里有一个问题，我们可以一起思考，就是质量怎么样？在这里面有多少突破性？这是很难的，它需要沉下心来做基础研究，甚至是几年时间都看不到任何成果。

严芩：在结束之前，针对在座的潜在投资人、创业人提一两条建议。

幺宝刚：我们想要解决的问题，从物流行业来讲特别多，我们现在急需渴望把整个问题想清楚的解决方案，也期待跟在座各位一起探讨，如何拿出共同的方案，让整个行业，包括各位的企业都有巨大的提升，谢谢

简仁贤：对于投资人我就不敢建议，但是对于创业者我有建议：在人工智能方面的创业者，你不要担心自己做的场景对不对，但一定要接受这个市场，市场的需求就是你的场景，要跟着市场需求去走，有很多创业者只是说我要做这个，两年之后希望还要做这个，市场没有需求的时候还要做这个，最后就是面临死亡。最重要的是你要时时知道市场的需求，从第一天开始，你就要走出去，你累计技术壁垒的时候，投资你的技术的时候，你就要走出去，技术永远是跟着市场在迭代。当然你的大方向是不变的，我们刚开始做闲聊，后来改作B端，现在是to B、to C都可以做。如果你没有去市场上抓需求的话，那么你就没办法往前进。中规中矩就是要把场景想清楚，你到底是给谁提供服务？想清楚这个问题之后，创业者要迅速累计自己的技术壁垒，当然还要广积粮，越多越好。

张亚林：我给创业者提一些亲身体验，现在很多人都说AI是泡沫，泡沫有两层意思，一个是AI现象非常多而杂；第二是没有真正好的AI公司落地，很多人都停留纸面概念上。

从这两个角度来讲，我非常同意前面嘉宾讲的，一定要聚焦，行业和需求都要聚焦，一定要聆听客户的需求，一个公司不可能博弈几个方向，所以公司一定要聚焦。在落地方面也是一个非常重要的点，谁能够先落地，谁就能够赢得市场。现在AI不是一个简单的芯片战，而是一个整体战，这里包括软件、生态，最终需要的是资源的倾斜，行业的资源、资金的资源，甚至是国家的资源，这就看谁能够获取这些资源，并且迅速地落地，那么谁就可以赢得最终的胜利。

张书嘉：仅与各位分享一些心得，我也曾拥有一家AI创业公司，直到它被收购，在过程中的心得希望与各位创业朋友分享，当你管理一家AI创业公司的时候，请将最大的构思放在如何作一套解决方案化的交付上

因为AI不是单一产品化的，它是赋能型技术，它赋能于某一产业或业态，并升级它到一个量变和质变的效益，这意味着你需要有一个Fullstack交付思维，不论自研或集成，为产业客户落实“交钥匙”工程应当是贵公司的使命，至少在商业模式上抱以这样的思维。例如，当用户需要打一个洞的时候，请不要让他在锤子和锥子之间做选择。

如同我国的离散型制造业用户，它们是否热爱“数字化转型”不得而知，但需求的本质是，该行业希望通过IT升级来落实柔性生产和自由调配产能/物料的期望。

第二个是投资视角，一级市场上有挺多头部AI公司，任何一家的P/S倍数，换成公允价值记账的话，都会严重减计，但市场仍旧给予了这样的溢价，这样的信心和期望，当然不是让这些公司去做research，而是预期其赋能产业的价值，为产业转型所带来的次生的价值；宏观市场上来看，杨伟庆先生也提到了WTO的问题，其实WTO有一个逻辑，其纵容发展中国家的整机市场无限繁荣，但限制其高端IP的衍生和引进，因此，作为一家AI创业公司，在这个周期下，你所拥有的是蓬勃的端侧整机市场生态，由你构想更多的商业模式，其次是在这一背景下，我国有大量的IP空白，可供于你创新和填补。

严芩：感谢各位的精彩分享，让我们再次以热烈的掌声感谢各位！