随着“一带一路”新丝路的战略实施，西安再一次将全球目光聚焦到这座历史文化名城上来，成为中国走向世界的契机。随着2017年硬科技创新大会的成功举办，硬科技成为西安市的新名片。由西安高新技术开发区与清科集团联合举办、中科创星协办的2018“一带一路”硬科技产业投资高峰论坛于2018年11月8日在西安召开。打造硬科技应用典范，激发科技创新活力，加速硬科技的聚集。
现场，博将资本高级合伙人黄从容、创世伙伴资本合伙人梁宇、执一资本合伙人汪天扬围绕《AI+赋能新时代》这一议题进行了深入探讨。以下为对话精华，经西安创业网（www.XianDream.com）编辑：
黄从容：我们还是先做一个简单的自我介绍。
梁宇：创世伙伴是一个成立不久的基金，但是传承过去十年的历史，整个管理团队是从原来的KBCB，中国整个团队独立出来做的新基金。过去我们在传统的TMT，以及现在的AI，大数据，这里面都有诸多的投资，比较专注的领域过去是在金融，现在是在硬科技、教育、AI+。现在对产业和行业会做深耕和研究，以精准的打法做投资和布局。
汪天扬：我来自于执一资本，我以前在创业公司，所以说执一资本主要是投资于产业互联网+，我们主要投资于TMT互联网领域，特别是IT技术做产业升级，主要投资领域是技术、金融、物流、电商。我们主要投资案例有链家等。因为现在互联网这块流量红利比较成熟了，大家现在也是投硬科技，AI这些。我们也是比较注重行业深耕。
黄从容：我是来自博将资本，我们的总部在杭州。我们在北京、美国硅谷都设有投资分布。人工智能是国家非常关注的这块，我们投了云计算和人工智能结合的科技，还有做NOP领域的科技等。
我们今天大会的主题是全球的硬科技大会，刚才在发布硬科技指数的时候提到来自全球很多城市的数据，所以今天提到一个词叫全球化。想跟两位嘉宾探讨一下，在全球视野下，整个人工智能的发展路径是什么样的，特别是对于中国来说，中国在全球里面属于什么样的发展地位？
梁宇：这是一个特别大的话题，总体而言过去因为在中美两边双边投资的经验，所以对趋势能感觉到特别强烈。谈到人工智能，大数据，云计算，现在已经是全球化了，硅谷1分钟之前发生的事情，很快中国就能知道。中国和硅谷的人才流动也非常快，国家也做了一些政策吸引海外人才。十年前我还是一个产业当中的从业者，人工智能涵盖计算机行业的70%。现在的公司都是和搜索相关的公司，包括国内的企业也是一样，我们是有一个传承性的。从全球而言，基本上中美之间是特别有差异性的，很多基础性的研究实际上是在美国那边发生，到现在为止，技术上的应用在中国这边更快更发达。
中国的优势是在于数据的优势，在于政府的支持。我们很明显的看到在计算机视觉领域，同样的算法，同样的人才，在中国的土壤里面，由于有了广阔的环境，计算机视觉在安防领域就有了很大的场景。我们在教育、医疗，人工智能的触角逐渐都在往这里面延伸，我们看到很多企业在努力做尝试。
人工智能到今天经历了浪潮，现在市场上趋于理性化。原来媒体，包括所有的从业者都有一个很好的预期，说人工智能能够快速的解决所有问题，事实上现在能够真正落地的还是很少。上一个论坛谈到大数据，根源来讲人工智能解决的问题，中国和美国都一样，就是用强大的算力辅助于原来重复性，人们留下来的痕迹、经验、标注，快速加速，替代低端性的劳动。比如说客服正在被替代，我们看到金融行业大量的催收，打个电话来，接到的的语音也很甜美，通过对话以后，直到挂掉你都没有意识到背后全是计算机，因为所有的对话蓝本其实已经被训练过。就在昨天新华社出了一则新闻，说出了一个虚拟主持人，可以24小时不间断播报。在中国像这种大量的应用场景在不断的被开发出来。美国，我们现在还是在向美国学习，因为基础研究突破中国还很远。
过去因为算力不够，现在算力上去了，因此可以通过数据统计猜下一个是什么。我们当然看到特别多的PR，或者是事件，比如说新闻联播的主持人，虚拟的。到目前为止整个行业，从全球来看趋于理性化。我们现在在美国还是相对比较*的，尤其是无人驾驶行业，谷歌无论是在跑的公里数，还是在投入方面，他们也在带动国内的企业先前进行。全球化这个事情，中国是商业化快速落地的环境。
汪天扬：简单讲就是中国和美国的区别在于中国长处就是在做应用以及和应用相关的工程化。工程化本身也是技术，其实是一个要求很强的技术，只是说它和技术研究不一样。我看这个问题会把整个技术对战分成从上到下好多层，*层是方法学的突破，在这个之上是核心的，硬科技在这一层，像芯片这种东西。再上一层是系统，再上一层是框架，再上一层是应用。这些不同的层次，中国人才储备，以及我们国际化的程度，现在去做标准和方法的突破和引领是非常困难的。因为这个很多时候不是纯技术问题，还有全球技术话语权问题，这是一个比较长的过程。
现在中国最尖端的公司可以做硬科技，很多程度上我们看到很高估值的公司在这里面出现，里面也有一些国家意志。再向上一层，如果我们要做应用层的工程化，我们必须非常深刻的理解和吃透在框架上和基础软件这一层。在这一层，其实现在主要的核心的力量是海归，因为毕竟是和先进的全球化的公司一起研发出来的东西，这批人掌握了核心技术，引领未来行业，他们在工程上应用场景。
我是这样来理解全球和中国技术的关系。我们的长处就是在于我们有非常丰富而深刻的应用场景，而这些应用场景，包括国外是不一样的，这是中国特别独有的，而且这样一个十几亿人口的国家，可以养活一个国际级公司。但是我们在去跟踪和吃透国外的基础上，必须要有国际化的视野，把我们的人派到做核心研发的地方去把这些东西搞明白。还有就是国家的力量，比如说特朗普觉得中国在这一点上他们吃不消，就是中国的弹性政策。因为在硬科技里面，全抛给中国的资本市场来承担是不太现实的。为什么我们看到很多高估值的，现在有很多场景也有落地，但是我觉得这可能是这个行业必经的一个发展阶段。
黄从容：我们都承认中国和美国在人工智能领域是全球*梯队的国家，但是从技术深度来说，中国和美国存在差距，但是我们的优势是我们有12亿的人民和大量的数据，我们的商业化，特别是互联网商业模式，我们相比美国还是有一定的*性。基于我们独特的点，中国在追赶美国差距上，特别随着国家的政策红利，海归的引入，我相信这个差距会慢慢缩小，我们有机会在某些细分领域能够去赶超。
接下来探讨更落地的问题，比如说做投资看到很多领域，我们看到人工智能领域和生活的方方面面都发生了交叉融合，落地应用。我们来聊一聊，现在看到哪些比较好玩的应用，或者你们看好哪些方向？
梁宇：作为VC来说还是要在商言商。技术本身的变化能产生非常多的好玩的东西，大家喜闻乐见的抖音等，上面有很多美化效果，这都是经过算法的。还有很多拍照里面的滤镜，这些都是技术的应用。我们从VC的角度来说，从逻辑上更愿意看一些大行业，比如说刚才提到和教育行业的合体，和医疗行业的合体。比如说医疗，有大量的病人，必须要接触诊断，大量的重复劳动，是需要被省掉的。行业本身的特点决定了这个技术产生的系统是不是真正能为结果负责，行业的执照是否能发给它，大夫是不是真的认，现在还是在一个很早的阶段。
再比如说看出行领域，我们都知道自动驾驶这几年大家都全力普及，我们在北京时不时看到百度的地图采集车全面扫高清地图。我们刚才提到谷歌现在采用了上千辆车在做无人驾驶模式，这是巨大的变革。头两天我还看到文章说传统的车厂已经变了，他们在和对手合作，妥协，现在的自动驾驶公司，或者他们的能力，计算机人才的储备，都是传统车商不具备的。
从VC的角度是关注大行业的，在人工智能落地的公司，真正的落地实际上在润物细无声中进行的。人工智能能够解决的问题是碎片化的，局部的优化。很多的公司在里面我们也看到了去年，前年整个市场在波峰时候的变化。任何一个团队都说高估值都可以获得投资，到今天的时候我们在强调到底有哪些商业场景可以落地，哪些项目可以做，真正到现在来看，除了具备在研发方面，技术方面的积累以外，还需要有强大的商业能力，这对管理团队要求很高，需要两个脑子，一个是行业怎么做销售，怎么在行业当中找到合作，这种能力。我们也在密切的追踪。
汪天扬：*方面讲讲我们怎么看应用这个维度。第二个方面是我们实实在在投了一些。
刚才梁宇总讲的是垂直方向的分类。我可能有时候是用水平方向，比如说我会从机器视觉，在技术发展的早期，我们要去结合什么样的应用场景，有一点是取决于这个技术的技术边界，这是我们从水平方向去看这个问题。比如说现在大多数人落地的真正的人工智能主要是在机器视觉里，这个就是和这个领域特定的程度有关。
我关注机器视觉已经相当长时间，但是我知道技术相对成熟以后才做。比如说我关注国际上机器视觉论文期刊，我会发现2013、2014年以后已经没有重要的论文出来。说明我们做生意的人可以上了。现在NOP突破的话一定是革命性的应用场景，但是我们现在找什么样的产品。我们现在是严密的关注NOP，但是可能真正重量级的产品，还是要等待一下。
我们投了一些公司，可能角度比较倾斜，我们投了用机器视觉的方法技术做社交。*个层面是因为手机的摄像头是环境数据*的入口，如果说能够通过手机摄像头把环境进行建模，我们可以深度的还原一个人的生活场景。首先通过摄像头对人的生活场景建模，第二个把人本身虚拟化，我拿着摄像头自动可以生成和他真人一样的3D建模。同时还有，这样一个和你一样的生活在数字世界，但是和你完全相同的人，他可以和你有一样的行为。我们通过摄像头对你进行建模以后，我们可以在虚拟世界里面完全还原你的个性。比如说你交朋友，你不用自己出场，机器人可以帮你去对接，对方根本不知道是真人还是虚拟人。这是我们的愿景。
黄从容：刚才提到了很多词，像NOP，机器视觉等，总结来看我们可以归纳为是容错率相对比较高的行业。像容错率比较低的，比如说机器驾驶，这种技术可能真的到商业的时候会更谨慎一些。
汪总提到一点我非常赞同，特别是现在看机器视觉非常多，对于创业性企业来说，机会在哪里。机器视觉和其他领域相交叉的领域。你从跨界的角度去切，你的商业化落地，能够绕开巨头，找到一条不太寻常的道路。
最后用简短的一两句话做一个小小的总结，看看能不能告诉在座的创业者、投资者，在未来你们更看好的细分领域，哪些更有机会？
梁宇：其实大的领域，现在领跑的公司也会从细分公司中找竞争。正是因为投入大，产出大，所以在细分领域有非常多的巨量。走得更细一些，比如我们最近看的公司，在做肿瘤的化疗规划方面也在做，这里面市场并不大，但是门槛很高，能够在这个领域当中做出一个刺猬其实也不错，把它的商业模式打的基础更牢，也是有可能的。
比如说在教育领域，我们一直讲个性化教育，讲AI教育战略应用，现在也有很多公司在给教育赋能。现在投了一些公司，他们在用人工虚拟形象的老师进行一对一，小朋友看的时候，如果不仔细，不会发现后面是一个机器人在和他进行对话和交流。这种细分的领域往往是在巨头还没有看到，这个赛道小，我们在培育一些公司，希望他们能够在里面能够逐渐成长，成为大的平台。
汪天扬：人工智能本身是个很宽泛而不准确的说法。我认为人工智能就是凡是能够让机器自动建模的都是人工智能，其实人工智能无所不在，我们就是看好利用包括人工智能在内的*进的技术做垂直行业。因为现在没有通用原则，都是行业原则。如果对行业深度理解的人，如果现在不快速的拥抱技术，用技术驱动商业模式的想法，以及找到稀缺的工程化人才，就会被打击，这是我对这个市场的看法。
黄从容：在座的各位可能觉得人工智能目前没有到很智能的地步，但相信未来一定不会那么远。
