人工智能自上世纪六十年代诞生，经历了半个多世纪的起伏式发展，在近两年的时间里又迎来了“爆发期”。随之而来的是对人工智能的定位、人工智能对于人类发展的作用、人工智能的商业化应用等方面的讨论。但确定无疑的是，人工智能是一条创新且蕴藏巨大能量的发展之路，势必将成为产业变革中强有力且不可替代的助推引擎。
为此，“*财经”特邀三位人工智能业界的代表：光大控股新经济负责人，特斯联CEO艾渝，微软亚洲研究院副院长潘天佑和中科院虚拟经济与数据科学研究中心主任石勇，来到《中国源动力》的现场，分别从资本、产业、学术三方面分享人工智能在当下发展的最新前沿讯息，开启一场关于“人工智能”的思想风暴。
如何理性看待AI当下的发展
人工智能起源于上世纪的1956年召开的达特茅斯会议，科学家们探讨利用机器模拟人类智能等问题，与此同时首次提出“人工智能”（AI）的术语，AI的名称得以确定。而那时关于人工智能是模拟人类的神经系统、还是模拟人类心智的讨论预示了人工智能随后几十年关于“结构与功能”两条路线的斗争。
石勇认为人工智能的发展分为几个阶段，而最终表现是用机器的方式在‘结构、意识和行为’三个层面模拟人。但总体来讲，人工智能的发展与社会需求的发展同步。目前人工智能的发展集中在第二层面，即模拟意识层面。至于如何过渡到行为层，目前来讲还需要很长的路要走。
艾渝看好人工智能的发展，并坚信Long AI：“任何科学技术的发展总是在曲折中前行，都会经历波峰波谷。但凡是与社会潮流顺行或引领时代潮流的科技，都将推动社会的发展，成为不可分割的一部分。但即便是现在处于上升期的人工智能，如果回看发展历史也是经历了起伏式发展。正所谓‘功不唐捐，玉汝于成’”。
自概念诞生直至20世纪70年代，人工智能经历了短暂的上升发展期，期间历经了图灵测试、聊天机器人ELIZA以及重要的超文本链接概念的诞生。但在20世纪70-80年代，人工智能因当时计算机有限的内存和处理速度不足，而被众多机构停止资助导致其发展停滞；但到了20世纪80-90年代，人工智能又因第五代计算机的发展，开始了突飞猛进式的演进。1981年，日本经济产业省拨款8.5亿美元予以研发人工智能计算机项目，随后英美两国也迅速响应，开启了人工智能的春天；而时至今日，人工智能又迎来了大规模发展：据工信部一份数据报告显示，截止至2018年9月，全球共有人工智能企业5159家，中国以1122家(不含港澳台)位居第二；2018年上半年，人工智能领域的全球融资规模达到435亿美元，中国的规模达到317亿美元，占了全球的四分之三以上。可谓人工智能在经历了几次波峰波谷后，又在全速前行中。
AI与人类的联结是取代，还是共赢
AI威胁论一度伴随科技发展而争议不断，“替代人类”成为人工智能强势崛起被世人所忌惮的痛点所在。英国著名物理学家霍金生前曾多次提到人工智能可能会毁灭人类。
要回答这个问题，艾渝认为先要弄清楚人工智能与人类的主要区别。人工智能与人类的区别在于智能与智慧，以及是否有自主学习并创造的能力。目前的状态下，人类赋予人工智能某种能力，让它成为一种工具，更多的帮助人们处理重复性、有规律的事情，使得人们能够有更多的时间去思考、去做更富有创造性的，更高层次的事情。
对于未来的判定，这位人工智能领域的资深投资人用“马车司机与汽车司机”做了形象的比喻，艾渝说：“就像当年的工业革命，汽车替代马车是不可逆的。我们现在就站在这样的一个档口。也许人类用了三十年去成为一位好的马车司机，但在汽车诞生那一刻时，想要转换成为汽车司机对于当时的人来讲还是非常困难的。但当汽车替代马车成为主要交通工具时，这个时代就完全不一样了。也许我们这一代人就是‘马车司机’，而下一代人也许就是能娴熟驾驭人工智能的汽车司机”。
潘天佑对于人工智能的发展给予了大胆的猜测，他认为未来替代人的一定是强人工智能，而非现阶段的人工智能。强人工智能与人工智能的根本区别在于意识与情感。他举例人类早已跑不过汽车，但依旧会举办奥运会，这是人类文明的一个意识与情感的升华，如果未来强人工智能也具备了意识与情感，那就是人被替代的时间点。
石勇觉得科学最终的追求是希望自然界或人工智能为人类服务，从这个角度出发，人类要把机器训练的像人一样，是要让机器与人的水平保持一定距离的。人工智能产品全面超过人，这个现象不好说，但并不是没有可能。通过大数据学习方法，我们能让机器更趋近于我们所想要的让机器拥有智慧和创造能力，但这一转变需要时间。
AI投资是否过热？
近年来，我国人工智能领域经历了爆发式的增长。无论从企业数量、还是融资规模，都位列全球首要位置。但据亿欧智库发布的《2018中国人工智能商业落地研究报告》显示，2017年中国AI创业公司累计获得超过500亿人民币融资，但其中商业落地前100强公司累计产生收入却不足100亿人民币。这是否表明人工智能领域的投资过热呢？
作为三位嘉宾中资本方代表的艾渝引用了行为经济学中的“前景理论”对这一现象进行了说明：等量的失要比等量的得对人的影响更大，也就是说人在同等量的得与失面前，往往会过度关注失去。正像20年前互联网产业泡沫的产生、破裂一样，很多人认为当时遇冷的互联网不行了。但风险与机遇并存，现在互联网行业中那些伟大的公司，诸如BAT或者FANG（Facebook, Amazon, Netflix, Google）都是在泡沫期中诞生的，历经市场洗礼，迎来更好、更快的发展机遇。而如今AI的发展就如同当年互联网公司发展的真实写照。所以人工智能领域中的泡沫现象是正常的，而且2019年开始将会有大量的泡沫被戳破。
前景理论的表述图
“也因此，今天的AI产业投资发掘的一定是：首先，要有过硬的技术实力，同时又对垂直的商业场景有真实的理解并能将技术落地、运用，最终获得实际价值的公司。在过往的投资中，我们逐步发现AI+实体经济的投资理念，并总结为AIOT LOOP投资闭环。说的就是充分利用AI作为提升效率的工具，赋能实体经济的发展，最终真正产生价值”，艾渝说：“所以，我们要做的就是陪伴这些能产生实际价值的公司穿越成长周期，做真正能够穿越周期性泡沫的资本方。”
光大控股新经济的AIOTLOOP智能化闭环模型
中美AI发展的差异在哪里？
在2018年5月牛津大学发布的一份题为《解密中国AI梦》的报告中，通过硬件、数据、算法和商业四个方面分别进行评分，将中国和美国的AI实力做了评估对比。报告的结果是中国综合得分17.1，美国得分32.5。即报告认为中国在人工智能领域实力仅达到美国的一半。那是否就是说，中国的AI发展落后于美国？
针对这个问题，潘天佑表达了他的见解：“我觉得那些比较低端且能够马上见效的东西叫做成功，这方面美国的成功率比我们高。AI有三个发展，分别是模拟人的结构、意识和行为。美国在结构和意识之间做的非常好的，跟现实贴的是非常近的。我们这边尽管数量多，但是我们可能在布局上面以及响应上面有自己的独特优势。但不论谁做出来的东西，都将有利于人类社会的整体发展。”微软亚洲研究院主要聚焦前端的研究、与产业联通、培植未来三大部分，未来将其建立在云上，借助云服务，让人工智能的能力“植入”到更多人和公司，让人工智能技术更普及。
面对中美差异，艾渝认为现在下定论谁更强大一些，还为时过早。另外现在的差异主要表现为：一则是AI的发展进程差异；二则中美产业差异；中国是依托于互联网公司的崛起，在数据及算法领域有一定积淀，终端需求场景丰富，更加擅长于应用科学的发展。与此同时，我国拥有世界上*的市场、拥有最勤奋的人力资源，对商业应用的速度也快于他国。这也正是中美之间目前互相依存，高度互需的状态。
AI的高度商业价值
人工智能的发展离不开算力、算法与数据的叠加效应。而就像互联网对实体经济的赋能一样，人工智能将在未来对各行各业进行深度化改造，全面走向智能化部署与决策。因此产业链中的各个层级的数据化、智能化都蕴藏着巨大的投资机会。互联网是*完全被数据化的产业，在众多的电商平台中，智能化决策系统会根据消费者对于某款产品的偏好自动推荐相关产品。但纵观线下实体店，都很难回答这几个问题：谁来了、来了多少人、停留了多久以及偏好是什么？这样的问题也普遍存在于我们的农业、交通、政务以及智慧城市的管理当中。
“如果一个企业能够用人工智能的相关技术对某一个垂直领域进行深度数据化、网络化、智能化改造，帮助该领域创造出10%的效益优化，那么这将是一个巨大的提升”，艾渝说：“2018年，中国的GDP总量已经超过90万亿人民币，10%的提升将会达到9万亿，这将是一片巨大的蓝海。”
在光大控股新经济团队的AI+投资矩阵中，“特斯联（Terminus）”就是充分利用人工智能赋能传统经济的一个例证。2015 年，在艾渝的带领下光大控股新经济团队瞄准物联网领域并孵化智能物联网公司—特斯联科技，打造 AIOT 产业赋能引擎，以设备物联和数字智能技术赋能实体经济，艾渝作为特斯联科技CEO深度参与企业管理与运营。经过3年发展，特斯联科技以物联网和数据智能为两大核心技术能力，帮助传统场景完成“实体产业的业务和交易”到 “数据孪生”的转换，沿着 A、I、O、T 四个步骤来完成智能化闭环，目前已成为中国智能物联网领域*的独角兽企业，目前特斯联在全国落地各类智慧项目8000余个,服务人口达千万级，已是中国*的城市级智能物联网平台。虽然公司刚刚成立不到三年，仅2018年一年便已经实现了几十亿的销售规模。
京东物流就是充分利用人工智能赋能传统经济的一个例证。2018年，京东11.11全球好物节累计下单金额超1598亿，每天大概有接近十亿的订单量。而*份订单从下单状态到送达用户手中仅用时4分钟。截止当日0点前，已经有90%的订单被全部送达至消费者手中，这样的成果在过去是不可想象的，10亿份订单在一天之内被送达到用户手中，准确率更是高达90%。这样的效率提升，是因为背后庞大的人工智能技术的支持：货物数据通过物流传感器输入输出；通过NB-IOT和5G的这样的基础设施连接并形成网络；再通过物流平台的AI系统实现智能化处理，对配送情况进行决策、优化，直至送到客户手中。这一点就是科技对于传统物流行业的改造，是人工智能对于效率的提升。
对于人工智能在当下的商业化价值，微软亚洲研究院副院长潘天佑给予了充分肯定，并例举了人工智能提升商业效率的案例。微软亚洲研究院近期跟香港航运公司合作，利用人工智能算法，推算出货轮甲板上的集装箱空置率，并按照如何最小化空置率的目标，帮助航运公司重新规划航线，让整体空置率降低。他指出未来人工智能未必将全部拟人化，而是将人工智能算法赋能于任何单一产品，从而实现降低成本，收益*化的目的。
资本是“急”的，让2019成为AI“考试年”
正如艾渝提到的，无法落地实际场景并应用的AI并不能算是真正有价值AI。三四年前，投资AI可能更多的是投资学术、投资理论，甚至是一些有研究奖项等学术背景的专家，但是故事讲完了，能不能商品化、商业化，能不能成为一个企业，将学术转化为技术、商业模式，2019年必将是“考试年”。
而艾渝率领的光大控股新经济团队一直在寻找能够穿越泡沫周期的独角兽企业。今年，投资将重点关注既有技术，又有商业落地能力，对某些场景做到真正理解的一类公司，可以不断的将看似奢侈的技术产品变成普通老百姓能接受的生活化产品。
我们有理由相信，在技术、产业、民生、资本、学术等多方面融合发展下，未来人工智能化时代定将会出现新一代的伟大公司。无疑的是人工智能作为产业变革中的核心助推引擎将为全球的社会经济发展带来一条创新且蕴藏巨大能量的发展之路。
