下拉刷新
释放刷新
正在刷新
  • 刷新
  • 倒序

2019-04-11 18:18:36

由猎云网主办的“2019年度人工智能产业峰会”于4月12日在北京朝阳千禧大酒店举行。创客猫到场进行独家图文直播及报道。

2019-04-11 18:20:17

活动流程:

微信图片_20190411181901.jpg

2019-04-12 09:28:29

创客猫已抵达活动现场。

vbox11146_056A6995_075956_small.JPG

2019-04-12 09:37:08

vbox11146_056A6998_080126_small.JPG

2019-04-12 09:38:49

1.JPG

2019-04-12 09:43:19

vbox7180_GIN_3646_090129_small.JPG

2019-04-12 09:43:37

vbox11146_056A7019_090239_small.JPG

2019-04-12 09:58:20

主持人开场

1.JPG

2019-04-12 09:58:54

主持人:

尊敬的各位嘉宾,“FUS猎云网2019年度人工智能产业峰会”正式开始!各位尊敬的嘉宾,女士们、先生们,人工智能领域的专家学者们、创投圈的朋友们以及媒体同仁们,大家上午好!欢迎大家在百忙中莅临“FUS猎云网2019年度人工智能产业峰会”,我先做一下自我介绍,我是张默,来自中国广播电台。

在这里我谨代表活动主办方猎云网、协办方锐视角、猎云资本、猎云财经、企业管家对各位嘉宾、媒体的莅临表示最热烈的欢迎。同时也是温馨提示大家,大家不妨可以扫描您胸牌后面的二维码,可以获得现场的高清实时照片。

2019-04-12 09:59:02

主持人:

可以说2019年人工智能领域最为关注的热词是“落地”,我们从之前非常过度的发展速度、发展的规模甚至有点近乎于亢奋的状态到逐渐的意识到其实人工智能要和我们的商业模式进行完美结合并且落地,才是最根本的方向。当然,与此同时,我们依然笃定地相信,未来我们的行业独角兽将依然会大概率的出现在我们的AI,也就是人工智能的领域。同时,各个行业都面临着被我们的AI赋能的机遇和挑战,同时我相信我们很多的企业都希望找到既了解传统的商业模式同时又对人工技术有一定了解的人才,新技术如何能够更好地赋能传统的商业模式?

2.JPG

又如何更好的可以服务于我们的商业和人民生活呢?也是大家同样非常关注的话题,我相信在座很多行业内的从业者也希望找到产业互联的连接未来,将会在大的风口可以拿到资本红利,使企业得到长足的进步和发展,甚至成为行业的独角兽,带着这么多的疑问,我们将会通过一整天的时间进行非常细致地梳理,今天的活动通过专家的主题分享、圆桌论坛组成。

2019-04-12 10:00:23

主持人:

今天在这里专家学者所产生对于人工智能的疑问进行一一解答,同样我们今天现场大家也看到了,真的是高朋满座,一方面来自于人工智能产业领域的专家学者,也有非常多的来自于投资圈的大佬,也有媒体同行的老师们。下面非常荣幸地给大家介绍一下出席上午活动的嘉宾,他们是:
联想创投集团合伙人 宋春雨
阿里巴巴人工智能实验室智能硬件总经理 茹忆
洪泰基金执行董事 赖蕴琦
松鼠AI适应教育合伙人 马刚
iTutorGroup首席数据官 沈沛鸿
达泰资本管理合伙人 方元
右划科技CTO 侯明强
真果科技创始人兼CEO 贾求真
艾米机器人创始人兼CEO 李方友
麦飞科技创始人兼CEO 宫华泽

欢迎大家的到来!

2019-04-12 10:04:27

猎云网创始人兼CEO靳继磊 致辞

3.JPG

2019-04-12 10:05:41

靳继磊:

尊敬的各位领导、各位嘉宾朋友,我是猎云网的创始人靳继磊,欢迎大家光临猎云网2019年度人工智能产业峰会,这是猎云连续第三年举办AI领域人工专业峰会。这几年陆续看到越来越多的创业公司汇入人工智能的浪潮,新技术的改变不仅大幅度提高了社会生产力,同时还创造了新的供给和服务方式,带来了新的模式变革。

如果说前三次工业革命解决的是生产效率和产能的问题,那么,这一次人工智能的变革更多的是将人类从重复的劳动中解放出来,进入智能化决策的时代。此外,5G技术的发力,也成为人工智能等技术运用爆发的催化剂,促使自动驾驶、物联网、超级计算机等技术通讯进一步升级。这一变革时代的到来,不仅倒逼传统行业在人工智能的分工下进行产业升级,同时也给创业者带来了更多的创业创新的发展机遇。

2019-04-12 10:07:24

靳继磊:   

 2019年“落地”依然是行业+AI破局的关键,除了语音识别、计算机视觉技术的继续拓展和实力运用,在人工智能芯片、机器学习、神经网络等方面也有增强的趋势。尤其对于各行业领头羊和创新型公司来说,如何利用人工智能技术找到商业上可规模应用落地的解决方案,成为大家共同探索的方向,这也是我们今天人工智能峰会的一个主题。

4.JPG

各个行业都面临着被AI赋能的机遇和挑战,猎云自成立以来,我们一直密切关注人工智能行业的发展,并从2016年开始连续三年跨越北京、深圳举办人工智能垂直领域的行业峰会,为行业的从业人员和创业者搭建良好的沟通、交流与合作的平台。

2019-04-12 10:07:44

靳继磊:   

今年,我们紧随行业的发展趋势,以发现产业独角兽为初衷,开启了FUS未来独角兽峰会,全新的品牌。希望能为更多蓄势待发的未来独角兽和行业从业者搭建一个沟通交流和资源对接的平台,为企业和行业的融合实现共生共赢。虽然今天一家独角兽的企业,从诞生到十亿美元的估值比以往缩短了不少的时间,但是行业竞争激烈,瞬息万变的市场环境变化可能让曾经辉煌一时的企业,稍有不测,化为乌有。

昨天的视觉中国事件,大家都有所耳闻,很多创业公司在成为独角兽之前,会经历一段漫长、艰难的时刻,面临资金链、人才、客户、市场各个分方面的关卡,资金和资源优势是很多独角兽早期崛起的必要条件,持续不断的创新能力和盈利模式是最终考验独角兽具备行业壁垒的决定性因素。

2019-04-12 10:09:13

靳继磊:

有幸站在风口的创业公司往往能够在潮水退去之前找到自己行业中的话语权,或者扩展空间和立足点。下面很高兴向大家宣布,猎云网FUS未来独角兽峰会的品牌正式启动,为了能够让大家更好地了解我们这个品牌的初衷,特意制作了一段视频资料,请看大屏幕。

5.JPG


正如短片中所述,今天我们召开的是猎云网独角兽峰会的人工智能行业的峰会,未来我们还将在消费升级、医疗、金融科技、企业教育等领域开展垂直领域的产业峰会,为行业潜在独角兽搭建平台资源的同时,分享业界战略成功的投资经验,为参会者提供最新的通知理念与行业趋势。再次,感谢大家的光临。谢谢。

2019-04-12 10:12:33

分享嘉宾:联想创投创投集团合伙人宋春雨

分享主题:投资智能互联网:未来十年最大的产业变革趋势

6.JPG

2019-04-12 10:14:04

宋春雨:

各位嘉宾、各位朋友,大家上午好!我是联想集团的宋春雨,今天特别想跟大家分享的话题是如何看待人工智能在整个产业里面的机会和变革,我们更想是从一个更广阔的视角来去谈这个事儿,刚才靳总讲到人工智能诞生最大的未来独角兽,未来的可能创业的机会包括投资的机会,产业的变革机会在哪儿?

这些问题我希望跟大家今天上午的时间里做一个探讨。我来自于联想创投集团,联想集团有三个主营业务,第一个是智能硬件的设备集团,第二个是数据中心集团,第三个是联想创投集团。这个并不是我谈的重点,重点想谈一下,大家都谈到了AI、算力、算法的变革,我们更想以更广阔、更深入地视角看待AI如何影响未来产业的机会。

2019-04-12 10:16:32

宋春雨:   

首先,我们认为未来最大的机会是AI和垂直行业的深度融合,从AI到智能互联网,大家知道,上一个最大的浪潮,过去的五到十年最主要的浪潮由智能手机所带来的智能互联网,移动互联网带来的变革。下一个阶段最大的变革是智能互联网,智能互联网不只是AI,不至等于AI,五个非常重要的关键技术变量互相共同作用赋能垂直行业。来自于前端的SIOT,也就是智能物联网,它是最重要的数据感知和获取的来源,在边缘端有边缘计算,5G也是非常重要的推动核心的计算,从云端向边缘计算进行变革。

第三个是现在的云计算,包括在云上的大数据能力和人工智能的能力。这五个关键变量会共同的演进和运动赋予智慧农业、智慧新零售等多个行业的赋能。这五个要素和垂直行业共同演变,我们提出AI到智能互联网发展最主要的趋势。

2019-04-12 10:16:45

宋春雨:  

我从五个方面来举一些例子,看一下AI和智能互联网是如何作用产业的?首先,我们看最边缘,我这里举一个例子中科慧远,并不是它的估值有多高,最主要想讲的是人工智能有一个很大的依赖,有效数据的可靠性,大家知道,在中国是一个制造业大国,手机面板占中国全球产能的80%,有20亿片,中国在从事这样的产业工人一共有15万人,但是大家知不知道15万工人每个季度,每三个月都要换一遍,因为他们在蓝光下去检测手机面板的玻璃片的瑕疵缺陷是非常伤眼睛的。中国每年这部分的工人60万,每三个月15万从业工人要换一遍。

7.JPG

中科慧远公司的使命完全机器的方式代替60万的产业工人,产生的社会效益400亿人民币以上,但同时还有非常好的关爱人文关怀的价值,因为保护了这些从业工人的视觉、视力。从这一点来说,它用光机电软四项技术的融合提炼出了手机面板高质量的数据交给AI的算法,来去代替人,来自动进行确切地检测和质量的可靠检测。

2019-04-12 10:17:00

宋春雨:   

第二个叫做边缘计算,这个也是在前端计算能力提高来提高AI处理算法的实时性,这里边我们正在孵化一家做车载边缘计算、计算中心引擎的公司,车硅基比消费级在可靠性上面有非常强的提高,如何在恶劣的环境下高可靠、高安全、低成本的来解决实时AI的计算能力是非常强的要素。

第三个是云端实际上是AI进行通用计算的高性能的基础设施,现在AI独角兽公司都有构建自己的训练的数据中心,他们有几千块到几万块的GPU卡,通过弹性地算,软件定义,数据中心的方式为AI提供高可靠、大规模、灵活、高性能的计算能力。

2019-04-12 10:17:15

宋春雨: 

第四个就是数据,数据是一个更广泛的数据,而不只是现在用的一个简单的图片数据,数据有来自于外部市场的宏观数据,社交网络的数据、客户服务的数据、市场反馈的数据,也有包括企业内部的生产经营数据。从这个生产研发的端到端都包含,也包含在产品交付到用户使用里面设备物联以后产生设备的数据、制造过程的数据、工装的数据、环境的数据、能耗的数据等一系列的,这是我们定义广泛工业大数据。

8.JPG

行业数据是行业智能的基础,这方面联想集团也有多年的实践,我们在联想集团内部正在成立一个近千人规模的联想大数据核心团队,从物联网的数据起到大数据的平台,AI的平台到行业赋能的应用平台,这四个层面来去共同作用产业的数据变革。这个平台近期也会开放出来,赋能其他的垂直行业,中国目前的汽车主机厂,我们已经服务了20多家,钢铁厂像宝钢、宝五集团都是我们的客户。同时我们在应用层方面能够为客户构建起数据的基础,帮助企业通过知识图谱的方式助力从分销渠道、市场营销等多个方面。

2019-04-12 10:17:29

宋春雨:   

第五个,我想讲讲人工智能的关键要素,它包含数据也包含算法,我们非常幸运,旷视科技的天使投资人,寒武纪科技也是独角兽企业的第一轮投资人。我这里想谈到的,这个算法的变革,实际上人工智能的核心并不只是算法本身大的变革,更是算法和行业相结合以后,在应用级方面各种工程性的尤为重要,包括如何能够构建一个高效的数据自动标注的引擎?能够提高算法在行业落地的有效性?包括采用硬件加速的方法,FPGA或者NPU的方式有效的提高在云端或者在终端、边缘端的算法,处理速度的实时性,都是AI能够落地的关键要素。

算力的部分,也是大家非常关注的,大家如果看到今年的图灵奖三个得奖人,会有一个很值得发现的问题,他们最主要的贡献,对于人工智能的贡献实际上都来自于80年代,为什么直到今天他们在80年代创造的革命性的算法突然变得有效了呢?最主要的变量是算力的大幅提升。

2019-04-12 10:18:30

宋春雨:  

举一个例子,包括寒武纪科技,他们是中国现在目前希望能够提高性能高耗比,五年之内把人工智能的算法性能提高百倍以上,有效的来支持人工智能各种应用的结合。这一页总结一下刚才所讲的主要要点,第一个,我们觉得真正的机会、产业的大变革机会不只是人工智能,这一个要素之一,而是通过物联网、边缘计算、云计算、大数据、人工智能共同作用,好的智能互联网的公司一定要和垂直行业深度融合和深度变革。

9.JPG

这里面再举一个深度融合的例子,这是我们投资的一家企业叫深圳智能交通,它是中国和滴滴应该是并列的拥有中国实时人口出行数据的公司,它大概每天有2.5亿城市人口的实时出行的数据,用来做智慧城市、智慧交通各种优化和改造。大家可以看到,这是深圳深南大道,改造前、改造后的情况,传统意义上施工工程改造一条路投入10亿元人民币,是用了深圳智能交通的数据进行优化,仅仅只花了900万工程支出保证了通行数据效率提高了14%,达到了传统10亿元人民币改造的项目。

2019-04-12 10:18:48

宋春雨:    

在这些方面,联想创投集团也依托联想的产业,这些方向都是我们非常关注的投资方向,这里面不赘述了,大家有好的项目可以来找我。 最后,我想说一下,智能互联网时代应该说目前还处于一个非常早期的阶段,我刚才跟阿里的茹总还交流,我们感觉茹总感觉软件时代最早的财务软件一样,仅仅在一两个行业现在刚开始进入,真正的智能互联网赋能整个行业深度融合带来的经济价值远没有发挥出来。

所以大家看到现在的一些,中国互联网,包括人工智能有十几个独角兽,目前还仍然是早期机会,我们目前认为无赖还会迎来N倍速发展的产业机会,在这个时代,我们最希望能看到的是借鉴智能互联网的核心创新创新的思想,希望能够找到下一个智能互联网时代的新物种,它就像是互联网时代的谷歌,移动互联网时代的Facebook一样,希望能够找到属于移动智能互联网时代最伟大的新物种的公司。谢谢大家!

2019-04-12 10:39:24

分享嘉宾:阿里巴巴人工智能实验室智能硬件总经理 茹忆

分享主题:万物互联时代下的人工智能

10.JPG      

2019-04-12 10:41:40

茹忆:

大家上午好,非常高兴有这样一个机会给但是在这里做一个分享,我分享的题目叫“万物互联下的人工智能”。我现在在人工智能实验室做一系列的产品,从我们做人工智能的产品对智能硬件设备、IOT的设备、人工智能设备还是有一些思考,今天回过头来看,我们在一个非常非常好的时代。

从人类发展到今天,我们觉得不管是我们无论怎么样看待今天科技的发展,实际上从几十万年到几万年、到几千年到今天几百年之前,我们取得的进展都是远远超过我们的想象。从计算机开始,我们每十年取得的进展,其实人类科技取得的进步可能超过了以往的总和。

2019-04-12 10:46:27

茹忆:  

从计算机PC开始,到现在正经历了大致几个阶段,互联网的时代崛起得非常多优秀的公司,到了移动互联网时代,我们又看到了它给我们或者说我们正在经历的这十年给我们的生活创造了巨大的便利,接下来我们会面临更有挑战、更有意思的一个新的时代,人工智能的时代。

我为什么这么分呢?这是机器产生以后,人类和机器沟通、交流的一种方式的改进,最初的时候,我们用键盘和鼠标来控制电脑,2010年,我们进入了移动互联网时代,我们开始用手去触摸我们的手机来触摸这样的一个个人的计算中心。到了今天,我们即将进入人工智能的万物互联时代,在这个时代下,如何跟我们的机器去沟通呢?

2019-04-12 10:46:44

茹忆:  

在这个时代下,机器可能取得了一个巨大的进步,在移动互联网的时代下,我们是用手去触摸我们手机的,但是在人工智能的时代下,我们发现机器它有了理解力,不仅有了计算,有了理解力,有了决策力,它可能对于和人的沟通来说,它有了行动能力,有了听、说的能力,有了视觉的能力,这是我们讲这个时代下,机器可能会具备这样的一种能力。

11.JPG

回过头来,我还想再看这个图,为什么我们这么讲?语音和视觉的能力它对我们的影响到底有多大呢?互联网的时代,我们接触机器是如何接触的?我们用键盘和鼠标,那个时候接触机器的电脑的人有多少?在中国大概有几千万,主要是白领,到了移动互联网时代,几乎人手一个智能手机,有十几亿人在接触这个网络,到移动互联网的时代,到人工智能时代将会有多少人呢?

2019-04-12 10:46:57

茹忆:

应该是所有的人,这几个时代的迈进决定了人们和机器的沟通,而且是机器从人去适应机器,到机器来理解人。怎么讲?我们在90年代的时候,当时有一个特别流行的培训班叫电脑培训班,我们要学习怎么样去使用电脑,要学习怎么样使用Office,怎么样使用Windows,因为操作比较复杂。

但到了今天,我们没有培训班教我们的父母怎么样使用手机,的确是没有,未来我们更不需要教我们的孩子怎么样使用人工智能的设备。但是是不是真的手机就能完美地解决我们所有的问题,显然不是的,因为我们之前一直在讲,互联网的时代是20%的人上网了,移动互联网的时代是80%到90%的人接触了网络,但是他们大部分人只用了20%的功能,就像我的父母,他也在用智能手机,但是他可能只上了一个微信,仅仅上了一个微信,他可能连天猫都打不开。但我们觉得到机器真的理解人的那天,我们希望看到的是90%到百分之百的人都能够接触到这个网络,他们能够接触到百分之百的功能。

2019-04-12 10:47:12

茹忆:  

这就是我讲的人机交互,为什么让大家能够真的做到,因为机器在人工智能的时代,机器真的去学习、去理解人,他怎么样学习、理解人,他需要具备和人沟通的能力,这里列了五个能力,我们先说听见和交谈能力,实际上就是我们今天看到大部分的人工智能设备,我们的智能音响可以听见人的讲话,并且我给你一个反馈,这是听见和交谈的功能。现在我们开始看到很多人工智能创业公司做视觉,让机器具备像人一样具有看见的功能,甚至提出了机器可以去感知,它可以去感知环境、感知各种情况甚至感知人类感知不到的情况。

最有意思的是这个,为什么机器需要一个展示?我们是这么理解的,还是刚才那句话,机器它其实在理解人,并且去适应人,这个交互方式的机器在适应人,人获取信息量最大的是眼睛,眼睛在前面,它的信息获取量的效率是耳朵的十倍以上。所以说在电脑开始的时候,我们就会发现它会有一块屏幕,所以说我们认为在人机交互的过程中,这块屏幕起到至关重要的作用,我们想展示机器用图形的方式适应人,把更多的信息展示出来。

2019-04-12 10:47:29

茹忆:  

我刚才讲了两点,一个是机器的理解力或者说从互联网到移动互联网、到人工智能时代,机器仅仅的计算力到了它具有理解力、决策力,这个云端大脑未来计算中心的能力。刚才也讲到端上如何去和人类进行沟通和交互,才能真正的服务好所有的人,我们认为,这两件事情实际上是一件事情,所以说我们提出了一个概念叫“云端一体”。算力、云端,云端大脑的算力和端上交互的入口,这两件事情其实是一件事情,为什么我们这么理解呢?我们觉得在互联网的时代,PC时代,它是一个非常开放的生态,它开放生态的原因是它的机器其实是一个可以完全模块化的机器。

12.JPG

举个例子,你在PC上和在笔记本上可以打开任何一个网页下载一个文件,下载下来,安装执行,这是一个完全开放的生态。但是在移动互联网时代下,它的生态实际上发生了巨大的变化,手机厂商,也就是硬件厂商对这个系统具有一定的控制权,现在你在iphone下载应用,在app store上就经过审核,国内,不管是小米还是华为,还是vivo、oppo对应用商店都有一定的控制权,手机厂商用应用商店或者预装的方式产生了一定的收费或者盈利的模式,他对系统有一半的控制权,这是我们讲的在移动互联网时代发生的一个变化,甚至现在手机厂商对应用控制权更大。

2019-04-12 10:47:46

茹忆:

在这个时代下,它的功能完全不是在端上来去实现和解决的,而应该是它的端上交互的方式和云端的算法再加上我们的服务,做一个整个的服务生态,在整个云端上,这个事情理解起来比较复杂,怎么理解,我们往下看。

刚才宋春雨讲,我们下一个入口到底是什么或者说下一个独角兽的机会到底是什么?我是这么看的,在互联网的时代,Windows操作系统下,我们出现了很多伟大的公司,比如说BAT、谷歌,他们为什么成为这伟大公司,因为他们有一系列伟大的产品,这些伟大的产品变成了我们叫一个超级的入口,淘宝、QQ、百度,它会成为一个超级入口。

2019-04-12 10:48:07

茹忆:

到了移动互联网时代,这个超级入口变了,变成一个APP了,头条、微信、天猫的APP、支付宝,它变成一个APP,它的形态从一个网页变成一个APP,在移动互联网的时代,在人工智能时代、万物互联的时代,这个超级入口会是什么?还是个APP吗?还是个网页吗?我们觉得可能不是的,它可能是一个硬件终端,可能是个机器人,可能是你跟你直接交互的那么一个设备。

为什么我们这么说这个事情呢?这个道理其实有时候也挺简单的,我们今天会发现如果说我们今天要和一个设备进行交互,和一个设备进行交互的时候,用语音的方式甚至直接沟通的方式进行交互的时候,你可能会直接跨过应用或者直接跨过我们之前提供一个平台直接下载的方式,而是直接形成一个有效的沟通,这个事情说起来有点绕,我们往下看。

2019-04-12 10:48:18

 茹忆:  

为什么是一个超级智能硬件的入口?它的特征是什么样的?我们觉得它应该是普惠的、自由的和可服务所有人的。怎么理解这个事情?首先,这样一个硬件、未来交互的一个入口中心,它应该具备什么样的特征?在交互上它应该是非常便捷的,刚才我们讲,它应该是和所有的人,从3岁到8岁的人都可以去沟通的,没有障碍的,它的交互方式就决定了这种交互方式的进步应该是服务90%到100%的人。

14.JPG

我刚才讲了,移动互联网目前只能说80%的人,只能实现20%的功能。其次,它应该是一个提供比较丰富有趣内容,并且具备快乐和陪伴的,能够真的给人带来温馨的那种感觉,最后我们觉得它真的要有用,比如说我们讲天猫精灵可以听音乐,可以讲儿歌,可以哄孩子睡觉,可以减轻很多父母的困扰,也可以给你提供一些娱乐,但是真的让你觉得有用是什么呢?我会发现它可以帮我把家里的灯打开,它可以帮我浇水电费,可以提醒我明天早晨有一个日程,自动设一个闹钟,对你的生活形成了依赖,这样的产品可能是未来的智能时代的生活必需品。

2019-04-12 10:48:54

茹忆:

现在买一个房子要买三个电器,空调、洗衣机、冰箱,在未来的十年生活中,你要有一个新的住所时,你想需要这样一个产品,可能是一个机器人,可能是一个智能音响或者智能设备,因为它就是我的一个伴侣。回过头讲到这个问题,这个问题讲完了,不管是云端一体还是我讲的入口的概念,就解释清楚了,所有的AI智能硬件将打破应用的边界,提供一个完整的服务。

这是刚才讲为什么是一个智能硬件的入口,为什么会是一个完整的服务呢?举个例子,你在手机上要去点餐,你怎么点?手机上下载饿了么,搜一下红烧牛肉面,找了一家餐厅,点个外卖送过来,但是你对一个智能音响或者说未来对一个机器人,你说,哥们,我要点餐,机器人说好,你下载一个饿了么,显然不是,机器人会告诉你,我给你查了一下附近有一家红烧牛肉面,是你最喜欢吃的口味,性价比非常高,你要不要,你要,就给你送过来,交互方式的改变。

2019-04-12 10:49:07

茹忆:

这一件事情实际上融合了三个问题,第一个,交互方式变了,第二个,它需要去理解你的想法,第三个,它需要具备后面服务的能力,还有一个隐含的意思,这个设备它需要具备的不仅是一项服务的能力,它可能是多项服务的能力,因为你跟机器人说,我要点餐,机器人帮你干了,你说我想听首歌,机器人也帮你放了,在未来不可能买一个听歌机器人、点餐机器人、购物机器人。我们讲云端的服务和终端的入口的关系,今天我们在这样一个新的交互方式下,新的人机交互方式下,我们仅仅是交互方式一个小的改变吗?

不是的,今天机器交互方式这次改变实际上应该说超过以往所有的交互方式的改变,带来的变化将是巨大的。所以说我们的产品将不仅仅是变成原来是一个一个APP,我们讲以功能为中心的产品变成以人为中心的服务。

2019-04-12 10:49:27

茹忆:  

对IoT有什么影响?马老师讲:“物联网的本质是智联网,人类将进入数据时代”。我们开始讲物联网的时候,大家会说,所有的设备连一下网就可以了,手机可以控制就可以了,云端传递信息就可以了,这个是我们今天谈论的物联网,物联网的概念从2012年开始有人去做,到今天了,我们现在所有的设备,就像我说的在人工智能时代下,所有的设备连上去了,就是我们要的,显然不是的。

15.JPG

马老师提出的智联网的概念实际上是我们今天讲的IoT的概念,今天天猫精灵连上,不是连到网上,连到云端大脑说,收集到这些信息来处理它,真正的物联网标志AIOT的设备连上网,这每个设备背后都有一个强大的人工智能的大脑,来给它做支援,否则就不是AIOT,它只是IoT,它一定有新的交互方式,一定有背后强大的大脑,它才能够真正的帮到人,所以说我们讲的AIOT应该是我们刚才讲的,新的交互的方式并且连到云端的一个大脑。

2019-04-12 10:49:42

茹忆:  

举个例子,之前我们说智能灯泡,你买一个Wifi的智能灯泡回去连上网,你首先得买一个灯泡,回去是一个Wifi,得用手机配网,回到家,打开手机按一下,找到这个APP,再找到灯,按一下灯,开了,实际上当你回家的那一刻,进门的那一刻开关就在手边,按一下就开了,所以智能灯泡没什么人用的。

但是今天我们的智能灯泡卖了将近好几百万个,为什么这么多人在用,是因为它通过天猫精灵连接了大脑,不需要IT男,任何一个女孩买回去,跟天猫精灵说,连接设备,它就说连接好了,你回家的时候,天猫精灵开灯,灯就开了,这可能没有感觉,最有感觉的是你冬天晚上特别冷,躺在床上的时候发现灯忘了关,这个时候可以说,天猫精灵关灯,灯就关了,不用下床了。昨天住酒店,忘了关灯,我就很焦虑,天猫精灵,关灯,酒店里没有,我下来把酒店所有的开关找了一遍,把灯关上了。当你真的习惯了之后会发现就回不去了。

2019-04-12 10:49:58

茹忆:  

我们今天做的不管天猫精灵也好、人工智能做的设备也好,整个行业对人工智能的贡献也好,我们只是在非常初级的阶段,上次去美国,哈佛大学的人工智能教授讲,我们现在在人工智能未来30年浪潮,他用了两个词,一个是叫“非常非常早期的阶段”,一个是“一个巨大浪潮的开始”,并且是非常早期的开始,我们可以想象在未来二十年甚至到未来三十年,这个人工智能的浪潮改变我们生活的方方面面,甚至给我们创造意想不到的奇迹。

最后,我用阿里巴巴公关主席王帅的一句话,让机器充满智能,让人性充满光辉。谢谢大家!

2019-04-12 10:58:24

分享嘉宾:洪泰基金执行董事 赖蕴琦

分享主题:人工智能投资2.0:美丽新世界

16.JPG

2019-04-12 11:00:25

赖蕴琦:

大家好,我是来自洪泰基金的赖蕴琦,今天很高兴跟大家在这里见面,也跟大家分享一下,我作为科技的投资人,其实每天在思考什么样的东西,因为很多人问我,做好一个投资人最重要的是什么?或者是最基础的是什么?我跟他说需要想象力,其实我们每天都在思考这个未来十年、二十年甚至三十年,这个世界是怎样的?我们在这样的世界中去寻找今天可能成为那个时代样子的公司也好、项目也好、科学家团队也好。

我今天跟大家分享所谓的人工智能投资2.0:美丽新世界。我非常感谢去年见到一个朋友,他是做文娱的,他跟我说,他说你们科技的投资人,觉得科技能带给大家非常多美好的东西吗?这个话再次地提醒我,作为一个投资人其实我们最终考虑的是什么?他跟我说做一个人文关怀的人,这句话提醒我,我看这些公司、这些企业,给这个社会带来什么、给每个人带来什么。

2019-04-12 11:04:52

赖蕴琦:  

在过去从2015年到2017年、2018年,我投的一些部分产品给大家介绍一下,第一部分是基础设施的投资,这个大家应该都很熟悉了,这上面跟大家没有什么本质的区别,第一个投基础设施、芯片、传感器、底层算法、区块链底层技术到行业应用,最开始没有太复杂,业务模式的行业,广告、营销、金融,这些行业没有制造环节的公司,他们最早用算法产生效益的,我们会投一系列的在行业中的应用。

但是我们投了这么多年以后,我们也会归纳总结,我们主要在看几个重要的能力,第一个是自主研发的能力,技术的创新能力,第二个是优秀的产品设计和商业能力,第三个是组织效率和企业文化,第四个是国际化能力。我相信这四个电跟其他一些科技投资人有一些不一样的地方,但是这四个点从我这里看都是非常重要的,即使我投的非常早期,一些技术很创新的公司,我依然会考虑它的商业化能力,它的产品设计能力,它到底能不能把产品推向国际化,这个公司的创始人或者说创始人的群体有没有很好的企业文化和组织能力,能够未来这个公司发挥很大的创造力。

2019-04-12 11:05:05

赖蕴琦:   

说到这里,因为我们今天主要讲美丽新世界2.0时代,我一直在思考,到底我们这些AI也好、新的大数据以及未来可能出现的更多高科技,会给我们带来什么,给人类带来什么?这两个最重要的点,为人类发挥创造力和享受直觉的乐趣。

17.JPG

我相信大家都很痛的一点,无论今天做什么样的工作,即使是做创投,投资也好、创业也好,我们还是有大量的重复性工作,更不用说在公务员、企事业单位看起来不是那么具有创造性的工作中,我们可以用机器为人类减少大量的重复性工作,为人类发挥创造力留出更多的时间。

2019-04-12 11:05:25

赖蕴琦:

首先我们要把自己从这个表弟、表妹、表哥、表姐中解脱出来以后才有更多的时间实现创造力,很多时候发现光是做日常的工作已经耗费了你所有的精力,你很难再腾出时间思考未来要做什么,我下一步怎么去优化我这个工作,所以第一步一定是去减少重复性的工作,才有可能更好的实现创造力。

同时,不仅是像大家直觉感觉到,我只是把一些重复性低端工作替代了,同时很重要的能够更好的帮助人类区市县创造力,比如说新药物研发中加速发现蛋白质的靶向药。第二个是音乐行业,我脑海中有一个非常好的旋律,怎么更快的实现一首曲子,建筑行业快速生成方案。

2019-04-12 11:05:36

赖蕴琦:

所以我觉得机器或者人工智能时代要带来为人类最终到每个个人很直观的成果,就是减少重复性的劳动,实现更好的创造力的发挥。从企业层面上,我们也看到,现在是全球都在面临劳动力的挑战,第一,中国的问题是劳动力的占比不断的下降,而且中国未来遇到很严重的老龄化的问题。

第二,右上角这张图,中国全职劳动力可被智能自动化取代的比例是34%,这已经是差不多可以想象到最后三四亿人全职工作都可以被机器人所取代,这是从企业层面来说很好的提效的方式,但是从个人来说,面临结构化的失业问题,这是一个好事,人能够回归到更大的创造力劳动力中。

2019-04-12 11:05:52

赖蕴琦:

左下角,数字化劳动力这个问题是一个全球的商业上进行大量研究和分析的问题,我们可以看到,84%的企业已经将这个数字化劳动力纳入了考虑的范围,可以为降低成本、提高效率、降低风险。比如说收集数据,我相信在座的一定是每天都有类似的问题,不断的收集数据,查阅数据,填表,Excel填到PPT,从PPT填写到公司系统里,无论什么样的行业、什么样的职级都会遇到大量这样的工作,这样的工作以后都可以用机器来解决,可以为大家节省大量的劳动时间。

18.JPG

下一步我们就会思考,什么样的一些能力能够最后到达我们想象中它可能是要五年、十年、二十年甚至三十年的美丽新世界,实现真正的人机协作该有的一些能力,在我看来这三个大点,第一个是智能自动化,第二个是自然语言的人机交互,第三个是最后达到的通用型人工智能,这也是作为一个投资人,我现在脑海中在描绘第二个大的阶段,人工智能投资2.0,我需要重点看哪些领域。

2019-04-12 11:06:06

赖蕴琦:  

第一个是智能自动化,前一位演讲嘉宾讲到很多这样的场景,在生活中、家居场景中、办公场景中有大量的行为是可以被机器直接做的。比如说,有一个智能助手,我让它叫个车,帮我订个外卖甚至帮我买个衣服,对于绝大多数的人来说,我们在生活中的大多数行为都是重复的,其实没有那么多每天都要变着花样来的事情,在这种情况下,如果有一个智能助理很好的为我们节省时间,完成这样的事情。我们可以通过语音和这样的智能助手去交互。

前面这位嘉宾讲到,家居产业中,直接用语音控制所有的关灯、开灯,所有的设备,根据个性化的习惯主动推送信息。这里面有一个不同点,大家可以想象,除非有一天,我们家里所有的设备都用了同一家公司,如果不是这样,我们依然要采用不同的平台,无论它是APP还是冰箱还是其他的,操控不同的设备,除了有一天只剩这一家,你家不会出现其他家公司的产品,你依然还是需要用多个方式操控这些机器,这时候一个智能助理是非常重要的,你只需要对一个应用或者一个虚拟的应用跟它交互,让它完成家里的所有事情,这是很大的不同点。

2019-04-12 11:06:18

赖蕴琦:

所有的设备厂商或者是做协议的厂商,一定会考虑,未来就剩我一家,但是个人来看,这是很难实现的,始终你还是会有一个类似于自己的个人助理这样的角色存在,虚拟的助理帮你完成生活中重复性的劳动,甚至是主动的去完成这样的一些诉求。

办公场景就更多了,可以完成填表,我很怕填表,信息的提取、填表、搬运,自动的去处理文本和内容信息。在这里插一句,我尽量配合着律师团队,他经常跟我提这样的需求,到底能不能把一些重复性的工作,修改单复数,没有任何能力的提升,得六七个小时整理几十份文件的签字页,发给不同的负责人,这件事情特别重要,能够用在智能自动化、能够用在办公的各个场景,实现工作流程的自动化。

2019-04-12 11:06:29

赖蕴琦:   

具体来看一些场景,比如说,刚刚讲到的新药研发,还是分成两大类,第一步至少能减少重复性的工作,第二个更好的发挥创造力,各行各业找到相应的应用场景,新药研发提取信息,提高生成药物的效率。法律行业,刚才讲到大量的文本自动分析和处理。

19.JPG

物流行业,我们投的蓝胖子机器人,帮助物流公司完成分捡,未来能够实现仓储信息的实时更新和自动优化。制造业,流水线上的工人很容易被替代,这是一个主动和被动的选择,作为一个人类,作为一个人他不应该每天做重复性的劳动,这件事情是主动、被动,他一定会被改变的,接着是能够基于这些数据实现个性化的生产方案,更换智能产线。

2019-04-12 11:06:42

赖蕴琦:

种植业也一样,也有类似的需求,能够将重复劳动给替换,能够在大数据协助下完成自适应调整,提高工作效率。可以用在想象中的各个行业,我经常跟创业者分享,在中国创业最幸福的地方是没有小行业,因为我们太大了,你做任何一个垂直领域都是一个很大的公司。内容行业,这个是流程化管理,自动的选题,能够生成观众偏好的内容。这样的一些能力赋能,能够想象到生活工作中的方方面面和各个场景。

第二个是自然语言理解,近几年一直在思考这个问题,我经常用一个问题问大家,我觉得语言的沟通甚至是语音的沟通是人类最自然的交互,我相信大家在睡觉的时候,眼睛是闭着的,嘴巴也是闭着的,很多感官都是闭着的,但是你的耳朵是张开的,我们非常习惯于用语音做交互,每个人都要去思考的一个点。

2019-04-12 11:07:09

赖蕴琦:

也挺有意思的,我在观察,无论是古代、现代、科幻片,现在公司的老板,大家都会喜欢有一个助理,自始至终都有一个助理或者能够用语言交互,去安排工作的一个角色,而不是买一个pad或者搞一个大屏在桌子上,这件事情很有意思,我们到了这个状态一定喜欢自然语言沟通,去交互,对人或者对机器。自然语言成为未来实现人机交互最重要的方式。

今天的问题是什么?无论音响还是其他的智能设备,听不懂,我刚才讲了,无论怎么样它没法理解我在跟它说什么,尤其是跟它说一些比较长尾的需求的时候。今天这个机器其实不具备跟人一样的感知能力,同时语言也严重阻碍了人和机器的沟通,这个问题我相信是必须得解决也正在被解决的路上,但非常难。近半年跟牛津科学家们交流比较多,讨论了很多问题,本质上语言就是人类认识世界的方式,这个事情你讲不出来是没想到,大家如果感兴趣也可以看看关于语言游戏的哲学理念。如果这个问题不解决,我们无法实现人机交互的。

2019-04-12 11:07:19

赖蕴琦:   

同时也可以想象,如果未来我们的人和机器交互是通过语言来解决,这个机器不只是会走动的机器,在手机中的运用或者云端的运用,是虚拟的机器,可以想象未来的应外跟今天是完全不一样的,不需要屏幕了,如果这个应用能够通过我说一句话,通过我的麦克风能够帮我打车,我根本不想打开手机,这是一个非常直观的感受,每个人都能回去自己问,我到底需要什么样的应用?我经常跟团队的同事分享,我说我点的菜都是一样的,不想打开手机再做这个事情,非常浪费时间,一秒钟就帮我叫一个新元素的菜,经常从公司加班打车回家,为什么不直接通过我说一句话帮我把车叫来就行了,未来所有的应用形式一定会发生改变,如果能把自然语言解决了,这个世界上很多东西都跟今天想的是不一样的。

20.JPG

2019-04-12 11:07:29

赖蕴琦:   

第三个是我们经常会谈到的,但其实大家都觉得离得比较远的,我们应该会持续的思考,会推进实现它,通用型人工智能,这个刚刚嘉宾也讲到了,物联网时代到底是什么样?到底我们期待什么样的物联网时代?物联网时代大量的设备,非常大量的数据,就能为我们生活工作提升任何效率吗?我觉得不是的。

物联网时代如果它真的有价值,它一定是能够识破做出决策和行为的,既然知道了你的智能家居在家里的行为、在手机上的行为,在各个层面上的数据就应该能够为你时刻提出一个最优解,这是我理解的物联网时代,加上通用人工智能最终能够为人类带来可以理解为高层次的意识,无论每个人在每个时间点直接推送我最想要的东西,我刚刚讲到的,甚至智能助理不需要我跟它说话了,它知道我晚上12点回去,它会帮我打个车,这才是理想中的物联网时代,但它必须首先拥有这些数据加上底层算法的提升和进步,加上所有新的算力、科技能力,才能去实现这样的时刻决策和行动。

2019-04-12 11:07:43

赖蕴琦:   

这是我今天的分享,也没有讲太多非常技术的内容,我们无论去投资、去创业,很重要的是要有对未来的方向,知道我们这个世界到底会变成什么样,我们希望它变成什么样,从我的角度来说,我非常期待一个美丽新世界。

在这个世界中,我们都不需要再做重复性的劳动,不需要再做让我们不开心的工作,而应该让每个人都更人性的发挥我们创造力和享受直觉和乐趣,这也是投很多公司的时候问创始人的问题,你希望为这个社会带来什么,你希望为每个人带来什么,如果我们能够让这个世界上的每个人生活的更开心一点,我觉得你的创业是非常有价值的。所以我希望我们能做一个具有人类关怀的科技投资人。谢谢!

2019-04-12 11:20:20

分享嘉宾:松鼠AI智适应教育合伙人 马刚

分享主题:人工智能技术赋能传统教育产业

21.JPG

2019-04-12 11:22:22

马刚:

大家好,非常感谢猎云的邀请,能有这样的机会在这个地方跟大家去分享人工智能在教育领域当中的运用以及我们公司所做的一些目前现阶段的产品和成果。这两年,非常多的场合听到了松鼠,什么原因?这个原因就是因为人工智能,全国通过两年多的时间做了线下店,线下的教育培训机构就像新东方这样的教育培训机构,我们开了1800多家,在全国除了香港、澳门、台湾这样的地方还没有我们的学校,在西藏、新疆都已经开始铺设我们的学校了,触达面非常广,而且目前在校学生超过200万。这个结果到底是因为什么?

为什么一家公司在教育非常传统的领域迅速铺开来,让那么多的面广的或者说从东到西、从南到北的所有的学生甚至家长都能够接受这样的方式,其中最主要的几个原因,第一,因为教育目前相对来说有几个困境,我们去看这个传统教育的困境之一,特级老师非常少,今天面临教育资源不公平很大的原因是因为我们的老师资源不公平,在北京享受的资源,在上海享受的资源,刚才想讲到西藏和新疆这样的地方享受不了这样的资源,甚至在北京享受到人大附中的资源,在北京顺义这样的地方享受不到人大附中这样的资源,家长不断的买学区房,希望能够通过学区房这样的方式让教育公平。

2019-04-12 11:23:30

马刚:

所以这种资源分配不均的状况,我们试图通过人工智能的方式解决。我们希望通过人工智能模拟非常有经验的特级教师,通过这样的方式,不管在海南还是在东北、还是在新疆、西藏、还是在北京、上海,突破时空的概念,让所有的孩子都能够享受到相对比较先进的教学。

第二个困境,因为千人一面的学习过程,就像今天这样的会场,我相信很多人来冲着某一个演讲者来的,很多人想听投资还有一些人专门想听教育,还有一些人希望能够从这个会场当中学到一些东西。但是每个人来的初衷和目的不一样,我们主办方的方式可能只能按照我们已有的程序不断的安排给大家,就像我现在的演讲一样,很多人希望快速的听到我们系统的理念,我必须把我的逻辑讲给大家听,这实际上是现在这个教学的形式所带来的。

2019-04-12 11:28:55

马刚:

我们的孩子从小学到初中都是在一个班级里面按照学校的教学大纲来进行教学,这是典型的千人一面。而所有的学生学习状况是完全不一样的,我们没有办法按照每个孩子独特状况来给他进行教学,因为一个老师负责几十个学生甚至上百个学生,他没有时间和精力做千人千面的教学,只能给到千人一面的教学,这是因材施教所碰到极大的问题。

22.JPG

大家知道,2000多年前孔子在树下对着3000弟子进行教学,那个过程中已经在倡导因材施教,最终实现有教无类这样的大同世界。2000多年以来,几乎没有办法能够实现这个场景,只不过把大树变成我们的教室,只不过把他的演讲场面或者说场景变成了我们今天的教学环境。仅此而已,真正个性化的学习应该关注到每个学生自己的个性。

2019-04-12 11:29:10

马刚:   

就像每个人手里都有手机,十多年前拿出摩托罗拉的手机,几乎是千人一机的状态,就是型号上的差别,今天我们发现不论型号多么相似、系统多么相似,每个人的手机运营的APP是完全不一样的,不喜欢听音乐的人一个音乐软件都没有,不喜欢炒股的人一个炒股软件都没有,喜欢炒股的人有三四个炒股然间,个性化本质带来的需求。

甚至我们的孩子回家做作业的时候,教给他学习的作业都是一模一样的,我自己的孩子今年小学三年级,9岁,在一家私立学校读小学,每天回来,他从小学一年级结束之后,二年级转到这家学校去的,一转过去之后非常大的不适应,不适应的原因,因为私立学校的作业太多了,晚上十一二点做作业,做的急的要哭。

2019-04-12 11:29:40

马刚:

当我们检查会发现,很多作业当中布置的题目都是他平常已经会的、已经掌握的,但是没有办法,因为要保证正常学校的教学速度,必须整齐划一,也要规定学生的学习速度,必须在这个层面上也要进行跟其他学生一样的学习,这个时候才导致他花大量的时间去学,他已经掌握的东西,而这个时常是对效率和时间的极大浪费,我们必须根据孩子自身学习能力和速度给他相对比较个性化的方案。

第四个困境,目前我们去看中国有很多的关于应试教育和素质教育的纷争,最着重的点是我们会发现,应试教育会不断的只强调孩子对知识掌握的训练,而我们希望能够通过方法、通过能力、通过思想这样给到孩子一些素质上的东西。我不讲太多的方法、思想和能力,我们讲出一个点,时间的点,今天的孩子就像我的儿子一样,他在学校里面已经掌握了知识回家依然花两到三小时做作业,这些知识是他大量掌握的,因为要做已经掌握的东西没有时间踢球、没有时间交友,没有时间跟家庭交流,导致我们的素质根本没有时间进行,更别提能力、思想和方法的培养了。

2019-04-12 11:29:57

马刚:

如果从效率的提升当中把时间的释放,进一步地从能力、思想、方法中给孩子找到足够保证的时间,从这个层面来说已经功德无量了。AI教育怎么给我们带来解决四个困境,目前在海外,已经有非常多的公司和用户在使用人工智能智信这样的产品进行学习,其中像Knewton、ALEKS、Realizeit,其中我们的首席数据专家还是ALEKS以前的联合创始人,这也是我们能够取得骄人成绩当中非常好的人才保障。同时海外已经9000多用户在学了,意味着不仅仅是中国的孩子在享受这样的教育或者是享受这样的资源,实际上面在海外有非常多的孩子在享受了。

国外非常知名的教育公司在国内涌入非常多的教育公司做这样的事情,我们非常欣喜,有那么多的公司共同认可这样的人工智能+教育自身的理念,有那么多的公司愿意在这个赛道当中为了教育这件事情进行改变。我们讲讲人工智能智信系统到底如何实现或者解决刚才说的几个困境?第一,我们首先保持学生自己的专注度。

2019-04-12 11:30:09

马刚:

我们去看到不同的孩子学习自己线上产品的时候,他几乎没有什么耐心,在这个地方坐两个小时到三个小时,一会儿要去玩儿、一会东张西望,如果给这个孩子打游戏,这个游戏可能让这个孩子在那个地方坐半天甚至一天都不动。我曾经带我的儿子到泰国机会,我问他寂不寂寞,他非常幸福的玩了一天的游戏,各个其所,你开你的会、我玩我的游戏。为什么这个游戏能够让孩子保持如此高的专注度、如此高的自律?是我们所有做教育产品领域的人都应该去关注的。

23.JPG

在教育这个领域当中,我们过去看教育本身是反人性的动作,跟教育相关的目前人工智能在顶端领域当中有一个产品,前两年大家比较熟悉的阿尔法狗,它通过什么样的方式,它通过对棋手的判断不断地改变自己的布局,通过这样的战略布局调整自己的下棋策略,我们希望通过内容难度跟学习的类型匹配,什么难度跟学生能力匹配?如果30分的孩子在班级里的教学,老师跟90分的教学放在一起的时候,教的内容和时间都是保持一样的,30分的孩子希望给他的内容永远保持在30到35分,当你学会35分的时候,我再给你推送30到37分,学会37分再推送30到40分的内容,始终能够保持孩子本身的成就感,在这个成就感本身的前提下,使孩子能够不断的保持自己的专注度。

2019-04-12 11:30:26

马刚:   

我们再来看,对于一个孩子来说,我们如何能够看到这个孩子到底是个30分、40分的孩子,不同的孩子即使考30分,两个人同时得30分,你会发现这两个孩子也是完全不一样的,这个孩子是因为本身具备50分的能力,但是考试粗心大意只得了30分,那个孩子用尽了自己两个小时,甚至是毕生的精力考了30分,这两个人的水平完全不一样。所以我们非常需要有精准的检测,对每个孩子能够做到千人千面的检测,掌握它的知识状况,这跟我们看病是一样的,我们的诊是要非常的精准,才能根据这个诊来进行治疗。

前面是50个知识点,对不同的知识点看孩子已经掌握的状况,第一个孩子,他掌握了知识点,没有掌握的知识点8%,掌握的程度非常好。第二个学员相对来说比较中等,第三个学员相对来说比较差,根据不同的孩子掌握的状况,第一个孩子掌握非常好的,我们教给他的将不再是50个知识点,我们教给他只是8%的知识点,这样的孩子掌握程度非常差,也不需要从零开始学习,线性的学习50个全部的知识点,只需要学习正常这58%没有掌握的知识点就可以。

2019-04-12 11:30:36

马刚: 

第三个,个性化的匹配,当我们看到不同的孩子诊断出来他相对来说比较精准的状况之后,我们同时要给他配,我们个性化匹配的方案,匹配的学习路径和匹配他学习的内容,只有如此,我们才可能让学生在自己的教学过程当中或者学习过程当中掌握相对来说比较好,才能够满足第一个大点,相对才有成就感。

第四个,学习的速度也是不一样的,我们看一个小的图形,大家感触非常深,十个孩子和十个知识点来看,你会发现同样十个孩子和十个知识点,我们在班级教学过程当中或者在大班课教学过程当中保持永远的统一性和归一性,系统给出的东西是完全不一样的。这是后台学习的结果,当这十个孩子在学习立方一个知识点的时候,你会发现每个孩子所消耗的时间完全不一样的。

2019-04-12 11:30:47

马刚:

同样,同样一个孩子学习不同的知识点的时候,所消耗的时间也是完全不一样的,因为不同的知识点对孩子来说,他可能掌握的程度不同或理解的能力不同消耗时间也不一样,不同的孩子学习不同的知识点,所有的时间都个性化的都关注到的话,就像浩瀚的星空云图一样,老师绝对没有能力来做到这个点的,这也是为什么在棋手李世石跟阿尔法狗对战的时候,为什么最后阿尔法胜能够获胜。

还有一个是追根溯源,中考和高考的孩子,越是这样的年级面临中考和高考的压力不断地进行刷题,弥补过去的知识点,如果初一考60、初二考60,初三意味着初一欠我40分,初二欠我40分,如果不把时间和精力往回补到他初一、初二欠的80,初三下再多的功夫,花再多的时间和精力很难达到学习比较好的成绩,我们必须要追根溯源,就像一堵墙一样找到它的漏洞在哪里,填一块砖在那里,这就是追根溯源。

2019-04-12 11:31:03

马刚:  

知识点的拆分实际上相当于,教育部对初中英语规定的知识点大概217个,而我们已经把它拆到3万多个知识点,因为知识点拆的越细,就像各位拿起的手机一样,手机像素拆分的颗粒越小,手机呈现出来的照片清晰度越高,如果把知识点拆分的越细对孩子检测的把握程度越精准。物理思想能力的拆分,对孩子进行能力的拆分,这是数学的能力。语文的方法拆分等等。

24.JPG

同时我们在看,我们这样的理念、我们这样系统它的效果如何?我们在全国举行很多次人机大战,我们大家会觉得产生结果或者效益的怀疑,我们必须用结果来说话。2017年10月第一次在郑州做了人机大战,三个17年教龄真老师跟系统进行对比,三天的教学效果出来,我们的系统教学成果远远超出我们的真人老师,同时在成都、山东东营以及2018年8月在全国100个城市进行人机大战,发现的结果都非常好。

2019-04-12 11:31:14

马刚:

与此同时,在央视《机智过人》做了电视版的人机大战,但是很抱歉,因为这个节目因为去年大家众所周知的开学来了那个原因没有播出。全国去年年底实现了1800个教学中心,很多人觉得1800个数字不高,但是我告诉大家,新东方到今天为止30多年的时间,教育行业的领头羊,开了大概1100家左右。所以这个数字在教育的行业当中是一个奇迹。

对我们来说未来的挑战也很大,第一大挑战,人才储备和算法、算力如何能够保持?在全球范围内,除了刚才讲在全球前三人工智能+教育公司领域当中找了非常多的专家之外,我们还在其他方面进行加持,我们跟卡内基梅隆大学的教授跟我们合作,同时还建立了一个我们自己的实验室,去年在斯坦福国际人工智能院一起建立了我们自己的联合实验室,包括国内的中科院下面的自动化研究所也建立了实验室,通过这样的方式保证我们能够有非常好的研发的、技术的壁垒,始终保持整个发展的速度。

2019-04-12 11:31:32

马刚:

我们看一下真正的学生提分效果,很多在座的投资朋友都知道,他的孩子在我们这里学习,通过非常短的时间内提了57分,付老师也非常开心。这是董事长的司机,平常出差也好、接待客人的路上会发现这个系统那么好,能不能让我的孩子也用,在上海当司机,他的孩子说实话成绩非常差,他太太因为这个事情经常跟他吵架,难道让女儿将来跟你一样做司机吗?你们公司不是做人工智能吗?

人工智能来了,司机业都不需要了,女儿到底要做什么?基于这样的原因,司机跟我们董事长说,能不能让孩子适应一下这个系统,这个孩子用了系统之后,从原来成绩非常差,本来已经放弃了,后来在上海读了相对不错的职高,读到职高之后,这不是最好的,读好的高中、考好的大学才是最好的。

2019-04-12 11:31:42

马刚: 

这个孩子不仅在职高过程中继续学习我们的系统,在这个职高学校有两个名额被波音选中到美国学习,这个孩子被选中了,这个孩子目前在美国。这个司机经常说,我们改变了他孩子的命运。这是其他的学生提分状况。

vbox7180_GIN_3827_105832_small.JPG

我们希望通过这样的方式,通过人工智能在教育领域的改变能够让更多的孩子享受到公平的教育资源,享受到更好的教师资源,享受到相对他们现在所获得不了教育的理念和方法,我们也希望更多的人跟我们一起志同道合,我们可以一起来改变中国的教育。1967年,我的一小步,人类的一大步,创业都是各位的一小步,只要我们踏出一大步,我相信我们能够对中国教育的变革、对历史的变革起到非常重要的一大步。谢谢各位!

2019-04-12 11:47:05

分享嘉宾:iTutorGroup首席数据官 沈沛鸿
分享主题:AI赋能教育革新

31.JPG

2019-04-12 11:48:43

沈沛鸿:

各位好,我们是iTutorGroup,大家品牌的名称是VIPJR,大家比较理解是姚明帮我们代言开始,我们做在线教育有20年的时间,远在认识姚明之前。如果讲到对AI的应用上来讲,绝对不是在这两年才开始提,事实上公司成立的一开始就了解,如果要把教育做到在线化,非常重要的关键不是只把学习的场景往线上搬,更重要的是怎么利用互联网、利用云计算的威力来让人类自古以来对教育最期待的两个愿景能够实现。

我刚刚在看的时候发现,其实大家对于教育这件事情的愿景期待都非常接近,待会儿大家看到非常多类似的名词,但是做法上不同,我们可以交流一下。每次讲教育都讲到他,他讲的八字箴言,经过了几千年,这八个字最传神的把做教育这件事情达成两个面向能够提出来,用比较现代的字眼来讲,这八个字,有教无类就是打造一个平台,怎么让平台想教的人都有一个地方可以大展所才,想学的人各取所需。因材施教是所谓的个性化,孔子在这两件事情花了非常多的心力投入,感觉上那个时代成为至圣先师比较简单,挪到全世界72个亿的人口,怎么做到这件事情?就有很大的学问在里面。

2019-04-12 11:49:25

沈沛鸿:  

传统的教育特别在15世纪印刷术发明之后,印刷术带来教育的平民化,今天想用大量的印刷的教材,想要把教育做全面的普及化的时候,人类的一厢情愿,我们把所有的学生分门别类,对每个族群的学生找到所有的常态分布,像刚才前一位嘉宾所讲到的,用年纪和年级来分类是我们这么多年来最常见的做法。我们非常乐观的认为,所有3年级的孩子、9岁的孩子可以在同一个族群里面同一套教材教他们,其中很少部分的学生特别聪明,我们把他归类到这个部分,少数的学生比较慢一点,我们把它归类到这个部分,制造业的思维觉得这些都是所谓的几个西格玛以外的特,我们可以去忽视他们,因为大多数的学生都会在中间这一块,他们可以同样一份教材,相同的进度做相同的学习。

36.JPG

2019-04-12 11:54:41

沈沛鸿:    

事实上不是这样的,如果把AI和大数据应用到教育里面去,把所有学生在学习过程当中所反映出来的问题,不管是顺利的学习还是遇到了一些学习的障碍,把颗粒切的够细、维护切的够多的时候,没有任何两个学生在观察到的现象或者所得到的结果是一样的。怎么克服这件事情?我们讲一下,AI运用在教育里面,个性化让AI能够发光发热的非常重要的一个标的,而能够做到这件事情,AI在两个层次上面有所发挥,如果我们讲宏观的层次就是你怎么为每一个个别的学习者去量身打造专属于他的一条学习路径。

以我们公司为例,我们在做英语教学的时候,我们为所有的学生准备了超过2万堂的课件,如果铺开来,像似这样的图形,这是其中一堂课,假设我,假设您在这个上面100、200堂课,每个人所上过的课程不应该是一样的,因为我们一开始进到这个系统的时候,我们的先天的程度不一样,听说读写等等面向是不同的。

2019-04-12 11:55:00

沈沛鸿:  

我们在学习过程当中,专注力、学习所投入的时间,吸收的能力,对于每一个面向知识点的掌握,其实是有各自的差异,它不一定是你绝对好或者我绝对好,更多的是在这个单元上我领悟比你好一点,在另一个单元我遇到的问题比你多,每一个点上面让我得到学习好的效果的题材和内容不尽相同,我是一个大妈学英语的目的是为了出国方便,你是一个白领你学英语为了商务谈判,两个人是不能用同一套教材来教,不是生活背景、应用情景相关的时候很容易分心。

32.JPG

系统准备这么多的教材,原因是因为大家概念上的英文程度以外,我们还把学习的目的,学习的应用情景和本身来自于什么样的背景,产业的差别或者是过去成长环境的差别,很多的分类、面向都考虑进去。如同刚刚前一位嘉宾所讲的,这么多的因素全部要让一个老师来记得、来思考并且来为每个学生做规划,其实是远超过任何一个人力所能,我们说如果今天AI要对教育提供一个个性化的突破,在宏观的这一层最重要的就是怎么通过算法为每个学生决定一条最佳的学习路径。

2019-04-12 11:55:23

沈沛鸿:  

我们的客户在刚加入我们系统的时候觉得有点奇怪,为什么你不在一开始的时候一本课本给我,或者一开始的时候给我一个课程大纲。事实上,如果真的要做到个性化的教学,是没有办法做到这一点的,我们都知道,孔子是没有给学生课本的,他也没有课程大纲,靠的是在跟学生的互动过程当中,去清楚地掌握每个学生学习上面的特色,并且为他找到最适合让他能够进入那个情景学习的内容,而且用最适合这个学生的个人风格的方法传递这些内容给他。

这件事情,我们认为还是要靠老师来做,各位可能在现在不管是在网站还是APP Store号称可以用软件或者号称用APP帮助你学习的,很多都是把对的科技用在不对的地方,AI真正能够对个性化的价值是在于为每一个人打造唯一的学习轨迹,红色和橘色是两个不同的学习硅基,他们起点、程度很接近,他们的需求、背景不同,他们上的课是不一样的,上课历程当中也许到了某一个点,在这一天他们刚好在相同的时间点上课,而且他们要走到这个地方,系统的推算他们刚好适合上同样这堂课的时候,他们可以在一个班里去上课,这也是我们公司很大的特色,我们可以提供学生一对三、一对四这样的小班课,不必要被迫做成一对一来满足个性化。

2019-04-12 11:55:34

 沈沛鸿:  

事实上,一对三、一对四这种小班课技术难度高于一对一,还要考虑同学之间的匹配性,如果技术上能够克服这一点,这个学习效果是非常好的,比一对一好很多,你很难从同学之间的比较、激励或者是竞争等等方面得到额外的激发。小班课,另外两个同学、三个同学,在很多维度上面的属性跟你都有一段落差的话,这堂课变成是一个灾难,因为大家学习的重点、程度相差太远,老师也不晓得该怎么来进行这堂课,每当讲到一个题目的时候,这堂课可能里只有一个学生有兴趣,另外三个没有兴趣,那也是不行的。

我们的班课学生,一对三、一对四的使用者比一对一学生的学习进步速度快20%左右,这有大量的数据支持的。经过了宏观的个性化,由AI来推算最适合每一个学生的上课路径,你的第20堂课该上什么,哪个老师上,用哪一份教材,你上完了前19堂课之后根据你所有在学习过程当中的反馈,不管是课程中的反馈不管是课程后你做题目、做测验或者你在系统里面阅读某些内容的历程分析所推算出来,所以从前19堂课形成的一个函数里面推算出来最适合你的第20堂课是什么。

2019-04-12 11:55:49

沈沛鸿:  

整个学习历程透过这样的动态,而且闭环式的反馈,来不断地帮你决定最好的学习路径该怎么走,这条路径不会在你进入系统的第一天就知道。但是当你在这个系统里面完成你的学习,你回头去看,这套学习轨迹非常的清楚,而且没有任何两个人的轨迹是一模一样的。

33.JPG

做了宏观的个性化之后,下一步就是微观,因为我刚才讲到,学习这件事情是单纯能够靠精准的内容推送来达成,如果是这样的话,我们等于否定了学校的价值,我们只需要图书馆,我们等于否定了老师的价值,我们只需要教科书。

2019-04-12 11:56:02

沈沛鸿:  

但是我们都知道,事实上不是这样子的,因为老师的角色包括了传道、授业和解惑,传道和授业是内容的传递,这件事情比较有可能靠系统来取代人工,事实上我们也听过很多所谓的翻转教室的概念,在知识或者信息取得这件事情上面,现在透过智能的云环境、透过智能的互联网,某种程度学生可以自己完成这件事情,传道、授业、解惑没有任何人工智能取代老师的地位,阿尔法狗机器学习的崛起让AI这件事情变得非常火热。 

加上很多人看了科幻电影之后,产生了一个错误的期待,以为AI已经能够把机器的智能提升到跟真人很接近,已经看到有喜怒哀乐的机器人,有可以跟人做非常细腻的情感互动还可以跟你交朋友,还可以跟你谈恋爱,我们比较深入了解AI都可以知道,现在AI的特色是什么,在某些非常狭窄的垂直领域里面,功力超过30多年的老师傅、老专家,比如说下棋、医学影像的辨识或者人脸的辨认等等,这都已经证明现在用机器学习、深度学习做出来的系统完败所有的人类。

2019-04-12 11:56:20

沈沛鸿:  

如果今天讲到的是情感的表现,人类的语言理解或者对生活常识的扩散,举一反三,触类旁通的,不要说三十年,1岁孩子的常识都达不到,AI取代真人老师还有一大段的距离。一个正确的AI应用在在线教育场景里面绝对不是取代真人,而是辅助真人,真人的价值是在微观的层次上,即使刚刚用算法决定了每个人的学习轨迹,真的到了他一天,进了那个教室,在上那堂课的时候,一个真人老师可以透过他的教学经验、教学技巧找到最适合这个课堂当中这几个学生,吸收这个内容的表现方式,学生如果比较被动,老师积极鼓励他作答,如果学生有想象力,让学生尽情地发挥,一个有经验的老师可以透过自己的临场反应判断让每一堂课都是非常生动丰富的表演。

2019-04-12 11:56:33

沈沛鸿:  

反过来讲,如果今天你做不到个性化教学的话,就算这堂课是一对一,只不过是对每一学生都用一对一的方法来教相同的一份课件,来用相同的方法提供这些知识给他,其实没有达到真正的个性化。我们都晓得要讲个性化,都晓得要讲千人千面,可是怎么样具体做到这件事情?每个人有不同的做法,对我们来讲透过两个宏观+微观的AI应用,让每个学生从刚刚那个想象中但不存在常态分布的图里面打开,每个学生视做一个平等而独特、独一无二的学习的个体,他们有自己专属的一套学习的历程。

34.JPG

如果把我们的科技应用在公司前中后台里面,前台更关注怎么透过人工智能的方法,让学生和老师的互动在这个互动过程里面,发生在一个视讯、视频的平台里面,怎么在这个过程里面通过脸部的表情辨识、透过声音和内容的解析看到老师和学生互动的状态,把这个数据实时的反映在老师的教学界面上,老师就会知道这堂课当中三个同学每个人在这堂课里面讲了多少时间的话,提了几个问题,跟老师互动的过程当中,专不专心,眼睛看什么地方,有没有打瞌睡,老师举了一个例子的时候,他的表情是茫然的、恍然大悟的、是欣喜的还是根本麻木等等这些应用分析之后,把每堂课学习效果精细的拆分到每一个章节甚至是每一页投影片,这些数据回到系统里面之后,我们的分析团队可以对每一份教材提出更强化的学习建议。

2019-04-12 11:56:48

沈沛鸿:  

也就是说这堂课老师该怎么教,教到这个地方普遍来说,好像学生需要老师给我举一个笛子,教到这里的时候,让老师和学生做情景扮演,强化对这个知识点的理解和记忆,透过这些方式让每堂课更加的生动活泼,这件事情超出一个老师自己能够全力掌握。所以在线下非常难做到这件事情,在线上如果没有系统的帮助,一个老师毕竟只有一双眼睛一一对耳朵,其实是很有限的,我们讲AI最大的价值是什么,带齐手足,补齐耳目,带齐手足,通过在线学习的方法,不必到地球另一端跟随一个名师,补齐耳目由这样的系统帮助老师变得更加的耳聪目明,对这堂课所有互动跟学生的反应有非常清楚的掌握。

在中台的部分,DCGS是整个系统的关键,把上课最重要的三个元素,老师、教材和学生做最精准的匹配,这个系统我们已经积累了十几年的数据,大概1.8亿人次的学习,每堂课里面产生的信息量非常多,把它分到将近200个不同的标签里面贴到教材、贴到老师和学生的身上,每堂课都是动态的安排,根据所有这些教材的匹配来对每堂课该有哪个老师教哪三个学生,排哪份教材做出最精确的匹配,这个东西上完之后马上再把这些属性回到系统进行参考。

2019-04-12 11:57:05

 沈沛鸿:     

后台的部分通过实时大数据相关的监控,掌握每堂课学习的效果,有没有一些学生学习遇到了障碍,通过客服或者助教通过提前式的关怀,所有公司的客服在做的都是补偿式的行为,总是等到客户扬言退货才让客服人员做安抚的动作,我们更希望做到预测试的客服,所有客户的不满不是一隙之间形成的,学生表现出来对学习的厌倦或者对学习的抗拒需要一段时间的积累,如果系统收集的信息够细够深,可以在这些事情积累到一个不可抑制的爆发点之前,就由系统提醒我们的助教或者客服人员做事先的关怀,往往把这些问题消灭于无形。

35.JPG

这是我们来讲,所谓的大客服系统,预测试的客服让学习这件事情能够更完美的停留在每个学生正确的学习轨道上,每个学生有一点学习的变化和偏差,系统可以透过追踪这些行为发出告警,于是就有老师或者助教帮助这些学生把学习的困难克服掉,这是怎么样让AI和真人相辅相成,做到完美的互动所应该要有的一个系统设计。

2019-04-12 11:57:28

沈沛鸿:     

最希望达成的三个目标,我们希望在这样的平台构建上,所有的东西都学得到,不但学到还要学得会,更重要透过科技的应用让这件事情变得非常单纯之后,我们可以有比较好的性价比让大家学得起。我现在花一分钟的时间给大家看一段影片。

 这是索非亚,我们跟今年有战略伙伴的关系,带着它进入校园激发孩子对于AI对于机器人更多的想象力,它自己非常明确地定位它自己是一个不完美的AI,它的个性跟致力就像一个小孩子一样,有很多要学习的过程,我们希望透过跟索非亚的战略合作也帮助我们思考一下教育在未来的AI时代怎么样让人跟机器能够有一个更和睦相处,更共存共融的情景。

2019-04-12 12:00:59

圆桌论坛

论坛主题:人工智能技术的成熟到产业融合

论坛嘉宾:

达泰资本管理合伙人 方元

右划科技CTO 侯明强

振国科技创始人兼CEO 贾求真

艾米机器人创始人兼CEO 李方友

麦飞科技创始人兼CEO 宫华泽

41.JPG


2019-04-12 12:01:12

方元:

现在一早上的话题讨论的很精彩,大家得到很多精神食粮和营养,毕竟身体已经到了该吃午饭的时间,我们这场嘉宾期待着有一些高质量的讨论,让大家能够暂时忘却你的饥肠辘辘。按照惯例,先请各位嘉宾介绍一下各自的所在机构和你们本人的情况。

侯明强:

大家好,我叫侯明强,我之前是在今日头条做视频的研发工作,最早的头条视频和现在的西瓜视频是我做的,借鉴于之前的经验,我们现在又做了一个新的短视频和语音的APP叫微8。我们公司做的业务,我们是做短视频的,我们是内容产业,和内容的结合,我认为和AI结合的最合适、也是最深度、最到位的,因为我们这个领域有几个特点,因为内容产业本身就是数字化的,它已经没有很多需要信号采集,从原来物理的数据转化成数字信号的这么一个过程。

2019-04-12 12:02:44

侯明强:

内容产业第二个特点,内容非常的丰富,非常多,像抖音每天上传的数据一千万量级,这种情况下,越是大的数据规模,对于人工智能的应用,我们知道人工智能很多是统一优化的问题,所以对数据规模超大的情况下,统一优化也能起到比较好的作用。我们内容产业,AI在我们这边落地的场景会比较具体和直接,我们公司主要是在两大部分,第一是在个性化推荐上,我们认为个性化推荐是非常重要、非常核心的。

vbox7180_GIN_3938_114653_small.JPG

刚才说过的内容很多,必须要给用户一个选择,不管你什么场景,可以把我们的产品理解成阅读的助手,过去早晨起来看新闻,现在早晨起床打开手机看内容,这时候手机和你的APP成为一体就是你阅读的助手了,这个助手肯定要给你自己最喜欢的内容,才能让你在单位时间里得到信息的收益最大。个性化又特别关键,像欧洲人包括我们东亚人,他们体内的DNA的组成确实不一样,我们有很原始的智人的基因,东亚人和欧洲人的宁安德特人(音)的比重确实不一样,非洲人绝大部分体内没有宁安德特人的基因,从DNA推断出人跟人真的不一样,没有价值,但是天生有差异,个性化一定是永恒的,更符合人性的诉求。所以说个性化推荐,在我们内容产业适应用户的需求是特别关键的问题。

2019-04-12 12:03:56

 侯明强:  

我们的应用场景在内容的理解上,主要有那么几个大的方面,我们都知道大家很重视隐私保护,你要做隐私保护的话,前提是要能识别出来这个内容涉及隐私,好提供更多的工具来保护这个隐私,这个版权,从这个内容识别涉及版权的问题才能对它进行保护,更简单一些说,已经有一个机构有版权的诉求了,针对海量用户上传的体系也需要识别出用户上传的会不会是他的二次转载甚至是盗版侵权的内容需要识别出来。

第三个就是涉及到可能对儿童的保护,我们也非常重视,我们国家也有很多内容上缺少分级的,我们自己行业也想建立这样的体系,色情、暴力、血腥的内容,你不希望你自己孩子看到,我是一个父亲肯定需要保护孩子们,识别出哪些内容不适宜儿童的,你的内容还有很多涉及到不适宜在公众上面进行传播的,低俗,最近欧洲和美国Facebook碰到很多内容传播不适宜的东西,过去大家都认为这个平台要尽可能的兼容并包给更多人内容展现的机会,但是整体的社会文化在一个特定的文化群体里还是希望有一些内容。

2019-04-12 12:04:11

方元:

您原来做短视频,现在也是做短视频,AI在海量数据的基础上做精准化推荐。

侯明强:

做推荐和内容识别,主要是这两大领域。

贾求真:

我是贾求真,在过往的20年工作经历里边主要集中在数据跟数据应用,现在目前带领真果科技,基于人工智能跟区块链的驱动在供应链金融方向的应用。

李方友:

我是艾米机器人的李方友,2015年成立的时候做智能终端方向在做,所谓机器人十年、二十年一定是终端的入口,2017年AI应用方向,2017年政法系统70%的应用我们在做,国际展馆40%的应用我们在做,2019年我们会推出智慧医院和机器人医院这个项目,目前已经在国内三甲医院有5家在做应用了,我们在帮公安做一个安保无人车队的项目。在应用方面会讲,今天的话题是AI的落地应用,我们在应用场景里面做得比较深。

vbox11146_056A7466_120340_small.JPG

2019-04-12 12:05:39

宫华泽:

首先,感谢猎云网给我们这么一个机会,在这里面产生一个交流。这个圆桌组织的很特别,大家行业划分差异化比较大,我是麦飞科技的宫华泽,麦飞科技是一家聚焦在视觉光谱机会智慧农业大数据的服务商,简单地说,我们是打造了这样的一套解决方案,一套探测的体系,我们能够对农作物在生长过程中的一些情绪数据实现有序的抓取。刚才跟侯总他的领域不太一样,农业种植过程中,非标的过程,数据积累是比较欠缺的。

vbox11146_056A7415_115513_small.JPG

 

麦飞有所有线下的队伍,搭建自主能够采集农作物生长过程中,标准化的数据积累的一套体系,同时在核心技术团队当中,我们是利用了很多的人工智能的分析方法,融合到的数据,除了自主采集的体系之外还有一些气候、土壤,包括当地的农业经济类数据进行多元数据的融合,让我们能够对整个的农作物生长过程更深度的理解,它的直接意义是在于在自然环境相对比较固定的前提之下,我们能够出应对的方案,反过来说,针对农作物的需求量化成为一些可以传递给第三方的数据文件,帮助他们制造一些适宜的环境。

2019-04-12 12:06:04

方元:

可以理解为你把农业数据化,把数据再给利用起来。最后轮到我,最后介绍做一下,达泰是国内最早的投资机构,我们硬科技里面这两年投的最多的是今天讨论的AI,我们有投各种AI的基础架构,AI芯片投了好几家,各种技术类别的,像人工智能、语音、安全,更喜欢跟行业大佬谈一些应用,今天这个环节特别好,刚才讲到了这个环节的嘉宾分不同的行业,我们自己在过去几年看AI项目的时候,我们很好奇,到底您这个生意是什么样子的?你们这个AI到底跟您的生意有什么关联?用在哪方面?刚才侯总简单提到了,短视频里面用于海量数据的筛选,个性化的推荐等等这些方面,侯总关于AI在您这个行业的应用还有其他补充吗?

明强:

没有了。

2019-04-12 12:07:26

方元:

供应链金融,AI到底在发挥什么样的作用?

贾求真:

供应链金融业务的特征,其实面对这个行业它是严谨的数据跟风控的决策,在金融行业里面对于AI跟区块链这样的一些技术,其实它还是一个在效率上的赋能,本质上。所以在整个供应链金融业务的信贷业务流程里面,在贷前的部分关注智能化的识别,刚才您提到了,对于授信企业的个人以及企业的资产,同时结合区块链关联应用,对于资产的确信部分,在贷前应用比较多。

在贷中主要对于风控的评价模型,对于金融产品的评价模型,对于已经确定的一个有业务逻辑、风控逻辑的创新产品来讲,对于智能这件事情发挥的作用是不大的,因为它要经过非常多传统的,包括实际信贷业务的验证,这个业务是不是能做,对于智能技术应用在比较成熟的金融产品上时,它会比较好的赋能,因为它借助更大量的数据,只聚焦在供应链交易的直接流动资产上面更丰富的评价指标的时候,借助更先进的算法跟算力,让这件事情。

2019-04-12 12:08:38

贾求真:

模型更加优化的可能性。从供应链金融业务的贷后也是传统的金融,一直挑战传统金融的部分,流于形式,我们的贷款之后企业在监管,在整个风控控制上也不会花多少时间。所以对于智能,包括区块链的技术,贷后对于不良的分析,对于不良资产的产生以及贷前、贷中整个的信贷业务过程当中的追溯,这个会充分的表达出它的价值,但也都是在效率层面的影响,这是会提到一个不同行业在结合人工智能的时候,是行业结合了智能技术,还是智能技术+行业,所以在这个地方其实是要有一些核心的判断跟甄别。

vbox7180_GIN_3955_115320_small.JPG

在产业公司里面,对于供应链金融方向来讲,是供应链金融加了人工智能和区块链,智能化应用跟区块链创新融合的技术结合在这个行业里是联合发挥价值的,在全部应用过程中,而不只是单独技术的应用。

2019-04-12 12:08:59

方元:

所以是行业+了人工智能,而且还要借助一下区块链的确权和认证。李总,服务机器人领域AI怎么体现的?

李方友:

目前我们在做两件事情,第一个,机器人医院,智慧医院,大家可以想象一下,我们在住院部的时候,每个住院部会有两到三台查房机器人,它承载了AI、承载着医疗数据,也承载了医生、护士的常规工作量的30%到40%,护士在工作台里面,她可以通过电脑来控制10、20、3台的机器人,不同的机器人下不同的指令,1号机器人几点几分去哪个病床干什么,2号机器几点几分去哪个病床去干什么,这个状态我们做的是通过一个云端的后台来控制所有的10台、20台或者100台机器人在医院里大面积地铺开,也就是说落地,AI所有东西是需要落地的,它的载体是什么?

vbox11146_056A7459_120153_small.JPG

一定是终端移动的东西在里面,机器人也会查房,生命体征监测和护士常规做的检查,这些目前已经在几家三甲医院落地了,这是第一件事情。AI在智慧医院的落地,里面还有一个消毒的机器人,隔离病区很多的护工都不愿意去,消毒机器人在特定的范围7×24小时消毒,把空气的数据、环境的数据传到信息科里面去。

2019-04-12 12:09:37

贾求真:

物资运输机器人,护工之间,医疗设备运输到手术室,这都是大量的工作量在里面,我们让运输机器人直接干这件事情,加上AI医疗诊断的设备在医护助理的机器人上面,把整个环节达成了一家医院导诊机器人在大厅,两台医护助理机器人,隔离病区有两台的消毒机器人,物资运输机器人在后勤科在走。未来在医院里面去看,就是一堆机器人不断地代替护士医生那些工作,那是非常棒的环境,目前我们已经落地了三四家医院,今年会落地到50家到100家的医院,AI真正的落地,这是一个部分。

另外一家子公司,在落地无人驾驶,大家觉得无人驾驶车路不协同,我认为无人驾驶这个板块,我们现在做的是仅用安保这个板块,在特殊的场合、特殊的领域还是在用的,车上搭载了警务设备,在特定的区域做一些巡检,指挥中心可以在这上面监控10台、20台、30台无人车,甚至给很多无人车下出很多的指令,很多外面的场景在我们这里已经实现了。AI应用会很多,关键应用的载体在哪里,载体主要用在服务机器人和无人车上面。

2019-04-12 12:09:56

方元:

AI通过您的服务机器人和警用无人车的方式,这种载体,特别强调载体,来服务到了特定场合的特定岗位去解放人的劳动强度,解放他们的双手,这是AI落地的一个场景。

宫华泽:

AI技术在整个麦飞体系当中,我们从最开始搭建数据采集体系的时候考虑到这一点,我们整个数据采集维度非常高,所有的太阳光打到农作物当中反射的光伏能量,单纯的光伏能量拆解到1000多个维度,还不包括基础的土壤数据、种植行为的数据、气候的数据,包括当地的灌溉的规律等数据糅杂在一起,最终的诉求想知道这个植物体在长到什么阶段,它最需要的是什么,它的情绪,喜怒哀乐是什么,这是我们最终极的目标。

2019-04-12 12:10:42

宫华泽:

从高维度到单一维度信息输出的过程中,其实面临着很多数据的整理和信息加工方面的问题,在目前整个人工智能算法发展到现在的基础情况之下,我们也不能够说完全解决这个问题,我们只是在整个道路当中试探性的走出了一小步,目前为止,我们现在基本上搭建了高维原数据到单一维度信息体筛减的过程,我们平均的模型复杂度和运算时间,目前处理的非常好,基本上达到分钟级直接可以输出一个结果,这个在原有同行业中是没有达到的高度。

vbox7180_GIN_4012_115517_small.JPG

另外一点,我们在整个建AI算法的过程当中,还考虑了另外一个维度,应用的需求,因为整个中国农业种植是经验传承式的,非常习惯化的行为,它是一个非标的行为,我们希望通过它的数据积累指导它的种植,进而能够将某些环节标准化甚至串联起来,这是整个公司发展的方向和愿景。在走的过程当中会涉及到,技术在整个农业行业当中应用要落地,面临最大的问题是技术应该怎么能够跟原有的环节进行结合,这个结合过程当中遇到的基本冲突是,你的技术落地必须要让我们的客户最好能够无感于这个技术的渗透,一旦说它对于整个的技术渗透。

2019-04-12 12:10:57

宫华泽:

比如说,延伸了它的使用时间,本来一天干完的活延伸了三天,这个转化率就低了,最开始市场拓展遇到最大的阻力。这里面反向对整个算法搭建当中提到了两个要求,第一个,整个算法的复杂度要极度的简化,第二个,借助于云计算和边缘计算的功能结合在一起,希望把整个信息流和整个计算的流程压缩出最短的时间,并且无人为干扰。

这个过程中,目前麦飞现在在中国农业当中,在农业基础大数据采集当中,我们信息维度是最高的。目前我们能够实现对农田当中的作物长势情况,这西面包括作物结构、叶片数量以及病虫害发生的情况,我们能够做到实时探测,我们后台所有的数据能够实时展现出来农田的基本情况。形象化地理解,类似于对农田做了CT扫描,扫描一次之后,农田当中所有的情况,不仅仅是眼前所看到的绿油油的农田场景,很可能看出来它一些更加本质性的信息。

2019-04-12 12:11:12

 方元:

几位嘉宾结合自己的行业特点来进行讲解,有几个行业得到了规模化的应用,大家比较熟悉的视频监控,天罗地网般的摄像头到处遍布,过几年投资界非常热衷的自动驾驶,包括医疗行业之前医疗影像行业大家看到不少的应用,到今天投的医疗影像、人工智能项目,他们做影像病灶的识别效率和准确率已经远远超过了医生,非常令人激动。

vbox7180_GIN_3914_114559_small_v1.JPG

到今天从投资角度看到更广泛行业的应用,各位嘉宾也谈到了,从投资机构的角度,我们非常好奇各位讲到了今天已经有这样的开端或者是应用的尝试,在各自行业都有不同的尝试,过去12个月,有哪些你们看到的进展,未来12个月,又会有哪些新的突破,应外的过程当中,你们所在行业的现状有哪些是帮了忙的,有哪些是有挑战的?视频这边对算力有时间要求?供应链金融是不是对传统行业愿意做这样的事情?就这个话题请各位再展开讲一讲。

2019-04-12 12:11:41

侯明强:

我简单介绍一下我们内容领域的AI落地情况,其实我们在2015年的时候,做今日头条的时候,把内容安全的领域,把AI应用进去,有深度学习这样强大的计算工具的帮助下,我们实施还是比较顺利的,为了去掉有害的内容化需要有大量的人工审核员去做的,对每个企业来说都是一个烦恼,甚至对于审核员本身来说也是高强度冲突,大家不太愿意做这个工作,他们有这个需求,我们启动了把这个内容识别AI化的事儿,当时是比较成功的。

我相信在座的几位嘉宾,他们的应用领域都有类似的问题,当你技术上有些先进水平提升之后,应用场景又会带来一些新的东西,我们到微8的时候,我们又有语音的内容,我们的用户有很多下沉市场的人群,他们的语音带有相当程度的方言,对它的内容和识别理解就比这种标准的画面,有了很多新的技术难度和挑战,到现在也还在花非常大的力气突破。

2019-04-12 12:12:35

侯明强:  

大家都觉得讯飞在语音上已经做得比较不错了,但是相对于通用的、更标准的普通话,它的准确率是比较好的,在我们的内容领域,首先是方言的差别,第二个是针对几个问题,每个领域都需要有不同的模型,就好像刚才上午教育领域的嘉宾分享那样,如果一个老师什么都懂,什么都很强,他一个人能够给你因材施教了,那样的老师没有几个,不存在的。

如果放到AI的领域,这个模型如果什么都能识别,大杂烩,这个模型本身准确率就不会特别的高,对某些特定领域不够敏感,各种预测的阈值都不会特别好,需要针对特定领域的问题,每一个都需要单独的设立新模型,那样的话需要分别的处理样本数据进行数据的标注、采集,进行大数据的计算,每个模型都要分别训练和优化。刚才我们提到的这些领域都是很困难的,都是需要一个一个去做的。

2019-04-12 12:13:52

侯明强: 

 关于个性化推荐,整体进展还是比较顺畅,我们在今日头条有比较多、比较好的实践方式,现在主要还是在应用的数据规模上去做的,但是对于我们具体应用场景仍然有新的挑战。比如说,我们的APP可以上下滑动、左右滑动,喜好的视频可以多看,不喜欢的可以滑过去。

2.JPG

像快手APP是双瀑布流的,有非常明确的信号,告诉你这是正样本、还是副样本,等于你要猜用户真正的喜好是什么,这就取决于你对用户的理解和对数据的把控了,才能够做得很好,这也是挺难的一个挑战,跟在座的几位涉及到有些领域,甚至机器人去采集数据,在这个角度上是类似的,需要去建立数据模型才能够很好的去做,这也是随着应用水平越来越高,用户的使用越来越符合自己本身的操作习惯带来新的挑战。

方元:

类似于语音这样的新功能需求,对算法的模型带来的要求。

侯明强:

还有交互方式。

2019-04-12 12:14:00

贾求真:

在供应链金融的领域上面,我们已经两年聚焦的研发形成的服务于产业方跟资金方成熟的产品,已经在真果科技现在目前商用化阶段了,大家其实对真果科技非常陌生,因为我们刚刚更名一周,它是围绕着一条垂直的供应链跟我们相对能匹配的,在科技驱动的资金方,我们形成了一整套的贯穿能力,目前沉淀在真果科技一个面向资产方的平台是供应链流转的平台,在这样供应链金融资产交易平台上面在使用智能化跟使用区块链技术。其实保证的还是一个资产确权问题,我们说双链数据、系统确权。也就是,要服务于资金方,让资金方看懂这个资产,在对于信用这件事情新的过程,我们是透过智能化的建模完成的这些算法。

vbox11146_056A7448_115857_small.JPG

从资金方的角度更会关注刚才我提到的,对于不良资产的识别,也会在预测的模型上加以完成,对我们实际前12个月包括24个月都是已成熟的产品,这两个产品后台最典型的落地,后台的BAT,科技金融资金方,BAT有两家已经使用我们的平台作为他们的工作业务平台,金融交易的平台。到下一步12个月,希望我们的创新领先应用除了跟平安银行、京东金融领先的企业之外,更多的资金方去磨合,能够借助崭新的技术应用,形成成熟化的产品,围绕供应链金融这个行业效率得到进一步提升,这是我们的目标。

2019-04-12 12:15:18

方元:

过去12个月已经打磨完成,未来12个月发力推广。

李方友:

我们机器人它是一个硬件,刚才三位讲的都是偏软件的,很多AI应用还是承载在运营上面,硬件的性能反应要求非常高,否则没有办法体现,就算你的软件很好,硬件很弱,那就没有办法。在过去的12个月当中,我们在硬件上做了大量的工作,现在已经有很多承载的改进,比如说,从1.0角度变成2.0的角度来承载了。

在AI还有我们这个领域,后面有一个大平台、大后台,我们叫做群控,大家都在打游戏,单机版和群控版是不一样的,特别在医院里面,要控制20台、30台、40台的机器人,后台的群控是非常重要的板块,又集成了医院不同的系统,像刚才所说的,他投了一些问诊的、诊断的平台,我们把所有大的数据集成在大后台里面,给医生带来医疗诊断的依据,电子病历都不需要医生来写了,我们的后台把电子病历全部写完以后,医生确认一下发过去就OK了。从这个角度来讲,过去的12个月里面,我们花了大量在硬件和后台控制、一些算法上面的东西整合,为什么今年准备铺100家医院,我们通过一年的磨合差不多结束了,我们对未来还是比较有希望的。

2019-04-12 12:17:34

方元:

类似也是过去12个月做了很多打磨,未来12个月要去发力推广。

宫华泽:

刚才方总说的很对,我们对过去和未来来看待始终围绕着数据,农业是非常缺乏量化的过程,我们在过去12个月,在2018年所有的业务覆盖了全国8个省,我们主要是把我们的解决方案推向我们国家所有的以农业为主的省,我们主要侧重的区域是来自于长江流域和长江流域以北,基本上是我们国家的主粮区,我们下面有一个麦飞农业有一个麦飞业务板块,将最新迭代出来的技术能够以非常快的速度全部推向所有业务区。

这个业务区在整个麦飞体系内部其实更喜欢把它叫做数据自主采集体系,对于人工智能来说,因为未来的人工智能包括现在也是,所有的底层框架逐渐的在开源,大多数的人工智能公司实际上它都不仅仅是在研究人工智能本身,反而来说是基于现有的人工智能应用层方面开发一些比较创新性的更加具有落地性的,中间一个衔接的算法层。所以说我们没有一直认为,我们是一家人工智能公司,我们是用人工智能的方式把它作为工具在行业当中能够垂直,能够扎得最深,这是我们主要的定位。

2019-04-12 12:17:47

宫华泽:

在这个过程当中,实际上算法不是一个壁垒,真正的壁垒应该是在整个行业当中,你所能够自主采集,并且不断地积累、更新迭代的数据采集体系,才是每一个企业当中最核心的一部分。所以说我们在过去,实际上是以业务的形式来搭建了整个中国农业当中遍布我们国家主要的主粮区的一个数据上传体系,虽然向下传输的是农业技术的整个解决方案,但是回流过来,积累的是每一块主粮区气候、水资源的配比和地形形态,所有数据在后台通过二次数据挖掘能够挖据出来的。

vbox7180_GIN_4006_115501_small.JPG

对于未来来说,我们现在的数据体系密度还不够,我们今年主要的战略,主要业务手续,原有的手续之内,我们会把业务的隔网编织的更密,这个过程当中未来麦飞主要的定位还是在整个基础大数据中发挥最大的价值,我们通过技术服务的方式搭建数据的采集,未来来说,我们希望能够靠数据反哺整个的种植,让整个种植过程更加具有确定性。

2019-04-12 12:18:02

方元:

面对这样一个传统行业数据基础还不够的行业,还有很多开创性的工作,这种扎扎实实的工作能够得到回报。在座各位都应该是在AI各个行业应用当中的领先行业,我们一起展望一下诗和远方,有哪些行业要素、技术进步、人员进步会影响到你这个行业在AI方面的应用。

侯明强:

我们内容领域,包括后面的软件算法本身在整个AI各个领域走得比较靠前的,但是像我刚才说的那样,你的算法或者工具先进,用户用的更好,它的数据规模都会上升,总是会给你带来新的问题、新的交互,未来我相信这个领域始终是充满挑战,对于技术人才来说是最有挑战的领域。

我们现在的产品主要是围绕在手机上,人体第二器官,一个智能的全方位的助手,因为获取信息是人永恒的需求,我自己一些想法,可能是场景化的,你的阅读助手它能够跟着你去到处走,你在厨房的时候,厨房的冰箱上,这个助手也可以显示出来,你在坐车或者做什么事情的时候,不需要你主动掏,在任何一个屏幕上,多屏的时代,随着5G更快的网络,信息传输的体系,我觉得畅想一下是很有可能有那么一天的。

2019-04-12 12:19:54

方元:

所以5G有可能让那个短视频无处不在。

贾求真:

通用的困难跟发展机遇是显然的,对于智能技术本身的成熟度,还有是行业的试验田,我们的场景,包括算力在内的一些基础资源,但是就金融的场景而言,刚才我提到了,金融是强监管的行业,金融行业怎样向消费金融,比如说我们在支付的金融端可以基于指纹,包括识别的技术,走更好的应用,在供应链金融它面临的是企业级的身份认证,企业级穿透到个人级,怎样去摆脱掉原来UT时代,在供应链金融领域真正的创新,这是一个诗和远方和今天苟且的问题。所以技术就是技术,技术要领先于政策,去做到0到0.1的验证,而对于合规和行业整体的推动跟应用,那诗跟远方是靠监管部门要懂,行业创新企业要站出来干。

2019-04-12 12:20:15

李方友:

我在创想未来AI+万物物联+终端入口,也就是机器人,我们在想象每个家庭都会有机器人可以控制所有的一切,在每家医院里面,很多的机器人为你在做服务,你到了每个机构的时候都会有机器人为你做服务,我对诗和远方是这么理解的,我们也是在这么做的,到今年年底和明年年初,在国内有很多家的医院都有几十台或者几百台的机器人为你在服务,也许三年和四年以后,艾米机器人会进入到每个家庭为大家提供服务,未来AI+万物物联、终端入口,艾米机器人,这个场景一定会实现。

vbox7180_GIN_3977_115349_small_v1.JPG

2019-04-12 12:21:27

宫华泽:

对于农业未来种植场景来说,我们更希望达到未来植物工厂式非常确定化的种植过程,这个种植过程将会突破很多点,在大田种植的条件之下,我们有非常廉价的太阳能的资源,同时还有自然给我们的水资源等等这些资源在室内种植之后受到非常大的局限,现在很多的植物工厂,整个商业模式不落地的原因,在整个能耗和产出比例上是完全不具有商业价值的。

这个过程当中,因为我们公司内部也有一些未来场景之下的技术孵化的方向,这些方向当中已经做了一些布局,联动国外的研发中心,一直致力于对于整个农作物生长过程中的一些过程理解,我们希望能够知道它需要什么,我们在这个时间节点当中给予它一些养分和能源,进而能够产生出来更多的确定性的商品,这些商品来说会服务于我们未来所有的日常生活,包括吃的东西,所有爱美的姑娘们,在吃饭的时候随身带着一个小的天平来称谈水或者蛋白整个的比例,很可能种植过程当中按这个来做的,每个人食物联动着上端的种植,是随着整个数据来串联的,内部头脑风暴的会议当中碰撞出来的方式。

2019-04-12 12:22:08

上午的直播到此结束。

2019-04-12 14:30:22

到场嘉宾:

联想集团副总裁、联想研究院人工智能实验室负责人 徐飞玉博士
顺为资本执行董事 孟醒
大象保险大数据实验室负责人 田立文
悠络客董事长兼CEO 沈修平
华映资本合伙人 章高男
云启资本副总裁 冯瑶
元禾重元执行合伙人 李莹
金沙江联合资本管理合伙人 周奇
银河系创投管理合伙人 徐芳
国科嘉和基金执行董事 丁润强
方广资本投资总裁 惠成峰
北京邮电大学人机交互与认知工程实验室主任、科技委人机融合智能组首席科学家 刘伟
贝昂科技国内事业部总经理张培峰
小土科技副总经理 夏金光
源清慧虹CEO 王鹏军
商有创始人兼CEO 陈怀民

2019-04-12 14:35:55

分享嘉宾:联想集团副总裁、联想研究院人工智能实验室负责人 徐飞玉博士
分享主题: 可解释AI打造人机互信智能时代

vbox7180_GIN_4032_140827_small.JPG

2019-04-12 14:38:22

徐飞玉:

大家下午好,今天我想和大家分享的是一个很新的人工智能的话题,叫做“可解释性人工智能”,打造人机互信智能时代,我今天讲的有四个重要的内容,第一,什么是可解释性AI?第二,为什么可解释性AI这么重要?第三,最近两三年在业界、全世界可解释性AI上面有哪些方案?第四,对可解释性AI有哪些挑战?这是非常具有挑战性的话题。

我们从可解释性AI开始,在人和人之间交流的时候,解释是非常重要的,一种可以说,跟我解释一下或者老板说解释一下你为什么这么做,对人来说什么是解释呢?把一个概念或者一个方案讲清楚,让人能够理解,说的透明。

2019-04-12 14:41:21

徐飞玉:

可解释性AI是一个新的还是一个旧的话题?你们怎么想?既是新的,也是一个旧的话题,我们先从No开始,实际上在70年代末或者是80年代初,很多的辅助系统已经有要求,可解释性或者是人工智能的系统。在人工智能研究之初,科学家对很多人工智能系统,特别是这些人工智能系统对做决定有帮助的情况下,对它的解释性有要求,但是在过去的人工智能系统,它是以规则、以知识为基础,这些人工智能系统很多的规则是人定义的,推算出来的结果,人是可以理解的。

举一个例子,这是一个决策树,大家都知道的,我举一个英语的例子,一个非常简单的决策树,我是不是要写一个Blog Post,机器推演过程中,绿颜色是yes,红颜色是No,理解这个颜色的时候而且不累的时候你可以写这个方案,在你不理解这个方案的时候,你就不要写红颜色的,还有一个绿颜色,你理解的方案,但是很累,你旁边有茶,可以让你醒过来,你也可以写这个Post,虽然机器推理的,每个节点上的方案,这个规则都是人写的,自动推理人工智能的结果,人还是可以理解的。

2019-04-12 14:41:33

徐飞玉:  

最近几年深度学习非常重要,为人工智能做了很大的推动,可解释性AI成为一个新的课题,对机器学习,特别是深度学习来说,可解释性AI是一个很大的挑战。深度学习对我们人来说是一个黑盒子,让人工智能技术特别是在对落地做决定的时候,如果是个黑盒子的话,大家不敢用,也可能不能用。这个图片上面给大家展示了一些人工智能或者机器学习,从历史上机器学习的方法,从决策树来说,从可解释性来说,决策树的解释能力很强,但是我们看一下深度学习,你们觉得深度学习应该在这个图上的哪个位置?

横轴上面是可解释性,数轴是预测的准确性,深度学习在可解释性下面很弱,但它的预测准确率很高,最近人工智能在人脸识别或者很多的语音计算上面的突破都和它的预测准确性很有关系,可是要落地、要商业化,可解释性也是非常重要的。在理想当中,深度学习很多算法,图像识别,希望它的神经元有透明度的和可视化的,一开始进入神经元,每个神经元做人脸识别的话,有可能一开始是鼻子、耳朵和眼睛,这是第二层,实际上真正的实际工作当中,很多神经元既有眼睛也有鼻子的信息,所以是混乱的。

2019-04-12 14:41:42

徐飞玉:

怎么样让黑盒子变得透明?让我们相信和能够理解呢?目前可以把可解释性人工智能分成两个重要的步骤,一个是把这个黑盒子打开,看黑盒子里面发生着什么事情,第二个是事后的解释,知道这个黑盒子做的事情,当你在做什么事情的时候想为什么这样做。我刚才说了什么叫可解释性AI,可解释性AI从70年代末、80年代初作为重要的话题,到了深度学习的时代,又是一个新的话题,怎么样把这个黑盒子变得透明?怎么样让人理解?人工智能系统在做什么?

vbox7180_GIN_4039_140850_small.JPG

为什么可解释性AI这么重要呢?第一,对我们用户来说,如果人工智能的技术只是提一些建议或者帮助我们做决定,做决定的人他要必须理解,为什么人工智能系统给他们做了这个建议,如果医生做诊断,为什么医疗诊断系统做这样的建议或者对投资商来说,做完之后,系统说应该给这个公司投资或者不投资,要告诉我为什么,因为它的团队很优秀还是它的技术很好,这是第一个,对人工智能系统的用户来说。第二,对于受到影响的人,一个很简单的例子,我们的手机,有时候用人脸识别的技术,但如果用了半天,让那个手机放在你脸上晃来晃去,还是不让你进去,这时候很郁闷,为什么你不能够打开那个视频呢?对开发者来说,对人工智能开发者、研发人员来说,我们不能总是调参数,但是不知道为什么这样做,对研发来说也是非常重要的。

2019-04-12 14:42:02

徐飞玉:

大家都知道,欧洲共同体,欧盟对数据保护非常重视,对用户权利保护非常重视,欧盟在GDTR上面有要求,要求人工智能的算法如果参与决定必须要有解释的能力,这对人工智能的研发人员和提供人工智能的公司来说、企业来说,我们必须要做可解释性人工智能的研发,提供可解释性的人工智能系统。所以说遵守立法是我们可解释性AI的一个重要的原因之一。举一个例子,美国德州的教师控告了AI系统,因为德州有一个要求,自动评估他们上课的质量,老师说不能用这个系统,这个系统不能告诉我,为什么不能我上课的效果不好,后来德州把这个系统去掉了。

用可解释性AI可以帮助我们验证我们的系统推出的是正确的还是错误的预算。这里有一个很简单的例子,我们的人工智能黑盒子用了一堆数据推算出来,有哮喘病的病人得肺炎的可能性很低,这个推算用常识来说会觉得不对,有哮喘病得肺炎的可能性很高,我们看一下它的问题在哪里,问题在于它的数据是有问题的,当时的研发人员用了住在医院里的哮喘病人,他们被看护的很好、治疗的很好,他们得到的肺炎可能性低,这也是正确的。但是不是哮喘病人在医院之外得肺炎的可能性也低,其实不是这样,其实是非常高,这是对AI系统的改进。

2019-04-12 14:42:13

 徐飞玉: 

举一个例子,可解释性AI对不同的系统进行验证,看这个系统是不是有问题,这里是一个柏林工大一批人工智能的科学家,他们对人工智能系统两个算法进行比较,一个很传统的算法,在做物体识别的时候,在很多情况下都比深度学习要弱,但是在识别码的时候,两个系统都非常好,你看他们的这个数据都超过了80%,我们看看问题在哪里?这个时候才发现,红的地方是热点图,这是骑在马上人的图片,哪些特点帮助人工智能系统知道骑在马上的图,左下角很热,这里的特点帮助这个系统说,这个图片是有人骑在马上面。

深度学习而是把它的热点都是围绕马和人,我们仔细看一下,这个热点在什么地方呢?仔细看一下发现,原来这一批关于马的图片上面,这一批图片都是有信息的误差,因为这批图片有专门的特点,但是我们传统的方法是用了错误的信息,通过这个就能知道算法是有问题的。通过可解释性AI可以理解并纠正我们系统的弱点,知道数据的偏差,而且发现模型中的错误。

2019-04-12 14:42:26

 徐飞玉: 

有哪些工作要做?最近几年,在可解释性AI方面,很多的企业或者是投资企业当中,可解释性AI还不是重点,全世界在研发这方面很努力。我现在总结一下有三个重要的领域,第一,深度神经网组件变得透明,第二,从深度神经网里面学习到语义图和这个世界有关联,这个神经元关于鼻子、耳朵还是眼睛,第三,深层人理解的解释,而不是神经网,没有人理解神经网是什么东西。这是一群TRANNG DATA,进来的图片还是人骑在马上的图片,神经网知道有人骑在马上,你们看到神经网以后可以理解这个系统决定的吗?

我们不知道为什么,只是看到很多圆圈,它们之间有线,第一步让这个神经网变得透明,看看这个神经网上什么神经元导致这样的决定?可解释AI有一些方法,在这些神经元导致我们系统知道这是一个马,这些神经元和世界有什么有的关系?有什么语义?有些神经元指的是马的头,马的背,马的尾巴,这个时候我们的神经元就有语义,和这个世界联系在一起了,而不是很抽象的数字或者是有了字之后自动的进行解释了,这张图,马的前面和马的后面导致了决定下来这个图有一个骑马的情景。

2019-04-12 14:42:36

徐飞玉: 

我们的神经元和深度学习有了语义之后,有很多的应用,我举一个非常简单的应用,原来的这些图片,知道那些语义之后可以自动的去改造这些图片,我们可以把树自动地给去掉,上面的图,树就少了很多,我们也可以把树多增加,我们知道图片上是树。比如说,我们想要树,就可以把树加上去,或者我们要把砖去掉,我们知道每个图片每个内容它的语义是什么,可以做很多具体的应用。为什么可解释性AI这么重要、这么紧急?

vbox7180_GIN_4045_140921_small.JPG

2016年谷歌的一个机器学习科学家,他在机器学习会议,他说机器学习,特别是深度学习,把机器学习或者人工智能变成了一个炼金术,他想生活在一个社会里,我们人工智能系统,因为人工智能系统已经参与了很多社会的决定,帮助我们医疗系统、帮助医生,他希望生活在一个社会里,我们的系统是可以验证的、严谨的、全面的,而不是炼金术,实际上它的提出和可解释性人工智能的发展是让机器学习或者是现在的人工智能变成科学,不仅是电力学,我说化学更合适。

2019-04-12 14:42:50

徐飞玉:

美国2016年开始这方面大力投入,2016年做了五年研发计划,这是现在人工智能机器学习的简单模式,有了数据进行训练,训练出来的模型,一个图片进来,说这是一只猫,0.93%是只猫,人不知道为什么是猫,而不是其他东西,什么时候能够认识这只猫,什么时候不是?这五年的计划希望达到下面这个结果,有了TRANNG DATA以后,用新的方法得出来可解释性的模式,这个可解释性的模式,加上可以解释的界面,对投资者来说是非常重要的,可解释性AI对投资的决定是一个很好的应用。人工智能真的想模拟人的智力,我们看人怎么做决定、怎么解释?人既有显性的知识和隐性的知识,隐性的知识就是我们的经验直觉,有的人有时候问你,为什么喜欢这个人?

你说我也不清楚,有的时候回到家里睡一觉知道为什么喜欢这个人,人可以有效结合两种不同的知识,把经验、直觉、知识结合在一起,我们在解释的时候,理解的时候必须是显性的。所以给学生上课的时候,不能一年级的孩子给他这个图,深度学习是以概率的模型得到了隐性的支持,深度神经网它们不理解任何的事情,只是它们之间的关系,数据和数据之间的关系,深度学习虽然被强调了很多,同时在人工智能领域还有其他的方法,比如知识图谱,知识图谱在模拟显性的知识,目前深度学习和知识图谱这两个世界还没有在一起,但是下面一步对整个人工智能的发展和人工智能的应用落地来说,必须把显性知识和隐性知识结合在一起,这是我们奋斗的目标。谢谢大家!

2019-04-12 14:54:13

分享嘉宾:大象保险大数据实验室负责人 田立文

分享主题:如何通过科技赋能:打造高效极致的保险服务体验

vbox7180_GIN_4056_143038_small.JPG

2019-04-12 14:55:48

田立文:

大家下午好,我们是作为一个应用方,今天作为互联网保险科技的代表,在这里跟大家探讨一下,人工智能大数据这些科技在保险行业应用的一个形式。我是来自于大象保险,大象保险是互联网中介平台,我们主要是想通过大数据和人工智能的技术赋能保险科技,通过这些科技的力量为用户提供智能化顾问式的服务,通过科技智能打造高效极致的保险服务体验。提到互联网科技,不得不追溯一下互联网保险自己本身的发展趋势。

最早互联网保险追溯到2000年左右,最早由泰康和平安两家保险公司通过线上售卖保险的方式,最初形成了保险电商和电商平台这么一个形式,保险上线,从2000年一直到2002年,这个期间其实都是在做保险上线的工作,这个期间体现出来了特别多的保险门户或者第三方的平台。到了2012年进入另外一个阶段,随着互联网流量的涌现,很多保险公司和平台开始考虑通过互联网流量进行保险的转化,形成了场景化创新的模式,代表性的是在线旅游OTA这种市场,通过互联网流量进行转化进行场景式创新的模式。

2019-04-12 15:00:38

田立文:

第三个阶段,保险传统的营销模式通过百万带领人大军做保险营销,互联网赋能了代理人营销的体系形成了线上出单平台,代理人展业工具。现在进入另一个阶段,人工智能和大数据领域得到越来越多广泛应用,到目前这个阶段,这个技术现在已经越来越普及,科技已经升级,而且很多实用化的技术已经落地了。

纵观全局,不同的科技技术在整个保险领域的应用它的成熟度、阶段性是不太一样的,最早应用的大数据技术是整个行业应用里最成熟的,不管是在保险产品的设计定价,智能核赔得到了大数据广泛的应用,比较重视科技的保险公司,大数据的技术已经成为整个技术体系的一个核心。

2019-04-12 15:00:50

田立文:

第二个,人工智能这个技术,目前在整个保险行业也正在蓬勃发展,但目前还主要处在实践的阶段,我们各种各样围绕人工智能的应用一直在实验性的落地,包括理赔、核保、客服、营销层面,总体上离成熟稍微有一点距离。最后一个是区块链、物联网等等这些技术,这些技术对于整个保险,整个信息链的升级有非常大的趋势,但目前还在整个探索阶段。

前面讲的不同科技技术在整个保险行业应用发展的形态,我们提到智能保险的概念,科技使保险越来越智能,它是相对于传统保险概念来说的,传统保险大家生活中可以碰到,它主要的营销方式通过代理人体系或者经纪人体系,通过强营销的方式,类似有点广告的方式去做产品的营销,从整个理赔的过程来看,传统保险在理赔阶段,科技运用的比较少,所以说整个理赔的流程比较长,提交的资料很多,体验不是很好,用户他相对比较抵触的。

2019-04-12 15:01:09

田立文:

智能保险,运用了科技的技术,它在整个用户侧的体验做了很大的升级,在用户营销购买这一侧,其实已经逐渐的开始被动变为主动,整个保险的营销从传统的代理人营销越来越向主动式的场景化营销在转变,因为技术的应用使得用户在承保阶段、理赔阶段有很多智能化的技术手段,使得整个过程比较快、效率提高了,用户体验也好了,所以这是一种主动式的保险体验,智能保险时代和传统保险时代,在整个产业模式上有点不太一样的地方。

vbox7180_GIN_4078_143323_small.JPG

正是因为体察到了这种智能化保险给用户带来的变化,能够更好的满足用户的需求,所以我们做了大象保险这样的以科技和大数据赋能的智能化顾问服务平台,我们希望能够通过这些科技的力量赋能保险全生命周期,赋能保险整个价值流程,通过科技、高效的触达到每个用户,使整个用户体验得到最大的提升。

2019-04-12 15:01:36

田立文:  

我们总结了一下,目前在整个保险或者移动互联网保险这个领域,科技赋能是在全价值链上进行升级,我们总结的点大概有几个,从用户侧或者保险公司侧,这些点其实都在做大量的科技应用,包括产品设计、营销销售、核保风控、承保服务、保单服务、理赔服务甚至客户服务,整个全价值链都带有科技的参与,科技的应用整个目的提高整个保险的效率和用户体验。后续我会把每一个点通过大象的事件跟各位一起探讨一下,目前达到的一个程度。

从保险产品侧说一下,科技和数据在这个里面所起到的作用,在产品侧,我们知道,保险产品是一类比较特殊的信息产品,传统上基于大树理论做产品的精算设计,主要设计的基础数据是早期生命周期表,用户静态的数据以及保险公司的理赔数据,基于这些做一些精算,算出来在某一个维度、某一个疾病的体系下用户出险的概率和公司本身运营成本、预计收益等等,把保险的费率算出来。

2019-04-12 15:01:47

 田立文:

在科技时代,其实整个的保险精算的模式有特别大的改变,不光是基于静态的数据,基于静态的生命周期表数据,我们把更多动态的大数据引用进来,这里面包括互联网的数据、人民在生产生活中的数据、医疗体系的数据、信用评价方面的数据等等都是做保险定价、费率厘定的基础,这也就产生了在整个保险精算设计领域有很多不同的特点呈现出来。第一个,大数据精算使得整个保险产品的费率它的厘算更精确。

第二个,动态定价费率厘定,大家都有退货险,这个保险是比较特殊的,在险种生产设计过程中保费经过动态调整的过程,最早把保险产品放在市场上的时候,数据积累还不够,随着保险的售卖、理赔的过程数据逐渐收集到,基于大数据的精算理论实时的对保险产品费率进行调整,同时取得对于用户保障和保险公司收益的平衡,这样做到了一个动态的定价费用的厘定。

2019-04-12 15:02:02

田立文:

第三个,因为数据的整合,从被动的采用数据变成了通过数据接口实时的访问用户的数据,像用户的医疗数据,用户在其他生态体系的数据,拿到这些数据之后给用户做的评定,我们叫主动式的标题和非标题的区分,用户投保的时候不用再做调查问卷,通过数据的联动可以主动识别出来用户的标题、非标题的属性,同时匹配给他不同的保障内容、费率和他的产品方案。

当然,针对于垂直类的用户,某一类的用户,我可以通过大数据的方法做个性化的保障责任设计。举个例子,就像信用度比较高的用户通过数据的集成,我可以做比较高的保额的设定。我们还涉及到很多关于专项的,慢性管理领域需要用到很多大数据技术,搜集很多垂直领域病种发生率的情况,根据数据的计算做专项病的险种,从而为某个垂直的领用户做健康保障。

2019-04-12 15:02:20

田立文:   

大象通过基于数据的精算,与保险公司合作出了很多比较有代表性的产品,包括吉祥福订售这样的产品,蚂蚁金服信用分达到一个程度之后对这类用户提高他的保险额度,高信高保,同时对于女性做费率特殊的优惠。另外,跟保险公司合作做了针对于艾滋病高感人群的防艾险,也是针对某一个垂直领域做的数据精算。糖尿病、肝病、肾病等并发症保险,这些都是基于数据保险的设计。

vbox7180_GIN_4069_143133_small.JPG

这是我们在2018年通过供给侧驱动保险改革的活动,全能王少儿险,因为在很多的线上用户服务的过程中,母亲对少儿险的意愿比较强烈,保障定义的确定,市场声音非常明确,为了捕捉到这些用户的需求就做了一个保险产品反向定制,通过用户主动参与的方式去做需求的捕获,从而把这个需求反馈给到整个保险产品定义这一侧,最后确定出来了全能王少儿险这个产品,通过用户数据驱动的方式做保险产品设计,这个产品设计出来之后在市场上得到了特别多的好评和反响。

2019-04-12 15:02:31

田立文:  

刚才从保险产品侧来讲,从整个保险产品服务侧,整个科技对于保险赋能提升也是非常得明显,最近这两年比较大的保险生态的变化,用户侧的原生保险需求已经增加了,保险标准化、专业化服务能力,这种需求已经提上日程了,传统的保险在保险产品的透明度、简单性这块做得不好,每个人享受保险服务的时候,每个人不是特别清楚,我要买的保险是什么样的保险,随着现在信息越来越普及,很多用户需要有这种专业化意识,你要给我提供专业化的服务,我希望买的保险透明的,我知道理赔具体的须知。

这样的话,对于整个保险的价值链提出了更高的要求,这也恰恰是我们通过科技赋能保险,要集中的一个领域。在整个营销和承保这一端,大量的利用了科技和数据的技术来提升整个产业链的用户体验,这里其实用到的技术有很多,包括自然语言处理的技术、图像识别的技术、用户画像技术,基于保险保障知识图谱技术,一些保障的规则引擎、评分模型等等,所有这些技术为了在用户侧提供更好的体验。当然也会有很多优化的产品出来,我们平台上基于这些技术提供给用户的保险产品对比,智能保险顾问,智能核保等等都是基于科技的力量给用户提供成熟的、标准化的互联网服务。

2019-04-12 15:02:46

田立文:

这些服务更多的解决用户在互联网上、线下购买保险的时候经常遇到信息不对称或者是过度营销等等这样的问题,满足了用户希望保险是个中立、客观、可信的一个产品的服务模式。给大家看一个产品,这是大象保险最近这两年一直极力打造的α象保顾,每个人买保险都会遇到很大的问题,我是个少儿,我应该买什么样的保险?家里有三口人,买什么样的保险?

我是个老人是不是还能买重疾险?我是年收入40万以上的需要买什么年金险?每个人不同的规格都是不同的,目前我们集中在整个智能保险顾问平台上,通过α象把这些规则智能化的给用户展现出来,最好的服务用户,形成用户个性化,符合他个性特点的解决方案,这是我们推的智能保险顾问平台。

2019-04-12 15:03:05

田立文:  

这是我们在险种对比和评分模型,每个人买保险在线上会涉及到需求,我希望能把保险产品比一比,要买两个重疾险或者多个重疾险之间有什么区分、谁更好,哪个维度、谁更优秀?需要这种功能,大象平台提供对比的功能,把所有保险产品做了性价比的评分模型、条款的拆分、费率的标准化、免责条款的拆分,只有通过这种拆分才能够把保险产品数据化、结构化、量化,从而在对比的时候能够量化出来两款保险产品或者多款保险产品在某一个维度上,谁更优秀,这样的话,形成了一个险种对比,对用户比较友好的功能。

这是我们另外一个基于智能化的产品象医生,Dr.象智能预核保,很多人买保险他身上有些小毛病的,我们列了很多常见的毛病,包括甲状腺结节、乳腺结节、乙肝病毒携带、大三阳、小三阳等等,这些人群体量非常大,他们也非常迫切能够买到保障自身健康的保险产品。但恰恰线上买保险时候,因为健康告知把用户阻挡在购买保险的门外,我们提供这个工具是让用户自己去输入一个自己目前患病的名称,自动通过规则匹配的方式给用户剥离出来,哪个险能买、哪个险不能买,对用户来讲是极大的方便。它背后其实藏着特别多匹配的规则,后边有险种的规则、用户的画像、疾病的知识图谱等等,基于所有这些技术,我们形成了这种带病核保,智能预核保的能力

2019-04-12 15:03:20

田立文:   

这是我们另外一个工具小象智能客服,一个用户买一款保险,希望在线上充分了解保险产品,保什么、不保什么,有哪些需要注意的事项,通过人工做这些服务,往往效率或者人力成本非常高,如果通过机械化的方式大大的提高人力投入产出比,能够提高服务效率,我们这个小象客服利用自然语言处理的技术和险种库的技术,为用户提供险种的问答、险种咨询和帮助。

vbox7180_GIN_4062_143057_small.JPG

最后一个是大象云保端托管服务,比较关键的技术是图像识别OCR保单识别,很多用户手里一大把保单,有的保单保险公司给他邮寄了纸质保单,还有保单在支付宝保存,没有统一的管理平台,通过这个工具让他把所有的保单放在云端一起来管理,里边有一个核心的技术,把保单拍一个照可以识别出来这个保险产品所有的内容,这就是通过科技赋能提高保险增值服务效率的典型案例。

2019-04-12 15:03:30

田立文:  

前面我们讲了大象保险的α象智能保顾、小象客服、云保单管理和智能预核保所有这些智能化的产品,后边都藏着特别核心的保险领域的科技成分,知识图谱技术、险种知识库技术等等。通过知识图谱表达方式,关联起来人的画像、疾病所有的属性和保险产品做这种多边的关系,通过存储这样的技术来做数据的存储和保存,只有通过这种技术才能做到刚才说的预核保的时候快速定位出来用户可选的产品,才能在α象服务用户做智能保险方案推出最合适他的产品。

我们做的所有科技的工作,其实都是为了融合线上、线下这样的互联网保险服务模式,通过这种模式为用户提供高效、极致的互联网线上保险服务的体验。我们通过这种赋能,其实是形成了去认识工具化的服务体系,通过这个能力给用户打造了标准化、可信的、中立的解决方案,这样对用户体验侧是全面升级的,用我们自己行业里的话叫“提质降本增效”,从行业本身极大的提高了效率,这是我们大象通过科技想达到的终极目标,智能定制,因人而保,希望通过科技的力量因人而保障。谢谢大家!

2019-04-12 15:22:37

分享嘉宾:顺为资本执行董事 孟醒

分享主题:AI下半场的创业机会在哪里?

1.JPG

2019-04-12 15:25:12

孟醒:

感谢各位,下午很荣幸跟各位分享一下跟AI相关的主题,我是被给了命题作文,AI的下半场其实不是一个很吉祥的说法,我希望AI这个领域循序渐进,细水长流的行业,能够慢慢渗透到各个领域里面,而不是有一个上半场和下半场和终局,下半场的机会在哪儿?作为投资人来讲很难去指明。我们能跟进,相对来讲更宏观的,更好的判断一下,真正最好的机会在哪儿,其实创业者是比我们清楚的。

好在做AI投资之前,我自己曾经是一个AI的创业者,做了两个AI的公司,2011年、2012年做了第一家,2014年做了第二家,大概有一点点创业者的基因,结合这两点跟大家分析一下,AI创业下半场里面我们可能会看到的几个问题,我们不把它作为指明方向的指南针了,跟大家讨论一下。

2019-04-12 15:26:04

孟醒:  

我把题目改成几个问题,2012年这一拨创业开始到2018年,也就是去年其实AI创业领域法身了几件事情,这几个变化很多人总结过,这个话题在2014年、2015年、2016年的时候还是比较新颖,到去年的时候还有人拿这些话题讲,我估计大家已经听过很多遍了,我总结一下,公司属性,从AI技术平台的公司慢慢变成垂直应用公司,大家慢慢变成了我是做安防领域AI、金融领域AI的公司。

第二个变化,最早AI绝大多数客户是互联网公司,今天变的都是垂直传统行业的公司,互联网公司的好处是技术成熟度高,能够对接,缺点是不付钱,传统行业是反过来的,技术准备程度差,但是付费意愿更高,这也是为什么从安防、金融打到了智能程度比较强,把这几个领域打通的公司,今天做得规模比较大。

2019-04-12 15:30:39

孟醒:

第三个是AI公司出来创业的时候,绝大多数创始人是技术背景,非常优秀的科学家或者研究员出来做的,原来的技术领域,在创业领域复制了他们在研究院做的事情,他们的核心能力是他们的算法,逐渐在这个过程中慢慢演进了以后,今天AI创业公司可能核心重要的因素是产品经营能力,工程速度能力,把一个算法变成一个工程化的能力以及销售能力,可以从这些大的AI公司,最近几年核心人员高管的变动和他们花最多钱、最多股权吸引的人才来看,吸引的是这些人,他们比较主流。本来AI这件事情是一个周期非常长远的事情,所以比较适合VC投资,慢慢变成一个国家的政策,变成了一个地方支持的方向,有资本市场,科创板市场,国家基金一起来参与这个事情。

2019-04-12 15:30:52

孟醒:   

我说一点2019年以后的事情,有四个问题,第一个问题,从很宏观的角度来看,关于创业方向,我在经历过美国做AI创业的过程,也在国内做过一家AI创业公司,也作为投资人跟中国这批创业公司发展的历程地有一个很大的区别,国内创业公司资本、人才、创业方向集中在非常具体的领域,安防、金融和无人驾驶基本上聚拢了整个行业80%的资金、80%的人才,从公司个数来讲不是最多的,但是早期做这块的也是最多的,聚足了80%的收入,下边是AI医疗、客服、手机相关的AI服务,聚集了另外的10%,人才、融资额、基金规模。

2.JPG

剩下的,新生出来的一代产品,从工业、教育、农业、零售等等只占了剩下的10%的领域,后面这批是后面带出来的,早期更多的公司,哪怕新出来的公司也在做上面这几个领域,在国内大家创业的分化程度,创业方向和多元化程度不是很强的,对应美国,我的感受,大家都是在AI创业,本质上大家非常愿意做这个领域的第一个公司,无论从融资的容易程度来讲还是创业的积极性来讲,做这个产品的定义化程度来讲,做第一家公司对他们来说更容易做的一件事儿,更分化一点。

2019-04-12 15:31:04

孟醒:  

我举几个例子,这些领域我相信大家跟进AI时间比较长的人都比较熟悉了,我跟大家分享一下,美国我们觉得很奇妙的公司他们做的事情,这个公司是蓝河,一个做机器人的AI公司,这家公司成立时间很久了,已经出售了,售了5亿左右美金,它是做拖拉机前面这个悬挂的农药喷嘴,这一串有20个农药喷嘴,每个农药喷嘴带一个摄像头,经过农场过程中一株看每个植物要不要喷农药、要喷多少农药,一个很标准的计算机视觉的应用,应用到非常垂直的场景里面,带来的好处,这个悬挂不知道具体成本,比如说100块钱,节省农药带来的价值大概80%,喷一次,还不说第二次的复用。

因为喷的农药少了,所以可以按照有机食品的价格或者接近有机食品的价格来出售这部分的农产品,从销售的角度这个得到提高,这个东西只需要买一次。第二年的时候,带来纯粹的利润就很可观了,第二年、第三年、第四年,这很有意思的方向,这是一个非常优秀的产品定义,是不是在中国适合国情,这是另外一件事情,在很早做计算机视觉的创业者来讲,能够深入到这样的场景里面把它做出来,我觉得是一件很有意思,很了不起的事情。

2019-04-12 15:31:19

孟醒:

再看这个领域也没有第二家公司,不超过两三家公司做同样的事情,其他几家更小一些,但是也不多,绝对不属于一个扎堆做的领域,也不是很多资本扎在这里面,但是就是有人做,而且还能把它做成。第二家是Pindrop,这家公司做得很久了,最近在AI领域发力更强,大家都理解它第一个做身份认证,帮助客服公司或者他自己成为客服公司,帮助这些零售公司或者给客户提供服务的公司,提供声闻验证。有的时候没有预先录制声闻根据电话里面嘈杂的声音看用什么设备打过来的,基于这个来判断是不是盘子的可能性,主要做反欺诈的场景,扩充的维度非常多。

这个问题不是已经一个小众问题,是一个大众问题,这家公司做得也很成功。第三家相对那两家更早期一点的公司,用机器人做菜,解决了几个问题,菜什么该种、什么时候该浇水?滴灌系统也是完全自动化控制的,中间有一个机械臂,菜从哪个营养培养液打到另外一个培养液,什么时候做光照,这是机器控制的,单位面积相当于正常种地的效率大概30倍左右,这个东西可以搬到城市里来用,减低它的物流成本。

2019-04-12 15:31:49

孟醒:  

我们很多AI应用在工业里面,绝大多数AI公司在工业里面做视觉检测,出现了瑕疵或者说做无序抓取,抓一些瓶子或者零部件,这家公司摄像头放在工位上,每做完一道工序,通过人体行为判断,判断出来你已经完成了,完成了告诉你多少秒完成的,完成的好坏,可以判断每个人在工序流程上是不是有瓶颈,是不是调离这个岗或者换下一个,或者整个工序设置错了,这件事情可以跟慢系统配合起来做分配,很有意思。

我举这个例子,人体行为判断这件事情,在整个学术领域,相当活跃的领域,技术成熟度并不是很完善的一个领域,相对于人脸,但是今天可以基于并不完善的技术领域能做出来有用的东西,这是一个很有意思的产品定义的能力,但凡有大量的人在各个领域里面,基于今天的技术边界想今天的产品定义能做出来什么东西,能做出来马上上,这是它的优点。举这些例子跟大家讲,这几家公司做的事情并不扎堆,做得很好。

2019-04-12 15:32:01

孟醒:   

在国内慢慢有这样的公司出现,有一家是我投资的,第一家叫启元世界,他们在做离散式的决策智能,最直观的角度大的比赛上,同时在每个单元上可以控制若干个单位,让他们进行协作,协作之间又形成一个整体的智能,做整体智能的优化,使得它形成一个系统,比如说用在多机器人协作或者单体机器人多关节协作,这家公司做的也很独特,在中国也没有更多的公司做这个方向。第二家公司麦飞,今天上午应该来到过会场,我很喜欢的一家公司,做的像第一家公司所做的事情一样,通过无人机多光谱理解土地上面被灾害受灾的程度,无人机植保过程中减少农药的使用,减少程度非常高。

3.JPG

第三家是必示,AI用在了运维上,双十一交易量非常大,有的机器非常宕机,多宕机一秒损失好几十万甚至更多,能不能快速的找出来机器出了什么问题,哪台机器出了问题甚至预测性出了问题,在它没有出问题之前重新分配流量或者重新分配算力,使得避免这些问题,这些都是非常有意思的方向。

2019-04-12 15:32:16

孟醒:   

第二个问题,To B人工智能大家讲了很长时间,To C期待了很长时间,但很难做,很难做的问题是什么?整个AI三块东西,数据、在这个基础上有很好的算法、有很好的硬件支持这样的算力,在这三件事情,后两件事情,严格来说算力可以拿钱买的,算法基本上跟着行业来走的,只有数据跟着你个体的原因来变化的。今天想象这样一件事情,假如说身边有一个很好的朋友,他就是一个很强的懂人工智能的人,你可以想象成一个人也好或者是一套算法或者一套软件也好,它的存在使得我有任何人工智能的问题都可以让他帮我解决或者开发,今天作为一个个体,用它来干什么?

能干的东西并不多,因为本质上来讲,我们其实没有什么数据,个人手里没什么数据,今天手机这个时代里面个人能够获取的数据基本上等同于每回换新手机能够迁移过去的东西,通讯录、手机相册、邮件,主要是这些东西了,剩下所有的数据都在独立的APP里面,迁移不过今日头条里面偏好的行为,在移动互联网是非常糟糕的事情,PC互联网的时候,哪怕独立的软件也会跟你说导出到Excel里面,这个时候如果有一个人工智能的人或者有一个软件可以把它用起来,但今天用不起来,除非头条提供这样的能力或者其他人提供这样的能力,否则享受不到人工智能所带来的价值,To C端很难做,个人拿不到数据,很难下手做这件事儿。

2019-04-12 15:32:32

孟醒:   

我后面的判断,To C人工智能公司首先是To C传感器公司,先有一个办法把你的数据收集下来,基于这部分的数据把算法、算力叠加在上面,给你提供某种服务,很少脱离传感器能独立存在的To C人工智能公司存在,最后冒出来智能摄像头公司,他今天需要打通这件事情,收集到足够多的数据才能完成后面的服务。

第三个问题,To B我们人工智能公司是最多的,To B人工公司发展到各个场景里边,大家往往会有这么一个问题,因为人工智能大家都感觉估值很高,有点泡沫,除了估值高以外,To B人工智能公司大家最被人诟病的点觉得在做项目,每个项目独立招标,然后在做这个事情,大家觉得不是人工智能公司,是传统行业的公司,你做东西的可扩展性差,人工智能的意义不大。

2019-04-12 15:32:44

孟醒:

我这么来看多这个问题,从项目制开始,每家公司都有原罪的,从项目制很简单的事情来做,这件事情从起点上无可厚非,有三条路可以走,红的、黄的、绿的三条线。走红的这条线,你把原来项目制的工作变成产品化,在公有云上部署,这是理论上To B应该做这件事儿的一条出路,如果数据做不了回环、闭环的话,人工智能80%都牺牲掉了,本质上不是数据驱动的人工智能公司。为什么这么说呢?

如果你是先发者,你和后来者之间的差距不会特别大,如果这个垂直领域用户体验和垂直纵深又不是很长,很快达到瓶颈之后,后面人很快就追上来了,你保持不了这样的壁垒和差距,对于先发者没有优势了,这件事情不应该第一个人做,你探索这个场景,融不到钱,说服不了投资人,很麻烦,还不如第二个人做这件事儿。

2019-04-12 15:33:07

孟醒:

退而求其次,我觉得是黄线,我做项目,接下来依然做项目,但项目垂直的产品纵深做得更多,从一个单一的项目,从人脸切入,到后面做大数据平台、反欺诈平台、做营销等等这些场景,我把整个叠加上来的东西平台化,把这些东西放在我的单一平台上,我把这些纵深能够打穿,一个垂直行业打穿,这是另外一个场景,我觉得不如红线好,也是可执行的。最差的是依然做项目,平行拓展行业,做完A领域项目,做B领域项目,做完了,然后做C领域的项目。

4.JPG

在这个行业里面大家需要关注到之后,无论从投资还是创业尽量往第一个方向靠,尽量往红色的方向靠,这样才能做出伟大的公司出来。最后一个问题,人工智能公司的退出,这从投资人角度来讲关心最多的问题,这些公司投完了以后,最后我们得到的回报是什么?上面回报不是现金,他们怎么退出?

2019-04-12 15:33:47

孟醒:

今天的状态是这样的,中国没有技术收购,美国有很强的技术收购的传统和基因的,大的公司往往都会做,甚至于非互联网甚至于谷歌、facebook这样的公司,像宝洁、沃尔马也会对技术公司进行收购,促成了你能够造血加上被收购两条路投资的热情才足够饱满,今天中国少条腿,对于每家智能公司都有极高的技术,自己做业务、自己造血、自己成为一家上市公司才有可能退出。长期如果依然是这样的话,一定会影响资本的投入以及资本的信心,今天是一个开始,抱着跟国外一样的期待做这件事儿,但是长期是不行的。

换一个角度来理解这个问题,我大胆做一个预测,医药公司,日本关注医药行业的话,很多公司在上市的时候一分钱收入都没有的,但是它上市了,可以登陆资本市场甚至于超级高,100亿以上的估值价格被并购,因为在药厂整个生命周期里边,一个药在做动物实验,开始做临床I期、II期、III期,每个阶段都有非常明确的定义和它的定价,每个定价这个药做到这个程度值多少钱,到下一个阶段值多少钱,到下一阶段的概率有多高,就上市了,绝大多数新药研发公司,创业公司最后都是会被卖给药厂,要么药被卖掉,要么公司被卖掉。 

2019-04-12 15:40:20

分享嘉宾:悠络客董事长兼CEO 沈修平先生

分享主题:人工智能如何赋能新零售

vbox7180_GIN_4127_151947_small.JPG

2019-04-12 15:42:16

沈修平:

大家下午好,我是悠络客的创始人沈修平,刚才顺为的孟总也说了,未来人工智能应该是往垂直行业发展,悠络客就是在零售领域这么一个垂直领域,应该说艰苦奋斗了十年的人工智能公司。我个人是比较早提出来真正基于计算机视觉用于门店的数据AI分析,目前签约门店已经达到40万家,在这个细分领域确实也是走得比较早,而且基于零售的AI领域做了七年的探索,应该算是一个走得非常早的创业者。

在之前我们先看一下零售行业,我们先看医药行业的客户,我们直接看结果,这四家上市公司市盈率和人数、门店数是不成正比的,成反比,一个上市公司市盈率和它的市值到底跟什么相关?经过研究发现非常有意思,这几家上市公司市盈率正相关的曲线是它的人均利润,这非常有意思,为什么会跟人均利润相关?因为我们有很多行业,除了医药行业还研究了其他领域,基本上是这么一个规律,市盈率跟它的人均利润相关。

2019-04-12 15:45:27

沈修平: 

我们去看零售业,我们谈的零售业是泛零售,这个零售是大超市,发现这几年的数据,从2012年开始,人均产出是26.4万,而到了2017年的时候人均产出56.9万,这些数据说明一个问题,等会儿再看。在金融和投资界应该知道一个理论,康波周期,康波周期以60年为一个周期,每次周期出现的时候都有一个新技术会出现,第六个康波周期的到来,下一个就是人工智能,人工智能对未来人类的改变,不是说短短几年,甚至影响几十年,60年甚至更长的领域。

悠络客这么多年在零售领域,今天主题是如何赋能零售,在概念当中有两个点,第一,减人,虽然无人化现在做得很少,但减人必须是一个趋势,第二,针对顾客怎么提供精准的、真正的好的服务,这些都基于AI技术的发展。

2019-04-12 15:45:49

沈修平:   

在这之前简单介绍一下悠络客,我最早提出一个概念,要做摄像头行业的苹果模式,我希望这个摄像机不是单体运作的,基于大的平台在运作,摄像机都解决安防功能了,很多年前就提出来,摄像机不仅仅有安防功能,如何做到呢?基于悠络客平台,它是深度学习的AI平台,同时是一个开放平台,也是一个大数据平台,又是视频直播平台,还是安防警报平台,集所有平台于一身,在这个平台化过程中,悠络客这十年的研发真的是很不容易。现在有FPGA的方案、CPU的方案,在座很多都是人工智能行业人士,它的性价比是非常高的。

vbox11146_056A7620_152014_small.JPG

我们主要看这几个产品线,悠购做回头客的画像分析,悠巡,怎么打造一个把减少人员巡店人员,悠学堂是培训,悠小医针对医药行业,在很快的时间,医药行业每个门店都有一个人员,以后都会是机器人代替。慧店产品,要做行业的苹果模式,这句话不仅仅是说说而已,把一个摄像头所有相关的价值和功能都把它发挥出来做到极致,只要计算机视觉能创造的,悠络客平台上都有,这才是把一个产品怎么样把它做到极致。

2019-04-12 15:46:01

沈修平:   

这么多年围绕着零售人、货、场、材,降低损耗最高达到85%,效率提升最高超过200%,营收提升22%,在这个行业当中,零售行业本来是掏钱很不容易的,要让零售业掏钱只有一个点,实实在在创造价值,我投入一千万,是不是能创造超过2000万甚至3000万、1个亿的价值?我们有人脸识别技术、人形、行为分析、物体检测、语音识别,行为关键是要场景化的数据,没有一个标准化,因为每种行为真正落地的话,孟总也提了,在这个行业当中只有针对一个点把它落地、做到极致才能真正创造商业价值,我们在行为识别各个方面都做了很多的研究。

今天稍微谈一下技术,悠络客在零售领域是如何去打磨这个技术的呢?我们悠购产品的流程,今天稍微谈一谈技术,顾客进来,从人脸的检测到特征的提取,再到肢态的纠正,1:N比对,建档、数据标签,再到前面的呈现,这么一个流程,看起来这个流程比较简单,这个当中每个节点,技术都是花了大量的时间来做,我们是一个大平台,不管哪一端的计算对我们来说都是一样的。技术打磨这一块,这个行业的难点,它是非配合式的场景,大家想象一下,你作为一个消费者走进一个门店,你一定是希望无感知的,你不希望进一个门店,你在那边站着别动或者是正着脸,这是不可能的。

2019-04-12 15:46:19

沈修平:

在这种用户无感知的情况下,技术要求非配合式的场景,实时性要求非常高。从刚才整个流程,一个顾客进来再到店员手机上呈现这个顾客原来的购物习惯,所有的时间要控制在一秒以内,包括后面所有的数据搜索、比对,人脸识别检测等等所有技术,一秒以内完成。人脸扩大,像有些身份证的比对,一比一就可以了,一些安防是1:N,但实际性要求不高,我们单个企业几千万的人脸库,而且我们是一个云平台一个企业几千万,十个企业就是几个亿,有这么多企业可以想象这个库有多大。

针对人脸识别技术,我们有几个关键指标,在细分领域,为什么说行业做了领先?人家说你技术做得好不好,我们有三个判断标准,第一,认假率、第二,拒真率、第三,命中率,市面上只要认为算法有多牛,经过我们的数据一跑,这三个率一出来,谁的好、不好,一个小时数据全都跑出来了。我们刚才说累积的数据比较多,在细分领域在行业当中确实有最好的表现,最高的命中率,左边是我们自己公司的图片,我们有96.5%,市面上AI公司比较好的友商,命中率他们是88.8%。在这个场景下为什么出现这种情况呢?

2019-04-12 15:46:30

沈修平:

给大家讲一个案例,同样一个人,如果他进来是非配合式的,你抓了侧脸,同样一个人正脸和侧脸阈值相差很大,而不同的两个人,A和B、C,B和C是同一个人,A和B、C是不同的人,怎么样把一个人区分出来,顾客不可能配合,不可能说你待着别动,我给你拍个照,这是不可能的,这个在细分领域打磨确实是做了很多工作。

vbox11146_056A7624_152039_small.JPG

我们就谈库的检索,既然这么一个复杂的场景,有很多店员、很多顾客,你的会员系统,历史上很多数据,一个库是很难去做的,这么多年做了很多库,做了去重库、临时库、企业库,这样做的目的保证人脸健壮性和识别率,除了AI的算法、神经网络、函数调整以外,在这个点上很多工程的应用,数据库的建立,检索等等都需要去优化。所以说在零售场景当中,我们做了十年,也有一个好处,花了这么多的时间,所有的坑都走过,如果想进入零售领域的合作伙伴,我们也可以分享更多的技术

 

2019-04-12 15:46:42

沈修平:   

我们针对侧脸和正脸、低头怎么做呢?做一个人脸聚类,同样一个人识别出不同的人,两个人很接近,但不是同一个人,你就会把多个人变成一个档,你的档案库是非常不精准的,我们通过人脸聚类的方式细分当中做了很多工作,我今天只是提几个点,因为涉及到公司技术机密,今天是人工智能场所,我也分享一些,不是所有的都来进行分享。

悠络客商业模式,SAAS模式、PAAS模式、生态链模式,SAAS模式是我们签了零售的客户,我们自己每个月收费,针对所有的数据和模块去分配的,PAAS模式是更多的给做SAAS的To B的厂家,他们想做零售解决方案,唯一缺的是计算机视觉这一环,找到悠络客全解决了,很多用户说了,为什么不找其他AI合作伙伴,为什么找悠络客呢?后面进行分享。第三个是生态链,针对这些可以跟各个零售相关的不同生态链、不同的厂家进行合作,共同打造智慧零售大平台的概念。

2019-04-12 15:46:54

沈修平:   

 PAAS平台,接入方式非常方便,如果技术强一点可以通过API接口方式,如果觉得人数有限,可以通过SDK的方式,如果什么都不想做通过H5方式直接嵌入就可以了,我们针对人脸、车流各种AI数据库都有API的接口,包括业务流、数据流,这些流都有了,非常得简单。我们还有很多模块化来做接口,对接还是比较方便的,PAAS平台是我们后面主要研究的方向,我们希望把十年的经验更快的让用户可以使用起来。

我们的合作伙伴,刚才说了,为什么会找悠络客?除了我们有整个技术的平台,有软件、算法,我们还提供硬件,因为我们硬件也很成熟,零售业是全国性的,我们还有一个全国的运营服务体系,因为AI的安装要求非常高,人脸识别,你安装的位置、角度以及阈值所有技术调整不是传统的合作伙伴或者是供应商可以安装的,我们全国这么多年运营体系也开放出来,任何企业如果想要对接我们的PAAS平台,你脑子都不用动,就可以快速实现所有的智慧零售解决方案,特别是计算机视觉这一块。

2019-04-12 15:47:05

沈修平:   

我们的服务体系,现在有1000多个全国合作伙伴,我们的服务响应,包括现在已经有2000多个县市都有我们的网络布点,同时我们基于整个物联网平台技术以及所有的技术,基本上主动式的,设备的运营状态、警报、数据所有的状态,监测几百种状态都是主动式的服务。原来觉得很痛苦,做AI做得这么重,后来发现没有这些不行,又变成一个行业护城河了。现在有接近40万的合作伙伴,去年腾讯入股了悠络客,腾讯也是PAAS的合作伙伴,还有其他很多的SAAS合作伙伴,直接客户有非常多,各个领域的,像餐饮领域,肯德基、星巴克,做医药的也有很多,北京的餐饮像李先生、黄记煌这都是我们的用户。

vbox11146_056A7629_152053_small.JPG

在零售领域经过这么多年打磨,也得到了用户的认可。悠络客在全国也是部署了很多网点,因为这是行业的分享,我希望把悠络客这么多年的经验分享给大家,我也希望把我们的平台分享出来,我们的技术落后客户的需求多少年,大家知道吗?三年的时间,有些客户有提前意识,五年前提出很多技术,我们打磨这个技术花三年、四年甚至更长时间打磨,更多的合作伙伴一起在这个行业合作,才能有很多客户享用AI给整个行业带来的冲击和服务。谢谢!

2019-04-12 16:11:50

分享嘉宾:华映资本合伙人 章高男
分享主题:看多To B:当技术创新遇上产业升级 

vbox7180_GIN_4164_154041_small.JPG

2019-04-12 16:15:47

章高男:

大家下午好,有这样一个机会站在这样一个舞台上,我还是有点小紧张,第一个,我本人是做企业服务投资的,我们B计划正好是为我们投资人和创业者搭建的一个交流和服务的平台,非常好的一个机会,第二个,我个人认为,投资是一个企业服务之一,只不过我们的主营业务是给钱,一个优秀的投资机构除了给钱,我们还是应该为企业,无论战略梳理还是人才获取,包括资源整合等等,还是要能给企业提供价值。

B计划是一个非常有意义的开始,我们有这样一个平台,一方面能为所有的投资人共同去交流、互动,挖掘出好的、更有价值的经验,也帮助被投企业更好的赋能和帮助。最重要的是,B计划为广大的创业者和投资人建立起来一个沟通和服务的桥梁,这是它非常大的社会意义。

2019-04-12 16:22:08

章高男:   

回到今天的主题,技术创新和产业升级,实话讲,我刚接到这样一个议题的时候,我自己还是有点忐忑的,无论是技术创新还是产业升级,都是一个很宏观的概念,每一个各自的领域包括很多、很丰富的内容,相对来讲,我知道的仅仅是皮毛而已,今天尽可能的把我知道的一些东西去做一个总结,跟大家做一个交流。我也是技术出身的,每次遇到一个新的议题跟名词的时候,我第一件事情是做名词解释,因为总归不会犯错误,我们先看什么是科学技术和创新?这是标准词库的定义,正确的反映客观事物本质和规律的知识的体系。

科学分为两类,一类是基础研究,另外是应用研究,基础研究没带任何目的性、目标性,前两天看黑洞,但是这个黑洞花了很多精力,无数个科学家花了几年拍出来这样一个照片,这就是一个科学的探知,这个客观规律没有任何的目的性。你会发现基础性研究这种科学往往是一个发达的国家或者人类真正推动历史进步的国家,他们是在基础性研究里面最擅长的,基础性研究带来的冲击力是颠覆性的,也是这个行业最基础的源头。

2019-04-12 16:22:28

章高男:

应用研究有一些目标性了,发明了阿拉伯数字,1234567,它也是一个客观事实,我们为了计数,应用数据三角函数这些都是应用数学,它带有一定的目的性,总之科学是一个知识体系,一个知识体系用到很多个知识体系,更重要的是这个技术为了解决问题的。

我举一个最复杂的的技术,火星上的登陆,这个技术非常复杂,各种各样的知识体系,但目标是为了登陆,技术是为了解决问题而诞生的。创新带有一定的商业色彩了,创新通过良好的创意进化成知识,最终带来商业化成果,创新是一个成果的市场化,这个和资本就有关系了。总结下来,科学是发现一个客观规律,技术利用这个科学解决这个问题,最终我们要怎么商业化?创新就是把这个技术商业化。

2019-04-12 16:22:42

章高男:   

第二个名词概念是产业升级,包括产业转型和产业升级,产业转型是比较剧烈的改变,一个产业转型意味着一个旧产业的退出,一个新产业的替代。举一个简单例子,照相这个产业,最早是胶卷相机,柯达做得也很好,数码相机一起来,胶片相机行业就结束了,新的数码相机行业就产生了,产业转型相当于革命,产业升级就像一个渐进式的变革,它是产业增长方式的转变。

vbox7180_GIN_4183_154216_small.JPG

比方说,交通,我们铁路交通一直有,最开始绿皮车,后来有动车,现在是高铁,这是一个产业逐步升级的过程,产业服务的方式没有变,但产业内在的管理和提供服务的方法已经有巨大的提升。所以无论是产业转型还是产业升级最大的本质是帮助这个产业提高它的竞争力提升,以及确保这个产业未来可以可持续发展,它的目标是一样的。

2019-04-12 16:23:02

章高男:   

今天大家都在说产业转型和升级,为什么中国需要一个产业转型和升级?我相信这是一个很宏观经济学的问题,在座可能有经济学家,远比我有资格回答这个问题,也可以从多个角度,你也可以说,现在美国跟我们搞,外患,中国是制造大国,但是中国不是制造强国,很多东西受别人约束,所以产业要升级等等。产业转型升级有很多理由,我今天从一个角度,从商业最基本的本质,供需关系来讲,为什么要产业转型升级?

商业本质就是供求关系,一个国家也是这样的,整个国家,包括需求方面,其实就是两大类,一类是内需,一类是外需,内需就是投资和消费,外需就是出口了,这是所有的国家都是这样的。供给其实也是两大类,一个是生产资料和生产力的结合,你有多少生产资料,你的生产力怎么样,就能产生怎样的供给,生产资料主要两大类,一类是资本,资本就是印钱,每个国家都在印钱,印了多少钱就是有多少资本,老百姓手里有多少钱,资源就是国家有多少矿产、有多少人、有多少劳动力等等,这就是一个总供给和总需求。

2019-04-12 16:23:19

章高男:

需求更多的经济表现就是KPI,供给就是GDP,一个国家的挑战在于如何既能让消费也增长、供给也增长,两个相对平衡的增长,不能一头增长或者两头都退后,那就完蛋了,整个国家宏观经济政策无论用什么调整都是调整这两个东西的某些层面。

我们回顾一下改革开放30多年,我们国家过去怎么走的供给和需求,我这个也不专业,以个人的理解,可能也有错误的地方,希望大家谅解。过去我认为主要是咱们中国这30年走的是通货膨胀和经济增长,最左边这个路,我们的需求方面肯定是增长的,过去改革开放,开放就是对外开放,过去30年,每年对外的出口还是一直在增长的,最近有点麻烦了,过去整个拉长还是增长的路线,这是对外开放的本质。第二个是我们还是个投资拉动型的国家,中国是一个大工地,中国就是建设的奇迹,也有人说把未来三四十年建设的都提前建设了,提前透支了,也有人这么讲,不管怎么说,我们现在获取需求,至少国家可以投资拉动,保持这个持续的增长还是可以的。

2019-04-12 16:23:30

章高男:

供给也是极大的增长,今年走在这个竖线上,改革开放也是把劳动力的解放了,供给也是一直在提高的,很重要的原因,我们超印了很多钱,全世界都在印钱,我们也得印。今天整个供给发展到什么水平?基本上已经快到这个竖线了,接近于饱和的路线了,这是过去30年大致的总结。这样的方式走到今天面临一些问题了,短期内有什么问题呢?首先出口遇到一些麻烦,有贸易战,需求会受到一些约束。

我们说可以再加大投资,我们再多修路、多修机场,不行把这个机场拆了再修,也能拉动需求,但是总体需求,短期内受到影响了,短期需求受到影响以后,我们现在又不敢乱印钱,钱也是相对比较紧缩的,短期的压力是经济增长率,需求减少会倒逼到整个经济,短期内经济增长率不能那么高了,我们就必须解决这个问题,如果解决不好,这我们的生产力是这样的竖线。

2019-04-12 16:23:44

章高男:

我们的供给基本上是一个竖线的话,需求长期不起来,供给也没有长期突破,就会是一个滞胀了,大量的公司会破产了,供给也少、需求也少了,这就变成一个滞胀了,这就是所谓的中等收入陷阱,国家发展到一定程度,你就发展不上去了,经济也增长不上去了,核心是怎么走到理想的状态,怎么能提高你的供给真正的能力,但是你的供给能力,钱不敢乱印了,我们资源劳动力,中国能干活的都干活去了,充分挖掘了,最终就要靠生产力的提高,这个理想路线最终怎么能把这个线往右移呢?还是要靠生产力,生产力最原始的就是科学与技术,为什么今天转型靠科技技术和科技创新保证我们的增长,下一步经济增长通过供给端效率的提高,才能保持长期的增长,而且又不引起通货膨胀。

vbox11146_056A7664_154112_small.JPG

2019-04-12 16:24:06

章高男:   

上午的会我没来得及参加,我估计数据算法、算力是人工智能的核心,很多人讲过这个事情了,这张图原创不是我,原创是阿里研究院,只是我个人非常认同它的观点,几乎跟我不谋而合,我采用了他的图片。过去20年整个信息的革命给我们带来了很多深刻的变化,尤其是未来,我们还有几大核心技术,这些技术是围绕着数据来产生的,数据算法和算力,包括传感器的技术、物联网的技术、5G的技术,包括低速物联网技术、人工智能、云、边缘计算,这些东西都是整个数据技术的底层未来发展的支撑体系,帮我们解决数据获取问题和数据算法、算力的问题,有了这个算法和算力,这些技术能解决哪些问题?

2019-04-12 16:24:18

章高男:

我们知道技术是要解决问题,解决几个大的问题,第一个是秒数,有了足够多的数据能够对一个现象进行解释,你企业里当用到足够多的数据,可以知道这个企业发生了什么情况,可以通过数据来体现销售情况、运维情况、生产情况等等都是通过数据来体现的。第二个是有了足够多的数据可以做诊断,如果发生了一个问题,可以通过数据算法、算力找到到底什么原因导致了这个现象,更好的做预测,过去一个月、一年的数据体现,未来会怎么样,也可以做一些预测,更多的还可以做一些决策,在现实情况下,现在滴滴打车,有几百万的并发,怎么做一个整体的路径规划?需要做一个动态规划的决策,这就是一个决策的过程。

2019-04-12 16:24:29

章高男:   

这些技术能解决这些问题,能应用到C端或者B端,尤其应用到B端,对产业转型和升级带来很大的机会本身通过数据算法算力解决这些问题,优化产业资源优化配置的效率,提高生产能力。 这个产业有很多,我这里面列出来比较大的产业,而且我觉得数据能够极大帮助的产业,无论信息、生物医疗、供应链、新材料、金融等等可能还有一些没有涵盖到,这些产业都需要通过技术创新来去做逐步的升级。

我重点挑几个跟大家深入地沟通一下,第一个是信息产业,信息产业是比较特别的,因为它既是技术创新的驱动者,它本身又是一个行业,它是其他行业的技术赋能的技术提供者,本身又是一个技术行业,在这个技术行业本身里面,我个人总结了四个大的方向,这个行业怎么升级?这个行业本身怎么发展这些技术?

2019-04-12 16:24:42

章高男:

第一个是数据的感知,传感器的技术,尤其低功耗传感器的技术,未来多种多样,传感器的种类越来越丰富,它解决数据获取的问题,你没有数据获取,也许对我们产业来讲,工业、农业,数据获取还是有很多空间的,这个行业要进行发展,帮助产业升级。第二个是收集进来的数据,要存储,放在哪里,数据存储也包括文件系统、数据库、底层的硬件设备,这些东西都是基于云的,分布式的,如果不是分布式就落伍了,不要再看了,这些会解决存储的问题。

vbox11146_056A7668_154123_small.JPG

第三个是数据存储还要流通,如果数据只放在这里就是死的,数据必须流通起来,流通起来就要靠物联网、5G,这个就是数据连通未来,大力去投入,而且去发展。数据连通完就是数据要加工的,人工智能是一个巨大的加工能力,最终是让它解决问题,流通起来为了解决问题。边缘计算炒的也比较火,边缘计算跟人工智能不是一个维度,也是相配合的,因为边缘计算也会强调端和sever的结合,未来和端和云之间相互有机的结合,共同解决这个问题,这是新的计算架构。

2019-04-12 16:25:09

章高男:  

我们再讲另外一个工业制造,我们现在都讲先进制造,这也是我们国家整个产业上一个台阶很大的议题,很大的方向,也是国家战略。先进制造左边蓝色的部分,这是技术带来的,首先技术创新,技术要有哪些创新,右边这部分是技术创新给我们产业如何去升级。这些东西不细说了,总结下来,本质是制造体系的重构和再造,通过数据,通过数据的算法。

具体是怎么一步步实现的?第一步,数据化打通全流程,以前我们的流程相对比较割裂的,我们有ERP还有PRM等等工业制造体系有各自管理的数据化的信息系统,但是这些系统根本没有被连通,它们的沟通方式都是独立的,产品计划就是计划,采购就是采购,采购有采购的流程、计划有计划的流程,没有打通。不论哪个行业,尽可能把设计、计划、采购、生产、配送到最后的营销、售后服务,首先要打通,连通,连通的过程中,很多技术发挥作用了,物联网肯定有作用,5G也有作用。连通完之后,尤其是现在未来的先进制造,要强调更多的灵活性和个性化。

2019-04-12 16:25:20

章高男:

要把销售和生产能够紧密结合,改变了很多产业原有的工作方式,这个变化还是蛮剧烈的,很深刻的一个变化。比方说,怎么做有定制化的产线?自动的找一些50个产品做A,后50件做B,以前作为一个产线是不可能的,还有柔性制造等等,都是能够满足定制的需求。原来没有的需求都可以去接,这是新的空间。销售和生产原有的组织方式会发生剧烈的变化,这其实也是蛮深刻的。

最后一个,我认为是非常重要的,也是扣我们今天的议题,当数据全部连通以后,你的决策模型发生很大的改变,之前无论PRM、ERP等等它们的本质都是对于原有业务逻辑的抽象组合以及数据化,这些都是靠业务经验。未来整个工业生产会越来越多的,你的经验通过数据算法、通过机器告诉你,原来机器算法是一个辅助的作用,这个变化是很深刻的,这个变化印证了一句话,往往颠覆你的就是外行,越有行业经验,你越吃亏,如果你跳不出来。

2019-04-12 16:25:30

章高男:   

金融是一个特别好的未来技术创新来改变的例子,为什么呢?金融不像工业制造,工业制造还有很多重资产,还有厂房、设备,金融所有核心资产就是数据,几乎所有的人工智能、所有数据技术创新第一拨一定找的金融,因为它的核心资产就是数据。所以说这个事情,金融是一个天生的应用场景,金融这个技术是用了人工智能、数据技术用的非常先进,因为数据太多了。

人工智能帮金融解决什么问题呢?今天到任何一家银行会发现,银行最重要的是各种各样的风控模型,这是银行的逻辑,原来的风控模型都是靠业务逻辑来去做的,今天你会发现,30%、40%、50%都是靠机器学习、人工智能的算法,是它自己学习的算法。所以说这个是一个很大的改变,而这个比例在逐步的提升,越来越多的银行去用人工智能取代人,总结这个业务逻辑。

2019-04-12 16:25:57

章高男:   

另外,比方说区块链,银行的支付结算是区块链最好的应用场景,没有比这个更好的了,逆命性(音)、唯一性、不可篡改性,银行之间转型能不能突破边缘的利益?包括人脸识别、手机里有大量的应用,银行APP都有人脸识别,这都是技术创新带来的变革。所以对金融行业来讲,因为用的资产就是数据是虚的东西,对今日行业来说,怎么应对转型升级最重要的是人才,未来好的金融机构,不管做什么业务的,你会发现一半以上都是技术人员,这是毫无疑问的,而且是学数学的技术人员,懂算法的或者懂如何应用算法的人。

vbox11146_056A7694_154533_small.JPG

如果你是金融机构的人,你还做得简单重复的劳动,你要想想,这个职位还存不存在,这是很大的挑战。未来想做好金融,大家想从事这个职业必须学两类课程,一个是经济学课程,一个是数学的课程,必须得学习,否则基本上没有什么空间了,这是对这个金融产业升级带来最大的变化,就是人才,一定要去找这方面的人才。

 

2019-04-12 16:26:12

章高男:   

供应链我也可以简单说一下,我们过去非常传统的行业,怎么用技术把它升级呢?有三个方面,原来供应链通过物联网、通过进场通信(音)以及区块链的技术等等,现在能够做到大量的实时监控了,整个物流传输的过程都可以监控,无论放在盒子里、车里,车可以被监控,放在盒子里还有它的真伪性、唯一性都可以被监控,一个物流,一个东西传输世界任何一个角落都可以实时捕捉到,这就数据化了,你的控制和管理更精细化、更实时、更精准、更高效,这是基础。

第二个,在你的仓储配送里面,整个业务流程的自动化,控制部分发生大量的转型和升级,现在很多智能仓储,仓储里面人越来越少,而且园区内可以做无人驾驶的,在封闭体系里面的无人驾驶,都能极大的提高管理和运营的效率,这是对供应链一个改进。最后,它的分析和决策能够智能化,这也是非常重要的。比方说,你要预采购多少,在哪里建仓库,仓库要建多少,销售怎么预测,明年的市场怎么分析,当你没有足够多的数据的时候你怎么来做,当你有的时候,你的决策模型不会发生巨大的改变,这是供应链转型升级,因为供应链是几万亿的市场,这个市场也是非常大的。

2019-04-12 16:26:36

章高男:   

最后,在座有很多企业家,想对一些企业家提一些个人建议,这是我发自内心的建议,第一个,不管我们从事任何行业,我们多么传统或者对技术一窃不通,都没有关系,但是只要是在你的成本和你的性价比可控的范围内,时间成本各个方面可控的范围内尽可能把你的业务数据化,每一个关键流程都能获取一定的数据,这是基础,这也是未来竞争环境中立足的基础。任何一种数据化都会有代价和成本的,需要你自己衡量,你首先要有极强的意识,我个人觉得,这是一个基础。这样才有可能立于不败之地,这是第一个。

第二个,更重要了,我们要改变我们的决策思维方式,我们从经验决策要向智能化决策去过渡,这是一个巨大的挑战,我在这个行业玩了十年、二十年,你一个毛头小子,没有任何行业经验,凭什么颠覆我?我可以举一个不形象的例子,在古代你用马车做交通,你对路线也非常熟,当你第一次看到有一个汽车来的时候,这个汽车可能有很多约束,他需要修公路、有很多地形的约束,马车可以随便钻林子,汽车钻不了,作为这个行业资深运营者,看到汽车的时候,你可能至少做几件事情,第一个,你应该知道这是未来,马车行业会被颠覆了,有思维意识的人应该意识到这是第一点。

2019-04-12 16:26:49

章高男:

第二点,尽管汽车现在很多不完美,它是未来,你应该把你的时间和精力多花在未来的事情上,未来真正能够引领趋势的东西,而不阻碍没落的速度,不要在马车上优化多少了,另外一个东西,那就是产业升级,智能化决策,数据思维对我们很多初创的企业来讲,其实是非常难以来讲的,  你不了解算法怎么实现,但是你知道它是怎么解决问题,它是怎么靠数据解决问题,如果没有基础的数据思维,养成数据思维需要系统性的学习,并不是特别难,如果不接触它,对于未来的发展可能还依托于完全经验决策,如果别人用了智能化的决策,可能就比你领先很多了,你的行业经验变得一文不值了。这是我今天的分享。谢谢大家!

5.JPG

2019-04-12 17:15:16

圆桌论坛

论坛主题:2019 TO B与科技投资:回归与想象力

论坛嘉宾:

云启资本副总裁 冯瑶

元禾重元执行合伙人 李莹

金沙江联合资本管理合伙人 周奇

银河系创投管理合伙人 徐芳

国科嘉和基金执行董事 丁润强

方广资本投资总裁 惠成峰

6.JPG

2019-04-12 17:17:53

冯瑶:

大家下午好,今天很高兴跟几位业界的大咖在一起交流我们这个B计划,今天也算是B计划第一次的首次亮相,也邀请到了很多重磅嘉宾,我们也请各位嘉宾先做一个简单的自我介绍,包括我们机构这边的投资方向以及个人的投资方向介绍,请李总先来。

李莹:

大家好,我是元禾重元李莹,很高兴参加这个论坛,六个字展开介绍一下元禾重元,第一个是天时,我觉得我们赶上了一个好的时代机遇,元禾重元在去年入得了5个ITO国内外的上市项目,今年科创板浪潮当中4家公司被受理,第二是地利我们在苏州工业园,我们也是在长三角这么一个很好的土壤里发展起来的,   第三个是人和,我们这个团队从2002年起做投资,现在团队年龄层从70后、80后、90后都有覆盖,专业团队的背景也是三分之二以上都是工科的技术背景,应该是老中青三代的结合。我们主要看的方向是大数据人工智能、物联网、这些技术驱动的制造升级和消费升级,我们投资阶段主要在成长期,希望有机会跟大家做交流。

2019-04-12 17:21:40

周奇:

大家好,我是金沙江联合资本管理合伙人周奇,金沙江品牌2005年创立的,是因为金沙江是长江的源头,也就是寓意着我们投资在这个企业的源头上面,而且我们希望从这个沙子里面淘出金子来。金沙江联合资本是金沙江创业投资原来2009年开始做的人民币基金的团队,我们金沙江联合资本这个品牌2017年才创立的,前身就是金沙江创业投资的人民币的基金,我们这个基金现在管理资金规模50亿人民币左右,主要投A轮、AB轮偏早期的方向。我们现在主要投的行业是AI在行业里面的应用,AI的落地、应用。第二个是大交通,第三个是产业互联网,还有一些节能环保相关的行业。我个人的投资方向基本上也是覆盖了刚刚讲的那些方向里面,除了节能环保以外,几乎所有方向都有覆盖。

9.JPG

2019-04-12 17:21:58

徐芳:

各位朋友们,大家下午好,我是银河系创投管理合伙人徐芳,我先介绍一下银河系创投,成立于2017年下半年,我们的标签特别明显,专注在B2B领域,投资阶段是以早期项目为主,天使PRA-A和A轮,投资方向聚焦于四大投资方向,汽车后市场、生鲜冷冻以及工业品,全部围绕以供应链为核心的B2B交易平台,在2017年到2018年一年多的时间内累计已经投了20多个项目,布局相对比较快,今年又是整个产业互联网大热的一年,我们也希望更多的早期B2B的创业者涌入到这个行业里面来。我介绍一下我本人,我之前是在找钢网做投资,在找钢期间主导投资了18个项目,2017年和找钢网联合创始人绕惠刚原来沃尔马中国区CFO蔡老师三个人联合创办了银河系创投,2019年依旧坚守四个赛道里面持续投资B2B。

2019-04-12 17:22:12

丁润强:

各位来宾大家下午好,我是国科嘉和的董事,我叫丁润强,跟各位简单介绍一下国科嘉和,国科嘉和是中科院旗下的一个资产公司,国科控股下面的智投平台,作为中科院旗下最早的也是目前为止管理资产规模最大的VC智投平台,目前我们大概管理的8只基金,覆盖了人民币、美元,从阶段上覆盖了早期的中早期VC、以及成长期PE基金,我们基本上投了100家企业,在国内市场上,全部都是科技企业,基本上过去八九年当中没怎么投过以单纯商业模式来创业的企业,基本全都是纯科技类企业,我们的口号就是做中国最懂科技人员的创投机构。我自己在国科嘉和管硬件,我们这边跟硬件相关的基本归我管,我管的多一点有机会跟大家多多交流。

2019-04-12 17:23:42

惠成峰:

大家好我来自方广资本的惠成峰,我们成立于2012年,主要专注于IT产业的上下游投资,方广资本本身的名字守正,专注于IT产业,广是出奇,更创新一些,在IT产业上游材料到主机硬件,软件都有涉猎,我们主要专注在A、B轮左右,本人在方广资本主要看偏软件、技术创新的项目,之前看云计算大数据更多一点,近些年因为整个人工智能技术的崛起,这方面关注的相对多一些。

2019-04-12 17:24:22

冯瑶:

感谢各位大佬对自己机构和个人的介绍,在这边大概介绍一下云启资本的情况,我们基金也是在2014年成立,现在管理两只美元基金和人民币资金,我们投资定位跟主题非常有相关性,一条是技术投资线,一条是产业互联网的线,在我们大几十个投资被投企业当中主要都是以做To B企业方向的为主,包括企业服务的公司以及做SAAS企业负责的公司,也包括跟B2B供应链交易平台的公司,个人也关注在产业互联网,之前主要投资B2B供应链平台,包括找钢以及垂直行业赛道的企业服务平台。

7.JPG

从我们基金,包括我个人在行业里面也能看到,整个To B的赛道从资本热度的角度也是经历了一个比较大的起伏阶段,早年在2013、2014年的时候,整个赛道有一拨热潮,这个热潮之后看到2015、2016年、2017年To B资本关注度并没有这么高,现在看到特别从去年下半年开始一直到现在,To B赛道的热度不断的在升温,也包括很多基金的关注,也包括类似BAT这样大的互联网公司的进入,所以下面一个主题想跟大家探讨一下,我们也看到To B赛道在最近这一年的时间,开始升温,不知道在座的各位是怎么看待近期这个To B创投的火热?各位是不是认为现在To B投资存在泡沫的呢?

2019-04-12 17:24:59

惠成峰:

方广资本本身只投To B,从我们六年多的经验来看,整体来讲,五六年To B还是在升温的,我印象中,刚开始做这个基金的时候,整体的To B行业看的投资也比较少,基本上也没有专门看必须的基金,整体的估值水平比现在更低一些,同样的,我们也在分析回报表现的时候,也确实发现里面有相当一部分的回报是整体估值的提升,而不是业务的成长。客观来讲,垂直比较这几年确实是在升温。但是这个更多看后面,我们面向未来来看,传统意义中国以前做得比较好的,尤其最近十几年来,互联网、移动互联网To C类的企业,成长速度非常快,规模也非常大。

整个传统意义上To B市场,尤其我个人关注的偏技术、偏软件相关的领域,A股的上市公司,大家看到优秀的企业比较少,整体的估值空间也好、估值水平也好也都有限,但是我们面向未来,因为这个前面很多嘉宾讲到,未来一段时间内,实质上技术To B给中国经济的增长、给产业带来好的变化会越来越多,整体资本市场从我们这个VC、PE阶段甚至二级市场、并购市场对估值体系实现一个重估,也许今天高,后面也可能更高呢,我个人对我们来讲也还好。

2019-04-12 17:29:25

丁润强:

刚才惠总说投To B,我们国科嘉和没有投过任何一个To C的企业,无论软件还是硬件,我比较擅长硬件投资,半导体、集成电路、装备、工业自动化全部都是To B的,因为我们基金无论一线的投资经理还是管理层全部都是从To B起来的,各自都是做典型To B业务出身的,做过科研、研究、产品、大销售、做过创业公司、做过企业,再来做投资,我们对To B这个业务本身的本质还是挺感同身受的。这事儿其实挺漫长的,我们被投企业里面,过去这段时间能看得到有很大的进展,进展来自于几个地方?

技术从技术革新,产品慢慢变得趋于成熟,无论是国产化替代还是创建新的应用,慢慢产品成熟之后,从客户市场导入开始,慢慢开始有了放量的过程他们自己本身慢慢变得越来越好,这是一方面。另外一方面,如刚才主持人所讲的,To C一拨过去之后大家投To B,资本市场对于To B这类项目的追捧程度比前几年要好很多,刚开始没有任何人看这个项目,也没有说这个项目谁谁谁看,比较孤独,现在总能看到同行在看这些的项目或者很多人找被投企业等等,大家对To B项目,兴趣点慢慢也都在起来,很明显的。

2019-04-12 17:29:48

徐芳:

我们大概介绍一下,现在To B不是一个泡沫,是一个金矿,为什么这样说呢?我说三点,第一点,在2017年到2018年,我们做了美国的对标研究,我亲自把美国纳斯达克和纽交所上市公司进行了一次梳理,梳理发现了几项数据,第一,首先现在在美国上市公司当中有50%是To C,50%是To B,50%To B里边一半是交易性平台一半是企业级服务,偏SAAS类的。但是在中国,中国上市公司当中现在96%大部分都是To C的,To B的仅仅占到了4%,所以我们相信在中国未来十年To B企业还有很大的发展空间。

vbox7180_GIN_4249_161427_small.JPG

第二点,目前全中国中小企业有4000万家,小B企业有4000万家,他们贡献了中国GDP的60%,给国家贡献了50%的税收,也是这些中小企业解决了80%的城镇化的就业,所以有这么多小B的存在,而我们B2B做交易性平台本来就是要赋能这些中小企业,帮助他们在整个发展过程当中提升效率,提升整个交易的效率,降低他们的成本,让这些中小企业健康、稳步、快速的发展。第三点,我讲一下整个产业的大的变化,现在为什么说To B这么火热呢?

2019-04-12 17:30:00

徐芳:

三个变化,第一买家变了,现在的85后以及90后全部崛起了,这部分群体的崛起,在各个部门采购部门、营销部门、销售部门希望用到的工具和老一辈的人已经不一样了,他们希望用到移动化的办公,他们可以及时下单,不需要通过QQ、电话。第二卖家变了,上游的这些供应商以及他们这些经销商群体已经有一些意识,他们的产品需要创新,他们的供给侧需要改革,上游的产品+供给端都要进行数字化。

第三整个大环境变化了,现在国家都在倡导阳光采购,并且各个企业精细化管理的要求也高了,加上现在整个中国互联网基础设施已经起来了。基于这三点大环境变了,所以这一系列的变化带来了整个产业互联网的转型升级。所以我们说,也包括我们银河系创投自己的定位,我们在看整个B2B的时候,我们是美国50年前的商业模式再加中国的现代科技的创新相结合的,所以我们坚信,在未来十年中国的B2B一定是一个黄金十年,所以它不是泡沫,而我们一起应该加入去掘金。谢谢!

2019-04-12 17:30:13

周奇:

我觉得To B这个其实有两个层的To B,一个是从我们投资机构来讲,最终用户是B还是C,是这个含义,但是刚刚徐总讲到To B有两个方面,我觉得还得再加一个方面,总的来讲,我觉得针对B端用户有三种需求,一个需求是交易型的,就是B2B的交易,现在也叫产业互联网上的交易。第二个是企业服务,这是对企业内生的需求。还有一类,包括国科嘉和投的比较多,工业生产型的企业。这个从我们角度来讲,因为它的客户是To B端的,我也认为它是比To B的。

To B这个行业到底有没有存在泡沫?我本身生活在深圳,深圳投资企业投工厂类、投工业企业,那就不是什么新鲜事儿,天天都在投这样的企业,我刚才讲了三个板块里面的前面两个板木,一个是B2B交易,一个是企业服务的,这些都是跟互联网直接强相关的这样一些行业,这几年被更多的机构所关注,尤其是被美元基金所关注。为什么在深圳有这么多的企业?一方面,本身珠三角,包括长三角有这样的生产制造的基地,另外一方面,深圳是中小板跟创业板的摇篮,小创板都在深圳,我觉得这个是个热度。

2019-04-12 17:30:35

周奇:   

回到主持人的问题,到底To B有没有泡沫?我认为如果面向生产制造有没有泡沫?我觉得有,但不是很大,前面两块更大一些,什么样的原因?其实还要归咎于美元基金(英文)的一个原因。我看过一个数据,2018年是首次美元基金的投资总额超过了人民币的基金,也跟人民币基金市场不好有关,还有一个数据很有意思,美元基金的单笔投资额大概是10倍于人民币基金的单笔投资额,一上来投2000万人民币,我投2000万美金,差不多是这个概念。

我刚刚To B行业的泡沫,我认为不存在,To B本身这个行业是慢慢的成长的,但是To B的投资行业是有泡沫的,这个泡沫会导致一些不好的事情,什么事情?对于创业者的心态会有问题。我举个小例子,最近看到杭州两个公司都在杭州,两个创业者都非常牛,说我要融资,我说融多少钱?他说随便多少钱都可以,两个亿也行,三个亿也行,反正我估值比较高,多融但也没有关系,他们都没有想好这个钱融来要干吗的,这两家居然是To B的公司,我觉得这个例子算是反例,泡沫还是存在。

2019-04-12 17:31:04

李莹:

在座的各位也了解到现在基金业协会备案的股权投资机构有两万多家,有这么多的供给方,这个市场的泡沫是不可能有的,大家坐在这里B计划的成员都是靠谱的机构,回到整个投资的泡沫话题上,很多人问我,会不会觉得这个项目的估值高?我坚信,估值一定跟企业的成长性是相关的,如果一个企业预见它有很好的成长性,哪怕这个估值是相对高的,只要是合理的就OK,不是简单的绝对说高或者低去定义。从泡沫的角度,前面几位嘉宾分享的观点特别认同,这个市场是鱼龙混杂的,也希望创业者真的要睁亮你的眼睛,我记得基金业协会领导也说过,不需要2万多家的投资机构,200家就够了,我们今天成立这么一个B计划,也是帮助创业者能够提高你的融资效率,找到更靠谱的投资方。

8.JPG

2019-04-12 17:31:32

冯瑶:

感谢各位嘉宾,特别同意周总刚刚说的那一点,其实这个行业从我们看来,存在泡沫的其实是资本跟心态,包括刚才也提到了,我们真的来想,这两年国内互联网公司基本上都是C端的,每天早晨从起床到睡觉有无数个场景,被无数个做C端的互联网公司所包围,每个C端的场景背后都应该有一个相应的供给端,但是你往往在这个消费端能找到一个很大的公司,但是在供给端现在其实缺乏很多不错的供应链的公司,今天非常高兴在座各位都是投To B领域的投资机构,我们有很多共鸣在里面,大家也能一起,从业务的角度,其实不是泡沫,还是在一个初期的建设阶段,也需要大家一起去努力建设的。

回到投资这一点,在座都是投To B的机构,跟很多专注投To C的机构比较来说,很多人说To B的企业它的成长路径可能会相对线性一点,它可能一年三倍、一年五倍,已经很早的增长了,但是To C有的是爆发式的增长,很多人说,那是不是意味着我们投资To B就比较需要去熬或者去等待,以及你这个需要投入很多的精力在里面钻研,追问一下,这个问题给各位嘉宾,大家怎么看待这一点的?以及大家在投资To B整个投资逻辑是怎样的?

2019-04-12 17:31:50

李莹:

其实从我们元禾重元来讲,我们团队2002年开始做股权投资的,也是经历了行业发展的很多周期,也见证了很多无论To C还是To B的投资,从我们现在的投资逻辑角度,我们首先强调是研究驱动,这是对整个团队组织最根本的要求,因为To B的项目一定不是一蹴而就的,我们在看To B项目的时候,因为我们主要是投成长期的,不光要看这个技术的领先性,我们还是要关注很多的维度,包括做To B的团队,这个团队也不是很多。

像以前To C有一个想法就能做成一个To C项目,在To B领域里面的投资,我们所投的这些项目创业者,其实他都是有相对长的行业经验,他自己经历过这个行业的一些历练,积累了很多经验,无论从技术、市场、各方面的资源都是打磨过的,这样的团队我们会更认可一些。除了团队以外,我们关注刚才提到技术,还有就是从市场,从它的整个治理结构、从它未来的成长性都是我们作为一个投成长性的机构,我们会更加多关注一点的。

2019-04-12 17:32:13

周奇:

我觉得还是要从交易跟非交易两个方向分开来讲,交易型的企业我们也投了一些To B的交易型的,一年成长了5倍、8倍,也很正常。但是如果说正产制造型的,目标是3倍、5倍,一年有30%到50%的增长,已经相当不错了,这是要分还来看的。对于生产制造型,我们其实做过一个小调研,我们2017年在搞公司投资过CEO年会的时候,我做了一个小统计,我们自己公司的人站起来看看,博士有多少?

4个人举了手,我问创业者,我们投过所有创业者,非博士有多少人?4个人举了手,说明我们投资过的,如果说技术类的,硬科技驱动创业公司的老板基本上都是博士毕业的,我们投资人读不了博士,所以干不了创业的事儿。其实博士毕业不要认为他就能创业了,博士毕业只是刚刚研究入了门,博士毕业之后,研发产品花三年,产品出来了以后市场验证花三年,市场验证完了以后开始商量又花三年,必然的这个过程就是非常长的。

2019-04-12 17:32:33

周奇:

从我们角度来讲,投资点在哪个点位比较合适?我们说的比较公力,当然不希望博士一毕业,陪他跑后面的九年。你这个产品能不能落地,至少在第二个三年,产品出来了能够被市场验证,而不是闭门造车,造出来的情况下是我们比较好的投资点,我们作为A轮投资人来讲比较好的。我们一定要防止闭门造车,我们投了一家企业科创板已经受理了,也是一个博士,跟刚才说的模型是重叠的,我说你这个找产品开发的时候,你找新产品的时候,你是通过什么点来抓的,是不是自己考虑这个方向,有这么一个需求,做了一个产品?他说不瞒你说,十多年创业来,我们想了N多的想法,没有一个是成功的。

说明什么问题?即便你已经在行业里面,再去原发性的考虑一些想法,想把它验证了以后,使得市场验证,都有很大的困难,所以一定要从这个需求出发。所以综合来讲,这第一个,我们希望产品能够落地,第二个,你的产品一定是从需求出发,这是我们喜好的To B的投资路径。谢谢!

3.JPG


2019-04-12 17:32:49

徐芳:

针对主持人这个问题,首先To B是不是特别难熬,以及我们的投资逻辑,我简单说三点,第一点,To B开始的时候要做好熬的心理准备,这是我们看了大量的案例,一年刊几百个B2B的案例,所有创业者一定要有一个好的心态,首先要思考的一个问题,你的客户是谁?你为你的客户带来什么价值?我举两个例子,一个是汽车后市场,汽车后市场在前几年有好多投资人,有上百亿进入这个领域,其实跑出来的企业凤毛麟角。

第二个案例,有三类客户群体,中小型的小B,街边店,大中型、中型的连锁酒店,第三类客户学校、医院、机关,大中小B的客户不一样产品类型不一样,进入一个行业的时候壁垒在哪里?速度怎么办?好多创业者一上来,三类客户都服务,三个产品体系全SKU、单SKU,这些问题大家要想清楚,早期To B打磨商业模型的时候一定要多花时间,把你的客户研究透在这个行业究竟要解决哪个问题,解决这个问题其实不是一上来能想清楚的,而是在0到1的阶段需要去不断打磨你的商业模型,这是第一点。

2019-04-12 17:35:08

徐芳:

第二点,说一下我们的投资逻辑,我们喜欢投三类商业模型的创业公司,第一类是供应链+SAAS,只是单纯从SAAS工具切入整个行业,目前比较保守,因为你下游买家或者上游的卖家他们关心的问题是,跟你合作之后,我能卖出什么量,卖到什么价格买家的心理很简单,是不是从你这儿便宜进货,我想要的时候是不是有,这两者相结合是非常好的商业模型。第二类的商业模型叫做你能够扩产品扩门店,典型的是To B领域能够明显对标名创优品,名创优品研究的非常深刻,整个To B领域寻找这样的心态,我们在汽车领域投了三头六臂,在生鲜领域投了欢乐番茄,恰恰这两个项目现在跑得非常好,整个是一线基金全部在抢的两个项目,所以这样的商业模型梳理清楚之后比较好。

第三类是B2B2C,比较典型的是新康种(音),一开始门店是几家,全部是自营门店,一家家开起来的,早期资本也是非常观望的态度,从去年阿里投了40多亿起来之后,其他资金都进不去了,想清楚你的模型之后逐步的标准化,打磨清楚之后再疯狂地扩张,切忌一上来疯狂的全国化,那是一个误区。

2019-04-12 17:35:21

徐芳:   

第三点,我们选择创业团队的时候,B2B领域的创业者,CEO大部分来自于传统行业,来自于产业,在早期我们要想我这个行业里面做成一家独角兽企业,做成一个上市公司,团队的搭建一定要找到互补性极强的合伙人,并且这个团队要有稳定性,这些合伙人过往有过合作,有一定的基础,切忌很突然地从一个外面的行业拉一个人进来,因为引入一个人的成本很高,但是他加入之后如果带来不了一些力量的话,也是一个损耗,引入人才大家值得花半年时间频繁跟他接触,越优秀的人才越值得去挖。B2B的创业者一定要引入债权,股+债是非常好的模型,股权融资之后频繁地跟市面上的银行,信托机构去接触,因为我们看下来基本上是一比一甚至是一比五的配比,股权融资成功之后,给你业务带来很大的发展,这是在选择团队的时候,互补性的团队,要有债权融资能力。

2019-04-12 17:35:33

丁润强:

我们硬件投的特别多,并不是熬或者泡沫的问题或者很难熬的问题,因为世界任何事物发展遵从一个自然客观的规律,我们拿装备举个例子,装备也好、半导体也罢,你说今儿有、明儿就有的吗?绝对不是。一个企业投技术驱动或者创新驱动,首先一个好文章不等于好技术,好技术不等于好产品,好产品不等于好的生意。这里面经过很多的环节,一个好的技术,这个技术能不能转化?首先技术是不是真技术?是真技术还是伪技术,这是第一点。第二点,能不能转化?能不能工程化、产品化?如果工程化、产品化了,有没有真正的价值?价值有多大?付出哪些额外的代价把价值才能发挥出来?

10.JPG

对于创业者也好、投资机构也罢,驱动背后技术的时候要有清醒的认知。对于创业者也是这个道理,VC投资、天使、PRA-A轮(音),从小试、到中试、放量的过程,所以创业者也好,过去从科研背景出身的创新者也罢,他应该对我在不同的阶段所要面临的挑战和困难以及遇到各种各样的技术,这样才知道在那个点该有什么样的方法或者需要谁来帮忙,对发展路径有一个清醒的认识。

2019-04-12 17:35:44

丁润强:

第三点,我们投装备确实比较多,周总说他们团队有4个,创业团队都是博士,我给你另外一组数,没有一个年轻的,我们被投企业CEO也没有年轻的,都是名校985甚至海归,硕士、博士、博士后,好多年科研,学术都特别好,从来不担心他们把一个能力做出来,但是最后能不能卖掉是一个很大的问题,要么自己很快的学会怎么去把膝盖骨放软跟人怎么做生意,要么开放胸怀,引入好的团队成员把事儿做起来,对团队成员的构成要有一个清醒的认识,我投的那一瞬间要面面俱到,这不一定,就像我说的,从小试、中试里面,发展阶段不同阶段需要不同的人、需要不同的资源,但是这个意识和胸怀是前提。

2019-04-12 17:35:56

惠成峰:

我们面临的商业环境比To C复杂一点,客户决策周期到上下游的关系,整体我们把它总结成一个形态来讲,To C的成长更像是飞机起飞,从这个公司一美金到10亿美金时候的状态不会差异很大,但是To B不一样,从产品出来到卖出去给几个客户,到大规模的销售甚至到最终做出非常强的生态竞争力来看,是一个上台阶的过程,上台阶可能每个阶段需要盘子,客观规律吧,我们遵循就好,我们蛮期望从投资机构本身到创业者,对于客观的规律,认知要相对清晰,更重要的是要一致,大家认这个事儿就是这样的。

最好的项目是创业者很清楚的事儿,我们就放心了,上市再找我。这个时候也需要有些容错,更多的是看创始人的整体商业能力和他的胸怀、他的分享精神、他的影响力、格局,能不能在每一个阶段、每一个台阶的时候,面临不同困难的时候,能最快的在这批竞争对手中走出来,走入下一个台阶,建立更强的竞争优势,我们看的也不少了,客观地去面对这些就好。

2019-04-12 17:36:09

冯瑶:

感谢各位嘉宾,我很同意惠总的比喻,有时候To C的增长像坐飞机一样,To B的增长有本质的商业规律,是一个台阶一个台阶走,公司从0到1,1到10,10到100,每个阶段有每个阶段需要突破的点,我们自己投过很多供应链的公司,0到1是他自己商业模式的突破、产品的突破,1到10是单位模型的打磨,可能是团队的升级,10到100更多的是一个扩张之后的东西,每当突破瓶颈点和问题点的时候,也能看到他在这个阶段能够有不错的增长发生。

所以有没有足够的能力和经验解决你在企业过程当中每个阶段面临的问题,刚刚丁总也提到了,跟我们也很像,我们特别重点想去看这个技术驱动和模式驱动,给这个行业带来的一些创新跟效率提升,这有一个主题词是技术这一点,在座各位也投资蛮多技术驱动的企业,下一个话题跟大家探讨一下,各位都会关注哪些底层技术,会重点比较看好哪些技术跟产业的结合、应用的方向。

2019-04-12 17:38:23

惠成峰:

近几年市场比较热的还是人工智能、数据相关的,我们也在投入相当密集的力量,这些技术怎么去应用、怎么结合行业,结合自己简单做一个分类,原来从工种来看有脑力工作者、体力工作者,以往的信息技术从第一拨信息化,从量上解决脑力工作者的问题,有太多业务量记录不下来,完成第一拨信息化。体力工作者也是一样的,因为装备比较多,工业机器人就是在解决人力气不够的,我们今天都不知道金字塔怎么造起来的,实际上解决脑力工作者、体力工作者做不到的问题。

11.JPG

今天人工智能数据更多解决效率的问题,但是因为中国今天发展到了这样一个阶段,我们观察前几年,改革开放以来,中国更多是要素驱动,其实是人类资源投入、资本投入在推动中国经济发展,中国的GDP增速实质上慢于人工智能的增长,这是很奇怪的事情,一定要转型,我们更多强调技术带来效率提升,这种情况下技术跟数据在方方面面去降低我们企业的成本,提高企业效率。

2019-04-12 17:38:41

惠成峰:

治理这块,原来信息化改造非常好的,以金融、电信为代表的行业,应用人工智能技术去减少人员,体力相关的工作其实还是在产线、工厂,传统制造业多一些,这些地方原来因为整个装备的成本还是比较高的,我们看到只有汽车高价值体量非常大的行业在用智能化的技术,智能装备会多一点,但是今天随着技术的导入,整个成本也大幅下降了,我相信在很多相对来讲附加值低一些的行业,有大量的智能化技术去渗透,这个就是我们看的这些观点。

2019-04-12 17:39:08

丁润强:

我用三个词来说说我们的观点,因为技术驱动,补短板、新场景、拔高线,我给大家说一下什么意思,补短板大家都明白,无论硬件、软件,核心大到什么工业机器人或者大的重型机械,小到半导体或者硅基集成电路,解决卡脖子的问题,这里边有非常巨大的空间、有非常巨大的事情需要做,大家可以挖掘,这是第一点,非常关注的,我们过去来这么践行的。第二点,新场景,一些新的技术,全世界大家都在新的应用领域,像云计算、大数据或者今天提供人工智能,把这些新的技术和新的场景、新的商业场景、新的运营场景的结合,创造出新的价值可以是医疗、可以是安防、可以是信息安全、可以是新零售,新场景的技术结合。

第三点,拔高线,有些技术我们是不比任何人慢的,不比任何人落后,甚至可能引领世界前沿的,我们现在人工智能里面自动驾驶不比任何人差,我们中国还有一个独创,量子通信,也是全世界最牛的在中国,我们叫拔高线,引领了世界的前线。所以总结下来,第一,解决卡脖子的,第二,一起找能落地的新场景,第三,能够引领世界前沿的热点,都是我们非常关注的点。

2019-04-12 17:39:27

徐芳:

新技术从整个产业链来看,我们在看整个产业链的时候分为三段,上游的生产端以及中间的流通端,下游的零售端,从上游生产端而言,对于工厂从原材料的采购、产品的研发到整个排产计划的销售是一套系统,IMES的管理系统,中间的流通端称之为整个供应链管理的核心,包括采购、销售、仓储、物流、金融,最终到整个零售端,到达我们的小B端或者到达C端,这里面涉及到ERP管理系统、CRM各种营销工具。

所以从整个产业链拆分成三段以后,每一段需要的技术系统不一样,技术能力也是不一样的。在中国我们投了一个医药的项目,全球80%医药耗材全部在中国生产,整个产能是在中国的,在山东一带有大量的小型工厂,如果说一上来给他非常高科技的工具,给他提供物联网,他们也是非常排斥的。在这个阶段,如果帮他降低原材料的采购成本,他们是非常关注的。我想表达的意思在分为三段之后,我们的技术工具运用在哪个场景下?在哪个场景应用?如何去运用?找到什么样的客户群体是需要我们深度思考的,这是第一。

2019-04-12 17:39:52

徐芳:  

第二,我们的技术工具,包括AI人工智能、大数据,与产业相结合的过程当中,具体某个场景很重要,场景里边的一个点,从一个点开始,我举个例子,在整个产业里面投了一个项目,从支付的点开始切入,对账,上下游的对账,上游开发商到二级批发商、到零售终端,有时候层层对账都是电话里面或者纸质,我们给他们一个工具之后,整个产业链里面的对账全部留存在这个系统里面,这个月卖了多少货、赚了多少钱,曾经是他们连这个账都对不清楚,包括下游这个月赚了多少钱都是不知道的,因为有微信、支付宝,网上银行的转账还有非现金,做了一个聚合之后,支付是这一个点切入进去,对于3C批发市场、汽配领域、服装领域都会带来很大效率的提升,这也是技术给产业带来的一种优惠。

2.JPG


2019-04-12 17:40:11

周奇:

硬科技如果从底层技术来看的话,我们还是比较看好人工智能大的板块,去年有一篇统计,刚好是猎云网竞争对手,我不讲名字了,某某网做了一个人工智能在13个领域的投资趋势,投融资趋势的分析,我们对标了一下投过的AI企业,放一放,大概13个领域,8个领域都有涉及,另外法律这些可能比较窄,我们就没有去布局。所以可以看到,AI人工智能在各个行业里面的应用,这个逻辑性还是非常强的,尤其是To B的,AI最先落地一定在To B端,To B端给人家省钱,To C端给人家要钱,一定是To B端省钱来的落地速度要快,这是我们特别看好的一个方向,长期看好的一个方向。这里面包括金融科技、工业制造、先进制造等等。

再做一个细分,大家应该很清楚,孟醒也提到自动化检测,我们也关注了一个行业叫做面板行业,这几年中国LCD面板从BOE也好到华星光电也好投入量非常大,做了行业调研,一年有8000亿的设备投资,我们梳理一下发现,真正咱们中国企业能做得到不足10%,光刻机、镀膜机(音)这些都是被国外企业所占领的,一点机会都没有,现在都是涂胶、检测比较边缘的,那也没有关系,从这些开始,哪怕10%的市场份额也有800亿。所以我们觉得中国整个工业行业量还是非常大,说实在话,我们原来也投过世界领先的,国家科技进步一等奖的,划时代的产品,结果周期非常长,熬个十年差不多,我刚刚说了,三年又三年,三年完了再三年,花十年时间才能最终量产化。但是如果说创业者的角度或者从投资机构逐利的角度来讲,至少未来近十年内,进口替代依然是一个不变的话题。

2019-04-12 17:43:12

李莹:

我们在投资当中关注四个方向的技术应用,第一个,从智能制造的角度,从自动化到数字化、到智能化过程当中也有很多连续性创新的几乎,包括很多AI的应用,所以这一块是我们比较关注的。第二个,我们关注的是在大数据、云计算这块,因为我们已经投的项目,包括像云Cloud,公有云的项目,做云安防的,像同盾科技、达观数据等等都是在大数据、云计算方向上特别看好的一些企业,在这些领域会特别去关注。第三个,我们觉得在汽车和出行的方向,无论车联网还是自动驾驶,我们在新能源汽车里面电机电控,刚才周总也提到了进口替代,包括我们自己的产业升级的机会,我们也会特别关注。第四个,我们特别关注的一个应用场景是技术驱动下的消费升级,尤其是包括精准营销、教育信息化这些都觉得还是有很多的空间可以去发掘的。谢谢!

2019-04-12 17:43:22

冯瑶:

感谢各位嘉宾。刚刚也谈论了蛮多,大家对行业、对赛道以及对资本投资的看法,在座有很多创业者,虽然时间有限,但是我觉得最后一个问题也是能让各位嘉宾给在座的创业者分享一些,大家对创业者的建议,一方面看到,虽然现在BAT入局把整个资本赛道给带热了,但是BAT从某种层面来说它也是半个竞争对手,在这种竞争态势下,我们刚刚也提到To B创业相对是一个比较漫长的过程,在这个过程当中,各位嘉宾对创业者这边有什么样的建议?有什么破局之术建议给我们的创业者?

李莹:

我简要说十二个字,一个是门当户对,第二个是志同道合,第三个是水到渠成。

2019-04-12 17:43:32

周奇:

可能有很多的观点,我提一点,更简单一点,我们发现很多To B类的项目,所谓的To B类项目,你的客户是确定的,哪些方向基本确定了,如果你那个技术也好、产品也好是非常新颖的情况下,你还真得需要找到一个你的目标客户陪你玩儿,我们发现现在做港区无人驾驶的,最近看了一家公司,终极车辆,在整个港口里面的半挂车全球龙头老大,如果说做物流的,找普罗斯投一点,最近投了矿区无人驾驶,找了一个下游,专门给矿区做人力外包,觉得人太多了,我们有很大的痛点,无人驾驶来了以后,能把我的车改造成无人驾驶,跟你一块运营。但是你会发现,这些To B的玩家,你要把它搞进来也不容易。所以你在做创新型项目的时候,你能把你的下游、目标客户能够通过股权的方式或者什么样的方式,你要进国网、南网怎么进,做科技项目,这是必由之路,不做科技项目,连门都没有。

vbox11146_056A7790_162655_small.JPG

2019-04-12 17:44:00

徐芳:

说三点给B2B领域,第一点,在做商业模型里面高度重视现金流,B2B涉及上下游客户比较多,现金流也非常重要,如果涉及到垫资的业务要去考虑如何将下游客户分为现金客户和预收,上游的客户做到后付,从一周七天的账期不断拉升到一个月、两个月、三个月,平台的现金流就会非常好了。我们账期足够长的时候,平台有现金流,可以逐步的把我们的业务扩大,做到规模。第二点,敢于创新,这个创新体现在两个方面,一个是供给端的创新。

第二个是流量端的创新,供给端不断思考产品有什么样的创新,现在家居行业还有哪些产品是C段消费者、小B端是一个流行趋势,是否可以替代这个工厂或者指定一个工厂做OEM、ODM,产品要不断的去创新,就像名创优品,整个小产品系列从化妆品到日用百货类,不断创新影响90后或者三四线的人员,流量的创新B端创业者进入这个时候的,多借鉴C端的玩法,非常低成本的获客,不是拉地推团队,而是利用抖音、快手新型的平台低成本获客。第三点,我们要充分利用中国智能制造的红利,以及现在新型品牌的溢价红利,再加现在消费升级起来带入我们下沉到三四线城市的红利,我们把这个商业模式提炼为制造型零售,我们充分利用制造的红利加品牌溢价的红利再加下沉的渠道,做成一个制造型的零售企业,在B2B这样的商业模型在未来会有很多。谢谢大家。

2019-04-12 17:44:11

丁润强:

第一个,调整心态,调整心态无论对待投资方还是对待竞争对手,还是对待市场环境,还是对待自己的产品研发进程,要调整心态,因为To B业务里面还是那句话,冰冻三尺非一日之寒,没有人能够一蹴而就的,不用被一些表面现象所吓住了,也不用妄自菲薄,还是要调整自个儿的心态,稳扎稳打的业务为王。

第二个,聚焦和关注,不用再多废话聚焦关注的含义了,To B业务里面虽然都知道想要从项目作为切入点,未来能做平台,但这事儿不是想玩儿就能玩儿的,还是以自个儿垂直一个点,切进去,挖深、挖细、挖牢固,再去关注到你无论横向还是纵向这样的可能点,要聚焦和关注。第三个,多融钱、早融钱,连续融钱,调整自己的心态。

2019-04-12 17:44:21

惠成峰:

大家谈了更多比较宏观的观点,刚才主持人提到了,类似BAT或者巨头玩家,其实跟BAT也有一些合作,有几家公司也是BAT投的,从我们的感知来看,还是追究大快好省,干基础设施,落地场景化、行业化、应用化的场景相对来说弱一些,他们偏好上不想做这个东西,作为创业者来说,如果仅仅是这种的话,把自己做的苦一点、累一点,更加场景化一些,也有更大的空间来做。

2019-04-12 17:45:00

冯瑶:

嘉宾给创业者提出很好的建议,再补充两点,第一点,关键词是成长,刚刚我们也提到,每个公司的发展都是阶段性的,每个阶段升级打怪的内容不一样,无论CEO自己还是创业团队,在每个阶段是不是能够掌握这个阶段核心必要的能力跟你的团队是不是足够的互补,能够具备这个阶段不同的能力,能不能自我成长是非常重要的。

vbox11146_056A7747_161858_small.JPG

第二点,借力,包括自己的力、身边资源的力以及杰森也提到债权、股权,你的资源方,To B最终一定需要打造一个生态,无论产品生态还是供应链的生态,能够借力是很重要的。所以在这边其实也回到点题上,发布B计划以及台上诸多投资To B方向的机构,我们今天在一起也是希望能够形成这么一个关系链,能够帮助更多的创业者更好的成长,投资机构能够发最好的项目,能够相互成就。非常感谢各位嘉宾。

 

2019-04-12 17:46:59

分享嘉宾:北京邮电大学人机交互与认知工程实验室主任、科技委人机融合智能组首席科学家 刘伟教授

分享主题:未来智能产业:从人机融合视角出发

1.JPG

2019-04-12 17:48:19

刘伟:

非常荣幸来这儿给大家一块探讨人机融合这个话题,大家知道,现在人工智能已经发展到了一个非常热的程度,大家很关心一点,人工智能下一步应该怎么走?今天分享这个话题的同时,我也提出一些个人的看好,因为人工智能的趋势和发展造成了很多产业的飞速进步,同时也带来一些问题,这些问题怎么克服呢?也在咱们研讨里边,可见一斑。

今天我给大家演讲的题目主要侧重于技术,主要从人机融合的视角来出发,看未来智能产业的发展,我们首先看一下,未来的产业发展,我认为有两个很突出的特点,第一个是传输,5G这个时代已经到来,这个时代的到来将会引起信通革命性的变化,相比以前4G、3G。

2019-04-12 17:53:07

刘伟:

而人工智能现在也走入了一个新的时代,这个时代将从以前的关于算法的、数据的和算力的走向了和人结合、和用户结合、和设计师进行结合、和体验进行结合,这个结合将会影响整个未来人工智能领域的发展。我们可以看一下,以前人工智能有三大领域,这是三个最有代表性的人工智能的系统或者平台,第一个是1997年卡斯帕罗夫被打败的深蓝系统,当时他赢得了一片赞赏,为什么会赢得那么大的振动?因为在人类历史上第一次出现了机器比人类更强大的一个概念,这个概念的引入使大家有兴奋也有担忧,这个担忧实际上卡斯帕罗夫用他的实验来验证是多余的,为什么多余呢?

很多专家做过类似的案例分析,我在这里不再赘述。卡斯帕罗夫下来以后,他和另外一台计算机,和深蓝又进行了博弈,在博弈的过程中,卡斯帕罗夫认为他和一台机器结合在一起,还不如他一个人和深蓝进行博弈,1+1没有大于1,1+1小于1,这个现象的出现给大家造成一个错觉,原以为人和机器结合在一起形成比人更强大的力量,结果适得其反,尤其是在智力上,在生理上,汽车、飞机这些传统的运输工具已经把人的体力远远进行了革命,但是在智力上却没有做到类似的工作。

2019-04-12 17:53:21

刘伟:   

第二个是沃森,这个系统是IBM开发的又一个非常厉害的人工智能产品,但是这个产品缺点只能对固定式、确定式的问题进行快速、准确、大容量的搜索和回答,但是对于像这种主观性的、描述性的问题,它往往回答的不是太好。因为人类对这两个How和Why没有很好的回答,机器代替人类的目前看来还是比较遥远的梦想,这个梦想在智能医疗上得到了验证,现在IBM在医疗上做的不是太理想。第三个是阿尔法狗,分别在围棋和游戏当中取得了令人瞩目之的成绩,但是它们同样也存在着一个问题,计算和认知隔离,只有计算没有认知。通过这三个系统和产品可以看出,目前人工智能的发展主要的缺点,受到大家关注的不足在什么地方。

2019-04-12 17:53:39

刘伟:     

我们认为,维罗的趋势是人和机器进行融合的时代,这个时代分为以下几个部分,深度的开发人类的潜能,比如说人的洞察意识,人的认知;第二个是要把机器的计算和人的配合结合在一起,而不是为了快,而不是为了精确,而不是为了更大的精确容量而进行评比,而更好的为了和人结合,我希望在座的企业家、投资人和用户一定要关注这个,因为你的产品再高档、再牛,如果没有黏性,再好的人工智能产品也就是一个广告,也就是一个阿尔法狗,阿尔法狗就是一个大广告,因为它不实用、它不落地。所以我跟大家说,未来的人工智能发展将以人机融合,智能的贴合度,混合的密切程度来衡量。

2.JPG

它主要表现在几个方面,第一,主动的推荐,未来的产品一定要有主动性,什么叫主动?什么叫自主?这个概念我问了很多人,很多人都回答不了,其实这个问题是非常抽象的,自主和主动这种产品一定包含心理学,甚至包括哲学,比如说,主动里边包括了记忆,它存储不是,存储是精密的,记忆是抓特征的,它包括了期望、匹配、选择、控制等等一系列的模块。

2019-04-12 17:54:06

刘伟:  

所以这个主动系统是非常复杂的,但是目前我们碰到的系统里边能做到主动的非常少,因为在咱们的团队里边大部分都是理工科,刚才我听了一下,说是博士多少人,我给大家说,刚才我说的那三个系统,深蓝、阿尔法狗还有阿尔法星还有IBM的沃森,他们的团队里面有大量的复合型人才,阿尔法之父是剑桥大学计算机系的研究生,他特别喜欢围棋和国际象棋,而且对经营管理,对于商业有浓厚的兴趣,他是非常复合的人才。在这些好的系统里面一定要有复合型人才的参与,而不仅仅是博士、硕士,而不仅仅是海归,如果没有复合型人才,大家要小心。

第二,这个复合程度是如何能够有机的结合在一起,表现在一个很重要的特点就是交互的学习,一个系统如果没有非常好的学习性,是人类的学习性,而不是机器的学习性,因为现在大家看很多学习,动不动是机器学习,循环神经网络之类的,大家注意,那是个隐喻,并不是真正的学习,人类的学习和机器学习最大的不同,人类学习能够产生一个范围不确定的隐性的知识和秩序,这个东西机器学不来的,这种隐性的东西造成意料之外的事情。比如一些孩子,大家观看一些小孩,他们成长里边,他们今天学了一个概念,他们会在你意想不到的地方使用这种概念,机器做不到,机器很难形成隐性的知识。

2019-04-12 17:54:17

刘伟:     

第三,高效的容错,这个能力是人和人之间打交道的时候天然具有的一种能力,而机器恰恰就非常欠缺这种人机容错的能力,它非常的规则、非常的概率、非常的统计,但是它很少容错。这就造成了人机之间的大范围的或者深度的割裂,所以我们经常说,现在人机交互最好的产品是什么?就是它,就是这个,目前在这个星球上人机交互最好的一个案例,就是手机,大家看你用手机的时候,从来不会和它过不去,所以很多大型的人工智能,它的切合度是非常差的。

第四,混合的决策,在所有的人机融合的过程当中,混合的决策里边有很重要的特点,就是人带有责任性、带有风险性,机器没有,机器没有任何的责任、没有任何的风险,它决策的结果,你敢不敢用还是由人来定。所以这四方面就造成了人机融合里边非常大的困难。大家在选择好的项目、好的产品、好的系统的时候,也要考虑这四个方面。

2019-04-12 17:54:27

刘伟:     

我们可以看一下,我们对人机结合有三个认识,第一个认识是人机交互,第二个是人机融合,第三个深度测试感知。人机交互很简单,就是脖子以下,人的生理和机器的物理进行结合,包括可达域、视域、听域,这种叫做人机交互。对于脖子以上,人的大脑和机器的电脑进行融合的时候叫做人机融合,人机智能融合,目前最差的是人机智能融合,而研究人机智能融合的切入点实验室在做深度态势感知。

刚才几位嘉宾在谈整个投资形式和行业结合的时候,有一个嘉宾提到了态势,其实大家注意,态势感知非常重要,你有了视感、有了态感,能够感、能够知,这个事情就好办了。我们把深度测试感知分成了五大块,第一是深度,第二是太空间,状态空间,第三个是趋势,第四个是感觉,第五个是知觉,它是人机融合的切入点,它涉及的范围非常广,不但涉及到数理和物理,而且涉及到管理、生理和心理,以及像法理等等这些环节,它是一个复合型的概念。

2019-04-12 17:54:37

刘伟:    

目前我们深度测试感知了一下当前的人工智能发展,我们做了一个小小的比喻,可能不是很恰当,第一,计算智能,目前认为现在的计算智能就像第一个图叫做刻舟求剑,试图用过去的数据来描绘未来,这是很可怕的一个陷阱。第二,感知智能,我们比喻成盲人摸象,只知一点,不知全局。第三,认知智能,我们叫做朝中丞相,简单的切换,没有产生更厉害的,大家期望得到的东西,这个就是第四个图叫做塞翁失马,一个项目经理能够产生塞翁失马的洞察力,能不成吗?这是我们给大家的建议。

3.JPG

人机融合对未来产业的影响,我给大家做一个简单的展望,第一,关于5G它的发展,更大的带宽、更低的速度、更低的延时以及更高的可靠性,它的本质就是在人机融合里面,把人、机和环境变成一个大系统来看,人、机、环更重要的是人,什么样的人,包括设计师、用户、管理者、投资者都是人。

2019-04-12 17:54:47

刘伟:  

机包括两块,一个是你的系统或者产品,第二个是机制、机理,机制是管理科学,机理是科学方面。第三个是环境,包括自然环境、社会环境以及团队的协同环境,任务环境、目标环境,这都是环境。所以人机环是解开人机融合的一个重要的钥匙。人机共融可以实现未来的产业互联,它主要是体现在以下这几个方面,第一,精准的感知,第二,深刻的画像,第三,自然的交互,协同的感知和计算算机的融合,包括5G结合在一起实行更快、更高、更强,这是奥运会的口号了。

在这个领域里面,大家可以看一下,人机融合的布局将会影响整个社会的发展,无论从人的饮食起居还是从国民经济,这是一个非常重要的领域,在这个领域里面,我们对To B创业的建议有三块,一是要找对人,刚才强调了,要找到复合型的人或者是复合型的团队,除此之外,有一项特别强,在某一个单项方面特别强也可以,这个技术,一技绝胜,把对手甩的远远的也可以,未来颠覆性创新在复合型人才或者边缘的交叉上。

2019-04-12 17:55:03

刘伟:  

二是要产生正确的机制,不但要有好的机器产品和系统,良好的管理机制,这个机制对保障整个团队的运行和系统稳定的可靠性非常有帮助。三是好的环境,有无良好的上下游环境和发展空间等等。在这儿给大家强调一点,现在技术和资本的矛盾愈演愈烈,周围有很多朋友抱着非常好的技术,不敢让他们参与,我问过他们,他们说怕被绑架,不知道大家理解不理解?资本希望短期内有回报,但是这种迫切性往往是很多技术不敢主动出击,不敢积极地容纳。

4.JPG

同样,好的一些产品、好的一些技术,它需要链,需要资金链、需要物质链、需要供应链,但是大家注意更重要的他需要认知链,一定要有认知链,关键核心的东西是塞翁失马是个洞察,你得透过表面现象看本质,有这个能力再下手,可能更准确、更可靠、更稳定,如果养成不了这种习惯的话,对于很好的技术,在你眼里很可能就是一块石头,它不是一块玉。所以通过我个人的一些体验或者一些感觉,我提出一个想法,大家一定要洞察,除了计算、算计和感知、认知以外,更重要的是形成洞察,形成洞察以后会产生意想不到的结果。

2019-04-12 17:55:17

刘伟:   

另外,还有一个现象,我想跟大家分享一下,在人机融合里面,其实人更多做一些正确的事儿,把握方向,它更关注势,把握趋势,机器要做一些正确的事儿,正确的做事儿,它关注态,状态空间,能够算得快、算得准,而人把握方向,有点像老婆和老公的关系,老婆在家里一定要把握方向,老公好好干活,这是人机融合的一个肤浅的理解。其他的想给大家分享的,因为时间原因,有机会可以共同去探讨人机融合在智能产业里边的方方面面。谢谢大家!

2019-04-12 17:55:36

分享嘉宾:贝昂科技国内事业部总经理张 培峰

分享主题:中国“智”造:技术驱动产业落地

5.JPG


2019-04-12 17:57:18

张培峰:

我讲的声音大一点,好多人已经打瞌睡了,我声音比较尖锐,给大家提提神。其实我三点多钟到了会场,听了好久,说实话,基本上没有听懂,为什么没有听懂呢?第一,我们贝昂既不是To B领域,也不是人工智能,但是投资人还是让我们来了,他觉得我们应该来,大家想想,投资人是什么人?

前知500年,后知500年的人,他们决定一般没有问题,在家里想,我说投资人为什么让我来,最后终于想明白了,我们跟人工智能还是有一些不太一样的地方,在哪里呢?我们都是科技型企业,作为一家科技型企业,在发展的过程中会遇到很多问题,而这样的问题贝昂科技可能可以现身说法,而且站在一个C端,大家不常接触的一个C端给大家现身说法,可能有不太一样的感觉。

2019-04-12 17:59:32

张培峰:   

在座的各位都是人工智能领域的先驱,今天很可能是第一个杀入这个行业的,天下大势、行业大势大家应该清楚,但凡闻到了腥味,后边的跟风者就会蜂拥而上。当你的先发优势失去的时候,你该如何在这竞争对手当中脱颖而出呢?所以说我想来想去,今天这是我跟大家分享的一个议题,科技立身的企业一般都是一穷二白的,当你失去先发优势的你该如何后发制人?在这块贝昂比较有发言权的,因为我们在一个最不需要科技含量的领域,在竞争最激烈的领域,反而用一个最科技的方式完成了一个逆袭。大家可能要想,到底什么样的行业才是最不需要科技含量的一个行业?

到底什么样的行业才是竞争最恶劣的行业?这个行业是大家前两年比较熟悉的,空气净化器行业,前几年用户对空气净化器的需求,跟老光棍找老婆是一样的,科技在这里没有任何的发挥余地,这个行业恰恰又特别的门槛低,只要有人想进入这个行业出个门,去一趟佛山或者中山,200台的订单量能贴一个自己的拍子,肩并肩飞上天的感觉,这个行业就是这样的情况,科技没有发挥余地,格力、美的这样的巨头还有小米、360跨界打劫团伙,让你根本无所适从,恰恰在这样的竞争化学下,贝昂科技以最科技的方式完成一个转身,转身到什么程度?

2019-04-12 17:59:50

张培峰:

除了2018年、2019年空气净化器行业哀鸿遍野,贝昂依然保持了强大的增长,另一个重要的里程碑,小米这家企业毁誉参半,小米最霸气的是充电宝和空气净化器,占到了行业60%的份额,以绝对的性价比碾压行业内任何对手,对于他们来说没有竞争对手,唯一解决的是提防随时拿着核武器进来的革命者,我们贝昂唯一一家选进了小米体系的空气净化器,这是我们取得的成果。我们曾经跌到了谷底,投资人离开了我们,所有渠道也离我们而去。

7.JPG

在这种情况下,我们几乎是已经死局了,但是经过这几年的努力,我们又重新站了起来,在这过程,没有资本支持、没有渠道支持,靠的是绝对的科技坚持。我们花了六年的时间,把4万伏高能离子分(音)进行了产业化,实现了用户在空气净化器体验上的绝对不同体验。说直白一点,第一个体验,大家都知道,新的东西比旧的东西效果好,这是谁都知道的,但是很少空气净化器新的东西看起来活力无限,当开始使用以后效果开始连续的跳水,4包烟,这个效果只剩一半,8包烟,这台空气净化器完全报废了,我们当时的第一个问题,用户关注的问题,效果的问题,重新定义了什么叫做高效,只有永远不打折的效果才叫高效。

2019-04-12 18:00:02

张培峰:

第二个用户关心的问题是什么呢?空气净化器行业,在座都是北京人,好多人家里都有一台或者两台的空气净化器,最重要的一个问题是价格的问题,空气净化器行业是一个很少的后续消费远远大于单次购买的一个行业,如果算上因为细菌滋生造成的滤网更换的话,大家一年要换掉一台净化器,我们技术盯着第二点,用户的总支出来打。所以靠着绝对差异的技术,我们贝昂凤凰涅磐,这个技术之前贝昂一直在创新,却没有摆脱困境,直到贝昂的技术和用户的痛点真正结合起来以后,我们才突然觉得海阔天空。

所以回到一开始的课题,在失去先发优势的企业下,一家科技企业如何突出重围?我们觉得科技立身的企业,只要大家不是科技装那什么东西,而是坚定不移的以解决用户问题为中心解决问题,其实前路稍微有一点坎坷,也最终能云开雾散,这是我们说出的第一个观点。

2019-04-12 18:00:32

张培峰:  

我们今天想分享的第二个观点,我们贝昂的故事是从乔帮主开始的,2007、2008年大家用的苹果笔记本电脑做的无声散热,我们的前身在硅谷帮乔布斯做苹果笔记本电脑的散热,却开启了我们回国创业的另一条路,到了今天,离子分技术到了什么程度呢?我们已经被麻省理工学院应用于太空领域,航天领域未来的驱动技术,不需要燃料,只需要太阳能电板解决持续飞行的问题,离子分技术成为行业的未来。人工智能的未来是无限的,一定要记住,身体才是革命的本钱,而健康的身体应该从干净的水、空气和食物开始。

最后一个阶段允许我做一个广告,贝昂科技就是专门做干净的空气和水的一家科技公司,我们是一家来自硅谷的科技公司。谢谢各位!

2019-04-12 18:00:50

分享嘉宾:小土科技副总经理 夏金光

分享主题:AI“最强大脑”如何改变娱乐业

8.JPG

2019-04-12 18:02:41

夏金光:

非常感谢各位给我们这么一个好的机会,跟大家分享一下小土在科技领域创新的成果,我们先给大家介绍一下行业的情况,目前影视行业是我们中国在千亿规模的市场,能够持续的保持两位数增长的行业,我们一般参与的头部的影视项目投融资,我们可以保持一个非常好的回报,基本上中国的电视剧,我们一般头部剧保持年化40%的回报,这是我们目前的回报最好的项目,我们可以保持年化百分之百以上的汇报,电影是更疯狂的领域,我们看的《药神》9500万的投入,31个亿的票房,这是中国影视行业的现状。从现在的情况来看,影视是一个高投入、高回报,同时也是一个高风险的行业,这个风险怎么去解决呢?小土用自己科技的方法解决其中很多的风险问题。

2019-04-12 18:05:33

夏金光:   

先说一下小土的定位,很多人都问,你们是不是影视科技企业?我说在这个影视圈千万不敢说自己是影视科技企业,一说自己影视科技企业别人都觉得你们做后期的,我们跟后期根本没有关系。很多人问你们是不是影视大数据公司?我们基本上也不是影视大数据公司,在这个圈里边有一个规律,张艺谋上映的片子很棒,下一个片子真的很棒吗?根本没有规律。

在整个信息化行业三个细分市场,第一个资源交易平台,传统的经济,把艺人放在互联网上交易了,这是第一种。第二种,影视大数据服务,我们有很多的已经播的片子,已经播的电影票房,我们想去看看以后的收视率如何,如果开了一个电影院应该有这个数据。第三种,影视核心创作流程管理,这里面是两项核心内容,一是内容评估,二是制片管理。

2019-04-12 18:05:45

夏金光:   

我们跟大家进一步讨论一下,这个内容评估和制片管理的价值,不管您是想参与影视行业的投资或者说您是一个创作者,研发风险、制片风险、发行风险、回款风险,这个剧本故事的核心一定要做的,这个里边一般的影视领域之所以跟金融不太好沟通的一点,其实对于内容的把控,大家都挺难,小土做的通过量化的结果为投资人展示了投资结果。制片风险是什么概念呢?中国的影视领域80%的项目超期超支,一旦超期一定超支,投资人的钱也是钱。

9.JPG

刚进入这个领域的时候,很多影视圈的朋友说,下次不要这么纠结了,3000万人民币不算什么的,怎么不算什么,加起来一堵墙这么高的钱,所以说制片风险怎么控制,我们有一整套系统控制办法。发行风险怎么做呢?我们自己也做一些影视大数据方面的工作,把这个项目应该怎么样投放?同时跟北京文交中心做一些开放式的交易,我们希望我们的影片、我们的剧本、我们的版权放在阳光下交易,增加它的流通性。在回款方面做供应链金融方面的探索,比如说你的片子拍完之后想更快的回款,我们做保理服务,供应链金融方面的合作。

2019-04-12 18:05:55

夏金光:

在没有到小土之前,我其实一直在国企和外企工作,从来没有体会到钱的难处,自己参加这个创业公司工作之后,充分理解了什么叫必读褴褛(音)的四个字?经过四年的合作,小土在产品领域跟整个社会认可的领域都取得了一定的成果,我们的产品基本上已经成系列了国家高技术企业的认可上、社会的奖励上,我们取得了一定的成绩。小土的产品核心来源于三个能力,内容的量化评估、流程的管理、数据平台汇聚,第一个问题,我们看到这样一个丙图,对《白鹿原》打了一个分,小土把所有的问题结构化、量化,用人工智能解决这个问题。

剧拍是我们核心的管理软件,我们帮助剧组更多的节省时间,帮助剧组更好的管理,比如说,我们一个电视剧1000场戏,让统筹来做,大概要20天,没有白天、没黑夜的,用我们的系统一下午整个工作全部干完了。陈宝国从淘宝上查的话,从百度查一定给你相关的新闻信息,但是你只是想知道陈宝国在影视领域有什么样的成就,我们做垂直的工作,我们一个技术核心是我们的量化结构分析,量化结构分析如果说我们有做IT、做信息化领域的朋友,应该知道不管做什么项目,遇到第一个问题就是结构化,怎么把一个文学作品、一个艺术作品把它结构化,整个行业看来几乎是不可能的事情。

2019-04-12 18:06:05

夏金光:

刚才刘老师跟大家沟通的时候,讲过了一个很重要的问题,你的认知领域其实在人工智能领域来看几乎是一片空白的,这种情况下,小土怎么用计算机认识一个文学作品,我们面对60万字的作品挑战,不是一篇简单的法律判决书这么简单的问题,我们先做了一个结构化,分了电影、电视剧、IP结构化,有各种小的点,我们用人工智能和大数据技术一个一个点解决这些问题。

我跟算法同志说,我得让投资人看一下怎么做出来的,这个弯弯曲曲的是IP快屏解析出来的情节点,当我们看美剧,觉得很紧张的时候,它的情节点,我们看到每个章节之间关联度、密集程度,当关联的很密切、很急促的时候,我们会判断这是一个情节点,我们不停地运用数学算法、人工智能算法解析这种文学作品。

2019-04-12 18:06:17

夏金光:   

这是小土整个的评估体系,影视创作领域、影视金融领域两个领域服务,影视金融服务都是影视创作领域服务的升级。这是目前我们的合作伙伴,基本上涵盖了国内头部的流媒体平台、电视台和主要的创作公司。从小土的发展来看,我们基本上有三个阶段的发展规划,第一个阶段,做一个创作的赋能平台,为创作者提供便利,帮他看剧本、判断,他的作品能不能投入到制作阶段,第二个阶段,在资源的连接平台,我们把这个基于影视资产标准化金融服务平台,这里面两个核心概念,第一个是影视资产的标准化,怎么样标准化一个剧本,怎么样标准化一个演员,如果没有标准化的话怎么能够定量说明这个问题呢?怎么可以跟投资人沟通呢?

10.JPG

2019-04-12 18:06:28

夏金光:

目前的情况我们和政府、和很多金融机构都建立了比较稳妥的合作关系,在聚集了大量的金融合作伙伴、聚集了政府大量支持之后,我们这个时候慢慢地可以说是资源连接平台,帮助很多影视项目找到了合理的钱、找到了合理的资源。到了第三个阶段,小土最终的发展目标希望成为一个运营管理平台,我们希望我们的客户从我们的平台上可以买到保险,可以拿到金融的融资,我们在拍完一个戏之后,帮助这个剧组把知识产权做更多的包装与销售,这是整个的发展规划。

从目前情况来看,小土还是在一个需要融资的阶段,目前的情况我们基本是做到了盈亏平衡,但是我们还需要一些钱,我们需要钱干吗呢?请比我们更牛的人,前期我们的力量更多投入在了研发这个领域,现在需要更多的财务顾问、更牛的算法工程师和需要再做一些融资的工作。感谢各位的支持。谢谢大家!

2019-04-12 18:06:42

分享嘉宾:源清慧虹CEO 王鹏军

分享主题:技术+产业:物联网时代“硬核玩家”

13.JPG

2019-04-12 18:08:12

王鹏军:

大家好,我是来自清华大学电子工程系的王鹏军,我现在做的这个项目是针对基础设施、结构安全方面的一个典型的物联网+大数据的项目。我们这个企业名称叫源清慧虹,源自清华的智慧彩虹,我们早期专注的基础设施主要是类似于像桥梁、水库大坝这样的特殊结构,特别早期做大量的桥梁结构的安全监测相关的项目,智慧的彩虹就是我们桥梁的一个形象。

这里介绍一下为什么要做这件事情?给大家展示一些数据,我们目前我们国家在运铁路里程达到了13万公里,这是电气化铁路,我们国家的高速公路里程13.8万公里,这其中没有包含我们的市政桥梁,在城市范围内的桥梁,仅仅公路桥梁达到82.55万座,除了我们国家之外,其他国家所有的桥梁数量加起来跟我们目前所建设的桥梁数量是近似的。另外,还有其他很多大型的基础设施,实际上我们国家从2011年到2013年这个时间段内,在基础设施建设这个领域,一共消耗了66亿吨的水泥,这个数量超过美国在整个20世纪消耗的消耗量,到目前为止还没有减速的迹象,这是一个非常巨大、非常恐怖的数字。

2019-04-12 18:10:09

王鹏军:  

面对这样一个巨大的基础设施的量,现在很快的将要进入管养的时代,早期更多的是依赖于巡检、定检人工手段,大量基础设施安全问题出现了之后,基于一些物联网的手段、基于大数据的手段管养技术迫在眉睫。目前我们的技术可以应用在公路、建筑物、轨道交通等等这样一些领域,这是我们专注的几大领域。

这是我们这个团队的基本发展历程,我们这个团队是从清华大学电子工程系电路与系统研究所,早年从2005年到2010年这个时间段,我们在研究所主要是专注无线传感器网络相关的核心芯片、通信协议相关的研究,在2011年左右把研究成果往具体的应用方向转型,当时我们在国家专项基金的支持下做了道桥物联网云服务平台,这个专项让我们早期的原形产品以及试点项目得以形成。在此获得了国家电网、  中国交通部、住建部相关行业的高度认可,在2017年先后获得元清创投(音)等一些机构的投资。

2019-04-12 18:10:27

王鹏军:  

今天我想跟大家分享的内容主要是,我们在基础设施智慧互联网这个时代做好这个事情,应当具备哪些能力?我自己理解应当具备一个完整体系+五大核心能力,这一个完整的体系从底层智能传感到中间的通信协议,再到数据中台以及到适应这个行业应用的SAAS平台,整个体系解决方案的能力,这是完整体系能力。此外,还有海量的快速交付的运维和部署能力。

14.JPG

刚才说了这五大核心能力,第一个核心能力是智能传感器我们的超低功耗的设计能力,因为我们面对的是基础设施监测这样一个应用场景,这基础设施大量的处在比较偏远的、比较边远的电或者网络比较难达到的地方,我们比较低成本的、大范围的去铺设这些智能传感器。它的设计电池使用寿命必须得是非常得长,必须得在十年左右的时间尺度上,否则的话,它将来带来的维护和使用的成本将居高不下,会限制它的应用广度。

2019-04-12 18:10:36

王鹏军:   

第二个核心能力,我们做结构监测,我们需要能够分析这个结构的安全性,除了静态类的数据,结构变形数据,更重要的是要做结构的动态数据,这里包括结构物的相位特征,相位特征要求所有的传感必须得有非常精准的时点。第三个核心能力,必须充分利用物联网时代低功耗窄带无线的特征,把这些特征利用好,这些数据处理必须得尽量的前端化,我们能够通过前端的智能算法将需要获得的数据特征在前端进行获取,以几个数量级的倍数往上压缩。

对于行业数据的应用、处理和分析能力,我们的用户大多数是比较专业的行业用户,他们可能不光是要关注大量的监测数据,更需要关注这些数据到底说明了什么问题,我们要深入行业了解用户的需求,利用数据,最终让数据去说话。第四个核心能力,海量运维和快速交付的能力。

2019-04-12 18:10:57

王鹏军:   

下面分享一些我们在几个重点行业的案例,第一个,我们在交通市政行业,我们目前为止已经在全国数百座特大型桥梁上已经安装了我们的低功耗无线智能传感器,为我们的结构物提供全天后的保护。这是极端环境维度来看我们的典型案例,在最北端黑龙江佳木斯乌苏里大桥上,冬季极寒温度在零下40度以下,基于电池供电长寿命的智能传感器必须经过低温的考验,低温下电池的效能会发生极大的衰减,目前已经连续为这座桥梁实现了三年左右的工作。包括复杂的海洋环境,也有规模的应用。

15.JPG

这是我们在四川做的桥隧工作,做长期监测服务。这是目前服役最长时间基于无线传感监测的案例,我们为无锡市的跨运河的蓉湖大桥实现在线的监测,对低功耗无线传感的长寿命来做试验。后面还有一些其他行业的案例,在风电行业,我们去提供风电的风机塔筒结构监测还有海上风电发展,我们迎带了新的机会。第三个方向,我们在轨道交通这个领域,解决电气化铁路接触网本身的问题,我们国家轨道交通,特别是高铁运行里程非常长,但是造成高铁的停车晚点最主要的原因就是接触网的公网事故,这个目前正在联系铁总开发智能传感器,类似于图上所展示的样子,标注的部分将会是智能传感器,它能够感知列车经过瞬间接触网本身的动态、静态姿态信息,为这个铁路接触网轨道安全做监测。我的分享这么多。谢谢大家

 

2019-04-12 18:12:44

分享嘉宾:商有联合创始人陈怀民

分享主题:餐饮智能化浪潮:怎么用大数据让你的外卖更聪明?

17.JPG

2019-04-12 18:14:17

陈怀民:

大家下午好,餐饮智能化浪潮,我讲的是餐饮,因为餐饮是现在互联网追逐的最大的一块领域了,我是替餐饮赚钱以及省钱的那个人,商有是智能数据驱动的餐饮用户运营服务商,我们是做用户运营的,我们合作的品牌有味千、小杨生煎、蒸功夫等,基本上全国连锁餐饮都跟我们合作,这是我们的发展历程,我们从2017年11月份获得微盟天使轮以及(音)千万级投资之外,到今年我们已经合作的品牌数,连锁品牌已经达到300多个,服务的门店超过3万家,而且在今年提出了一个商有门店的概念。

双平台数据驱动精细化运营,这是我替商家赚钱的一个点,我们有我们自己的中台系统,把双平台的数据进行聚合以及深度的分析,给我们的运营人员提供运营的方向,我们的运营人员通过数据化的运营,替商家节约成本、提升效能进而获得利润。

2019-04-12 18:15:00

 陈怀民:  

这是我们可以做到的,订单维度、管理类以及历史数据的查询,在以前餐饮商家没有办法得到的,今天我们都能把它进行实现。利用商有中台系统以及商有替它运营的效能比,这边不直接说了,饿了么平台,他们的平均效能,商有替这些商家服务的效能,大家可以看的很清晰。我这边只讲一个案例,小杨生煎,现在200多家店都在我们这个平台上,达到78%的成长以及订单量提升了83%,但是营销费用下降了4.32%,一个月外卖数据接近3000万。

18.JPG

2019年要干的一件大事儿,餐饮门店如何数字化?从商有讲出云店概念之前,对餐饮的运营,我们都叫做流量运营,为什么叫流量运营?不管美团也好、大众点评也好,都是实际上花钱买流量,如何让这些流量更有效率。因为它不叫用户运营,用户都不是品牌方的,我们今天要做的是全域会员运营,我们通过我们的工具、我们的运营实现为商家做全域会员的运营。

2019-04-12 18:16:11

陈怀民:   

我们云店的解决方案,第一个,我们有我们的中台管家APP,能够对双平台以及私域化平台的聚合以及营销中台和会员的载体,餐饮小程序,再加上我的人员这些工具,替商家打造线上云店的概念。这个云店,未来它的组成会越来越多,现在是微信生态下的小程序,还有支付宝生态下的小程序。讲到一个案例,这是海南椰子鸡,今天之所以能够替商家做全域会员的运营,有一个载体,这个载体就是开发的小程序,它已经解决了配送,消费者点单到接单、配送全程无感,全程跟美团、饿了么同质化,不需要再花时间适应这个软件。

19.JPG

像配送,蜂鸟、达达都是我们的服务商,我们的合作方,他自己有配送团队,他配送团队也直接接进来。这是讲到我们的云店,这是黄记煌旗下的平台,通过我们的工具以及运营,在一周之内它的粉丝增加了3000,会员增加了1700。这是私域流量运营之下产生的订单,在小程序载体上产生的订单超过了双平台,达到它整体外卖订单的65%。昨天单日私域流量平台上,营业额已经突破5000元,一家店。这是另外一个客户,也用了我们的体系,3月31日单日订单13000多到4月6日单日订单已经达到3万多,一周的时间营业额翻了三倍。商有云店2019年的目标,两个10,两个1000,第一个10,服务10万家门店,有1000万的活跃用户,第二个10是月流水10个亿,还有一个1000是净利润1000万。

2019-04-12 18:17:54

分享嘉宾:华映资本创始管理合伙人 季薇

分享主题:解读B计划

20.JPG

2019-04-12 18:19:54

季薇:

我今天来恭喜B计划今天借猎云网大会的时间做正式的官宣,原来不叫B计划,最初我们讨论的时候,我说我是叫Plan B,小伙伴的反对,说感觉像备胎的意思,我屈服了,这个B计划翻译的挺好的。这个B计划从最初来说,最初是因为我们自己在做项目过程中,也有这样的需求想这么一件事情,到后来我们觉得挺想一起做这么一个圈子,后来我们的投资人,元禾的沙湖确实是一呼百应,到今天的官宣,真的没有想到大家有这么多热烈的回应以及今天的演讲嘉宾,创投圈很多投资同行们、行业专家以及在座还有很多企业界的朋友们,有这么大的热烈回响,确实超出我们自己的预期之外。

我直接打电话给各家机构的老大们,我们一起来参与一下吧,记得打电话给云启的迈克时,他问我,他说你们华映资本媒体资源挺足的?是不是搞PR计划?不仅仅PR计划,还有别的。今天小伙伴给我布置的任务是,让我解读一下,为什么要做B计划?B计划是怎样的组织以及接下来要做什么?我们是从投资这个角度来切入的,中国为过去十年投资的重点,我认为确实还是在To C端,刚刚对谈环节也讲过,中国上市公司95%都是To C的企业,To B的企业无论从数量来说还是从市值来说,远远没有达到现在像美国这么样一个市场的规模。

2019-04-12 18:20:50

季薇:

所以为什么现在我们讲B端?为什么讲这么多?特别是从去年以来,整个投资界,包括B端创业项目的机构,创业的一些机会都越来越多呢?刚刚光南总的演讲当中,对谈环节演讲当中都已经讲到了这样的原因,供给侧的改革和产业链的升级不仅是在我们中国经济结构转型当中一个必须的一件事情,也是政策在力推的一件事情。随着人口红利的消失,劳力成本的增加,技术升级能够给我们产业赋能,能够降成本,提高效率,能做的事情、落地的机会也越来越多。

去年又更加了一把火,BAT长期以来一直有布局,去年腾讯说,会积极地拥抱产业互联网作为他未来几年的产业重点之一,不论投资领域还是创业领域,战略投资,To B这样一个关注度,不能讲风口,长期的关注度会越来越多。我们看到创业企业里面,华映虽然在广告媒体与新媒体内容消费方面投的比较多,但是在整个投资里面,我们在技术领域,从最早沿着数字营销到后来的SAAS企业级服务做赋能,到现在看到一些新技术,在产业落地,我们在这里面的布局也有三四十家公司,我们看到企业的需求它从最刚需的是交易,交易平台或者是帮助解决营销问题的软件服务,到供应链方面降低成本,促进效率的一些,到它的现金流管理这些方面,包括在提升效率,人力、财税、社保等等各个垂直领域的需求,创业机会我们看到越来越多。

2019-04-12 18:24:01

 季薇:  

从投资来说,我们会看到To C一面倒的趋势在逐渐向To C+To B齐头并进的机会,甚至大家认同To B的机会,在未来五到十年更多。To B投资虽然跟To C投资有很多的同理心,同时它会是一个更需要耐心和毅力的一个赛道。

刚刚我记得刘教授在这儿也讲,他说很多科技类企业,怕被资本裹挟,怕资本的急功近利是吧?会让企业在发展过程当中有很多非出于本身策略方面所出变形的动作来,但是真正的B端创业甚至对我们投资人来说真的是需要更多的耐心。我们这里举了一些美国的ToB类企业,大多是SAAS企业的例子,它是一个创意授权软件的公司,后来也遇到很多的困难和瓶颈,它也通过并购了一些公司,巩固它的地位,后来坚决地转型到云,它的市值也是一路攀升,现在超过千亿美元,美国超过百亿美元To B服务公司是很多的,我估计应该有近百家这样的超过百亿的,但中国非常少,金蝶软件大家看一下是200多亿港币的市值,中国企业在这里面的机会还是非常多。

2019-04-12 18:25:17

季薇:  

我们投资机构来说,既然企业需要一个长期的陪伴,需要耐心,它跟To C真的不一样,To C可以说,钱砸下去,6个月决定胜负,结束战场,但是在企业服务里面没有这样的事情。所以我们还是需要更多的陪伴、更多的帮助,需要有资源扶持。对于To B企业来说,To B的创业还是千头万绪,每个阶段都有重点去做的一个事情,你的技术、你的产业壁垒在什么地方,产品打磨跟迭代,每个阶段都有重心,你必须要聚焦,但也要有变化,你的客户、你的获客能力从哪里来,它们在哪里,怎么样到达他们,确实有很多,不是一蹴而就的。

21.JPG

我们想到这么多问题,我记得去年12月份年底的时候,我们也是在调研一家公司的时候,我们在调研那家公司的过程当中,真的是花了好多的时间找产业的专家了解这个产业它本来的状况,才知道这个技术的创新对于这个产业本身的升级是不是有那样,真的有一个机会所在,真的花了好多的时间,我们会触发,我们自己也会有需求来想,大家有共同的想法跟兴趣,共同看To B领域投资的机构一起去做一个相关的平台,一个联盟。所以B计划最早的打算我们是要说,我们要做成是在创投领域和创业领域里面的一个服务和资源的平台。

2019-04-12 18:25:28

季薇:   

具体来说,我们可以选几个点来讲讲我们想它未来可能会有哪些方面做到比较实在的帮助,既然从投资切入的,肯定在项目中互相的分享,包括被投企业在不同轮次的帮助方面、融资方面,给予企业更多的帮助,同时会引进一些行业的专家跟产业的专家,我们希望在未来一些垂直领域,行业方面能够形成很多的洞见,洞见这个词是刚刚刘教授讲的词,有洞见才能知道未来的方向。

第三个是对于To B端的创业者来说,我认为会对To C端创业者来说需要更多圈子和资源的扶持,因为很多To B端的创业者它事实上都技术出身,在营销方向、在找钱方向、在找人方向,以前不在这个圈子里面,在这些方向上面,我们希望有一个这样的平台能够为我们的创业者提供一些帮助。 第四个是资源的上下游对接,刚刚是提供一些产业资源,后续大家可以进行讨论,更长的时间,我希望能够把高校、产业、资本、创业企业一同能够对接进来,真正能够形成产学融一体化,解决人才、资金、资源和其他方面的帮助。

2019-04-12 18:26:39

季薇:  

我们目前的B计划都有谁呢?我相信在座有不少的创业者,但是真的刚刚开始不好意思,我们这个官宣也是由投资机构刚刚开始来引导企业,我们还没有正儿八经去有相关的议程出来,我们第一批的参与方、参与者都是国内在To B这个投资领域里面有相当多的布局,也比较领先的机构,接下来在各自不同的方向上,To B的创业有更多的关注。各位创业者也不用着急,前一两周官宣了B计划之后,我们也收到后台大量的数据,很多的企业来说,我们是不是可以加入到B计划里面?

当然可以,因为我们这个B计划主要就是为企业来服务的,接下来等规则出来之后,我们会有专门的工作小组一起来筛选,逐批让企业加入进来,为企业能够解决实事才是我们B计划的一个初衷。这是我们在调查表发出之后看到大家的一些心愿清单,大家可以看到,我需要战略建议,管理模块的升级,我需要人才,我需要钱、我需要人才、我需要所有资源的对接,我们都能理解。其余32%是咱们同行投资机构,还是愿意就我们所关心的这个领域,去挖掘一些新的投资机会,对我们行业的发展有更多的洞察,接下来会组成特别的培训模块,对被投企业进行相关的培训、学习。

2019-04-12 18:26:52

季薇:   

未来我们会接入更多的产业端和高校专家及专业机构,作为一个行业的平台资源,如果没有他们行业内部人士的参与,专家在这个人才里面不可或缺的部分,没有他们的参与就是不完整的。所以我们想法还是未来能够形成人才、资金、产业和创业这个里面的良性互动,能够碰撞出火花,对他们的帮助落到实处。所以我们目前想的,这个并不完备,只是我们刚刚开始在(英文)要做的,我们希望这些是最起码要做到的一些事情,我们会有投资人跟企业家的社群讯,会定期开展相关的活动。

vbox7180_GIN_4414_180908_small.JPG

投融资的联盟怎么拿钱?一定是在这个议事日程跟安排里面的,学习与时俱进,帮助我们的被投企业在培训方面跟他在其他的需求方面去找他们共同需求点,对他们进行相关的培训,这也是我们会做的。在此基础上,我们会形成某些垂直领域的行业研究报告,如果能称为蓝皮书的话,能够对外输出一些我们的研究成果,当然,从形式来说会定期的举办一些行业的沙龙,也会走到标杆型、领先型的企业里面去,并且同时为大家组建一些对接会。

2019-04-12 18:27:07

季薇:   

最后,整体来说,我们希望这样能够形成资源对接的平台,能够为大家在企业发展当中碰到的很多共性问题,主要是共性的问题形成一些帮助,解决一些问题。我讲的可能并不完备,我们这个组织也是刚刚开始,在我们接下来的时间当中,我们刚刚已经在紧锣密鼓地要讨论,在首次参加B计划的参与方里面尽快地,把我们想要做的事情尽快的落到实处,这才是我们所希望的,目标不要远大,一步一步来实现。很高兴今天有这个机会能够官宣一下B计划,我们相一起和在座的各位,包括我们的同行、创业者一起来深耕这个产业,抓住这个行业的变化,拥抱我们创新带来的机遇。谢谢大家!

2019-04-12 18:28:45

元禾控股沙湖金融总经理、中国创业人才投资中心负责人 王晓玲女士 致辞

vbox11146_056A7979_182736_small.JPG

2019-04-12 18:29:46

王晓玲:

所有伟大都源于一个勇敢的开始,刚刚季总很完整地解读了B计划,就是这么一个开始,但是未来还是需要我们大家来创造,今天在此,我宣布B计划,To B创投派正式启动。

6.JPG

2019-04-12 18:33:03

启动仪式

2019-04-12 18:35:14

本次直播到此结束。