DI的前沿、瓶颈与落地——线性年会DI Panel访谈录

2017 年 10 月 4 日 线性资本 石媛媛

小线菌

线性资本致力于做最好的Data Intelligence（DI）基金。专业一直是线性在做投资时所强调的。在这次年会上，我们请到了DI领域的三位“专业级选手”，分别是浙大周昆教授，中科院山世光老师和地平线吴强博士一起来“华山论剑”——聊一聊DI发展的前沿，瓶颈以及产业化。

小线菌

（图中从左到右：郑灿，周昆，山世光，吴强）

主持人：郑灿（线性资本投资总监）

嘉宾：

周昆：浙大教授，研究方向计算机图形学，计算机视觉

山世光：中科院计算所研究院，线性系公司中科视拓创始人

吴强：地平线首席云架构师，前FB资深云计算架构及大数据并行处理专家

郑灿：从各位各自的角度看，目前人工智能最大的瓶颈是什么？

周昆：我觉得AI目前最大的瓶颈还是场景化的问题。现在AI技术上发展的太快了，怎样把这些最新的技术落地在具体的场景中其实还没有那么容易。比如说怎样拿到具体这个场景下的data，分析处理这个具体场景下的数据，并且把结果带回到原来的商业链条中其实还是一个很大的问题。

山世光：我觉得我们真正需要突破的可能是一些ex-data的东西。Ex-data指的是什么呢？可能是small data，也可能是机器自己主动去生成的data。现在的深度学习需要太多的data了，你可能要给机器看几万张苹果的图，它才能“认识”这是一个苹果。但是人的学习过程并不是这样的，人可能只见过1-2个苹果，或者仅仅听到关于苹果的描述就能识别出苹果。所以利用ex-data的方式，机器可能真的才会像人一样，拥有真的“智能”。

吴强：结合我自己的经历，我觉得现在人工智能落地有一个瓶颈是围绕应用场景的综合能力。综合能力包括两方面：一是获取信息的能力，形成一个闭环；另一个是AI和相关系统的协同能力。打个比方，比如说自动驾驶，除了车智能之外，它跟其他的系统比如交通信号系统，道路系统的关联也很重要。要把这些能力综合到一起，人工智能才能真正的落地。这其实是一个基础的系统性工程，可能不是一个企业能完成的，需要整个产业链上各个企业合作完成。

郑灿：请各位聊一聊自己现在做的比较有创新性或者黑科技的事情

山世光：我觉得一个比较黑科技的东西，也是我们正在做的一个事情是“自动化的DataIntelligence引擎”。像一个黑盒子一样的东西，下面是硬件，上面是我们的软件。希望通过我们搭的这个平台，能够是推动AI的普及，未来高中生都可以去理解，开发人工智能的技术。

周昆：我现在主要关注的问题有两个。从实到虚来说，我想做的一个事情是”human digitalization”(人的数字化永生)。都说人有音容笑貌，音的问题现在解决的差不多了，但是“容”，“笑”，“貌”方面还有很多问题需要解决。从虚到实的话，我想做一些“个性化定制”的东西，怎样根据每个人的特点去定制商品或者服务吧。我个人觉得个性化定制对于未来的新零售，新制造行业是很重要的。

吴强：我现在比较感兴趣的是怎样跟云端结合，把人工智能的应用推动到一个新的阶段。虽然有的人可能会说，Tesla现在已经在把它电动车的数据同步到云端了；但我更想做的是把车的数据，驾驶的数据，道路的数据等等数据都传到云端，并且真正把这些海量的数据用起来，分析他们的关联。

郑灿：最后一个问题，想听一听三位对高科技领域创业者的建议。