AI企业的有效盈利模式是什么 人工智能有哪些坎儿？

　　AI企业的有效盈利模式是什么 人工智能有哪些坎儿？11月7日，在Tech Crunch创新峰会上，微软小娜研发总监微软AI杜奕瑾、地平线联合创始人兼软件副总裁地平线机器人杨铭、商汤科技联合创始人兼副总裁商汤科技徐冰举行了一场以“人工智能”为主题的圆桌对话，展开了一场人工智能将如何我们的生活的探讨。

　　11月7日，在Tech Crunch创新峰会上，微软小娜研发总监微软AI杜奕瑾、地平线联合创始人兼软件副总裁地平线机器人杨铭、商汤科技联合创始人兼副总裁商汤科技徐冰举行了一场以“人工智能”为主题的圆桌对话，展开了一场人工智能将如何我们的生活的探讨。

　　微软AI杜奕瑾：你可以看到微软在人工智能的投资常的多，像刚才提到比如说像希瑞的理解有时候可能有点卡，它牵扯的层面非常多，包括大数据的分析，包括语意的理解，包括你有没有对的东西。以微软来讲，我们微软在人工智能大概是哪个层面。我们在9月底的时候，微软在硬件的部分有一个(英语)，就是在人工智能硬件我们可以在很快的时间去(英语)AI的计算，就是从CPU、GPU。

　　再就是我们去支持我们大数据的分析部分，我们当然有我们的团队在后面，我们给第三方有我们的(英语)，因为没有(英语)你是没有办解，没办法知道这个世界发生什么事情。我们有这个(英语)才可以知道，像你刚才讲的，当我讲一件事情，希瑞怎么知道，或者微软小娜怎么知道，微软小娜它会知道这个世界你身边有什么东西，你有什么朋友，你在说这句话的时候，他才有办法知道你在说什么。这就牵扯到我们要有很全面的数据收集。

　　我们微软有很多的平台，其实最近大家可以看到清洁在语音辨识，我们语音辨识比人去听还来得清楚，我们有一个CNTK，它在后面支持我们做(英语)这个部分。我们做语音辨识，我们同样来做图像处理，我们其实微软可以在影像识别，可以达到比人的眼睛识别还来得精准。

　　当我们有这么多的识别之后，我们把它变成一个产品，我们微软有很多的认知服务系统，我们的语音辨识、语音理解、影像识别，就会在我们内部其实是已经在广泛的使用。对外我们去的话，我们通过我们微软的(英语)，比如说第三方可以有自己的语音辨识，语音理解。

　　再往上的话，就是微软小娜，它有几个寓言，我们未来最自然的(英语)。对未来来讲，我们要着力发展的就是，不是在发展APP，其实以后人机交互的体验，主要就是会人跟一个(英语)做交互。我们未来有一个人工助理，你刚刚问为什么说有些体验，当用户在用克他娜(音)的时候会觉得比较顺，就是有这些技术。

　　地平线机器人杨铭：实际上最近人工智能由于深度学习，深度神经网络发展有很大的技术突破和提高，但是基本上还是统计学习的范畴，是从数据中总结规律，实际对于问题的理解和推理，深刻的分析还是有所欠缺的，这是一个原因，技术还没有完全解决所有的问题。

　　另外从技术角度来说，它对长时间的记忆，你能够长时间积累知识，长时间的理解知识，这方面还是有欠缺的，这是两个技术上的问题，还需要改进的，或者做得更好的地方。

　　商汤科技徐冰：非常认同两位的分享。现在我们看到深度学习其实处于一种爆发阶段，在这个阶段其实我们这些做研究的中间面临一个很大的问题，就是你在遇到一些未经突破和解决的时候，你看不到市场上，或者行业里面已经有的解决方案，这些东西都依赖于团队本身的创新能力和原创能力来解决这些问题。

　　像我们最早脸识别2014年的时候，当时涉及到一个计算能力的问题，我们当时是租用了深圳的超算中心，租了一个月的时间，才跑出来一次结果。这是在2014年，也就是两年之前，我们看到做深度学习和人工智能一个很大的瓶颈。

　　后来GPU的发展，以及业务来说，我们积累了比较巨量的数据，数据层面其实也一样，这个算法本身在实际的应用场景里面好不好用，很大程度上也是关系到你有没有在实场景里面获取大量的数据，并且在大量的数据上进行学习和训练。

　　在这个，当你在做严肃的深度学习训练的时候，你发现比如说现在商汤科技积累的是一亿个个体的人脸照片，超过8亿张人脸数据，这个规模之下，你会发现没有任何的超算集群，或者底层算法平台可以支撑这个规模的深度学习训练。

　　当这个问题出现的时候，又要想办决，因此当我们真正把这些问题解决，发现深度学习可以在亿级别的数据上进行学习训练的时候，这个算法的性能又会得到一个非常巨大的提升。所以这个环节一定是说一步一步往前走，并且这个过程中其实也是依赖于团队本身的创新能力和原创能力，这就是解决问题的点。

• 上一篇：※看了黄磊女儿才知育孩子最重要的是什么
• 下一篇：腾讯组织架构调整 新成立技术委员会 加大对未来前沿基础科学的投入