0
| 本文作者： 宗仁 | 2016-12-16 20:28 |
近日，2016云棲大會惠州峰會在惠州西湖如期舉行，阿里云的眾多專家在主題演講中做了【飛天*進化】的系列演講，其中阿里云人工智能科學家閔萬里結合阿里云人工智能在惠州的諸多動作，做了《人工智能點亮未來城市》的主題報道，并在會后接受了詳細采訪。雷鋒網為大家整理的精華如下。
剛剛思成講到，歡迎大家上傳大家的案例，今天我有兩個身份，第一個我是阿里云的數據從業者，第二我帶了一支團隊，我們在阿里云的內部做數據，今天我拋磚引玉，我們選擇了四個字，智慧城市，或者叫未來城市。
人類從七千年之前，城市的發展歷史，在過去的幾千年里，都是一個物理資源和物質資源的聚集，今天我們面臨一個嶄新的挑戰，未來的城市，不再是一個無限擴展的地盤，不再是一個千萬級的城市。
我們要用阿里云的人工智能，給大家預覽一百年之后，你不會再看到紅燈，當你餓了點餐的時候，你不會多等10分鐘，當你的醫療影片出來的時候，你不會再排隊在省城的醫院門口等待兩天，讓老專家看一眼，這一切都不能夢想，因為我們有ET，我們要做下面的這些事情。
治理城市
智能交通
智能物流
智能水利
城市規劃
賦能企業
智能制造
智能服務
服務市民
智能旅游
智能醫療
智能停車
告訴大家這是一種可能，從0到1000萬到一個億，那就是一個量變的過程，大家看到治理城市很簡單，從智能交通到城市里面所發生的所有的經濟行為，到智能制造，到生產。下面給大家舉幾個實際的例子。
我們可以看幾個實際的案例，智能交通，大家看這張視頻上，這個路口所有的車，它的軌跡我們實時地識別，我們知道誰在左轉，也知道誰在右轉，我們也知道誰騎著電動車在人行道斑馬線上橫沖直撞，今天我們可以做到實時，自動化標準，自動化的捕捉哪個號牌經常闖紅燈。
治堵最好的方法就是讓堵不要發生，而不是等它發生以后再亡羊補牢。那不要發生，就需要領先一步，領先一步就要求你不光看到眼前，還要看到未來，剛剛這個視頻，十分鐘之后會怎么樣，一個小時之后會怎么樣，我們可以預測到。
去年國慶開始我們在浙江省全面上線，預測整個浙江高速路上的未來，一個小時它的路況是什么？今天這個系統還在跑，今天我們不僅有了高速路，我們還有市內的道路，十分鐘之后這個地方的擁堵會消散嗎？這些問題每天都在交警指揮中心的大廳里出現，但是一直沒有人去幫助他們作出一個智能化的選擇。答案是ET可以做到，未來60分鐘、30分鐘，每一個路口，每一個路段，流量速度，車速，現在的擁堵會提前多久消散，該不該派人疏導。
今天我們的ET做到了一個很簡單的事情，我們用互聯網的實時數據，我們用全程的數據，來解一個點的問題，任何一個管控，不再是一個單點優化的問題，是一個全局優化的問題。它不光看到現在，還要看到未來，有了這個全局的洞察，大家可以想像下，通過這個路口，你看到那些左轉的車，你看到了十公里之外，三公里之外，將有多少車要過來，我們利用阿里云的ET，改了一些信號燈。這是講交通。
我們在講我們每一個人要吃飯，現在有很多白領，包括很多開發者，中午吃飯的時候要點餐，結果高峰的時候，所有的人都在點餐。對于點餐來說都是一起點餐，那怎么樣讓每一個饑餓的身軀少受一些煎熬，我不可能無限地供給，讓所有的送餐員都上崗，妥協的方式又是什么？其實是一個技術和現實之間的結合，今天我能做到的，我們的調度引擎，可以讓每一個小哥少走冤枉路，送餐的過程中再接一個順風單。在以往，這是不可想象的，但是今天我們用阿里云的系統，用大數據的平臺，用我們自己的算法，我們證明這件事是可行的，可調度的，智能化的調度，可以打敗人的調度，還可以提高效率，讓每一個人成為贏家，所有的人都是贏家，所以技術改變生活。
我們再看，旅游，大家都有了經濟實力之后，追求一種精神層次的生活。我們可以告訴你，兩個小時之后的發展，每一個景點的排隊的時間，上海迪士尼開園的時候，那么瘋狂的情況就可以避免，因為我們可以告訴你這個擁堵可以持續多久，先人一步，步步領先。大家可以看到很多APP會告訴你，七天之后，車流量會是怎么樣，七天之后的天氣會是怎么樣，這個其實跟我們眼下，此時此刻的需求大相徑庭，這種妥協是不得已而為之的。所以總結一下，讓城市的出行，更加的靈動，讓每一個出行的旅程更加的輕松。
我們再來看幾個更加難的課題，生命的秘密基因，在非洲的草原上，在南美洲的貧民窟，一個醫生要看1000到一萬個人，是不可能的，根本性的解決在哪里？黨中央提了一個問題，叫供給式改革，這中間的矛盾出現在哪里？就是出現在有限的資源不可復制，現在我們要把專家的經驗寫成代碼，這是一個非常難的難題，所有的人都在說，醫療如果出了問題，診斷不準怎么辦？這個答案很簡單，如果你不做，永遠沒有答案，如果我不做，永遠都找不到答案，今天我們掌握了先發的優勢，我們必須先做一步，我們先要證明這件事是具備可行性的。
我們再看一個，我們稱為秘書。現在訂票都不需要打電話了，有APP都可以做到這些，這些APP的背后，很多都是我們阿里云承載的。我們發現有非常大的提升空間。還有剛剛看到眼下正在做的，語音，大家看到我說的話，被實時轉播，這就是我們ET做的，智能語音的服務，在雙十一過程當中，有97%的客戶打電話過來，首批處理都是通過阿里云的ET來做的。
ET會變得越來越聰明，總結一下，它會點亮未來的城市，因為它是城市的大腦，為什么以前做不到？今天可以做到，它背后的技術架構是怎么樣？
首先它有個非常穩健的架構，三個大平臺，大家可能今天會聽到很多人說，我開源了一個平臺，開源了之后，怎么樣？能做什么？今天我們給大家一個答案，就是當我開源一個平臺，或者當我介紹一個平臺的時候，我一定會介紹一個成功的案例，而且是我親手做出來的，所以當一個老師傅說我有一個做面條的配方的時候，但是他從來沒有做過的時候，你相信嗎？我們今天做人工智能不是一個純粹的開放代碼，我們會給你平臺，給你算法的能力，而且給你獨闖的成功案例，告訴大家那個方向可走。
這背后就是飛天，飛天之外，就是這樣一個機器學習的平臺，今天講到的大數據，數據海量，怎么樣挖掘價值，一定需要非常好的算法，這個算法需要一個平臺去承接。我們今天的機器學習平臺都是支持，所以ET從一開始，就是一個開放包容的生態，有了這些能力之后，我們的眼睛、視覺、口耳、語言能力怎么辦，大家可以看一看，剛才的視頻講的是視覺，再看一下眼下正在發生的。在去年的時候，就已經打敗了世界速記大賽的亞軍。這背后，其實承接的就是一串通過語音的技術，語音合成和視覺的技術，再加上大腦給你形成一個協同的互動。
一百年前，1917年，愛因斯坦發表了一篇文章，他講了一個他著名的廣義的相對論的宇宙學模型，為了尋求模型的美，解了很多理論上懸而未解的問題。但是1932年他們發現紅移現象之后，然后推翻了，愛因斯坦承認了自己的錯誤。
這個例子我來解釋什么？今天我們探索人工智能，在未來城市，在各個行業應用，其實我們進入了一個未知的無人區，我們可能會走錯，不可能一蹴而就，但是有一點我們一定會做得對，我們不走永遠去不了，我們走一步走兩步走錯了，可以告訴業界的同仁們，不要走彎路。這個過程，阿里云，我們的ET，我們會堅持，但是我們不可能獨行，我們需要在座的各位，開發者們，一起加入到這個陣營當中，我們要回答的問題不是阿里云怎么樣，而是人類社會的發展怎么樣跟云計算、人工智能的技術結合、加速。
從我個人的角度，今天我是數據科學家，10年前，我從紐約去到新加坡，要做智慧城市，然后八年之后，我又回到美國，去到Google，但是后來，我來到了阿里，來到了阿里云，在這里找到了我夢想。
這里給你提供的是一個無限的可能。從飛天這個詞，大家可以看到，我們是承載了一個偉大的夢想，今天我想，在座的同仁們，每一個數據開發者們，在阿里云的平臺上，一定有你可以發揮的空間，無論是你用機器算法，還是有實戰的案例，甚至是我們的算法包，都有可能在新的領域當中找到前所未有的價值，所以最后一句話，就是講，為了無法計算的價值！謝謝大家！
當所有人都在談這只股票的時候，就是它要跌的時候。
懂的人也在談、不懂得人也在談，那么增長的空間在哪里？今天當我們所有人都在談人工智能，每一個商業計劃書都會扯上大數據、人工智能，你們知道這個很快就會原形畢露的，投資人是很實際的。那投資人的反彈或者說叛變也是不足為奇。最近剛剛發生的，但是看到的某某創始人CEO生病的時候被人給踢走了，他們要的是業績，很簡單的。人工智能可能是讓你有可能暫時性拿到業績的一種手段，但不是目的。想想看，現在很多人都把人工智能作為目的了，那這是很可怕的。
一定要在一個應用的場景下發揮它的業務價值。
剛才一寧講我們是做人工智能技術，其實我們是要解決一些問題，而不是說數據要97%、99%，這個數字其實是沒有太大的意義，一定要在一個應用的場景下發揮他的業務價值。那今天我們所看到的，今年以來的人工智能，很多都是在YY，造了一個機器人，一個人形的機器或者機器人。還有前不久曾經說過的，造一個機器人，像女孩子很漂亮，然后摸上去還有彈性，這個跟機器人有任何關系嗎？沒有，這是一個材料科學的問題。把硅膠拿上來，加上溫度，加熱，就這么簡單的一件事情，跟人工智能毛關系沒有。所以說我覺得這種就是對人工智能的一種褻瀆、曲解。
所以，我認為還是要沉下心來。
1984年，那個時候是人工智能一個高潮，美國國會開了好幾次聽證會。今年同樣的，歷史重演了，也開了好幾次聽證會，歷史有驚人的相似之處。1984年之后的人工智能的低潮是不是會重演？我不知道。但是1984年之后是發生了，為什么？太多的空洞的承諾，如果在短期之內沒有落地，政治家是很務實的，他們投資是要看到回報，看到選票。
商人的投資、投資者的投資一樣的，他也要談我每年的匯報率，投房地產、投人工智能。所以我們今天還是一樣的要靜下心來看一下這個時代的場景，很多場景其實不是缺了人工智能就不行的，或者說很多場景跟人工智能沒有太大的關系就不要硬扯上去。
少一些PPT上的組合，對一些落地的思考。
任何一個技術或者叫深度學習，它的聲音一定來自于他能不能創造到讓老百姓能夠感受到的價值的商業模式。那原子核為什么他們都去探索，為什么大家都很尊敬他、尊重他，因為我們現在很多電來自于核電，核電站的基礎是什么？原子核。所以大家就清楚了，我們可以不懂，但是我們能夠感恩他創造出來的價值，那么這一件東西他就會有生命力。如果我們老百姓看不到他的好處，沒有切身的體會，他只是活在PPT里面，活在網絡空間里，那么大家不會理解，很快就會被格式化硬盤。
所以我說過熱，其實就是這個意思，現在確實是少了落地的思考，多了一些PPT上的組合，或者動畫效果的渲染。所以這個對科技從業者，尤其是對真正埋頭去做人工智能的那些人來講是挺不公平的。不是所有的人都在玩概念，確實是有一些人在沉下心來做的。而往往是這些人，他不具備商業的頭腦，所以在存在感上反而沒有那些學術明星來的那個。但這個并不代表他們做的工作不值得尊重，其實恰恰相反，他們可能更加是值得我們去關注去支持的。
我看目前全球人工智能化投入產出比不是很高，您怎么看這個問題？
人工智能剛剛重新開始。
其實這樣來看，云計算我們去對標亞馬遜，開始那幾年沒掙錢的，任何一個新技術的發展，必然有一個純投資期，我們叫孕育期，要去養他的。所以這個過程今天來看的話，人工智能其實是剛剛曾經他那一次打趴下，這次是剛剛重新開始。相當于說，浴火再生，戰火重生。在重生的過程中，你讓他一下子再承擔一個主攻隊、特戰隊的這種角色他還是不現實的。至少在短期之內，你要給他足夠的耐心和信心。
但是迭代速度非?？?。
尤其在今天，我相信人工智能能夠看到商業好處的時刻會很快的到來。為什么？因為現在迭代的速度非常的快，我講的迭代是技術迭代的速度。任何一種想法，十年前你可能沒辦法落地去實現，因為計算量太大了。但是今天這些都不是障礙，今天的障礙出現在哪里？出現在一些舊有勢力，或者是你要創新的領域要顛覆的領域，有可能出現一些阻力，是一個非技術的因素。但是你非技術的因素，是有可能敲開一塊磚，先突破的。只要有第一個敢吃螃蟹的人，然后怕螃蟹的價值很快就會被世人所認可。
用投資的眼光來看要求過高。
因為在今天我們是在一個臨界點上，這個臨界點就是人工智能破殼了，從一個實驗室的東西變成一個普通大眾能夠耳熟能詳的東西，很快就會發生。但是在這個過程當中，如果你非要用投資的眼光來看說，跟房地產投資的項目也好，或者跟炒股相比，這個還不太現實，這個有點要求過高了。
現在有一些大公司把學術界的任何成果，剛剛發表出來，他們就會把那個論文再實地落地就產品化了，如果學術界的那個成果夠工業界用十年十五年之后，大家慢慢會目光挪到工業領域，您認可這個看法嗎？
理論和實踐的相結合才能笑到最后。
我們回到方法的本身，毛主席有一句很好的話叫做“沒有調查就沒有發言權”，你看他老人家，先走到湖南農村去做農民運動的調查，然后找到了中國革命的解放。相比之下，在同一時期有很多海歸派從蘇聯回來的，喝過洋墨水的，然后有理論派，經過馬克思、列寧的學術派，毛主席是本土派、實戰派。我想用這個來講什么呢？
在任何一個新興產業、新興技術的發展過程當中，一定是理論和實踐的相結合，最終他能笑到最后，因為它最貼近普羅大眾，他能知道老百姓的心，剛才一鳴講到2C，C端需要什么，它能夠接地氣。所以當它走得跟老百姓更近的時候，它的產品就有可能被大家所接受，而那個陽春白雪的實驗室的有可能就被大家所忘掉了。所以從這點來講，楊教授他做做的這件事，他比較聰明的一點就在于說他沒有躲在實驗室里面，躲在實驗室里面，中國的土話叫“閉門造車”。所以他會到工業界里面去。但是我覺得從理論的先進性上來說，也不盡然你一定是學校領先工業，為什么呢？
有時，工業界會反過來推動學術界的發展。
恰恰是有非常多的學術領域的問題，或者甚至問題的提出，都是因為在工業界當中有了難題之后，大家抽象出來，然后反過來推動學術界的發展。
這邊舉一個最典型的例子，二次世界大戰的時候，美軍需要從本土從夏威夷海軍基地運送大量的后勤物資、作戰設備到太平洋戰場上，包括菲律賓，包括南洋。當時就面臨一個巨大的難題是什么？他的運輸量、運輸的隊伍是有限的，但是各個戰場的發展集聚變化。本來是一星期之后要打一個百團大戰或者怎么著的，結果打成了一個幾個月僵持的消耗戰，在螞蟥島，在菲律賓這邊。所以計劃趕不上形勢。那在這種情況下，怎么樣動態的調節他的供應鏈，因為它從本土運過來是要用萬噸巨輪在海船要走兩三個星期，你不可能給它調了一個船說，本來讓它去夏威夷，結果訓練的讓他再去菲律賓，油都不夠了。所以彈性供應鏈的需求就出來了。
在那個年代出來，這是一個從來學術界沒想過的問題，沒解過的問題。所以二戰一結束之后，這個新興領域就起來了，就是運籌學，今天講的所有的彈性供應鏈，都是那個年代因為有實戰的場景，真正二戰的這個場景衍生出來的。
再講一個，在造原子彈的時候，曼哈頓工程的時候，他們要來計算這個鏈式反應，就是一個原子核激活之后，后面鏈式反應然后迅速的爆炸。這個這個鏈式反應他要來模擬怎么控制，成為可控的核裂變。那在這個過程當中，就出現了他沒辦法做很多次實驗，那個是很昂貴的，那怎么辦？需要基于一次實驗，然后做很多的假定說，如果我在這個過程當中怎么樣調整一個參數，然后讓后面的訓練很聽話。那這個就衍生到后來的叫在貝葉斯學派，現在統計學當中有一大流派叫貝葉斯流派，他們叫抽樣法。
這個抽樣法的衍生，現在已經成為幾乎所有做機器學習的人都必須要知道的一個基礎理論，這個基礎理論的衍生就是從曼哈頓工程來的。所以我用這個來講什么？其實往往一些先進的最新的科研的課題，是來自于工業界，不是象牙塔里面。這也是為什么你來看斯坦福的教授，有很多都是在硅谷兼職的，他不是為了那一點錢，他要的是一種觸發的靈感。
美國的哈佛大學MIT大家都知道，MIT那邊有好多小公司，就是教授開的，為什么？因為他需要從實際的問題當中找到他下一個研究的方向，而相比之下，我們的有很多教授，他們可能的做法是天天盯著人家的SCI文章找漏洞，然后去殺。這種最后評職稱評上去了，杰青、長江學者，評的都是SCI的教授，不是基于實際問題的教授。這些人就是天天盯著別人的缺點，那總是能找到的，放大鏡一放總是會有一些缺點的，一篇文章是沒有漏洞是不可能的，但是你覺得這個東西有意義嗎？沒有意義的事情，所以少做一些。
所以從這一點來說，我覺得目前楊教授是很聰明的做法，一定跟工業界結合，然后能夠互相促進，給他新的研究思路，把他的研究成果迅速的找到工業界落地的場景。在這個過程當中，我覺得很有可能兩種情況都有可能發生，
一些新的思想源自工業界
或者說一些新的理論從學術界蔓延到工業界，找到落地產品，都有可能。
我覺得把阿里云看成一個大產品這個說法不太貼切，不是說對和不對。
我會這樣來講這個問題，阿里云是一個更大的生態，在這個生態里面，能啟動的時候，可能我們拋出了一個怪獸，就是我們那個飛天平臺，然后像巨無霸一樣，相當于武林高手，通過比武招親或者怎么招，又演變出了門派出來，我們有很多衍生的各種新的產品，新的計算的工具等等。那慢慢形成一個生態之后，就要形成流派。就像天下武功同出一宗，看以前的小說里面寫的，有的是劍走，有的是氣走，那時候就有了。那這個流派當中，人工智能這一塊，我說是其中的一派。意思是什么呢？就是說這一派可能強調的就是我們怎么把數據的價值深刻的發揮出來，有了數據、有了原材料之后，我在你這個大生態里面我用你的計算能力我來挖數據的價值。
那另外一塊可能會說，我怎么把我的生態做得更健康、更穩健，不管你怎么折騰，一秒鐘一千萬次、十幾萬次，我都能夠承受得住，我要練我金剛不壞之軀，這是物理層面上練，這是不同的派別。從這點上來講，我覺得人工智能是氣派，阿里云是硬氣功一樣的。
從整個對阿里云人工智能，對整個人工智能生態的角度來講。
我覺得我們有非常獨特的地方，就是跟其他的地方、其他公司做的不太一樣的是，我們的任何一個功能或者叫人工智能的產品，我們的落地、我們的研發，都是以一個具體的應用場景為目標，我們不是說在實驗室里面自我演進，我做了1.0版本，下一個我要做成2.0版本，我們一定是為了解一個問題。就像今天我們講到，我們要去解世界上最難的醫學問題，這個問題很難，但是我們必須要去解。如果我們掌握這么好的科技資源的情況下都不去動，誰來解？那我們要來解。那接著語音識別也是一樣的，還有后面我今天還沒有講到，我們用腦科學、腦神經去刺激腦部的神經原，去讓人能夠動起來。最近你們看到了一篇報道，陳天橋捐了1.15億美元給加州理工大學，Richard Anderson教授他做了一個什么事情呢？一個月前有一篇新聞，大家可以去查，他的實驗室做了一件事情，在一個癱瘓的人，他的大腦的特定的腦區切入信號，這個人行走了。這個新聞你們可以查一查。我想這樣的事，他給人看到了希望，帶來了希望。
我們一定是選那種有難度，但是一旦成功，就能夠普惠大眾。
我想說，我們今天做人工智能我們也是朝這個方向走，我們絕對不是說1.0一定要一個月內迭代到2.0，兩個月之內迭代到3.0，為了一個產品的迭代，為了迭代而接待，一定是為了應用而迭代。所以從這一點來講，應用的選題就非常的關鍵，我們一定是選那種有難度，但是一旦成功，就能夠普惠大眾。對于阿里云講普惠科技的意思就在這兒，我們一旦解了一道題，我們就給相當多的人帶來一些希望，或者相當多的一些難題就有可能找到一個解法，后面再讓更多的人找更優的解法。我們是開第一槍。所以從這一點來講，阿里云的人工智能承擔的更多的是探索性的事情，要挑戰不可能的事情。
我這樣來講，可能ET早期的時候，像我是歌手里面做了ET的。
那時候可能是一種娛樂性的，當時也是為了把他推出來讓所有的老百姓都能了解，但是后來我們的判斷是這樣的，就像我剛才講的，我們要解一些難題，讓老百姓受惠，受到好處。那這里面城市大腦就是一個比較好的復利點，為什么？我們回顧一下，過去十年，智慧城市從IBM開始提到今天一直還在講智慧城市，一講到這個的時候大家都會說，這個局、這個部委或者那個局要建一個數據中心，把數據收上來，實時的展現出來，或者搞一個統計報表。
所有的數據都在那兒沉睡。
曾經在上海的街道還有一個道路文明指數。結果呢？大家覺得這個城市智慧了沒有？我剛才開玩笑，我說有那么多的霧霾、有那么多烏云，就是因為少了阿里云，所以沒有智慧。我舉的意思是在哪里？是所有的數據都在那兒沉睡，少了一個大腦去調動他們、去喚醒他們。這就像一個什么？就像一個瞎子，他的聽力特別好，在人工智能角度上講他聽力特別好的一段代碼，但是他卻沒有視野。或者反過來也是類似的，當你要成為一個健全的人，一個健康的人，一個聰明的人，智慧的人，你需要這些功能的協調和融合。
就像美國的軍隊系統，他有很牛的技術，海軍、陸軍，但是他還要有一個聯合作戰指揮部，為什么？那今天我們的智慧城市少的就是這個聯合作戰指揮部。你到各個部委去看，機房一大堆，機房越多的城市就越落后，為什么？是觀念的落后，他還停留在原始的層次，堆機器，覺得我機器越多越好，我的信息化建設越到位，數據越多存得越多。杭州的公交公司，或者鄭州的公交公司，類似這樣的。建那么多的機房干什么？那今天我們要講城市大腦，就是要喚醒這一點，把數據給調起來，別再整機房了，把數據整起來之后，真正的聯合作戰指揮部起來了，才有可能把這個智慧協調起來，那這個城市才有可能管理和應用，才能夠更通暢、更高效。所以我們了這個題，而這個題本身呢，他的社會價值不用多講，經濟價值也是很顯然的。
然后講再一下它的難度，它的難度不僅僅是技術，技術上有很多難度，因為各種數據，非結構化的數據。我再舉個例子
大家有沒有想過，我們路邊這么多的監控探頭，現在只是公安用于事后出了事之后去調這個探頭來事后反查嫌疑犯的路徑。但是有沒有去想過，用這個探頭去看此時此刻下沒下雨，此時此刻PM2.5是什么。數據已經在那里了，為什么不去做？其實少了不是技術上的問題。今天我們要做這件事，我們就有很好的技術優勢。我們可以把中國的攝象探頭全都變成PM2.51識別器，下雨量的采集器，那么中央氣象臺的那些天氣預報可以變得更加精準了。它不用再去建很多的觀測站，因為現有的這些數據已經可用了。
所以，從這點來講，選城市大腦作為一個切入點，可以充分的調動我們所有的先進的技術，我們叫秀肌肉吧。
你要說絕對客戶量有很多，但是不是所有人都一下買整個的大腦，就像有人先來個地空聯合作戰，或者海陸聯合作戰，這是逐步來的。那在杭州，可能兩個月前大家也看到了新聞報道，其實在廣州我們也最早做過用互聯網的數據實時控制信號燈。還有我們在浙江省，不光是杭州市，我們用實時的數據來抓那些特種車輛，危險品運輸車輛，它們的一些不合規的現象我們去抓他。其實已經在各地不同階段在用起來了。只是說今天我們正式的把城市大腦恩這個概念提出來，其實是希望通過在座的各位，去喚醒那些還在堆機房的人。告訴他們，不要再用80年代的思想去解一個21世紀的問題。
這種創業我覺得可能風險會比較高。
這樣來講吧，如果有一些公司他的模式就是教授帶幾個研究生，從學校里面出來創業，他還是學校里面的做法，缺乏工業界的實戰的結合，這種創業我覺得可能風險會比較高，可能受到雙方的感召。創業創業這個業要選準，如果只是一個純算法的東西，我覺得他們最好的出路就是被收購，最最成功的出路就是被收購，因為一個業包括了多方面的因素，包括算法、包括商業模式、包括你的上游數據的資源，缺一不可，不然就不叫業，就叫小打小鬧的業余愛好，那就不是真正的事業，業余愛好的東西成不了大事兒。所以現在有相當多的公司做這一方面，沒有做成一個業，他在創造一個業余愛好。
真正的有一些比較有潛力的公司。
它找到了一種生態或者一種業務模式，跟它們技術的結合，這種公司有可能會成功，但是有一個前提，它的那個核心技術、它的門檻究竟有多高。因為業務模式一旦出來之后，很快就會被復制。業務模式是沒有專利保護性的，所以在這種情況下，他的技術門檻有多高，或者說這個技術門檻對他這個業務模式的成功與否起了至關重要的作用，那么它就有可能獨一無二，在它的對手模仿的時候，它還是能夠把對手壓下去獨步向前。但是如果這個技術門檻不夠高，很快就會被后起之秀給拷貝了，就像以前的ICQ被QQ拷貝了，是一樣的道理。馬化騰的歷史大家也清楚的。
我想講的是，有幾家公司還不錯，然后它們有一些技術壁壘，它們有一些應用場景，所以有可能走得遠一點。有一些做人工智能芯片的公司，還是沒有像以前想象的那樣做個APP就可以上市了，還是需要相對比較長的時期。
沒有，其實我不覺得阿里云對它們形成威脅，相反其實阿里云是他的朋友，為什么這樣講？至少從我們自己帶的團隊的角度來講，如果我發現一家很好的公司，它在做一個很重要的事情，我愿意把它納為生態伙伴，甚至作為孵化器一起來孵化他，讓它長得更快，來一起解一個問題，解一個真正的消費者或者老百姓能夠受惠的問題。所以從這一點來講，我們應該是它的朋友，畢竟阿里云我們不是說把所有的創業公司全部干掉獨霸江湖，那個不太健康。
那這種合作伙伴，你們會把平臺開放出來，跟阿里云的技術整合在一起一起做嗎？
山景：是的。
現在朋友圈講的比較多的是說，AI圈子里面目前人才緊缺，但是大公司一般肯定不會知道問題以后還坐視不管，我想問一下，您在培養和發現人才方面，有什么推薦呢？
我的推薦是首先到數學系里面去找AI人才，不要去計算機系，這是我第一個推薦，而且是去應用數學系，這是第一個。
因為在今天AI的頂尖人才，我們需要知道一個黑盒子背后他的運算的原理是什么？他的模型的原理是什么？而不是說只會寫一個代碼，我按這幾個按鈕最后出來結果，知其然不知所以然的人是非常可怕的偽人才，這是第一個，人工智能當前的領域當中，不缺那些會按按紐，然后用開源，然后跑出結果的人，太多了。大一的計算機系的學生，高中畢業的學生，都有可能。但是我們需要再往頂尖走，你要的是知道這個黑盒子背后，就是按那個按鈕的背后那些模型他的原理是什么？我該改什么？來解一個新的題，創造那個黑盒子的人，這是最難的。為什么Facebook花1億多買MIU的那個教授，他50多歲了，一幫寫代碼的人拼不過一個高三的人，為什么？因為他知道怎么改黑盒子了，背后的原理他知其所以然，而這一點恰恰是我們現在的一個非常大的誤區。大家都是到計算機系，或者搞數據挖掘的，搞人工學習的、機器學習的這種人不缺。缺的就是那種頂尖的，而這一點恰恰我們教育體系有脫節。我們的應用數學系，大家去看一看，畢業生的出路其實是很一般很一般的，這是很不健康的。但是在國外，這些應用數學的人都是非常搶手的，搖身一變華爾街幾十萬美元年薪。為什么？大家知道數據的力量、算法的力量，你要寫一個高頻交易的策略，你很快就成為高聲的執行董事。所以在我們國內來講的話，人工智能界的人才，首先我們要的是到數學系去找，或者去培養，或者叫現有的數學系加大對工程能力的培養，讓他們能夠看到在這個領域當中，其實那些做應用數學的人大有可為。那這樣我們高端人才的缺口才有可能慢慢的補上。那中層的執行的，不缺。
所以我經常說，大數據人才的培養，我們要有大數據領域的白領工人，同時也要有大數據領域的藍領工人。
而現在來講，大數據領域的藍領工人是不缺，太多了，BAT里面，隨便什么計算機畢業，現在每年的IT招聘，這些都有。但是缺的就是那個白領，白領上面的金領，就是像Facebook買的那個教授一樣的道理，能夠改那些算法，能夠創造新的算法的人，解一個未知的問題，沒有模板可用的問題，這種人是最難的。其實也是需要一個是學校培養，還有一個是我們自己在工作當中慢慢的去發掘有潛力的人，然后在實戰當中去培養，在戰爭當中鍛煉士兵。
（雷鋒網）您的總結兩點是吧，第一個是去大學里面找數學系的，特別是應用數學系的；第二是自己培養。
自己培養的話，其實這里面要的是什么？也是數學功底好，肯鉆研的那種。如果沒有數學功底，這個事兒不好搞。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
