主持人：邊喫邊聊，因爲今天一位演講嘉賓曹總，等會還有另外一個活動，需要提前離開，所以我們就把原來探討的議程稍微改變一下，請曹總先講，我之前跟曹總交流了一下，他自己在思科跟人工智慧相關的研究和應用的工作，有一些心得希望能跟大家分享一下。
曹圖強：今天很高興，特別是在矽谷做了這麼多年，非常高興有這個機會，也謝謝埃森哲今天給大家這個機會。
回到大連非常不容易，因爲我是大連出生，大連長大的，所以我覺得大連和這麼多企業家和同行們在一起，有這個交流的機會我也非常感謝你們。
談到AI，我在思科18年，在美國一直做研發，研發雲端和數據交換機，也做了一些和安全有關係的。剛纔聽到賈總談到AI，讓我很想和大家說幾句。
AI講起來公衆對它的感覺，讓人感覺到非常能夠驚訝或者驚歎的地方，比如說道德層面等等，但是今天大家要了解的AI，我們從嚴格意義上說，叫ANI，（英文），它實際上是非常有專業性，剛纔他們很多運營，所以叫ANI。讓大家比較害怕的，或者電影上那些叫（英文），那個大概還需要很長的時間，也許是十幾年，也許是上百年，很難講。所以今天我們分享了大部分都是ANI。
談思科在ANI有哪些想法，剛纔談到了神經網路，講到了（英文）等等，今天就不講專業技術的東西，思科當時遇到一個問題，大家在談到網路的時候，都覺得每個公司每個企業遇到問題的時候，所有問題都是網路的問題，大家都有體驗，比如說資料庫出問題了，我連不上資料庫，資料庫調不出來，存儲的時候存不上去，永遠都是網路問題，更不用說電子郵件收不到的時候，一定是網路的問題。一時間對思科的好處，我們培養了很多的CCI，然後爲大家排除這些故障，解決這些問題。隨著今天越來越多複雜的問題，讓我們網路會變得越來越複雜，實際上不是網路變複雜，而是我們的使用和應用變複雜了，在這種情況下怎麼利用AI的想法或者ANI的想法，可以讓網路變得更智慧呢，這是我們思考的問題。
思科就想到一個辦法，談到了神經網路，可不可以用大數據和機器學習的方式，讓網路來自動的學習呢。自動的學習一定要數據，我們想到網路是收集數據最好的地方，可以想像，網路是四通八達的，我可以收集到這些數據，我們想到（英文），思科叫（英文），它的思路就是，我在網路裏面，晶片裏面，有收集數據和分析數據的能力，但是在所有的節點，和我網路連接了，比如說伺服器可以放一些非常小的，類似於軟體，像探頭一樣，可以收集數據。所有的網路和我連接，如果有硬體，放上晶片，也可以收集數據，沒有的，可以放一個很小的軟體，不佔多少CPU，也不用很多的計算時間，但是可以採集數據，透過這個方式可以把網路全學習到了。學習到以後，今天就可以做一個數字模型，所以剛纔賈總談到，可以像培養幾歲五歲的小孩一樣，這個網路剛開始建立的時候，這個網路是想解決數據中心，比如說建立一個非常大的雲平臺的網路，按照我的意圖建好以後，馬上開始機器學習，透過學習就瞭解應用端到底用哪些，比如說用資料庫，該有ACP的應用等等，比如說大家對我的（英文）用多少，這樣的數據收集以後就發現，我的網路已經不能適應我的業務發展了，這個時候透過自我學習，知道自己已經不能適應這個發展怎麼辦呢？我需要去改變。我改變，根據什麼標準呢？根據業務的標準，所以業務的策略指導了網路的工作，所以慢慢的網路開始要自我學習，然後有自我保護，同時還有自動的（英文），等於不斷的改變它的配置。在這種過程中，網路端應該是自動的，而且是有智慧的網路，所以這我們今天談到的意圖驅動網路。
希望有機會和大家能夠有更多的分享，謝謝。
主持人：您的時間有限，非常感謝。剛剛大連理工大學的盧老師問我一個問題，FT跟人工智慧有什麼關係，爲什麼你們來辦相關話題的活動？我想來想去，還真沒直接的關係，即不是研究者，也許在我們業務和編輯流程已經開始應用了一些基本的跟人工智慧相關的技術，但是也不是特別大的用戶。
其實我們是一個連接者，在座有各個領域，剛纔賈總說了，從基礎研發到各個應用場景具體的專業人士，甚至到相關的文藝作品，我們把各個領域裏跟AI相關的人士連接在了一起，在各個平行時空時間，能讓大家有一個機會，這就是我們在這裏扮演的角色。
剛剛戈揚除了負責把大家請到現場之外，還幫大家設置了一些問題，我們分了一下組，在相關領域分了幾個組，給每一個組的演講嘉賓提供了幾個參考問題，下一步就這樣進行，每一個組請兩三位演講嘉賓，給大家提出幾個我們事先設定好的問題的方向，大家不必拘泥於此，多數時候都是外行，是引導性的問題，按照自己感興趣的，和其他的嘉賓話題有互動，或者跟AI相關的想法，給我們隨便暢所欲言。
首先邀請今晚的兩位顏值擔當，也是跟媒體行業比較近的兩位，科幻作家陳楸帆先生，還有紀錄片的製片人趙陽先生，二位從事的跟媒體多少有點關係，陳老師就不必介紹了，是多次獲獎科幻作家，而且現在很多作品都即將被改編成其他形式的文藝作品，很快能看到更多的跟他作品相關的作品。AI二位都非常關注，而且在這個領域裏有相當的研究，我們可以不妨做一點靈魂之問，AI您覺得究竟是朝什麼方向走，大家一提到AI，最基本的恐懼，就是它未來會在多大程度上能夠統治我們，在多大程度上替代我們，還是能夠在多大程度上爲我們所用，在這些基本的哲學領域的想法，您現在有什麼最新的體驗，跟大家分享一下。
陳楸帆：我先拋磚引玉，今天來到埃森哲跟FT的晚宴非常榮幸。特別巧，因爲今年我的一些創作都是跟AI有相當密切的關係，不光是今年年初在中信出的小說集，叫人生演算法，全都是圍繞人跟AI共生的共識，有生老病死這樣的不同面向AI在裏面扮演的一些角色。
更有意思的是，今年年初的時候，在上海作協，思南文學會這邊，用了AI的演算法，把去年的20本主流文學雜誌，包括人民文學，大家比較耳熟能詳的主流文學雜誌的作品全都跑了分，用AI的演算法給每一篇作品一個複製，是結構的優美程度有一個曲線，在前面所有的跑分裏面，莫言老師排名第一，發表在十月上的作品，諾貝爾獎得主，最後一天，最後一個雜誌，上海的小說界，把他的作品提交上來，跑出來一個分，一篇作品以0.0001的差距豔壓莫言老師的作品，這是我的，最有意思的是我在這個作品裏用了AI寫作的部分，因爲我在谷歌工作了很多年，我跟王永剛很熟，他在2017年下半年下載了一些代碼，技術上沒有任何的難度，把我所有寫過的語料數據都打包進去，我們做了這樣一個放在阿里雲上的程式，會輸入一些關健詞，能自動的生成一些片斷。這篇作品，把這些片斷放進去，圍繞這些東西做一個創作，人跟AI協作的作品。這兩個AI是出於什麼樣的原因，互相認出了彼此，而且認爲我帶有AI寫作的作品，比莫言老師的還要略勝一籌呢？非常有意思，所以今年上半年的時候，很多媒體都做了報導，包括有很多文學評論家發出這樣的驚呼，是不是AI寫作的時間到了，是不是藝術的領域，以前覺得人類最後堅守的陣地會發起挑戰，我覺得這個過程裏是非常有意思的思考，所以對於我來說，還遠遠沒有到達那個階段。對於我來說更像是我爲AI寫作的東西，我把它寫作出來的這些沒有什麼邏輯性，需要用一種更加開闊的視角去閱讀的文字，給它做了更加適合人類閱讀的故事，同樣我相信，在其他的領域也是面臨這樣的問題，大衆的擔憂都是來自於對技術的不瞭解對陌生未知的恐懼，佔了壓倒性的位置，包括李開湖（音）老師曾經說過，因爲科幻作家讓大衆一直對AI有恐懼的心裏，現在透過科幻電影的展現，將科技與人文進行連接的這種方式，更好的提出一些問題，這些問題可以讓大衆產生更深度的思考，這些問題可以幫助他們在心裏上做好緩衝。
比如說今天我在論壇分享的，（英文）的年度報告，裏面有一個情感的衝擊，叫做（英文）講的是，在未來有可能AI比人類更能夠準確的是別人的情感波動，包括現在非常多的面部識別技術，對微表情的識別準確度已經超過了人類，現在有很多心理諮詢用AI介入，比人類心理諮詢師更瞭解所屬的類別，採取更針對性的療法。會否有這樣的可能性，在這個過程中，因爲數據的安全性，包括數據的偏差，包括駭客的攻擊導致演算法會對人的情感狀態產生影響，這個東西其實有很大潛在的風險，這個是我這次爲論壇所寫的小故事所描述的未來的可能性，他們也會把這個跟西班牙畫家一起做成作品，在這個月底的年度報告裏會呈現出來，所以也是非常希望今天在這裏跟大家一起交流，透過各個領域的跨界合作，我們從一個文藝工作者的角度，把這樣的一些思考，把這樣的一些擔憂，以故事的形式表達出來，幫助更多的人理解技術，去做好應對充滿不確定性的未來的準備，同時我們也可以反向爲技術從業者，因爲很多時候我們會從工程學的角度，我們認爲工程可以解決很多的問題，但是其實忽略了人，他作爲一個個體，他是複雜的，他不是一個數據，一組（英文），我們需要把人的情感，這種連接代入進去，幫助我們做技術的人更多樣的去考慮到一項技術，能夠在多大的範圍內產生各種層面上的影響，這可能是從根源上去進行預防一些可能存在的風險的一些做法，所以我的小小的分享，謝謝大家。
主持人：非常感謝陳老師。剛纔我忘了提醒大家，因爲大家都難得來夏季達佛斯一趟，聽說很多今天的演講嘉賓後邊還有第二場、第三場活動，爲了不耽誤大家後邊的活動，爭取儘快，按照原計劃20：45左右結束，麻煩每一位演講嘉賓大致限制在兩三分鐘左右。下面請趙陽先生。
趙陽：剛纔跟大家分享過我的片子了，就兩點。第一，包括我個人，包括在座每個人都愛看一些故事，科幻電影等等，我個人更願意看探索，我們更希望探索更真實的世界，到底這個對我有什麼影響。
透過這個片子的探索，大家不需要擔心AI對你有什麼衝擊和影響，我們的出發點就是想知道對普通人，尤其那些存在失業危機的可能性的對他們的影響，大家其實是不需要擔憂的，因爲不管是AI的發展階段，還是未來，應該都沒有問題。至於怎麼制定，如何讓AI向健康的方向發展，這個是需要大家以後探討的問題。
主持人：下一組請FT兩位老朋友，首先是錢軍老師，還有陳東輝，二位都是跟金融相關的研究，非常資深專業的人士。AI最初現在比較成熟的應用領域也是跟金融相關，尤其是保險、銀行業都已經有了成功落地的案例。依據您的研究再和我們分享，下一步從金融行業來看，還有可能看到怎麼樣更深層次的AI的應用，在目前已經有的應用中已經看到了什麼樣的挑戰和問題。
錢軍：說三條，第一個AI在金融裏的應用，已經有很多了，下一步很有希望的在投資領域，中國理財市場非常大，各種各樣的數據，幾百萬億，爲什麼AI在投資領域很有用呢？因爲人在做金融決策的時候，傳統的金融學說，因爲做錢有關的決定很理性，其實很不理性，所以人在做投資和交易的過程中，重複犯很愚昧的低級錯誤，各種各樣的實證研究，比如說諾獎的教授，把瑞典所有家庭的退休金的賬號都做了，比如說交易次數過多等等，這個方面AI不是在創造更好的交易方式，而是很簡單的，就是避免常見的錯誤，我是從這點來講，避免人爲的錯誤，就可以給投資者帶來很高的收益。接下來在金融很有希望。
第二個，不是潑冷水，我對AI的問題，跟我對所有技術的問題是一樣的，金融這個領域裏面，其實到最後很關鍵的問題是信任問題，當然人承受也需要信任，談戀愛也需要信任，金融也需要信任，信任問題在近來學裏面的核心是資訊不對稱，有了大數據以後是有非常多的資訊，但是資訊多不等於資訊是對稱的，你知道的東西，你講給我聽的時候我會打個問號，這個心身問題，即使有了區塊鏈，可以99.99%防止僞造，有的海量的數據把你從生下來到任何的數據都掌握的很清楚，有了AI能夠全面掌握，還是不能解決這個問題，而且這裏有個鴻溝，現在的AI最終決策還是給人做的，比如說金融交易，AI可以把數據做好，最後還是人拍板。AI還是在爲人服務，問題是什麼，不管是技術也好還是數據也好，哪怕100、1000個基金裏面，誰都很好，只要有一個壞人，哪怕區塊鏈應用裏面，99%的人都很好，哪怕有一個壞人，只要有一點點的失誤，這個信任問題就是一個鴻溝，所以這個方面，我沒有看到任何的技術能夠朝著解決信任問題上面邁出很實質的一步，雖然有各種各樣的辦法。
第三個狹隘一點，講到法律，監管跟AI有關，學術界經常討論一個問題，現在用AI用程式交易，現在速度很快，而且可以量很大。美國已經發生了閃電崩盤，1%秒里程序下錯了以後市場就崩了，殺傷力很大，瞬間兆就沒了，現在有一個問題，以後都是程式交易時候，有一個是壞的，是惡意的，從法律上講，什麼時候應該判它有罪。現在爲止尤其西方的法律，犯罪的事實要達成的時候才能判罪，現在的問題是，等到有犯罪事實的時候，幾百萬億的錢就沒了，能不能判一個人有罪，因爲事後就來不及了，就得往前追溯，這是一個挺有意思的話題，人的行爲，因爲這個程式，一旦被追溯到最後寫的人也好，公司也好，您也可以多寫點作品，謝謝。
陳東輝：保險是一個非常傳統的行業，跟剛纔作家和製片人比起來，自己感覺說出來對大家的胃口沒有太大的幫助，但是AI確實是非常重要的話題，對保險行業影響也非常關鍵，所以我想給大家舉幾個例子，AI現在用到了什麼程度。
前面講資訊不對稱用AI來解決，特別到位。第一個，我們在壽險承保的時候都會問一個問題，你會不會抽菸，大部分人都說不抽菸，沒有人老老實實講抽菸，因爲知道抽菸保費就上去了，保單就更貴，所以沒人講實話。你發一個照片，問你幾個問題，做什麼工作用機器學習判斷，95%的準確率，根本不用問你抽不抽菸，看看你的面相，問幾個問題，機器學習判斷的非常準。
第二個例子，國內保豬的保險，豬沒辦法驗到底最後索賠的豬是不是當初的豬，現在AI用了以後用了豬臉識別，確保索賠的時候這頭豬長的跟承保的那個豬是一個豬，要不然農民以前提幾條豬尾巴來索賠，資訊嚴重不對稱，所以AI非常簡單，也非常有效。這兩個例子沒有解決模式的問題，未來AI的會不會有新的業務模式，有可能，一個是無人駕駛，如果說推開以後，現在車險就消失了，就變成了汽車生產廠商的產品責任險，設計的無人駕駛系統，會不會出現系統性的風險，這個是保險公司來承擔風險，這個業務模式完全不一樣了，顛覆性的。
來說妨礙保險，如果說AI的使用能夠做預判，可能會徹底從根本上顛覆目前的保險，也就是說目前所有的保險行業賴以生存的最基本的這些商業保險都不管用了。我不太佔用大家更多的時間，這兩個都是行業研究的重點，AI對於最傳統的保險業，這個浪潮已經推了，大家再想不參與已經不可能了，謝謝大家。
主持人：非常感謝陳總提到了豬臉識別。今天還請到的京東集團副總裁，豬臉識別已經非常成熟的業界應用，而且好幾家公司都有獨創性的研究。
剛纔好幾位演講者都強調了，包括片子也都看到了，在人工智慧里人是完全不可忽視的因素，歸根到底不能讓人工智慧變成像終結者裏邊那樣的毀滅人類文明的角色，但是另一方面人力資源，人力在目前的確是各個行業裏邊很多人都感受到了，新聞業界也是一樣，騰訊開發了寫新聞的機器人，雖然現在以財經新聞體育新聞爲主，但是我很多同事其實都已經很緊張了。下面請跟人力和人工智慧關係研究有關的幾位，首先是（英文）中國CEO陸堅模式，還有埃森哲亞太區李惠紅，再有是剛纔跟我們提過的大連立功大學盧湖川模式，這組人數比較多，麻煩每位發言時間限制在兩分半、三分鐘左右。
李惠紅：歡迎大家來到美麗的大連，我自己是負責埃森哲亞太區的運營業務，同時也是埃森哲大連公司的負責人，歡迎大家來到大連。
關於人才的問題，大連其實是萬人的互動中心，在我們推動人工智慧和自動化過程中，給大家一個數字，平均每年自動化1000個人的工作，我纔是真正感受到每一天，面對著我平均28歲年齡的小朋友的時候，我會告訴他，明天你的工作就會被替代掉，這個問題怎麼解決，剛纔談到的並不是聳人聽聞，這個事情就在我身邊發生，我們怎麼去面對。我想談的是，讓大家重新變化技能，大家失業，因爲人工智慧可能會失業，但失掉的是當前比較固定化的，比較規則化的職業，取而代之的是我們需要更加有創造力的工作會出現，更加有價值的工作出現，所以其實我會鼓勵和所有的員工，能夠獲取更新的知識，我想分享哪三方面的知識，也是我們平時做的。
第一個學習如何使用機器，不要怕它，今天晚上叫你做主，你要了解它，才能夠做主。我們會對所有的員工進行人工智慧以及機器智慧方面的培訓所有人。是白天工作，還是24小時工作，這是培訓員工學習培訓機器人。
第二點，所有員工都會增加一個叫跨界，每個人多一項技能，有兩個職位在公司裏出現，一個叫（英文），那些學技術的，要學一些業務，有很多IT同事，現在財務的知識也很厲害，他可以培訓一個CPA出來，反過過來，一些業務的人教他做機器人，這個就叫跨界培訓和成長，這是第二點。
第三點，我非常欣賞兩位作家，讓員工充分創造的能力，我通常跟大家分享的，你怎麼有分享的能力，我說看科幻電影，看科幻小說，未來對人類產生的影響會怎麼樣，我想透過看科幻電影，看科幻小說，讓大家產生對人工智慧無限的嚮往，讓他能夠更加積極的變化，這種變化是不能阻止的，那就擁抱它。就分享這三點，謝謝。
陸堅：很高興今天能有機會跟大家分享。是全球最大的職業社交網路，有6億多會員，今天能夠跟大家分享一些數據，不過在分享數據之前，我想講剛纔錢總講的人工智慧對金融行業的影響，驅動自動化交易等等。我們發現，有一個高危險的人羣，就是財務分析師。
我其實個人一直是做技術的，很多年了，也是做圖象分析，影片分析，應該說是身在其中，包括深度學習對技術的影響，但是實際上我是在兩年前讀了一本書，讓我感到我們在變革中，自己其實沒覺得，其實說的是機器取代人的部分，這個時間已經很長了，不知是AI，其實是自動化對人類工作產生的影響，這本書是2015年也是FT商務類最佳的，叫（英文），我還沒漫談中譯本，但是我讀的是英文的，也是紐約時報的暢銷書。
我讀到了非常震驚的數據，這個書是2015年寫的，很多數據是2010年到2015年之間的，其中講了一個小故事，講的是機器改卷子，我們知道改卷子如果是選擇性答案就不用說了，這裏改的是改作文的間子，用的是美國升學考試，用了大概上百份卷子來訓練機器，後來這個機器就能達到跟人的閱卷99.9%的吻合率，而且還能找到，如果是不一樣的，覺得機器改的是對的。這件事情僅僅是我們從一個數據上看，還有一個事出現，應該是在2013或2014年，在美國的老師裏有一個反機器閱卷的聯盟，大家可以看到，老師們感到了機器對他們的威脅，這不是選擇新答案的那種，是講重複性的工作，提升效率的問題，這是從智慧的角度上來說，叫作文的卷子。
國內有一個批改網，中文機器改卷子，現在水準什麼樣我不知道。其實也是去年在天津的夏季達佛斯上我們公佈了關於人工智慧對就業的影響，我們在2015年到2018年期間，發現我們的的會員，他們都會來標記自己的技能是什麼，我們就發現，其實人工智慧有關的，我們說都是硬技能，在這段時間裏增加了190%，這是一個很有意思的，我們在想，這意味著什麼呢？意味著很多的會員，可能是想駕馭機器，學的都是人工智慧。
還有一個數據，研究就業的人才上面，我們發現有哪一些工種在過去的五年裏，是看漲的，先說哪些是看衰的，分析師是一個，還有行政助理也是所有行業裏都在減少。我們說哪些還在繼續增加呢？我們歸納了，有一些叫（英文），就是圍繞著人的，這些其實包括人力資源、做市場的，這些要對人的習性，人的偏好能夠了解的，這些看上去，這些工種的人數量是在增加的，這也挺有意思，如果可能不是我們有太多擔憂，但可能更多我們的孩子，下一代，我有擔憂的話，讓他們去學習什麼樣的，或者說搶在機器牆面，學一個能夠駕馭機器的更好，還有是圍繞我們人的強項的，也是爲我們出了一點方向。謝謝。
盧湖川：這兩天一直在做人工智慧的發展狀況的報告，在不同層面上。我是做人工智慧方面研究的教授，人工智慧的發展三起三落，到現在是非常高的水準，特別是2012年之後，人工智慧在各個領域不僅僅在網路，是遍佈了所有行業。
剛纔大家有點過分擔心了，現在人工智慧更多的是能夠解決一些特定的任務，比如說人臉辨識，甚至在保險裏對車的自動評估等等，包括我其實也在跟今日頭條合作（英文），把一個人的動作穿到我這裏，合成我來跳邁克爾的舞蹈等等，都是圍繞特定動作做的，真正的發展到機器代替人的時代，我們稱之爲強人物智慧，我覺得還是很遠的。
其實現在更多的人工智慧是在幫助各行各業提高效率，其實只是開了一個頭，還有很多任務是難以解決的，大家看到的打敗象棋，這是很簡單的事情，很容易做到，但是在很多開放性的數據集裏是很難達到很高水準的，其實機器在智慧推理等等，認知、總結、歸納還有很大差距，這是第一個方面。
第二個方面，因爲我高校的，現在AI的這種企業，對於人才的渴望是極度的渴望。深度學習畢業的學生很少，薪水都是非常高的，特別是在中國很多學生可以直接到美國的矽谷創業，主要是因爲掌握這項技術的人很少。因此中國其實在人工智慧方面是有先天有時的，因爲人工智慧第一是算力第二是演算法，第三是數據，其實中國人在演算法方面是有先天優勢的，因此目前中國2017年國務院發佈的人工智慧發展規劃之後，各個行業都發過發展規劃，對中國人工智慧的發展是巨大的機會，我們希望在這個機會過程中，能夠搶佔人工智慧的高地，能夠把科技革命從美國牽引到中國來，這都是未來的中國，要取決於所有行業。
教育部也好，包括全國也好，從今年開始第一次，在9月份招生工作中出現人工智慧專業，大量培養人工智慧方面的專業人才。這是學校方面。
其實大連市政府和大連理工大學成立了大連理工大學人工智慧研究院，也在扶植這件事情。企業對人工智慧的泡沫也會迅速的衰退，在產業界的融資投資，實際上是在2014年起始大2018年的時候基本上開始冷卻了，要回歸到理性，特別是熱情進去之後，期待的是產品的一種落地，目前應用場景還差的很遠，在座的很多企業有很大的機會，人工智慧真正爲企業找到落地的產品是不容易的。
大家應該理性的看待這個問題，真正的把泡沫擠出去以後，這個行業纔會更快速的發展，同時需要教育界共同協作，推動人工智慧的發展。
主持人：前幾年採訪過程中涉及人工智慧人才去哪找，很多中國高科技企業，派自己的獵頭，在畢業季提前半年就跑到大學門口蹲點，見了人就問是不是人工智慧人才，希望國內人才能夠儘早的適應國內不斷膨脹的需求，國際頂尖的人才的流動肯定是不可逆轉的趨勢，即便是當今的環境下，還是希望國內人工智慧相關的教育機構，研究機構，能夠儘快培養出來自己這些尖端的人才。下一組一位是榮永康先生，還有是京東商城戰略負責人凌晨凱先生。
很多政府都在各種各樣的給數據建牆，有些是出於私隱，有很多行業開始叫苦，所以想請二位談談，在你們看來，數據的流動，未來是會更多的有限制，有限的限制，還是說現在會出現這樣一種，從各個層面，出於自己的利益出發，更多的限制數據的流動這樣的趨勢。
榮永康：AWS客戶數據還是客戶的數據，現在不同的國家，不同的行業的監管是大勢所趨，因爲當這些數據跟個人有關的時候，就自然有多疼，你說是人家的數據，人家可能沒關注，AWS還是比較支援，但是不要管，管到死的時候，基本上就沒辦法了。
美國有很多研究是針對乳牙，但是美國人乳牙的分析，跟中國人不一樣，中國人在臺灣，我們有一個客戶，他們研究大概有100多萬的數據，其實整合起來的話，其實是一直可以找到有針對性的治療的方法。讓行業管的時候，是不是建起一些壁壘讓其他人進不來，如果跟醫療有關，還是應該有限制的把它放開，需要有一些專業，最擔心這些數據的管理監管，是一些不太懂技術的去管，那就有點麻煩了，就管的太嚴了。
我們的看法還是以行業，因爲行業知道，怎麼去交換，怎麼去流動，我們也看得到，如果有一些人也好，團體也好，希望做交換的時候，最少保證這些數據的一些安全，去到哪裏去，可以跟蹤的，看到這個是比較好的保障。
凌晨凱：我個人覺得，數據對未來的企業，像零售企業價值是非常大的。我們看到的是未來商品的交易價值，是在直線下降，而數據和內容和服務，這個價值是在不斷上升的，所以說如果能夠確保數據的流動，未來能夠帶來價值。舉一個例子，以前我們說大家刷牙，去買一把牙刷，現在有合作，牙膏也不要錢，牙刷也不要錢，刷完以後，覺得你這哪有問題了，哪有潛在的毛病，我這裏有一些其他的方案，可以看到數據對品牌的價值。
第二點，從零售商的角度來說，數據讓我們跟品牌商的關係發生了根本性的變化。以前是我們多賺一分錢和少賺一分錢的關係，一旦的數據，攤子一下大了，在京東內部有很多CUM，這個平臺上有大量數據，從市場的空白點到消費者的痛點，到消費者的反應，到他們反應以後的決策，到他們決策的流程都有，這也是非常保密的，不會單獨透露。如果跟品牌商合作，可以把盤子做大，從零售商的角度我們是希望數據能夠流動，數據能夠打通，可以有更多的價值。
第二，我們看到數據能把未來的東西產生變化，隨著數據的普及，特別對零售來說，我們走進一個店，這是（英文），琳琅滿目，未來數據的普及和應用，我們發覺（英文）變成了（英文），走進這個店或者打開這個網頁，從這個意義上來說，數據的價值非常大，但是數據要好好利用，謝謝大家。
主持人：最後一組是人工智慧領域成功的創業者，好幾位都是達佛斯青年領袖，達佛斯的常客。想給各幾位準備的問題，現在大家提到人工智慧都說大數據，大算力大演算法，都是巨擘的企業動輒幾億的錢砸市場，但是你們幾位創業相關的領域，往往都是側重於爲中小企業服務，甚至爲個人消費者服務，所以在需要如此之巨大的投入，有如此巨大的門檻和壁壘的行業，又怎麼樣能夠開發出，能夠爲中小企業，能夠爲個人消費者，跟人工智慧相關的或者是應用，或者是技術，你們幾位的經驗大概是什麼樣的。首先請範凌先生。
範凌：非常高興，很感謝有這樣的機會，來講一下我們公司做的事情。
當我們講到人工智慧的時候，消費端數據是很充分的，所以在消費端可以再精準的投放，做很多事情。但是在消費端的巨型平臺，並不一定有優勢，我們自己做人工智慧和創業行業相關的，一個人在阿里上買了1000本設計書也不代表他是好的設計師，作爲一個創業公司，有可能在供給側做一些積累，這是我們的第一個機會。
第二個，我們在講人工智慧，這個名稱本身帶有一定的（英文），60年代的詞，現在我更願意講人幹人的事，機器幹機器的事，機器幹到現在也應該有自己的思想了。前一段時間有一個朋友跟我講了一個故事，他說20世紀最偉大的發明就是電，電出現了以後，有了電梯，有了電梯纔有摩天樓，本來從6層樓走到100層樓本來就是人乾的事，機器智慧除了自動化致用，還有一件事情，最近我去矽谷的時候也在講，能不能讓機器幫助人更好的成爲更好的作家，更好的記者，更好創意人，過去的數據能不能透過更好的方式幫助每個人更容易達到（英文），這個角度還是看到很多機會的，我們自己一邊做公司，另外也做機器集，教機器創意的基礎設施，這塊也需要更多的時間來做，總結三個點，第一個點是供給側小公司有機會，更垂直。
第二點，我們應該發現那些除了自動化之外，幫助人更好的幹好非標中國的智慧的機會，第三個這裏有一些垂直的數據積累，需要跨平臺一起來建立。
黃鼎隆：作爲人工智慧的公司，首先要賺錢，所有不賺錢的創新都是耍流氓，人工智慧要不耍流氓，要負起責任來，首先是賺錢。因爲人工智慧已經有那麼多的投資人，那麼多客戶，砸了很多錢，如果是負責任的，現在應該是給投資人給客戶提供足夠好的財務的回報，所以說能賺錢，或者換一個角度講是實現商業上的大規模應用是現在的關鍵點，這個實際上是很難的，因爲現在看到那麼多概念，真的大規模的商業應用，應該是非常少的，非常難，因爲這裏面有太多沒有解決的問題需要一個一個去解決。比如說剛纔賈總說的四維象限的模式，到效率模式到創新模式，看到了我就覺得，應該努力的從效率模式往效力模式轉，裏面到非結構化的數據，過去五年一直在致力於解決一個問題，人工智慧深度學習需要太多的數據去訓練，需要那麼多數據，使客戶應用成本太高，而且需要標註過的結構化的數據，所以開發出一個弱監督式學習演算法，不需要那麼多標註的數據。只是一個小小的提升，我們是給一些零售企業提供識別商品的人工智慧模型，以前識別商品需要上千張圖片，現在只需要20張，這就代表了從成本上大幅度的降下來纔可以打幅度的商用，而類似的問題非常多，這個路是很漫長的。
再回到剛纔那個問題，給中小企業大企業，我們的商業路徑，首先不是去服務中小企業，我們首先是服務大型的，尤其是在國際市場上，在各個領域龍頭的企業，去年有幸成爲埃森哲的投資企業，只是跟埃森哲一起能夠給大公司提供AI的解決方案。爲什麼這樣一個策略呢？也很簡單，就是賺錢，因爲這樣的策略，大企業他們的規模的效率的提升，哪怕是一點的提升也足夠有商業的空間，所以主要是從這個角度去切入的。
袁輝：我最後一個發言，就很多嘉賓的觀點，因爲時間有限，拋一些觀點，第一個關於大數據的問題，第一今天人工智慧，談的很多是大數據，但是我想舉一個例子來引起大家的思考。
人類學習從來都不是透過大數據，我們在從一年級開始的語文，一直到大學語文畢業，所有的語文中文的課本，放在一張桌子上都是不夠的，包括數學天文地理化學，人類的學習從來都是用小數據，而不是用大數據，第一個觀點，現在人工智慧離人類在整個學習的模式上，還差的非常遠。
第二個觀點，剛纔我們談到關於機器是否取代人類的問題，我分享一個數據。第一個七年是做消費者的應用，七年之後面臨今天蘋果同樣的問題，是沒有商業模式的，只是人類的夢想，包括阿爾法狗，只是人的夢想，但是依然是一個巨大的挑戰，今天所有的大型企業，包括剛纔創業者在談的，基本上聚焦在（英文），破鏡領域的商業問題，怎麼樣把科技從黑盒子裏面變成推動生產力的部分。
另外一個觀點，今天的人工智慧一定首先在B2B再到B2C，機器取代人類這個上面，今天中國三大營運商，幾乎全是我們的客戶，舉一個例子在客服領域，我們幫建設銀行一年取代9000名員工，所以進在中國前五大銀行裏，我們是數十萬的取代，這種數據是真實的商業數據，今天是閉門會，我只是分享給大家，機器取代人類的方面，已經開始了，而且在某些崗位上面。我們在2035年，我們認爲比如說機器取代人類的機會可能更多，我說這是時間的問題，是機器取代人類快，還是機器創造快。
第三個，關於今天在第一個七年，我們經常談科技發展，人工智慧怎麼先進的問題，我到客戶講關於人工智慧機器人，他聽我講的兩個小時，他非常興奮，這是在2010年之前，他非常興奮，他說能不能把你的機器牽出來看一下，2010年之後，今天不會再談這樣的問題了，今天在談AI的賦能，但是再早幾年就談怎麼把科技轉化成生產力。因爲我們看到一個很大的侷限性，今天所有的演算法，所有對AI的思考，都沒有離開過去60年以來，人工智慧這個框架體系，而這個框架體系在目前是沒有被突破的，在未來的五年我的觀點，因爲各行各業會引入人工智慧，所以我們會看到人工智慧在過去的積累，會在未來的三到五會爆發，但是離我們所期待的那個部分還差的很遠，如果不突破這個理論框架體系，我們所期待的人工智慧是很難出現的，所以再回到人類和人工智慧的關係的問題，今天的話題很重要，因爲今天我們會講，對人工智慧會有很多擔心，回到科幻作家的問題上，今天大家有很多恐懼，打個比方，人類關於終極夢想和人類的關係，我不是基督徒，但是我用一個故事，像伊甸園中亞當和夏娃，已經喫了第一口蘋果，人類在期待中期待人工智慧的出現，人類是帶期待和恐懼中等待夢想的實現，爲什麼科幻作家很有意義？因爲人類一直都是心想事成的，沒有心想不可能事成，只要心想必事成。人類自己現在標準下滑了，什麼意思呢？比如說現在問一個很簡單的問題，我們十個人，你是好人嗎？十個人中可能有十個人說是好人，隨便挑一個人問，你憑什麼講裏是好人呢，他說那九個人乾的事我不幹，這也是今天的主題，AI的未來在哪裏呢？是在你我，在人類自己本身，AI的未來是你做主，謝謝大家。
主持人：非常感謝袁總。今天各位跟我們分享，即腳踏實地，又有夢想的遠方，讓我們受益匪淺，希望明年或者再近一點的時間，隨時做交流，大家保持聯繫，謝謝。