北京时间2018年4月26日 - 27日，第十届全球移动互联网大会(GMIC北京2018)在北京召开。此次大会以 “AI 生外物”为主题，众多中外顶尖科学家和企业家以AI的发展趋势、商业应用以及对经济、社会的影响，和现场观众一起分享了他们对AI的见解。在2018年4月27的“AI产业化领军者峰会”上，长城会总裁于晨超、旷视科技副总裁谢忆楠、丰瑞资本创始合伙人李丰，围绕“如何看待AI和IOT驱动的世界”这个话题进行了一场精彩的圆桌论坛。
以下为“如何看待AI和IOT驱动的世界”圆桌对话实录：
主持人：有请于晨超、谢忆楠、李丰进行圆桌论坛。
主持人：大家下午好。我是长城会的总裁于晨超。坐在我右手便的是谢忆楠先生。谢忆楠先生是旷视科技副总裁。李丰是丰瑞资本的创始合伙人。之前李先生做秒针广告系统，在新东方待了七年，在新东方的时候人称丰帅，做基金后人称丰叔，在智能硬件领域投过有代表性的作品，像三只松树大家都知道，智能送货机器人。回到今天的主题是如何看待AI和IOT驱动的世界。IOT我们叫物联网，现在其实说在人工智能领域大家都需要一个它的真正应用的落到跟我生活相关的，之前有一个孙正义有一个判断，说之前手机的综合年复合增长率前五年是37%，在接下来五年可能只有4%，整个新的增长的增长点可能就在物联网。所以孙正义也提出了他的方向，就是IOT，就是物联网。我们首先请谢忆楠分享一下旷视是怎么布局的?
谢忆楠：物联网我们可以这么理解，就是原来人和人之间是可以交互的，人和机器之间也可以交互。但是反向过来机器和人没有办法服务。我们所有一切，比如我们现在所谓的APP控制空调C也好，我控制其他也好，输入的所有数据其实是需要人提供给它的。我们现在有很多摄像头，我们也感觉到另外一个场景，我们之前看到的交通，我们几乎城市里所有的摄像头，红绿灯两个之间没有什么交互，摄像头不会给红绿灯你这个开多少时间，红绿灯也不会告诉它这个开多少时间你怎么样。IOT有三个阶段：在线化，数据化和智能化。在线化就是互联互通，这个有网络协议，这个我们觉得不重要。但是第二和第三件事情比较重要，所以我们所做的这部分是数据化这部分。所以我们只能说未来在五年左右的话，我们自己的目标是能够把我们的技术放到十亿个摄像头里，这十亿个摄像头能够产生实时的足量数据，能够为社会创造价值。所以这是我们定义的一个所谓的物联网，就是我们可能认为的行业物联网。
举个基础的或者举个场景来看的话，比如像新零售这个场景，我们在这里的核心物件有什么，有货架，有收银台，有门，有人，有这一切东西。但是真正给它创造价值的是什么，是他的选品逻辑，你是不是能够提高它所谓的毛利率。所以这个我们会通过我们的技术放到它们现在零售店里的摄像头和货架上的传感器，把店铺数据都搜集完之后，这些数据就可以帮助企业优化它的经营效率。所以这是我们定义的比较浅层化的物联网。所以这可能是我们然为的一个物联网。所以后面看李丰老师怎么看这个事。
李丰：我们讲这个事的逻辑跟你今天问的这个问题有点相关性。这个相关性刚才谢总讲的非常好，就是从大的逻辑上看，几乎过去所有商业模式的演进过程是按照谢总讲的在线化，智能化过程而产生的。原来在PC的时候，就是只有计算机的时候，它的输入设备，是键盘，加上一个CPU。这两件事情的结合使得文本信息开始大量在线。文本信息在线之后，对文本信息的使用和进行分发变成主要的商业模式，依次产生了门户网站，垂直门户网站以及其他的社区应用，最后产生了Google，原因是因为当文本信息的在线程度和数量范围覆盖，大到了某一个程度的时候，这种在线信息的分发，跟需求之间的匹配，就需要用效率更高，成本更低的工具和计算来实现，大概这是从人工到机器的过程。
当时我说用这个同一个，简单来讲，同一个逻辑来论证，为什么在2014年初，2013年底的时候拼命的推Face++，原因是因为进入了第二个通用计算平台手机的时候，手机带三个新的传感器，产生了三种新数据，这三个新的传感器分别是摄像头，叫清晰度比较好的麦克风和已经处于应用阶段的定位，我们暂且叫GPS。这三件事情产生了三个类别的新数据。按照顺序今天可以比较好的逻辑这件事，当我们在新的设备上放上新的数据生产和采集工具，比如摄像头之后，产生的新的数据，就会大量在线。这些大量在线的数据会依次经过一些商业模式，比如说我们最熟的我们经过什么呢，我们在APP早期经历了各种各样的照相软件，像360相机这样的一批。之后又经历了美图秀秀这一批，再往下我们又经历了像今天的抖音也好，快手也好这样一批。我们打个比方，四年之内使每个女人知道拍照在哪个仰角拍出来的照片好看。这个就是产生了大量数据，还有大家对这类数据的输入已经非常熟悉。按照刚才讲的PC年代，键盘对文本信息的发展历史顺序来看，所以在2014年初，2013年底拼命推Face++，第二句话，就是这种新计算的传感器产生的新数据后会经历商业模式的迭代，最终走到用更高的效率，更低的成本，简单来讲用计算来分发和分析这个类型的数据，并且把它最终匹配到需求上。这是当时为什么说一定要投图像识别的原因。但是结果是没有投到Face++。大家有可能觉得这个分析有道理，但是过了两个月没投它去投了商汤。
结论上来看，你刚才问IOT，还是这句话，就是假定会有更多带有计算能力的新设备，其中载带了更多新的传感器，它们将会使得更多的新数据在线，然后这些在线的新数据随着大量的数据产生，就进入他讲的最终的在线化，就是对新数据处理计算，分发和利用会变成在不同的IOT领域的发展机会，简单来讲就是先应用的，然后到数据，然后到处理，然后到分发应用，就是到分发数据所产生价值。反正历史上在PC和在智能手机上出现的两个带计算能力的超大量的设备上，大家在商业模式上都证明了大概这个轨迹是这么产生的。
所以最后作为结论，蹭了一句热点，所以在过去两年，虽然这个话题今天提非常像蹭热电，但是两年前劝我的内部同事，按照这个逻辑大家慢慢接受之后，应该讲在中兴事件出来之前，我们大概投了有六个不同类别的传感器的底层芯片，原因就是因为还是要先按照，比如说高清摄像头能够被装在手机里这件事情的顺序，才到商业模式，才到数据智能化的过程。所以先投了加起来九间芯片企业。
主持人：谢谢您梳理出这样的逻辑，但是我接下来想问谢忆楠一个问题，就是作为一个公司，就是旷视科技发展路径是从算法到现在，可能前一段时间刚收购了一家机器人公司，说到硬件的发展过程，为什么会有这样的变化，一个这样的趋势呢?
谢忆楠：刚才李丰讲到从硬到软的过程，但是他假设是这个硬已经有了，就是有这个传感器了。我们的起点是我们算法已经有了，就是我们理解旷视有自己的感知能力，没有认知宁可。我们开始做这个东西的话，其实您刚才提到的那几个公司都是我们的客户，360相机，美图，它们所做的美颜部分，我们是做人的五官做定位这块。我们当时给他们所做的一切东西都是软性的服务。所以刚开始的模式是开发者模式。后面的话我们觉得应该到B端去看一看，后来发现踩到了一个模式，是云服务，但是我们会认为云服务，比如我们做的Face ID验证的事情，这是金融领域信用里面的和声这个小的场景，我们觉得不合适，后来我们用什么逻辑，就是算法要到产品，产品到数据，数据能够转回来这么一个逻辑去看。所以那时候我们认为应该从2017年和2016年的时候我们认为我们应该有自己的硬件能力。所以最开始我们做了一个叫CE，那个CE就是把人脸识别和物品识别能力放到一个传感器里，我们认为把它放到，这样的话可以让前端直接产出相应的数据，变成后面的这个东西。就是说不用后面整个传输到前面就结束了，这是我们想的一个过程。
到了一年后我们发现，可能直接做一个硬件的话对行业的理解是不够的，比如我们到公安的话，人家会问这个摄像头功耗是多少，我们说15瓦。说这个太高了，一开开一天，这个怎么烧。所以我们认知到对场景的理解度还是不够。所以我们带着硬件的想法走到场景里会看，跑到这里芯片，或者叫磨损的能力是必要的。所以我们后来又做了自己了芯片。那个时候是演进的概念。旷视有一个4+2布局。4，这个是眼，2，是手和腿。所以收购机器人是为了延续我们对于腿的布局，我们之前跟一个大的投资人合作的话，其实基于手的合作，状况来看在城市里硬的部分有很多种，第一种就是摄像头是最大的。
第二种是我们去判断像仓储里的机器人也好，还是在智能制造里的机械臂也好，这也是传感器。所有的带传感器的东西，能搜数据的我们都收到这个篮子里。所以这个从算法到软件到硬件的过程。到这个过程我们又转到李丰老师讲的逻辑，就是要产生数据。就是什么叫有价值的数据?举个例子，我们进公安比较早，2016年进去的，那时候能保证在地铁公安，如果两分钟之内有才逃犯进入到站点，两分钟内可以抓到。所以去年我们帮助公安破获五千件。一个人整个抓获成本对公安是30万以上的成本。所以可以看到变成硬件之后且能帮助他们解决问题的。如果只是感知这件事情，还是不行，还得变成数字。因为落到警员那里，就是告诉我去哪儿找到这个人，中间的过程不关心。其实对于我们来讲的话，从软到硬，然后又会到软的数据这块输出这块。收购机器人，我们认为摄像头，还有传感器很重要的接收部分，所以我们把机器人收到我们这里。
主持人：真正是给用户结果，真正从算法到软件到硬件，是为了达到这样最终的目的。
谢忆楠：对，最终出现对行业有价值的数据服务，这是最终的付出价值。
主持人：因为我看李丰老师最近的我公开的发言里，经常会提到丰瑞资本下一步布局重点之一，是智能硬件领域。刚才您提到智能音箱芯片，除了这个是否还有其他的布局呢?
李丰：对。倒过来讲，像我刚才讲地几乎所有最大的商业模式的本质是数据在线化以后的分配和连接，所有的，比如说讲今天的滴滴，他们做的事情最重要的前提是，因为有定位这件事情放在了随身设备，所以他把一个要正常表达的需求，我现在在哪里，要去哪里，愿意等多久，在什么地方被接;和供给，我是一个司机，现在在哪里，要多久能到，大概要去的地方花多长时间。就是把这两个非常难表达的需求变成了一个或者两个的语言，就使得这件事情变成在线化的供给。完成这件事情，因为有了智能手机，再一个是能把定位系统装在手机，刚才讲了低功耗，相对高精度和相对一合理的成本和尺寸。刚才问我们怎么投IOT，刚才谢总也讲了，我们就看还有什么传感器是可以在进步，且并没有装的到处都是。在这个基础上如果它的底层不好我们就先头底层和芯片。如果应用不好就先投应用。如果垂直线有了，就找横向，就是刚才讲的数据处理和数据连接这样的事情，包括叫标准也行，或者叫存储也行。这是大道理讲，怎么看智能设备的投资。但是因为大部分的传感器，就是我们的智能手机跟再往前一代的诺基亚和摩托罗拉唯一的差别，就是把以前不能装的传感器装在了一起。跟通讯手机差别就是把摄像头、定位等等装到里面。这里有很多原因，有大疆的原因，因为把加速器，陀螺仪，计算芯片装在了以前的小型工业或者叫军用无人机上，使得它的成本下来，因此能把这些传回来的数据用于对无人机的控制和通讯。并且能让它帮你做很多事情，才有了今天的大疆。
主持人：说到整个IOT上下游产业链，其中有一个问题就是技术平台。在这个领域，旷视如果往这个方向走，是不是自己也要有自己平台型的布局，还是说就利用它们各家的技术平台做链接?
谢忆楠：这个其实我们肯定是要自己做。因为我们做的行业比较少，腾讯或者阿里它们做的是通用性的。我们刚开始讲了我们IOT叫行业IOT，是我们希望在每个行业做一个专属，比如零售里我们是零售OS。这里的话我们会精确到到底用什么技术，我们究竟解决店家什么问题，是这样的操作系统，我们可能有进店时间，怕楼率，所有的一切东西，我们输出，可能通过OS来讲可能输出几件事情：第一，选品策略，第二，对损耗的控制，第三，对会员能动性的输出。所以我们会在每个行业里做自己的OS。这个OS有一个明确的目的，就是你要输出的东西，一定是这个行业里对它们能够核心产生价值的点，这个数据。其实零售业里毛利率没有那么高。因为每一个店有每个店的建造成本，要给它改造，改造完的成本能不能让它最后，就是增量能不能覆盖掉这个成本。所以我们没有想提供一个很大的OS，而只是行业的。因为做行业的话就要走到行业里，看它们需要解决什么问题，所以我们就做这个行业里的东西。然后是行业输出端，比如所有的收银台，所有门头的摄像头，所有的货架提供传感器。因为我们想如果全用摄像头去感知整个店的话是很贵的方案，所以我们可能会想真正样的方案又便宜又好的解决店铺信息，然后再形成一个这样的。
在安防也是，安防里有三部分：一个是指挥，一个是勤务，还有机要情报。短期来讲的话，我们安防里对我们来讲的话是指挥OS，因为它最后告诉你在哪儿，这是很简单的一件事情。因为它我还不能把所有数据都交到这儿，因为这里电子信号获过来，还有车辆数据汇进来，这些东西我们现在还达不到，第一，我们没有这个能力，所以我们更多的希望先做我们这个行业，如果这个行业特别大，比如像安防行业有三个大屏系统，我们就先关注我们技术能够落下来的一块。所以原理是说我们坚定的双环，就是技术有多少落地，中间的阴影我们很关注，我们先强化我们中间交集部分。回答问题，第一，我们会做，第二，我们做的会相对比较专注一点。
主持人：李丰老师，我们知道移动互联网的时候大家操作系统一个是安卓，一个是苹果系统。下一步如果在IOT领域，刚才谢总意思就是说整个IOT各个应用场景垂直的，可能要做一个，对他们来讲，可能会出现操作系统层面的机会。您怎么看，对于创业公司来讲在这个领域会有反超大公司的机会吗?
李丰：我不知道。你的这个问题应该可能是答案应该这么回答，就是说是什么原因，最后会造成在大量的，就是谁会来做这个底层系统，它是自上而下的，就是它是从应用层驱动下来，还是从Device或者离硬件层最近的驱动层上去，可能最终要解答的核心问题是这样。这里过去的东西有借鉴意义，但不一定都对。如果拿PC举例子的话，它应该更像自下而上的事情。我这句话的意思是，最简单的比方是，操作系统并不是从网警公司往下做出来的，而是微软做出来了底层操作系统之后，干掉网警，或者干掉了你在十五六年前，十六七年前桌面上有的绝大多数的系统工具走被干掉了，不管什么磁盘清理，内存整理都没了。但是它也不是，就从结果上看也不是英特尔做出来的，所以说你在新的Device，就是在不同类型新的IOT设备上，这种事情到底是从应用层驱动下，还是从Device层或者离它最近的驱动上来的，这个现在没有答案。过去的答案更像自下而上。
主持人：一会儿开放三个问题给现场观众。下一个问题，在IOT领域其实我们有ToC和ToB两种玩儿法，或者两种商业模式。在这里来说，我想请问两位老师，你们怎么去看待它的凡是ToC发展更快，还是ToB发展的更快?
谢忆楠：我个人感觉的话，我觉得在欧美那边的话好像是ToC的IOT多一点，但是这是我自己的感觉。因为它们那边所有跟C相关的硬件很多，像音箱从他们那边先出的，个人终端也是从它们那边先出的。中国这边感觉像仅仅像图像这块的全都集中在ToB领域。语音看科大讯飞的话也是ToB为主，ToC可能最近才开始做语义平台，所以我觉得定位不太一样，就是看怎么去做了。这个东西可能跟数据的，认知数据很强。就是获取消费者的数据可能会认知，但是要赋能给商业有这个能力后，它不一定跟你去获取一些数据能力。我想这可能跟每个地方的文化也好，或者法律相关的。比如说技术可以赋能商业，商业能不能用，这件事来讲的话，可能在国外被讨论的更多一点。国内的话可能先是动态平衡的过程，就是它可能会先上，然后大家觉得有问题的话再调整这么一个逻辑。所以看起来的话是说中国整个AI，IOT里ToB上升的多一点。欧美大家耳熟能详的可能做C端的更多一点，这是我个人的看法。
主持人：李丰老师哪边投的多?
李丰：我们B这边投的多。这也是四年前，我们先看上一代最核心的人工智能应用提供商百度，它们没有例外的先ToB开始的。先ToB对于技术，就是如果假定最终的核心不是硬件，是数据和数据处理能力的话。先ToB的好处，是我刚才提到的那些公司提供服务一样。因为ToB有足够用户量。第二个好处是有足够多的人帮你标注和校正这些数据。在技术引擎有，但是在技术还没有得到很好训练的时候，ToB的服务是给你提供大量不是用你的钱和人，而是用你服务对象的钱和人来把你给它提供的解决方案进行了重新的标注，校正和训练。这件事情对于处理数据和技术来讲是非常重要和好的一步。所以说这样的人绝大部分是从ToB开始。当然中国也比较特殊，中国出了个例外，中国出了个例外是今日条。原则上他它没有给B提供服务来得到数据和训练数据的模型和训练集，就跳到了直接用数据来为C服务。这个应该是比较不常见的现象。
最后我可以描述一个我们投的公司来解释你问题。这个公司做的事情是斯坦福两个年轻人，他们学的是人工智能和数据处理加供应链管理。刚回来的时候他们本着用技术报国的想法，用他们学的知识给传统的经销商做库存预测和管理。后来发现说，大家嘴上有需求，但是真正用的人非常少。后来拿这个技术到处找应用，后来发现谁最愿意用这个事呢，外贸供应商，为什么呢?因为它们有在海外的仓库，货一旦运过去后再退回来成本太高，发现它们愿意用这个库存的预测和管理。后来发现这样的人太少了，而且不愿意付钱。后来发现外贸的电商愿意付钱，所以在无数的电商平台，亚马逊那儿找了很多中国的小商家帮它们做库存的管理，发现这方面收的钱太着了。后来做的第二件事情，就是用所谓的知识图谱，把所有平台上的销售数据，从图形返回到图谱上，就是从照片和描述返回到它是什么东西上，然后对这个东西做逐日跟踪，做了一个销售预测的看板。这个小外贸电商经销商很高兴，说这个东西可以预测什么东西好卖。这个能增加收入，但是仍然不能挣钱。第三，小外贸电商不知道从哪儿找货，他们就上1688上，就是知道这个产品在中国最终对应哪些厂商能提供，把这个看板也提供给ToB，ToB满意度高了，但是发现还是不能赚钱。接下来又做了一件事情，说帮助跟踪这个在全网的数据，但是还是没赚钱。最后他们发现说既然前端的数据，我知道谁的价格便宜，并且卖给谁偏移，知道什么东西好卖和每个人需要什么东西，又知道这些东西在中国哪些厂里能买到，于是他们连起来做一个APP，这个APP打开就跟头条一样，还可以全网比价，说这个东西在我这儿买比其他地方便宜多少。说白了一句话，就是它的费了非常多的技术努力给小B们做了很多的看板，前前后后这件事情磨了大概三年，几乎把所有的看板做齐了，后来他们做到了最大的跨境电商平台之一。
主持人：在人机交互，语音交互是主要的接入口，下一步来讲还有没有别的接入口?旷世这块不知道语音是不是你的中间业务之一，或者说有其他的，就是对人机方面新的判断，你们下一步怎么去布局?
谢忆楠：我们目前没有语音交互的接口的。但是其实我们对于人机交互这块我们有自己的定位，比如我们之前其实跟大家分享一下，就是在仓库里，我们并不是说一定要人和机器交互，我们更多的是说人能够模拟，机器人模拟这个人，所以我们就会去思考仓库里大概有哪几种人。它有三种人：第一，包装工，就是流水线下来后要包装起来。第二，搬运工，就是这个包后之后把这个同这个架子到那个架子拿过来，他每天的工作很简单，就是从A点到B点再到C点。最后一个是库管员，每天看仓库里有多少箱子，这个货有两种，一种是快速消耗，一种是慢速消耗的。所以我们做人机交互不是通过语音交互，而是通过Sensor提高效率。我们这里算拟人化交互，所以我们可以做到在一个货舱里接近无人化的仓库。这个我们应该在年终或年后有真正的解决方案。回答你的问题，我们还没有语音的这个。
李丰：从我们自己做投资的案子上来看，我们幻想一个愿景，现在投资最大的事情之一，除了语音之外，是跟无人驾驶有关的所有事。无人驾驶和机器人有关的所有事。这个就是把能想到的传感器都装上，并且变成通用性的。从这个意义上来讲，但是这些传感器是否成熟了先放在一边。我们的逻辑是大部分还没有成熟，所以我们先投了传感器。从你刚才的结果来讲，就是现在所有在这俩东西上装，就是往机器人和车上装的传感器，本质上的目的就是一件事实，就是模拟人。因为装在车上的传感器本质上是替代司机。所以说最终想往很远的地方看，就是所有的事情的目的几乎唯一的问题就是解决人的问题。我们把这句话往回推，就是什么事有意义，就是所有跟人感官的事情都会模拟。只不过说眼睛加大脑是其中一个，剩下跟人脑所有相关的事情都可以。刚才解决的问题是说图像后面是声音，还可以说更多，GPS是不是，甚至陀螺仪决定方向，加速度是不是。大概这些事情到最后都会要小到和有作用到真正的部分意义上在感知层替代人或者超过人，你再往上，在感知上才能再往上这两才有用武之地。
主持人：我们谈到物联网的发展现在一些难点，比如数据的问题，比如说设备会损害的问题，可能还有一个问题是多个不同的设备间标准之间的通讯的问题，这个问题就是说现在在行业里有什么样的一种解决方案，或者行业下一步会怎么解决这个东西呢?
谢忆楠：现在的话我们这么来看，一般都是有一个叫国标和行标在做这个。套的都是各家厂商把自己的东西努力的配成国家标准和行业标准。大家现在来看，原来确实是这样，因为原来从这儿建立了门槛之后，可能别人接入到你的系统里就不行了。所以我们原来看到安防领域，某厂商的话拿下的这个项目，基本上它周边所有一切连接，不管存储、传输，计算都是它的，必须是它的才行，因为这个标准在它那里。现在感觉这块会做的更快一点，光安防的我知道19项的互联网行标在做，说一我觉得这个未来不一定是有问题的地方。最终这个会变成大家比较通常的平台。而牵头这件事情更主要是这几家龙头厂商和政府牵头做的。做这个事情应该是行业表现委员会，有专家，有企业界，最后会给一个综合的，大家相对满意的结果出来。但是我觉得短期之内这个不会出现，就是我指在1-2年之内不会出现。就是这一到两年这个能力会不会超过人这个很关键。因为没有超过过，定这个没有意义。因为你算的话，你根本提高不了生产效率。所以会标准，但是短期不会有。所以短期大家还是更关注在这个行业怎么先达到工业化的标准或者超过人的标准的基础上。
主持人：如何避免标准成为小众的标准，没成为通用标准，会不会有这样的顾虑存在?
李丰：肯定会有。看两种情况，刚才谢总讲到了，第一种情况，我们看PC年代，有一些标准，就是通信和数据传输的，某种意义上我们认为它是从办公软件开始的。另外是基础设施投入巨大的事情，比如说通讯，这可能是更偏官方的标准制定过程。因为每一个不同的标准下去，硬件和基础设施投入太大，所以它不管从国家层面还是社会资源层面最后都会变成了稍微更统一一些。所以对于刚才我们讨论的问题，大家在物联网广义上这两种情况都会有。比如我们投了VLT的芯片，我们投这个芯片的原因，其实刨去你刚才讲的它是所谓物联网通讯的一个标准之外，我们当时投稍微有一点点在政策上的投机，就是因为这是非常少的中国，或者中国企业参与制定的标准之一，所以我们赌说，因为中国原来在上一个周期里，在通讯和数据传输上稍微有点官方吃亏，所以我们赌物联网传输，世界70%的消费产品是中国造，所以往下推，大家物联网广义设备也是按照这个比例会往后进行。既然大部分是中国造的，它们在可能的这些物联网的通讯或者叫数据传输协议标准当中，中国参与制定的标准，因为现在的中国跟2001年前不才一样，所以参与和制定的标准更有可能成为更广义的标准，因为毕竟都是在你这儿造的。所以我们投VLT的事情，除了这个团队能力技术和它们的进展之外，稍微有一点点靠你刚才讲的方向上的政策上的有点小投机。
主持人：我昨天跟盒马先生CTO在聊，他们提到说旷视是他们的合作伙伴之一。因为您刚才提了很多，IOT对人在生活场景对人的帮助，它把人的基本工作基本替代了。你们在消费场景里，它是如何去更好的实现这样的一种服务的价值的呢?
谢忆楠：我们认为最好的让别人感受到IOT的价值的话，其实这种叫管家式的服务。管家式服务是什么概念，就是说它看你做的这个东西知道你想要什么，这个人拿着也没有跟你讲，你走的时候就出现了，所以这是无感知化的基础。但是无感知化的基础是这个管家对你很了解，他能够观察到你的一言一行，你的举手投足它能够获取到你的需求。所以还原过来的话，我们在IOT里最重要的话，第一，我们要去理解你举手投足里有没有什么意义，我们要在零售里，你站在这儿多长时间，拿什么品类，什么样的人拿这个东西是什么意义，是喜欢还是不喜欢，我们要对这些东西做一些后续的数据融合的判断。最终给的结果到底是什么，对于商家来讲的话，我告诉商家这个货架应该放什么，这是最简单的。对于消费者来讲的话，我走到这个位置总能发现这是我想要的东西。所以这个我觉得从两端来看的话这是最有价值的东西。
主持人：李丰老师，在刚才谢总提到的机器IOT下一步挑战明白人喜欢什么不喜欢什么，机器如何在这里感知到人的诉求。这个好像是我们谈人工智能和人工智障的一个核心分野。这里您觉得下一步它的发展方向是怎么样的呢?
李丰：我在技术上完全不是专业的，所以我想分成两类问题，第一类问题是要判断，在跑的情况下判断情绪，就像我们讲的根据表达判断，就是所谓的计算机分析当中的情感分析。这个应该好像据我了解，现在的水平还是仅高于50%，50%的猜，好一些而已。另外一个问题，像我原来投过，大概六年前投过一个公司，现在它们拆成了仨公司，叫百分点，就是最早做所谓用电商数据的推荐引擎，也是ToB，帮助电商服务，但是通过电商购买的数据和用户点击数据来完成用户兴趣的，就是每个人有不同的标签，长期、中期和短期。用这种方法，这个原来还是大数据，就是已经有的在线数据和用户既有的行为来对用户将有的行为做一个推测预见，基于喜好偏好的，这个应该讲是现在比较常见的事情，要不然如果不是因为有这样的技术，如果不是因为有这样的事情，大概也不会有今天的头条了。所以这是两类不同的方向，有一类是已经出现，并且大家在日常生活当中能感受到，还有一类是技术上不能讲现在还解决的非常好。
主持人：非常感谢两位老师给我们带来的精彩分享。现场大家或者线上观众对两位老师还有其他的问题可以关注我们GMIC的公众号，把问题留下来，由我们的长城会公关团队转交给谢总和李丰老师的。非常感谢，谢谢两位老师。
|
