李开复:AI的四次浪潮同时发生 创新工场调整投资布局

　　来源：<a class="wt_article_link" onmouseover="WeiboCard.show(5182171545,"tech",this)" href="?zw=tech" target="_blank">界面新闻</a> 刘燕秋LYQ

　　过去一个月，李开复在美国、加拿大跑了一圈，见了一些投资人，了解了美国AI巨头在做些什么，还见到了深度学习的三大巨头Hinton，LeCun，Bengio。在“2018趋势分享会”上，李开复分享了自己在美国的所见所闻。

　　“Facebook没有平台的策略，但是研究做的很深，谷歌平台最强、大牛领先，微软在试着聚拢它的实力，四大AI公司，有3家不认为亚马逊是AI公司，但其实亚马逊做的很厉害”，他分析了美国四大AI公司各自的特点。

　　当AI成为过去两年创投圈最热的概念，一直为AI鼓与呼的李开复也承认个别的公司肯定有泡沫，“AI这么火，是一个创业 者都要包一个AI外套，就看VC能不能识别”。他仍然看好AI，在分享会上，他援引了财富普华永道的数据，指出“人工智能在2030年将给中国带来20% 左右GDP增长”。

　　李开复指出，人工智能大概有四波浪潮，互联网AI，商业AI化，实体世界感知AI化，最后是全自动AI化。之所以称之为浪潮，是因为“他们同时发生，没有先后的顺序，但是都会带来巨大的商机”。


　　简单来说，第一波、第二波是把已有的数据拿出来赚钱。第三波是从真实世界捕捉数据，然后产生价值，比如安防、购物中心铺的摄像头。第四波不仅仅采集数据，AI还需要动起来，就像科幻片的机器人、无人驾驶，这个机器人不一定要有感情、能控制欲望，但是必须能动、能触摸。

　　李开复还谈到了AI应用需要的五个条件――海量数据能不能少一些，客观标注能不能自动标、单一的领域能不能跨领域，超大 的计算能不能少成本，顶尖科学家能不能不要。他强调最后一点非常重要，“就像苹果一样，它的技术已经抽象了，一个工程师不用了解指纹识别、人脸识别就可以 用，目前AI的东西还没有到这种状态，但是AI工具化、平台化是必然的方向，以后会有很多的工具让工程师、不懂AI就可以进行应用。”

　　李开复也介绍了创新工场在其中的布局和调整。创新工场至今已成立8年，从最初主要做天使投资调整为专注于早中期（A-B轮）发展阶段的项目，对于高潜力领域也参与C轮后的中后期投资。

　　以下是李开复演讲全文：

　　其实我过去5周不在北京，大部分在美国跑了一圈，可以先分享一下在美国看到、听到，我这次在美国、加拿大一共待了3周 多，我们这次是去见一些投资人，然后去了解一下美国的AI的状态，包括美国的3大巨头在做什么。这次也见了深度学习的三大巨头 Hinton，LeCun，Bengio，非常碰巧，三大行业巨头、三大深度学习界的巨头都见到，谈了很多事情，也一言难尽，碎碎念讲了一大堆。

　　我在美国看到非常有意思的事情，一个就是美国的AI工业界他们感觉AI的价值是特别巨大的，然后他们也觉得机会巨大、价值巨大、责任也巨大，因为很 多未来的挑战、比如说AI的安全方面、隐私方面，AI带来的失业问题比较严重的，所以他们成立了Partnership on AI。我这次给他们抗议说你这个Partnership on AI是美国公司、欧洲公司、怎么没有中国公司。他们也比较难以启齿说，为了快速达到共识先不请中国公司，这是一种短视的做法。

　　过去人类的毁灭论，讲的有些过激，但是美国四大巨头只讲人类未来非常美好，AI只会好的，不会坏的，AI取代一些工作，人类才可以增长、1+1等于 3，不认为有失业问题，不存在失业问题，这个也不是很好的说法。问题是，现在美国AI公司想开开心心想挣一些钱，不想承担舆论的指责。

　　四大AI公司，有3家不认为亚马逊是AI公司，但是其实亚马逊做的很厉害。微软、还有谷歌突然被赶超，都不知道怎么死的，你不能语音，你又不懂自然语音，你怎么突然收集这么多语料，不知道怎么回事儿，很有意思的状况。

　　三大研究机构，微软试着聚拢它的实力，谷歌肯定是最厉害的，大家公认谷歌应该全世界范围内，100个AI高手，谷歌应该至少有一半。考虑到谷歌有 Jeff Dean，还有李飞飞，所以这三个加起来、而且大家特别觉得谷歌能允许这三个部门在一定的合作加竞争之下往前冲，而往前冲的规则又不太一样，每一个商业利 益、研究的基础又不太一样。然后在这个基础上可以做一个相对不用那么恪守谷歌传统规则、价值观，不是说它会做坏事。但是大家对谷歌特别巨大的实践能力、力 量、还有特别顶尖巨头的数量都是非常尊重、甚至畏惧。

　　Facebook也非常有意思，它做的深度的研究非常精彩的，中国人的骄傲之一何恺明，今年做了两篇顶尖的论文。这个也继续做很棒的世界顶尖的工 作。所以Facebook不仅仅有一个研究部门，还有AI的产品部门，这两大部门都在快速的成长，即做顶尖的研究、也在快速的推广Facebook部门的 使用。

　　Facebook没有平台的策略，平台谷歌是最强的，但是Facebook好像没有、看起来特别大的平台意识，所以这几个公司各有它的才华。大牛谷歌是领先的，Facebook做的很深。

　　再谈一下那三位AI大牛，都很有意思。Geoffrey Hinton大概70岁左右，另外两为是我这个年纪50多岁，他们关系良好，也彼此竞争。他们是三位在深度学习碰到低潮的时候还坚持做它的研究，尤其是 LeCun Bengio争取了加拿大的经费，美国人拿不到经费，跑到加拿大硬撑下去，还是很敬佩的，他们真是很坚持下去。

　　这次见到他们，总体来说他们对AI未来在上一个台阶的乐观是超过我们想象的，上一个台阶是什么意思呢？如果我们严格看今天AI的能力，大部分还是在 判断、识别、预测、分类这样的决策，如果谈人的智慧其实很多是策划了、分析了、理解了、对话啊，在思维、逻辑、对话、理解、交流、还有策划特别重要。其实 我们很多现在AI的应用都跳过那些，我们看到眼睛看到什么东西，弄起来再说，并没有很深去想，我要从这个地方开车到那个地方，我要策划各种东西，我碰到什 么状态怎么反应，那个人的计划什么，发生我应该怎么样地这一整套是更深的，我们是很深的思维，而不是判断是什么东西，然后怎么做。这几个AI大牛在AI上 另外一个台阶不同的场合表示出乐观。可能现在没有很深的基础，但是一定程度上我们几个不用做太多的深度学习。一方面代表着其实深度学习已经足够成熟、可以 让业界发挥它的工程力量、发挥它的价值。让它产品化、工业化、市场化。

　　另外，有一点酸葡萄，我们学校机器没有你们多，你们Facebook，谷歌那么多机器，要比数据量做的最好，我们也比不过你们。人脸识别、语音识别我们不搞，有一点点这样的意思，因为我们资源不够。

　　当然还有第三层最重要的意思，真要达到人工智能突破，不能纠缠这个是猫还是狗，我们要更深层的智慧，如果不是我们三个来做，是谁来做，我们有一定的 责任感，所以把这技术推到更高的层次。给他们三个交流，看到更高的理想，让人敬佩，可能我们面临是一个分水岭，现在是把已有的技术产品化，我们投资公司、 BAT都会去做。

　　第二批人说我们怎么调整一下，让深度学习更好，加一个增强学习，加一个迁移学习、把它弄的让我们数据量更少，能判断的更精确、然后能自我学习等等的功能，在已有的基础上再推进一步、两步、但是都是小步，我们要看到大部分科研界的工作，大部分在学校的工作。

　　第三部分就是我们真的要思考人类的智慧是怎么来的，怎么能够在做下一个深度学习，我觉得从一个历史的角度来说，我觉得我们一方面可以庆幸人工智能百 花齐放，进入各种的领域。如果说过去50年人工智能什么的价值最大？可能是深度学习，占人工智能50%。下面我们是不是做1、2个、3个，这样是不是带进 给人工智能、人类智能更接近的状态呢。

　　其实从这三位大牛身上，我并不能预测他们5年、10年有多大的发展，但是我特别敬佩的是他们这种精神，但达到世界顶尖的状态，还在思考归零重来。一 方面我们中国会成为顶级大国，因为我们数据、资源都非常好。另外北美需要钻研、把过去归零重来，还让我非常敬佩。还让美国未来的发展不再是有一席之地，不 断达到中美两家最强，还是能帮助美国科研更高的层次。

　　在美国大概总结起来就这几件事情。

　　可能你们都来了我们媒体开放日，哪天你们觉得创新工场不仅仅做AI，今天你发现我们创新工场还在做AI。

　　AI有弱人工智能、强人工智能，强人工智能我们就不讨论了，可能以后会发生，但是现在没有基础，有兴趣我们可以专门做一个采访的细节。

　　但是弱人工智能，针对某一个领域用大量的数据、做出比人更强大的判断，这一件事情正在发生，我们可以不断的幻想，幻想也许会发生、也许不会，但是工具是必然的事情。弱人工智能会创造巨大的价值。

　　这里面我提出全世界最保守的预测，就是由我们财富普华永道推测的人工智能带来的价值，最保守的财务公司人工智能在2030年将带来中国GDP20%左右。从创新工场我们会分析人工智能大概有4波浪潮，之所以称之为浪潮，他们同时发生，没有先后的顺序，但是这四件事情都会带来巨大的商机。

　　一个互联网AI，第二个商业AI化，第三个实体世界感知AI化，最后是全自动AI化。互联网AI化是AI以数据 作为它的能源、作为它的燃料的，所以数据越多，它发展越快，人类有史以来有架构化标志的数据最多就是互联网。因此现在的七大巨头都在互联网领域，他们有幸 在过去20年累计大量的数据，在推动AI，数据做好了，AI就会做好，雇更多人、收集更多的数据。

　　第二个商业智能化，除了BAT、互联网公司，还有谁有数据。非互联网公司因为商业的理由存了一套数据，可能它要备份、为了理财、为了客户的满意度， 累计很多的数据，这些数据同样有价值，不像互联网那样爆炸式的增长，但是医院、物流公司都有数据，这数据足够大，也会激活产生价值，而且它在商业流程产生 价值。

　　第一、第二把已有的数据来出来赚钱。

　　第三波把没有数据变成有，然后产生价值,比如安防、购物中心铺的摄像头，就把真实的世界捕捉起来，用这个产生有价值的应用。

　　第四波不仅仅采集数据，这个AI就要动起来，就像科幻片的机器人、无人驾驶，我们不认为这个机器人有感情、控制欲望，但是能动、能触摸、能拿起来东西，这是第四波。这四波累计起来，对人类的价值是非常大的。

　　现在我可能稍微快速的讲这四波，第一波我刚才讲过了，我们每天都在为BAT贡献数据，而且做免费的标注、捕捉，每次我们在百度、在腾讯、在朋友圈打 开一篇文章，更重要在淘宝购买一个货都被捕捉起来，可能这样一个人会看到这个、点这个，以后我们看类似这个人会推类似的东西。我们发现5年前到今天我们淘 宝广告越来越精准，是因为它越来越了解你，今日头条是不是越来越推送你想点的文章，这都是AI在后面做的工作。

　　这个领域创业很难创业，创业做新的APP出来，靠这个流量做，几乎不是AI公司、要做流量。但是已有的流量公司转AI很容易的，看今日头条、快手。

　　举一些例子，一个例子就是美图，启动很早，刚开始不是AI公司，现在美图介绍自己都是AI公司，你有没有发现过去三年你自动美化越来越美。因为你们 不断的贡献数据、标注数据，你自拍怎么标注数据，你自拍之后三个动作是什么，不是说美瞳、磨皮，美完了你可能做三件事情，一个是删除、保存、还有分享。这 个删除代表不好、储存代表好、分享表示很棒，这就是你深度学习的标注，他以后就会希望帮助你这样的人，做出更多你想分享的照片，做出更少你想删除，这些都 是AI的背后，还有新的卡通功能，那些其实也是AI。

　　第二波浪潮把AI用在已有数据，用它产生价值，进入商业。最好肯定是金融，金融是人类的虚拟游戏，我们有大量的 数据都不是真的东西，比如说股票、存款、利息，本身就是一个数字，数字收集起来标注很简单，你股票一年之后不是涨就是跌了，你贷款不是还了就是没有还，所 以只要我们能累计一段时间数据，你往一年前、半年前、一个月前推算，都在标注你一切的过去，对发生意外的人，可能要收更多的保费，贷款如果你没有还就少借 给你。金融就是大量的数据好标注、还有只要做的好钱就到了。金融本身是虚拟的东西，只要把参数调好，我投资的概率变多我钱就调出来了。所以金融是最好的。

　　还有谈一下医疗，我真的觉得医疗是很应该做的，因为医疗的数据不足，因为隐私的关系，还有医院可能分享的数据给别人自己吃了亏，或者数据流失负责 任，这不是中国问题，是全世界的问题。非常可惜我们计算机视觉用在影像医学、用在病例、发射科最合适的，但是因为数据的局限性，没有像金融那么推动。

　　用第二波浪潮最大的你的数据有没有被格式化，如果没有格式化就用不上。还有有一些甚至还没有数据，这都是很麻烦的事情，美国数据相对格式化，因为中 国有很多传统企业数据是乱七八糟的，所以这个中国赶超可能有一些挑战。但是中国有一些很好的公司，我们投的追一科技是做客服，他们会针对各种的客户卖软 件、优化，让你用了软件感觉到我省好多钱、赚好多钱。

　　做这个领域的创业需要非常有大数据经验的工程师，不是AI大牛，反而是百度搜索出来的团队，它需要一个CEO需要能卖软件，一个AI的工程师卖软件很难，还是需要找一个卖软件出身更好一些。

　　我们这边有一个例子叫做追一科技，你们有兴趣可以给他们沟通，这个团队来自腾讯搜搜，把搜索技术跟语音技术加起来做客服，为什么客服靠AI来做，因 为很大良好的企业都把客服数据储存下来，还有评估客服很好的方法，不在于你最后点了几颗星，你有没有很好的完成、没有客户流失，这个大企业用上，就很高对 用户的需求做一个分类。这个企业有潜力成为很大的企业。客服比较单一、重新性的，而且在中国独特好处、大部分的中国用户习惯用淘宝掌柜这种小窗子做客服， 而不是打电话，在美国打电话很麻烦。这个数值很大，客服不仅仅取代人类，还可以推荐品牌的延伸等等的工作，我们认为这是非常好的自然语言延伸的领域。

　　第三波浪潮，我们上次讲的OMO，经过传感器的普及，我们要把世界整个数字化，我们可能用摄像头、可能用天猫精灵这样的产品捕捉你的语音、视频，捕捉之后我们可以把前台、线下的东西线上化， 我们知道在线上我们每一个人，或者我们在淘宝做一个登录，淘宝知道我是谁，我们在线上的轨迹就捕捉下来，可以用在未来的预测上，我们可以想象真实生活中， 我们也在头上插一个，你进入大润发，可能被阿里的摄像头捕捉下来，跟你在淘宝做一个混合，所以线上线下无论是供应链、进货、还有客服人员对你的沟通，知道 你是什么样的人，都有非常好的认知，线上线下可以结合在一起，在传统行业也有一些应用，未来世界是采集数据、把线下数据和线上结合在一起，我们每一次支付 也有这样的数据。

　　有了语音、视频，带来大量的数据优化价值，也是新的UI、新的方法用语音和手势给机器交流。如果我们做一个新的产品、采取AIF的设计，本身语音不是自然语音，既然做一个新的语言体验，需要很强的产品经理、做一个完整的新体验，把它硬塞一个旧机器是不合适。

　　最后传感器越来越便宜、机器越来越普及。

　　所以我们建立一个团队要非常懂用户的体验、用户的需求很理解的产品经理，这方面我们投很多公司了，包括小鱼在家、包括OMO典型的无人商店，包括 AI的玩具、还有很多的其他的公司。但是里面可能大家最知名的Face++，这个公司是在4年多前我们就投资了，当时还没有那么明确看到未来的场景，但是 我们看到是趋势，我们觉得深度学习、视觉从人脸开始推动，详细的运用还不知道。今天已经做到比人更精确的人脸识别，而且一次识别上百万的人，可以想象飞机 场可以识别恐怖分子，以后我们坐飞机更放心了。

　　第四波全面自动智能化，硬件的修改比软件慢很多，软件收集越多数据越好，这样我们需要机器手臂去动、去行动。很 多机器人两只脚走路开门就摔倒，我拿到这样的东西，就不会撞到眼睛，但是机器人手就不协调。还有我们人是非常灵活、非常不可思议的，比如说去郊外摘草莓， 一摘就可以吃了，但是机器可能太轻了摘不下来，太重了烂了，这个可能不会想象那么快，可能有一些硬件，而且它越来越要做人做的。

　　还有自动驾驶可能成为下一段的操作系统，大家看到两个操作系统，Windows第一个，安卓是第二个，第三个可能是我们自动驾驶，这个可能是很久以 后，现在还看不到那个公司创造这个系统。因为这个自动驾驶把多视觉、功能融合在一起，把各种的应用、其他的应用都可以在这个舞台识别出来。同样的原理机器 人也可以动了，所以我们看到这么一个机会，可以让不同的传感器、控制系统都可以用起来。

　　还有很重要的因素，现在全世界基本上相信无人驾驶，虽然还没有发生，但是你问任何一个车厂，任何一个工程师能在无人驾驶工作那是太酷的事情，当世界 资本、世界行业的公司，世界的天才都已经投降了，那是必然发生的，这全世界已经等待它的时代的到来。这个我们非常看好。更多因素可能不在技术上，更多是社 会如何接受它、法律如何处理、还有法律、理赔的问题，交通的问题等等都需要被解决。

　　回头讲机器人，我觉得智能驾驶发生之后机器人就随之而解了。现在很多人做的重复性流水线的工作会被机器取代。工业应该是创造价值、用了这个东西可以省钱，所以在工业会率先被使用。

　　我们在美国投了几家公司，刚才说摘草莓不是开玩笑，真是投了一家。人是不想做摘水果，这个工作很少人申请，在美国有最低的公司，很少人愿意摘水果，但是很多人都想吃水果，还有种的不规则，AI加一些手臂是可以处理。

　　这个是洗碗机器，不是洗碗机，吃完了它会拿过去，该仍掉仍掉，只要把一层层板放上去，这个机器那么贵，怎么能买的起，但是可以用租赁，我用租的给 人，一个月收你两万五千块钱，可以取代5个洗碗工、8个洗碗工，这个比较划算。而且也考虑到商业者的痛点，洗碗工常常说不干就不干。所以工业应用产生价 值、商业应用解决老板的痛点，最后才是家里面。我们并不认可家里面有一堆机器人跑来跑去。可能一个机器人在家里面，应该像人一样，不像人就会失望了。可能 小鱼在家、教育机器人会有一定的空间，但是还是需要商业打磨出来，最后才是家里面。

　　我们是技术公司，我们投很多公司看不懂的，包括摘水果、洗碗的、还有包括一些人的健康，一些人坐不起来、帮助你坐起来，还有帮助物流公司配送，无人驾驶也投好几家公司，然后中间芯片传感器投了不少的公司，这些细节太多了，今天就不多说了，有兴趣可以单独沟通。

　　最后回到无人驾驶，怎么投无人驾驶，我们投好几家公司，三个公司方向都不一样，我们深深相信AI一定是采集大量的技术、然后把这个技术迭代起来，让你AI越做越好，我们投的公司都是快速上路采集数据的公司。比如说驭势科技，在景区、机场低速的无人驾驶，马上跑起来，采集数据，这是它的方法。

　　我们本身以为美国会领先更多，高速公路应该是无人驾驶第一个测试点，但是美国最近出了一个事情，卡车司机工会开始给特朗普抱怨，你们要测无人驾驶测客车、后投卡车吧，这350万人有很多投了特朗普的票，可能美国不会先测货车。

　　AI的应用需要五个条件，AI是不能跨领域，大的计算量还需要很厉害的人调整数据，所以要做科研、要做一个应用型的公司，那就要解 决这几个问题，海量数据能不能少一些，客观标注能不能自动标、单一的领域能跨领域，超大的计算能不能少成本，最后一个问题是顶尖科学家能不能不要， 这个非常重要，我们是不是做一个工程师可以用。就像我们苹果一样，你们公司都有工程师，他们人都可以写一个（IO），因为苹果已经抽象了，让一个工程师不 用了解指纹识别、人脸识别就可以用，AI东西还没有到这种状态。这个非常重要，我们认为AI工具化、平台化是必然的方向，以后会有很多的工具让工程师、不 懂AI就可以去做。这一天还有多久比较难预测，可能会阶段性的发生，第一个阶段是很懂银行业务的工程师，用它来调整AI应用，也许还有你学了AI基础课， 这个你就可以用，如果你AI基础课都不懂，你可能就不会用。

　　下一步你如果很聪明你就可以用，以后会慢慢的平台化，像之前手机编程刚开始很难，后来越来越容易很容易。

　　技术方面我们会投资很多的技术。

　　下面我想稍微讲中国和美国的差距，从一个角度中美差距很大，刚开始介绍之前美国顶尖的科学家、包括左边的11 位、AI的铜奖得主，彩色是还在世，黑白是已经往生的。你看这个AI的院士、中国和美国，一方面你会很绝望，美国人这么厉害，但是不用绝望。因为中国的学 术水平在上升，尤其是中国人学术水平非常厉害，学霸说人脸识别这么厉害，很多学术界都在快速解决，因为针对性解决问题，中国人非常擅长。

　　你看这个数量，过去23%到42%，你可能说前100名的期刊，你看商业的中国少很多，但是前100名非常著名，不容易进去的。在我创立亚洲微软中 国研究院，中国可能接近0，我们从98年几乎0到20，之后又翻一倍。这些人怎么来？我们微软研究院起关键的作用，包括BAT、华为、今日头条，联想都有 很多顶级的来之当时的研究院。40岁都是学术进入大公司，他们下一批的徒弟们、学生们就开始创业了。所以我们对创业充满信心，这些都是微软研究院的学生、 他们的员工也是非常厉害，也有几位老一些，也进入创业的领域，AI的创业也是吸引很厉害的人。

　　其实我觉得更多的年轻人、在读本科、硕士都想进入AI，在创新工场人工智能工程院我们培养100个实习生，不敢说他们成为世界级的高手，但是他们都 可以很好的运用AI。6个人就做一个写歌词的系统，可以写任何歌词，6个人做一个无人驾驶的小车，其实AI并没有想象那么难，前提你理工、数学、计算机很 好，你在上面加6个礼拜，你就可以成为AI工程师。这也是我们跟教育部、高校沟通，让年轻的AI工程师可以产生出。

　　还有第三个就是中国大量的数据，因为AI吃数据，大量的数据推动很棒的技术，一个不错的AI科学家、加海量的数据，或者顶尖的世界大牛、中国的数据 有点多，我们移动互联网比国外多3倍，更关键是更多更新线下的技术、共享单车多了300倍，这些不是挑选性的，这些新产生的业务是特别巨大的数据在推动， 也可以做出很好的AI。

　　这非常重要一点就是移动支付，因为腾讯、阿里的成功，让中国有6亿用户任何人可以给任何小额的钱，几乎不要交易费，这个是远远落后。这让腾讯、阿里 有更多的机会，另外带来更多创业的机会，包括摩拜、美团没有支付的背景，他们也做不出来，未来创业速度更快、产生数据更快、因此应用AI机会更多。

　　这个机会看到AI成为了投资风口，大家开玩笑说中国人脸四兽，四个独角兽，我们看语音我们看到科大讯飞超过NUANCE。

　　海康有一千人在做AI，它摄像头在全世界最普及的，这个在二级市场被认可。

　　最后一点是政府推动AI发展，在我们国家13年人工智能发展规则上，非常清晰的描述在2020年要跟上全球AI技术应用，在2030年成为全球主要的AI创新中心。无论是看双创带来八千家孵化器，或者高铁在6年成为全球最大的高铁国家，中国的执行力非常强的。

　　美国也有白皮书，但是谈更多需要思考的问题，问题放在桌面上，而不是当作一个任务实现。这个可以看到，包括最近十九大演讲，人工智能也是非常重要的 环节，所以我们对中国AI的发展非常看好，但是我知道泡沫AI、个别的公司肯定有泡沫，当AI这么火，是一个创业者都要包一个AI外套，就看VC能不能识 别。

　　最后介绍一下创新工场8年的愿景，这个非常短。可以看到创新工场2009年成立，正好在互联网时代、移动互联网交界口，当时觉得互联网风口都过了， 赶快投传统，但是我们坚决认为科技创业的力量刚刚开始，所以我们成为了当时看好互联网的VC，后来更多的公司参与这个领域，我们逐渐在上海、硅谷、深圳创 办了办公室，也成立了人工智能工程院。

　　投资的轮次和金额有非常巨大的差别。我们的本质出发点是一样的，我们要投最技术的公司、最懂技术的投资人、最棒的服务、最爱创业者，这是我们给自己的标签，这一点没有改变。我们看整个融资、投资的轮次金额有很大的改变。

　　如果我们刚开始天使轮是淡黄色是大部分，后来越来越少，到现在几乎只有一小。大部分我们投资放在A、B轮，我们管理资金的规模也到了应该是百亿以上的规模。我们整个方向是跟过去有所调整。

　　为什么做这个调整呢？我觉得一个我们最重要是要把我们技术优势发挥出来，然后是要能够去更好的赛道，用最爱创业者的方法，帮助他们成长。而实际执行 过程中，发现我们创业时候，其实创业者常常被投资人欺负，因为整个投资链条缺一个天使，但是创业者拿不到A轮，用第一批钱很头疼，会被投资人欺负，这个链 条不完整。我们在2009年是扮演了雪中送炭的角色，是完整它的投资链条的事情。很多人认为我们是天使投资的、机构化天使投资的催化剂。当时我们很认可， 现在我们作为非常好的投资机构，最大化的扩大我们影响，发挥我们技术投资，超驾中美才是我们重要的。建更大的场地、孵化更多的项目是别的公司做的更好。

　　以后拜托大家报道不要说我们是天使轮投资，我们是早中期投资。

　　我们投资的每一个领域都有负责人，Peter加入可能在黑科技领导我们团队。美国合伙人主要是引导我们机器人团队。无人驾驶可能我给汪华主要看，金融郎春晖负责。所以不是开复一个人讲AI，其实全工场有好几个合伙人，看AI的子方向。

　　刚才讲我们优势，我们更好的预测趋势、在蓝海成为红海之前，能更大的投资出来。这6个图看到6个不同的领域，桔红色的线整个是业界的热度，蓝色是我 们实际投资的数量，可以看到在人工智能一点不热2012年投了项目、13年投了项目，14年投最多，但是人工智能还没有16年带来的浪潮，但是现在估值很 高了，我们还在计算投，但是会更谨慎了。我们当时投的项目回报非常好，因为进去足够早。

　　在AI领域我们有很多优势，我们最懂技术的投资队伍、AI赛道最早布局、我们建立了AI工程院，做+AI、AI无+项目，帮助我们判断项目、判断 AI。我们也会帮助推动AI的产业，我们做全世界人工智能的竞赛我们做教育，仅仅人工智能一个领域，我们负责投资在中国、美国负责技术的有这么强大的团 队，这个应该是相对有特色。

　　这是我们项目的回报，回报的倍数是下面绿色的数字，因为我们足够早的接入已经到了非常好的回报。我们主要看是现阶段3到5年成熟的技术，10年之后我们非常谨慎的投资。

　　比如说举个例子，自然语言理解，大家说自然语言理解突破了，大家我告诉大家多领域、人类1/10人类自然语言理解离我们很遥远，因为我们现在能做语 音的识别，我们甚至做一个领域的知道语音的识别，但是要跨领域，它的难度非常高，人的达那思维方式、我们沟通、我们语言，我们的幽默、我们语意的理解，我 们跨领域的往往超过了自然语言理解。我们跨领域的我们会放在8年之后，到底是什么完全无解。其实还有一些公司做的很好，比如说我们追一科技是自然语言的， 他们是用深度学习、AI解决，而不是靠人类自然理解，任何这么说的公司都达不到。

　　第三个希望有更多的传感器，第四波也很重要，比如说激光、雷达，这就是我们投的相关东西，追究帮助人增强相关的能力，让人突破一些局限。把坐不起来人穿这个衣服就可以坐起来，

　　我们人工智能工程院主要存在是做商业人工智能解决方案，我们会针对我们投资公司，还有传统的公司他们需要AI帮助的时候，我们会来帮助它做AI。

　　为了做这个事情我们会自己培育AI人才、推动AI产业，有一些项目可能被分拆出来，这是我们工程院完整的计划，但是拥有工程院我们非常幸运，这些 AI的专家可以帮助我们评估项目、推荐项目，教育人才等等的。所以在AI行业我们应该是一个全面的投入，而且应该是非常领先的地位，我们推动了世界级的 AI竞赛，我们做了工程院，写了一本书，正在写第二本，我们在南京开始启动科研，我们还做了夏令营。AI是跨中美的现象，除了在国内给各位交流，我这次在 美国东岸、西岸，每年到达沃斯都给做AI交流。AI产生很大的价值，但是价值越大、责任越大，因为AI确实带来一些挑战，之所以写书之所以在中美欧各有影 响力、还是基于这个，既然我们推动AI，把AI所带来的挑战非常完整、真实的陈述起来，有可能一些大科技公司，因为自己公司不能讲太细，我自己有幸在AI 领域做了37年，一直有跟踪，非常清晰看到里面带来巨大的机会，一些对人类的挑战，我们希望更真诚、透明把这些问题拿出来，让世界能一起推动AI来改变世 界的过程。

　　当然实际上用上AI的资源，我们在美国办了顶级科学家的交流，在高效、硅谷办公室，在美国做了很多的投资案子，虽然中国的政策、数据很先进，但是美国的科技还是最领先。所以我们在这方面希望做到连接中美的过程，也看到很多的技术希望把它带回来。

　　刚才讲这么多，我们现在做的事情是很有意思、很独特、而且是独一无二的，我们在做真的VC+AI的概念，不仅仅AI领域的投资、而是全方位融入我们每一天的生活、决策，我们相信AI会让世界更美好，我们也愿意给他们分享AI所带来的机会、挑战。