4月26日，GMIC北京2018年会在北京国家会议中心正式开始。主会场上，百度总裁张亚勤、创新工场董事长兼首席执行官李开复、科大讯飞执行总裁胡郁几位嘉宾就“AI战略与人才”这一话题展开了精彩的圆桌探讨，论坛由北京百度投资管理有限公司管理合伙人蔡薇主持。创客猫受邀作为合作媒体到场进行报道。

胡郁认为目前人工智能人才存在两个问题：第一个，大学里到底有没有足够人工智能的人才；第二个，人才的培养；第三个，现在做人工智能已经不像以前，它是一个非常交叉的一个学科，所以有些先进的人靠自己培养不出来的，确实需要从各个方面引进。

在AI的总体发展上，李开复认为，在互联网AI方面中美现在应该是平分秋色。但是中国有大量的数据优势，而且加上移动支付，中国应该会在这方面超过美国。在商业AI方面，因为数据仓库和各种的企业级软件在美国比较普及，中国传统企业数据还是比较乱的，所以李开复觉得在五年之内中国可能没有办法赶上美国，而且会远远落后。

张亚勤认为一个行业发展有五大要素，人才、技术、市场、资金和政策。从技术人才方面，中国现在和美国还有差距，这个差距还在不断的缩小，在资金，在市场，其实有些方面已经领先了。看一下在AI方面资金的投入，不管VC，PE，或者是整个投入和美国基本上差不多。从政策方面的话，市场上中国的人口优势，规模优势，数据优势。在政策方面中国是有绝对优势的，中国包括有顶层的规划，人工智能新一代的蓝图，包括政府的基金。

以下为圆桌实录精编：（经创客猫整理，有删减）

AI人才普遍稀缺，如何解决？

蔡薇：今天想谈一下人工智能人才问题。我们发现人工智能方面的人才缺少不仅仅是中国范围内的问题，也是全世界都会面临的问题。大家对AI人才问题有什么解决方案吗？或者是怎么考虑这件事？

胡郁：科大迅飞是1999年创立的，那时候我们还是一帮大学生，不知道在世界上人工智能正处于第二次的低潮期，于是我们稀里糊涂就把公司开了。1999年那时的人工智能人才是什么境况呢？就是学人工智能的出来都找不到工作，不像现在AI人才在硅谷炙手可热。所以我觉得人工智能人才跟时机是非常紧密结合的。

从我自己的经验来讲，有两点需要注意。第一，大学里到底有没有足够多人工智能的人才？可能不同的公司有不同的看法，但在我看来，那些真正掌握了人工智能核心技术的人才，他们在开公司、产业化这方面可能没什么经验。怎么把他们找出来，并且用合适的激励机制让他们参与到产业化过程中？我们在这十九年（从1999年到现在）还是做了一些工作。

这里有个有趣的小故事，大家可能不知道在北京做语音技术最有钱的人是谁？我知道这个人，这个人以前在中科院声学所连研究员都不是，相当于一个技工，他的名字叫孙金城，当时国家863评测语音合成他是第二名。他做的一件事情是，跟我们讯飞一起成立了联合实验室，拿了讯飞股票，现在这个股票值30亿。所以从学校到科研院所，找到合适的人是非常重要的。

第二，人才的培养。人工智能培养是需要有中间层次的人培养。比如我们在合肥培养了一批在人工智能方面真正懂得如何做研究、如何做有用研究的人。

第三，还需要引进。我觉得现在做人工智能已经不像以前那样，它已经变成是一个非常交叉的学科，所以有些先进的人靠自己是培养不出来的，确实需要从各个方面去引进。

所以这是我在AI人才这块三个方面的经验。

李开复：你说北京最有钱的做语音识别的人，我算吗？

胡郁：你早就超越这个境界了。

李开复：好吧，现在不做语音了。开玩笑的。我想讲一下人才的两个层面：

第一，其实大量的工程师想涌入人工智能，但现在高校并没有足够好的课程和师资来帮助他们。所以我们做了很多工作，像培训教师，做大量的数据竞赛等等的，我觉得这个是人才金字塔底层的建设，很重要。

第二，像顶级的人才，从国外例子来看，大学教授和研究员被亚马逊、Facebook，Google等大量地挖走，形成这些公司的核心。这些公司做得很成功的我个人认为还是Google。虽然微软和Google都有很厉害的人，但是Google把这些核心的AI专家和工程师、工程管理专家聚到一起。最经典的例子可能就是Google的吴恩达建立的这个团队，使工程与科研结合在一起做成一个可用的系统，并且做得很成功，这个我很认可。所以我们不能只看这些教授发论文发到哪里去，还要看怎么跟工程那边结合在一起。

最后讲一下中国的现状，中国的高校坦诚说没有像美国那么多年的累积科研的专家能够被BAT所挖走，当然也有，但是数量不是那么多。所以BAT顶级人才可能会从国外的Google和Facebook、亚马逊挖过来。BAT现在人才累积最多的，其中百度已经领先了。我认为这个是中国AI人才的现状，就是BAT为主，但很快的我相信滴滴、京东、头条、美团等其他公司都会建立AI团队。这是人才的一个走向。

因为中国有大量的数据，数据可以产生价值，这些顶级的超级独角兽们每找一个AI的人才都可以变现好多钱，所以水涨船高，把现在AI公司弄的是顶级人才是美国的一倍以上，这也是一个很特殊的状况。

最后想补充的一点，如果从我们VC创业的角度来看，我们认为以下三者结合的人才才能成就一个好的AI创业公司。

首先要有科学家，但是看领域，不一定需要非常顶级的。比如做无人驾驶的肯定需要特别顶级的，但如果做金融，也许一个很好的数据科学家就足够了，需要一个科研很强的人就行。

第二，工程能力还是要很强，因为要求做系统和产品。

第三，因为AI主要是一个ToB业务，所以要有能够销售，能够懂商业，能够打单的人才行。所以谈人才的时候我们不能只谈AI的人才，其实要做好一个AI公司是需要多元化人才搭配的。

张亚勤：基本上有三种不同的人才：

一种是研发、算法，做理论。这些人才当然还是相当缺的，美国也缺，中国也比较缺。

第二做产品的，包括芯片设计，做各种不同的系统的人才。这个也缺。但是这个我觉得产业本身会自己培养出来。像开复讲的BAT，TMDX，像小米、京东，包括像讯飞，已经产生了很多这样的人才。

还有一种是实用人才，现在这个也相当缺。这个没有什么捷径，必须通过在大学、研究生，包括在中学普及AI知识。另外一个靠市场，就是市场有这个需求，三年、五年后人才自动地会重心转移到这里。

整体来说，五年以后中国和美国在AI的应用人才、开发人才方面，基本上会达到一个同样的水准。不过在基础研究和算法理论方面差距会比较大。

加一句，开复和教育部、北大成立了联合的教育项目。百度自己也成立了一个云知学院，希望三年为国内打造十万AI方面的人才，更多面向工程和产品开发这方面。

中美对比之：人工智能技术发展、政策环境、投资环境

蔡薇：李开复老师您在书中也曾经写道，人工智能的燃料就是数据。而中国拥有比其他国家更多的数据。所以现在站在逻辑的角度，世界也开始关注中国和向中国学习了。但是感觉欧美国家好像还没有完全意识到中国已经在许多的技术、商业模式、产品和功能方面领先世界。我想请各位老师谈谈，中美两国人工智能技术发展、政策环境、投资环境各方面的比较，就是在人才这件事情主要之外，谈两方的比较。因为三位都非常国际化。

李开复：今早我提到了四波人工智能的浪潮，分别是互联网的AI浪潮、商业化AI浪潮、应用级AI浪潮和自动化AI。如果要把中美做个对比的话，可能要分开来看。

我觉得在互联网AI方面的话，中美现在应该是平分秋色。但是我觉得中国有大量的数据优势，而且加上移动支付，在未来的五年中国应该会在这方面超过美国。

在商业AI方面，因为数据仓库和各种企业级软件在美国比较普及，所以在中国很多数据，传统企业数据还是比较乱的，这个我觉得在五年之内可能没有办法赶上美国，而且会远远落后。

第三刚才讲到基于视觉和听觉，听觉这方面像讯飞、搜狗等公司都做得很好，在视觉方面Face++、商汤这样的公司也做得很好。今天对比中国的听觉、视觉公司和美国的听觉、视觉公司，我们在市值和收入等方面都超过美国了。所以第三波中国已经领先，而且会更拉开更大的差距。

第四无人驾驶，这个跟政策有关，理论上应该是美国遥遥领先的，但是实际上我们最近美国工人的工会要求特朗普总统不要允许货车在高速公路上做无人驾驶测试，是基于保护这些货车司机的工作。这种保护主义作为工作主轴会对科技发展有很大的限制。相对来说我们看浙江政府部门在铺一个智能公路，通过传感器可以帮助货车开得更安全。所以政策来说中国可能在第四波有机会。倒不是说政府补助钱，而是说中国更有魄力来做这种基础设施的颠覆性的事情。美国因为工会等方面的影响，可会做一些对推动技术不利的事情。

所以总体来说我认为中美都会是领跑的，但是中国可能会在未来五年，在上述四波AI浪潮里，有三个赶超美国的机会。

张亚勤：一个行业发展有五个大元素，人才、技术、市场、资金、政策。

从技术和人才方面看，现在中国和美国还有差距，但这个差距在不断缩小；在资金和市场方面，其实有些已经领先了。在AI资金方面的投入，不管VC、PE，或者是整个投入和美国基本上差不多。市场上刚才开复也讲了中国的人口优势、规模优势、数据优势，所以市场方面我想基本上也有优势。

在政策方面中国是有绝对优势的。中国包括有顶层的规划，人工智能新一代的蓝图，包括政府的基金。我自己并不知道基金本身会有多大的短期效应，但是由于国家有这么一个大战略，所有的资源都会向那个地方倾斜，这样效率会很高。所以中国速度是有的，我想中国速度是得到全世界认可的，但中国质量还差一点。所以在AI方面中美会成为两个引擎，我不认为中国和美国会直接竞争，两个可以共同发展。

胡郁：在中国我们看到有两种经济体系，一种是计划经济，刚才亚勤和开复老师都提到了，国家规划下我们中国很多的行业，包括教育、医疗、政法、安全、智慧城市等都是在国家规划下做的。包括我们国家现在设计的四大人工智能开放平台，百度和讯飞都在里面。这种情况下我们可以看到这里的数据和政策是在一个高度集中统一上面来进行整体规划的。所以不仅仅在人工智能时代，过去云计算和大数据时代，包括政府的城市治理、教育等方面其实都是因为有中间的统筹规划让这些新技术能尽快得到应用。

我觉得中国在很多方面已经走在了世界前面。比如我们的教育跟日本比，到信息化和智能化方面中国现在做的很好，反而已经领先了。这中间告诉我们什么呢？越是有集中化的地方，越是能用统一规划的地方，在数据这个问题上反而可能取得它的相对优势。而且数据的使用又反过来会增强这种中央控制体系的威力和能力，从而形成一种闭环的效果。

但是我们也知道中国的经济体制还有另外一方面，就是特朗普最近对中国经济体制没有办法（有很嫉妒的地方），就是中国特色社会主义的市场经济。中国真的有很多市场经济，而且参与市场分工，做得很好。在市场经济方面，特别是消费者的，每个个人决定了他自己的这部分数据，他的使用权等。

但是这里涉及到我刚才讲到的中美问题的差异，为什么中国的犯罪率普遍比美国还要低，就是因为这几年大家看到的像天网工程，像雪亮工程，包括像我们能更好地利用最终用户的一些数据方面，当然这里有前提，就是要能够在合法合规、公平以及在一个更好的指导下政策和规则指导下的数据的应用，我认为从市场经济里看也在发挥它的作用。所以这块我认为从东西方不同文化的角度来说，都需要一个合理合适的政策和法规，以及哪一边能够比较快地制定法规。

谈人工智能生态的见解

蔡薇：人工智能现在技术渐进成熟，应用到很多场景。参照以前PC时代，像Windows和X86软硬绑定，后来在移动时代安卓和ARM的绑定都形成了它的固定生态，人工智能的生态现在也正在形成的过程中。在这次大的机会里，中国其实在芯片、云、软件方面都有了机会。三位嘉宾都是技术出身的大牛和商业领袖，我想听听三位在人工智能生态方面的见解？

张亚勤：我觉得整个产业的布局和竞争是生态的竞争。我们看一下几个不同的时代，一开始PC时代，然后到了移动时代，现在到了AI时代，每个时代形成之后，生态一开始是高速变化的，然后形成了稳态，当稳态的时候就很难改变它。

在PC时代是Windows和Intel，芯片和X86架构，和Windows架构，上面有许许多多的应用，互联网来了之后加了浏览器。形成稳态以后其实别人很难改变它。到了移动时代的话，为什么ARM可以使用，X86反而不能用？因为上面的应用、整个操作系统它能满足不同类需求，所以这个时候有ARM，上面有IOS、安卓，然后有各种各样的应用。现在进入AI时代会发现，很多应用用过去的X86可能也不太适应，ARM可能也不太适合，需要新的芯片架构。所以很多公司在做AI芯片。这个时候会产生新的操作系统，新的芯片和新的生态。

我十年前有一个比喻，所谓的生态，千亿的时候成本是1：10：100，就是芯片的成本是1，操作系统是10，上面的应用是100。所以有的时候不是说一个芯片就可以改变的，其实是这么一个考虑。到AI时代可能也是同样的情况，我们现在不仅仅有机会设计新的AI芯片，我们也有机会去打造新的平台和操作系统。这里不仅仅是操作系统本身，也包括它的开发环境、架构、语言、上面更多新的运用。

我们百度也做了很多这方面的事情，像有一个完全面向AI时代的操作系统，有语音、视频、自然语言处理，也有开发的环境，自己也在做芯片。我们芯片一方面是买，一方面是合作，我们也自研芯片。去年十月份我们发布了SPU，这是面向AI的，特别面向生态优化的一系列芯片。我们已经看到很多企业都在往这方面努力，目前我相信都是有机会的。

李开复：看整个大生态系统的话，过去十年发生了一个惊天动地的事情，就是以前整个世界是以硅谷为中心的，一切围绕着硅谷，windows、intel代表了一切，其他国家都成了wintel的殖民地，自己没有发展自己公司的机会。这些年中国的市场带来了非常聪明的投资人，投资了一批执行力很强的创业者，创造出来完全与硅谷不同的思考方式、逻辑方式，也创造了可以跟硅谷公司平起平坐估值的一些公司。硅谷的公司，可能更是理想化的，而中国的公司是执行层面的；硅谷的公司是技术为主的，中国则是应用导向的；硅谷的公司是希望做得更轻，人越少越好，中国是希望做得更重，让人感觉更好。

美国是单平台霸占全世界平台，而现在中国像滴滴等公司在全世界都做了布局，这个布局像百度的阿波罗支付，腾讯的微信等，都是在海外希望能够开始落地，还有滴滴建立了反UBER联盟。整个事情告诉我们，过去我们的芯片操作系统和应用的思维是一个全球的框架或者应该说是以硅谷的思想为核心。但是未来我觉得宇宙应该裂变成为了两个平行宇宙，一个是以美国为核心，一个是以中国为核心，这意味着每个层面从应用到创业、到投资、一直到操作系统，还有包括芯片，都会给中国带来机会。因为中国的需求、思维方式、创业方式，还有各种贸易竞争等，我觉得中国以后可能会占领全世界的半壁江山。

我觉得无人驾驶是有可能成为下一个伟大的操作系统的。过去可能是Windows、安卓，无人驾驶需要做一个完全不同的事情，而且它一旦做成了，是能够有自主性，能够动、能够看、能够听、能够行动的操作系统，而且是以实时、多传感器来做机器学习的这样一个判断、策划的系统，不但可以用在无人驾驶，而且可以用在机器人方面。

当然这个系统要十年后才知道是谁能胜出，这里面有巨大的机会，而且中美不会只是一家胜出，我觉得会有两家生态系统，会有两家胜出。

芯片中国也有很大机会，像传统学习GPU加速是一种做法，但是我觉得现在有多方面机会。一个是怎么做到比现在性价比更高的、云方面的芯片；第二，怎么样把这个做到车、手机等终端；第三，还有很多新的传感器，过去不存在的，未来应该在视觉、听觉方面的传感器会大量增加，而且IOT时代也会来临，所以在芯片、半导体的创业机会我认为中国是巨大的。

张亚勤：我完全同意开复所讲的中美是两个平行宇宙。平行宇宙我认为会成为两个重力场，但是重力场之间不是割裂的，不是独立的。未来全球不管怎么发展，还是需要这两个平行宇宙的合作、不断地沟通。拿芯片来讲，芯片设计可能在中国目前看起来还不错，我们追得很快，但是设计的工具还是在美国，所以我想未来会有两个大的重力场，双方要合作。

其实我很反对一种观点，说我们能不能以后就变成一个和美国没关系的独立国家，我们不要和美国合作，也不靠它？我认为全球还是需要更多的合作，全球化是大的趋势，保护主义也好，反全球化都是短视的。

胡郁：技术改变生态的方式我觉得有两种：

1993年哈佛商学院有一个教授写了一本书《竞争的消亡》，系统地阐述了商业生态系统的产生、发展，兴盛和消亡的过程。其实有些生态系统我们看到它是持续以来一直没有太大变化。比如石油生态，在过去的几十年当中，像埃克森美孚这样的公司一直牢牢控制着生态石油的核心节点。但是我们也看到在另外一些领域，其生态在不停地发生变化，特别是计算机与网络领域，跟通信生态融合之后变成了现在的移动互联网生态，而且它的速度在加速地迭代，原来可能十年迭代一次，现在可能五年迭代一次，中间会产生出一些新的机会。

这就引出一个问题，我们愿意相信技术所引发的革命，能够创造出新的生态，能够颠覆原来的生态。但是我坦白讲这是一种良好的愿望。很多人从这个角度提出了互联网+、云计算+、大数据+、人工智能+，但实际情况是什么呢？一个真正的技术来之后，能够真正颠覆原来的某一个产业，其实是非常非常需要天时地利人和的时机的。

像人工智能爆炸，我们刚才提到的自动驾驶，它确实颠覆了人类出行，在这个过程中也给了拥有这个技术的公司或创始人，特别是小公司希望，这也是为什么不断有新的超级独角兽出来的原因，是因为能找到这么一个契机，把原来的基本生态颠覆掉。而颠覆这个生态所要具备的方法，创新者系列书籍，创新者的窘境和创新者的解答和创新者的基因，讲了如果想做颠覆式创新，你应该怎么样用一个新的技术来改变一个行业、一个方向，但是我们不要忘记了，大部分的原来的传统生态，比如服装、农业、制造业，它的生态演变是很慢的。

而它们生态演变过程中也遇到了很多技术，比如互联网、云计算、大数据，甚至引起了这些传统行业的巨头，或者说原来生态的控制者的焦虑，比如服装品牌、生产制造的品牌，随着物联网到来会怎么改变？美国还有一个人杰弗里·摩尔，他写了几本书《跨越鸿沟》《龙卷风暴》《公司进化论》，阐述了技术创新在很多领域是对原来的行业进行加持，进行持续性创新，而不是颠覆性创新。在这个过程中，原来传统行业里的控制者，经过很好的学习，其实可以改造它原来的系统，所以这也解释了两个新有的名词，一个叫做传统互联网行业，一个叫做新兴传统行业。

我认为新兴传统行业就是不断地在原来行业后面加互联网，加云计算，加大数据，加人工智能所导致的。所以我认为在将来的整个行业变迁中，在能够产生颠覆式创新的地方，人工智能就像其他的技术一样，拥有重塑我们原来生态系统的机会。

但是有些传统行业（比如餐饮那些）不会因为人工智能就被颠覆了，因为你还是要吃东西，还要吃得更好，所以这时候这些传统行业加上新技术会产生一个真正的新出路。所以从这个角度来看，我认为做技术创新的人都有各自的机会。但是我们要不断去寻找和探索。

AI大时代下巨头与小公司的机会？

蔡薇：在这种大时代来临的时候，巨头们是不是在很多数据、流量上有天然的优势，更容易胜出呢？创业公司怎么突围他们的优势呢？我想听听企业家和资本对这方面的考量？

胡郁：巨头怎么产生的？研究表明，大部分巨头的产生都是由于原创性的创业。像乔布斯、比尔盖茨、扎克伯格，都是第一次创业就找到了风口。当然不是说巨头成功了，其他人就没法创业了。其他人的创业成功可能很多时候是被大集团收购。但是像我刚才说的能够加强传统行业的很多颠覆性的东西，恰恰是从一些小的创业公司里出来的。

所以对创业者的建议是什么呢？我们每个人都想成为扎克伯格、比尔盖茨、乔布斯，但是有一句话，我那天跟郭广昌聊天，当时在湖畔大学，很多人问题很刁钻，问他说复星能不能做出一个微信出来？郭总回答很智慧，说这个要看命。但是看命的结果上，我说创新是一定的。所以创业者一开始就要怀着这样的梦想，而在现实路径中要考虑会达到怎样的层次，我想企业家精神足了，最后的目标是不是一定这样，我觉得是仁者见仁，智者见智。

李开复：我觉得大小公司都有机会。传统上说大公司有它的优势，因为它本来有品牌、用户、产品，可以让它继续滚动一个雪球，而且AI的赋能让它拥有更多数据，把自己的企业做得更大，把竞争门槛做得更高。就像今天即便你有足够的钱重做个翻版微信，但微信基于手上数据的生态链，你也未必能打败它。因为它不但有技术、人才，还有大量的数据使它的AI做得更好，这是大公司的优势。

但是大公司也有它的挑战，像刚才谈到的创新者的窘境，就是当你把一个领域做得特别成功的时候，就会出现一个现象，你就会因为过去的企业做得太成功了，它的收入、品牌等因素也会形成一个包袱，让你放不掉它。新来的公司没有包袱，所以各有优势的。

创业公司怎么办呢？我们的建议是，创业公司应该去寻找很多巨头没有涉及到的新机会。比如今天要做游戏，要做社交，要做电商，可能都有很多困难，但是有时候你是可以找到新的机会的。比如说卖软件给银行，这个BAT就没有特别大的优势，或者你去卖软件给医院，帮医院做一套AI的诊断系统，或者进入无人驾驶做工业机器人。因为AI涉及到所有的领域，并不仅仅是互联网，巨头并不能涵盖所有的领域。所以找一个新的领域，是一个机会。

另外还有很多机会巨头可能是看到的，但是对它们来说放一批人来做这个领域觉得回报不会足够多，对他们来说机会太小了，但是对一些初创企业来说就是非常了不起的机会，这种见缝插针的机会还是挺多的。创业者的机会就是有大量的资本，而且AI一级市场和二级市场都很关注。所以我觉得不是绝对地大公司永远领跑。

张亚勤：不同的时代会催生不同的公司。最早期的巨头是三个门户网站，后来是BAT，到移动时代就变成TMD，加上小米，现在又有像Face++、商汤科技以及自动驾驶方面的独角兽公司。而大公司可以看到在每一波新的产业机会出现的时候也没有消失，有些反而更强了，也有一些新的行业、新的公司起来了。

对初创公司我的建议是，第一，不要打造一个平台，做相对精准的、垂直的事情，要解决真正的问题。第二，不要过度包装，每天把自己粉饰成就是一个AI公司。

我每次看很多创业公司的计划书说我就是做平台的AI公司，我都直接扔掉了。因为做平台很难，要跟大公司竞争。但是我相信创业公司还是有特别多的机会，我想五年之后，中国至少会产生十个像BAT、TMD这样的公司。

5G或将成为AI的一个催化剂

蔡薇：其实我们最后还有一点时间，我也替观众问一个更前沿性的问题，人工智能之后，大家也开始关注量子计算、5G这些，在这方面各位有什么见解一起分享一下？

张亚勤：说三个未来和AI有关的方向。

第一类脑科学。我最近在看一些文章，其实要真正实现智能，还是要了解人的大脑，把大脑更快地用起来，用到我们的计算机系统里。现在人工智能不是真的智能，现在的人工智能深度学习是在一个大数据下面模式识别，有很多数据有一些规则，然后用相对比较笨的办法来达到智能。目前我们所实现的智能要用很多的算力、算法，要消耗很多能源。人的大脑不是这样学习的，人没有用很多的力量，速度也很快，也没有用那么多的算力，所以类脑计算、生物计算在未来是一个大的方向。像现在很多新的研究都谈的很少。

第二量子计算。量子计算可能比大家想象的要快，这里包括量子计算机，像现在超导也好、拓扑的或者用光子的进展都很快。另外量子出现之后对机器学习和人工智能本身也有很大的推动作用，像在搜索算法、多项视觉分析、优化方面都会有很大的推动，会重塑我们现在人工智能的架构。另外，机器学习AI对量子计算本身也有很大的推动，包括量子目前它的解析、相位和相移的检测，更好地打造量子计算机的控制。我觉得这都有很大的推动作用。我认为五年之后我们可能会谈类脑计算，会谈量子计算。

第三，大家谈的很多，但是跟AI没有什么关联，就是5G。3G其实催生了移动互联，4G是把视频变成主流，我认为5G会把AI加速。5G不仅仅是网络速度快，可能会比我们目前快差不多10倍-100倍数量级，另外延时提到毫秒级。更重要的是它会有一些新的应用产生，像网络架构、边缘计算、虚拟化等，也包括现在讲的智能家居、工业制造，都会在5G的环境下变得更加方便，更加快速。

所以5G其实是基础设施，我认为将会成为AI的一个催化剂。

（创客猫番茄 现场报道，转载请注明来源）