4月26日，GMIC大会在北京国家会议中心召开。本届大会主题为“AI”生万物，邀请政府官员、人工智能领域科学家、企业家、投资人等各界人士共同探讨最新趋势。全球人工智能领袖峰会作为GMIC大会的首场峰会，旨在探讨在基础硬件、大数据与开源平台、深度学习为代表的算法等人工智能领域的深度洞见。

第二个圆桌论坛的主题为《AI战略与人才》。分享嘉宾为创新工场董事长兼首席执行官李开复、百度公司总裁张亚勤、科大讯飞公司高级副总裁及讯飞研究院院长胡郁；论坛由百度投资管理合伙人蔡薇主持。

以下为《AI战略与人才》圆桌论坛实录，由品途商业评论（ID：pintu360）精编整理，有删减：

主持人（蔡薇）：今天想谈一下人工智能人才问题。因为我们发现人工智能方面的人才缺少不仅仅是一个中国范围内的问题，也是一个全世界都面临的问题。所以我想请嘉宾们聊一下大家对人才问题有什么解决方案吗？各个公司，或者自己是怎么考虑这件事？

胡郁：我从我自己的经验来讲，我讲两个方面，一个方面，我们的经验，第一个，大学里到底有没有足够人工智能的人才。就是老师，可能不同的公司有不同的看法。但是在我看来，在中国，在世界的大学里有一批，在中国当然也有，是真正的掌握了人工智能核心技术，但是他们开公司产业化这方面可能没什么经验，怎么把他们找出来，并且用合适的激励的办法让他们参与到产业化过程中。

第二个，人才的培养。很多年轻的学生，这个也是我们一个特点，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。

第三个，我觉得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，国外也好。所以我认为这三个方面的经验，有连整个生态里学术圈合适的人，但是并不是把他们挖到公司来。第二，人工智能培养是需要有中间层次的人培养。第三，还需要有大的机会方面来引进。

李开复：我想讲一下人才的两个层面：第一个，前面的一个环节我提到过我觉得大量的工程师想涌入人工智能，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，这个我觉得是人才金字塔底层的建设很重要。还有像顶级的人才，这点从国外例子来看，从大学教授和研究员被亚马逊、Facebook，Google等大量的挖走，形成这些公司的核心。这些公司做的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专家和工程师和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，这个我很认可，并且做的很成功。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，中国的高校坦诚的说没有像美国那么多年的累积的科研的专家，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。待会儿让亚勤来讲。我认为这个是中国人才现在的现状，就是BAT为主，现在滴滴，京东，头条，很快的我相信美团和其他的公司都会建立AI团队。这是一个人才的走向。

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都是每找一个AI的人可以变现好多钱，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，我们可能更希望是一个三者结合才能成为一个好的AI创业公司。首先要有科学家，但是看领域，不一定需要这么顶级的。比如说做无人驾驶的肯定需要特别顶级的，但是如果做金融，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。第二个，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。所以无论投资的公司，我们会帮它聚集这样的人才，或者我们孵化的公司，我们更早会把这三者结合在一起，所以谈人才的时候我们往往只谈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，比较少，美国也缺，中国也比较缺。第二个，做产品的，包括芯片设计，做各种不同的系统人才。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，通过在大学，在研究生，包括在中学需要普及AI知识。另外一个靠市场，就是市场有这个需求，三年、五年后这个人才自动的会重心转移到这里。整体来说，看五年以后中国和美国在应用人才，开发人才，基本上会到一个同样的水准。在基础研究和算法理论差距会比较大。

主持人（蔡薇）：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，如果我们中美要做对比的话，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，中国应该会在这方面超过美国。在未来的五年。

张亚勤：看一下的话一个行业发展，有五个大元素，一个是人才，技术，市场，资金，最后一个是政策。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处于有一个Ash。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，所有的资源都向那个地方倾斜，人才，包括各种注意力都会向那些倾斜，这个效率会高。所以我叫做中国速度的。中国质量还差一点，但是我想中国速度是全世界认可的。所以AI中美会成为两个引擎，我不认为中国和美国直接就竞争，两个都会有，都可以共同发展。

胡郁：有采访问我科大迅飞跟BAT为什么不一样？不一样是因为中国的国情不一样。因为东西方文化的差异，大家对整个社会的运行机构其实是有差异的。比如我们以前讲计划经济，有它的缺点，当然也有它的优点。我记得在去年的数博会上人讲过一句话，讲，如果有了大数据，有了真正人工智能，计划经济其实可以做的更好。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：教育、医疗、政法、安全、智慧城市，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，包括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在上面来进行整体规划的。所以现在看到不仅仅在人工智能时代带过去云计算和大数据时代，中国的，包括政府的城市治理，包括教育，这个方面其实因为中间的统筹规划和把这些新技术尽快应用的趋势，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，日本的电话教室比中国好很多，但是到信息化和智能化方面，中国现在做的很好，已经反而去领先了。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有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。

主持人（蔡薇）：我也想请三位嘉宾，都是技术出身大牛的商业领袖，也希望能听到三位在这些人工智能的生态这些方面的见解。

张亚勤：整个产业的布局和竞争是生态的竞争。刚才你讲的很好，说看一下有几个不同的时代，一开始PC时代，然后到了移动时代，现在到了AI时代一样，它的每个时代形成之后，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，整个操作系统它满足不同类需求，所以这个时候有ARM，上面有IOS，安卓，上面有各种各样的应用。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。所以这个时候会产生新的操作系统，新的芯片和新的生态。

李开复：我们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、英特尔代表了一切，其他国家都成了了英特尔的殖民地，自己没有发展自己公司的机会。因为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，逻辑方式也创造了一个平起平坐的估值的一些公司。比如说硅谷的公司，可能更是理想化的，而中国的公司更是执行层面的；硅谷的公司是技术为主的，中国是应用导向的；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在全世界都做了布局。

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在云方面的芯片。第二个，怎么样把这个做到终端，做到车，做到手机等等的。第三个，还有很多新的传感器，过去不存在的，未来应该更多的在视觉、听觉方面，传感器归大量的增加，而且过去讲的很多没有实现的IOT时代也会来临。所以对整个芯片，半导体的创业和机会我认为中国是巨大的。创新工场也投了很多家公司，像比特大陆，也是在做芯片方面的机会。所以机会很大。

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。它的不断的沟通通讯。如果看一下的话，拿芯片来讲，芯片目前比如光客最领先的技术在欧洲芬兰，founder韩国和中国的台湾。芯片设计可能在中国目前还不错，追的很快。但是设计的工具在美国。我想未来的话还是会有两个大的重力场，双方要合作。

其实我很反对，最近也有一些官员或者投资者问我，说我们能不能以后就把中国变成一个和美国没关系的，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资，全球化是大的趋势，保护主义也好，反全球化都是短视的。

主持人（蔡薇）：在这种大时代来临的时候，巨头们是不是有很多数据上，流量上天然的优势，更容易胜出呢？比如我们做投资，资本方面，巨头们的这种优势是不是就成了一个优势呢？就是创业公司的优势怎么安排呢？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，很多巨头产生大部分都是原创性的创业。像乔布斯，比尔盖茨，扎克伯格，就是第一次创业就找到了风口。这是从投资界发生的，当然不是说巨头成功，其他人不创业了。我们其他人创业成功可能很多时候是被收购，被吸收，被大的集团这么来做。所以我觉得在这里，真正的很多颠覆性的东西，一个真正伟大公司确实是原创性的多一点。但是我刚才说的能够加强传统行业的东西，恰恰是从这些小的创业公司里出来的，到一定阶段会跟这个对接。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，我那天我跟郭广昌聊天，就是复星和联想，当时复星和联想投资我们，我说复星和联想投资了科大迅飞。郭广昌马上纠正说是复星先干的。当时在湖畔大学，很多人很刁钻，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。所以创业者一开始要怀着这样的梦想，但是在现实路径中要考虑在现实中会达到怎样的层次。在这里企业家精神是最足的了，但是最后的目标是不是一定这样，这个我觉得是仁者见仁，智者见智。

主持人（蔡薇）：开复老师，您觉得资本上是大公司的机会吗，还是小公司的机会在哪里？

李开复：大小公司都有机会。大公司是这样的，因为传统上来说大公司它有它的优势，因为它本来有品牌，用户，产品，就是可以让它继续滚动一个雪球，而且AI的赋能让它拥有了数据，所以它能够把自己的企业做的更大，让竞争门槛做的更高，经过数据，加上AI，达到一个竞争者无法去的体验，就像今天即便你有足够的钱做个微信，微信基于数据的生态链，也未必打败它。因为它不但有技术，人才，还有大量的数据使它的AI做的更好。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，就是当把一个领域做的特别成功了，就会有一个现象，你就会因为过去的企业做的太成功了，它的收入让你成为了一个包袱，你放不掉它。这就是为什么柯达最后灭亡，就是同样的理由，因为新来的公司没有包袱，所以各有优势的。

作为创业公司怎么办呢，我们的建议是，创业公司应该能寻找到很多巨头，并没有杠杆的地方。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，或者你要去卖软件给医院，或者帮医院做一套AI的诊断系统，或者要进入无人驾驶做工业机器人，所以其实现在因为AI是顾及所有的领域，并不仅仅是互联网，所以巨头能够杠杆进入的新的领域，并不是涵盖了所有的领域。所以找一个新的领域，是一个机会。

张亚勤：不同的时代会催生不同的公司，最早期三个门户，网站，后来BAT，搜索电商，社交，到移动时代TMD，加上小米。现在又有像Face++，商汤科技，自动驾驶的独角兽。而大公司可以看到在每一波新的产业出现的时候也没有消失，有些更强了，还有一些新的行业新的公司起来了。

我的建议是对初创公司，第一个，我们要去做大的事，不要打造一个平台，做相对精很垂直的，要解决真正的问题。另外，不要把自己，每天粉饰成为我就是一个AI公司。我每天看很多创业公司的计划书，说我就是做平台的AI公司，我都扔掉了。因为做平台很难跟大公司竞争。但是我相信有特别多的机会，刚才都谈到了各种各样的机会。我想五年之后我们会至少有十个，像BAT、TMD类似这样的公司会在中国产生。

主持人（蔡薇）：感谢各位。其实我觉得能跟三位大咖在这里一起学习和讨论时间都是不够用的。我们可以一直坐在这儿聊下去各种有意思的话题。其实我们最后还有一点时间，我也替观众发一个更前沿性的问题，人工智能之后，大家现在也关注了量子计算，5G这些方面，如果大家在这方面有什么见解，欢迎跟大家分享一下。

张亚勤：去年我记得这儿也有一个同样的圆桌讨论环节，正好都是前微软研究院的，我说现在我们还坐在这儿谈人工智能，说明人工智能没做成，一定会有一个新的话题。我想人工智能未来有几个方向，其实早上他们也谈到算法，包括机器学习，也包括最近把深度学习加在一块，还有希望把黑盒子和更清晰的Ihinse加在一起。

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，其实我们要真正有智能，还是要了解人的大脑，而且把大脑更快的用起来，用到我们的计算机系统里。现在人工智能不是真的智能。

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有很大的推动作用，像在搜索算法，多项视觉分析，在优化方面等都会有很大的推动，会重塑我们现在人工智能的架构。

另外一个方面，大家谈得很多，但是跟AI没有什么关联，这就是5G。如果我们看一下3G其实是催生了移动互联，4G是把视频变成主流。我认为5G会把AI加速。看5G不仅仅是网络速度快，现在可能比我们目前快差不多10倍-100倍数量级。