虎嗅注：本文是2017雪球中概高峰論壇的圓桌討論內容， 紫牛基金的創始合夥人張泉靈， 獵豹移動CEO傅盛， 創新工廠AI工程院副院長兼技術副總裁王詠剛， 明勢資本創始合夥人黃明明討論如何抓住人工智慧風口， 虎嗅有刪節。
主持人：如果人工智慧真的是下一個領域的重大的機會， 這對在場所有的人來講， 我們怎麼上車為我所用， 或者說要準備一些什麼。
王詠剛：人工智慧我們基本的判斷相對比較早期， 無論是外面的普通公眾怎麼看， 投資人或者是真正做人工智慧技術的人來講， 我們知道人工智慧實際上能夠真正把流程做一個大幅度的提升，
移動互聯網裡面的， 包括風控和行銷這些集會都是眼見的機會， 這些領域已經有了非常好的大資料平臺和積累， 而且有了傳統亟待提升效率的流程在那邊， 所以我們很容易在眼見的機會裡看到人工智慧的落地點。
但如果說三五年內人工智慧還能在哪樣的機會裡得到更潛在的應用， 我覺得不同的投資機構的看法未必完全一樣。 我覺得三五年內我個人的意見， 最重要的人工智慧落地點還是要結合現在的互聯網應用， 結合現在的商務解決方案， 人工智慧還不大可能以一個特立獨行或者是獨領風騷的領軍人物的角色來帶領一個產業的革命。
主持人：可是他們的問題恰恰是結合的環節出問題了， 第一人類的自然語音語義的處理上人工智慧沒有突破。 第二， 落地的環節沒有形成利潤落地的問題。 結合問題有沒有答案？
王詠剛：我覺得是這樣的， 因為人工智慧獨立來講， 現在看不到有一個人工智慧單獨做成一個產品的盈利模式， 比如說單獨做到機器人， 把人工智慧融合在現有的水到渠成， 我相信人工智慧獨立占到產業革命的頂峰還需要大概5年以上的時間。
主持人：如果大家確認很短時間內不能成為產品， 為什麼堅信成為一個巨大的機會呢？是不是機會
傅盛：我跟搜狐的張朝陽喝酒的時候說，
第二個點我認為正是因為技術不夠成熟， 所以很多機會來自於和你原有的一些東西的結合， 有時候是要逆向思考的， 有一個第一原理， 你想想這個東西到底是怎樣的成本構成， 反過來找路徑。
我讀過一篇文章說當時福特做汽車的時候， 不是因為他認為技術可以把它降成300美金， 是因為只有300美金的汽車才能大賣， 所以想盡所有的辦法把幾千美金的汽車降成300美金， 當年特斯拉推出電池車的時候，
我認為產品從來不是一個在技術已經完整到拿出來就是一個好產品就能出現的， 這樣的話就不需要做產品了。 我沒有那麼悲觀， 我認為在未來的5年中會找到很多細分點。 比如說人工製造的機器人， 現在機器人的定義是在20年前、30年前產生的， 那時候不是機器人是要自動化機器， 那時候沒有人工智慧看上去加了感測器什麼也感知不到， 只能自動地做東西。
第二， 當人工智慧出現使得很多便宜的感測器大量感知資料的時候， 很多機械化的東西可以被重新思考，
張泉靈：當前的人工智慧所能替代的是需要大量的經驗累計起來的工作， 極有可能被人工智慧替代。 它替代過高盛的交易員， 可能能替代一個律師， 未來一部分能替代一些醫生， 這都是覺得未來5到10年真心能看到的部分。
還有一部分是崗位不值得看， 比如說內容分發， 理論上如果放一個人在你身邊每天看你到底看了什麼樣的內容我就會知道你是一個什麼樣的人， 可以給你推薦， 本質上原來不值當， 所以只能用編輯去猜， 可是編輯去猜每一個click都會形成一個資料， 這中間有多大的差異？
這一代的人工智慧因為有了大資料才能巨大的瞭解你， 從而產生更有價值、更有效率的商業模式。 因為從投資的角度來說，我們看哪裡有資料，哪些是靠經驗累計的。
黃明明：我非常同意傅盛那句話，甭管看不看得清楚，你相信這個事情你先跳下去。大家知道去年自動駕駛很火，所以我們基本上花了所有的時間把國內國外的最主流的自動駕駛創業團隊看了一個遍，我們討論自動駕駛這個事，我心裡有一個內疚感，我的司機跟我有十年的時間了，可是我知道我現在在討論的以及將要投資的公司，一定會在未來的3到5年替代掉他的工作。這是一個很殘酷的現實。
第二，我們對這個事情一定是非常樂觀的，雖然AI有很多的泡沫，幾個大牛團隊一出來動輒幾億美金的估值，可是產生價值的領域已經出現了，自動駕駛我堅信是第一個而且是幾十萬億的市場，它對整個出行領域的重構，如果UBer和滴滴的革命是出行革命的上半場，真正的決定者是自動駕駛。
保險公司動輒都是萬億資產的公司，險資裡面最重要的財產是出行險，我前兩天跟去哪兒的張總聊天的時候他想拋棄所有的財險的股票。所以財產險的模式在可能不成立，車險的模式在未來是不成立的，保險公司的市場價值會嚴重地下降。
主持人：在人工智慧的哪些領域有比較明確的應用價值。黃總說在自動駕駛的領域裡找標的，找到標的就發了，這個角度來回答會不會讓答案更直接和清晰一些。
王詠剛：醫療是我們非常關注的下一個領域，為什麼是下一個領域，醫療不像金融或者是像互聯網一樣，資料是相對來說比較充足或者說資料平臺已經比較成熟了，醫療現在還是一個離人工智慧很近，但又沒有完全準備好的行業，這個行業裡的想像空間非常大。
不僅僅是圖像的問題，人工智慧一下會認圖像的我們就可以幫醫生看片，這當然是一個很大的領域，實際上遠遠不止這個領域，因為醫療本身是資料理論和經驗三者一起驅動的理念，人工智慧這三方面都可以起到非常好的價值，特別是醫療對整個人類最大的作用在於解決醫療資源公平性的問題。
人工智慧作為醫生和助理沒有必要達到平均醫生的水準，可以幫助醫療資源不均的地方解決有平均醫療水準的醫療資源的問題，幫助社區醫生達到三甲醫院平均醫生的水準，不要誤診、不要耽誤用戶的病情，這已經是對全世界來說是非常非常大的進步了。
傅盛：肯定是機器人，我剛才舉了特斯拉的例子，剛開始切入一定是垂直的，如果你指望著一個人還能跟你談戀愛一定是做不了的，以情感陪護為主的是不可能的，聽不懂人的語義，予以是只能被映射的的，但它成為生活助理是非常有機會的。
亞馬遜的Ehco在美國大概賣出了800多萬台，三個月有1000項，現在有1萬項了，這會發出巨大的讓用戶非常爽的點。最開始蘋果手機推出的時候我下定決心要買它，它降低了100美金那時候大家都覺得用智能手機幹什麼？我認為我心裡的機器人長遠是一個完美的目標，但開始的時候是一個能幫助你完成具體事情的東西。
張泉靈：我同意王總的說法，人工智慧+健康和醫療這是非常大的市場，這個市場風不是刮一陣，隨著人工智慧的進步可能會持續很久，而且每一個單病種都是一個巨大的市場，這個是在投資的角度可以遷延很長時間的方向。
我前不久看了一個項目，這個項目研究了大概幾十年的AD，阿爾茨海默症的腦CT和腦核磁的片子，有一個特殊的管道拿到連續幾十年的圖像。結果用人工智慧訓練之後就可以預測現在，因為大多數老年癡呆症的症狀會發生在70歲以後，比例會急劇上升，現在50歲，它可以預測你10年、20年之後有沒有這種可能性，如果有的話要做什麼樣的早期干預，光這種可能性在未來就是非常好的商業模式。
這只是一個很小的單病種的例子，其實有大量這樣的公司，目前正在起步的狀態中。另外，從一個紫牛基金的角度我們特別關注的是人工智慧和教育的結合，因為教育特別需要好老師的經驗。
主持人：時下最熱的是學區房我們解讀一下，教育加人工智慧能不能顛覆學區房。
張泉靈：等到線上的學校能給大家發文憑的時候再說吧，裡面有政策的因素，我堅信線上教育有一天可以很大程度地取代學校的教育，可是孩子面對面社交的部分還是要靠線下的聚集才能完成。
從線上的部分我們想想，一個好老師的價值在什麼地方？第一，好老師積累了大量的經驗，他講完一個知識點出一個題目，他看一秒鐘就知道你做這道題的思路和知識點掌握得好不好，如果沒有掌握他可以再給你解析思路，你想想圍棋資料是完全的，我們假設所有的數學題在一定的知識範圍內的數學題都是可被標注的，總有一天會給你智能化的推薦，好老師用直播和錄播的方式給知識點，可是在座的1000多人，每個人拿到的題是不一樣的。你們做完了以後人工智慧應該知道你有沒有掌握這個知識點，你們又拿到了不同級別的不同的題，這是能夠發生的，而且我我認為它在3年之內就能發生。
黃明明：我覺得在一些初級的分析的領域，包括我剛才講的金融衍生品的一些領域，很快我們會看到很多初級的人力工作會被替代。這裡面我為什麼一直拿高盛舉例，可能因為我是商學院畢業的，這家公司在我們這裡是全美最頂級或者是全球最頂級的全球商學院，面試高盛的10個裡有1個能進去的，面對這樣最優秀的大腦的公司，他的人力已經被人工智慧將近替代了20%到30%，他們覺得未來的3年裡，50%、60%的員工會被人工替代，這個事情已經在眼前，而不是在很未來的時間了。
因為從投資的角度來說，我們看哪裡有資料，哪些是靠經驗累計的。黃明明：我非常同意傅盛那句話，甭管看不看得清楚，你相信這個事情你先跳下去。大家知道去年自動駕駛很火，所以我們基本上花了所有的時間把國內國外的最主流的自動駕駛創業團隊看了一個遍，我們討論自動駕駛這個事，我心裡有一個內疚感，我的司機跟我有十年的時間了，可是我知道我現在在討論的以及將要投資的公司，一定會在未來的3到5年替代掉他的工作。這是一個很殘酷的現實。
第二，我們對這個事情一定是非常樂觀的，雖然AI有很多的泡沫，幾個大牛團隊一出來動輒幾億美金的估值，可是產生價值的領域已經出現了，自動駕駛我堅信是第一個而且是幾十萬億的市場，它對整個出行領域的重構，如果UBer和滴滴的革命是出行革命的上半場，真正的決定者是自動駕駛。
保險公司動輒都是萬億資產的公司，險資裡面最重要的財產是出行險，我前兩天跟去哪兒的張總聊天的時候他想拋棄所有的財險的股票。所以財產險的模式在可能不成立，車險的模式在未來是不成立的，保險公司的市場價值會嚴重地下降。
主持人：在人工智慧的哪些領域有比較明確的應用價值。黃總說在自動駕駛的領域裡找標的，找到標的就發了，這個角度來回答會不會讓答案更直接和清晰一些。
王詠剛：醫療是我們非常關注的下一個領域，為什麼是下一個領域，醫療不像金融或者是像互聯網一樣，資料是相對來說比較充足或者說資料平臺已經比較成熟了，醫療現在還是一個離人工智慧很近，但又沒有完全準備好的行業，這個行業裡的想像空間非常大。
不僅僅是圖像的問題，人工智慧一下會認圖像的我們就可以幫醫生看片，這當然是一個很大的領域，實際上遠遠不止這個領域，因為醫療本身是資料理論和經驗三者一起驅動的理念，人工智慧這三方面都可以起到非常好的價值，特別是醫療對整個人類最大的作用在於解決醫療資源公平性的問題。
人工智慧作為醫生和助理沒有必要達到平均醫生的水準，可以幫助醫療資源不均的地方解決有平均醫療水準的醫療資源的問題，幫助社區醫生達到三甲醫院平均醫生的水準，不要誤診、不要耽誤用戶的病情，這已經是對全世界來說是非常非常大的進步了。
傅盛：肯定是機器人，我剛才舉了特斯拉的例子，剛開始切入一定是垂直的，如果你指望著一個人還能跟你談戀愛一定是做不了的，以情感陪護為主的是不可能的，聽不懂人的語義，予以是只能被映射的的，但它成為生活助理是非常有機會的。
亞馬遜的Ehco在美國大概賣出了800多萬台，三個月有1000項，現在有1萬項了，這會發出巨大的讓用戶非常爽的點。最開始蘋果手機推出的時候我下定決心要買它，它降低了100美金那時候大家都覺得用智能手機幹什麼？我認為我心裡的機器人長遠是一個完美的目標，但開始的時候是一個能幫助你完成具體事情的東西。
張泉靈：我同意王總的說法，人工智慧+健康和醫療這是非常大的市場，這個市場風不是刮一陣，隨著人工智慧的進步可能會持續很久，而且每一個單病種都是一個巨大的市場，這個是在投資的角度可以遷延很長時間的方向。
我前不久看了一個項目，這個項目研究了大概幾十年的AD，阿爾茨海默症的腦CT和腦核磁的片子，有一個特殊的管道拿到連續幾十年的圖像。結果用人工智慧訓練之後就可以預測現在，因為大多數老年癡呆症的症狀會發生在70歲以後，比例會急劇上升，現在50歲，它可以預測你10年、20年之後有沒有這種可能性，如果有的話要做什麼樣的早期干預，光這種可能性在未來就是非常好的商業模式。
這只是一個很小的單病種的例子，其實有大量這樣的公司，目前正在起步的狀態中。另外，從一個紫牛基金的角度我們特別關注的是人工智慧和教育的結合，因為教育特別需要好老師的經驗。
主持人：時下最熱的是學區房我們解讀一下，教育加人工智慧能不能顛覆學區房。
張泉靈：等到線上的學校能給大家發文憑的時候再說吧，裡面有政策的因素，我堅信線上教育有一天可以很大程度地取代學校的教育，可是孩子面對面社交的部分還是要靠線下的聚集才能完成。
從線上的部分我們想想，一個好老師的價值在什麼地方？第一，好老師積累了大量的經驗，他講完一個知識點出一個題目，他看一秒鐘就知道你做這道題的思路和知識點掌握得好不好，如果沒有掌握他可以再給你解析思路，你想想圍棋資料是完全的，我們假設所有的數學題在一定的知識範圍內的數學題都是可被標注的，總有一天會給你智能化的推薦，好老師用直播和錄播的方式給知識點，可是在座的1000多人，每個人拿到的題是不一樣的。你們做完了以後人工智慧應該知道你有沒有掌握這個知識點，你們又拿到了不同級別的不同的題，這是能夠發生的，而且我我認為它在3年之內就能發生。
黃明明：我覺得在一些初級的分析的領域，包括我剛才講的金融衍生品的一些領域，很快我們會看到很多初級的人力工作會被替代。這裡面我為什麼一直拿高盛舉例，可能因為我是商學院畢業的，這家公司在我們這裡是全美最頂級或者是全球最頂級的全球商學院，面試高盛的10個裡有1個能進去的，面對這樣最優秀的大腦的公司，他的人力已經被人工智慧將近替代了20%到30%，他們覺得未來的3年裡，50%、60%的員工會被人工替代，這個事情已經在眼前，而不是在很未來的時間了。