深圳会展中心
主题：中国高新技术论坛——“颠覆性创新技术”主题论坛 II
时间：2018年11月15日13：30--17：30
地点：会展中心5楼簕杜鹃厅
实录内容：
（王海东 深圳卫视主持人）
主持人：再次欢迎各位回到“颠覆性创新技术”主题论坛现场，我是深圳卫视主持人王海东，今天上午我们就量子通信、量子计算以及人工智能等话题展开了一场充分有趣的讨论，今天下午我们将继续就颠覆性创新技术来展开研讨，而今天下午我们的话题是非常丰富，包括了有机化学与新材料，脑科学与类脑智能等话题，一共有九位嘉宾在这里发表主题演讲，我们还会有一场圆桌论坛献给大家。接下来我们马上会进入今天的第一个发言的主题环节，首先有请2005年诺贝尔化学奖获得者、美国科学院院士、中国科学院外籍院士罗伯特·格拉布斯 先生发言，今天他为我们带来的题目是“有机合成化学在医疗和材料领域的应用”，大家掌声欢迎。
（罗伯特.格拉布斯 2005年诺贝尔化学奖获得者）
罗伯特·格拉布斯：女士们先生们大家下午好，非常高兴能够回到深圳，也非常荣幸能够参加本次中国高新技术论坛以及二十届的高交会，我当然也是备受压力，因为我代表了很多都是有机化学界的人士，有机化学其实在过去半个世纪发生了很大的变化，过去我们每天的工作真的是做了过去很多大规模，包括隔离不同的结晶花了很多时间想要了解各种反应和变化，从它的历史由来，现在也做到了各种不同的，从过去大规模的反应到小规模的反应能够快速识别。我们现在也有一位我的同事，大家可以做一系列的结晶物的新结构，包括它的复合物，几分钟就可以做出来。包括一系列的结晶产物的快速识别，化合物的识别现在的速度不可谓不快，过去那么多年的发展，已经基础性的研究工作中其中一部分分享，帮助大家了解有机化学的产业，包括制造大小分子方面所做的工作。
另一方面，在上世纪50、60年代，人们打造了不少分子，但是要花很多的时间才有这样的能力，但是现在有了一代又一代新的工具，它的应用性也大大提高，我自己了解最多，也是我过去40年所做的研究相关课题，跟大家展示一下我这个过程中发生的变化，也真的能够看到我们做了很多基础性的研究，而且这些基础性的知识了解也能够催生很多新的产品和应用，甚至这些也是之前超越我们的预期。
这是上世纪60年代开始，它有非常简单的内容，从左边有六个碳原子，右边也有六个碳原子，中间就是以不同的方式进行结合，通过改变它的连接性，包括能够改变它的活性，比如说左边这些复合物，其实现在我们的发展速度真的很快，在产业当中包括利用了这些一系列有机反应。同样，也是在我最早写博士后论文的时候，当时这还大家都未知的领域，这也是我们开始希望去了解，当时我没有想到后面会发生那么多的事，但是我也觉得做根本性研究有大好处就是我们尝试新事物，另一方面我们最早开始做催化剂的时候，那个时候我们做的只有有关氢和碳的结合，但是不如其他的聚合物令人激动，它是可燃的，有时候制造新药，能够让你的复合物治疗疾病，不仅仅要增加这两种化合物，我们通过这一系列的反应可以带来很多有用的效益。在这个流程当中我们也是非常重要的一点是需要了解或者说我们觉得是不是真的理解这些原子如何重新从打破到结合，从关环到开环，我们需要做很多的其他工作。
首先要找一条线索，这个反应是怎么发生的，哪一部分件被打破，他们怎么结合，和谁结合了等等，这里有一个流程，可能先用金属和烯烃做反应生成一系列的中间体，在这个研究中要去了解它背后的双键和配合物，因为也有一位非常知名的专家参与了很多。看起来并不是很复杂，这样的一个研究既包括金属，金属卡宾和双键和卡宾配合物等等；在那个时候我们真的花了很多时间理解背后的细节，是关注那些件是先断裂，那些是再进行组合的等等。这样的反应可以做一个比喻，有一个很好的比喻，可能就像我们在跳舞，这个催化的反应就像我们彼此之间会交换舞伴，就像一个广场舞一样，中间有一系列的人，他们不断地换舞伴，当他们每一次换舞伴的时候，他们可能首先要和原来的这个件断开，再和新的舞伴结合，也就是会生成另外一个新的烯烃，再不断往后走，穿蓝色的人断开结合，不断会产生新事物也会带来新的选项和可能，我不知道是不是能够给大家播放这个视频。
其实刚刚那一段就是通过交换舞伴的反应来帮助大家了解它背后的一些机理，一旦我们了解之后这部分的工作也变得简单多了，这中间我们对于反应有了更多的了解，很多都是基础性的了解，但是那个时候应用方面还不够。进入到90年代早期，我们开始真正开发出这一反应好用的催化剂，应用更方便，并且具有更好的耐受性，这一点我们也感到非常激动。这是我们之前没有办法能够做到的。
当我们有了这个催化剂之后，很多人产生了浓厚的兴趣，于是我们开始想要做不同的事，之后我们提出了一系列理论，把它从实验室带到商业化，这个过程当中也是经过了很多的时间。但是在这里我们真的是花了那么多的时间思考，去追究它的相关机理非常重要，也非常荣幸，包括和南科大一起合作，我也非常荣幸能够建立起这样的专门研究机构来解决，包括能够让这些催化剂得到更好的使用。我也非常高兴在深圳在这个的环境下，在我们所在的研究所里面有越来越好的硬件，也有越来越好的人才能够在我们的实验室里面带来更多的新的应用。
在美国其实那个时候发生了很多事情，我们知道上个世纪80年代一个叫（拜读）法案，中国有机会也可以利用，在学界有的时候想要拿到资金才能够做研究，同样对于这个过程来说如果你要等很久，中间要拿到专利的时间隔得太长，这个临时专利可能是一个文件递交会获得一年的保护期限，在此期限只有该临时专利的持有人可以提出相关的专利申请，你有机会利用这个时间发表一些内容，能够做很多的学术工作。我们加州理工学院帮助很多专利申请，其实在这些技术背后真的有很多学术界人士产业界人士的加入。MIT化学系教授，我们和他做了金属料的催化剂，也是打造了很多以金属为中心的官能团，有意思的是从学界的角度来说，我们做了很多的反应发现新的东西，发表出来。世界各地的人很有创意的人看到我们的发表，他们想要了解如何能够从中挖掘开发应用。我要补充一点，平台技术非常重要，如果你是搞技术，如果你开始搞企业创业，你最开始做决定的就是你的企业是不是基于平台技术来做的，还是不是有一些很小的专著，就是它能够用在不同的行业，用在不同的手段，你可能有很多不同的方向，如果你做企业运营，平台技术也会带来很大的选择，你做企业要关注那么多的机会，要聚焦于哪个具体的机会是适用于你这个企业，哪个机会最有可能成功，这是我们需要决定的。
我们要提这个概念，平台技术它本身是非常有意思，但是从学界和企业界有不同的考量。整个催化剂的应用真的是非常多，我们知道技术尤其用来做新药，（杨森）制药做了丙肝业务，这也是非常知名的，正是基于它对应的钛通过负分解的反应，真的是发现很多不不同的可能性，包括结合一些氨基酸带来的结果也是超越我们的想象，另外我们会去思考做了很多基础性的科学研究，在上世纪90年代晚期有很多的发现，包括新的药物，2014年做了（定书钛）的产品，还有其他的非常部分，就是大型的零部件。平台技术就是有不同的应用，从制药业开始到其他的行业，这是我们中间非常有趣的一环，我非常兴奋，但是企业运营的角度你必须要有聚焦。
我向大家介绍几个例子，在这个过程中我们发现了这个技术可以有很多的应用，几年前我们希望用开再生能源发展我们的产品，我们发现一种种子油，我们开始研究这种分子结构，就可以看到在这个过程当中可以有一些附加值发展成为新的产品，就帮助企业来开始研发产品。
第一，我们需要做两个方面的事情，在这个基础上我们首先要做的就是要有很多有效的催化剂，这种东西并不会非常贵。
第二，一定要使它非常有活力。在这个过程当中，会有很多的化学反应，比如说在印尼夏天非常潮湿，所以在那里会有非常多的虫子，因为那里很潮湿，所以为了很好地去控制害虫我们希望有非常有效的催化剂帮助我们很好地控制害虫，所以我们首先要发展一种有效的催化剂，要有活力的催化剂来帮助我们控制这个形势。另外我们要有广泛的应用，这种东西必须是非常健康的，在印尼我们发现在那里有一个流程图，告诉大家如何地去进行生物的提炼，怎么制作这种植物油，你可以看到我们首先要用非常高的温度帮助我们制造这种物质，你将化合物进行分解，正如我们的生物链制厂所做的工作一样，首先要分离才会有进一步的分解和组合，在印尼的工厂里面，在那里炼制厂可以看到这种生产，这是非常重要的，我们需要用一些可再生的东西帮助我们来生产，控制害虫的物质。
比如说现在我们的油非常贵，所以也是可以利用技术帮助我们很好地生产燃油、生物食油化品。这个是跟经济紧密结合的部分，所以我们希望能够用这种技术生产绿色的能源，我们希望能够找到很好的解决方案，我们希望能够生产一些高效的石油化工产品，我也是经常跟我的学生说，经常问他们说，这里面我们可以做什么样的改变，细节是什么？比如说棕榈油来自于哪里？通常要砍树，我们希望能够减少这种行为，希望通过这种负分解帮助我们生产所需要的物质，而不需要破坏植被，从经济的角度，社会发展的角度，技术的角度我觉得我们是可以实现原定的目标，也就是可以生产可再生的能源，接下来我要讲的是跟除虫剂。
我们附近有很多的昆虫，就像飞蛾，昆虫其实是可以帮助我们有效地控制数量的，因为我们它会停在树上会发送一些信号来吸引昆虫过来进行交配，我们可以在这个过程中进行交配的干扰行为，以此帮助我们控制害虫的数量；农民做什么呢？首先农民要知道这种化学物质是什么，这种性激素是什么，可以让他们很好地控制害虫数量。首先要知道里面的化学物质是什么，比如说这种物质的作用很好地破坏昆虫之间的交配，因为我们在这个过程当中并不是说杀死某一些东西，而是通过干扰交配的行为去很好地控制昆虫的数量，在这个刚才当中可以很好地控制成本，在世界范围内都是在不断地探索新的方法，一些低成本的方法帮助我们很好地去控制昆虫的数量，所以我们研究了一些化学物质它的分子结构，比如说像这种，我们叫做PTB性激素可以很好地控制条文虫，我们可以看到这种可以创造新的聚合物，这样的话我们就可以很好地控制昆虫的数量。这也是应用这种技术的另外一个例子。
我想我们不会停止探索的脚步，我们在未来还会继续探索更多的应用。接下来我要跟大家介绍关于聚合物，这是聚合物的结构，看起来是非常复杂的结构，事实上我们需要将这些结构进行分解然后重新组合，就会看到有一些双件的化学分子出来，所以通过重新的组合，生成新的聚合物就可以有新的产品可能。
比如说可以有新的催化剂出现，这样的话也能够很好地控制昆虫问题等等，比如说我们有一种材料叫做Poly—DCPD，其实也是非常有趣的化学材料，这里可以有一些新的应用，现在我们是刚刚完成了这个项目，这也是非常有趣的项目，让我们了解到如何使用一些新的技术，比如说我们在海湾是不是真的需要去钻油呢；我知道在这个过程中也会破坏海洋，因为你的温度是非常高的，因为温度很高不一定能够把这个油框出来，所以我们需要对流动的管线和海水之间提供一个牢固的热屏障，这样的话保温的系统是一种稳定的不可压缩的固体在深水当中有效地运作，设计的水深可以大于1万英尺，我们在不断探索新的材料可以帮助我们实现这个目标。
现在我们可以在海湾地区放在很深的地方钻油，我们也有一些未知的情况会发生，未来仍然要继续探索，我们不知道科学会如何演变和发展；但是我们非常高兴地看到现在有越来越多的绿色技术的应用和发展，在未来在深海领域也会有更多的应用和发现。我也希望更多地去关注，看看大家在这些领域有什么发现和发展。
我们需要做的就是要关注以下的问题和方面，首先我们要用一些新的材料帮助我们去实现目标，新的材料真的有很多的优势，比如说我们可以进行主要的测试，可以提高它的续航时间等等，这是我们2018年的团队，我们知道这些新的材料可以在很多的领域，比如说医学领域、化学领域，我们都会有很多的发现和应用。化学领域也可以很好地去改进制造业等等领域，我也非常期待在深圳这里的合作，希望能够跟企业继续地去有新的发现，希望能够带来更多更好的产品，我们可以看到世界范围内的许多企业其实正如PPT所展示的机构都有联系和合作，所以我也非常期待在这里有更多的合作和发现，谢谢大家。
主持人：感谢罗伯特·格拉布斯先生，在刚刚的演讲中罗伯特·格拉布斯先生为我们具体举许多的例子介绍催化剂方面的转化，包括可再生能源、材料、除虫剂以及新药大型零部件等方面的诸多事例，也提出一个非常重要的观点，学者在进行技术的商业化转化方面，应该要强调平台技术以及这个技术能够应用在不同行业和不同方向，我们要再次掌声向罗伯特·格拉布斯先生表示感谢。
现在进入第二个主题环节是脑科学与类脑智能专题，我们一起来聊聊脑时代的无限可能，为我们带来演讲的是深圳市神经科学研究院院长谭力海先生；谭力海先生是深圳市神经科学研究院院长，作为面向临床应用的脑科学创新研究、技术服务创新型研究机构，旨在最大程度上减轻脑疾病为我市和国家所带来的沉重社会和经济负担。他的演讲题目是人脑成像技术与脑疾病患者的语言功能保护和重塑，大家欢迎；
（谭力海 深圳市神经科学研究院院长）
谭力海：谢谢王先生，我们知道人脑是由上千亿个神经元组成的生物组织，人脑神经元的数量就像满天的繁星一样多，遗憾的是物理学家和天文学家对太空的认识远远超过脑科学家对人脑的认识，是什么限制了对人脑的理解和想象呢？是技术。研究太空我们现在超高分辨率的望远镜，研究人脑的望远镜却姗姗来迟。
上个世纪80年代中期之前，科学家对人脑的研究主要是依靠动物的模型，通过研究果蝇、大鼠、猴子、猩猩来推测人脑是怎么工作的，科学家也用脑损伤的病人，但是这些人可遇不可求，而且损伤之后最先做的是治病救人，在治病救人的过程中脑的功能可能就得到了重塑。所以上个世纪80年代中期之前科学家对正常人的大脑功能的研究非常少，因为我们没有可靠的技术或者有极少数可靠的技术，但是从70年代末80年代中我们有了神经影像技术，能够直接对神经系统特别是脑的结构和功能进行成像，我们可以用成像技术或者叫磁共振研究脑的结构，同时也可以探测脑的功能，比如说大脑的哪一个部分是负责记忆，哪个部分是负责注意，哪个部分是负责语言的，人脑的分工是非常精细的。
通过这种高分辨率的脑成像技术，我们可以对人脑的结构和人脑的功能进行非常精准的定位，这个定位精准到什么程度？精准到一到三个毫米，所以用磁共振技术进行临床的脑疾病诊断是相当精准的，非常有效的。虽然这个空间分辨率不是很好，到不了神经元的水平，而是在毫米的水平，是在宏观的水平，由于磁共振的技术对于人脑的研究不能在分子、基因、蛋白水平来揭示人脑的功能和脑疾病的发病机制，所以治疗脑疾病的药物研发就面临着巨大的挑战，因为我们治疗脑疾病的模型现在主要靠动物模型。比如说把正常的老鼠通过一种技术弄到老年痴呆，再看有没有药物可以治，结果发现这些资料老鼠老年痴呆的药物放在人身上没有用，所以过去几十年公司投入了几百亿美元研究老年痴呆的药物和帕金森的药物没有一家公司是成功的，这就是因为我们对人脑的知识非常少，依靠动物模型有巨大的局限性。
脑疾病造成的经济负担占全球疾病总负担的30%，脑中风每年新发病率几百万，是社会和家庭的沉重负担，中风之后造成偏瘫失语。脑肿瘤疾病，还有自闭症、脑瘫属于神经发育性疾病，还有老年痴呆这些脑补疾病会造成非常严重的认知行为障碍，语言障碍，情绪障碍等等。但是按照斯坦福大学神经科学家Deisseroth在大脑研究史上，人类从未精确地验证过大脑的工作原理，面对生物系统的复杂性尤其是错综复杂的大脑，研究到底该从哪里开始。所以向脑疾病宣战成为国家的战略，我们国家正在启动我们的脑科学类脑研究的重大项目，我作为中国脑计划17个编制专家之一，见证了中国脑科学过去几年非常显著的发展，我们为什么要做类脑研究？首先它有战略的意义，能够让我们国家在科学的前沿占有重要的一席之地。
其次是保障脑的健康，尤其是保障儿童青少年的智力发展，促进素质教育，提升创新能力，同时也为诊断治疗脑疾病提供非常重要的理论基础，大家从这个图可以看出来，三大疾病和伤残造成的负担，其中以神经和精神性的疾病最重，占17.5%，我国脑疾病发病率也在急剧攀升。
第三，促进智能产业发展，我们现在的人工智能非常火，大家经常问人工智能在未来会不会把人类灭了？我们中国的脑计划也在研究促进人工智能产业发展的战略，中国脑计划的总体目标是应对三大需求：一是儿童脑智的发展，二是健康中国，三是健康产业。具体来说，对人脑的认知功能研究方面，我们希望能够解析基本认知功能的脑科学的技术和高级认知功能的脑技术，这些研究内容包括语言、决策等等，另外一个非常重要的方面是把儿童青少年认知能力和心理健康水平提升20%—25%，各类学习困难发展率降低50%。关于健康中国，中国的脑计划主要侧重在三类脑疾病：儿童期的自闭症，中年抑郁症，老年的痴呆症，我们希望经过15年的中国脑计划的执行，把治疗有效率提高40%，把抑郁症的早期诊断正确率由目前的不足50%达到85%以上，治愈率提高15%，老年痴呆全球没有药物可以治，我们希望可以实现早期预警和早期干预，延缓发病五年以上，生活质量提高50%。
人工智能很重要的就是机器学习，现在很火的词叫做深度学习网络，就是把我们看到的面孔或者词汇分解成一个一个的局部，然后进行编程，让机器识别。为了让机器成功识别面孔，现在微软机器对面孔的识别率达到97%，但是为了达到这个面孔识别，它需要把看到的面孔分成152层的特征，读到电脑里面去，然后让电脑和所看到的目标进行配对，以现在机器可以识别面孔没有问题，比如说泰国现在有1.1万家7—11分店，都采用人脸识别技术，在门口放一个摄象机马上可以识别出这个人是什么特点，所以对客户的特点进行非常好的分析，这个精准率达到96%—97%，但是它把一个目标和存储在电脑里面100万个样本进行对比，少于100万个样本人脸的识别精准率就非常差了。这是一个大的数据，其实大数据就是这么来的。
但是我们想想这个存储，这么大的存储，是不是也是我们人脑在识别面孔时候用的呢？我们知道婴儿在出生三天之后就知道爸爸妈妈的面孔，那个时候婴儿可以接触到几个面孔？我估计不超过20个，他是怎么从20个面孔里面分辨出爸爸妈妈的面孔？所以人脑对面孔的识别完全不同于现在机器对面孔的识别。人脑的识别在效率上要高多了。
现在我们也有读脑的技术，浙江大学的团队成功实现训练猴子用意念来控制机械手，美国四肢瘫痪长达15年的中风患者通过意念控制机械手，完成喝水等简单的行为。更神的是可以从人脑的信号移植到另外一个人的身上，华盛顿大学的研究者将检测到实验者A想象右手动的头皮脑电信号转化为磁刺激，作为于实验者B大脑的左运动皮质区，令B的右手向上移动。但是人工智能技术面临巨大的挑战，其中一个重要的挑战是怎么样获取稳定的信号？再一个挑战是对生物信息怎么样进行存储？脑信息获取新的手段，现在我们用的最多是高精度的磁共振，它可以对健康人和病人的全脑在完全没有创伤的情况下进行高清晰度的解析，现在做的最多是用七个特斯分辨机器。磁场越长扫描的精度就越好。
在进行这种脑信号的采集研究过程中，需要大队列多层次研究，需要设备和人类与动物模型，我们深圳几年以前对脑的研究有的学者说是一穷二白，但是这几年我们发展非常快，虽然我们的基础比较薄弱，积累比较少，因为我们的设备相对于北京、上海、杭州、广州都是比较落后的。甚至标配型的设备都没有，我在深圳大学工作，深圳大学很多教学用的设备都没有，南方科技大学更少，因为我们大学成立晚，这些设备购置需要时间。我们的人才积累也少，毕竟是一个新的城市，研究的特色也需要突出，如果不进行有特色的研究就很难和北京上海相媲美。
另外一个就是脑科学大数据面临的挑战，像人脑这么多亿个神经元形成上万万亿个突出的连接，所以它的数据量是非常大的，美国科学家外籍院士估算过小鼠大脑产生60TB的数据，人脑进行非常精细的切片可以产生200个EB的电脑，就是可以和现在全世界的信息总和相比，没有地方存的，机器也转不动。
在耗能方面，人脑和机器不一样，我们的人脑我在讲话大家在听，我们消耗的能量是20瓦，相当于一个灯泡的能量。但是如果基于目前的计算机体系，构造一个和人脑复杂程度相等的计算机，就需要1000兆瓦的能量，所以现在的人工智能面临着两个大的问题：一是内存强，存储出了问题，算不动，存不起来。二是能耗强，耗能量巨大，这都不是人脑正常耗能所比的。所以类脑芯片研发，就是全球所有的发达国家集中进行的一项工作，也是我们国家的脑计划重点研发的工作，可以想象如果哪个国家攻克人脑一部分一个小的区域的活动原理，并把这个活动原理用到机器人身上，研发出来这种机器人的武器，不掌握这种类脑技术的国家就根本不能给人家相比。
未来很好，非常丰满，现实很骨感，面对数千万老疾病患者，面对人脑的分子运行机制甚少，我们发现人脑处理中文和英文脑区有相同的地方也有不同的地方，所以神经外科医生在进行手术的过程中，开颅手术过程当中，怎么样设计手术方案，保护患者的大脑语言功能，避免手术之后人为造成偏瘫失语，是我们研发的一个重点。
手术之前如果不对患者的大脑语言功能区进行个性化定位，手术后语言障碍发生率70%，美国是33%—50%，个性化定位非常重要的，我们来演示一下怎么和医院合作的，我们在深圳怎么用互联网+医疗的技术来进行这方面的合作。
我们进行语言运动功能的测试任务设计，医生进行脑功能的扫描，这是患脑直流，正好是在大脑语言的区域。在手术之前我们对他进行认知测试，脑胶质瘤的区域正好是他理解语言的区域，所以手术的时候就要保护周边的区域，这是我们做磁共振的培训，把病人放到机器里面扫描，我们国家有三千多家医院都有这种机器可以扫描病人的脑功能，包括县城一级的医院。我们很清楚这个脑区有特定的功能，我们只需要设计两个任务，扫描的时间只需要五分钟。
扫描完之后医院把数据传给我们，我们进行数据处理，一个病人的数据我们40分钟就可以出来，一个学生助理可以处理10个病人的数据。这是胶质瘤，发亮的地方是负责并深语言的区域，有的区域非常靠近胶质瘤的区域，在手术的时候就要保护这个区域，保护红色、黄色的区域。我们做完之后，写完检查报告，把检查报告送到医院，医院医生为病人进行开颅手术的时候进行参考。医生拿一个很小的无创的电击，按住病人的脑袋，如果按住这个区域他还可以说话这个区域就可以切，如果不可以说话不能切；手术之后我们对病人来进行术后的语言功能预测，包括看这个病人脑区的激活问题，我们发现病人的大脑语言活动区没有受到损伤，而且病人整个的语言功能也是非常完整，这是我们在和医院进行的互联网医疗的服务。谢谢大家。
主持人：谢谢谭力海先生为我们送上非常生动的一场分享，首先他为我们介绍了人脑研究过去的历程，主要是一直延续到1980年代的中期，当神经影像技术出现之后我们意识到是对脑科学研究而言是一个新的历史阶段，但是非常遗憾的是，到现在为止我们对大脑的所知依然是不够多的。谭力海先生也为我们很详细介绍了关于类脑计划智能产业发展的诸多目前存在的问题以及未来的愿景，未来类脑芯片会成为这个行业发展的很重要目标，关于类脑芯片稍候会在圆桌论坛中会有所体积。谭力海先生通过非常生动的视频和我们分享了他和他的团队在大脑手术后降低语言障碍发生率方面所做出的成功实践，可以说脑子应该是我们每个人都特别熟悉但是又非常陌生，但是却意义非凡的器官，我们希望未来谭力海先生在这个地方能够做出更多的成果来造福全人类，再次掌声向谭力海先生表示感谢。
以上就是我们今天的第二个分享的主题，脑科学与类脑智能，接下来我们会进入第三个主题环节，和生命科学有关：基因工程与数字化生命将如何改变人类健康”，我们一起聆听各位专家的观点，第一位演讲嘉宾是飞利浦中国副总裁兼首席技术官王熙先生 ，作为飞利浦中国研究院和中国数字化创新中心的负责人，王熙先生带领团队持续推动医疗科技和健康生活两大领域的技术创新和整合解决方案，为中国医疗行业的可持续发展作出有意义的贡献，以至于我会产生这样的想法也许谭力海先生和王熙先生如果形成一对研究组合的话可能会打遍天下无敌手；他的演讲题目是数字创新的挑战和机遇，大家欢迎。
（王 熙 飞利浦中国副总裁兼首席技术官）
王熙：首先我谢谢主持人王先生，非常感谢大会主办放把我们安排在谭院长后面，谭院长刚刚介绍到很多跟人类生命科学，大脑科学相关的高精尖科研方向，我们作为飞利浦公司来说可以提供到相应的核心技术。刚刚谭院长也介绍到一些手术以及手术所需要用到的设备，其中除了X光机、CT以外，刚刚提到的核心设备，就是核磁共振的设备，飞利浦作为全球三大医疗设备的供应商之一，这个恰恰是我们的核心竞争力之一。有了承上启下，也一定程度上谭院长的精彩演讲，把我们其中一部分的业务组合做了非常好的介绍。
这个题目是针对于数字时代的创新，当然我们作为飞利浦一家公司，我们的业务组合到底在哪一些方面？
飞利浦一直传承着创新的理念，从我们最开始作为一个照明业务作为唯一的业务到今天我们是已经转型了，我们叫做转型的业务6.0，每一家公司在转型的过程当中，应该或多或少都走的是同样的历程，最开始从业务比较单一化，主要核心业务是围绕欧洲市场到转型成为一个业务范围不断扩大，业务的组合作为多元化，再加入到我们走向全球成为一家国际化公司，再进入到一个阶段是不断膨胀你的业务范围，然后现在的阶段是让我们的业务围绕着一个非常核心的概念叫做“健康科技”。也剥离一些跟健康科技不相关的业务，比如说照明，这是我们原来飞利浦成家立业最开始的基础。通过这些大家也可以看到，健康科技现在的命题已经跟历史上非常不一样了，最开始我们可能核心围绕的是，如果一个人有了疾病，我们怎么去诊断，然后用相应的治疗手段去解决这些疾病。
到今天在这个大数据膨胀的年代，大家都知道数据的存储成本越来越低，计算能力越来越快，这时候我们的可穿戴设备都变得越来越有可能，在这种情况下，一个以人为本，围绕着人的中心，并不是以疾病为起点，围绕人的健康科技的概念就很容易让大家能够接受了。
我们公司业务的组合主要就是围绕着健康科技，最开始以人为本，从健康的生活方式进入到预防再进入到诊断、治疗，还有一个家庭护理的概念，每个环节都产生了大量的数据，都需要相应的设备，有一些可能是可穿戴的，有一些可能是需要专业的护理机构比如说医院才能做的，需要有专业的训练能力，还有一些是手术的专家才能够解决。还包括家庭的关乎，为什么现在家庭关乎重要呢？刚刚谭院长介绍了很多疾病是针对慢病的管理，这种慢病的管理是不太现实，你会一直让病人在医院的，这种情况下如何使病人在家里也能照顾到他的疾病本身对他的全过程的深入了解，使医生及时需要的时候介入，帮助病人管理好整个过程。通过这个过程赋予病人有更多的自主性，你可以更好地清楚了解到，这个过程中你作为一个病人怎么能够去发挥你的作用。
我们的战略目标应该说是围绕着如何提升患者的体验，以及改善医疗的成效，包括提高患者的满意度，也包括如何提高生产率，降低医疗的成本。这是我们的战略目标。
刚刚谭院长提到很多脑相关的疾病，尤其是今天中国人的生活方式带来很多心血管方面的疾病，也包括随着心血管带来的中风更具挑战的疾病，这些都会是增强如何让病人在慢病的全过程当中主动积极地参与进来，我们作为飞利浦公司在这里面也投入了很多的创新，并且发挥我们作为一个设备以及解决方案的供应商在这里面起到的创新作用。
介入的疗法，包括实时影像、智能设备，也包括可能存在的机器人的介入，以及增强现实指导外科医生进一步进行无创的手术或者有创的手术。
我们认为在人工智能和大数据的领域，应该说今天的概念在几十年前其实这些设备供应商们已经开始了，包括如何能够辅助医生，可能是放射科的影像医生，如何帮助他们快速、高效，集中他们的注意力在一些专业领域上，你拿到医疗影像有可能是CT、核磁的，如何通过智能的算法，首先帮助医生去集中到真正有病灶的区域，这些在今天看来就有相当一部分是人工智能的研究课题。我们今天随着数据的大爆炸，我们相信数据本身能够给人工智能赋予更多的含义，这并不等于今天就比昨天来得更容易，如果大家认真看一下我们医院现在的情况，一是信息存在孤岛，也就是说医院的各个科室之间的信息还没有足够流畅到共享。二是作为人工智能也好，深度学习也好，它是需要标注的数据，也就是说你需要知道影像的资料，也需要知道被标注的区域哪些有真正病灶，有了这个才能做你的模型培训，而这些本身不同的区域，不同的经验程度的医生，他的标注精准性是有争议的。这直接也会带来我们模型本身是不是能够放到很大的范围内具有足够通用性的问题。
更不用说我们现在医院里面很多的数据，虽然是电子化了，但是它还没有结构化，没有结构化就意味着你需要人自身主动去干预，并且要花费大量的人力去做相应的人工的处理。
现在医院很多的报告通过人工智能的算法，比如说NLP自然语言处理的技术，可以使非结构化的诊断报告结构化，可以大大提高医院针对于病人管理的效率问题。同时，尤其是针对这些慢病，比如说癌症、肿瘤，需要一个长时间范围内观察，并且采集数据，并且数据的类型来自于各种不同的方面，有的是设备的，有的是EMR的，有的是实验室的数据等等，在这种情况下，如何能够把这些关于一个病人的数据，在一个相对长的周期内不是一天也不是一个星期，也不是一个月，甚至是几个月几年的情况下，如何把这些数据整合起来，综合到一起，使我们对这些慢病、肿瘤等等利用人工智能的技术真正提高慢病病人的管理。它是前沿，也有足够的创新价值，可以造福于人类。
我们还针对于围绕人，我们的业务组合主要是以人为中心，围绕着整个健康科技的环节，这里面可以看到的是针对人的各个脏器，我们有很多的技术、产品、解决方案，这里面更多是针对一些核心的器官，对于我们来说，在中国的现代环境下，肺癌的发病率非常高，并且中国还有一个特点就是肝的问题，亚洲人在肝病问题上，在全世界来说它的发病率是数得上高。飞利浦特别是结合中国市场，做了大量的深入分析，投入了很多的研究资源，其实也就提供了相应的人工智能产品和解决方案。
在全世界有四大创新中心，其中总部是在荷兰，上海是其中四大之一，还有北美的波士顿，还有印度的班加罗尔。飞利浦在中国这么多年下来，我们做了很多的针对于有中国特色的一些创新，大家可能知道慢阻肺是要占医院相当的资源，因为他的呼吸机是要做相应的调整，过去的一般做法是这些病人要去医院挂号、见医生，但是见到医生做的事情就是做呼吸相关设备的调整，参数的调整。但是这个本身完全可以用另外一种方式去做，因为慢阻肺虽然有生命的危险，但是在过程当中，99%的时间其实并没有真正地对于生命有威胁，如何真正地一方面使得病人的生活质量提高，而不需要时不时去医院做相应的参数调整；另一方面能够帮助医院释放出相应的医疗资源，使得他更好地辅助到更多需要关护的病人。我们提供了一套慢阻肺的解决方案，使得病人可以在家里把呼吸机参数传输到相应的医院，在医院通过智能的算法有效地提醒医院的相关医护人员，相关的病人是不是需要及时让这样的病人回到医院，通过医院的专业设备才能去做进一步的干预。
但是在更多的场合下，其实这些病人完全没有必要再重复多次地去医院做相应的设备调整。这些方案我相信在中国是比较有特色的，它的确帮助到很多的病人提高了他的生活质量，我们还有类似的，比如说心血管的心内科，跟北大第一医院的合作，是针对手术之后，这些病人手术之后头三个月是很重要的观测的串口，如果有相应的病症的征兆，这些病人需要及时回医院做相应的检测。但是如果病人和医院的医护人员在没有相关的设备情况下，很难知道这个病人在院外是什么的健康状况，到底有没有某些时刻有一些特殊的信号会发生以及什么时候发生，发生的程度有多么剧烈。我们通过互联网+智能算法，把相应的设备参数、信号可以传递到医院，使医院可以及时探测到病人需不需要医院的介入，这些都是跟慢病管理极其相关，并且我相信在未来中国社会现在也越来越朝着老龄化的方向发展，这些都会带来非常核心的价值。
在谭院长的PPT看到脑中风，我们有一个案例，我们跟上海的沧海医院有一个关于综合持续健康管理平台，2014年前医院针对于脑卒中病人需要平均120分钟才能对这些病人实施药物治疗，主要是溶酸。到今天医院的平均针对这样的病人溶酸治疗的时间已经降低到了20分钟，大家可以看到这个效果是非常明显的。
刚刚也介绍到肿瘤、癌症的发病率问题，就不具体介绍了，中国也面临着病人和医生之间的比例是失调的，我们需要通过更多的人工智能算法来帮助病人的管理，谢谢大家。
主持人：感谢王熙先生，刚才就飞利浦如何将AI等前沿技术转化为健康创新；为我们所做的详细分享。结果下来的演讲嘉宾是有请平安科技首席医疗科学家谢国彤先生，谢国彤先生是
人工智能领域的知名科学家，谢国彤先生曾参与国际开源组织和国际标准的制定工作，累计在顶级国际会议及期刊上发表50多篇论文，获得40项专利、3项IBM杰出研究奖，并于2016年获得IBM最高奖“Best of IBM”。谢国彤先生的演讲题目是平安医疗科技-用人工智能技术重塑医疗，有请谢先生。
（谢国彤 平安科技首席医疗科学家）
谢国彤：谢谢主持人，各位专家各位来宾大家下午好，今天很荣幸有这个机会跟大家分享平安在这方面的实践和体会。
大家听到平安可能不会想到医疗，可能大家会想到保险，我介绍一下平安的医疗。其实平安在过去五年在医疗领域做了很多的投入，构建了平安医疗生态圈，包括三个纬度，从患者端，医疗服务提供商，还有支付，平安已经有非常多的业务。平安是一个保险公司，平安从寿险、健康险有超过1.6亿跟医疗或者健康相关的客户，同时通过医保科技平安为250个城市提供各种医保的理赔、精算，包括一些反欺诈的智能解决方案。从患者端，平安有线上平安好医生，目前有2.2亿左右的注册用户，每天的问诊量超过50万人次，同时又线下平安万家诊所，从医疗提供服务上，除了平安好医生做高端的检查检验中心，还有平安医疗科技赋能医疗机构，帮助医疗机构提供更好的服务。
从我们平安科技角度做人工智能，人工智能是非常大的题目，我们的特点是什么？就是覆盖诊前诊中诊后。从平安角度会在诊前做疾病的预测，疾病的筛查，诊中做智能的辅助诊断和辅助治疗，诊后做随访，通过人工智能技术赋能医疗的整个流程方方面面。今天我会给大家举三个具体的例子：疾病预测、医学影像、智能辅助诊疗。
第一，疾病预测为什么是一个很重要的问题？中国目前有超过3亿的慢性病患者，怎么办？除非增加更多的医生，花更多的钱，或者通过预防的手段控制病人的数量，延长病人患病的时间能够达到提高人民的生活质量或者降低费用。疾病预测很难，类似于你要做预测未来的水晶球，有三大技术挑战：一是医疗的数据多模态，纬度非常高；怎么从成千上万纬度中寻找关键的风险因素？二是时间序列分析，患者的医疗数据不是单次，可能有三年五年更唱的数据，怎么从疾病演进中预测各种事件的发生。三是可解释性，医疗的模型对医生要信得过，敢用，要能够理解这个模型，很多机器学习的方法，它是黑盒模型，需要让这个模型让医生能够信任和理解。平安主要是两步的疾病预测方案：首先是融合深度学习，集成学习，包括时间序列分析各种方法，构建了非常精准的疾病预测模型，可以跟现有医生使用的模型比，它的精度可以提高50%以上。二是我们针对非线性模型做各种因子的分析，帮助医生理解这个模型。
这个模型怎么用？用到两个领域：一是人群的趋势预测，深圳我们做了流感、手足，二是针对四大类型的疾病，心血管、糖尿病、呼吸系统、慢阻肺、肾病，针对这四大疾病做出了超过40个疾病预测，目前已经在五个省市覆盖了2亿人群使用这样的模型发现那些有疾病风险的患者，对他们进行早期的干预和治疗。
第二，医学影像，刚刚提到中国有那么多病人，相应的医生也有非常大的负担，美国的医生一天看20个病人左右，中国的医生一天要看100个病人左右，但是最恐怖的是影像科放射科一天要看200个以上的片子。一是提高医生的效率，二是提高医生看片的质量。它覆盖了人体的九大系统，通过40多种模型覆盖多模态影像，二是覆盖了超过人体九大系统，不管是从头部、内分泌、心血管，它是最全面的医学影像的方案。
什么叫提高医生的效率？有一个肾脏病理筛查，紫色是肾上一小片切片，它有十亿个像素点，医生要从这里面找到超过100个肾小球，就是肉眼很难分辨的点，要去每一个肾小球数它的内皮细胞各种细胞的数量，因为数量决定这个病人肾病的疾病程度。医生要花30—60分钟才能完全这样的报告，利用我们现在智能的病理影像技术，我们会把所有的肾小球标出来，也把不同的细胞做成分类，生成一个报告，然后医生去修改，大大提高他的效率。
什么叫提高它的质量？放了三张OCT，是对人眼底的三维扫描，这个设备在展会现场就有。这三个片子看起来很类似，但是它是很不一样，第一个片子是健康人的视网膜扫描，后两个都有病灶，它非常微小，很容易漏掉，用我们这个系统可以非常清楚找到它，给医生和患者一个筛查的报告，提示患者要去就诊，这样来提高筛查的效率和质量。
目前平安的智能影像系统在超过100家的医院都已经在实际使用，针对40多种模型每天帮助医生，我们每天处理超过2万张影像，帮助医生提高他的效率和质量。
第三个例子，关于疾病辅助诊断和治疗，中国现在一年大概就诊的人次80亿人次，几乎有40亿人次发生在二级以下的基层医疗机构，这是分级诊疗的威力，确实分级了，但是分到基层医疗机构的诊疗，诊断和治疗的质量要靠什么办法得到保证呢？我们知道基层医疗机构的医生受限于他的能力和经验各方面，质量是需要提高的。分级智能诊疗的技术就是来帮助他们在做这40亿次就诊的时候可以提供最好的诊断和治疗的建议，帮助到这些患者。要做这样的系统核心就是要提供数据库和知识库，这两个库平安在过去30年从健康相关的业务中间，不管是支付业务、好医生的患者业务，诊所业务，包括体检业务，我们积累了大量的数据库和知识库。这个就是平安过去30年积累丰富的数据库和知识库，这两个是我们构建智能诊疗系统的强有力基础。
有了这两个库之后，就要构建一个医学大脑，第一步就要把它变成从文献和知识库变成一个图，这个图就会把他们的关系找到，比如说高血压有什么症状，要吃什么药，患者会问什么问题，这样会构建非常庞大的知识图谱。这个知识图谱就类似于医生通过医学院的学习构建出来的指示体系，是整个疾病诊疗过程的一个主框架。基于这个主框架是不是就能看病？肯定不行，就像是一个刚毕业的学生是不能马上成为一个好医生的，需要通过在实际诊疗中不停学习提高自己的经验，学习就是通过病例学习，第二步就是通过大量的病例，影像的检查检验结果，我们让知识图谱变成一个持续学习的系统，持续地去积累各种治疗什么样的病人，是一个持续学习的系统。有了这个知识和数据之后，就会变成一个导航仪，如果把它和自动驾驶做一个类比，它不是要自动给别人做诊断和治疗，他是给医生用的，本身基层医生指导他一步一步应该怎么样做出最准确的诊疗，会自动提示这个医生有哪些症状要问，你应该给这个病人做什么样的检查检验进行确诊，决定你应该怎么样用药，最后会给出各种用药的组合方案，来达到控制并发症的效果，这都是由智能大脑一步一步地提供信息给基层医生来提高他的诊疗能力。
刚刚讲了从诊前诊中诊后，这些系统都需要应用，在应用中积累经验，收集数据提高，智能疾病预测在5个省市用地覆盖两亿人口，智能影像筛查在100多个，我们把人工智能的模型应用到实际。医疗人工智能是漫长的路，它不是说一年两年三年就能够看到最终的成功，但是通过目前平安的实践，我们通过把这些模型应用在这些医院、患者、医疗机构中间，我们积累经验，不停地完善这些模型，未来这些模型最终可以来缓解看病难看病贵的问题，达到的效果就是让每个人活的更健康。
主持人：感谢.谢国彤先生，刚刚谢国彤先生为我们送上一篇条理非常清晰的演讲，为我们分享了平安科技在打造有端到端的智能医疗管理平台方面所做出的卓有成效的实践，接下来我要请出的演讲嘉宾是IBM沃森健康大中华区首席运营官周德标 先生发言，周德标先生指导实施众多行业领先的解决方案，今天他的演讲题目是沃森健康构建智能医疗时代，有请周总；
（周德标 IBM沃森健康大中华区首席运营官）
周德标：感谢主持人，感谢各位领导，感谢在场的嘉宾今天聆听关于我沃森健康的介绍。我叫周德标，现在在沃森健康大中华区负责运营，谢国彤刚刚的平安首席医疗官以前是我的同事，他介绍的内容以前我们在研究院其实听了很多次，我接下去的演讲在技术上的东西讲得稍微少一些。
IBM沃森健康进入中国时间已经有不到三年的时间，今天我在会场的路上，我们有一个以前IBM的同事，他打电话给我，他才30多岁，不幸最近诊断为直肠癌晚期，他家里还有一个怀了九个月身孕的妻子，这个对家庭是非常大的打击，他也不敢完全相信医生给他的判断就是正确的，毕竟只有一年对他本人和家庭都是巨大的负担。他问我沃森健康听说肿瘤的方案在中国落地，我想去看看，怎么弄？我在路上联系我们的销售，下周一早上就去海总，我不知道沃森健康是不是可以帮到他，但是我想给他的生存带来希望。
IBM作为一家IT公司，我作为IT出生的工程师，现在在医疗产业帮助大家，无论是延续生命也好，挽救生命也好，或者让大家的生活生活更为健康也好，任何一个做出的付出都能带来一点回报，对我们来说是非常大的欣慰。IBM在人工智能和医疗领域其实耕耘了很多年，最早1956年，也被称之为人工智能的元年，因为在这一年美国的达特茅斯学院有一个会议，世界上当时的人工智能领先科学家在这个会议上第一次定义了人工智能的研究方位，1956年称之为人工智能的元年。这之后人工智能是潮起潮落，一直在一个技术和时代当中不断地发展演变，其实我出去演讲一直讲到人工智能其实有两个大的方法论的问题：一是普通哲学上的演绎法，二是归纳法。我们医学上也有同样的思路，其实人工智能的技术主流也是在在这两种方法论中间不断形成螺旋式的上升。在1997年，IBM的深蓝计算机第一次占战胜了世界国际象棋冠军，80、90年代的时候人工智能一度非常热，当时比较热的系统是专家系统，其实当初最初的应用场景就是在医疗现场。但是进入90年代以后，大家发觉演绎法要制造专家系统付出的代价非常大，效果也并不好，90年代的人工智能进入低迷期，97年IBM通过这样的人和机器的大战的胜利，重新鼓舞起人们对人工智能的信心。
2008年，IBM从机器学习方面发展了沃森的品牌，在2011年在美国的危险游戏人机大战，跟97年的人机大战最不一样的地方就是完全对话，自然语言对话的人机大战，主要做智力竞猜的，IBM的沃森人工智能平台第一次战胜了人类的两位冠军。这也是一个非常轰动性的事件，意味着人工智能的方法论重新回到归纳法，我们从数据当中发掘规律，去寻找算法，然后再去建立一个系统。
2014年，IBM正式决定把沃森进行商用化，单独成立一个部门IBM沃森，2015年成立了沃森健康部门，之后进行了一系列的兼并收购，我们主要收购四家比较大的医疗公司，我相信在座很多人都知道。IBM沃森健康是一个基于IBM沃森云平台的解决方案，其实跟我们之前的伙伴们介绍的最大不同点，主要体现在这个地方，因为IBM的沃森健康最初就是考虑到沃森这个平台必须是建立在云平台上，必须提供一个普惠医疗，能够提供一个标准化的服务给到这些医院、健康医疗行业的从业者。第一个它的大特点就是云，因为IBM沃森健康是基于IBM的云，IBM的云是基于IBM的公有云和私有云的框架上，但是在医疗健康的行业要投入云的使用我相信大家在医院工作的人也知道，有一个非常大的挑战，就是你要符合这个行业的合规要求，还有就是数据隐私方面的要求。
所以IBM从一开始考虑到健康医疗云需要符合行业的GSP，包括数据隐私方面的要求，在美国我们是符合要求，在中国我们和本地的合作伙伴合作，完全符合中国的国家相关部委的法律政策。
第二，健康医疗行业我们讲今天的人工智能是基于数据的平台，所以患者的数据也好、患者相关的医疗保险的支付数据也好，对我们的引擎、算法的生成是非常重要的，刚刚也讲到IBM从2015年成立沃森健康部门以后，通过一系列的兼并收购，包括之前自己公司的长期积累，获得了非常巨大的数据量在美国，今天我们有一个医疗数据标准覆盖美国70%的人口，是非常大的患者数据量。
第三，认知计算，IBM一直说是认知计算，因为我们最初的时候并不敢提人工智能的词汇，因为大家一提到人工智能脑海中自然浮现一个机器人的形象，IBM还是希望把人工智能的技术真正切切实实带到应用当中，给到医疗健康行业一些变化。所以我们提出的是认知计算的主题。
沃森健康比较大的特点就是我们不只是在医疗影像或者新药研发领域发力，它是整个跨医疗健康产业链的整体解决方案，待会片子我会介绍，之前我们合并之前有150种解决方案，今天我们把它归纳整理四个行业的解决方案。
第四，合作。因为和生态系统的合作无论是人工智能也好，或者其他的技术也好，在健康医疗行业我们要真正落地一个技术，其实离不开和这个行业的生态伙伴合作，包括现在的IT合作伙伴，也包括医院、制药厂、医疗器械公司等等。
这是IBM沃森健康整体的解决方案蓝图，今天我把所有的解决方案按照四个行业进行归纳：
我们有一些方案是跨平台的，今天所有的解决方案主要是为四个行业服务：健康保险行业，也就是平安有自己的商保、医保，美国有商业保险是为医疗提供服务的。二是医院，沃森健康在医院领域打造沃森肿瘤的端到端解决方案，我们围绕肿瘤一直从医疗影像诊断再到医疗诊断方案推荐到基因检测，到基因临床实验入组有完整的体系。三是政府，中国的医院大多数三甲是政府主管，政府对医院监管有各种各样指标的考核，这个领域我们也有相应的解决方案。四是生命科学，今天中国也在鼓励自己的新药研发，我们也有为新药研发做的产品。
大家可以看到上面一条，横跨四个领域就是沃森健康的数据平台。回到解决方案，我特别想提的就是肿瘤解决方案，进入中国的时间比较长，我们在2016年和杭州（认知）签署第一个代理销售协议，我们在中国落地的沃森肿瘤解决方案一共有两款产品，一是肿瘤学的解决方案，二是基因组学的解决方案，肿瘤学的解决方案为医生、患者提供最佳治疗方案推荐，基因组学，今天很多肿瘤离不开靶向药物的治疗，要进行靶向药物的治疗必须要有非常清楚的病人具体变异基因的报告，基因组学的方案今天是给二代测序的公司广泛应用的解决方案。
还有一个叫临床试验匹配，肿瘤一旦发现，其实留给这个病人的时间往往不长。很多新药其实有效的治疗方案很多还是在临床实验阶段，怎么能够帮助病人有限的时间里面找到有效的治疗方案是非常重要的。临床试验匹配就是帮病人找到世界上临床试验的试验，让他参加这个试验，尽早参加治疗。还有一个是形成一个肿瘤的闭环，今天还有一款产品刚刚推出，是医疗影像，专门做肿瘤诊断的医疗影像方案，在美国已经产品落地了。
我还是回到平台建设，医疗有两个问题要解决，一是真正针对疾病的，我们要解决医疗资源紧缺的问题，我们的肿瘤解决方案其他的解决方案是帮助医疗行业能够解决这个医疗资源分配不均衡医疗资源紧缺的问题。还有一个问题医疗健康行业比较大的特点，医疗健康行业相对来讲是一个孤岛化的状态，每家医院或者说每个城市或者每个省我们的系统、数据都是隔离的，虽然政府做了很多年的努力，但是我们今天还是没有看到整合全国的数据平台在那里。今年二季度我们跟中电数据正式签署了数据平台项目落地的协议，现在这个项目正在进行当中，预计明年中可以看到一个国家健康数据平台在中国落地的场景。这个健康平台通过我们合作伙伴中电，帮助三甲医院把数据进行重新整合，标准化之后提供给所有生态圈的合作伙伴，生态圈的合作协议，包括中电数据最近刚刚跟药民康德签了一个协议，在这个领域可以利用平台产生的数据为他们的新药研发提供服务。
今天做的介绍比较简单，大家如果有需要PPT的话，我在之前的介绍当中有我的二维码，大家可以来要我的演讲资料。
主持人：谢谢周德标先生，非常抱歉我们的电脑出了一点问题，刚才周德标先生为我们分享了沃森健康的诸多特色，它的四个特点云特色以及跨医疗健康产业链成为它的非常独到的地方，同时为我们介绍沃森健康主要为四个行业服务，他非常详细为我们介绍了肿瘤解决方案的整个提供流程以及几款最新的产品，最后他也谈及了在平台建设方面沃森健康所关注的医疗资源紧缺以及医疗数据孤岛化方面我们可以拿出怎样的解决方案，再次掌声向周德标先生表示感谢。接下来有请华大基因研究院执行院长 侯 勇 先生，为我们带来精彩发言，侯院长是科技部863项目和广东省自然科学基金重点项目子课题2项，负责深圳市重点技术攻关与应用示范项目2项，总经费近1500万元。申请国家发明专利30余项，获批美国专利1项，相关成果转化累计为企业增加2000余万元收入。他今天的发言题目是组学大数据与健康，掌声有请。
（侯 勇 华大基因研究院执行院长）
侯勇：感谢主持人的介绍，感谢各位的参与地我是侯勇，今天我给大家讲述的主题是：组学大数据与健康。大家可能听了一下午了，前面几位专家提到比较多是跟医疗有关，特别是像我听到提到心血管、肿瘤疾病，我的演讲里面最后比较多会是跟健康相关的。
先做一点基本的科普，为什么要做基因大数据？我们都知道基因是决定表型的关键，这个也是自从90年代、2000年代初人类基因组计划完成以来，我们发现越来越多的基因控制了我们人类各种各样的表型，大家自己感兴趣可以试一下你的拇指能不能弯曲，单眼皮双眼皮，包括舌头能不能卷曲，很多背后都是由基因控制的。
有一些极端的情况下，基因的改变会造成一些疾病，比如说常见的地中海贫血，就是由于一个基因的突变导致的。其实我们如果去看最近这些年的基因与健康的相关研究的话，我们会发现其实基因在不孕不育，出生缺陷，新生儿的代谢病以及现在所谓的三高四高的疾病里面，它都会起到至关重要的作用。
其实刚刚有几位专家提到了，我们现在做医学的检测时候，基本上大家得了病然后去医院，是从宏观层面，从器官层面会去拍磁共振，拍CT，如果从生物学家的角度来看，其实我们所有的人都是由一个受精卵细胞发育来的，这个受精卵细胞里面的基因组它的程序是控制了我们人以后的一系列生长发育过程，这个基因组信息它的变异，会跟我们人体所处的内环境以及外环境相关，这些内环境包括身体里面共生的微生物，外环境包括我们每天呼吸的空气，包括喝的水，最近几年很火的精准医学，其实恰恰就是基因组技术，组学技术的突破，让医生，让科学家能够从根上，从细胞的遗传物质，从DNA上能够探寻疾病的发生发展的机制，来采取对应的应对策略。
我们都知道如果我要想做精准医学的话，首先需要做生命的数字化，不管是基因组还是表观组还是微生物组。怎么来进行基因的数字化？其实说简单也非常简单，这60亿人的基因组基本构成都是ATCG，可以理解为扑克牌四种花色，我们要做的事就是把ACCG的序列通过科学实验的手段检测出来，把它排布出来。
目前可以去读取基因数据，其实全球目前是两个国家，就是中国和美国，有三家公司，其中一个是华大；但是看到我们在这里面展示的图，特别提到了读取人的基因数据机器，我们是叫BGI Designed，我们现在是可以设计制造自主可控的基因测序仪。自主的基因测序仪现在已经能够满足生命科学领域所有的研究以及我们的临床诊断的需求。
举个例子：随着基因测序成本的飞速下降，这几年大家如果去医院或者体检机构，其实都能够感觉到不管是无创产前诊断还是肿瘤的个体化用药都在越来越普及，这种普及它离不开基因测序成本的下降，基因测序的成本其实是遵循超摩尔定律，每隔18个月成本就会降低超过10倍，甚至现在根据我们的一些计算，随着国产化的进程，以后的下降速度会非常快。
随着基因测序成本的下降，现在已经能够通过基因测序提供贯穿生命周期的精准医学解决方案，这是包括了孕前、产前、新生儿的代谢，以及年轻的夫妇准备结婚的时候，要做一个基因病的检测以及到中老年的时候发生的肿瘤，包括一些未知的感染，其实这些疾病现在都可以通过基因检测的方式来为医生、临床的专家提供更加准确的解决方案。
在这个方面其实华大也积累了非常多的检测数据库，比如说无创产前诊断，现在在全球范围内已经服务了超过400万位孕妇，这些大数据又能反过来给我们的科学研究以及公众提供什么样有用的信息？这个地方举了一个简单的例子：比如说我们在中国人百万的无创产前的数据里面，同时可以用这些数据驱推算，比如说地中海贫血基因的机率，比如说它跟孕妇的身高是存在相关性，除此之外我们还特别做了一个非常有意义的研究，我们在这100万的无创产前诊断的数据里面，发现了极个别，大概是十几例几十例的孕妇，我们在做胎儿检测的时候，同时发现母亲可能患有癌症，大家都知道癌症的发病率其实是百万分之十几，我们这个数据恰恰印证了，如果在人群里面随机选择人做测序的话，很有可能会出现极个别的个例会携带肿瘤。做完研究以后立马向国家的食药监局器械评审中心提交了申请，因为我们可以利用同样的技术快速地为一些孕期肿瘤患者提供检测和诊断的服务。这个其实恰恰就体现了我们基因组大数据在临床诊断以及科学研究里面的巨大作用。
同时，我们不仅仅是能够在科学上发现肿瘤的信号，最后我们反过来还很快速把它用在产前的临床诊断上，具体的遗传咨询的工作由合作医生来完成。
其实基因除了读之外，大家知道在全球竞争比较激烈的领域，除了基因的测序，基因的读取以外，还有基因的精准写，包括DNA合成，我们也在去年国际顶尖期刊上发表了皇冠的科研论文，未来有什么作用？比如说未来的农业、医学诊断、信息存储，我记得有一位专家提到，后面亿级的数据没有办法找到存储的方式，恰恰我们地球上非常丰富的生物资源，基因资源往往可能会给未来IT提供更多的解决方案。我这里也有一个例子，我们有一个年轻的同事也是不幸得了晚期的结直肠癌，结合我基因的合成和细胞的干预，再结合PD1的抗体，我们是跟深圳的南山人民医院合作，现在对他晚期的肿瘤病情已经有了非常好的控制，对应今天的主题就是颠覆性的技术，我们可以看到现在已经除了能够把基因读清楚，未来我们完全有可能把基因通过工业化的方式把它写清楚。最后在更多的前沿产业领域得到应用。
我们讲基因大数据重要并不是说基因就是万能，特别是在健康领域，比如说生活习惯，相信大家都有相关的感觉，我在这就不再絮叨，就讲自己的故事。
健康的本质就是人性的管理，这是我加入华大之后的体重变化，像我这样的年轻人，大家总是想着先赚钱，以后有钱再拿钱换命，我们通过自己的组学检测会发现往往事实可能不是这样，举个例子：我在硕士毕业的时候，已经拿到基因组的数据，我相信可能是全球唯一一个研究生写的硕士论文是用自己的基因组数据，那个时候是2013年左右，这是南方日报的文章，那时候基因测序的成本还要十几万，如果现在去外面随便找一家公司大家问一下测一个人的基因组，我们在国际上的官方报价是600美金，也就是说几千块钱，如果只测跟基因相关的，只需要1000块钱或者2000块钱。
这个基因测出来有什么用？我还是要回答，大家同样是加班，为什么我会胖这么多？通过基因的分析，我们就能看到一些端倪，这是我发胖个人认为很重要的因素，我有一个基因确实跟大家在座很多人相比，我的基因位点，如果我同样吃了米饭和馒头，我的碳水化合物息吸收到身体里面更容易产生白色脂肪，这可能是我这么容易发胖的其中一个原因。
除此之外我也会想，其实跟我的基因一样的人在全国范围内至少有10%和20%，在科学研究里面也认为人的红基因组也跟肥胖相关，我后来又分析自己的红基因组和肠道微生物，恰恰是因为我小的时候用的抗生素比较多，导致我跟普通人相比更容易变胖。我从表型上胖了之后会造成什么影响？这是我免疫的数据，我把自己的免疫细胞数字化了，这是我免疫细胞多样性，在我比较胖的时候免疫多态性非常差，但是还没有给我造成不可逆的损伤和疾病，但是我相信状态如果积累长了，一定会对我个人健康造成不可逆的损伤。
最后我发现激素上也会出现很麻烦的问题，其实现在随着基因组测序成本的下降每个人都有机会了解自己的基因组，我们也做了一些平台，大家如果感兴趣可以去扫描我们的二维码，甚至我们现在希望高中生以及大学生都可以把每个人的基因数据进行解读，这是我的总结，虽然说基因可以解决很多疾病，能够解决很多疾病风险的问题，但是健康可能还是靠我们每个人自己管住嘴，迈开腿，这是我从组学大数据里面得到的最大经验，谢谢大家。
主持人：感谢侯勇先生，我们知道很多女作家是靠身体写作，而你是用自己的基因写论文。可以说回答了目前市场对于华大基因的诸多关注的地方，在生命科学这个主题演讲环节接下来请出这个环节的压轴演讲嘉宾，碳云智能联合创始人兼首席信息官黎浩 先生，黎浩先生是国家杰出专业技术人才，并获评自然杂志2012年度全球科技界年度十大人物，他的演讲主题是管理数字生命 选择更好的自己，大家掌声欢迎。
（黎 浩 碳云智能联合创始人兼首席信息官）
黎浩：谢谢主持人的介绍，主办方选了两个IBM选了两个和华大基因相关的人来演讲，而且一个是搞生命科学一个是搞IT，我和侯勇一个是搞生命一个搞IT，我们想从另外一个视角看这个事情。我更多从个人的视角看看我们怎么做，我们今天的题目是颠覆性创新的论坛，我们应该做一点什么。
第一个关键词是颠覆，我们这个行业或者说我们在这个世界上颠覆性的事件有哪些？如果说技术性的颠覆，从漫长的历史演进过程中，大概是大的时代，一是农业革命，二是工业革命，现在是信息革命，我们现在是处在信息革命时代，现在大家处于生命科学和计算科学叠加的过程，BT和IT的融合开创这个时代最伟大的颠覆性创新。这个过程里面我们的每个人其实给了我们更新的选择，我们选择什么？我们看看未来我们的身体能否更健康，能否活得更长，所以在大前景下的颠覆性的技术创新下如何选择自己，中间一个环节就是我们要有一个认知的改变，认知的改变来源于我们是否能有办法数字化生命，量化自我，这就是我们现在讲到，如果我们是在颠覆性技术下，选择相信，来认知自我，能否做到更好地管理自己，碳云智能就是这样的公司，我们希望用自己的数据生命管理自己的健康。
碳云智能我们在2015年创立，有三个前提假设，因为有了这三个前提，我们才开始更好地了解自我。地球上所有的生命都是以碳为基础，可以被数字化，数字化的生命可以被网络化，可以被人工智能化，这就跟IT技术结合起来。我们就可以更好地研究和探索生命的奥秘，所以在这三个前提假设下，碳云智能希望做一个管理数字生命的公司。
基因组是什么？基因组是一本关于生命的书，全书23个章节，每一章都是一对染色体，每章里面包含了几千个故事，我们有两万多个基因去解读，每个词语由字母叫碱基，每个剪辑有ACGT，我们看到原子能技术，看到计算机技术，计算科学技术，看到基因技术，我们才有可能了解自己的生命到底是什么样的。
刚刚大家听到侯勇也讲，2013年他做自己的测序还是全球最早的研究生，在座的各位估计大部分人还是没有这样的这本书，未来也许在基因技术和数字技术的加持下，也可能每个人都获得自己的测序结果获得自己的全基因组，你有可能更多了解自己，去改变自己，去选择更好的改变自己的方案。
现在有一个新兴的学科计算生物学，计算科学和生命科学的结合其实验证了生命就是算法，在这个过程里面，我们看到生命技术，我们看到一些数据，比如说DNA、蛋白、肠道微生物，也看到一些结果性数据，比如说谢博士说医疗的数据我们都可以看到这些数据，我们知道输入的数据也知道一些输出的数据，但是中间的过程数据是什么？过程的算法是什么？我们现在还不太知道，这个算法就是我们要去逐渐解释和解读的过程。
其实每个人又是不一样，我们看到的大数据，看到的个性化数据，对于每个人是个性，但是又有共性，我们希望寻找个性化的路，这个过程就需要计算技术，就需要你个人的积极参与，有你的蛋白数据、代谢的数据和结果性数据可以组合起来做更多的计算、预测和检测，做精准的预测，精准的监测，才有可能给你一个精准的解决方案，让你更好地管理自己。
说到认知自我来看，其实我们也看到很多认知在我们大家不认知前是一个错误的认知，比如说我以前高中课本里面，我们都是元谋人的后代，但是现在科学技术的演进证明，地球上所有的人都是从七万年前从非洲走出的非洲智人的时代，这就颠覆我们的认知，所有的基因测序以后都知道可能是一条外人色体，证明是从非洲东部走出的非洲智人。我们做基因组测序有什么作用？有一种病叫亨廷顿氏舞蹈症，非常致命的罕见疾病，所以这几乎是无法改变的，地中海贫血的疾病其实从另外一个角度来看，地中海贫血又一个选择性疾病，在一段时间内是一个优势基因，携带有地中海贫血，广东地区的有10%的人携带这样的基因，但是大概在几百年前，在血吸虫横行的时候，有这样基因的人是一个优势基因，但是在不下田耕作，不再有碰到血吸虫的时候，这就成为一个劣势基因了，现在如果有两个父母双方都有地中海贫血的话，他可能在三五岁的时候夭亡，这里面就说明有的是命定，有的是选择性的，有的是我们自己的选择，有的是基因的选择，选择和基因命定同样重要。
AlphaGo的技术我们看到它当然不是一个病，但是AlphaGo和李世石下的棋，我们当时认为这盘棋下的有可能是人类最后一盘赢机器的棋了，但是AlphaGo解决的问题是什么？未来能够用数据的方面，在规定动作下可以解释很多他一定比人的大脑算得快。其实我们现在慢慢看到人类或者人的个体是一个自适应的复杂共生系统，每天每个细胞每个身体里面的基因都在不断开关、激活、失活，或者踩刹车或者放油门，你也不知道你的选择和基因匹配关系是怎样的，这肯定是非线性的过程，虽然我们有DNA测序，有基因组学的数据，但是远远不够，我们还有肠道微生物，呼吸道微生物，所以到底是这些虫子在控制我们的生命还是我们自己在控制我们自己的生命？我们到底有没有自己的自我自由意志表达是很难确定的，人体这样的复杂系统，我们很难在很短的时间内用计算的方法，用线性的方法找到一个完整的或者命定或者注定的结果，所以在这个过程里面，我们希望做到一件事情，是把数据权利还给人本身。
今天在座的各位到会展中心来，也许你的手机就暴露你的数据，暴露你自己的很多行踪，如果你要买一个东西，你所有的数据可能都被监控了，但是在今天你自己自身的数据，你自己是否获得过呢？即便你有基因组数据，医生是否读得懂，大家是否能够有更好的机会掌握自己的信息和数据管理自己的健康？
我们看看身边的健康威胁，现在我们有70%的人有过劳死的威胁，有76%的白领处于亚健康状态，慢行疾病率已达20%，已占总死亡数的83%，中国22%的中年人死于心脑血管疾病。我们大概还有30%—40%的成年人处于前期糖尿病状态，在座各位有一半处于糖尿病或者准备糖尿病的状态，这段触目惊心的数字我们可以干什么？
健康是你的选择，健康因素里面15%是你的遗传因素，10%是社会因素，7%是气侯条件，60%都是你的自我行为的选择，其实85%都是可以控制的，这85%是什么？有可能是你的饮食、运动、情绪，我们管住你的摄入、消耗、干预项是否能够给你一个更好的选择呢？我们认为记录数据可能比一次性检测数据更重要，监测数据比一次诊断更重要，更重要是预防比治疗更重要。
我们在生命的漫长过程中，基因只是起点，不是终点，但是基因给了你一些持续性的因素，在漫长的生命过程中，在这个点你是选择A还是B，是回到你基因的命定前提条件下，活得更好的状态下是什么样呢？所以A和B两种选择可以在你的数据前提下拟合一条曲线预测你往哪个方向，改善和调节你的方向，这样就可能帮助你做到更好地管理自己。这需要你自我觉醒，我们要掌握这些数据，才有可能在数据的指导下去管理自己。碳云做了这样的平台，我们的名字叫觅我，在日常生活中检测你的基因数据、蛋白数据、异常监控的数据，临床的数据、收集你各种各样的数据，把这些数据还给你本人，我们做到个人性定制精准健康的解决方案。
在这个过程里面我们会做一个数字生命健康重塑的计划，这是我在带的项目，我们在七八年到一八年这四十年间，糖尿病发生了很多，人类的DNA是被饥饿设计的，代谢疾病与过渡饮食相关，如果我们采取阶段性阻断饮食情况下，很可能触发机体应激反应，会认知重塑更为重要，这只是碳云做的一个方面的计划，我们还在其他方面做了很多的尝试。
我们希望寻找碳基生命的硅基未来，谢谢。
主持人：刚刚黎浩先生在演讲中首先对今天的主题颠覆性技术创新的颠覆给出了自己的定义，他认为目前我们所处的时代正是对于生命传统观点的一个重大的颠覆，如今是生命科学与计算科学向融合的一个伟大时代，既然人人类的碳元素可以被人工智能化，既然生命本身就是一个算法，我们完全可以通过数字生命和量化自我从而精准管理自己的健康，过上延年益寿的生活。听完这样的观点以后我的心情是相当复杂的，以前我总是认为生命中充满了各种各样的感动和一些难忘的情绪的场合，我们明白这些和浪漫无关，更多是和算法有关，的确每次我听完侯勇、黎浩先生演讲之后内心最大的深深感慨，但是无论如何我们要再次感谢黎浩先生为我们打开一扇通往未来充满想象力的大门。聆听了生命科学的五位专家演讲之后，今天来到第四个主题的环节，就是AI五和物联网时代的芯片智能未来之路，我们非常荣幸地邀请到了两位中国工程院院士来发表主题演讲，同时我会邀请各位专家在这里展开一场圆桌讨论。第一位演讲嘉宾是中国工程院院士星光中国芯工程总指挥邓中翰先生，邓中翰先生是中国大规模集成电路及系统技术主要开拓者之一，在“星光中国芯工程”中做出了突出成就，被业界称为“中国芯之父”。今天他的演讲题目是多核异构AI处理器与智能摩尔之路，有请邓院士。
（邓中翰 中国工程院院士、“星光中国芯工程”总指挥）
邓中翰：非常高兴今天来参加高交会的有关芯片的论坛，刚刚听了很多位专家就生命科学以及健康做了很好很精彩的一些报告，特别是谈到了我们的生命基础是来自于算法，一种基于DNA，基于分子结构以及基因慢慢形成的对于生命健康的一系列过程。
今天非常感谢倪院士让我调一下时间，我在这里给大家讲一下我们在今天的IT的世界里面，我们在芯片的层面上如何通过晶体管，如何通过0和1的数字表达，通过算法形成这样的过程，从而能够给我们的社会带来信息化时代的一些话题。
我今天作的报告题目是“多核异构AI处理器与智能摩尔之路”。
我先分四个方面：
第一，简单介绍一下IC产业发展的概况与预期。
第二，人工智能带动芯片发展。
第三，AI芯片的智能摩尔之路。
第四，星光中国芯工程的研发进展。
全球半导体现在的状况：
根据世界半导体贸易统计组织的数据调查，全球半导体行业规模从1994年突破1000亿美元以来，经过20多年的发展，2010年接近三千亿美元，2017年又突破了4千亿美元的大关，所以我们看到全球半导体行业是一个巨大的产业规模。
2017年以来全球半导体产业大幅跳跃增长，一方面是存储器需求旺盛，产品价格大幅上涨，另一方面我们看到一系列新的技术普及，包括物联网在汽车电子、AI等信市场新应用的拉动下，需求非常旺盛，未来几年随着智能汽车、VR、AR、物联网等领域的发展，半导体的新应用势头保持了高增长，权威的机构预计，2018年全球半导体的产值增长在8%左右，预计2018年将会达到4500亿。
2019年和往后我们也基本上以这样的增长速度来看，有可能到2020年我们的规模可以达到5千亿美元，从94年以来半导体的产值翻了五倍，可见它对我们的商业、贸易的重要性，同时也证明了它的广泛应用和普及对我们各方面的信息化世界的贡献。
2017年的世界集成半导体市场由什么组成？83.3%是由集成电路，比较大规模的数字和模拟的集成电路组成，还有3%的传感器和5.3%的分立器件和8.4%的光电子。微处理器占了15.5%，逻辑电路占24.8%，存储器电路占了30.1%，模拟电路占了13%的市场。传感器包括手上的手机的相机以及指纹等等称之为传感器达到125亿美元，同比增长15.9%。
谈到世界的市场行情给大家有一个概念以后，我想我们再谈一下中国集成电路行业的销售额。大家可能也听说过，中国集成电路行业是单一进口，超过石油、天然气、铁矿石，我们在2017年中国进口的集成电路达到3770亿块，同比增长10%，而进口额有的说法达到2700亿美元，最近大家也知道中美关于贸易的问题，对于中国来说2700亿是一个巨大，我们跟美国总共是5千多亿美元的贸易，我们在报告中看到，中国在大量的进口不是直接从美国进口，这样的数字计算本身就扭曲现在关于中美之间贸易赤字的问题，因为我们很多的芯片包括从香港、新加坡其他的国家分装测试以后运进来，源头的产品仍然还是美国对中国的产业出口，这样的贸易利差的计算也值得我们关注。
我们看到的是2018年预计行业的销售额将会达到6489亿人民币，由于中国的信息电子产业快速发展，所以我们在芯片的集成电路应用和需求方面是非常旺盛的，全世界最大的市场。
我就给大家简单介绍一下通过人工智能来推动我们在各种信息化，包括健康、生命，很多研究、医疗、医学方面的应用。在很多算法、人工智能的这一系列计算很多必须依赖于芯片技术的发展，所以有必要在这里接着前面关于生命大健康的报告谈谈人工智能带动芯片的发展。
长期以来我们国家的集成电路产业一直受到西方在先进的制造装备、材料和工艺引进等方面的种种限制，高端芯片主要依赖进口，经过一些事件的警示，以确保芯片安全已经成为国内的共识，中国工程院特别是倪光南院士多年来一直在推动自主可控国家信息安全等相关，围绕着芯片事业和集成电路事业的宝贵建议都得到了国家，特别是中央最高领导人的高度认可，我们在推动这方面已经形成了全国的共识。
人工智能作为技术，被视为新一轮产业革命的推动力，芯片则是人工智能产品的关键部件，迈向高质量的发展，中国制造必须加大力度攻关，用创新推动品质革命。正如前面一个报告里面报告人谈到，中国具有丰富的应用场景，也有发展人工智能所需的海量数据优势，听到关于健康方面很多数据如何从底层来进一步探索生命的奥秘，乃至健康和医疗的方法，我觉得这方面我们有巨大的数据优势，我国人工智能实现弯道超车具有重要的历史机遇期，我们必须努力打破缺芯瓶颈，为人工智能发展保驾护航。
10月31日习近平总书记在中共中央政治局第九次集体学习会议上指出，人工智能是新一轮科技革命和产业变革的重要驱动力量，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题，要深刻认识加快发展新一代人工智能的重大意义，加强领导，做好规划，明确任务，夯实基础，促进共同经济社会发展深度融合，推动我国新一代人工智能健康发展。国务院相关的部委推出我国新三代人工智能发展的一系列目标和计划，力争在2020年我们达到世界的先进水平，2025年取得重大突破，部分技术和应用，特别是大数据的优势达到世界领先水平。2030年人工智能的理论、技术与应用总体达到世界领先水平。
中国工程院也于2017年初提出AI2.0人工智能发展的总体趋势从云端的智能逐渐从边缘计算走向前端的智能，从智能感知走向智能的认知，监督学习走向自我学习，弱人工智能走向强人工智能。人工智能产业中有四个环节，包括算法、细分应用、芯片、数据。技术发展的数据也是以深度学习的技术作为主流，数据流的方向存在CNN和RNN，数据的位宽有32恩、16、8、4、2、1，现在的发展阶段它的一些趋势是，基于规则驱动的传统智能技术同时并存，小数据的场景，传统人工智能算法的效果是非常好的，有的时候既是采用深度的学习的算法，某些模块还是使用传统的法效率也很高，神经形态的人工智能芯片还处在探索期。
下面我想讲一下智能摩尔定律，人工智能芯片面临的难点和挑战是哪些？如何兼顾大数据应用场景及小数据应用场景，如何以单芯片兼顾抽象逻辑思维模式与具像思维模式，如何同时处理规则驱动的传统智能算法以及数据驱动的深度学习算法，如何节省软件开发时间，如何在后摩尔定律时代提高性能。刚刚讲到基因测序已经超过摩尔定律，摩尔定律正在走向极限和劲头，CPU散热已经是很大的问题，时钟频率早早趋于上线。后摩尔定律的创新之路怎么走，虽然物理层面和信号层面都受到物理规律的制约，比如说量子隧道效应等等对0和1信号的确保程度，但是在信息层面的技术创新还没有达到极限，下一次信息革命的关键应该是如何进一步借鉴人脑的智慧机制，研究新型人工智能计算算法，进一步在摩尔定律走向劲头，物理层面上和信号层面上要走向信息层面上进一步演进。这样的三维坐标显示今天我们继续沿着摩尔定律走向more moore，未来我们要走向智能摩尔，就是通过多核异构的智能处理器实现多模式的智能算法。
谈一下我们中星微电子集团从99年从工信部直接投资，在国家的支持下，这些年在多媒体芯片等方面做出的一些努力，取得的一些成绩。最近几年又在芯光智能一号和二号芯片上取得很大的进展，最近也是在深圳获得2018年全球电子成就最佳处理器的产品奖，我们所推动的方向就是沿着多核异构的处理器，应用这样的多核异构的处理器可以在很多的未来人工智能的应用方面取得很好的计算效果，我们展望未来，我们会持续地开展在人工智能处理器方面的研究，特别是在后摩尔时代走出一条行之有效的自主创新道路，沿着智能摩尔定律，就是走多核异构的道路取得更新的能耗。
主持人：感谢邓中翰先生带来全球以及中国半导体企业现状的一个详细论述，二是关于中国人工智能发展的综述，他也就后摩尔定律时代也条路怎么走给出他的建议，接下来我们非常荣幸地请出中国工程院院士，为我们带来开源RISC—V的探讨。
（倪光南 中国工程院院士）
倪光南：感谢有机会参加这个论坛，RISC—V这个很难翻的，我们讲讲它的介绍情况。
我们几天以前在乌镇的世界互联网大会上成立了一个中国开放指令生态，我觉得这个文字太文绉绉的，上面批下来的，我主张叫中国开源芯片联盟，刚刚主持人说字很难念，翻也不好翻，这是UC伯克利发明的，现在已经第五版了，在学术界来讲也是相当高的水平。我们知道在9月份上海已经成立了RISC—V的产业联盟，因为上海的集成电路产业联盟很多单位组成的，这两个联盟大家会协同来做，把中国的RISC—V的事情做起来，老百姓肯定主张说开源芯片，既然开源软件很成功，当前我们在新一代信息技术，在互联网的情况下，开源软件已经是主流了，BAT、亚马逊、谷歌都一样，中外的大型服务商都是基于开源为主要的，是不是芯片下基于开源的RISC—V的芯片是不是可能成为一个主流呢？我提出的问题还是需要时间来回答。
开源是一个开放模式，也是一个商业模式，是不是能取得成功时候？我们还是需要用时间来回答。
我们看世界CPU不是很多，我指的是高端CPU，全世界不会多，现在是两大类站稳脚跟，一个是因特尔还有一个是Arm的架构，全世界包括发达国家包括美国我还没有看到哪家做X86能够有成功的商业模式，能够成功地站住，中国不少人想做，但是我认为恐怕行不通，作为国之重器发达国家不会把这个知识产权让你很容易地取得。
Arm成功授权的商业模式，全世界做Arm的公司太多了，但是即使它有很好的商业模式，你可以去买授权，但是门槛也非常高；你要拿到架构授权Arm要收几亿，最差的不能修改拿来用的，我觉得几百万人民币可能还是要的，几百万到几个亿，这个门槛对于很多中小企业来讲，太高了。我们希望降低门槛，使得芯片更多地大众化，就像开源软件，一开源以后谁要做这个软件都可以做，芯片也可以做到这样多好。
RISC—V它的优势，我们知道它采用BSD的协议许可，真正做到免费开放，没有任何的知识产权风险，这当然很好，因为它发展得比较新，RISC—V指令集追求简约、丢弃历史包袱，支持模块化，性能十分优越，能够满足从微控制器到超级计算机等各种复杂程度的处理器需求。覆盖非常大的应用领域，支持FPGA、ASIC乃至未来器件等多种实现方式，同时能够高效地实现各种微结构，支持大量定制和加速功能，并与现有软件及变成语言良好设备。RISC—V由一个非盈利的基金会负责维护RISC—V指令集标准手册与架构文档，促进RISC—V阵营的交流和发展，共同营造其生态系统。
过去，芯片设计有时需要上议研发费用，投入上百人年，中小企业不易承担，而且也不一定能掌握发展的主动权，开源芯片设计可望将芯片设计门槛大大降低，以至于3—5人的小团队在3—4个月内，只需几万元便能研制出一款有市场竞争力的芯片，从而将促进芯片产业的繁荣，能更好地支持人工智能等等新一代信息技术和数字经济的发展。我想对于我们下一步信息技术的发展，以及其他各行各业的发展将是非常大的推动，这个时候RISC—V应该是非常好的时机，我们希望它和其他的开源软件一样，将来如果和开源软件配合好，对世界是大好事情。
RISC—V基金有上百个会员，很多中国公司已经在里头，不是太多，但是已经很多了，中国刚开始介入这个，我们需要进一步加强。一个特点就是简约，它的手册就两百页，Arm有2700页，X862198页，你要学一个手册，工作量就不是一个数量级的，所以很适合大家掌握新的技术。
这个图也很有意思，因特尔86是几十年前做出来的，1978年诞生时有80条指令，到2015年增长了16倍，到了1338条指令，并且还在增长，我觉得我们现在RISC—V这个新的起点非常精简，真正把包袱丢掉了，对老的生态没有好处，新的领域重新开始有它的好处。
这个图比较一下他们的优势，模块化很重要，你可以按照你的需求，现在是整体不可分解的，RISC—V可以分解一些模块，你需要的模块可以变成你的要求，有利于非常快速开发出来，可拓展性也非常好，商业运作开源免费，没有知识产权的风险，生态是最大的弱小，但是好处，反正我们新一代的人工智能都还没有太成熟的生态，在这种情况下，我相信新的架构就比较容易切入，传统的生态不行，高性能，我们的应用特点是高性能，普适、可控等等，最大的问题就是生态的问题，专利不是问题，如果我们联盟加强协作可以比较好地控制。中国的开源芯片联盟，中国有它的好处，国家的支持，对于战略性新兴产业的支持，过去人才市场可能芯片产业门槛太高，能够做芯片的人少，现在有了开源芯片门槛一降低，成千上万人会投入到开源芯片的发展中，但是我们也需要一些规划，比如说一步一步做。
有一个很大的好处就是创新，X86和Arm有一些创新很难做，因为这个你主导不了，但是RISC—V有一个很大的好处，作为开源，我相信我们一些创新可以很容易在新的架构上体现出来，比如说中国科学院大学杨教授提出的一个安全的理论，各种各样的工具太多了，肯定不可能全部防止，但是超越授权的公司，这一轮他们认为可以完全防止，需要用操作系统等等构成，RISC—V就有一个机会，大家可以通过开源芯片评估安全是不是好，这就证明开源对于创新的一种有力的条件，我们希望通过RISC—V验证一下，包括安全性的创新是不是可行，开源软件可以原始创新，通过开源的模式可以更好地推广你的成果。
今天是2018年11月15日，我们认为是不是有一种可能，世界两大CPU已经被因特尔和Arm占据了，有没有可能其他的架构，目前很多架构我认为不太可能在世界上站住，如果RISC—V大家努力的话，当前的形式下，我们可能形成第三个力量，三足鼎立的形式，谢谢大家。
主持人：谢谢倪光南先生教会我这样的拗口英文词汇RISC—V，一开始提出芯片未来会成为主流吗？他为我们分析了开源芯片的诸多优势，以及目前正是发展他的良好时机，掌声再次向倪光南先生表示感谢。以上我们就芯片这个话题是聆听了两位院士的主题演讲，这个话题我们还将延续，接下来会进入圆桌论坛，我们将会就人工智能和物联网时代的芯片智能未来之路来开始一场研讨，
（对话环节）
Arm中国副总裁 金勇斌 先生；
极戈科技联合创始人兼首席执行官 张 铭 先生；
北京寒武纪科技有限公司副总裁 刘道福 先生 ；
科通芯城&硬蛋副总裁 王宪航 先生；
今天下午的论坛我一边主持一边冒冷汗，前面几个话题我或多或少了解的话，到芯片这个话题基本上是比较绝望的态势，先请教一下各位，先悄悄问一下金总，他来自Arm科技，刚刚芯片的架构已经被倪院士提出一些优点和缺点，我要悄悄问一下金总，刚刚倪院士讲的是什么意思？
（金勇斌 Arm中国副总裁）
金勇斌：其实我也没有听懂。
主持人：那我就放心了。
金勇斌：Arm还是有很强的生命力，我们没听过哪个客户哪个客户因为买不起而放弃我们。
主持人：我们其实对Arm是非常熟悉，全球领先的半导体的知识产权的提供商，而且有着自己非常独特的商业模式，能不能简单向大家做一个介绍。
金勇斌：Arm的商业模式其实说得很简单，因为Arm以前也是一个很穷的公司，最开始准备做芯片，后来没钱，后来我们给做芯片的公司做架构提供授权，所有Arm的研发费用就是芯片公司去分担了。如果让所有的芯片公司在没出货之前分担你的费用，风险还是转给芯片公司，我们就说支付我前期的开发费用，到芯片成功卖出去，给Arm再适当分一些提成费用。其实Arm的成功是建立在客户的芯片能够大量成功卖出去的基础上，Arm的模式跟客户共生，Arm作为全球最大的IT公司，一年的销售额在20亿美金，去年我们全球的基于Arm的出货量是250亿片，其实这个收入是非常薄的，换句话说所谓的开源也好，我觉得硬件本身有两个事情：一是成本在整个设计和制造链里面，前端的IT费用占很少的比例，你要去生产是占很大的比例，包括设计本身，不光有CPU，我觉得这个比较大。二是因为它整个成本IT占的比例不大，但是开源的东西本身要产生一些问题，整个片子就报废了，这是很大的问题。现在开源就不是所有的源都开，开源是一个套路，是一个商业模式，RISC—V第一版本在网上有开源的东西，但是架构实现的东西，商业的版本是不会开源的，从Arm的角度来看，我们也承认RISC—V的价值，特别是对于学校里面大量想研究CPU想做差异化的东西，在物联网里面做一些，我觉得RISC—V还是能够满足差异化的要求。
主持人：非常感谢金总。坐在金总旁边是极戈科技科技的联合创始人兼首席执行官张铭先生，我们业界有这样的说法，极戈科技是物联网集结主义者，您能不能跟大家解释一下？
（张 铭 极戈科技联合创始人兼首席执行官）
张铭：谢谢，刚才倪院士提到他希望能够大众化芯片设计，我们做的事情就是大众化超级芯片设计，我们提供一个非常简单非常快速非常低成本的办法让更多的人可以把处理器、存储器、传感器、通讯集成到一个单芯片。我们是跟Arm和H86和RISC—V合作因为我们不做CPU架构，我们是提供一个软件平台，根据客户的定义以最简单的办法做出一个超级芯片，包括上面四种元素。
主持人：其实张总这样的一场讨论中占据必须超脱的环节，方方面面都是可以合作的。我要向各位介绍寒武纪的副总裁刘道福先生，关于寒武纪我想大家应该都是如雷贯耳了，全球智能芯片AI芯片领域的先行者，我要请刘总介绍一下自己，也介绍一下公司。
（刘道福 寒武纪副总裁）
刘道福：我是来自寒武纪科技的刘道福，寒武纪其实是一个做人工智能芯片的公司，在人工智能领域，大家都可能知道有三个要素的说法，一是算法，二是数据，三是算力，我们主要是做算力，我们给整个人工智能提供算力的基础和支撑，在算力这一块我们又有两个具体的方向：一是在终端，它的特点就是量非常大，就是像Arm典型的，出货量一年有250亿，我们的终端也有业务，我们的业务模式和Arm是类似的，我们也是IP授权给客户，现在公开的客户包括手机客户，比如说华为还有一些智能摄象头的客户都有，云端我们是自己做一些芯片和绑卡，服务器厂商拿着我们的绑卡可以做人工智能的处理。其实我们都是一个赋能者的角色，终端我们是直接赋能芯片，云端可能直接赋能服务器或者相关的应用，最终我们是希望赋能人工智能，让机器更好地能理解和帮助人类。
主持人：最后向各位介绍科通芯城硬蛋的副总裁王宪航先生，大家更愿意把科通芯城理解为电商平台，说到硬蛋就不一样了，硬蛋是中国最大的智能硬件创新和创业平台。
（王宪航 科通芯城&硬蛋副总裁）
王宪航：非常高兴有机会和大家一起讨论相关行业的发展，作为科通芯城是香港一家上市公司，硬蛋面对的是创新创业者，为他们提供一站式的服务平台，希望能够扶持中小的企业或者创业者更快速把他们的产品做出来，同时能够走向市场，我们搭建的是这样的生态环境。包括了整个产业链、供应链、服务、金融，希望能够在全方位帮助大家打造这样的平台。在这个基础上，因为科通芯城原来主营业务在芯片的产业链服务商，在这个之上我们感觉到，芯片可能也成为一个热点，我们想在硬蛋这个平台上，再做一个延伸，在芯片垂直领域能做什么？我们跟Arm也有很多的探讨，从科通芯城和硬蛋这边，在这上面希望我们在芯片领域，也会希望把这些资源整合起来，包括国内国外的，到时大家可能都是合作方，让大家在找资源的时候，希望能够降低入门门槛，同时也能降低在产业链做芯片的成本，可能这是一个大家共同努力的目的，硬蛋在芯片行业下一步的布局中，希望三五个人几万块钱做出来一个芯片，这个太小了，也会规避现在芯片产业像硅谷很巨型的投入，如果不做改变，可能在中国的芯片发展道路上可能会遇到更多的障碍，我们也是希望跟国内国外的合作伙伴一起共同把生态系统建立起来，打造出来，帮助中小团队让中国的芯片尽快地腾飞。
主持人：今天下午各个行业大家不约而同提到生态圈，我们都是这个圈里面的重要建设者，我们应该是一个一荣俱荣，一损俱损的关系。我们现在似乎是来到一个和AI、物联网密不可分的时代，在这样的时代，我们看到有AI芯片的提法，有物联网芯片的提法，甚至大家会把AI和IOT连在一块，叫AIOT的时代到来了，这样的提法我不知道四位怎么看的？
金勇斌：其实我是非常同意这种提法，我本人在最近两年的公开演讲或者内部讨论当中我也是推行这种提法，原因很简单。首先我们PC是解决数字化处理和存储的问题，移动互联网包括智能硬件解决连接的问题，有了手机我们今天想连任何设备都很简单，但是最终是要跟人交互，这个事要能设备自己决策，所以要赋能它的智能，也就是人工智能本身其实是赋予IOT一个真正为人类解决问题去分担问题，让人可以变得更懒，人人的生活变得更方便的技术，我个人是非常同意AIOT的提法。
主持人：可以真正彼此赋能，张总怎么看？
张铭：其实AIOT很早已经来 到了，只不过现在市场上大家说得比较多，为什么这么说？AIOT无非就是一些器件还有运算功能、存储功能，我个人观点从智能手机的时代十年以前已经有AIOT的，走向只不过现在我们现在叫AIOT应用的场景越来越多，功耗更低了，应用的角度更多了，数据收集更多了，准确度更高了，更管用了。从我们做芯片的角度，觉得非常兴奋，因为万亿级的AIOT就是需要来大密度快速地集成处理器和存储器和AI的加速器满足碎片化和个性化的应用场景。
主持人：两位都对于AIOT连接非常高的期许，但是在芯片制造和发展，未来到底应该怎么样选择前进的方向？刘道福博士应该有很多自己的想法跟我们分享？
刘道福：我非常认同金总的看法，AI让整个机器是有了思想，原来机器是冷冰冰的，他要干什么每件事必须要很清楚告诉他怎么干，下一步怎么干，甚至只要碰到一点变化就完全没有办法了，可能不知道下一步怎么办了，但是AI让整个机器有一定的黏性，对于有些变化可以通过学习或者其他的手段或者训练学习能够自己处理这些事情。我觉得AI会让各个领域整个过程更柔性，有了AI以后产线调整可能需要后端发一个指令，前端根据场景做一些调整
关于芯片在AIOT的发展，AIOT是非常大的市场，因为几乎每个设备都需要计算机处理，可能最早的处理是通过一些精确编好规则的处理方式，但是AI让处理更柔性，未来在物联网我理解每个设备可能都会有一个AI芯片的需求，只是它的算力是多还是少的问题，可能有的是一个简单的识别作用，可能把一个二维码扫出来，也是可以用AI做的，有的可能是更复杂的，可能要听懂一个指令，有的再复杂一点可能需要更多的信息汇聚到云端整体做一个决策，无论终端和云端都有大量的需求涌现。在终端可能典型的是，有一句话说得很对，智慧在云，智能在端，你需要有智慧需要有大量的数据，你在本地训练可能数据量优先，要汇聚到云端。但是在未来继续发展的话，这些训练的结果真正产生生产力的话需要落地到各个设备上也就是物联网，所以智能要落地可能是需要各个终端的一些能力去真正把人工智能的结果转化成生产力。
无论是终端和云端都有大量的人工智能芯片的需求，终端可能推理多一点，云端训练多一点，但是云端也有推理的需求，尤其是推理是关联的推理，可能需要汇集所有的数据做决策，也会是云端的推理，比如说广告推荐，需要把你每个人的行为去分析，能让广告推得更准，因为广告更准可以少推一些广告，大家少被广告骚扰。
主持人：云端和终端同样是大家很关注的话题，关于AIOT以及相关的背景下芯片的发展我们来听一下王总的一些意见。
王宪航：我觉得真是一个很有挑战性的话题，我的感受这么多年也是很深，硬蛋做的平台是IOT的平台，我们讲的是IOT的概念，但是做了这么几年以后发现有它的问题，刚刚讲的碎片化问题，为什么量起不来的问题，大家都会觉得这个时间该到来了，但是为什么我们有这么多的客户，这么多的创新创业都在做，可能有两件事情我现在回过头来看可能觉得收益颇多的：一是感到基础上有一个低功耗的问题，为什么我手机每天要充电，因为IOT的产品是万物相连的产品，实时都要用电，当电耗尽以后可能会失效，可能基础上有一个问题就是要解决低功耗的问题。二是物联网是物跟物的相连，缺乏人，这是程序化的东西，只能按照程序运作，很难去让它有所改变，我规定的所有东西都是程序，有了AI以后才让它能够活起来，让未来的爆发点才能够出现。寒武纪给我们做了很好的榜样，在AI上把人的思想能够自学习的过程，让它更多地理解A是什么状态，一旦连上自己知道您的习惯是什么，而不是一个程序化或者需要人来控制做的事情，这两个是我感受比较深的。这两个地方确实对我回过头来看，真的在未来的几年会出现新的爆发点。
主持人：人工智能今天也是颠覆性技术创新的一个特别核心的主题，其实说到AI芯片我们看到各种各样对它的赞美和褒奖，比如说我们会说这是人工智能时代的基础设施，他将会定义我们整个产业链与生态圈，上升到国家战略，AI芯片可能会是产业实现弯道超车的特别好抓手，毕竟我们这两年在芯片这一块确实有着非常复杂的情绪。另一方面我们也看到诸多对于这个行业的评价，有的说目前AI芯片确实有一种过热的嫌疑，如果我们打开新闻网站会看到各种各样关于AI芯片的提法，很多的世界第一，行业第一，坦率地讲会让技术小白找不到北，
有人说未来活下来的不会有价家，有的人现在宣传太多，落地太少， 对于它的这么多负面的担心，不知道四位是什么观点？
金勇斌：我们看任何一个行业，99年以前的互联网也是到处是泡沫，我一直不喜欢泡沫这个词，泡沫没了之后什么也没有了，说过热我勉强可以接受，泡沫就跟昙花一现一样，现在AI是有实际价值的。因为中国特别的芯片情结所以大家对它有特别的关注，既然说有关注，肯定会有投资进来，可能会有人拿这个讲故事，我觉得一个产业这十个人在里面，有两个人落地，这就不是一个昙花一现的东西，我个人觉得过热是有可能的，但是泡沫我不同意这个说法。
张铭：我觉得还是应用第一，刚才王总提到功耗电池寿命很重要，我觉得还是应用的场景不够多。
主持人：大家现在似乎很容易聚焦到少数的几个。比如说自动驾驶。
张铭：我觉得是一个应用场景的问题，刚刚提到做决策的准确性，超移动端电池寿命的问题，我是觉得应用还是没有完全被爆发出来，所以作为AI的芯片创新，我觉得是难免的，有些人自然会走不到头，走到头的人自然会成功，我认为这是正常的现象，我觉得我们能做的事情就是加速芯片的创新。失败是不可避免的，泡沫也是不可避免的，但是有一个办法让芯片创新和加速，就可以在有限的时间里面应用到应用场景，泡沫就泡沫，只要有人做出来。
主持人：不知道极戈科技在这一块有没有一些什么样的计划、步骤？
张铭：有，我们其实刚好11月份一周之前宣布我们开始支持AI推理引擎，您提到泡沫，我们也是沾AI五的泡沫，我们不是做AI芯片的，我们是提供一个硅基片系统集成的平台，我们用这个集成客户的选择，可以选Arm的AI芯片，也可以选寒武纪的芯片，同时都选就是对系统架构要求比较高了，也可以选其他的AI加速器，这是AI的功能。系统还会需要主运算芯片，主通讯各种各样的传感和存储，我刚刚讲我们做的是超级芯片，让它以更快的速度更低的金钱成本来达到更快的试错和成功，这样才能够让泡沫变得快，成功变得快，这样才能实现万亿的物联网或者AIOT的应用，我们可以说是帮大家干活的。
主持人：张总您对您的位置是特别满意，您坐在刘总和金总旁边是左右逢源的尚佳的C位。2018年对于寒武纪而言有点滋味复杂，我们可以感受到寒武纪在整个AI芯片在过去几年的独角兽的步伐迈得如此引人注目，我们必须得承认寒武纪的成功因素，比如说手机应用有非常好的落地，但是进入到这段时间以后风向有一点变化，对于这一块很多行业巨头大佬开始跃跃欲试，我不知道公司未来战略方面会有一些应变和调整吗？
刘道福：我觉得这是好事，大佬巨头进来了，就说明这个市场够大，大家都看上了。对于我们来说，我们主要还是依靠技术的领先，我们做的早，并且做得好，我们也有很多的专利布局，我们2008年开始在这方面做研究，积累了很多这样的经验，也踩了很多坑，即使对于这些巨头进入这个领域不可避免也会碰到一些问题，但是我们其实在几年前就碰到了，我们自己的处理器也有自己的一套，也是为什么这些巨头之前也用我们的东西，说明我们做得还是相对好，他们想进来是因为他们觉得这个市场够大，并且我们欢迎他们进来，我们觉得这个市场够大，足以支撑这么多人在里面玩，因为我觉得未来所有的设备都需要智能，因为人是非常懒的，能懒就懒，假如整个设备或者任何一个东西都有智能的话，可以理解你的意思，能想你所想，做你想做得事，其实是非常好的。
刚刚张总提到一个问题，现在应用场景太少的问题，我觉得这个问题有两个原因：一是现在深度学习算法或者人工智能的算法本身有些局限，比如说自动驾驶没法做，现在还不能做，自动驾驶的算法还不够成熟，二是我觉得另外一个原因也是很重要，就是成本。比如说辅助驾驶在前几年很少，但是前几年辅助驾驶技术已经相对成熟了，但是之前成本非常高，但是现在辅助驾驶成本下来了，明年出来终端以上都会配备辅助驾驶，因为辅助驾驶成本可以做到几百美金，可以大大提高这个车的安全性，让大家开车的时候偶尔走一个神没有事，会告诉你前面要撞上了。寒武纪我们觉得整个市场够大，我们也会保持我们产品的持续迭代和更快地推出新的产品，包括和我们整个生态的合作伙伴，我们公司最大的特点就是不像因特尔只做PC，不像Arm只做移动端，我们恰好两个端都做了，在终端我们是希望跟大家一起把我们的处理器和服务给大家，让更多的终端设备数以亿级有AI五的能力。
因为云端是投入很大的，要一个公司去做的话，巨头也能投，所以我们开始做的时候，其实很少在做，可能只有谷歌，现在除了GPO和TPO的产品，我们在全世界范围内也是最早一批把云端芯片做出来的，现在巨头进去的时候我们已经做出来了，现在很多客户已经完成了评估，正在做产品化的工作。
我们在终端和云端都有不少的合作伙伴，并且我们还有一个优势，在终端和云端整个生态是一样的，都是一套处理器架构，我理解Arm在云端也发力，我也了解很多公司在云端做Arm的服务器，我们相对来说一开始介入的时候就把这两个市场看上了，并且同时在做，并且这两个生态是疼痛相辅相成的，现在很多处理的时候，终端可能不够，可能切到云端，切的时候有开发成本，假如说你是一套生态开发成本甚至同一套程序换过去就行了，因为我们觉得任何一个东西的落地包括AI的落地，最终最考验的大规模落地，小规模落地可能技术，大规模落地都是成本的元素在里面起很大的作用，只有成本低了才有量上来，这样才会普惠。
主持人：感觉到刘总声音不高，底气是非常足，关于目前AI芯片的行业，有说好，有担心的，王总还是站在比较超然的位置，您怎么看？
王宪航：不能说超然，我们不像各位在业界这么专业，我们做的事情确实是比较热，也是过热，我个人从两个角度看这个问题，一是投资角度，每个时代都有这样的情况出现，最后留下的总是少数，实际上从投资的角度热，因为大家看好这个市场，所以才热，也许他热，但是我不觉得它过热。
主持人：几位都是辩证法的高手。
王宪航：这是我对它的看法，我们是从使资本角度去看，刚好我跟有些朋友做AI芯片，也感受很明显，他关心的是无论是云端还是终端，两件事情是大家提到的，一是我的应用、客户在哪里，有些公司在初期也是没有得到这些答案就开始了，你会看到它会稍微浮一些，但是大家都会去寻找的，二是AI很多有算法，算法之后可能要通过芯片实现，这个时候尤其一些创业团队、中小企业，也就是我们要共同努力，怎么样在产业链的成本降低，能够让他们在降低成本和缩短时间上得到发展，因为这一点按照芯片的周期，实际上是很长的，你从硅谷来看，我有些朋友在硅谷说一个芯片一年半到两年，在中国的时代下大家要尽快把这个东西做出来，可能一个是成本，一个是时间。这是我感受到现在AI的企业面临着这样的一些问题，我们也是期望从我们这边整合资源怎么样能够帮助他们。实际上最终的落地要通过终端落地，你的触角在哪里，有了触角才会有云和数据的收集，怎么样把它做出来，这是第一步，怎么样拿出去这是第二步，我不管生态也好，最后形成我们的网络，有了自己的网络，跟Arm有这么大的规模，也是由它的网络支撑，这是我这么一段时间来，在这一两年在AI芯片的感受分享给大家。
主持人：今天的最后一个问题，请各位嘉宾做这样的预测，AI芯片下一轮的爆发点将会在哪里出现？
金勇斌：如果我要知道这个答案的话，我现在偷偷摸摸去搞一个基金，全投了，我只能瞎说，概不负责。因为这个行业我们也谈了很久，从AI这个词已经60多年了，最近几年为什么AI又起来了，因为通过深度学习的方式提高了大规模准确性，如果不是因为深度神经网络出来，我觉得AI是一波一波的。经过三四年的发展，AI我现在感觉尤其是深度神经网络像一个老中医，一个是包治百病，又不可预测，像小姑娘的心情。到底AI在什么地方会起来？这个东西大家都知道叫手机或者叫移动终端，是一个物件，这叫麦克风，谁能告诉我什么东西叫AI？好像没有。好像并不是寄托于某一个具体的实体，它是一个能力，这个能力本身一定是附着在实体上，手机是无中生有的，所以AI是一个附着物，所以要+AI，首先一定要让人更懒，而不是额外整一堆额外的事情，如果是这样的话可能开始有兴趣去玩，就像聊天机器人，这是伪需求，我跟一个机器人聊什么？我跟女孩子聊有目的，这是伪需求的东西，这方面我觉得不可能突破的。
什么样的东西能够让人变得更懒，或者可以提高社会的效率？一是技术本身要满足两个条件，它的应用让人更舒适，二是要成功的话，一定能提高社会的组织效率。我们把AI分为云端和终端，云端是系统智能，终端这一块是本能性的智能，就是三言两语可以讲清楚，这个事情在终端可以做的。原来你可能按洗衣机按一个洗20分钟甩三次，现在可能一句话就成了。但是这里面有一个问题，是在云端还是终端？我认为还是在终端做，如果所有都在云端做的话，中国电力很乐意，因为这样会涉及到联网，终端还是会有很大的发力空间。家庭里面特别是现有的设备升级，这是一个需求，只有这些东西升级以后才有可能出现机器人、智能管家，现在家里面买一个机器人玩三天，因为它确实太傻瓜。
像自动驾驶我觉得还很远，辅助驾驶我认为有用，特别是女士开车，还是有实际价值的，还有智能安防，我觉得不是每家都有机会，如果说每个人都说智能安防，我觉得暂时没有找到机会，商业的数据是很敏感的，这里面还有数据的政策敏感性，二是这个市场的门槛很高，但是对于有一些在这里面有积累的人还是有机会的，我说得比较碎片化，AI本身也是碎片化的东西，我没有答案。
主持人：无论如何都往终端上去想，怎么样把人变得更懒上想，可能是我们摸得到的方向，谢谢金总非常全面的分析。
金勇斌：还有提高效率。
张铭：在金总后面发言压力很大，第一个是妙语连珠，二是非常简洁讲到方向，我觉得我是有结论，我的结论就是在三年之内边缘计算终端一定会主导AIOT，其实也就是金总讲的大方向，为什么是这个感觉？我感觉从所谓万物互联或者智能，其实万物互联某种程度已经实现了，智能是一个能力，其实是一个智能的能力赋能就是需要来找到应用场景，在深圳这个地方有成千上万的应用场景，已经有万物和互联了，但是A这个地方还没有实现。这个台上大家坐的都具备赋能AI的能力，所以我觉得只要我们能够解决功耗的问题，应用场景锁定的问题和研发时间和成本的问题，AIOT进入成千上万的应用场景在深圳三年之内可以实现。我们极戈科技是在硅谷始创，为什么选在今年11月份设立深圳的中国总部，原因也是一样，我们有一个预测，大概需要三年爆发，我们要三年之前准备在中国建立总部准备到那一年开始支持智能化的万物互联。
刘道福：主持人的问题是说下一波，所以我觉得这一波已经起来了，其实就是金总还有张总说的，大家有很多的场景，视觉的场景，智慧城市、安防还有很多其他的场景，包括一些语音，语音输入法一定程度上提高了效率，让人变得更懒。但是我觉得下一波AI芯片起来，我认为这是AI起来，AI起来AI芯片就会受益，AI它的物质载体是要落实到AI芯片，现在这一波AI深度学习是引领，现在视觉算法比如说人的眼睛厉害，看得还准。很多场景比人看的清楚，大家觉得人工智能有时候很弱智的地方，大家会觉得人工智能是人工智障，其实是自然语言的理解，这个领域我觉得没有突破，语音识别和图像识别已经做得非常完美，已经具备大规模落地的基础，剩下的可能就是怎么把成本做下来，让落地快一点，成本下来它的落地快一点，但是自然语言这一块现在还不具备大规模落地的可能。现在学术界已经在往这边走了，我之前是在中科院计算所的，也是做学术的，现在谷歌发了NLP的系统，原来AI可以看清楚是什么，然后腾听出来你说了什么，但是你说这句话背后的意思，也不知道你的目的，所以它是没法理解的，有时候你会觉得它很职掌，比如说手机的SIRI，它其实是有用的，只要你说的话他能理解，他甚至可以根据你的话帮你安排行程，相当于是你的私人助理，如果可以理解平时人的性格甚至人每天说的话，他这几天有什么安排，我觉得完全可以做到私人助理的作用，只要解决了自然语言理解这一块，下一波AI的浪潮肯定会更大，它让机器和人更自然地交流，现在我们跟机器交流很痛苦，现在我们发的指令稍微模糊一点，但是还是要发指令，未来可能不需要发指令，他在旁边收集你的信息就知道你想什么，当然这些也非常可怕。
主持人：你提的是短语补短板的问题，一旦这块短板补上以后我们会迎来非常蓬勃的增长，如果有一天能够像日语里面今晚的月色很美AI可以理解这句话是我爱你的话，那就很厉害了。
王宪航：大家讲得很全面，我只是想讲一两个自己的感受，AI就是给懒人用的，我记得深圳有一句话叫做科技强警，科技强警可以让警察对认知更完善，我个人感觉有一个问题，确实因为早期深圳的警察警力不足，通过科技的手段可以节省大量的人力，高效地完成他想做的事情。而且不是我懒，是我一个人所能覆盖这么大，当初是通过机器，未来通过AI帮我做这样的事情，拓展能力。
还有就是低功耗的问题，未来消费类的应用上，低功耗现在是一个很大的短板需要补，在这个之前我觉得可能在这样的应用中，AI的应用在相对工业的应用导入上可能会更有机会去做，因为它在解决这个问题的时候，可能会撇开一两个因素去考虑对AI的使用。我觉得消费类可能会稍滞后于工业类的一些应用，这个跟投资也有关系，消费类我觉得对成本自敏感性更强，工业类因为是一些跟技术、相关的东西需要一些先进的技术来提升，可能会稍稍有时间差，也许符合于过去的发展。这就是我最后补充一个自己的想法。
主持人：谢谢王总，我们的圆桌对话进行到这里，再次掌声向四位嘉宾奉献的观点表示感谢。
（本文为现场速记稿，未经本人审核）
微信订阅号
手机触屏版