“改变世界的新兴科技”主题论坛I 

　　时间：2019年11月14日   09：30-12：00 

　　地点：深圳会展中心簕杜鹃厅 　  

　　 实录内容：

　　主持人 王海东 深圳卫视主持人： 

　　各位早上好，这里是2019中国高新技术论坛，我是深圳卫视的主持人王海东，每年在这个时候我们会邀请来自学界和业界的专家学者在这里展开一场充分的探讨。我们今天的论坛主题是“改变世界的新兴科技”，今天上午我们将会围绕“您好 2029、算力革命以及AI+一切皆有可能”这三个话题展开讨论。 

　　    首先请允许我介绍今天上午出席论坛的各位尊敬的领导和嘉宾，他们是： 

　　    深圳市人民政府副秘书长徐松明先生， 

　　    未来学家、达芬奇研究所创始人兼执行董事托马斯·弗雷先生， 

　　    德国哈索-普拉特纳数字工程研究院院长、波茨坦大学数字工程学部主任、德国国家科学工程院院士克里斯托夫·梅内尔先生， 

　　    Arm总裁兼首席运营官格雷厄姆·巴德先生， 

　　    华为高级副总裁、Cloud&AI产品与服务CTO张顺茂先生， 

　　    百度副总裁、百度智能云事业群组总经理尹世明先生， 

　　    湖南唐人神集团股份有限公司董事长陶一山先生， 

　　    微软（中国）首席技术官韦青先生， 

　　    清华同方股份有限公司人工智能研究院院长赵英女士， 

　　    今天来到现场的有来自学界、业界的诸多行业人士，同时也有很多市民朋友来参与论坛，可以说这不仅仅是一场专业的科技研讨，同时也是关于新兴科技有趣的公开课，希望各位都能在这里满载而归。 

　　    接下来我们进入到致辞环节，有请深圳市人民政府副秘书长徐松明先生致欢迎辞，掌声有请！ 

　　致辞嘉宾 徐松明 深圳市人民政府副秘书： 

　　尊敬的各位来宾、女士们、先生们、朋友们，大家上午好！11月的鹏城天高气爽、秋意渐浓，很高兴今天我们相聚在美丽深圳。首先，我谨代表高交会组委会和深圳市人民政府向出席今天论坛的各位嘉宾表示热烈的欢迎，向各位一直以来关心和支持中国高新技术论坛的各界朋友表示衷心的感谢！ 

　　当今世界科技创新已成为重塑世界格局，创造人类未来的关键变量，人工智能、区块链、量子计算、可持续能源、生物医疗、自动驾驶等前沿新兴技术不断取得突破。我们正在经历一场更大范围、更深层次的科技革命和产业革命。深圳是中国首个国家创新型城市，多年以来始终坚持把创新作为城市发展的主导战略，积极推进以科技创新为核心的全面创新，大力打造以企业为主体、市场为导向、产学研深度融合的技术创新体系。近年来，先后出台了深圳市战略新兴产业和未来产业发展政策，深圳市新一代人工智能发展行动计划（2019年-2023年）等一系列支持新兴技术和新兴产业发展的政策，启动了光明科学城、鹏城实验室等一批重大的创新平台建设。目前，深圳已形成4个90%的技术创新发展特点，即90%研发机构、研发人员、研发投入、发明专利都来自于企业，拥有科技型企业7万多家，国家级高新技术企业近1.5万家，成长出华为、腾讯、大疆科技等一批世界级的创新企业。 

　　当前，深圳正抢抓中国特色社会主义先行示范区和粤港澳大湾区建设“双区驱动”的重大历史机遇，继续深入实施创新驱动发展战略，持续完善基础研究+技术攻关+成果研发+科技金融全过程创新生态链，奋力向竞争力、创新力、影响力卓著的全球标杆城市迈进。 

　　本次论坛主题为“改变世界的新兴科技”，正是以今天为起点，畅想未来十年最可能引领世界产业变革的新兴科技。今天我们非常荣幸邀请到多位在业界多有建树的海内外嘉宾，对“改变世界的新兴科技”具有洞察力和预见力的分享，相信通过他们的分享让我们产生更深的思考、更新的认识和更美好的展望。 

　　最后预祝本次论坛取得圆满成功，祝各位来宾身体健康、工作顺利，谢谢大家。 

　　主持人 王海东： 

　　谢谢徐松明副秘书长，下面我们进入主题演讲，首先是“您好2029”专题。对于政府在制定经济产业政策的时候往往是以十年周期作为单位来进行考量，所以我们不妨对十年后的2029来作一番畅想，最有可能引领世界变革，同时也能够改变世界的新兴科技。这个专题的演讲嘉宾是未来学家、达芬奇研究所创始人兼执行董事长托马斯·弗雷先生。弗雷先生一直秉持这样的观点，了解未来最大的价值是及时发现文化、人口、社会、经济方面的重要变化，并将这些变化转化为可行的商业策略。他通过创建引人入胜的未来世界的场景和概念，不断突破认知极限，革新我们对于未来的思考。朋友们，我们掌声有请托马斯·弗雷先生。 

　　大家上午好！我们讲到未来总是说未来会有什么样的工作岗位会消失，会不会有20亿人口都被机器取代他们的工作岗位，我们是不是要用更快的速度创造工作岗位来满足需求。我引用一句杂志和电视台屡屡提及的话，并不是说对未来有末日的悲观消极的宣告，而是说未来我们怎样看待这个问题。 

　　大家在家里面都会有这个工具来做一些木工，现在我们不再用这个工具，当然还有一些人仍在沿用。这就意味着未来在制作橱窗等设置的时候不再需要由人工来做，我们下载一个移动应用APP，只需要一个非常小的器件就可以做很多的工作。我们现在每天看到应用程序的下载数都是达到几十亿次，非常海量。 

　　所有的行业都会面临这样的发展周期，有高峰、有低谷，从现在展望到未来的一千年，我们身边环绕的行业可能都会在时间的洪流里面被冲走。所以要记得我们现在看到最赚钱的行业可能现在处于下坡路，就是在曲线的右边，可能在未来会消失，而且现在也面临锐减的情况。每一个未来的行业可能都会从一个小而精的行业慢慢发展，茁壮成长，它可能是一些行业的布局、一些行业的细分点，后来才是星星之火可以燎原。所以我想预计一下到2030年可能超过新的10万个小微行业都会得到重新塑造。 

　　我在研究当中也会聚焦在一些行业，比如制鞋业，可能原来的一些上下游行业都会消失。世界上会销售210亿双鞋，每个人可能拥有3双鞋，但是在未来5年其中5%的鞋类都会成为智能的鞋，也就是说会有许多高精尖的技术芯片、微电子镶嵌在里面，有一些鞋子有记录功能，如果有人被绊倒了就会发出SOS的信号。在每一个行业都能够看到，不仅仅是是在鞋类行业，很多行业都面临创新。之前讲到的鞋子，里面有一些记录器，可以记载你的运动，肌肉的收缩、舒张，或者有一些人在攀岩、登山，不同的鞋的设计能够很好地因应人不同的需求，这就是效忠市场。我不知道大家会不会去买这些鞋，这些鞋可以向前迈进，也可以向后倒退，这些鞋完全颠覆了我们原来的认知。如果你是喜欢夜跑的人，你穿的鞋可能要帮你预测天气和路况。如果是在室外进行锻炼的时候，它里面可能有一些照明的装置帮助你照亮前面行进的路径。而这些鞋子的智能性也能够帮助你进行支付，比如每个小时你需要支付多少钱来支付能源费用，这是适合夜跑的鞋子。或者它能够连接周围的照明装置，能够帮你提供照明。 

　　这些微型的企业能够不断成长为大的项目，因为政府可能会担心现在工作不断自动化，还有一些大型的项目，他们如果从小而精的行业不断发展会有什么后果呢？我们看到一些大型的项目，四个桥梁的项目，还有探测星球的项目，这些人类大型的项目我们谈论了几十年，有一些项目取得了进展，包括一些工程类的项目，包括在塞尔维亚，在北美洲和南美洲建立海底的通信渠道，还有在韩国、日本、直布罗陀海峡，再到西班牙、西非大桥的项目，人们都谈论了许久，而对于建立大桥的设想也一直在科学家和工程师讨论的重点。我们看到港珠澳大桥，这是人类的创举，这也颠覆了我们之前的概念，就就像刚才讲到的人类对于横跨大洲、大洋的海上桥梁的设想。我们讲到移民火星，现在火星探测活动如火如荼。如果我们建立一个这样一个交通网络，可能需要几十年的时间才能够建立，所以世界上很多国家都在担心这些技术过于自动化，人类就没有工作。所以他们希望这种项目还是有基础建设的需要，还是需要人去满足这些就业岗位的需要。这也促进政府能够继续进行这些基础设施。另外还有一些岛屿建立之后不会受到飓风或台风的侵袭，如果停电了就能够使用这种备用的能源。还有全球免费的wifi，还有全世界的基因学，能够帮助我们追溯祖先，能够找到人类不同族群的人、不同大洲的人在人种之间找到人类的共同点。还有区块链的基础设施，这就预示着更为广泛的认知了。 

　　我们的社会是向后看，没有足够的高瞻远瞩向前看，总是留恋过去，这是人类的一个弊端。所以我们被困在过去的经验里面。其实我们的所思所想总是被过去的想法所控制，我们会讲到未来怎么样，它们会不会对我们未来的生活有影响。因为我们要向前看，我们希望在展望未来的时候能够基于这些经验进行预判未来是怎样的。未来是来源于我们每个人的想法，来源于我们每个人对未来的构想。有一些人可能会发挥更大的影响力，有一些人可能拥有更大的财富。基于我们对未来的需求，我们会引用一句话，未来其实能够塑造和影响现在。大多数人都觉得今天我们要做的会创造未来，但是从不同的角度出发，我们对于未来的愿景其实就决定了我们今天会采取什么样的行动。这就是最关键的一点，如果我们改变了大家的愿景，对于未来的观感，我们就改变了他们今天的决策。 

　　这就是我的工作，我作为未来研究者的工作，帮助大家重塑对未来的看法，帮助你们改变今天决策的细节。我如果进行决策，比如我要讲什么样的话题，我在大学做了很多研究，包括在大学做了一些课程的讲座，我不想说这个会改变我们的想法，但是没有发生任何作用。如果没有发生任何效果的话，这是我们大多数遇到的情况。所以我会关注到哪些事情越来越多地吸引我们的注意力，比如人们花钱都花到哪里了。跟大家举几个例子，比如特斯拉模型3的车型，现在电动车行业有点混乱，但特斯拉这个模型的电动汽车是人类最成功的电动汽车，很多人都买了这样的车，可能大家之前都没有想过会买这样的车，但现在大家都有在买、都有在用。我们今天所开的车在过去二十年都有研发，我们用120年的时间才能够研发出今天的电动汽车，过去80年当中人们一直都在设计汽车，人们也在围绕着一个核心功能来进行设计，就是驾驶。 

　　我们看到无人汽车的时代，人们就不用再自己来开车了。当我们在设计汽车的时候，我们的关注点不是关注于驾驶本身，他们一直都在研究人跟方向盘、人跟仪表盘之间的关系，这些信息都会在屏幕当中呈现，也会关注汽车其他的功能，关注的都不是驾驶本身这个功能。所以我们必须要问这样的问题，现在的驾驶还是不是以前的驾驶？这个问题非常重要，因为20年之后还会有老师、律师、医生，但是他们所使用的工具可能就千差万别了，我们必须要问这样的问题，20年之后还会不会有同样的工作，20年之后还会不会有同样的职业。这是无人车当下驾驶的情况，大家可以在屏幕上看到，我们在开这个车之前，我们必须要研发一系列的信任体系、可信赖的操作系统。 

　　还有现在大家都需要使用wifi网络，埃隆马斯克有一个太空计划，以及其他的公司希望在太空中发射卫星，这样才能进一步完善全球的网络。现在汽车也成了滚动的数据中心，它们也会相互交流，无人汽车时代会影响我们生活的方方面面，它们的冲击力非常大。在美国每年都会有3.8万人因交通事故而死亡，也会有5000亿美金的损失。世界上最安全的交通形式是航空行业，航空行业节省的事故费用节省了很多医疗费用。 

　　这有一个非常重要的问题，就是什么时候才能够让孩子自己去坐无人驾驶的汽车，如果我有一辆车可以识别家长和老师，，孩子们几岁的时候才可以坐这个车，以及能够坐多久，是30分钟，还是1小时，还有很多问题我们都没有得到答案。我们现在正在进入无人车的时代，有很多新的变化，零售格局就会受影响。比如汽车行业有很多人，他们也在驱动无人驾驶的业务，所以零售业务也会改变。如果我需要在晚上去买东西的话，很有可能我不需要自己去买了，我就让商店自己移动到我家附近，然后我就可以去买我想要的东西。不仅仅是商店的问题，而是涉及到整个业务模式。全球的办公室也会发生改变，我们可以随时随地开移动会议，包括移动烹饪等等，市民都可以随时随地进行烹饪。还有移动理发、移动银行、移动宠物店，还有移动的咖啡店、零售店以及自行车修理店等。所以各行各业都会有很大的格局改变。我们并不是要让人们去店里买东西，而是我们要让这个店迎合人们的需求，我们之前是把人聚集起来，现在可以让办公室靠近人。我们开远程会议的时候也可以有这种远程的自动酒店，这样的话我们就可以在移动的酒店当中，人们可以住这样的酒店，开完会之后这个酒店又会跟着他去其他的城市。我们经常会看到很多大的集市，在未来也会被改变，因为会有不同的格局和不同的人分群。在接下来一二十年当中有多少店会被无人驾驶行业所改变，或者无人驾驶的业务所改变，这是非常大的问题。 

　　我觉得以后每个大学、每个新闻中心、每个警察局、每个农场都会有自己的无人机队伍，他们有这种机队去监测他们的业务当中发生的变化，这是无人机呼叫中心，我们也不知道以后会是什么样子，但是我觉得可能会是这样子的，在这些呼叫中心当中，我们必须要去管控所有在空中飞行的无人机，使用这种机队，它们也会在城市当中建立数字模型，这个数字模型会不断在过程当中改善。这些数字模型到了一个点之后，他们就能够创造一个物理世界的驱动力。我们在搜索的时候，比如说我们想要这样的一个服务，我希望有质感的材料，未来这些东西我们都可以随时随地搜索到。这样的话我们只需要把需求输入到搜索引擎当中，龙卷风已经到了哪里，堵车最严重的是在哪里，城市当中最危险的桥是哪一座。 

　　最后跟大家谈我的五个预测。第一个是搜索引擎在物理世界当中将会得到广泛应用，在2028、2029年的时候就非常普遍了。我们也会在2030年的时候有10亿架无人机在城市中使用，就像鸟一样，我们需要去管控这些无人机。第三个是无人出租车，还有无人驾驶技术将会成为最为颠覆的技术，它对我们的颠覆会比电的发明更具颠覆性。现在的人口非常多了，现在的物流速度也非常快。最后一个预测是在2030年之前世界上最大的互联网公司将会是教育的互联网公司，目前还没有这样的公司出现。教育可以跟互联网进行结合，而且能够非常好地规模化。未来需要我们去谱写，未来并不是我们的重点，未来只是我们旅程的一部分，它在不断地改变。所以在2030年之前，每个人都会有打印的衣服，住在打印的房子里面，快递是由无人机来送的，每个人都是自由职业。我们现在已经获得了史无前例的机会，为什么是史无前例的呢？因为现在人类在接下来20年的改变会比以前历史上的改变都要大。与此同时，我们正在创造出非常多的重要节点，我们的子孙后代他们可能还没有出生，但是他们未来的生活方式是由我们的决策来决定的，因为我们当下决定未来。乔布斯说过，我们现在正在改变着未来，但有的时候我们所做的努力可能都像这样子可能是失败的。这是我最新写的一本书《终极感知》。谢谢。 

　　主持人 王海东： 

　　非常感谢托马斯·弗雷先生的演讲，和我们分享了他对未来的诸多看法。在刚才的演讲中，弗雷先生首先对十年后的行业作出了自己的预测，他认为将会有10万个新的小微行业会被重新塑造，他以制鞋业举例，提出未来智能鞋以及功能的小众市场设计会成为制鞋业非常巨大的变化。而对诸多大型项目，比如桥梁技术的升级，人类移民火型、管道交通、大规模能源充分、全球统一的wifi以及全球区块链基础设施等等。相信对未来这些预测的时候每个人都会有不同的方法，而弗雷先生也把他的心得和我们作了分享，他一反我们现在关于影响未来的常识，提出了未来影响现在，也就是对于未来的愿景将会决定我们今天采取什么样的行动。在这样的基础上，弗雷先生相当于为我们进行了一个关于未来的预测流程演示，他举了驾驶这个案例，驾驶是我们目前最为关注的话题，如何从驾驶的变化到无人驾驶的提出，重写驾驶的定义，再到无人驾驶的出现将会对这个世界的方方面面带来怎样的影响。弗雷先生作了非常详细的解释和说明，也让我们对于他的思考方式有了更加清晰的了解。我们再次以热烈的掌声对托马斯·弗雷先生表示感谢。 

　　接下来进入到“算力革命”的专题，关于这个话题我们将会邀请Arm总裁兼首席运营官格雷厄姆·巴德先生分享，他的演讲主题是“计算的新时代”，掌声有请！ 

　　演讲嘉宾 格雷厄姆·巴德 Arm总裁兼首席运营官： 

　　女士们、先生们，大家早上好！现在我们要改变一个频率，现在我想跟大家分享计算以及半导体会怎样帮助我们实现对于未来的愿景，刚才我们听到未来学家描述了很多对于未来的描述，很高兴今天再次来到深圳，来到高交会。每次看到深圳在科技和其他行业创新不断进步取得的成就，我都非常欣喜。这一系列的创新可能有不同的驱动来源，比如来自于不同的产业资金、创业资金，中国在半导体行业的投资超过了2000亿人民币，这是我们最近听到的一个消息，包括一些大规模的基金进行了第二轮的投资，还有许多工程学高科技人才，他们也在不断提高自身的能力，而这些产学研的结合和对人才梯队的影响，对于未来的发展奠定了坚实的基础。另外就是跟中国伙伴的合作，我们跟中国的合作在过去二十年里面取得了长足进步，我相信这一系列的成就和努力都是基于我们对于一个多样化的人力资源、多样化的思维更好地兼容并包，能够基于一个共同的愿景不断地前进。像Arm这样的公司是一家全球企业，Arm是一个在不同国家和地区都有自己业务足迹的跨国公司。 

　　作为一个全球的公民，我们也发展了许多本地的伙伴，我今天会讲技术的趋势，也会讲到建立合作伙伴的重要性来推动创新。我们在过去30年里面永不停歇，从1990年代计算机的初创公司，再到今天成為全球的企業，我们申请的专利可以用在许多电子化的应用当中，现在我们全球有5000多位工程师设计芯片，我们为市场奠定了很好的根基，会影响未来30年的技术路径和导向。对于我个人而言，我第一次来中国是在1998年的时候，当时Arm是一家非常小的公司，当时它还是默默无闻，我当时参加了一个会议，也进行了演讲，当然规模没有这么大。不过当时我也面临几百位工程师，他们想了解Arm的愿景，他们想了解我们对于创新、知识以及未来在创新方面的布局。从那时候到现在，中国的半导体行业已经经历了许多变化，我们在2002年在上海建立了分公司，在那时就不断加强跟中国伙伴的合作，更好地渗透在中国半导体行业，助力中国半导体行业的发展。而我们基于IP的商业模式也更好地促进创新，现在我们跟中国的合作伙伴关系非常亲密，达到了前所未有的层次。 

　　我现在讲一下跟中国的合作伙伴达到了什么样的规模，就在我演讲的这15分钟里，大概有65万基于Arm技术的芯片都会由我们世界各地的伙伴生产、发货，运输到世界各地。从过去30年的发展，超过100亿个基于Arm技术的芯片得到制造，服务于世界不同的行业。在过去30年当中有很大的比例是在中国生产的。其实很多人都会问这类技术类的问题，在今天早上我们听到未来学家演讲的时候都会思考怎样用技术让我们的行业更具有竞争力、更具有效率，工厂和制造怎样变得更为智能、更为高精尖，城市怎样更为智慧、更为清洁，人类的生活如何更美好、更健康。我们基于这些芯片和硬件的不断提升，回到半导体行业的基石就是IP技术，能够实现芯片里面的组装。在面临瞬息万变的市场需求，我们不能够单单依靠一家公司单打独斗就能够满足全球的需求，需要得到全球合作的格局，能够实现宽泛的创新生态系统，能够实现全球的运营。 

　　另外，为了能够承继过去的研发和的在半导体芯片设计技术的基础，我们要了解未来的市场和技术趋势将何去何从，在未来多年的趋势进行预判，在他们发生之前就能够预判承继过来的技术基础。所以建立跟合作伙伴在设计、生产、开源社区，以及学界的合作伙伴里面建立协作的生态系统很重要。我们觉得一个趋势很激动人心，就是在数字化的数据和实体数据、实体世界相结合，能够给我们带来许多的令人振奋的地方。到了2035年将会有超过1万亿个设备都会由物联网联系起来。而在虚拟系统和实体设备进行连接，无论在线上和公司内部生成的数据都会给我们带来新的见解和洞见，给我们提供新的服务，为我们赋能。它们会覆盖医疗健康、自动驾驶、智慧工厂、智慧城市许许多多的应用。而这些物联网的设备必须能够得到很好的管理，还有联系，才能够提高安全性。而数据能够跟云端进行结合，能够更好地对数据管理提取数据的价值。现在我们也希望能够提供这种能力，能够更好地基于我们的物联网平台实施，物联网不仅仅是数据驱动能力的彰显，我们深信我们处于一个起始点，就是讲到计算的第五波浪潮。我们可以回想一下前四波浪潮，前四波浪潮已经带来了前所未有的变化，包括个人电脑、互联网，以及移动互联网，智能手机的发展。我们讲到第四波计算浪潮就是以数据为驱动的计算，结合了人工智能、物联网和5G技术来实现更高层次的互联互通。如果我们把上述的趋势汇集在一起，今时今日世界新的趋势，能够给我们带来强有力的革新，能够完全颠覆过去的计算能力。 

　　我们讲到数据，这是一个共同的主题，以数据为驱动的计算，我们怎样更好地让这一切变成可能，中国在其中发挥非常重要的角色，比如在中国已经有了超过80万以Arm芯片为基础的5G智能手机真正发货，目前中国的AI芯片市场每年成长50%。这一系列技术的进步都要求应用程序不断地提高它们的性能，并且也会让半导体设备在复杂性上很好地因应这些变化，这需要更为高精尖的研发，更高的性能、更好的处理能力。Arm在过去几年进行了巨大的投入，取保我们能够与时俱进，能够捕捉这一系列技术的进展。同时我们也更好地观察了这一系列的发展，怎么样能够给新的技术市场带来红利。 

　　值得投资的一个标的领域就是在人工智能，过去我们都看到了人工智能在云端里面得到了很好的发展，但是更重要的是AI能够在边缘计算，在计算网络和在设备里面得到很好的应用。我们更聚焦的是AI设备在云端部署的设备发展，它的数目将会不断发展，会达到几十亿，这一系列都是基于AI的赋能，包括智能手机和物联网设备。这些数量的成长也能够很好地彰显AI能够用很有效的方式进行实时的数据处理，生成最新的洞见和数据，将会发生非常重大的力量。但AI功能的部署绝非易事，我们Arm也进行了很多投入，形成了很多新的知识产权，同时我们也会充分考虑怎样建立一个生态系统，基于这个生态系统能够为AI的赋能定立框架。 

　　我们希望能够提高计算的性能，跟我们讲到的混合现实进行结合，以及和虚拟世界的叠加，这可能影响消费行业和零售行业，而这些影响将会非常明显地体现在未来几年。我们觉得很重要的一个趋势，能够帮助我们赋能这些应用，能够基于架构的改变和未来的路线图的设计。我们讲到的这些沉浸式的设备，它们都要取决于生机勃勃的成熟完善的生态系统，才能够更好地进行并行不悖的运行。而这个系统要依靠非常强大和标准的技术，要保持Arm的技术架构能够有很好的技术协同，控制成本，捍卫和秉承这个标准才能够确保这些开发者能够基于这个标准提供设计服务，更好地让设计出来的成品能够上市提高效率。 

　　我开始演讲的时候讲到了一个主题合作伙伴、合作关系，合作伙伴帮助我们加速创新，能够捕捉这些机会，因应未来的发展，我们充分认识到合作伙伴的重要性。最后我要感谢所有我们在中国的合作伙伴，他们的名字展示在这张PPT里面，我们也达成了共识，为什么要坚持合作伙伴关系，因为是互惠互利的，每天都发生着瞬息万变的变化，必须要建立坚实的伙伴关系。现在Arm就是要让我们的合作更加稳定，我们要开发出各种各样的架构，能够让其他的设备生产商能够获得规模增长，比如他们的软件工具、硬件工具和开发平台，我们希望接下来能够进入到最为振奋人心的阶段，他们也会带来新的机会。我们现在正在致力于跟更多的合作伙伴合作，能够带来更多的创新产品，让人们生活得更好、更健康，能够让Arm和中国的合作伙伴都能够获得成功，谢谢。 

　　主持人 王海东： 

　　谢谢巴德先生，巴德先生在刚才演讲中提到了一个词，这个词就是“合作”，他回顾了Arm30年的历程，尤其是回顾了Arm和中国合作方之间至关重要的关系。对于半导体行业，巴德先生进行了这样的描述，它的基石是IDC技术，而和合作伙伴合作的生态系统是目前Arm面临的核心任务，这样的合作是基于物联网设备的运行和管理。在这样的大前提下，今天巴德先生在演讲中为我们明确提出了关于计算的第五次浪潮，它是由三个关键因素组成，这就是物联网、人工智能和5G，他认为这是以数据为驱动的计算，巴德先生对于其中的若干要素进行了详细的解读，这其中包括了数据、物联网和5G如何收集数据，以及通过AI算法如何创造洞见从而为行业赋能。他专门为我们描述了沉浸式数据应用以及其他5G驱动的大数据能力。其次他对于人工智能作出了更加贴切的表述，谈到如何更好地应用AI，在云端布置的设施，未来达到数十亿量级的情况下如何进行有效的AI部署，他也为我们分享了Arm的诸多实践。我们再次向格雷厄姆·巴德先生的观点表示感谢！ 

　　今天上午的话题非常紧密，接下来进入今天上午的第三个话题“AI+ 一切皆有可能”，我们会邀请多位嘉宾展开充分的分享。首先请出的演讲嘉宾是德国哈索-普拉特纳数字工程研究院院长、波茨坦大学数字工程学部主任、德国国家科学工程院院士克里斯托夫·梅内尔先生，他被誉为是德国工业4.0之父，今天他的演讲主题是“机器学习人工智能背后的现实”，掌声有请！ 

　　演讲嘉宾 克里斯托夫·梅内尔 德国哈索-普拉特纳数字工程研究院院长、波茨坦大学数字工程学部主任、德国国家科学工程院院士： 

　　女士们、先生们，今天非常高兴来到这里跟大家打一个来自德国的招呼，我是克里斯托夫·梅内尔，是德国哈索-普拉特纳数字工程研究院的院长，我们主要关注互联网安全以及未来的技术，以及在互联网行业的技术应用。一个德国式的比尔盖茨式人物，哈索-普拉特纳 (SAP的创始人和现任主席) 创建了我们这个机构，有很多学生在我们机构学习，也会跟其他的中国大学合作, 比如南京大学等。我们的目标是希望进行数字化转型，能够推动德国的数字化转型。我们知道有很多创新都是来自于我们的机构，今天不细谈这个。当下我们正在进行一个试点性的项目，我们也有网上的慕课课程，它是德国的课程，但是有很多学校都可以使用这个课程。今天我想跟大家谈的是人工智能的现实。 

　　大家都知道人工智能跟机器学习有关，机器是从数据当中学习，它就像人学习一样，我们看到周边的世界然后会从中学习。计算机就可以看、可以听、可以读、可以感受、也可以理解。为什么人工智能是现在出现？我们之前所做的据测都非常重要，比如我们有大数据，有很多的电子大数据，包括声音、图片等。我觉得它非常大地改变了硬件设备，比如有一些储存的设备和记忆设备，它能够分析大数据，能够实时进行分析，包括云计算。现在很多的开发者都在谈计算力，现在互联网上也有的计算力。我们在人工智能方面也有新的发展，就是深度学习和相应的算法，这些都是我们所开发出来的。现在我们先谈一下大数据，为什么我们需要机器学习。 

　　上面有几个数字，比如大家看到有400小时的视频，每分钟会有400小时长的视频传到youtube网络当中，如果用机器学习这种方式的话，每秒就会创造出10GB的数据，每小时会有350亿个物联网设备收集数据。大家现在都使用智能手机，有5亿人在使用手机，我相信阿里巴巴会收集很多数据。为什么我们觉得机器学习非常难做？这些图片人眼看的话比较简单，比如它是黑的还是浅色的，它是泰迪熊还是可爱的狗，我们希望用机器去回答这些问题，这些问题对人类来说有的时候也不容易回答。 

　　人工智能也会有不同的阶段和不同的形式，人工智能不仅仅是我们去定义的，现在有不同的技术，它们都是人工智能的基础，包括机器学习、表示性学习和深度学习。如果我们回溯历史，我们发现我们是第三次人工智能发展大浪潮了。第一次是上世纪50年代，那时候计算机进入到我们的视野，那时候我们就会想如果计算机可以思考的话是不是可以向人类那样做出行为，是不是可以改变我们的世界。第二次人工智能的浪潮是在上实际九率80年代，当时有很多相应的研究机构都在收集数据，那时候有很多人都会想我们作为人在作决策的时候会有一些原则和法则。我们要把写法则给具体起来，把这些法则放到电脑当中，这样的话机损级是不是就可以跟人一样做决策了。但是后来事实并不是这样子，我们发现在做决策的时候也没有那么多的原则可以遵守，或者说有的时候法则太多了根本就收集不了。第三个阶段是五六年前，当时深度学习非常成功，深度学习我们会发现也是编程的方式，我们会用一个架构，这个架构的运作方式跟我们的大脑非常像，我们有很多的网络，这些小的网络都是相互联系的，这是计算机深度学习的方式。机器跟人的大脑一样，我们需要学习的材料来帮助机器去学习，机器也需要学习，这些都是一些图片的数据集，我们会使用这些图片来训练人工智能或深度计算的算法。我们用图片来训练机器，机器看到这些图片的时候是没有解释的，我们问这个机器图片上是什么，是有人的特征，还是有人的特征，还是说是其他的特征，这些都是机器要解决的。我们发现计算机深度学习网络在识别图片的时候质量也在不断下降，这是它们面临的挑战。 

　　在2015年和2018年的时候有两个领域，一个是深度学习的算法，有时候算法可以超过人脑，另外一个是在图像识别方面。左边是曲线，也就是算法准确度的曲线，还有人的识别准确度的曲线，我们发现机器的准确率已经远超过人类，在其他领域，深度学习运作非常好的就是语音的识别。所以所有的机器人翻译都是基于语音的识别，有时候我们会发现机器出来的结果要比人更好。这是人脑，大家知道人脑会有不同的分区，不同的分区会负责不同的活动，在这边主要是负责识别曲线，之后信息会去到大脑不同的区域，这些曲线会集合起来，包括它们会形成鼻子或者形成嘴，之后这个信息又到了大脑的另一个区域，在这个区域当中，我们又把鼻子加上去，加到脸上，机器才能识别别人的脸。这就是我们最大程度的认知，它可能想起昨天的所见所闻。 

　　我们的AI也是卷积式的认识网络，在某一个神经节点代表着不同的算力，或者是加法、乘法，就是信息对加减乘除的处理，在卷积后面有一个结果能够解释这个形象人脑会给它加一个字幕在下面，就是对它进行描述和画像，去了解它在这个网络里面有什么样的指证。第一级别是看到颜色，第二级别是看到不同的内容，就是基于颜色有更高级别的认知，更上一级能够看到有不同的物体，最后你就能够对它有一个总体的画像和认知，到了最高级别你就知道它是什么，就是对它有一个抽象，在你的脑袋里面有一个抽象的萃取，这就是我们对卷积层级网络的回顾。 

　　基于我们对它的架构分析，基于卷积网络，能够更好地萃取不同层级的信息产出一个结果，用更加精准的方法达到产出的结果。这里我给大家举一个例子，汽车是怎样在街上进行行驶证、进行判定。这里面我给大家展示一个原理图，在右上脚，这是一个卷积网络，在这里面它得到了微调，会微调来集合它的学习目标，能够基于不同的节点建立起来。在这里面看到信息不问上升或信号不断衰减，或者信号不断增强，这个网络也会进行调整，进行流量的处理，这都是基于不同神经节点的联系。可以看到这里面汽车启动了，如果它不能捕捉这个线路的话就会发生碰撞。当这个汽车可以自主学习的时候，网络可以被训练，汽车的自动驾驶系统可以被训练，能够让汽车知道怎么做下一步的决策，不会发生碰撞。因此需要一系列的学习成果的生成才能进行这个系统的训练，这个车的系统得到训练之后，才可以进行下一步碰撞的测试。每一次尝试无论是成功还是失败，这个网络都会重新得到构建，参数不断变化，因为周围的环境不断变化。这就是通过变化的环境不断收取变化的信号，无论是增强还是衰减。对于这些颜色的认知，颜色是加深了，就是对它进行算法的处理，哪些信息是有用的，哪些是可以过滤的。可以看到最后经过训练之后，这个汽车越来越聪明，越来越知道怎么样识别网络里面需要它注意的东西。就像我刚才讲到的，这已经是14次迭代，经过14次卷积网络的迭代之后，汽车就知道了怎样应对这个路况。这很好地说明了深度学习架构可以怎么样被训练。这里描述了这个训练的过程，没有撞对不对。这个汽车一往无前地沿着个路径行驶，可以看到这个绿色的车自控性非常好、非常简单，能够通过多轮的需要和训练，经过不同的计算网络的运力和卷积网络适应更加复杂的架构和网络。 

　　我们在开发这一系列人工智能应用的时候，我们会考虑不同的框架，包括非常著名的在大学里面进行产学研结合研发出来的框架，能够基于这些框架进行自身的应用程序的研发，使用卷积网络架构来做到这一点。这一系列的AI可以应用到哪些领域呢？我们是否已经蓄势待发把它用在一些具体的场景里面。我刚才讲到了语音识别，包括在社交媒体零售里面的聊天机器人。我跟大家分享一个故事，就是有一些人会打客服中心，可以看到客服中心的人越来越礼貌、越来越耐心，如果你通过电话拨入，它们会非常耐心，为什么这些客服会这么耐心礼貌？因为它们是客服机器人，而不是真正由人类来做。包括AI也可以应用在自动驾驶之上，这是我们的机构所研究的动向，我们进行了语义识别，使用大规模的网上课程，包吸引了450万名线上的学习者。我们希望能够把这些语义和文本，也就是老师的讲课能够进行自然语言的识别进行字母的翻译，能够吸引不同国家的学习者。所以有图像、有文本，我们可以使用这些自然语言识别来翻译帮助线上的学习者学习，让他们能够自动地了解这些文本的含义，这对于AI的应用来说是非常重要的进步。我们已经很好地把AI和深度学习结合在一起。另外就是医疗影像社别，一般人看不懂医学影像，但是机损级可以帮助我们了解和阐释这些医学影像会带来什么结果或病症。这就是基于卷积网络、层级网络能够帮助我们做到的事情。这些使用AI来做，帮助我们节省能源，可以训练机器，而不是训练人。所以我们如果没有很好地进行训练，就不能大规模展开，所以我们需要找到更好的方法进行人工智能深度学习的网络更好地对结果产出有一个精准的预测。能够基于我们有限的资源去做。我们觉得二元网络可以帮助我们做到这点，我们发明了多媒体自动化分析，可以使用在很多领域，包括医疗健康领域，对医学影像进行分析，对于CT/PTE扫描以及超声波仪器进行报告和分析，这样就能帮助主治医生进行判断。这是脑肿瘤的识别，能够识别里面的病灶。我们通过机器学习和人工智能的识别更好地进行判定，而不需要过于人工的干预，能够让个机器罗列人的病症和原因，作为辅佐人类的手段。另外是在心脏疾病的应用，中国在这方面的研究已经非常领先了，把二元神经网络用在实际的应用场景。尤其是在能源领域的应用使得温室气体排放，使得全球气候变暖，所以我们在机器运转的时候要注重生态友好。德国有一句话是绿色IT，我们要评估这些机器不是说它们的功劳有多大，而是能耗是不是非常友好的机器或仪器。 

　　我们设计了一系列的网络，这个网络并不是我们之前讲到的现在的深度学习网络所拥有的，但它是基于深度学习的网络迭代而来的。我们刚才讲到的二元神经网络，包括数学逻辑的分析，还有其他非常复杂的一套生态系统，也有其他多重的应用。 

　　最后我想总结一下，在哈索-普拉特纳数字工程研究院，我们可以记住我们这个研究院的名字，我们学院一直希望能够更好地收集数据进行研究。AI也能够应用在艺术另面，这是我们的办公楼，你能够看到这是研究所主要的楼宇，但是我们希望以油画的滤镜效果来呈现，这是梵高的星空图，如果我们把这个星空图结合到我们实际的大楼里面，就有了以下的效果。其实并不是那么容易，就像换一个滤镜一样，我们只要训练了这个网络，并且有很好的输入，输入原来的艺术作品，同时输入梵高的艺术作品的参数，结合这两个照片，网络会自动学习这个艺术照片和这个照片之间会有什么样的联系，可以看到可以应用到其他照片的再创造里面。谢谢大家的聆听。 

　　主持人 王海东： 

　　谢谢梅内尔先生的精彩分享，机器学习这个词在座的各位都不陌生，这也是这几年特别流行的一个词，但是何谓机器学习，在机器学习的训练和探索中到底有着怎样诸多的挑战等待科学家一一解决呢？刚才梅内尔教授的演讲为我们透露了很多重要而且有趣的信息，对于机器学习是人工智能的关键，核心是从数据当中学习。如何进行机器学习的训练，科学家们一直有着自己诸多的尝试，但也并不是每次都成功，比如人的法则到底是否适用于计算机，在这里教授也跟我们谈起了在这方面他们做的有趣尝试。深度学习是机器学习的核心，因为它的运作架构与人脑相像，学习材料是至关重要的。教授告诉我们在图像识别和语音识别方面，机器都已经表现得越来越好。对于机器认知的不同层级，教授给了我们非常详细的分析，从卷积层级到不同的开发框架都有着详细的阐述。我们再次向梅内尔教授的精彩分享表达感谢。 

　　    接下来要请出的演讲嘉宾是华为高级副总裁、Cloud&AI产品与服务CTO张顺茂先生，张顺茂先生1992年加入华为，曾经担任过多个管理层职位，他今天的演讲主题是“昇腾万里，力算未来”，掌声有请。 

　　演讲嘉宾 张顺茂 华为高级副总裁、Cloud&AI产品与服务CTO： 

　　我的演讲题目，力算未来很容易理解，AI、人工智能、机器学习，层数越来越多，152层也不是最多的层数，只有学习的神经元网络越深的时候，最后的精度才会越好，自动驾驶也好，人脸识别、文字识别才会达到必须好的结果。层数越多，算力就要越强，所以叫力算未来。为了叫昇腾万里呢？接下来请听我的报告。 

　　这些是我们在真实场景中的应用，机器人因为使用了AI之后做的垃圾分类，我们看到机器人通过机器学习之后可以自动分拣出不同的垃圾，玻璃瓶、塑料袋、罐头。机器人通过学习可以分拣出不同的垃圾，垃圾分类靠人是很困难的，通过机器学习可以更高效地解决问题。这是第二个案例，也是用AI来提升和改进我们的工作，这是在深圳南方电网的真实案例，高压电线是需要巡检的，一旦出了问题危险很大，就需要工人爬上电线杆去巡检，我们怎么把这个工作用机器来代替？我们就用无人机，无人机上加装了高清摄像机之后，无人机沿着高压电线飞行，检测高压电线上任何可能出现的问题。无人机上装配了高请摄像机和AI，还有一个3D的电子地图，这样无人机的飞行也会很安全，不会撞到电线上去。同时无人机可以检测到故障的类型可以通过学习不断增加，我们把软件和AI的硬件推理做了分离，我们可以把软件下载到无人机上，让无人机具有不同的技能，能够看到不同的质量漏洞。第三个案例是热带雨林的“新声机”，可以检测到森林里面不同的声音，比如电锯的声音、汽车通过的声音，这些人可能在盗伐森林的木头。这么大的森林我们怎么检测呢？靠人工肯定是不现实的，一样可以通过AI的技术来解决，甚至可以监听到不同动物的声音是正常的声音，还是生病或掉到陷阱里的的呼救声，可以拯救稀有的动物。 

　　通过这三个案例可以看到AI已经超越了传统的信息化工具、支撑系统。各行各业都在做信息化工作，但很大程度上信息化只是作为工具或支撑系统，而没有进入到生产系统。这是AI技术真正成为了我们的生产力，进入到了工业装备领域，成为了基本的生产力，改变了各行各业的生产方式。AI技术对各行各业来说是一次真正的生产力的革命。第一个趋势是AI成为真正的生产力。 

　　第二个趋势是算力，也就是我们说的一个人聪不聪明，这取决于人的学习能力，AI也需要有算力才能决定它的学习能力，人脑有800亿个神经元网络，AI的能力、芯片的能力能够做到多少呢？AI很大程度上还不能够替代人脑，算力还不是足够强大，功耗还比较高，也没有我们人脑的功秏低。算力的大小决定了生产力的大小，我们也可以看到谷歌全球发表的论文数量越来越多，跟他有强大的谷歌云算力是分不开的，他能够很快地算出难题的结果，尤其是在大数据出现的情况下，大量的数据会出现，从这大量的数据里面要洞察到什么，这就需要算力。 

　　第三个趋势，算力不仅仅是在数据中心，算力将无处不在，从云到边，到端，甚至端侧的芯片，Arm的芯片，应用的片数比中心侧要多几百倍，目前有200多亿Arm的芯片，包括华为麒麟这样的芯片。同时我们看到端侧的算力会越来越多，边缘侧的部署也越来越丰富。云、边、端的计算，如果有同样架构的话会有更高的效率提升，在边侧规模小一点，要快一点，时间短一点，更复杂的问题到中心侧去进行计算。 

　　第四个趋势，AI正在成为人类脑力的延伸，助力人类突破空间、时间、表象局限。比如很多的作业一定要到现场，现在5G来了之后，借助AI就可以不到现场，在远程就可以进行很多的工作。大家也看到很多报道，远程医疗、远程教育、远程控制，比如一些比较危险的矿山，作业比较困难的场合就可以无人驾驶，在远端来进行控制。突破时间限制，远古时代的文字我们不懂，但是可以通过AI学习自动翻译给我们。突破表象，一些表面的现象通过大数据分析能够洞察到数据底层更深层次的问题。 

　　第五个趋势，AI是很好的技术，但任何一个技术或工具都会有这样的问题，用在不适当的地方就会有负作用，AI涉及到大量的数据，这就涉及到大家所关注的安全和隐私保护是非常大的威胁。在这方面，技术怎么处理这个问题，这个问题已经变得越来越严峻，比如说我们现在都习惯了移动支付，移动支付的时候怎么证明你是你，有可能我们要在电话那一端听你说话，通过视频看你的照片，让你说几句话，动一下，即使这样也有可能是假的，电话那端可能是另外一个人用了你的声音，模拟产生了你说话的声音。你在视频里面看到的是你朋友的图像，其实不是，他可能是截取了你朋友的图像，而且会动，这都是表象，这已经成为了现实的威胁，怎么解决这些问题。 

　　我们看到AI巨大的价值和作用，很多年前我们就开始研究这个技术，这几年我们不断发布新的芯片，最重要的在AI方面的芯片就是昇腾处理器，这个芯片给我们提供了强大的训练、学习、推理的算力，它为什么有这么强大的算力呢？它用到了达芬奇架构，通常的神经元网络的计算都是用向量计算、矢量计算，在这个基础上我们引入了矩阵计算，规模可大可小，规模大的时候可以在云端，规模小的时候可以部署到端侧。鲲鹏处理器是我们今年发布的通用计算处理器，用于通用的计算能力。今年我们也发布了全球最快的AI训练集群叫Atlas 900，全球有一个标准测试机ResNet，我们达到了全球第一的算力水平，不到1分钟就可以运算出结果来，我们看一下案例它到底有多快。这是南半球的星空，在星空上有20万个星星，我们要从中找出某一个特征的星星，怎么找。也就是用华为Atlas 900训练的集群，我们可以让机器在10秒钟内完成任务，之前的算力要用半年160多天的时间才可以找到，现在10秒钟就可以找到。这表现了AI算力的强大，它是有多么快。 

　　刚才也提到了AI的隐私和威胁问题，我们最近发布了白皮书，《睿思于前：AI的安全和隐私保护》，发布了华为在安全和隐私保护治理方面的实践，共同治理这个问题的方法。我们也很自豪地看到国家科技部宣布由华为来担纲建设基础软硬件国家新一代AI开放创新平台，就是基于昇腾处理器、达芬奇架构的系列解决方案，包括硬件、基础软件，MindSpore计算框架，面向开发者的开发平台，广大的开发者可以基于这个软硬件平台很方便地开发出你自己场景下的模型和应用以及算法等，并且作为国家的基础开放创新平台，在深圳的鹏城实验室开始进行部署。同时为了帮助各行各业的开发者能够基于这个平台会用、善用，了解它、支持它、熟悉它，我们也发布了一个“沃土计划，提供15亿美元的资金来在全球发展500万的开发者，这些开发者包括企业开发者、个人开发者、创业公司，也包括学校的学生，从学校期间就开始学习昇腾、学习鲲鹏技术。我们有一个真实的案例NTTDATA，日本的公司，系统集成能力非常强，他就基于华为云上的HiLens机器视觉服务打造了一个智慧汽车4S店解决方案，这个4S店就是数字化的4S店，当客户走到店里就可以分析出客户的特征，知道是谁来了，也可以知道他过去在4S店里面有什么样的体验，包括在这个过程中他的表情是高兴的，还是不高兴，还是着急、烦躁，可以让4S店的工作人员给顾客提供更贴切的服务，我们看一下个视频。这是我们在AI方面诸多的开发套件中的一个例子，实际上我们在全球有很多这样的开发者基于华为的平台做他们自己的创新解决方案的开发，明年就在这个地方，2月11日，我们也会在会展中心召开一个面向全球的开发者大会，我们将会开放共享更多的技术让广大开发者使用，欢迎大家前来参加，谢谢大家。 

　　主持人 王海东： 

　　谢谢张顺茂先生，张顺茂一开始为我们举了三个案例，关于人工智能的应用，第一个是垃圾分类、第二个是国家电网AI巡检使效率提高了80倍，第三个是通过热带雨林的声音检索实现雨林的保护，这三个案例远远超出了我们对AI应用一般的认知，比如垃圾分类，目前很多市民自己还没有解决这个问题，AI居然可以帮我们做这件事情。又比如说雨林保护，通过声音的检索来完成，这需要技术，也需要很多的想象力。在案例之后，张顺茂先生提及了华为对于AI发展的诸多观点，包括AI已经不再仅仅是工具和支撑系统，它已经成为了基本生产力，算力的大小将会决定生产力的大小，它的计算将会是无处不在的，它会成为人脑的延伸，助我们突破各类极限，而安全和隐私保护是AI发展最大的瓶颈。接下来张顺茂也为我们介绍了华为在这方面的诸多成功实践。我们再次掌声向张顺茂先生表示感谢。 

　　    接下来的演讲嘉宾是百度副总裁、百度智能云事业群组总经理尹世明先生，他的演讲主题是“AI工业化，未来已来”，掌声有请。 

　　演讲嘉宾 尹世明 百度副总裁、百度智能云事业群组总经理： 

　　感谢主持人，非常高兴能来这边作介绍。我今天的主题是“AI工业化，未来已来”，AI是很热的一个词，百度在这个领域也做了一些工作。我在2016年加入百度，到2019年11月份我们提出一个想法叫“ABC”，就希望把算力、数据、算法统一成一个技术站，这点是非常有前瞻性的，现在ABC被业界主流的公司所接纳。这是我们过去三年主要的工作，把ABC统一起来。现在我们做一个新的工作，希望把人工智能工业化，什么叫工业化？工业化的核心是它能用起来，能够规模化。规模化的概念等会儿我会强调一下，这里面包括算力获取的规模化和便利化，包括数据的规模化和工业化。这里面包括算法生产的工业化，算法当前来看还不是那么容易生产。到2025年之后我们认为全面人工智能化。 

　　要实现AI的工业化是第四次工业革命里面最核心的一点，算力获取要实现工业化，算力的获取不仅是有强大的算力，另外一点能够按需供给算力。所以从端到边缘，到云这三个层级，现在的算力基本是分离的。未来很有可能这个算力是肯定的，算力的调度将会自动发生。你无论在任何时候需要算力的时候像电网提供电力一样给你提供算力。算力获取的变化是端边云一体的融合算力的获取，这是非常重要的未来趋势。 

　　数据冶炼的工业化，什么叫数据冶炼？人工智能有很多工作最开始是人工完成的，无人车在前面运行，但现在无人车要进行大量的，百度在山西太原建立了全国最大的数据标注中心，我们对各种各样的数据进行标注。曾经有一个项目调动了众包资源30万人，30万人对数据进行标注和相关数据的获取，这是非常了不起的规模化的能力。只有这样的能力才能使数据真正被很快地变为知识和算法。包括数据管理的规定化，包括大数据管理和大数据萃取的能力。 

　　模型算法生成的工业化，算法如果纯粹是算法工程师的手工活的话，这是很危险的。我们正在做的一件事情，我们在2017年开始把算法生成的过程萃取为模型工厂，模型工厂把现有的模型放到里面去，别人做简单的训练和加工可以变成他自定义的模型。这点是我们希望日后能够实现模型工业化的生产。 

　　从2019年提出ABC，到现在我们提出的方向算力工业化、数据工业化、算法工业化，人工智能解决方案的工业化，人工智能解决方案现在是很难被工业化的，因为算法是依赖于非常烦琐的训练和标注，这还没有完全解决，但如果能实现前面说的三个工业化，人工智能解决方案的工业化就成为可能。 

　　百度把我们在AI领域这么多年的积累从底层的基础设施开始，算力的提供，到通用工程平台、大数据平台、人工智能平台，到百度大脑，深度学习、机器学习、感知和认知层两层的模型，提供垂直场景的应用，最后形成产业生态。这个架构之下，我们来看看一个数字人的新应用，如果大家参加今年7月3日我们在北京举行的AI开发者大会，我们和浦发银行推出了金融数字员工，我们来看一看。大家可以看到这里面已经有各种各样的数字人了，而且口形的对应和声音的合成已经匹配在一起了，它的能力可以自动应答正常的服务。仅仅是声音和嘴唇只是模拟的动画，你在问它问题的时候，如果你要问理财产品，完全可以实现应答如流，它把每个员工的知识贯穿到这个数字人里面去的，这是非常有意思的。我们可以预见到未来几年里面，会有大量的数字员工进入到实际的工业生产里面去，服务行业是首当其冲的。 

　　我们再来看另外一个案例，中国是制造业大国，有大量的制造业需求，举个例子，中国有300万的人在做用眼睛来看产品质量，叫质检，这是非常烦琐的。现在通过计算机视觉可以完全替代这个，我们看一个实际的工厂应用，实现了边、云、端算力的统一调度，然后把算法分发下去，可以使一个工厂同时监控几十个车间，如果属于不同的外包商也是可以的。精研科技是一家上市公司，它的车间里面是大量年轻的女工，刚才看到的是生产线，生产线上所有的女工是用放大镜来看相关的产品质量，随后我们通过计算机视觉完全可以匹配好光学设备，一个照相机镜头下去可以12面同时照下来，然后进行测算。这点对中国工业的进步是非常重要的。大家可能不太了解，今天我们中国的制造业也面临成本提升的现状，如果没有替代手段的话，这些产业有可能会挪到越南去。但有这样的情况的话，我们可以很好地把这些产业保留在国内。 

　　智能城市，包括智能城管、智能运行监测，这些案例只有在三个工业化之后能够实现非常好的规模化应用。我们来看核心点在哪里，人工智能一定会推动第四次工业革命，这是确定无疑的，但如果要实现工业化的话就要实现算力的工业化，数据冶炼，就像石油一样，最后是算法生成的工业化，这三者如果能够实现工业化的话，人工智能将会完全摆脱现在的阶段，这个阶段是准项目制或准实验室类似的阶段。 

　　AI是非常宏大的命题，我们也希望百度在里面做一些工作，能够把AI落到实际的工业应用里面去，它本身要实现工业化的运作。感谢大家的聆听，谢谢大家。 

　　主持人 王海东： 

　　谢谢尹世明先生，对于AI演进的过程尹世明提出，从2016年到2019年是AI基础设施建设的阶段，从2019年到2025年是AI工业化的阶段，这是非常有趣的新概念，而从2025年到未来将是全面人工智能的阶段。到底何谓AI的工业化呢？尹总为我们作了非常详细的描述，它是算力获取的工业化、数据冶炼的工业化以及模型算法生产的工业化，从而会合起来成为解决方案的工业化。这是一个非常有趣的观点，而且我们注意到数据冶炼的核心是放到了山西，这个自古以来的冶炼大省，即便在新时代也没有办法改变它冶炼的命运。第三个尹总为我们介绍了百度在AI工业化方面诸多有趣的实践，这其中包括服务行业的数字人，包括智能质检，也包括智能城市。我们再次掌声感谢尹世明先生。 

　　接下来是一个大家特别关心的话题，一方面我们将会看到现代科技如何在诸多的民生项目中落地，另一方面这个民生项目和我们目前的生活息息相关。接下来要请出的演讲嘉宾是湖南唐人神集团股份有限公司董事长陶一山先生，他的演讲主题是“TRS智能养猪系统六大技术项目规划与实施”，掌声有请。　　

　　演讲嘉宾 陶一山 湖南唐人神集团股份有限公司董事： 

　　非常高兴今天有这个机会，因为当前最大的热点就是为什么猪肉这么贵，如果讲去年猪还是有5块钱的毛猪，现在涨到20块钱了，猪的价格飞起来了，最近香港不太安宁，说猪太贵了，卖100多块钱，说猪吃不起了，国内的老百姓也说猪肉变成了奢侈品了，原来是很便宜的东西。我今天这个话题也非常有趣，就是人工智能一切皆有可能，我的题目是当养猪碰上了人工智能，我不知道是怎样的结果，我从事这个行当33年了，小时候我妈说不好好读书你就养猪去，现在我跟我妈讲现在养猪发财了，如果我当初不去养猪可能还没这个机会。养猪这个行当是很古老的，几千年，但是人工智能、5G、大数据、区块链这些东西好像跟养猪不太关联，如果把传统的产业和现代的人工智能结合起来，使它的价格下降、品质提高，也就是创造价值，让我们享受人工智能带来新的生活品位，不仅仅是数量，更重要的是品质，也符合大消费时代升级的需求。所以我今天的题目是关于人工智能我们自己设计了六大技术，很多年前我们听过猪脸识别，就是人脸识别怎么在猪脸识别上的应用引起了大家的兴趣，大家可能会问猪脸识别干什么事，我认为其实就是炒作，人工智能在猪脸识别只有1%的应用，没有什么大的作用，就是猪不高兴了，你要识别它干什么。 

　　我这几年的思考，第一个是从智能养猪项目的开发背景，当养猪碰上人工智能，我们怎么思考。第二个智能养猪有六大技术值得我们研究。第三个关于智能养猪项目的价值目标。一切都是从创造价值出发，而不是玩一个噱头或黑科技。 

　　为什么猪价贵，主要是非洲猪瘟摧毁了1/3的产能，中国的猪肉是5400万吨，少了2000万吨猪肉，还有环保拆违，所有的都不喜欢猪，再加上猪周期，三个因素叠加在一起，所以多年不提的猪粮安天下，国务院连续发了十几个文件，省长、市长不养猪，追究你的责任，变成了这样的行为。中国有7亿头猪，怎么恢复？是不是再简单地去养？正好人工智能时代来了，这个机遇就是5G时代，大数据、云计算、生物工程、人工智能在畜牧养殖业的应用，实现畜牧行业继机械化、信息化后的第三次伟大革命，引领行业发展新风向。但目前智能养殖技术仍存在系统性不强，标准不统一，数据自动采集难，互联互享较差，模型、算法难以精准等问题，特别在智能健康评估、遗传育种智能选育、智能远程诊断、饲料营养智能分析、智能养猪、系统管理等方面进行突破。 

　　有几个思考，湖南株洲是高铁之乡，为什么中国70年汽车没有做成功，而高铁短短几十年搞成功了？中国的高铁技术的解码主要是走了管理集成创新和技术集成创新的思路，而不是单一地模仿或者用市场来换技术，我们的汽车市场都没有成功，这个值得我们思考。第二个5G技术为什么美国没有突破？中美贸易战，华为为什么把5G突破了，现在还搞6G的布局？主要是他们崇尚技术、尊重人才、持续投入、合作开发，所以能引领全球。第三个中国是世界上最大养猪大国，全世界的猪一半在中国，中国的养猪业能否借助中国高铁发展的模式引领世界的养猪水平。现在我们很多种猪全是引进的，我们的技术是很落后的。结论是完全可以走中国高铁的养猪产业升级道路，而不是简单的数量恢复。难点是谁来做管理集成与技术集成的平台牵引人？过去搞很多东西都是由政府牵头的，政府牵头来养猪，农业部也搞过，但是没有搞起来。协会也不行，院士要发文章，企业也没有这个权威性。 

　　我们首先要探寻行动，初步找到智能养猪的六大技术，同时找到国内的顶级专家，8月21日召开了开题会，我作为一个架构师集成，成立了六个项目组。我们选定六大技术的原则首先是从陷阱场景找方向，从顾客痛点找路径，从商业价值找项目。依据这些原则，这六个项目基本上就找到了路径。比如健康养猪首先是在人工智能数据采集、建模，不断地完善这个模型。遗传育种也是一样，把最好吃的猪留下来。营养也是这样的思路。猪场的人工智能，还有远程诊断，非洲猪瘟不能去了，利用机器人在远程下单。还有猪场管理技术，主要是训练这些人对基于人工智能的管理，这也是非常重要的技术。第一个是养猪效益指标，每公斤增重成本，每头猪产多少肉，每头猪产多少钱，这是人工智能重要的方向。第二个是猪肉的品质。第三个是社会效益，我们养猪能够给农民致富，猪、人、环境能够和谐环境，不要给环境造成污染。这是项目合伙、相互赋能、共建共享、实现共赢。希望大家一起帮我们献计献策，完成中国对世界养猪业的贡献，谢谢大家。 

　　主持人 王海东： 

　　谢谢陶一山先生，如何在传统行业中挖掘AI生产力的潜力，今天我们聆听了陶一山先生精彩的分享。接下来要请出的演讲嘉宾是微软（中国）首席技术官韦青先生，他的演讲主题是“落地——技术的终极使命”，掌声有请。 

　　演讲嘉宾 韦青 微软（中国）首席技术官： 

　　各位来宾，大家中午好，很高兴今天有机会跟大家交流，刚才几位专家讲了关于AI技术的发展，刚才陶先生讲的一点非常重要，技术再怎么发展，它必须要落地，必须要跟实际的场景、社会的痛点和发展的机会结合在一起。今天我的话题讲什么呢？想从一个更加抽象的角度，我们现在提了很多技术，也知道有很多痛点，但是以我们自己在工作体验中发现，很多企业面临最大的痛点是落不了地，不知道怎么落地。这里面有一个很大的问题，无论是什么技术，我这里写的IT、CT、OT，IT是信息技术，CT是通讯技术，OT是运维技术，IT代表的是现在的高科技信息企业，CT像华为，但华为已经完全做到了IT和CT的融合，还有OT，刚才德国院士讲的智能制造差不多是IT和OT的融合。 

　　为什么说是IT、CT、OT融合在一起呢？现在每个行业都面临机会，但也是挑战，要理解我们过去所理解的，把IT放在一边，把通讯或者把制造单独来看，这个时代已经完全过去了，一会儿我会有具体的案例跟大家分享。我们第一步就要想到我们的很多转型改革是不是还在做我公司不管做什么，做物流，做制造，做通讯的，说我们成立一个IT部门，或者收购一个初创的IT企业，让他们来帮我们实现数字化转型，这种方法是非常危险的。 

　　在进入正题之前，我想跟大家讲一下，首先我想声明三点，第一一定要认识到范式变化，如果范式思维不转变的话，我们想理解未来是怎么样，想理解如何利用不管是AI技术，IoT物联网技术还是通讯技术的话，很可能会走弯路，小的对个人来讲面临着投入了很多个人的时间成本去学习新东西，结果老是赶不上时代潮流，很多人都有的体会，我们已经很辛苦了，我们也学了很多东西，但很多人都有这种感觉，赶不上时代潮流。但我想跟大家很客观地讲一下，现在说的所有技术，不管是AI，还是区块链、5G、物联网，在过去三四十年，那些科学家早就说完了，但我们为什么还觉得是新的呢？在业内现在谈的问题，在人类过去50年做的一件事就是把百年前的科学家就已经预判好的未来是什么样的，我们是把它实现了。像早上未来学家托马斯·弗雷讲的我们要往未来看，其实现在看的未来，我们要做什么呢？我们要把它实现。就像我们现在看的技术，其实在四五十年前早就被那些科学家预言好了。第二个很多人喜欢找答案，在剧变的时代是没有答案的时代，如果我们考试习惯给我标准答案，告诉我怎么做，如果这个念头不转变的话，在剧变的时代是没有答案的，你要去试出来的。第三个产生的一定，一定是实践出真知。 

　　这样的话，我们总结两个方法论，这是抽象在所有的行业之外，只要做的话都是不能靠看书，不能靠看一些论文就能够实现，那些能给你提供一些借鉴，但必须要实操。在实操过程中马上就有一个问题了，我们现在所有的技术，古人讲一阴一阳之谓道，所有的事情不管多好，一定有它的正面和负面。我们做项目顾问的时候跟客户讲，无论多么好的一件事情，如果你不能预先评判出的负面因素的话，这件事情的正面价值就无法得到充分发挥。同样，无论是多么负面的一件事情，如果你不能理解它有正面价值的话，那这个负面的因素你也无法最高效地避免。什么叫知其雄，但是要守其雌，比如AI，在五六年前很火的AI大师，大家很不好意思是说自己是做AI的，一般说做机器学习，或者说做算法的，或者干脆说自己是做自动化的。现在的这些技术跟AI没什么关系，本身在英文语境中artificial就不是一个非常正面的词，人造香精、人造色素前面用的A都是artificial，很多学术论文都是在过去两三年才开始大量用AI，原来大家是比较客观地用机器学习或深度学习，一加了A之后，这跟人有关系吗？没关系，就是机器的能力。既然是机器的能力，人这种动物在过去几千年、上万年，我们跟其他动物最大的区别就是我们善用工具。也就是AI来了之后，或者机器学习来了之后，我们压根就不会觉得它有多么神秘，它就是一个函数，函数是什么特点？你放进去一些变量出一个结果，现在的人工智能不就是这样嘛。理解这个道理之后，我们就能知道这东西不是有多么神奇，能够代替人，而是让我这个人、这个公司、这个国家的生产率提高、效率提高、成本下降、用户满意度提高，这是它的本质。但是它有不好的地方，比如它用到了军事上面，用到了其实需要人来控制的事情，而没有把握到最后一步要不要走。我在美国的一个同事，原来在微软，他后来出去创业了，他跟我说我是真正体会到什么叫最后一步还是要留给人去做。什么意思？就是机器能够帮助你很多事情，但是最后不要忘记，我们是生活在一个人的时代，我们是跟人打交道。在这种情况下，机器帮你把很多事情都简化了，效率提高之后，最后的享受一定要人去做，如果人不去做件事情的话，那人跟一头猪有什么关系呢，变成一样的了。 

　　AI到底能做什么？虽然约定俗成，我今天还是用AI这个词，但大家脑子里要明白它就是一个机器的能力，跟人的关系是微乎其微的，它更多的是机器的特点，但是它仿真人的能力。明白这个道理之后，我们再做决策的时候就能够比较精确地把握到人做什么、机器做什么。AI到底能做什么呢？边缘计算为什么会火起来？末梢计算、终端计算，刚才华为、百度的朋友讲了云、边、端，把人的能力抽象到物理世界，然后物理世界跟数字世界的融合。但是就算把答案告诉你了，真正要实现起来难上加难，为什么呢？有太多的打嘴炮，你一实干就发现了机器学习真的没有大家想象的那么神奇，就像刚才说的要用很多人去打标注，30万人打标注。 

　　我们今天讲5G，更精确的应该讲NG，现在6G也出来了，我前面写过一篇文章《5G与亚里士多德》，5G只是漫漫长河中的一个G而已，它本身不应该那么神奇，就不会过多地局限在拿那个数来走，5一定比6差，6一定比5好？不是这个概念。现在的物理世界的极限早就到了，只要香农定律不能改变的话，传输的信号和频率、信噪比早就固化好了，无论是制造还是通讯，大部分是借鉴过去几十年IT行业的经验，就是虚拟化、原子化，然后再软件定义一切。技术是拿来用的，不是拿来吹的，更不是拿来炒的。 

　　本体论、知识论、方法论，这才是这个时代每个人要重新去审视的，这个世界到底是变成什么世界，这个世界变成什么世界呢？有一个词叫CPS或者赛博时代，不管怎么样，一定是物理世界和数字世界结合的世界。知识的获取和方法论都是不一样的。如果我们真的能把人的身体搞明白的话就全懂了，人是一个100瓦左右的发电机，我们吃的碳水化合物和吸的氧气在人体内发生化学反应，产生能量，产生离子，产生电力，我们的心为什么会跳？就是因为放电了。明白了这个之后，大家带回去一个问题，你们今天有没有真正看到我和听到我？其实你根本就没有看到我、也没有听到我，你的视网膜、视感细胞是把光子转化成电子，产生神经冲动，传导到大脑，然后进行计算，之后变成算法，变成一个推理，我通过这些电子算出来这有一个人，但你大脑是看不见人的，你的大脑也是听不见人的。这个明白之后，对于以后无论是智能社会、智能城市、智能工厂、智能养猪各种各样的理解会非常深厚。 

　　理解一下碳基和硅基的不同，有什么不同呢？我们虽然说机器不会代替人，但我们要知道机器哪些方面比人强，哪些方面比人弱。如果说机器要代替人的话早就代替了，现在的一个计算器多少钱一台？差不多十几块钱，一个计算机跟一个博士生，甚至一个院士在一起开7的3次方，谁快？一个十几块钱的计算器就够快了。你说计算器代替这些博士、院士了吗？没有。但机器一定会把人代替掉，这个是我们要理解的。理解了这个以后，我们在做产品设计的时候就会很有帮助。比如智能音箱，我们说音响给我开个窗帘吧，开个灯吧，这个利用率是极低的，真正利用率高的是计时和听音乐，我们花了很多精力做的开窗帘、开灯用得很少，有一个很重要的问题就是最后一步的问题，人两个原罪，懒和贪，所以我们要技术解决懒和贪的问题。但是我们一天拉几次窗帘？早上一次、晚上一次，我们一天开几次灯，早上一次、晚上一次，这不属于人的刚需，我们最烦的是重复性的工作。恰恰拉窗帘和开关灯不是重复性的工作。 

　　所以机会很多，大家如果明白了机器和人的关系之后，比如人眼不能看红外和紫外，这对产品研发、算法开发会有极大的帮助，这个公司的产品就会有人用。智能音响生产出来没人用，我们做了很多人不觉得烦又能做的事，这种事机器是没有价值的。 

　　我们再看看人工智能到底能做什么。它其实是你的能力放大器，你好也放大，不好还是放大。如果你公司没准备好的话，烂用算法很可能把公司的业务进入到一个无法控制的阶段。人工智能用的很多的是什么？是那些不讲情面的工作，比如审计、监控、识别，为什么呢？人有情感，有些事情会错过去，但机器不会。这种想法去用机器的话，它的效率和效果远大过空想。另外不存在哪个部门要用AI技术，是全员赋能、全流程再造的。前几个月RPA比较流行，大概率事件未来几个月会有一个词又会流行，叫BPR，其实BPR在上世纪90年代已经很流行了，为什么现在会又流行呢？上一次BPR是八九十年代技术飞速发展的结果，那时候大家就知道了技术再吹没有用了，要用，要用就必须用到流程里面，降低成本、提高效率、提高用户满意度。 

　　既然它是双刃剑的话，我们就要知道我们是否准备好了，我们是否明白它是什么东西。最后的那一步要不要迈出去？给大家推荐一本书维纳的，在人工智能行业，真正做人工智能的人都知道我们的范式和图灵的是不一样的，图灵的范式是未来的，我们现在的人工智能就是一个函数驱动的自动化，好过说人工智能，谈到这个自动化，维纳有一本科普书籍《人有人的作用》，但是看了这个之后对产品开发、算法开发、公司发展会有很大的好处。 

　　要想成功的话，现在社会没有培养融合的人才，与其说硬找融合的人才还不如合作，行业专家和技术专家。IT、CT和OT融合的趋势。最后几个关键词，大家如果理解了数字化、原子化、软件定义一切、一切皆服务，这几个词如果悟透了话，这对你未来的发展和公司架构的搭建会有很大的帮助。无论是IT行业还是通讯行业，还是制造行业，都在做软件定义一切，但软件定义一切之前要先做数字化，虚拟化，把它原子化。之后所有变成服务了，最后实现的就是一切皆服务，它上去之后就是数字孪生的时代。把这些吃透了，我们再谈人工智能也好，5G也好，物联网也好，才能知道其实这几个技术都是名词，它真正要实现的其实就一句话数字化，因为只有做完数字化之后才会有数据，有了数据之后能够用软件定义和驱动一切，到那个时候这个社会就变成高度定制化、高度灵活性和高度效率化的社会了，谢谢大家。 

　　主持人 王海东： 

　　谢谢韦青先生，接下来要请出的是今天上午的压轴演讲嘉宾，她是清华同方股份有限公司人工智能研究院院士赵英女士，她的演讲主题是“人工智能驱动新型智慧城市”，掌声有请。 

　　演讲嘉宾 赵英 清华同方股份有限公司人工智能研究院院士： 

　　我来自清华，我的办公室就在清华园的旁边，在20层的高楼上可以俯瞰整个清华园，俯瞰我们的主楼。有一天我在办公室里面和我的同事交流的时候发现我的同事脑后面一阵火光，就出现了爆炸声。出现了这个事情以后，我立即走到窗外去看发生了什么，那天是大风天，我在20层的高楼上往下看，路上有5个电线杆倒在地上，冒着火光，在地上还冒着火光，而车来车往、人来人往。这就是我要说的智慧城市，北京是怎么做的。第一时间我就打了110，110很快把我这个案件记录下来，我把电话一放下，没过几秒钟消防车到了，我正在看消防车怎么救火的时候，我的电话又响了，北京市有一个市民热线12345，我没有拨打，但给我打来电话说听说有这个案情，我又核实了一下，我把消防车到的情况又复述了一遍。我把电话放下之后，没过一段时间，海淀区的处置部门又给我打电话说有什么情况，我说是的，现在消防到了，电力抢修车到了，交警到了，已经戒严了，他说好，我们知道下一步该怎么做了。整个流程下来，短短几分钟的时间，我就在不断观察。这是一个什么现象？北京市推的是街乡吹哨，部门报道，您有所呼，我有所应。老百姓有呼声，打过去电话，部门接诉即办，接到我的投诉马上就去办理。智慧城市的核心就是以人为本，我是市民，以我为本，这是北京的智慧城市的特色。体现了我没有跑腿，大数据在跑腿，12345和110之间沟通了，他们有共享了，这件事情让我觉得处理得非常好。 

　　这里面涉及到一个问题，现在北京市政协在组织进行大调研，在接诉即办的过程中还有哪些待改进的地方。这时候我们就意识到有一点问题，为什么是我被动发现这件事，为什么政府是被动治理的，为什么不可以转为主动，主动怎么发现？在大风的天气下有没有预警，电线杆的损毁，平时应该也会可以巡检发现进行预防，能不能做到主动发现，这就是大数据和人工智能在现有的情况下完全可以做到的。 

　　如果没有一种商业模式创新的话，这可能就是一场运动，而不具备可持续性，谁来持续地发现问题，倒逼政府主动解决问题，构成长效的、持续性的机制。在新型智慧城市建设背景下，路边有摄像头，有其他传感器，我们可以监测到电线杆将要倒，或者大风天怎么样，会有预警或报警信息，而不是倒了之后再由我人需报。AI发现了以后，110、12346去综合分析，不仅仅是电线杆倒坍，交通拥堵、撞车、随地摆摊等问题，城市里面每天发生的大量问题也是可以靠高科技手段发现的，无外乎是几类，一类是具体问题，比如这一直在摆摊，这边是一直在拥堵，这是具体的问题，具体问题AI技术可以具体发现。但还有一些问题是体制机制的问题，我吹了哨，这个不归我管，是上级部门的，体制机制的问题可以解决。为什么这一直在摆摊，这是规划布局的问题。当我们每天在自动发现城市里的这些大事小情的时候会发现一些规矩，有些具体问题我们用AI、大数据来解决，有些反反复复的问题，有一些更是体制机制的问题，这时候我们需要在规划布局上考虑。整个新型的智慧城市，国家当然也有定义，从规划到公共服务，到设施一系列的都会涉及到，包括社会治理。总的来讲是通过AI快速发展，通过大数据科学地解决问题，不是解决一个问题，而是解决一系列的，或者反反复复出现的。 

　　能不能通过AI和大数据的方式为共治提供手段？现在北京推企业、市民和政府一块管理社区，我们提了初步的想法，老百姓无外乎就是家里的事，或者是小区、出去路上的事，这可以通过摄像头来自动发现小区杂乱差，家里是否着火了，有没有违章停车，第一时间报警，这是摄像头去做的。报了警以后，物业就做物业的事，志愿者做志愿者的事，街道做街道的事，这是共治。共治的核心是要大数据共享，我给110打电话，12345不用我重复一遍，他非常清楚是什么情况，大家按专业去处置，更关键的是这类事件能否避免，下次不再发生，这是处置规律。这时候是要靠大数据综合决策来做的。这是新型智慧城市，如果是以人为核心，这是我们倡导的以人为核心的新型智慧城市，通过北京来窥视新型智慧城市的现状。 

　　什么叫新型智慧城市？这个城市要自己智慧，要自己学习，要通过一个体制机制不断地自我迭代、自我学习、自我优化，帮着政府、企业、市民做很多的事。人是怎么智慧的，机器和城市也可以向人学习。我研究的群体宏观状态熵，当大家坐在一起很安静的时候熵值非常低，大家很有序，但当散会的时候，很乱的时候熵值非常高。就跟温度一样，今天是20度还是40度，有温度的突变，熵也有突变，一旦有了突然的变化就预示有事情的发生。为什么有的学霸成绩很高，有的人学得很差，他能够把很复杂的知识给简单化，那他就能学得很好，简单化的度量是什么呢？就是熵，让复杂和不确定性的问题简单化，如果再有新的知识来，一比对这个熵，没有太大的变化就跟以前的知识是一样的，你就可以顺着以前的规则预测一下，如果跟以前的发生了很大的变化，这是异常，这是人获取智慧，拿熵来衡量。在机器学习和深度学习里面，机器学成了也是拿熵来衡量的，机器学习也是一样的把很多很复杂的数据整理成低熵的组块，形成有序的知识进行预测。城市运行中心或城市大脑也好，都可以通过熵的度量来让这个城市能够预测未来，能够预警异常，所以整个城市就是一个模型，就是能够不断进行训练，能够把复杂的行业数据和现象进行有序化组织和安排，让熵值更低的状态，这也是我们在工程实践和我的书中的结论，不管是机器学习、城市学习还是人的学习，我们需要把熵值变低。我们希望这个城市是低熵的城市，就像深圳一样能够预知今天会发生什么，能够预测未来，能够很有序地在这里生活。有了这样一套理论和实践做支撑的时候，产品化和产业化就呼之即来了，我带了团队做了河南省6000多公里高速全路网全覆盖，在四川做了干线。我们出门遇到很多交通的状况都能够自动发现并报警，而不是被动让政府值守发现。在城市的大事小情当中，公共安全、群体性事件等，这些也是可以利用熵的理论快速发现和进行报警的。目前在全国“两会”期间，在长安街沿线采用得都不错。在高速和国省干线，在十几个省份运行当中，而且也跟导航进行了对接，大家一开到这个路段有事件的时候能够提醒前面多少米处有事故可以绕行。城市管理，渣土车、扬尘和摆摊，这些也可以通过人工智能来发现。我们应用了60多个城市在用的城管机器人，怎么发现城市里的大事小情。这就是慧眼城管机器人，今天下午还有新品发布会，欢迎大家光临，谢谢。 　  

　　主持人 王海东： 

　　谢谢赵英女士的精彩分享。到这里今天论坛上午场就告一段落，今天下午我们将会就“改变世界的新兴科技”这个主题围绕生命科学、5G和飞向太空这三个话题继续展开分享。再次感谢各位的光临，我们下午再见。