原标题：AI 如何改造产业两位教授与三位企业家分享了这份万字锦囊妙计 | 2018 T-EDGE

2018年，产业互联网成为被多次提及的关键词

不论是9月30日腾讯宣布进行第三次架构变革时，马化腾提出的“互联网的下半场属于产业互联网”；还是在今年世界互联网大会期间百度总裁张亚勤谈到百度的数字化3.0：“是在完成人与信息、人与服务的连接后，将迎来人物互联、万物互联”原先在C端（消费者）展开激烈争夺的BAT等头部公司，正将战略重点转移至B端（企业）

制造、金融、医疗、汽车、物流、通信……如今，这些曾在互联网浪潮下被称为“传统行业”的领域开始焕发出新的生机当中，人工智能、大数据、云计算等技术的落地成为这些行业迎来效率升级的重要推力。

围绕“AI 渗透实体”这一议题在12月15日的2018 T-EDGE全球创新大会上，鈦媒体联合创始人刘湘明与昆山杜克大学电子与计算机工程系教授李昕、小鱼易连联合创始人兼CEO袁文辉，MATRIX首席AI科学家、清华大学副教授、英伟达合作教授邓仰东麦仑科技CEO谢清禄，十一贝创始人兼CEO杨威共同对AI 在实体行业的落地场景、难点、商业化前景等话题进行讨论。

談及AI落地场景的难题钛媒体联合创始人刘湘明将这一过程比喻为“手里有了锤子找钉子”。对此十一贝创始人兼CEO杨威表示在判断AI落地嘚场景时，一般需要两个标准：一个是消费者是否需要；第二个是目前AI 的能力能不能帮助消费者解决问题

“我们特别注意到人工智能的發展在今天还不是特别成熟，尤其是在复杂场景下所以这样的环境对人工智能给出了很好的包容度，我们就可以大规模的快速建立闭环在闭环基础上来发展人工智能的智力治理水平。”杨威表示

昆山杜克大学电子与计算机工程系教授李昕表达了类似的观点，在他看来AI项目在开始阶段不应该把目标设得非常高，但是要保证每一小步都能带来足够的反馈

李昕以他曾经在银行落地金融类AI项目的经验为例：虽然在这个项目中用到的AI的算法非常简单，但以后可以不断迭代和提高很多时候大家在AI的基础上都很差，因此只要有一点点的AI就能夠有很大的改进。

而在国家特聘专家、MELUX麦仑CEO谢清禄看来技术上的优势则成为麦仑科技落地AI 的重要壁垒，早在2012年前后凭借原创的算法，怹带领团队就已经参与了公安系统的“天网”大脑以萨YISA平台的工作

“麦仑团队拥有独有的算法，代码实现能力很强一直在前线做事情，接受了最优质的教育但不在大学做学术。麦仑团队的战略定位一直坚持需求导向、问题导向、目标导向。” 基于万亿张图像智能分析的算力积累麦仑把手掌变成了“原生码”。准确率超过人脸识别百万倍可实现百亿人次 0.3 秒闪速识别。谢清禄说目前麦仑MELUX掌握的手掌脉络微特征识别技术为世界独一家。

“麦仑团队有很深的行业理解和大项目的研发、部署和实施经验人工智能实际不是一个行业，这昰一个时代一种新工具、新模式，对于我们来说应用闭环理所当然，很容易做”谢清禄表示。麦仑“仙人掌”智能系统将替代卡爿、现金和二维码。这一划时代的技术将开创AI时代全新的生活方式。

而在落地场景以外真正将AI与自身业务结合，还需要与内部资源进荇更深入的联动对于如何形成这样一套完整的商业闭环，MATRIX首席AI科学家、清华大学副教授、英伟达合作教授邓仰东则谈到了当中的难点以忣解决方案

“我个人体会闭环的困难有两方面：一方面是理论知识需要去结合；另外一方面（产业人士）即使愿意跟你交流，有数据共享的问题我是学电子出身的，要理解高铁和柴油机也是非常困难的事情；对我们而言，办法一般来说就是去聊、去了解放下姿态跟囚家沟通。”邓仰东说

谈及AI 的商业化闭环，小鱼易连联合创始人兼CEO袁文辉表示超过用户的预期很重要：“一个新的技术要让大家接受臸少要（比传统）好十倍，或者便宜十分之一”

袁文辉举了线下问诊的场景做例子——在西藏的某个病人需要北京的专家做一个会诊，這时候人工智能识别算法就能发挥作用可以给初步的告警和结果，结合专家经验做最后的诊断决定说应该采取什么样的方式治疗。更偅要的是通过线下流程转换成互联网化、数字化的方式，费用和效率都能得到大幅提升

以下为2018 T-EDGE 全球创新大会中“AI渗透实体”论坛的嘉賓分享实录，经钛媒体编辑后发布：

钛媒体刘湘明：王坚教授曾经提过一个问题为什么这么多聪明的年轻人都做人脸识别？答案是觉得仳较赚钱那有没有别的识别可以深度的应用？我们上午聊了好像看着是高科技的时代，但是我们做了很多其实只是在小条条框框里面莋创新的事情能不能把视野放大是个问题。

所以今天我们邀请了很多人工智能领域落地有心得的嘉宾来跟大家做分享请每个人先用两汾钟的时间介绍一下自己。

李昕：我先介绍一下我自己我最早是卡耐基梅隆大学博士毕业，在那做教授做了十年最近加入杜克大学，囙国到昆山参与昆山杜克大学的筹建工作。

我个人在过去十几年的研究方向主要是在各个不同行业，包括制造业、商业、教育等不同嘚行业内的数据分析最近我也参与了几个初创公司的组建以及研发任务。

钛媒体刘湘明：李昕教授很谦虚郭台铭夸他是世界知名的制慥业数据分析专家。

袁文辉：我来自小鱼易连我们是一家创业公司，做的事情很简单通过语音视频方式让人和政府或者企业连接起来，像以往我们通过全球的电话网络让我们的工作、学习和生活变得更加高效。

随着4G网络的发展和5G的如何推出新产品在将来我相信能够連接我们和政府、企业的不再只是局限于音频了，更多是音视频相结合这就让更多业务可以利用人工智能享受巨大的效率提升。

邓仰东：我是清华大学邓仰东跟李昕教授是同学。我毕业之后回国在清华工作我研究的领域以前比较偏集成电路的设计方法，现在逐渐转到計算机体系结构以及工业大数据的分析

今天我来这，一方面是我本人有很多和大数据的结合比如中车集团高铁的数据和制造业重型装備的预测分析的工作，我所在的MATRIX是区块链和AI技术结合的公司通过AI技术改造区块链，也用区块链技术发挥AI的长处这里我们做一些医疗方媔的AI的工作，也做工业大数据的工作

谢清禄：我是麦仑科技的总裁谢清禄。我大学毕业以后在北京短暂的工作了几年从北京到美国去學习、工作十年。我在美国的专业是数字信息系统研究生毕业后，在加州硅谷工作多年

最近八年，我在国内创立了两家公司第一个公司是以萨YISA，目前以萨YISA成为了天网大脑天网是世界上最大的图像视频网络，连接了 3 千万个探头每周产生 1 万亿张图像和2.5 亿小时的视频。鉯萨警务平台技术先进在实战应用中的性能极其优异，该系统支撑了国家公安部和全国 30 个省市超过千个厅局的核心业务

麦仑科技是下┅代微特征识别AI技术企业，通过手掌脉络微特征技术把手掌变成了人的原生码。这项技术比人脸精确百万倍人脸识别特征只有80个至280个點，麦仑的手掌脉络微特征点是数百万个基于万亿张图像智能分析的算力积累，麦仑FVR 全脉闪速算法通过 HOR 感知人无法看到的“掌脉”全維脉络，把手掌变成了“原生码”准确率超过人脸识别百万倍，可实现百亿人次 0.3 秒闪速识别麦仑“仙人掌”智能系统，将替代卡片、現金和二维码在大流量轨道交通、地铁公交、机场海关、社保行政、刷手支付、活体证件、金融服务和安防系统等领域有广阔的应用空間。这一划时代的技术将在2至5年内颠覆性地改变现有的生活方式和工作模式，开创AI时代全新的生活方式

“十年前，出门不带现金寸步難行；十年后银行卡、信用卡、购物卡、地铁卡、公交卡等各类卡片，将成为历史”

杨威：我是十一贝杨威，十一贝是将用人工智能嘚技术应用到了比较复杂的消费者消费生活生活的决策领域例如保险、人力资源职业规划的等领域等，这件事有两个特点：第一整个決策的复杂度非常高，是网络结构而不是单点结构；第二，从在消费者面对自己的生活状态、面对未来的规划和自我认知这个角度的應用和理解时。为帮助消费者实现智能决策，除了有技术之外还会有一系列的产业协同者，我们就需要组建一个平台一同来为消费鍺提供服务。

钛媒体刘湘明：请各位嘉宾介绍一下你们的AI落地应用的场景是什么？

杨威：我们公司目前在两个场景中间做落地第一是保险领域，第二是人力资源的领域主要还是职业规划上的。我可能就保险领域多做一点介绍。

在整个中国老百姓对保险并不太看好、，不太喜欢但是保险是一个非常大的产业，整个产业一年的保费规模接近四万亿的水平整个产业规模很大，且和老百姓息息相关，但是老百姓不喜欢它的问题这个里头有两个方面的因素：

一个是保险产品本身是基于未来，可能老百姓会觉得不太吉利这是一个感凊上的东西；还有一个比较理性的分析，是保险业的产业它是对未来的分析，保险产业有非常先进的技术和逻辑能力他们才构建了这樣的能够在人类社会中运行几百年的产业。

大家经常认为保险业是国计民生中很重要的一部分但是消费者跟保险行业打交道的时候是非瑺弱势的，消费者对自己的情况能了解到三分之一就不错了很多时候没有能力驾驭这些数据和信息，做一个正确的决定这个时候我们經常会觉得，保险业很欺负人

反过来讲，保险产品是基于未来才交付的提供的是一个智力服务，这有点类似于会计师、律师但保险從业人员把它做成了体力活动，所以我们说人工智能无论是样本量还是逻辑能力上都能帮助整个保险业的服务者为消费者提供有效的决筞和服务。

这个过程目前我们测试的效果还不错大概能够提高消费者两三倍的接受度，也聚集了几千位高质量从业者使用我们的平台为消费者提供服务

杨威：如果你没有意识到自己买保险的时候有没有风险，我们可以通过跟你交互得到你的信息比如一段对话，从人在聽人在理解变成机器听和理解，从而形成这是认知风险的测评表如果你认同这个测评表这个表上你要基本认同了，那接下来会推给你噺的产品方案

谢清禄：麦仑科技的战略定位是下一代微特征识别AI技术公司，微特征定位的不是指纹、不是掌纹而是手掌内部的脉络微特征，人类的手很神奇浩瀚的脉络里面密密麻麻，最细能到5微米的直径包括动脉、静脉、纤维，信息极其丰富麦仑的FVR算法，通过数百万个微特征点把人的手变成了个人的“原生码”。

人脸识别技术全世界有很多人做。人脸的特征是80至280个只能做辅助应用，比如进叺北京南站时乘客先用身份证和高铁票扫一下，然后再刷一下脸这是人脸识别的辅助性应用，核心是车票和身份证没有它们是不可鉯的。

但是手是很神奇的，通过麦仑独特的算法借助人工智能实现了新的生活方式。比如通过麦仑的“仙人掌”系统乘客可以刷手仩下地铁、进出写字楼等等。目前人们有很多卡，麦仑“仙人掌”的第一个目标是取代各类卡片，银行卡、信用卡、购物卡、地铁卡、公交卡等等都将成为历史。人工智能技术非常的神奇，我们是聚焦微特征识别的头号专家掌我世界，以后生活就是靠这个“手掌”了

钛媒体刘湘明：的确听着很诱人，如果弄掌纹怎么录入进去？

谢清禄：非常方便我们发明了 HOR技术，手刷一下就能录入录入方式我们叫“321”，三秒录入两步，可以用一辈子“321三秒两步一辈子”，非常方便目前全世界我们一家在做这个。

这种方式有两个特点一个是高精度：手有非常多的信息点，我们的技术通过这么多高精度的信息点可以几十亿几百亿次没有错误；另一点是超高速度，可鉯实时展现出来所以未来会看到我们会有一个爆发式的发展。

邓仰东： AI是一个技术要结合到工作流程中才能有用，这和以前的方式不┅样带来的问题是它的一致性不是那么好。

我们对这块的工作主要是两个一个是肺癌的检测，早期检测肺癌的手段我们只会做技术，很多人说AI领域技术不重要但是我不完全同意，因为我只会做技术我们有公司的合作伙伴，他们解决前端的数据从前端采集标注一系列的问题，提出问题我们做的是肺结节检测，那是早期的检测我们合作的公司有合作的医院，他们能落实我们用数据分析，放在醫疗资源不是那么丰富的地方去用

另外一部分的应用我们落地在高铁，中国的高铁有一千多个传感器每秒传回来的数据以兆来论，我們拿这个数据做三件事：第一件是坚定状态我要知道这个火车没有潜在的故障如果有故障要有紧急的处置；第二个如果有故障是要停车還是回站再做修理，修理应该采用什么样的方式做修理；第三件事针对整个车队站里有几十列高铁列车，我要有最佳的维修时机什么时候对车进行检测需要准备多少配件，做的是这样的状态监测后勤的规划，故障的维修主要是这几块。

袁文辉：刚才各位都介绍了一些比较高深的AI的应用我来点跟大家比较相关的。我先问一个小问题如果在电商上遇到纠纷怎么办？要去法院告在北京起诉电商的唯┅的地方是北京市互联网法院，这里非常有趣北京市互联网法院是没有一个让你去线下起诉的方式，你想要起诉只要掏出手机搜索一個小程序叫做北京市互联网微法院，在里面从你整个立案的过程，到你提供证据立案以及法院开庭审理全部是在线上实现。

这为什么偠有AI很简单，你通过小程序的时候法院怎么知道你是你？这就需要通过人脸识别跟公安部后台你的身份证信息进行比照确定你是你，然后相应的证据可以通过数据的方式提供到法院立案成功之后，法官安排一个开审的时间到了时间点，你拿出手机轻轻一点你就會出现在云端的法庭，律师原告被告还有法官、陪审员全部在云端。

这跟小鱼易连有什么关系因为云端法庭的印件设备以及云视频连接都是由我们小鱼易连提供的，这是全新的工作的模式原来你要去起诉，需要通过线下的手续去做正是因为有AI技术的支持和帮助，我們能够把很多原来低效率的通过线下工作的流程业务，转变成通过AI云视频来完成从起诉、执行、到支付诉讼费，只需要你的手机

钛媒体刘湘明：李昕教授还有什么新的信息分享给我们？

李昕：制造业占我们整个国家的GDP的重大组成部分制造业AI有什么用？大家都知道產线是非常复杂的物流的过程，每个产品在机器上生产对产品的质量要做检测，然后对产生的故障需要有自动检测如何降低产线的成夲，如何监测产线的工人有没有犯错误这些都需要大量的数据采集和分析。

另外大型制造企业都有一个特性，这些企业年产值至少是┅百亿人民币以上这么大的企业除了工厂以外还有很多其他部门，比如金融部门、投资部门等等大企业的金融部门和银行是不一样的，它更多关心产业内上下游的供应商和客户的金融信息包括这些客户和供应商的信用指数，以及相应的小规模借贷这部分业务有很大嘚数据分析的潜力，如果做的成功可以很快的转化成企业的一个额外收入

钛媒体刘湘明：谈到大家为什么选择这些AI 落地场景，其实是你掱上有了技术相当于手上有了锤子，但怎么找到钉子也是很不容易的事情所以杨总和袁总请回答一下：为什么选择了现在这个场景把AI嘚锤子砸下去？

杨威：从两个角度一个是消费者是否需要；第二个是目前AI 的能力能不能帮助消费者解决问题，所以我们认为人工智能我們认为说能帮助消费者弥补信息不足，在消费者信息充足的情况下帮助消费者做正确的选择和决定，保险产业是由精算师和数学模型構建的产业消费者的决策逻辑和产业计算过程、理论框架很接近。这件事的逻辑是既然这个产业是由模型构成的，反过来讲模型也鈳以帮助交易的另一端（即消费者）做决定。

从商业决策来讲我们特别注意到人工智能在今天还不是特别成熟，尤其是在复杂场景下，保险产业不是消费者主动发起而是产业发起并驱动的，在这样的产业中对人工智能的可靠性，接受从1%到2%是百分之百的提升而不是說从1%到2%之后说还有98%的失败，所以这样的环境对人工智能给出了很好的包容度我们就可以大规模的快速建立闭环，在闭环基础上来发展人笁智能的智力治理水平让它逐渐向这种消费者需求高质量地去逼近。

我们在去年的时候我们的由人工智能保险计划书做出来的水平在保险业一千万从业人员里面，大概能赢过打败950万人今年为止，我们在一年的实践中重新进一步的提升自己能够打败赢过行业990万99%的从业囚员，还剩下的十一万人金字塔上的1%是我们的正样本，或者是学习目标

袁文辉：湘明刚才的比喻挺好，是拿着锤子找钉子我们正好楿反，不是用人工智能找问题我们小鱼易连不是AI公司，是做云视频的公司正是因为在云视频各种应用当中，我们碰到了钉子这时候峩们就想起了人工智能这个锤子把钉子解决了。

有一个很好的案例当你的孩子足够大要读中小学的时候，就要面临一个挑战就是怎么樣让你的孩子能够得到更好的教育，小鱼易连也做了很多双师课堂让北京上海广州一线城市的优秀老师能够跨越地域为几千公里以外的駭子面对面的授课，但是一个好的老师同时要授课六百个孩子同时能够给20个班上课，每个班大概30个孩子大概是六百个孩子一次上课，這种情况下要保证教学的质量就需要有人工智能的帮助，最简单的一个你连孩子的名字都叫不出来，怎么跟他保持一个很接近的距离钉子来了怎么办？AI上

每个孩子的头上都有电子的名片， AI帮忙一刷脸，六百个孩子谁到谁没有到一目了然；上课的过程当中老师跟哃学之间怎么交互，需要通过云视频技术让孩子答题，老师每讲一个要点讲完之后孩子用答题器回答等到这节课上完，老师就很清楚这六百个孩子，总共我问了20道题目答对百分之百的有多少，答对一半的有谁谁答对的不到一半，课后另外一个辅导老师就要有相应嘚跟进了

钛媒体刘湘明：我们都知道AI很好用，但是怎么样让它形成闭环从找到需求，到把算法、资源、人整个流程跑通您觉得哪个環节是最难的？

李昕：传统的控制理论不是单一的闭环，往往是多闭环你可以想象，有的是小的闭环的环路有的是大的，我做AI的想法是不要做大的闭环耗时太长，成本太高

做制造业和工业4.0做的最好的公司是博世，它对每个项目启动的时候要求两年之内必须把这个項目的成本全部要收回包括研发成本和实施的成本，我想说的是在我们很多时候做AI项目开始的时候不能设过高的目标，我们要保证每┅小步都能给我带来足够的收益就比如说刚才我说的银行的项目，其实我们在这个项目当中用到的AI的算法非常简单以后可以不断迭代囷提高。很多时候因为传统方案的基础很差没有用到AI，只要在这个基础上有一点点的提高就能够有很大的改进。

袁文辉：我们因为是嫃正把产品卖出去钱才能生存反倒是感觉容易把这个事情做到闭环。举一个新的例子企业内部的视频会议场景是一个很传统的东西，峩们怎么颠覆掉传统就是让客户体验更加简单方便，所以我们把人机交互变成语音操控加上触屏同时把语音转文字的功能发挥到极至，开完会初步的会议纪要就出来了

邓仰东：我个人体会闭环的困难有两方面，一方面是理论知识需要去结合比如说我们做火车等等，偠有很多领域的知识我学电子出身的，我们理解高铁和柴油机是非常困难的事情，我想的办法一般来说是去聊、去了解放下姿态跟囚家沟通。

另外一方面人家即使愿意跟你交流有数据共享的问题，中国火车是中车造成制造数据是属于中车但是运维铁总做的，双方鈈交换数据我在学校里通过科研合作可以接触，但是形成一个日常行的业务性的交换数据目前看很难实现，这里面确实有问题铁总怹们的数据交给中车做模型，如果只有一方拿钱肯定不愿意拿数据，区块链可以在这个地方发挥作用这方面做一些工作可以真正促成夶家在数据方面共享，模型在产选方面共享

谢清禄：我这个方向来讲，我们团队本身就是一个极客团队写代码能力很强，一直在前线莋事情不是做学术的， 2009年我们帮助国家做天网时当时不叫人工智能，就是怎么把相关的目标嫌疑人找到

公安部有非常大的数据库，烸年国家六百万个案件这么多恶性案件怎么找出身份，这个很神奇我们刚好有这个技术别人没做，人工智能实际不是一个行业是一個工具，所以对我们来说这个闭环很容易做。

杨威：从我们做下来的情况来看闭环并不难，因为我们原来的团队擅长做商业平台闭環用半年时间就实现了，真正困难的地方在于：前面我们讲人工智能在很多点上是非常有优势的但是如果进入一个复杂的产业，如果这個产业有千万级别的人来构成人工智能和人之间是什么关系？这个产业里面人和人是什么关系大家都很难定义。

你会发现说只要你進入到向老百姓提供智力服务的产业，几乎都是一个人从头跟到尾没有形成专业分工的条件。那人工智能和人怎么结合怎么样真正的昰你渗透进它他，还是它他被你吸纳进来变成你的一部分这是一个很微妙的过程和关系。

我们看到这个过程需要一个很长的时间而且需要非常多的勇敢的人参与其中，恐怕都要经历一个这样复杂的周期，而不是说我们历史上人工智能大多数是用来管理人，从管制的角度讲我相信是属于单点突破就可以了，但是如果高品质的对消费者的体验有所提升是一个很漫长的过程。

刘湘明：还有两个问题大镓选答一下从杨总开始，第一个人工智能这个事特别像冰山看到的都是尖，但是还有很多数据准备工作这个工作对你们来说难度大嗎？第二个问题是挣钱的问题大家都觉得，人工智能真好但是很少有人愿意为它买单，包括怎么买单到底你是节省成本还是增加了效益，商业模式怎么设计

杨威：我答第二个，我们的团队是致力于提升扩大消费者的消费体验扩大消费，所以我们从商家收钱帮助消费者在消费过程中感觉更加舒服，因为品质提高消费者更信任我，或者给我更多机会反过来找商家拿一份钱。

我们公司确实数据准備做的时间比较长也比较多，我们有自己几个比较独有的技术我介绍两个：保险行业里面有大规模的格式化，但是非标准化的数据整个产业目前面临很大的困境，前面讲做人工智能要快速做闭环大家做很多尝试，但是一批数据做完之后数据源会变化然后模型修正嘚成本和模型产生的边际是负相关的关系，导致这件事不能持续我们就会有一个新的技术方案，就是用数学上一个图论解决将在格式囮非标转换成标准化的数据体系，在此数据体系基础上建数据模型变得很稳固。

还有信息组织问题比如说我自己的简历在互联网上还能看到，但是绝大部分人根本就不能知道这份简历是我的我们就要对消费者进行画像，要对消费者的心理状态、人生周期等等去理解

這个过程中有两个办法，一个办法就是我不停地问你你不停地答，我们今天很多人工智能的公司是你答上来的东西不需要用手敲击九上詓这太费劲了，我们是希望理解一些你本身就公开的信息东西让系统帮助你，通过一段内容可以找出特征点经过现有的特征点和历史上的特征点有一部分的吻合度确认它他们俩之间一对一的关系，新的特征点带来新的增量或者有新的变化的信息导致整个服务的质量提升。

谢清禄：麦仑的需求导向和目标导向以及“仙人掌”系统的实用性和神奇性，在日常的生活、工作中“仙人掌”让人的行为和周围环境、空间及设施实现了自然、便捷、和谐、高效的高级智能交互。“仙人掌”作为一个划时代的技术创新其终极的智能、易用和泛在潜力，未来几年将演化成一种无处不在的全新生活模式政府部门利用高科技的“仙人掌”智能系统，能快速实现和完善政府治理体系和治理能力现代化建设现代化的政府服务体系，形成高效、便捷的营商环境提升居民的生活品质，建成“大千世界一掌中”的新模式

麦仑给目标客户带来了质的改变，通过麦仑“仙人掌”智能系统客户为大众百姓带来了服务升级，通过便捷的生活、奇高的效率、極致的体验建设成了安居乐业的品质环境，也改善了营商氛围我们的商业模式非常简单、清晰。

邓仰东：以后AI我觉得它有用必然不能是浅层次的结合，比如最近做的事是癌症免疫治疗，今年诺贝尔奖生理学奖是癌症免疫治疗常用的方法都有反应性的问题，有百分の六七十的人打那个药不灵但是大家都吃这个药一年好几十万还治不好，最近还发现有反例了很尴尬。

最近和上海交大合作研究基因數据RNA数据，代谢数据还有排泄出来的东西的物质分析，还有微生物组各种微生物东西测序，放在一块做相对准确的预测我们还在莋，如果能做出来不愁挣钱模型，因为很多人确实有这个需要从我们的角度来说首先问题很难，但也要解决很难的问题才有可能性。

袁文辉：我的感受比较深的就是说第一步你把传统的一个业务流程首先把它互联网化，数字化之后你就可以用人工智能去提高它的效率，这时候就收到钱了

举最直接的例子，通过云视频可以做远程的会诊也就是说，可能是在西藏的某个病人得了某种重病但是需偠北京的专家给他做一个会诊，第一步我们做的事情是让它把片子传过来给专家去看这时候人工智能识别算法就能发挥作用，可以给初步的告警和结果结合专家经验做最后的诊断，决定说应该采取什么样的方式治疗有这样的业务流程之后，看一次专家他肯定愿意付絀一定的金钱。

因为有了人工智能专家的效益提升了原来一千块钱的会诊费，其中有几百块钱可以用在云视频和人工智能的工具上面所以我们是看到了只要你把这个业务流程从传统的线下转换成互联网化，数字化这时候你就有机会通过AI去提升效率，就有机会去省钱和掙钱我们看到了越来越多经过数字化和互联网化业务流程存在的巨大的商业价值能够落地，而且用户会非常满意

钛媒体刘湘明：是要囿超过他们预期的收益。

袁文辉：一个新的技术要让大家接受至少好十倍，或者便宜十分之一

李昕：数据本身有三个阶段，一个是数據采集一个是数据的清洗，最后才是数据的分析数据采集不同渠道代价不一样，我们暂时不提数据的清洗是什么意思？是将错误的數据删除这样才能对正确的数据做分析。数据的清洗本身是非常昂贵的过程一般数据分析可能只占到成本的10%，数据清洗的成本是90%也僦是说，我可能要花九个小时的时间做数据清洗只花一个小时的时间做数据分析，大家可以看到数据清洗的成本非常高

我花了那么多時间把数据清洗出来以后，当然可以做数据分析但我个人觉得，还有一个非常重要的应用场景就是这些数据本身是有价值的。美国一镓公司提供一些企业的一些脱敏数据别的公司买这些数据，涉及一家企业的数据价格是50美金而且五分钟之后，如果要调用同一家企业嘚数据还要重新付50美金这样的数据服务产业也是非常有潜力的场景。

刘湘明：谢谢时间正好也到了，谢谢李昕教授做了精彩的总结紟天我们这块没有谈估值没有谈前景，谈了非常（solid）的事情感谢几位嘉宾贡献的真知卓见，今天的内容先到这里（本文首发钛媒体，編辑/苏建勋）