從金山CEO退休兩年后，除了在源碼資本任職投資合伙人，張宏江又在北京智源人工智能研究院擔任首屆理事長，致力于推動不同行業(yè)分享大數(shù)據(jù)，讓從事基礎(chǔ)研究院所和AI的創(chuàng)業(yè)公司更容易獲得數(shù)據(jù)。    作為一個橫跨產(chǎn)學研、投資四界的人，他對AI產(chǎn)業(yè)發(fā)展無疑有著更全面的了解。近期他接受了我們的專訪，講述了AI產(chǎn)業(yè)投資、AI公司發(fā)展和人才培養(yǎng)三方面的內(nèi)容。 

       談AI投資：投資正趨于理性    問：從投資角度，你覺得中國在“智能+”領(lǐng)域投資的短板是什么？    張宏江：中國人工智能投資聚焦在應用層，算法、芯片這些基礎(chǔ)層的公司與美國相比確實少一些，這跟我們的發(fā)展階段相關(guān)，但這會逐漸改善。    問：在應用層，你看好哪些“智能+”領(lǐng)域的發(fā)展前景？    張宏江：我不是應用領(lǐng)域的專家，但發(fā)展前景一般與這兩點有關(guān)：一是應用場景能夠產(chǎn)生大數(shù)據(jù)，二是能夠產(chǎn)生很多收入或者它本身***有很大的資源，也***是錢多、數(shù)據(jù)多的行業(yè)，比如金融、醫(yī)療和移動互聯(lián)網(wǎng)。    問：錢多、數(shù)據(jù)多的行業(yè)有很大的發(fā)展前景，但今年的投融資數(shù)據(jù)顯示，獲得*多融資額的是智能制造，這說明了什么？    張宏江：應用場景越大，未來所能夠影響的市場越大，顯然潛力也***越大。我們談的所有概念都是相對概念，制造業(yè)是中國*大的產(chǎn)業(yè)，進一步智能化后顯然有*大的市場，所以在這個領(lǐng)域吸引到投資是正常的、比較健康的。    問：去年年初，李開復等業(yè)內(nèi)人士***預言今年年底寒冬來臨，AI泡沫會破掉，不過投融資數(shù)據(jù)同樣顯示，相比去年，今年的AI投資事件在數(shù)量減少了1/3，但整個投資的融資額度卻增加了將近1/4，AI投資的熱度似乎不降反升了？    張宏江：我們說泡沫破滅還是寒冬來臨都是相對概念。換句話說，*人們看人工智能公司已經(jīng)不像三年前，錢***會跟著幾個從大學出來的博士或者教授，從這一點來說泡沫已經(jīng)破了。    *投資額度的增加在于很多錢投到了B輪以上的公司，所以（總體投資）數(shù)量降低是正常的，這恰恰說明了整個市場趨于成熟，投資也越來越理性，人們對于一家AI公司所需要具備的核心競爭力在什么地方也越來越清楚。    另外，關(guān)于投資寒冬，其實大家更多看的是經(jīng)濟周期，當經(jīng)濟下行的時候投資一定會變得更加小心。    問：如果對AI初創(chuàng)企業(yè)的創(chuàng)業(yè)者們說一句話，你會說什么？    張宏江：想清楚自己到底要做什么。*個問題是你覆蓋的用戶到底有沒有這種需求；第二個問題是有這種需求，你和現(xiàn)在已經(jīng)在滿足他們這種需求的公司有什么核心的差異化。    談AI公司：要形成數(shù)據(jù)生產(chǎn)的閉環(huán)    問：你強調(diào)AI公司的護城河是數(shù)據(jù)和人才，算法和技術(shù)形成不了商業(yè)模式，但關(guān)鍵問題是他們?nèi)绾潍@得高質(zhì)量的數(shù)據(jù)以及正確地使用數(shù)據(jù)？    張宏江：如何獲取高質(zhì)量的數(shù)據(jù)這個問題*已經(jīng)有非常好的答案，這也是為什么這一波AI浪潮能夠起來的根本原因之一。20年前人們做神經(jīng)網(wǎng)絡(luò)的時候，并不是完全不知道算法應該怎么往下延伸，而是說那時候根本***沒有這么多數(shù)據(jù)。但尤其過去10年移動互聯(lián)網(wǎng)的快速發(fā)展，人和數(shù)據(jù)有了大量的深度交互，這本身***是產(chǎn)生高質(zhì)量標注數(shù)據(jù)的過程。比如用手機拍一張照片，你至少知道是誰在什么地方、什么時候、用哪個手機照的，這些攝像機參數(shù)都有，然后***能很容易做場景識別。    同樣的道理，我認為未來的人工智能公司一定是所謂的閉環(huán)公司，***是說你有產(chǎn)品，產(chǎn)品跟用戶進行交互，這個過程中又產(chǎn)生大量反饋去改善產(chǎn)品以及用戶體驗，吸引更多用戶之后，也***能產(chǎn)生更多數(shù)據(jù)從而訓練更好的算法。整體來說是一個循環(huán)，尤其是移動互聯(lián)網(wǎng)的“環(huán)”。    所以我不認為產(chǎn)生高質(zhì)量大數(shù)據(jù)是個問題，實際上更大的問題是怎么分享不同行業(yè)的大數(shù)據(jù)，怎么讓做基礎(chǔ)算法研究的人能夠用它訓練更好的算法，這是核心問題所在。    問：既然數(shù)據(jù)起決定性作用，那是不是可以認為未來沒有數(shù)據(jù)的AI公司都會死掉？    張宏江：也不能說它會死掉，總歸會留下一些AI技術(shù)和解決方案咨詢公司，但這些公司很難成為真正的具有領(lǐng)軍地位的平臺型公司。    問：反過來看，如果現(xiàn)在的大數(shù)據(jù)公司或者數(shù)據(jù)平臺快速地跟進算法或技術(shù)，那他們在未來競爭中應該更有優(yōu)勢。    張宏江：沒錯，因為*那些在人工智能上有優(yōu)勢的公司，比如Google，F(xiàn)acebook，微軟，Amazon的核心在于他們能夠獲得大量實用場景的數(shù)據(jù)，當然他們也有很強的技術(shù)團隊，尤其是Google和微軟。另外像中國的BAT、今日頭條、美團也一樣，他們能夠持續(xù)獲得大量高質(zhì)量的數(shù)據(jù)，加上他們本身的技術(shù)實力，他們成為人工智能領(lǐng)軍企業(yè)是毫無疑問的。    問：即將舉辦的2018大數(shù)據(jù)技術(shù)大會（BDTC）的演講議題至少有一半都與人工智能技術(shù)強相關(guān)，怎么看大數(shù)據(jù)會議“AI化”的趨向？    張宏江：大數(shù)據(jù)會議持續(xù)舉辦很多年了，甚至沒有因為人工智能的熱度把名字給改掉，我感到非常高興。大數(shù)據(jù)我們談了15年，但它的應用落地很有限，深度學習算法的突破給大數(shù)據(jù)的應用提供了強有力工具。在智能化之前，企業(yè)首先要先做到數(shù)據(jù)化，要意識到用數(shù)據(jù)來驅(qū)動業(yè)務(wù)、驅(qū)動產(chǎn)業(yè)。所以對于大數(shù)據(jù)的未來發(fā)展，我們應該非常樂觀地認識到它是這次產(chǎn)業(yè)革命*核心的生產(chǎn)資料，而再利用人工智能這種工具，會找到更好、更多的大數(shù)據(jù)應用場景。    談AI人才：一窩蜂扎堆的方式不可取    問：從技術(shù)人員角度，你認為AI時代需要的*人才都有哪些特征？    張宏江：任何時代業(yè)界對技術(shù)人員的要求都是同樣的，*核心的是熱愛技術(shù)，有扎實的技術(shù)基礎(chǔ)，動手能力極強，只是說AI時代可能對人才的技能要求更高，人工智能工程師不只是寫程序，還要學會不斷開發(fā)算法，要有很強的數(shù)據(jù)分析能力、應用場景的理解能力。    問：大學是為企業(yè)輸送AI人才的重要基地，去年以來有一個顯著的趨勢是至少有50家高校的本科都設(shè)置了人工智能學院。在人才培養(yǎng)方面你與高校也有交流，你覺得高校培養(yǎng)AI人才方面存在哪些誤區(qū)？    張宏江：任何一窩蜂的做法都不可取，尤其是大學都這樣做，卻不看具體要求。比如我們15年前都做軟件學院，*誰告訴我軟件學院跟計算機學院的區(qū)別？10年前大家開始開設(shè)電商專業(yè)，電商專業(yè)到底學的是什么？*人工智能的興起讓我們對人工智能人才的技能要求更多，那我們本科教育應該去加強人工智能課程的設(shè)置和質(zhì)量，讓它成為計算機專業(yè)方向的側(cè)重方向。你做人工智能專業(yè)修不修計算機基礎(chǔ)課？要不要懂計算機系統(tǒng)架構(gòu)？要不要懂計算機基本算法？你前面還要學數(shù)學、代數(shù)，這些都要做。    所以我看不出*一窩蜂做人工智能本科專業(yè)對這個產(chǎn)業(yè)有任何益處。五年以后，如果需要更多芯片人才、網(wǎng)絡(luò)人才怎么辦？10年前為什么不設(shè)***科專業(yè)？我們需要的恰恰是建立起持之以恒的計算機本科教育，強調(diào)計算機基礎(chǔ)能力，需要課程內(nèi)容設(shè)置更扎實、豐富，包括***、講課的內(nèi)容要不斷跟上技術(shù)發(fā)展的需求。    問：另一方面，這么多人工智能學院的成立也說明對AI人才的需求很旺盛。    張宏江：我沒有看到美國排名前50的學校一窩蜂地扎堆。過去30年人工智能都在坐冷板凳，因為熱了再開這個課，那五年以后再坐冷板凳怎么辦？我們要的是扎實的本科教育，不是追噱頭的一窩蜂。    問：美國的AI人才教育有什么值得借鑒的地方？    張宏江：過去幾十年我們一直在向美國學習教育（課程）怎么設(shè)置，這種過程應該持續(xù)下去，但我們經(jīng)常學到的是外表或者是一些“時髦”的東西，比如*大學大多強調(diào)的是論文、SC檢索。    我前段時間跟一位院士聊天，聊到在學術(shù)上中國人工智能的人才數(shù)量已經(jīng)不少。他說量是比以前增加了很多，但你看看他們在做什么？國際人工智能大會上發(fā)表的文章數(shù)量已經(jīng)不少，但這些文章?lián)f90%都分布在*熱的深度神經(jīng)網(wǎng)絡(luò)，***跟設(shè)置本科人工智能專業(yè)的情形一模一樣，這是令人憂慮的。    大家有沒有想過*的神經(jīng)網(wǎng)絡(luò)或者深度學習缺陷在哪？它不能解決的問題是什么？這些算法未來的演進是什么？是不是應該在AI的其他地方再多做點？我們更應該強調(diào)持續(xù)的基礎(chǔ)研究，真正能夠坐很長時間冷板凳的東西。    問：你認為目前人們對人工智能行業(yè)的發(fā)展*需要重視的問題是什么？    張宏江：*大的風險是人們認為人工智能只有深度學習或者只有神經(jīng)網(wǎng)絡(luò)學習。我們知道每個算法都有它的局限性，如果只考慮一種算法，也應該更多地看一看這種算法的改善空間，這種算***不能跟其他算法結(jié)合，從而應用到更好的應用場景去創(chuàng)造更大的價值。    *人工智能取得的突破都是長期坐冷板凳的結(jié)果，下一個突破可能也在于*坐冷板凳的那些人，希望AI的基礎(chǔ)研究能夠放眼更遠的未來。