礼拜一，往往是各公司最忙碌、会最多的时刻，但没想到，在“甲子光年的聪明朋友们”群里，发生了一场猝不及防的AI商用大辩论。
其精彩程度堪称“AI行业的三点钟群”。
从前天中午12点09分，到昨天凌晨2点16分，数十位AI公司创始人、CEO及投资机构合伙人参与其中，开启了历时14小时的“超级头脑风暴”。
这是发生在AI行业关键决策者之间的一场高含金量讨论。
脑暴的起因是「甲子光年」当天发布的2018年第3起公司案例《
原文中此处为链接，暂不支持采集
》。 讨论共计掀起9次高潮，基本涵盖现阶段AI商用之路需要的四种能力：研发能力（突破）、工程能力（落地）、产品能力（盈利）、组织能力（适应产业）。
整个过程中，有人不惜在繁忙的会议前后，手打长篇观点，抛砖引玉；也有AI大咖辛辛苦苦爬几百层高楼，为犀利的观点和金句叫好，甚至时隔48小时，在周二早上再次输出深刻洞察；更有技术投资人吐露投资的肉痛真相；各位也在有意无意中，分享了许多鲜为人知的行业案例和公司最新动向。
这个活跃的群成立于2017年10 月「甲子光年」出发之际。到现在为止，群里已汇集了400+AI领域的创业者和投资人。这些核心玩家，不时在群里贡献高质量的观点，甚至是针锋相对的辩论，高潮迭起。
以下为部分群成员名单（排名不分先后）：
余凯（地平线创始人）、胡郁（科大讯飞执行总裁）、何小鹏（小鹏汽车董事长）、山世光（中科视拓董事长）、吴韧（异构智能创始人）、Misa（Rokid 创始人）、王小川（搜狗CEO）、陈磊（迅雷CEO）、陈云霁（寒武纪创始人）、吴甘沙（驭势科技CEO）、黄伟（云知声创始人）、唐锐（纵目科技创始人）、陆薇（昆仑数据创始人）、李一帆（禾赛科技创始人）、鲍捷（文因互联创始人）、胡峥楠（吉利汽车研究院院长）、丁险峰（阿里云首席智联网科学家）、陈让（安赐资本合伙人）、王淮（线性资本创始合伙人）、黄明明（明势资本创始合伙人）、王军军（发现创投创始人）……
独乐乐不如众乐乐，为了分享群里热乎乎的思考和最新、最深的行业洞见， 从今天起，甲子光年将推出全新智库栏目——「甲子脑暴」，不定期更新。
首期「甲子脑暴」参与人物（排名不分先后）：
张一甲（甲子光年创始人）、刘昕（中科视拓CEO）、Misa（Rokid创始人）、鲍捷（文因互联创始人）、杨滔（桃树科技创始人）、吴韧（异构智能创始人）、丁险峰（阿里云首席智联网科学家）、虞安波（会听声学创始人）、王汉阳（泛化智能创始人）、陈孝良（声智科技创始人）、邵天兰（梅卡曼德机器人创始人）、梁新刚（爱智慧科技创始人）、祁卫（极木科技创始人）、费翔（飞榴科技创始人）、金亦冶（Ping++ 创始人）、丁敬峰（某AI独角兽公司高级技术总监）、 歪歪（某大厂码农）、姜皓天（北极光创投董事总经理）、孟醒（顺为资本执行董事）、Leo（某一线基金副总裁）、高传炬（青岳资本合伙人）、张天初（晨兴资本投资经理）、Stone（峰瑞&曼尼资管大中华区营运长）、向凯（襄禾资本投资经理）……
各位技术创业者和投资人，不仅观点鲜明，表达能力也一流，「甲子光年」特此摘录部分对话原文，奉上最原汁原味的行业一线思考。
Round 1
拼算法，还是拼工程？
深度学习的红利期已经过去了吗？
提要
周一当天，「甲子光年」发布的2018年第3起公司案例《
原文中此处为链接，暂不支持采集
》展现了一种AI创业新路径——不依赖高端人才路线，而是致力于“AI平民化”，通过降低AI门槛，赋能传统企业，在特定垂直行业，寻找快速落地的方式。
围绕中科视拓的打法，本轮讨论的焦点是：AI 如何落地？ AI红利期是否已结束？工程能力和研发能力哪个更重要？
刘昕给出了一个调侃行业现状的精妙比喻：AI是葡萄干，但是客户要吃的是蛋糕，我们得去做鸡蛋，烘焙，抹奶油，还得包装好。然后宣传的时候说，我们这个蛋糕，葡萄干是来自XXXXX，由20个博士研制。
他认为：算法、工程在不同阶段的重要性不同，但在目前的商业实践中，大部分需求是没有实际算法门槛的 ，深度学习的红利期已经结束。
Rokid创始人Misa却说：“不做长久积累和研发的公司就别玩AI了。因为任何AI技术的突破都可能导致游戏规则重新洗牌 。”
两派意见在针锋相对中逐渐点出AI创业的真实考验：对确定性工程问题的敏捷执行力和对不确定性技术进步的蹲守蓄力要能兼顾，在研发和工程中螺旋式上升，一手九天揽月，一手五洋捉鳖，两手抓、两手都要硬。
-对话摘录-
AI落地，要的不是什么高大上的平台，而是几万块钱就能起步的标准件。
（接上图）
虞安波：这其实是一场逃生游戏，攻守兼顾下去通关...有的时候因害怕错过机会，有的时候因激进后院起火。但是没有什么策略的对错之分，什么样的方式都有可能活下来或死掉。
刘昕:应该说大部分的需求是没有实际上的算法门槛的，也就是难者不会，会者不难。
但是全行业技术瓶颈的突破，依旧需要算法基础研究的进步，犹如09年的深度学习对于语音识别的意义。
如果没有学术界数十年的坚持，靠工程实践，不可能有跨越式的进步。算法-工程总是在不同阶段的重要性迭代发生的。
邵天兰（梅卡曼德机器人创始人）：我觉得创业公司其实需要相对较大的确定性，也就是做某个事情要有合理的概率能成功落地。学校和大公司研究院对于确定性的要求倒是没有那么高，发paper，做demo，就足够好了。所以@刘昕@SeetaTech 上面说得很对，一个技术的确定性到了一个阶段之后，创业公司才涌现出来。
刘昕：有段时间，我在南方跑工厂买闸机的时候，一说我是博士，我收到的报价立马就是差不多翻倍的，后面学精了，说我高中就出来跑江湖了，然后，就收到正常报价了。
一旦进入行业的深水区，博士神马的，用处并不如广告中那么疗效确切。
刘昕：你们应该嘲笑我不像博士才对。至少我司的商务后来就这样嘲笑我了。
PHD=Permanent Head Damage（编者注：终生脑残）。
——深度学习的红利期已经结束很久了。
——AI还在早期，哪有红利期过去的说法？
（接上图）
张一甲：@Misa.LastJedi 刘昕说的是To B的工程服务吧。
Misa：一样。今天AI看起来初步能实现不少能力，但是还有大量领域一片空白。
张一甲：@Misa.LastJedi 具体说说？
Misa：现在low resouce learning就是新东西。谁做得很好了？单一任务模型到跨领域谁做好了？简单例子，语音鸡尾酒会问题谁解决了？
不做长久积累和研发的公司，就别玩AI了。
过去说AI多牛逼和现在说AI多成熟，都是外行表现。
很多人以为找到应用就稳了，可是不知道AI现在任何的突破都可能导致游戏规则重新洗牌，建议大家以敬畏之心对待。
张一甲：@Misa.LastJedi 你们团队在面向未来的研发和当下阶段性产出的财力、人力、物力是怎么分配的？
Misa：50%，研发。我们探究投入不是一般创业公司可以比的。
张一甲：我觉得现在AI公司基本都是一边九天揽月，一边五洋捉鳖，但是怎么分配，就和公司在市场上的话语权有关了，包括面向资本的话语权。
Misa：做自己就好了。自然会有投资人欣赏你。追着投资人基本没出息的。没有投资人，就去研究，等待时机就好。没必要急功近利，最后两头不靠。
我近期会推出不少研究成果，大家就知道我在说什么了。
张一甲： 我觉得选择To B工程服务的AI公司也不是为了追投资人，AI商业化本身就是要和产业融合。就是要做很多AI之外的工作。
Misa：纵向研究、横向研究都有价值，不用急。
刘昕：一分为二地看：
1. 对于已经被技术和场景双重验证过的问题，比如光照/角度受控条件下的图像识别问题，工程>研究，快速的行业落地能力，让公司赚到钱，这是一种务实的选择，行业需要知道哪些是成熟的技术。
2. AI的前沿理论研究投入长期，成果不可预期。我们在计算所，维持了近百人的研发团队。博士/博士生有50+人。即便如此，依旧大概率只能是下一轮AI技术革命的追随者。
我们每年都有不少的CCF-A类文章，但客观地说，能够直接转化到产品的寥寥无几。这并不是我们的基础研究团队不行，而是普遍的，都是这样子。
Misa：根本是人，而不是事情。人不行，坐在金矿上也只能要饭。 好的人，学术也能直接换成商业价值，不如换成企业家本身讨论。@刘昕@SeetaTech
把50个博士给我，我有信心换成商业价值。
刘昕：我不给你，我在等着这座金矿在不可预期的未来的价值爆发@Misa.LastJedi 。
对不知道不可预期的事情保持敬畏，对看得清楚、做得出来的东西保持速度和敏锐。
Misa：嗯，做适合自己的事，让时间和上帝带我们去该去的地方。
@刘昕@SeetaTech 分我一半吧
刘昕：一个都不给。
当天，一位围观爬楼的AI 创业者给出了如下的场外评价：
就在今天（周三）早上，阿里云首席智联网科学家丁险峰在时隔48小时后，再次引起AI创业中，研发比重的话题：
Round 2
“确定”与“不确定”的边界？
提要
这一轮讨论，从研发的重要性延展到了技术的边界、成熟度问题：对创业公司来说，哪些技术能“拿来”，哪些必须自己突破？
刘昕继续贡献观点：AI商用最大的挑战是lerning方法的泛化能力，各种工程技巧实际在做两件事——限制环境和迭代采集数据。
-对话摘录-
AI最大的挑战依旧来自learning方法的泛化能力。
（接上图）
邵天兰（梅卡曼德机器人创始人）：@甲小姐-甲子光年-创始人 我举个例子吧，现在主流平台+主流模型在detection/segmentation等图像问题上已经可以取得相当好的效果，所以我们就观察到不少企业（大公司和创业公司）将这一技术应用到产品质量检测等领域。某大公司自己组织了一个不到10人的团队，在某水果手机的质量检测上就成功使用了深度学习。
刘昕：@邵天兰－梅卡曼德机器人－创始人 detection和segmentation还远没有解决呢，即便是classification问题，也依旧没有。ImageNet只是一个测试集，不代表classification问题的全部。
邵天兰： @刘昕@SeetaTech 对的，但是在一些实际问题上已经够得到了，in general远远没有解决。
Round 3
工程化不是问题，产品化才是？
提要
桃树科技创始人杨滔在研发能力、工程能力之外，提到第三种能力——“产品能力”：AI商业化的重点不是工程化，落地的关键是定义好需求，最终实现解决用户痛点的产品。
杨滔和刘昕围绕ML（机器学习）如何在新零售领域打造To B产品一问一答：ML用在什么场景？如何体现其效果？如何持续维护和优化？ 找谁收费？如何计费 ？如何持续收费？
-对话摘录-
做AI老板，最难的就是让大家看到远方的不仅是梦想，也是比苟且还实际的事情。
（接上图）
现阶段老贵们对AI确实有运用的需求，但最大痛点可能还是“不知道该如何使用AI”，而这背后，是缺乏更多好的AI产品经理。更深一层说，是领域从业人员的AI通识积累太匮乏（接触AI不久，整体人才根基不牢），而这要想真正解决，可能需要等到4~6年后，大学里的这批AI学生开始毕业了，才能源源不断地持续输入。当然，AI用户的成熟度不够等，也是类似的timing问题。
费翔（飞榴科技创始人）：“如何最大化转化率的同时避免商品品类过于集中”,这不就是我们团队在做的事情吗？@杨滔-桃树科技-CEO
Misa（Rokid创始人）：@杨滔-桃树科技-CEO 精彩
张一甲：@杨滔-桃树科技-CEO 今天中科视拓的文章，我认为不是说AI要重视工程化，而是通过工具来降低工程化中需要浪费的高质量人力。
换句话说：别让大科学家做太多工程，工程的工程做，科研的科研做。
张一甲：之前刘昕跟我说的是15K-30K之间的人才不需要。
杨滔：@甲小姐-甲子光年-创始人 理解！
张一甲：和Google的AutoML一个思路。
杨滔：我们也在做AutoML的事情，说白了，就是让建模这件事比较简单。但是，AutoML本身还不太适合作为最终产品，只能是一个阶段性产出。毕竟，大多数人或者企业，在日常生活或者常规运营中，还不需要ML（机器学习）。
刘昕： 不需要ML那就是不是AI的预期用户了。
AutoML作为产品的前提是，这个行业需要AI，同时用户需要自主的AI能力。比如零售行业，SKU在不断更新，如果不直接赋能给客户，让他们自己可以训练商品识别模型，将大大降低无人店商品更新的效率。
许多ML公司实际上卖的是ML技术或产品，客户实际买的是ML培训。
（接上图）
刘昕：我们做这件事的动机来自于行业客户的真实需求。我们曾经蹲过军工测试场，蹲过养牛场，也蹲过无人店，最后选择了军工，零售和畜牧等几个细分行业的应用作为突破口。AI技术的成熟与否，只靠paper说了算不行，只靠集成也不行，技术和工程的交叉点上，对行业应用的理解来自于上一线，下现场，虚心向客户学习的第一手的调研和思考，配合以基础研究团队，算法团队和解决方案团队。
1）目前的AI主要是基于DL（深度学习）相关，可能在这个方向上，算法有一定相对成熟的方案，但仍然存在很多不足，算法上需要不断革新，学术界仍然有很多牛人前仆后继。
2）AI需要落地。纵观历史，任何一项技术的发展与成熟都需要民主化以及落地化，否则就是空中楼阁，除了互联网行业外，传统行业也在经历信息化到数据化的过程，需要从system of record过度到system of intelligence，没有一个好的工程能力是没办法落地的，我们也看到一些很不错的公司在做底层，同时在一些我们投资过的公司中，也有很多大牛并不追求paper而是追求稳定、高效的解决方案，尤其在一些mission critical的行业； 社会需要不断探索边界的pioneer，也需要真实落地的engineer，并不矛盾。
张一甲：@张天初@晨兴资本 所以公司应该是少部分大牛学术领衔+一个反应速度快、能吃苦的工程师部队，这样结构比较好咯。
张天初：我理解分行业，比如无人车领域，现在更多的是应用相对成熟的算法，更多的是怎么把工程做好，因此需要些top coder。
Misa：@张天初@晨兴资本 那就找我就对了。
袁行远（彩云科技创始人）：我觉得做AI还是要继续投入研发，因为我们距离通用人工智能还有很长的距离，比如目前对话机器人离图灵测试还很远，如果没有持续的研发，无法拿到皇冠上的明珠。还是要朝着最高目标进发。挑战最困难的事情，即使不成功也很充实，我比较喜欢这样人生。
张一甲：@袁行远-彩云-ceo 似乎是第一个看到了“喜欢”这样的答案，赞！
夏帅（共享愿景基金合伙人）：@袁行远-彩云-ceo 请问从商业市场化的角度来看，继续投入研发的价值和意义在哪些方面呢？
袁行远：例如我们发表在ICLR2018的神经元图灵机方面的研究，就可以提高我们的国际学术影响力，进而可以以更低成本招人，以更低成本获得我们天气预报和机器翻译的客户，他们会觉得你很厉害从而更加愿意与你合作；彩云小译就是我们在NLP方向做出的实验结果最后产品化的例子，我是喜欢NLP方向，目标是可以通过图灵测试的机器人，产品形态就是对话机器人。
张一甲：@陈让（安赐资本合伙人） 之前跟我聊的一个观点：如同医药行业，有的人要研究药理，有的人在药理基础上做创新药，有的人做仿制药。 没有一个错，存在就是有道理的。用户的需求是千差万别的，最终的目的还是要应用到实践中去。对不同的投资人，看问题角度也不同，有的要100倍回报，可能押宝在技术研发驱动的公司上，有的只要5倍回报，可能会选择相对成熟，已经有应用场景，能变现的公司。
Round 4
2016刷榜，2017讲故事，2018交数字
提要
AI创业进入深水期。顺为资本执行董事孟醒坦言：聊AI很焦虑，A轮投资人很蛋疼。
2018年，AI创业到了挤泡沫+商业验证的时间点，人才成本依然高企，资本市场可能会进一步收紧，区块链横插一刀，团队的抗打击能力，快速场景验证能力，迭代跃迁能力将至关重要。
在技术赛道难以确定的情况下，看准创始团队是一种重要的投资策略。
-对话摘录-
聊AI很焦虑， A轮投资者很蛋疼。
（接上图）
（接上图）
虞安波（会听声学创始人）：技术类的创业公司真正要命的既是技术又不是技术，我分享一个CASE:某芯片公司，就是做了几次MPW（多项目晶圆流片）之后，坑趟完，钱花光，负责技术的人跑了……我们选择了自己扛枪攻坚，如同过沼泽，踩到一块结实的地就打桩细化（分配下去的事情只能是模块而不可以是系统），踩到一个坑就当没发生过一样……所以综合起来，这个不像一个真正以技术论长短的竞赛，而是一个比拼靠山、意志、运气的逃生游戏。
张一甲：“坑趟完，钱花光，负责技术的人跑了…”好肉痛。
比拼靠山，你是指，早一些引入战投吗？
虞安波：因为从动态博弈的价值而言，技术（合伙/负责人）这个时候跑路是最值钱的；靠山可以是战投，也可以是大客户，但都是双刃剑。
张一甲：是，之前某一线基金合伙人跟我说，他工作就是挖人，因为对于投资人来讲，挖一个已经验证的内部团队出来，确实是性价比最高的。
关于AI商用之路，确实我觉得今年是一个挤泡沫+商业验证的时间点，技术验证、应用验证、量产验证三步走，现在大部分公司还在第二步。
但今年一级市场资本情况应该会收紧，去杠杆，很多资金募资困难，加上区块链的拦腰一斩。
黄伟（云知声创始人）：2016年都是刷榜。2017年都是讲故事。2018年就该交数字。今年确实会成为分水岭。
张一甲：这就使得AI公司不能只讲技术大未来，也要照顾脚下，挽起袖子弄脏双手。
祁卫（极木科技创始人）：早期投资，还是技术投资的话，投资人就别费劲分析那个技术和赛道了。反正也看不懂，就是看懂了以后也会变。还是专心看创始人吧。他要是够厉害，即使开始方向判断错了（大概率事件），总能改回来。
张一甲：@黄伟云知声CEO 是，最早的一波AI公司已经开始淌水了，AI公司开始学着越来越像传统公司。
费翔（飞榴科技创始人） ：呵呵，有道理。做好AI，还是得先积累数据，这是个苦活累活。
张一甲：@祁卫-极木-创始人 所以说A轮投资者最难。
祁卫：多大的风险，意味着多大可能的收益，很公平。
费翔：还是看创始团队。
鲍捷（文因互联创始人）：团队的抗打击能力和快速场景验证能力，保证迭代、实现场景跃迁。
因为很难一步到位，中间可能需要把中间产品也卖出去。即使不能解决用户全部的需要。
张一甲：最近大家招人的时候有没有觉得和去年不太一样？比如应聘者的心态、要求待遇？有朋友说前两年清华姚班毕业都去做AI，今年都去做区块链了…
鲍捷：心态是不同啊，去年到今年一年经验的人的自我定位大概上涨了50%。
祁卫 ：有一样没变：就是招不到人
费翔：有条件还是吧AI研发中心放美国
金亦冶(Ping++创始人)：心态浮躁的很多，希望一夜暴富，最后一地鸡毛，风口论害死人。
张一甲：基本北美office都是挖人用的…
费翔：而且给的Salary比国内的高不了多少。
鲍捷：但是能做成事的人一直没变: 那些linux git数据库，网络很熟的人，不是光会用TensorFlow的人。
张一甲：@金亦冶 我也有此感。最近我周围两个行业受波及最大：一是VC，二是AI。
祁卫：@甲小姐-甲子光年-创始人 那专投AI的VC呢
张一甲：有的成立tokenfund了，有的合伙人离职了，当然还有稳定前行的。
Round 5
融入产业需要组织能力，
“我们还有必要把自己说成一家AI公司吗？”
提要
在前文讨论了研发、工程和产品能力后，某一线基金副总裁Leo贡献了一个新观点：AI是进入行业的抓手，之后需要的不仅是工程能力，还有适应传统企业组织架构，如果没有后续的工程和组织能力，技术突破可能只是光环，不是粮票。
那么，AI+产业，最先出现百亿美金公司的赛道可能在哪儿？
-对话摘录-
Leo：应甲小姐邀抛两块砖。
1）现在很多AI公司的估值都涵盖了取代传统行业玩家的预期，而不仅仅是为传统行业赋能。从这个角度，AI是进入行业的抓手，而之后需要的不止是工程能力，还有传统企业组织架构的其他成分，这个过程会比较慢，对一些团队来说也是比较痛苦的，因为有很强的文化冲突，相比研究和工程，这种冲突可能更大。
2）技术的普及速度是越来越快的，从学术届到工程应用到大规模普及的周期越来越短，最先作出研究突破的人不一定是最后吃到果子的人，我赞成创业公司对研究的投入，但如果没有后续的工程和组织能力，技术突破可能只能是光环，而不是粮票。个人浅见。
张一甲：@刘昕@SeetaTech 说自己是“土里滚”CEO。我特别羡慕@山世光（ICT&Seeta）山老师有这样一位搭档。
鲍捷（文因互联创始人）：同意，组织力真心是核心关键。AI想一下子找到场景落地点几乎是不可能的。唯有具有强大的组织力，才能在漫长的探索中，在土里滚的过程中，建立一个红军一样强大的队伍。
——AI+产业，百亿公司赛道在哪儿？
——最先出现的百亿美金公司，应该是最先不提AI的那一个。
（接上图）
张一甲：昆仑数据模式也很有趣，直接往上游做运营。@陆薇 很有心得（《
原文中此处为链接，暂不支持采集
》 ）
祁卫（极木科技创始人）：安全 金融
歪歪（某大厂码农）：我觉得最容易出现百亿美金的行业应该还是安全和金融：安全是已经在跑的案例，不需要讨论。金融这个case很有意思，我一直用风控的思想看问题。 金融价值一直是涉及金额*概率，机器学习解决的不是涉及金额的问题，是概率问题，由于金融的基数足够大，任何一个概率的提升，影响的面都是无比巨大的。
现在很多公司存在几个难点：
1. 如何证明自己对概率的影响。
2. 如何证明数据的安全性（金融数据的使用本身是增加风险概率的），使用金融数据的风险增加值，和模型带来的风险减少值如何衡量。
3. 如何帮助客户去伪存真（一定要等潮水褪去么）。
4. 如何定价，技术解决的其实是概率问题，但是都喜欢拿“基数*概率=总收益 ”来说事，其实基数本身是客户自己努力来的，概率的定价问题需要深思。
这几个问题其实都已经不是技术的主要问题，而是商业模式的问题，一旦解决，金融很有可能带来一个腾飞。
高传炬（青岳资本合伙人）：很多命题其实没必要加AI这个定语，就是回归生意的本质。
张一甲：是，区别AI和BI（商业智能）似乎没有太大意义。
高传炬：所以之前有一位AI CEO很认真地跟我讨论“ 我们还有没有必要把自己说成一家AI公司？”
歪歪：AI只是一种方法，并不是一个产品啊，谁家的AI可以直接卖，卖AI还是卖有AI属性的产品？
高传炬：所以AI应该比移动互联网更放下身段去了解生意的本质，看看产业工业，看看会计学。
Round 6
爬楼不易，惺惺相惜
提要
爬楼不易，休息一下。这一轮讨论，也许可以称之为“商业互吹”吧~
-对话摘录-
以终为始的“莫顿定律”比由因及果的“牛顿定律”更适合生存期公司。
（接上图）
张一甲：@黄伟云知声CEO @Misa.LastJedi 感动了。Misa估计是AI创业者里最邪魅的了吧。
黄伟：Misa是一个比较执着的人，不管AI这个赛道To B还是To C，只要坚持，总归会有收获。因为他既聪明又努力，还他妈的那么执着，他不赢，没有道理啊。这就是我喜欢他的原因。
@Misa.LastJedi 你准备纸巾了吗？
张一甲：主持人必须要问了：@Misa.LastJedi ，请问你喜欢@黄伟云知声CEO 吗？
黄伟：没有单纯的语音平台，都是和场景结合的，比如医疗，比如金融。
Misa：同意。
张一甲：嗯，或者家庭。
吴韧（异构智能创始人）："我觉得现在AI公司基本都是一边九天揽月，一边五洋捉鳖"，这个必须赞 @甲小姐-甲子光年-创始人。
张一甲：男神你爬楼爬的好辛苦 @吴韧
吴韧：找到这一句，值了
Round 7
非正式发布会：云知声的新芯片流片了？
提要
云知声创始人黄伟确认，他们研发的新款芯片已经流片，即将发布。
-对话摘录-
（接上图）
张一甲：@黄伟云知声CEO 嗯 就在本群发布得了[偷笑]。
向凯（襄禾资本投资经理）：@黄伟云知声CEO 中国芯片的进口总额接近2万亿，比石油进口额还高呢。
中国的消费电子产品已经走向世界，再往后就是汽车走向世界，芯片走向世界了~
黄伟： 市场好大啊，咱们还应该走出去。
丁敬峰（某AI独角兽公司高级技术总监）：现有不同技术的整合能力，跨行业洞察力……地平线起了个好头。
黄伟：九天揽月，五洋捉蹩，我们就是下地插秧的。
张一甲：@黄伟云知声CEO 哈哈哈。
虞安波（会听声学创始人）：下地不仅可以插秧，也能割韭菜
Stone（峰瑞&曼尼资管大中华区运营长）：持续量产化是关键，TI/高通，三星，英特尔，也走过不少弯路。应用层面也是千万颗出货量来检验。
Stone：股东层面还需承担巨大的经营压力，亏损反弹再亏损。
张一甲：前人插秧，后人割秧。
Stone：关键技术还是被封锁，军工，核电类，要靠自己踏实地搞研发。
张一甲：每个人擅长的不同，不管是技术研发，还是销售，还是投资。只有做自己擅长的事情，才能在市场上立足。所以有一个启发是：整合会创造价值。
Round 8
百亿的机会仍然在To C领域？
提要
这一场讨论从百亿美金赛道延展而来。
北极光创投合伙人姜皓天认为，百亿美金公司还得看To C赛道。以科大讯飞来说，估值要上台阶，大概率要靠To C。
C端的需求涉及到每个人的生活方式，取代手机的是什么？眼镜、语音终端，还是随处分布的智能设备网络？听觉交互和视觉交互将如何影响人类的思维？
话题逐渐趋于形而上学，这也许是生物算法导致的——深夜，人人都是哲学家。
-对话摘录-
要对百亿美金心存敬意。
*以上黄明明观点选自《
原文中此处为链接，暂不支持采集
》
*“成为”指成为基金
（接上图）
姜皓天：大有可为，同意。
黄伟（云知声创始人）：特别是AI+行业。
程曼祺（甲子光年执行主编）：大有可为，但不是百亿美金？@姜皓天-北极光创投-合伙人
姜皓天（北极光创投合伙人）：哈哈 你别逼我
互联网20年，百亿美金的公司不过20家（不算巨头分拆出来的天生贵二代）。
Stone（峰瑞&曼尼资管大中华区运营长）：@程曼祺 有空研究下科氏工业，传到第二代了，每天营收1亿多美元。
向凯（襄禾资本投资经理）： 科氏兄弟算是最富有的MIT校友了，不过不太受年轻人欢迎...@張應君_峰瑞&曼尼资管
Stone：他们收购的公司，每天利润接近1亿美元。科氏的行当还很传统，管理能力一流。
邵天兰（梅卡曼德机器人创始人）：
邵天兰：国内真正站稳百亿美金的互联网公司不到十家（360回归前也不到百亿），再加上估值稳超百亿的滴滴、美团、蚂蚁等也没有多少家。美图、饿了么现在都不到。新东方和好未来市值分别是一百多和不到两百。爱尔眼科（个人力荐）现在也快百亿美元了。
也就是说，在教育领域要达到新东方的规模，在医疗领域要达到爱尔眼科，在零售要达到饿了么的规模才是一百亿美元。我觉得这个标准高到没有讨论的价值了。
姜皓天：对， 要对百亿美金心存敬意。不是随随便便可以做到。好高骛远不是很可取，立足当下加油干。事物有它发展的自有规律，认知它利用它。
程曼祺：投资人现在在技术投资领域，追求的是多大的机会？ 如果看好To C的大机会，AI的 To C 业务，大家觉得目前有什么好的探索？这个话题@Misa.LastJedi @李志飞 可以谈。
姜皓天：比如拿科大讯飞来说，它的市值要站稳，或者再上一个台阶，我看大概率要靠To C，比如刘总展示的那个翻译笔 
程曼祺：@胡郁 胡总就在抓科大讯飞的To C业务。
黄伟：我觉得这个群的讨论越来越有质量了。
程曼祺：我自己一直在用讯飞的一个To C的产品，海豚有声，两个手机都装了，还挺解决我的需求。但讯飞没怎么推这个产品。
张一甲：我用搜狗的翻译器 啊哈哈哈@王小川
张一甲：@袁行远-彩云-ceo 这边也是To C很好的小而美。彩云天气、彩云小译，我都用过。
Stone（峰瑞&曼尼资管大中华区运营长）：讯飞的起点很好，现在有点像五岳盟主左掌门。
歪歪（某大厂码农）：彩云天气我在用，赞一个。
袁行远：@甲小姐-甲子光年-创始人我们不只是To C的公司，我们也To B，我们有高精度天气预报市场90%的份额，也提供翻译API，另外还有一部分工作是输出基础AI科研成果。
张一甲：@袁行远，赞。
丁敬峰（某AI独角兽公司技术总监）：我觉得，语言To C在智能家居领域占领好就OK了，翻译笔不如集成到手机里面。
Stone（峰瑞&曼尼资管大中华区运营长）：现在是战国时代，眼镜很大机率将一统江湖，手机也该退出了。
丁敬峰：个人觉得手机退出江湖首先要有好的替代者，目前还没有出现雏形，眼镜一定不是好的替代，有 可能被随处的智能设备替代，家里，车里，公司里面，无处不在的终端，只需要你出现，主动同步到云端，而路上基本上不需要显示设备，那耳机足够。
Stone：人类70%的信息是通过视觉处理掉的。
黄伟：但是我们是人，还是因为我们有语言
丁敬峰：所以说语音也是随处接入，那就是最好的To C。
虞安波（会听声学创始人）：@張應君_峰瑞&曼尼资管 视觉只是接收端……当然挤眉弄眼的除外。语音才是双工通讯啊
黄伟：虞工说的深刻。
歪歪：语音方便，但是交互感觉比打字慢，不对，比视觉慢。所以语音并不能替代阅读（视觉）。
丁敬峰：语音结合表情，那就妙不可言（两会表情帝）。
张一甲： “语言相对论”很有趣。大意是“语言不仅仅是思维的反应，更能反过来塑造思维”。从这个角度看 AI在语言交流方面现在做的每一件事都可能影响未来世界的“思维”。这就是一件很大的事了。
虞安波：从发送端而言，语言比视觉有优势……从接受端而言，视觉的带宽和信息量更大。
张一甲：@虞安波 的说法是目前的一个主流观点。
虞安波： 视觉和听觉，一个电磁波，一个机械波，造物主给人类留了两个通讯媒介，八杆子打不着，但是各有优势，很magic。
最后反正都是神经系统的生物电，如同机房的一捆一捆线，送到大脑去处理……然后我们也没明白大脑到底咋处理了，于是人类开辟了另外一个盲人摸象的领域，那就叫AI。
张一甲：是啊。越是研究AI，越敬佩人的智慧，进一步，造物主的智慧。
丁敬峰：自然的交互都是模拟的，包括大脑行为，而电脑都是数字领域。是不是以后应该叫数字智能，哈哈。
Round 9
AI产品需求论
提要
To B、To C of B、To C，要满足的需求各不相同。
关于AI如何在To C领域找到和解决需求，可以看这回合Misa的演讲分享。
神奇的是，Misa直接开始了一场群内挖角行动，某坐标硅谷的Google工程师也许要告别煮面、撸猫的养老院生活了。
-对话摘录-
更好的体验本身就是一种需求。
Stone（峰瑞&曼尼资管大中华区运营长）：
（接上图）
Jerry（Google工程师）：我就是不愿透露姓名的人@Misa 。
真诚的求教对“需求”的理解啊，我的确不认为需求是能创造出来的，或者说，的确有可以通过自己的产品改变人类需求的东西，但是更多的需求都是人自身出发而有的，技术应该是为需求而服务，不是吗？我的需求就是我不需要更多获取信息的途径，比如眼镜因为它本来就是人因为看不清楚才创造出来的一个东西而不是本质上就被需要的，但是我的确因为现在信息太多处理不过来而不知道怎么办，所以我更关心的就是这样的产品才对啊。
张一甲：嗯，至少从生产力的角度，需求相对比较好理解，更快、更高、更强、更安全，都是相对简单的标准，从习惯的角度讲，就是更贴合人性了吧。
Misa：@Jerry-Google 关于需求我前一阵有个演讲，阐述过我自己的观点。你可以看看，比如更好的体验本身就是一种需求。
张一甲：产业端基本上就几个维度：提质、控险、增效、降耗；用户端，除了上述之外，还包括体验、情感、审美之类的。
Misa：太冷冰冰了。嗯，对。后面的。
张一甲：To B，To C of B，To C 从产品经理角度确实不同的。
Misa：@Jerry-Google 你少待google了 趁早离开以免被污染。
张一甲：这是刚才Misa说的演讲，我也看啦。
链接：
原文中此处为链接，暂不支持采集
Jerry：好回答！我去看看！
我的观点完全来自于对Google的产品经理们和manager们的质疑，不过没有任何指向其他人的意思啊，一甲的截图是私聊所以语气过于随意了……
Misa：没关系。口气不重要，观点重要。
@Jerry-Google 简历准备好告诉我。
Jerry：只是出发点上，我是以一个寻找和我比较局限的品味比较一致的项目，然后看适不适合我去做。
并不是评论谁的观点或者产品好不好的。
简历早就在你那了！@Misa.LastJedi 。
张一甲：@Jerry-Google 你什么时候打算离开Google告诉我，我来个人才拍卖。
感谢诸位大脑和身体都永远在路上的创造者贡献智慧与观点。
「甲子脑暴」下期见。
END.
閱讀更多 甲子光年 的文章
