“重倉”人工智能，是李開復和創新工場未來幾年的方向。但是，他面臨一個很重要的問題：現在的 AI 創業，核心是 AI 科學家，而“文能起筆安天下，武能上馬定乾坤”的 AI 科學家鳳毛麟角，用他的話說“該創業的都創業了”。
這時，產業在面臨一步棋。那就是：如何把一個普通的 AI 科學家變成“創業英雄”。
作為三十年前就開始研究人工智能的李開復，覺得自己“技術范兒”的創新工場有能力推動這步棋，并且在這一步棋中獲得穩固的戰略優勢。
李開復告訴雷鋒網，
AI 創業現在是科學家的天下，之后是數學家的天下，將來是普通人的天下。
以下是李開復在《創新工場人工智能戰略白皮書》發布會上的閉門分享，雷鋒網將其整理成為《李開復：AI 創業的十個真相》，呈現給讀者。
AI 科學家都是超級宅男
創新工場本身主營的機構是投資和投后的機構，我們當然是看項目，看創始人，他們有 idea、方向，我們就會用基金投資它。
過去的互聯網創業模式，已經非常經典地被《精益創業》描述：
幾個小朋友隨便做個產品上去，能融資就融資，不能融資就拉倒。怎么樣去惠及用戶，迭代產品，之后變現，成為經典的模式。
這個創業的模式，它的紅利時代已經過去了。當然以后還會有，但是不會像以前那么多。創業的門檻大大提高了，因為人工智能是下一批創業方向，而人工智能創業里面很核心的人物其實是 AI 科學家， AI 的公司沒有 AI 科學家是沒戲的。
但是AI科學家往往都是超級宅男，自己宅在房間里面，整天做實驗，突然你把他丟到一個殘酷野蠻可怕的世界里，他自己創業成功率不是很高。
很多 AI 科學家一般這輩子從來沒想過創業，現在突然想創業了，然后發現自己長板特別長，短板特別短：
他也許技術很牛，但是也許執行不夠;
也許他的產品演示起來很好，但是一做起來都是Bug;
也可能他產品做得很不錯，但是不懂市場;
或者懂市場但是不知道怎么去賣。
尤其 AI 本身又是一個 ToB 的業務，所以不是那么容易自己攢一個局。所以 AI 科學家需要懂商業的人，懂 ToB 的人，他需要工程師。
AI 創業“不美好”
我們平時都會把 AI 創業講得很美好，今天我就跟大家講講 AI 不美好的地方。
第一個就是：AI 科學家有短板。
這一點剛才已經說了，我們要想怎么幫“宅男”補足短板。
第二個就是：AI 創業很貴。
剛才講的“精益創業”很便宜，因為幾個小朋友不拿薪水，用零元就可以把第一個 App 推出去。
我們剛投資一家公司，投了一個月以后錢就用完了。我說你們不就八個人怎么錢就用完了，給了你好幾百萬。但他們說，光買機器就用了三百萬。
第三個就是：AI 需要數據。
識別一張圖片，最少需要幾十萬張樣本數據，甚至幾百上千萬。誰給你弄數據?
所以做人工智能投資有一個非常頭大的地方：一下頂尖的人就投完了。
過去這兩年我們就到處去掃，從最厲害的團隊出來的無人駕駛公司投了兩個，沒投兩個。然后就再也找不到團隊了，因為有資格的人就那么多。
我們做互聯網金融，掃完了以后大概投了三個，然后可能有一兩個錯過了機會，一兩個沒投，然后就沒有了。
因為AI科學家就那么多，能夠創業把事情打造到一個地步的就那么多。
AI 的現狀是“僧多粥少”。大家都去搶那幾棵樹，已經把樹拱到天價了。我覺得 AI 這片土地需要“施肥”，而不是搶那些非常少的農作物。
所以我們成立了“人工智能工程院”。我們可能花幾千萬把機器搞定，然后幫助十家二十家創業公司;我們從各種渠道拿到數據，AI 科學家可以做試驗;我們試著讓更多有潛力的 AI 科學家，能夠考慮來創業這條路，幫他們把可能 95% 的失敗率降低到 40%，這樣的話我們就能夠產生自己的價值。
當然，投靠創新工場，我們幫你解決所有問題，也要求自己的回報。本來可能五百萬占股 10%，現在也許給我們 15%，我們覺得這樣的話也就足夠了。以后如果可以打造出獨角獸，我們是有很多回報的。
這個工程院在得到金錢回報的話，至少得花掉兩億元人民幣。但如果是我們施肥的，想必相比那些“農作物”會喜歡我們。
兩三年之后，AI 會像 Android 一樣普及
長期來說，真的是永遠只能由 AI 科學家來創業嗎?其實不一定。
任何技術都有一條發展路徑，一個很好的例子就是 Android。當年我們跟 CSDN 的蔣濤一起做移動開發者的大會。第一次大會的時候，我問現場觀眾：有多少人看好Android?大概有5個手。我問有多少人看好 Symbian?五百個手舉起來。
但當時我們堅決相信 Android 才是未來的道路。只是因為平臺不夠。現在大學里面的 Android、 iOS 培訓課程非常普及。你如果是一個計算機的學生，你自己自學也好，去做培訓課也好，幾個月之內你就可以開始做 Android 了。
AI 也是這樣的狀態。
要多久時間呢?我們大膽的假設兩三年吧。這兩三年里，我們工程院孵化科學家會是一個非常獨特而有價值的方法。三年以后平臺出來了，很多聰明的大學生可以自學。平臺、工具越來越多，AI 會變得越來越容易用了。
以后年輕人來創業，我覺得可能比現在的科學家創業更能成功。因為創業需要有動機，有狼性，愿意拼命。本來就要把自己名聲，身家全部賭進去的。
有資格的人六個月就能成為 AI 工程師，有資格的人是指：數學天才
一位老教授，用三十年的功力弄出來一個新算法。這種可能性是存在的。
但真正能發力的其實還是年輕人。很多年輕人只是苦于沒有一個平臺。
我告訴大家一個秘密。
如果你是一個有資格的年輕人，我們只需要六個月就可以把你培訓成為一個 AI 工程師。絕對不是你想象的二十年，三十年。這不像一個材料科學家、火箭專家——這種專家真的是需要三十年的功力。
那么，什么是有資格呢?
很不幸，不是所有的人。“有資格”簡單來說就是：數學天才。
當然，這其中也涵蓋了統計、自動化、計算機。中國人口這么多，光是數學天才我們應該一年都要產生個幾十萬了。
假設有十萬個數學小天才，那里面對AI有興趣的可能就會有五萬。(因為中國學生是特別愿意去追最熱門的東西，最熱門的定義是什么呢?很酷，能賺很多錢的。)
里面有兩萬個接觸到了一些培訓平臺，花了六個月去做，這兩萬人里可能又有兩千個是適合的領軍人物。比如說他是AI領域的雷軍、傅盛等等這些人。
這兩千人最終才是我們最好的投資對象。我們的工作就是讓這些人出現。
所以短期我們是抓著科學家來，再過三四年我們要把這些年輕人都培訓出來。讓他們認知這是創業最好的時機。所以這秘密就是：我們要挖掘中國所有的數學小天才，然后引導他們進入AI創業。
AI 接管人類？我們的問題是科幻小說看多了
我們應該怎樣看待 AI 呢?
有人看到阿法狗戰勝了李世石，瞬間就聯想到了 AI 要接管人類。實際上，這其中還差十萬八千里。
AI里最難的問題之一，是跨領域的自然語言理解。要做到這一點，需要上下文的理解，需要跨領域的知識，還需要人類的“Common Sense”。
例如我突然和你說：“中午還好沒吃漢堡，麥當勞不好吃。”這句話所有人都明白什么意思，但是機器很難讀懂。它可以把每一個字都識別正確，但仍然無法“理解”。
再例如：熨斗打開的不能去摸，沾了水的手不能碰電。這些東西不用講我們都知道。但是計算機怎么會知道這些事情呢?
你怎么去教一個計算機跨領域的知識?你怎么教會它七情六欲?你怎么教會它什么是美?什么是愛?什么是宗教?什么是信仰?這些東西差得還非常遠。
揣測可能發生的事情跟確信一定會發生的事情，這兩個還是要分辨得很清楚的。任何剛才講的 AI 不能做的事情，我們都無法揣測多久會被突破。有人說五年，有人說五十年，也有人說永遠不會。
我覺得我們真正應該討論的事情是怎么用AI來創造價值，怎么讓人類能夠沒有饑餓和寒冷，讓每一個人都能有尊嚴的活著。
例如，未來很多藍領和白領的工作都會被取代，也包括了記者。當然有些深度文章機器可能五十年也寫的出來。但是如果你從網上攢一些資料，例如科大訊飛發布財報，產品多了30%，分析師說股票怎么樣，未來人工智能被看好什么的，這種東西機器已經在寫了。
當機器能夠把簡單的工作取代的時候，當經過五秒以內思考的事情人都不用做的時候，當這么多人將可能失業的時候，這些失業者應該怎么做?我們如何去重新訓練他們?孩子的教育是什么樣的?怎么讓人類繼續的去尋找應該做的事情?也許造物者是不希望我們做這種無聊的工作，讓我們都做有意義的事情，所以才用機器取代了我們。
剛才講的這些事情都是十年內會發生的。
當然未來也可能是 AI 養活了全世界，我們也許都成為 AI 的寵物，在家里戴著 VR 頭盔玩游戲。機器會不會有自我意識，會不會取代人，會不會成為物種，雖然未必不可能，但這些是未知的。
很不幸的是：我們科幻小說看多了。
“AI 新物種”“取代”“奴役”，這些當然可以被想象，但有更多必然的有意思的問題，更值得我們去思考。
AI “低處的果實”還沒摘完
人工智能有很多學派。符號學派、連接學派等等。但是除了深度學習以外的方法，經過多年被驗證，是不太有發展的。
模擬人的分析方法，希望把它變成一個規律和專家系統，過去五十年已經證明了這個思路是不行的。當然也許某一天會有一個突破，但是直到那一天為止應該是不行的。
就我自己的背景來說。在1988年，我就開始做語音識別。當年第一套系統就是用完全機器學習的方法來做的非特定人的語音識別。
現在看起來這是一個特別小的方法：世界上有一個人能夠從紙上讀出語音，我的導師就要把這套方法變成一套專家系統。
當年就讓我很堅定地認為：機器的構造跟人腦，跟人的思維方式其實是不一樣的。我們硬要把A放到B其實是很困難的，就像我們不能逼自己去變成一個深度學習者，去分析事情——我們腦子思維就不是那樣的，是不自然的。
用腦科學的方法制造人工智能，是一個未知的領域。未知的東西有它的魅力，你要做研究就要做未知，你要有了突破那就是創新。在學術領域你做每一件事情的衡量標準是：我要做別人從來沒做過的東西。我們可以假設腦科學跟未來的 AI 是相關的，我們可以去證明這是或不是。但是從投資的角度來講，押注的風險就太大了。
當年深度學習也是因為數據的不足，碰到了一些瓶頸。但近年我們看到有好幾個特別大的變化：
第一個就是特別大量的數據在某些領域開始產生，而且我覺得我們目前還沒有被用完。
第二個就是 GPU 的使用讓我們能夠更高效地、非常快速地做深度學習。
現在我覺得，所謂的深度學習的果實還遠遠沒有被摘完。人工智能的應用來說百花齊放，一個一個大果實就在你面前。在這種情況下，你還要去種花，何必呢?
我們把 GPU 和海量數據在全世界掃一遍，應該還夠我們 VC 界吃個五年，所以從投資的角度這是非常清晰的事情。
再往下走，我覺得我們 AI 肯定不可以是只有深度學習。例如現在還有增強學習的方法，也在被探索。AlphaGo 里面也不是只存在一個方法。所以我覺得學術界其實應該開始幫助和探索更多的可能性，當我們把這兩年的糧食吃完之后也許還有更好的機會。
我沒有 AI 宗教信仰
當然未來 AI 也可能沒有進一步的突破了。
如果沒有的話，那就說明 AI 的黃金時代過去了。下面就是物聯網或者其他什么的。作為投資機構，我們并沒有一種 AI 宗教信仰，我們還是要把控靈活度。
就像移動互聯網時代，當時我們應該是在業界最高調的移動互聯網 VC。但是隨后我們根據情況做了調整。
如果學術界跟產業界有一個合理的分工，我對未來五年投資界和產生價值非常樂觀，對于所謂AI的泡沫我認為不會發生。當然有個別的案例會有泡沫，但是我認為能吃的糧食實在是太多了。
學術跟產業它的分工大概是這樣：
一方面是一個很天然有機的分工;
另外一方面又是有一點羨慕嫉妒恨在里面。
一般來說學術界是看不起工業界的，但是在某一個時刻突然工業界的一個技術成熟了，在這個技術上學術界就做不到工業界的成就了。于是學術界就被逼的去做新的東西。例如：現在再去做人臉識別，學術界就已經打不過工業界了。所以在人工智能領域，很少見到一個老教授一生只研究一個命題。
AlphaGo 本身沒有商業價值
AI 會帶給我們什么價值呢?
我想先說說 AlphaGo。之所以 AlphaGo 如此引人注目，很大程度上是因為我們這樣的專家把它講得太懸。
之前我覺得圍棋比國際象棋至少難十年或十五年，但后來結果證明我是過于悲觀了。我過于悲觀其實有很多理由。我當時認為圍棋要比國際象棋難了一個天文數字，但天文數字也是數字。
在AlphaGo之前最好的人工智能棋手達到了業余五段。而 AlphaGo 最新的 Master 和職業九段之間的差距，大致相當于職業九段和業余九段的差距。這確實是很大的跳躍。
那為什么會有這樣的現象呢?也就是說，為什么下圍棋的人工智能進步幅度這么大呢?
其實有一個非?，F實的理由，就是想掙錢的人不會去做圍棋。你看 AlphaGo 的專家隊伍也沒那么了不起，就是二十個很厲害的機器學習專家。在谷歌里面可能有兩千個這樣的人，在微軟里有一千個這樣的人。原因在于微軟和谷歌過去沒有想拿兩千個專家的力量打敗圍棋手，他們的更多時間都在做語音識別、人臉識別這些有價值的事情。
在這個沒有價值的事情上 ，能用二十個專家就不錯了。
金融、醫療是有商業價值的 AI
有商業價值的 AI，影響就巨大了。
AI 在數據量大的領域最易應用。這些數據最好被準確標注，自動化標注。
AI 在無摩擦的領域最容易應用。一個領域里面如果有制造、測試、物流這類摩擦，那就麻煩了。無摩擦的領域是什么?醫療是無摩擦，金融是無摩擦。
AI 在掙錢最多的領域容易應用。毫無疑問，最掙錢的又是金融。
所以金融毫無疑問會是AI最快征服的領域。因為你的算法可以很快就變成錢。
醫療也是一個特別巨大的領域。而且醫療相對傳統，能產生增值的機會很大。而且它不是基于大數據的。最好的醫生是什么，就是他自己是一個深度學習的機器，根據他的經驗做了好多好多次。
假設他判斷了五千個病人，判對了很多，判錯了一些，下面他的判斷就會非常精準了。但一個好醫生可能最多也就判斷過五千個病人，但我們的數據是五千萬的病人的級別。所以醫療超越醫生應該是一個非常必然的，全球性的趨勢。
但是AI 醫療需要突破一些隱私問題，可能會有一些挑戰。
機器人世界的大門，要靠智能駕駛來敲開
除了大數據應用之外，還有就是科幻型的應用了。包括機器人，無人駕駛這類領域。
目前看得非常清晰，而且全球達到共識就是無人駕駛。有時候你要做一個科幻型的東西，需要萬事俱備，天時地利人和才能推動。但是一旦開始動它就不得了。就像以前我們的移動互聯網改造了整個產業鏈，以前的 SP、諾基亞之類。這樣的產業變革來臨，基本舊的企業全部會死掉，換成一批新的。
出行就會是下一個產業。我們非常幸運，目前有了共享經濟，還有電動車。這兩個領域已經在推動了，可推一推目前遇到一些阻力。
現在無人駕駛一來，會改變世界的經濟格局。我相信，世界經濟10%是和出行和運輸相關的。雖然真正的無人駕駛到來可能還要十年，但是有些其他的事情可以更快地被做好。
比如景區游覽車，比如運輸卡車。
你可能會問，如果自動駕駛技術暫時還不成熟，卡車下了高速公路怎么辦?沒問題，我們把倉庫全停在高速公路旁邊不就是了。
萬一卡車看錯路怎么辦?那我們就重新修路，在路上放很多標志和傳感器，這也不是很困難。
所以我們未來三五年我們就可以打很多補丁，讓無人駕駛能夠在很多有限的環境之下被使用，所以千萬不要認為自動駕駛還有十年才來，現在跟我們無關。
我們很少看到有一個產業從頭到尾全部都“投降”了。
哪一家汽車公司還敢不說無人駕駛?每一家都在拼命想辦法去解決，整個產業力量都進來了。
資本的力量在全球都在投資無人駕駛的公司。
最新最酷的創業者，很多都在無人駕駛領域創業。
這是一個不可逆的必然趨勢，會對各個行業做全新的布局。
例如，所有的司機該怎么辦?沒有車會停下來，停車場該怎么辦?以后的汽車該什么樣子?道路要提供什么傳感器?哪些領域是最快能夠賺最多錢的?
這些我們其實都不必太擔心，因為那些最有商業嗅覺的人和最有科技能力的人已經在每天在推敲這個事情。他們，或者說我們一定會找到解決方案。
當一輛無人駕駛汽車可以在路上運行的時候，汽車之間就可以對話了。例如前面發生了車禍，我的車要做出避讓。今天我的主人著急上班，你給我讓路，我給你兩毛錢行不行?
在這種情況下機器人就變得可行了。與其期待家里的機器人用陪小孩玩的方式進化，還不如期待無人駕駛汽車促進機器人的進化。
