互聯網和數字經濟飛速發展的這幾年來，人類社會群體行為和個體行為的标準化和标簽化的過程已經完成，到今天，誰能真正找到能夠讓這些數據發揮價值的方式，誰就可以享受到産業紅利。從這個角度來看，我們不難發現當前人工智能應用較好的領域大多是信息化程度更高、數據密集的産業，如：互聯網、智慧城市、醫療健康、金融等。人工智能時代的數據常常被類比為工業時代的石油，但數據又與石油具有完全不同的再生屬性，行業不斷産生和積累的數據蘊含着巨大的應用價值，這就需運用雲計算、算法、平台等先進的技術工具來挖掘數據潛力。

9月25日，阿裡雲栖大會在杭州開幕。在Intel數據驅動專場上，由阿裡巴巴集團副總裁、阿裡雲智能計算平台總裁、高級研究員賈揚清（花名揚青）；彙醫慧影聯合創始人兼首席運營官郭娜；北高峰資本創始人、人工智能科學家闵萬裡（花名山景）；Intel高級首席工程師、大數據分析和人工智能創新院院長戴金權（Jason）等幾位行業嘉賓就“雲端智能加速釋放數據潛能”做了主題探讨。以下是圓桌實錄：

主持人：非常榮幸和各位探讨雲端智能加速釋放數據潛能這個主題。2019年，中國的人工智能已跻身世界前沿。揚清在人工智能算法和開源框架領域，大家認為您是帶路者，現在也在阿裡從事AI的前沿研究，請您解析一下中國在人工智能的竟技場上走到了什麼階段，還面對什麼機遇和挑戰？

賈揚清：我應該算是阿裡新人吧，剛加入6個月時間，之前有幸在開源（框架）方面做過比較有意思的工作。從AI之前的發展來說，它是和開放的科研、工程緊密結合起來的，中國的工程師和科研人員在AI發展當中起到了非常重要的作用，像TensorFlow、PyTorch背後都有中國工程師強大的身影，MXNet也是咱們中國的研究生創造的。所以我覺得在算法、工程能力上，咱們非常和世界接軌，甚至站在前列。就2019年看，算法的能力在增長，或者說變得相對穩定。我們說兩步走，算法、應用各往前一步時，我們今天最大的機遇在于怎麼樣讓AI算法應用當中落地。我們在科研領域訓練深度學習算法單槍匹馬就可以了，但在實際應用當中卻需要讓算法和數據、業務邏輯需要非常緊密地結合起來，這是當前的大趨勢，也是AI可以來進一步創造價值的一個點。

主持人：非常感謝揚清，其實和今天的主題相呼應了，人工智能進入了産業落地的關鍵期。李克強總理在政府報告裡提出了“智能 ”，着重強調促進人工智能和實體經濟相結合，來為行業賦能。想問一下山景（闵萬裡），您離開阿裡從事相關行業的投資，在投資過程當中對于”智能 ”在各行各業的應用有更加深刻的了解，您分享一下。

闵萬裡：智能化是大勢所趨，前面經過了IT建設之後，到今天的信息化，人類社會的群體行為、個體行為的标準化、标簽化已經完成了。誰可以從（數據）中找到智能，找到價值創造的方式，誰就可以享受到産業的紅利。按照這個方向去看的話，會發現許多數據密集的産業、行業，比如：天然數據密集的互聯網、智慧城市（這麼多攝象頭）、醫療健康（各種各樣的傳感器、CT掃描）等，這些都是數據密集産業。基本上可以說數據密集的行業和産業今天都是待開墾的金礦。在智能化手段的大潮下，用雲計算的計算力，用算法平台等作為工具成為新時代的掘油，我們鑽出來的是行業中更深層次的價值。所以我說智能化剛剛開始，而且潛在的空間非常大。更重要的是智能化所用的原材料是數據 計算力，而數據恰恰處在一個源源不斷被創造的數據通貨膨脹的年代，這跟石油天然不同。今天上午我們主論壇上在說數據是石油，但數據不同于石油，石油是不可再生，是有限蘊藏的資源，而數據卻每分每秒都在産生。在數據通貨膨脹的年代，智能的釋放需要眼明手快的技術手段。十年前隻有想法沒有雲計算搞不定，沒有AI也搞不定，今天有了雲計算、AI算法、caffe這些平台，又有源源不斷産生新的數據作為原材料，所以價值創造幾乎沒有代價。這跟原來的工業革命靠重資本的方式完全不同，所有的行動都在産生數據。然後計算力，今天有了雲之後計算力又唾手可得，而且老百姓都可以用得起超級計算，這個時候比拼的就是不是資本而是IQ了。誰有創造力，誰有産業經驗，誰有膽識，誰就有可能第一個把産業更深層次的價值淘出來，所以我說人工智能剛剛開始。

主持人：我看過一部紀錄片《你好 AI》，這裡邊有彙醫慧影在心髒病手術中，用英特爾的産品去做數據切片的工作。彙醫慧影也是雲端智能釋放數據潛能特别成功的案例。請郭總分享一下在醫療領域，彙醫慧影是如何用AI來挖掘出巨大大數據潛力的？

郭娜：彙醫慧影目前在AI醫療醫療影像公司當中，影像數據AI在阿裡雲上應用方面是阿裡雲全球最大的客戶，這是和阿裡的關系。第二就是彙醫慧影也是Intel capital 投資的全球唯一 一家醫療影像AI公司。剛剛揚清談到算法逐漸走向成熟的時候，今年是應用開發和商業落地特别好的時機。我們和英特爾拍了全球首部《你好 AI》的人工智能的紀錄片，當中就談到了主動脈必行主動脈夾層和輔主動脈瘤這兩個大病，我們通過AI算法能夠将原來兩三天的手術規劃在兩分鐘時間内計算好。所以大家可以看到，一邊我們在談算法，一邊我們在談算力，到應用行業的時候，我們所有的醫療數據潛力得到了最大程度的釋放和潛能的激發。所以醫療不是傳統行業，我們看到不管是腫瘤藥、癌症藥，醫療一直走在最前沿，因為我們對生命是不斷探索的。

特别要談一下，我自己就AI數據、醫療如何結合的有一個特别深的感慨。我們在去年和英特爾共同發布了關于乳腺癌AI診斷的産品，當時英特爾曆史上第一次把logo換成粉紅色，就是來支持這個項目。我覺得它有一個特别好的公益性質，因為乳腺癌這是女性的第一大癌症。此外，讓我們萬萬沒想到的是這個事情不光在算法、我們的市場宣傳、公益方面取得了非常好的效果，同時就在今年上半年，美國的NCCN關于乳腺癌腫瘤臨床治療指南當中就寫到關于AI對新輔助化療的決策。我們看到算法在快速演進，同時垂直行業應用當中的突破作為一種新的範式對于原來行業的改變也是在與時俱進的。

主持人：請Jason（戴金權）介紹一下Intel還有什麼戰略布局？

戴金權：我們和彙醫慧影有非常緊密的合作，不光是Intel Capital的投資，在技術上也有很多合作，包括演講當中也提到了英特爾最新處理器通過算力來加速AI的計算。同時在阿裡雲平台上，Intel最新的至強處理器上最新的推理加速都在阿裡平台上有非常好的支持，所以他們（彙醫慧影）可以在阿裡雲上高效地進行計算。

主持人：郭總，能不能分享一下。

郭娜：英特爾是一家偉大的公司，所以被Intel投資之後我們也要讓自己成為非常好的技術公司。得益于英特爾非常多，我剛剛談到不光是marketing，英特爾最新的技術，無論是雲上還是邊緣計算，所有最新的東西其實是美國和中國技術一起來讓我們的算法跑得更加好，更适應。

可能天池這樣的比賽對開發者有很大的激勵作用，像我們剛剛談到《你好 AI》裡邊這個主動脈的産品，我們和英特爾一起還入選了2019年的國家科協的前沿創新獎。這個又在更大社會意義上來做這件事情。彙醫慧影也願意在技術潮流中一方面技術更加落地，另一方面努力跟最先進平台和算法保持一緻，讓我們最好的技術應用到垂直行業當中。所以其實合作很多，從市場、銷售、技術支持，再到整個對社會影響力上，大家共同的推進吧。

主持人：剛才聽到阿裡雲相當一部分客戶就是醫療方面的，是嗎？

郭娜：其實雲栖大會不是第一次來了，但是這個組合更加親切。每年雲栖大會上彙醫慧影都會作為醫療影象AI公司和阿裡共同發布一個新的算法。比如今年3月份，我們和阿裡共同發布的是肺結核人工智能診斷的新算法。我們看到在新疆、西藏包括整個一帶一路很多地區肺結核感染率還是很高的，我們現在基本做到一秒一張肺結核X光片就可以篩出來，并且準确率達到96%以上，其實這塊兒落地的效益還是蠻明顯的。

主持人：雲端智能現在确實成為一個核武器了，在挖掘數據巨大的潛力。像山景（闵萬裡）剛才說的，阿裡和英特爾在數據智能方面給行業解決了不少的痛點，請揚清和Jason來分享一下阿裡和英特爾在挖掘數據潛力方面到底你們的威力在哪裡？

賈揚清：我覺得山景老師（闵萬裡）提到非常好的一點，今天大家越來越多地用到數據的力量，從無限當中來挖掘價值。山景老師（闵萬裡）作為我們數據平台非常重要的用戶，對我們一直在提出越來越高的要求。這個讓我想起來以前在軟硬件領域說的一個定理，叫安迪比爾定理。What Andy gives, Bill takes ，Andy是Intel的CEO，Bill是微軟的CEO。基本上硬件的能力或者我們提供的系統能力永遠不夠，因為軟件永遠能夠提出更高的要求。像剛才說阿裡雲最大用戶，從所有的行業合起來的情況來看，阿裡雲最大的用戶是阿裡巴巴自己。我們自己一直以來數據呈指數級增長，我們的應用呈指數級增長，但是對于基礎架構和系統來說有這樣的問題，我們不能光燒錢，所以有許多系統優化相關的問題，這時候就非常需要軟硬件協同設計的能力。在構建一個大數據、人工智能系統時候，利用我們所觀察到的計算模式的不同，比如有些對于存儲有比較高的要求，有些對于計算有更高的要求。通過我們說叫performance guider of optimization來進行更加深入的調優。我們跟Intel有非常多的合作， 從我們的工作場景出發來非常深入地做端到端的優化。最近我們推出TPCx-BB這樣的benchmark，我們一起合作獲得了比第二名快一倍，便宜一半的效果，這在一定程度上體現出來軟硬件協同的價值。

戴金權：我們和阿裡雲這邊有非常多的軟硬件優化的合作。硬件每提高一個數量級上的性能，軟件可以達到另一個數量級性能。我們在TPCx-BB大數據處理分析端到端的benchmark上的世界記錄，包括我們和阿裡在Flink新一代的實施計算方面，特别是和大數據以及人工智能相結合方面，我們有非常多一起優化，一起來合作的工作。剛才提到英特爾很多的硬件産品，比如第二代的至強處理器等等，都已經在阿裡雲上有非常好的銷售表現。我們通過軟硬件合作可以大大提高效率，從而從計算上、能力上，通過大數據和AI來給大家帶來更多價值。

主持人：山景（闵萬裡）您也是阿裡雲的用戶？

闵萬裡：應該說城市大腦是阿裡雲的用戶吧。因為基本上城市當中交通信号的實施控制、交通信号都是通過多源異構的實時數據流的融合，再把它映射到空間上不同的路段上。這種計算量是海量的，尤其是有高德每位用戶都貢獻數據時候，沒有雲是很難做的。十多年前做智慧城市時候，那時候搞一些報表做每周分析、事後分析，今天我們講的是實時分析和提前介入，所以眼明手快是越來越快了，沒有滞後。

主持人：城市大腦也是一個超算集群？

闵萬裡：不隻是一個，有可能是多個，有可能城市大腦收到的的某一組信号是來自于另外一個超算集群算出來的。比如：天氣預報我們知道是巨大計算量的事。天氣預報說杭州5點鐘開始下暴雨，這對城市大腦來說隻是一條信息，但是這條信息需要城市大腦迅速地蔓延開計算出來交通應該怎麼組織。這隻是一條信息，但它背後中國氣象局用了很大的算力去計算，它就像接力賽，一個集群一個集群在不斷接力。如果溯源的話，城市大腦所用到集群可能遠遠地超出了今天所講的狹義大腦的計算平台，包括其他領域的數據處理、分析、采集所用到的集群，可能不在城市大腦的範疇，但是有強硬關聯。

主持人：想請各位大佬給我們畫一下重點，2019年我們應該關注什麼，實踐的方向是什麼，應該怎麼做？從山景（闵萬裡）開始。

闵萬裡：我先講技術趨勢然後再講非技術的趨勢。最值得關注的技術趨勢，我覺得在流式計算和批計算的混合上可能會是越來越強烈的需求。有很多的業務場景，尤其是工業控制當中，有相當多的場景有流式計算和批計算的混合。因為在過去，工業控制大家認為是非常傳統的領域，而且門檻很高，不敢去碰，所以基本上被遺忘。但是今天，當工業互聯網的浪潮開始第二波、第三波蔓延到那裡的時候，會發現這個領域當中還是有很多應用催生的技術問題。我們知道機器生産線上每年産生的GDP是多少，稍微做一做就可以産生巨大的價值。所以我覺得這是大家值得關注的一個趨勢，就是流計算與批計算的混合。

第二，還有一個趨勢，技術領域的投資或研發進度越來越多地被非技術因素左右。這句話怎麼解釋呢，前幾年我們見過很多創業團隊寫個創業計劃書加幾個CNN深度學習的神經網絡就可以融到很多錢。因為那時候投資人都不懂，都覺得高大上，投人嘛，斯坦福的博士也投了。但是今天呢，這幾年投下來的效果基本上水落石出的時候大家才知道有誰真正在裸泳。回過來，當資本市場和産業變得冷靜和理性的時候，大家會回歸到思考任何一個技術最終創造價值的閉環在哪？如果在座的在做未來規劃的時候，要問一個根本性的問題，這個規劃出來的技術是否具備行業落地的可能性和場景，你解決問題的目标是什麼？還是說跟我過去三年的版本相比要提升20%，提升30%，這個規劃是什麼？我經常比喻是看着汽車的後視鏡在開車，因為看着過去在規劃未來，今天需要有人看着未來，告訴我車應該怎麼開。所以做戰略策劃的時候，更需要的是脫離技術的範疇，在更廣的行業空間當中去尋找未來的航向，這樣才可能在下一波浪潮的時候在浪頭上，而不是波谷裡面。這一點尤其是資本市場全球越來越理性時候，做技術的人需要特别關注的。而且資本越來越理性，已經被傷害過之後就會吃一塹長一智，所以以後的商務計劃書當中，少用一些CNN，多用技術價值創造最基礎的邏輯來講清楚一件事，用白話、非技術的語言去講清楚技術的邏輯和業務的邏輯閉環。有這樣能力、意識的時候，我覺得從人工智能、雲計算往産業的結合才會加速，才會全面升級我們行業的數字化轉型。

賈揚清：我想說兩個趨勢，一個趨勢是對外的，一個趨勢是對内。我們今天說GitHub能夠給我們創造什麼樣的能力，GitHub做的是三件事：找得到代碼、用得上代碼、管得住代碼。今天我們在想數據這一塊，很多時候在考慮怎麼樣找得到數據、怎麼用得到數據，但是怎麼樣管得住數據的問題，這是一個綜合治理的問題。我們今天說數據丢了，明天說上次訓練用得哪一個版本的數據來着，這一系列的問題，其實我們在考慮管理數據處理流程的時候是沒有像管理代碼那樣管起來。管代碼，隻要做個版本控制，一切都有記錄。做數據的時候，很多時候沒有把數據當成代碼、知識産權來管理。所以我們阿裡有很多精力用在怎麼樣做數據綜合治理上，以前我們說數據湖，怎麼樣從湖裡來尋找價值，這一塊是非常需要像做代碼的版本控制一樣來做數據綜合治理的這樣一種能力。這是對外的一種趨勢。

另外，對内的趨勢，我們說人工智能在解決各種各樣的問題，它能夠從數據當挖掘出規律和決策來。在計算機系統當中，系統本身的運行會産生非常多的數據。人工智能是不是能夠在這個地方起到對系統進一步發展的能力。今天我們很多的系統設計的時候都是基于規則來做 。比如有大量數據存儲的時候，需要考慮到哪些數據存儲在冷存裡，哪些存儲在SSD裡。我們可能會設計一個比較簡單的規則，如果是昨天的數據，就放在熱存裡，這是我們通過自己的人腦的觀察簡單數據統計量做出的決策。如果我們相信人工智能的話，就應該相信在大量統計背後，可以有一個更加智能的算法驅動的決策過程。我們非常相信，今天的計算機系統當中，人為決策的編程或者是設計方式在5年之後都會變成數據所驅動的智能決策過程，我覺得這是一個特别需要關注的趨勢。

主持人：AutoML呢？

賈揚清：AutoML開始有不同的诠釋，一個诠釋是比如說通過神經網絡結構搜索來尋找出更加靈活、有效的神經網絡。這塊兒是一個相對預言的發展方向，為什麼？我們發現AutoML所學習出來的網絡有時候不太好解釋，但是可以從大規模搜索當中尋找出來一些規律性東西，反過頭來指導我們做網絡結構設計。今天實際應用的網絡設計更多的是手工設計，但是背後通過AutoML大量計算提煉出來人可以進一步發揮的規律，我覺得這是AutoML的解釋。

主持人：我覺得英特爾是一個特别強大的橋梁。Jason也來介紹一下2019年應該怎麼走？

戴金權：剛才談了些趨勢，我也談兩點吧。從技術上來看，第一點就是軟硬件的結合帶來算力的提升。将來的計算來說，我覺得肯定是一個異構或者超異構的架構，包括Intel也是一樣，在标量、矢量、矩陣、空間等等各種不同的計算架構上通過軟硬件協作，軟件層優化來提升算力。

第二點就是，剛剛提到的，我們今天說要在實驗室裡開發一個AI模型，其實門檻沒有那麼高，可以做到。但是如何将AI模型、深度學習模型運用到生産環境裡，跟現有的軟硬件架構、大數據處理架構相結合，将人工智能大數據分析統一在一個架構下，把端到端的價值體現出來，其實和些科研界在實驗室裡做的事情不一樣。不管是阿裡，還是英特爾，包括和Fink的合作也一樣，要批流合一。Flink本身就是新的實時計算,它希望做的就是批流合一，實時處理數據。Intel和阿裡、Flink合作，包括天池大賽，實際上在想怎樣和下一代的大數據實時處理、人工智能算法結合起來，也都是在這些方面做的一些努力和嘗試，包括像英特爾、阿裡，“彙醫慧影”也都意識到我們需要把人工智能和現實的生産環境相結合起來。

主持人：請彙醫慧影的郭娜總給我們做一個總結。

郭娜：今天的論壇我一直在仔細聽，之所以覺得在AI方面是幹貨滿滿，是因為我認為我們幾家在AI領域都是真正在實踐當中，不斷地優化模型和産品，在這個過程當中發現自我的邊界，發現合作夥伴的邊界。其實我覺得AI在過去三年我們談的算法過多、概念過多，其實我覺得未來就在你今天的腳下。你會發現說“彙醫慧影”是不是應該更加專注于自己在Domain Knowledge裡邊的投入。因為很早期的時候，我們不得不也要去提供算法，搞數據，甚至每天配合讓數據的能力發揮出來。今天我覺得特别高興的是，大家都在成熟，而且都在這個過程中将自己的競争優勢和擅長的東西變得更加商業化、産品化，更加的高效快速，這樣自然生态就出來了。我相信如果明年還有機會，還是三家四家大家一起坐在這裡的時候，大家可以看到AI應用全面爆發。所以我一直相信，技術是在不斷地解鎖新的需求，我更相信當人感受不到技術的時候，就是技術真正成熟的時候。如果我們一個影像公司每天讨論框架、算法的問題，公允地來說，其實是沒有把我們最大的注意力放到客戶端。所以我覺得，最起碼今年我們能看到所有的業務中台在向數據中台過渡，因為原來都是在解決流程效率，現在都是在解決以病人、以病種為核心的數據重構和重組。另外，就是我們看到雲計算和邊緣計算的結合，因為我們和英特爾、阿裡合作，其實有很大的場景訴求。就是你不可能每個大三甲的數據都上雲，私有化部署這個時候表現出安全性、重要性和大醫院對自身數據的保密性，這個全球都是這樣，越頂級的醫療機構越是這樣。但是我們也做了大量基層項目，比如說400家基層醫院就想做胸片、骨折、肺結核篩查，這個時候雲計算又體現出它成本低、部署快，可以普惠醫療輻射到更廣遠的地方。所以雲和邊緣的結合，算法能夠在兩端快速地更新，數據能夠持續回來進行疊代。我覺得任何一家公司在未來都是AI公司，因為就“彙醫慧影”來說，我們雖然是AI公司，剛才說的幾塊還是人工在做。所以明年這部分大量的數據替代、算法替代，減少人工成本，這都是非常值得期待的事情。

主持人：人工智能以數據為本，普惠的AI應該以人為本。中國是大數據的大國，如何利用好數據優勢，釋放出數據的潛在價值需要一起去努力。

感謝幾位嘉賓的精彩分享，感謝英特爾、阿裡、“彙醫慧影”以及山景（闵萬裡）為行業發展做出的努力。讓我們一起用好雲端智能，做數據時代的赢家，也淘到金。

謝謝各位。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!