以下會議實錄根據現場速記稿整理。
孔華威：首先花一、兩分鐘自我介紹一下。
劉子豪：我來自于京東集團，負責京東云的生態(tài)業(yè)務。
朱明杰：我是氪信創(chuàng)始人。氪信是一家人工智能的金融科技公司，跟持牌金融機構合作，進行精準的風控和智能化的工作。
傅婧：我是金融壹賬通的傅婧，我們是平安旗下全資子公司，給金融機構做科技賦能。
謝鵬：大家好，我叫謝鵬，來自曠視科技。曠視科技專注于計算機視覺領域，主要做一些人臉、圖像、視頻的識別。
孔華威：曠視科技的Face++比較有名。
何斯明：我來自點融網，負責供應鏈金融。點融網使用創(chuàng)新的技術，比如區(qū)塊鏈進行創(chuàng)新，打造更完美的供應鏈金融方案。
蔣龍：我來自通聯數據，專注于資產管理行業(yè)，圍繞智能投資和智能投顧。
孔華威：我進來的時候聽到資產配置，很奇怪沒有聽到比特幣。我調查一下，在座各位有比特幣的舉一個手，有沒有比特幣之類的資產配置？非常好，這里沒有韭菜也沒有鐮刀。今天會場很和諧，我們可以開始和諧的談話了。
我有幾個問題準備好了。大家都知道，現在科技巨頭紛紛開源。對于開源你們怎么看，對于初創(chuàng)的企業(yè)來說怎么看？現在我蠻糾結的，他（創(chuàng)業(yè)者）說我是做人工智能的，該不該投資我不知道。因為很怕做了3年，花了2千萬美金，最后突然開源了，不知道怎么辦。不知道你們怎么看這個問題？
劉子豪：孔老師既然問到這個問題，我先說一說。我覺得（開源）一點都不是 問題。我們可以看到，科技給社會賦能的階段性成長，最開始是靠技術壁壘，接下來靠一系列的創(chuàng)新，最后這些公司的估值來自于給客戶帶來的價值。這個價值也許在某個階段是靠代碼的保密帶來行業(yè)壁壘，但最終企業(yè)要給客戶帶來真正的價值。京東雖然不算初創(chuàng)企業(yè)，但我們以初創(chuàng)企業(yè)心態(tài)做事。整體來講，我們的文化是四個字母GOOD。其中兩個“O”，一個“O”代表obsessed with our customers，是對客戶痛之所痛，想之所想。另外一個“O”代表open source開源。我們這個時代給客戶提供價值的方式，不僅僅是軟件產品，而是大量的服務?，F在的科技行業(yè)、AI行業(yè)，并不是我把產品給你就完事了，其實有大量的服務在里面。不但要提供工具給客戶，還要保證客戶會用這個工具。既然價值鏈在發(fā)生變化，那么源代碼就是一個重要的IP，但它的使用方式和對企業(yè)價值估值模型的重要性，應該有很大的變化?？傮w來說不是很擔心，我建議投資人不要把源代碼的開放與否作為重要的決定因素。
孔華威：你們也有開源項目對吧？
劉子豪：我們不但自己開源，也鼓勵開源重要的是，開源之后還要服務。
孔華威：開源是必然的，重要的是怎么為客戶服務。氪信怎么看這個問題？
朱明杰：我出來創(chuàng)業(yè)第一天就想，我做人工智能，不是重復造輪子。我們很清楚大公司的實力，在人才、資源方面沒有辦法與他們匹敵。所以如果（創(chuàng)業(yè)型公司）重新做一套通用的平臺，或者做一套通用的標準不太現實。但是，另外一方面我們也非常感謝巨頭公司去開源。比如說谷歌最近剛剛發(fā)布Cloud AutoML還有微軟也有很多開源，我現在作為初創(chuàng)公司的代表，希望他們的開源越多越好。因為基礎的東西的確適合大公司來做，現在國內的幾大巨頭都會找我們來合作。因為這件事情，技術跟最后落地的賦能對象之間，就是平臺和對象之間存在極大的Gap。技術和真正的使用之間的鴻溝非常大。巨頭希望跟我們合作，因為初創(chuàng)公司比較靈活。我們可以針對某一個具體的業(yè)務場景，運用開源的平臺技術到最后業(yè)務上去。技術和最后的解決方案之間，這個巨大的鴻溝，初創(chuàng)公司可以做很多的事。所以我們擁抱巨頭的開源。
孔華威：你的應用（金融壹賬通）是用AI技術為征信服務，你怎么看？
傅婧：現在深度學習已經取得了突破性進展。在這個前提下，算法、代碼，已經不是競爭的障礙了，更多的應該是用戶的習慣、或者數據才可能是真正的壁壘。在這個情況下，用戶不一定是終端用戶，也有可能是廣大的開發(fā)者。所以巨頭的開源有三層含義，第一巨頭可能是在搶占基礎平臺的制高點，通過開源獲得更多的用戶習慣，包括征信數據。
第二個是，中小企業(yè)采取開源來應用到垂直業(yè)務上，數據最終會反饋給開源平臺。這也是巨頭真正想要的、所期望的，因為對于巨頭自己的業(yè)務，也可能帶來一些深遠的影響。
第三，人工智能是比較前瞻的問題，還處于比較初級的階段，在發(fā)展當中。巨頭的發(fā)展方向也各自不同，也需要引入大批的人才。通過開源引入更多人才，為人工智能賦能，讓科技改變生活。
孔華威：所以站在巨頭的角度，這是對的。對于應用開源的公司來講也沒問題。
傅婧：創(chuàng)業(yè)公司的應用也會反哺巨頭。
孔華威：你（曠視科技）認為開源對你有沖擊嗎？
謝鵬：有的。計算機視覺從技術角度，微軟、BAT、亞馬遜、谷歌都有。當然實際上巨人的手指都是有縫隙的。每個公司規(guī)模不一樣，開源只有大公司會做。因為他有耐心，他有足夠多的變現方式。谷歌通過廣告變現，阿里通過電商或者云業(yè)務來變現。但是創(chuàng)業(yè)公司不太可能，可能是因為創(chuàng)業(yè)公司的定位。創(chuàng)業(yè)公司更多是去做落地的、場景化的事情。這些事情巨頭公司不做，所以創(chuàng)業(yè)公司與巨頭是互補的關系。當然巨頭開源給我們很多底層技術支撐，從曠視的角度來說，也不完全依賴開源。曠視的深度學習引擎也是自主研發(fā)的，從效率、從安全、從易用性上，包括未來可能還有芯片的設計，這樣更加靈活。不同的階段不一樣。
孔華威：你們現在人臉識別的準確率怎么樣？跟現在開源的技術，有什么樣的差別嗎？
謝鵬：從學術的角度，曠視基本拿遍了全球所有的計算機視覺獎項。2017年微軟COCO的比賽，曠視可能是全球唯一一家拿到三個冠軍的中國公司。環(huán)境好的時候刷臉很順利，但是在許多真實落地的場景中，比如取快遞，受到燈光、帽子、裝飾物的影響，識別率會降低。高鐵刷臉也可能刷不過。真正落地場景的時候，需要定制化和專門的優(yōu)化工作。但是這些工作巨頭不會碰，這也是創(chuàng)業(yè)公司生存的空間。但是我們未來也有做平臺的愿景。
孔華威：對于點融網，你們運用的多嗎？
何斯明：我分享一下個人看法。目前AI領域，可能大家都比較關注巨頭的開源項目，比如谷歌的TensorFlow，還有微軟的CNTK(Computational Network Toolkit) 等等。其實在AI的開源項目里面，也有很多是有小規(guī)?；蛘咧械纫?guī)模的公司開創(chuàng)的。比如有一個項目，Berkeley（美國加州伯克利大學）的Caffe（由伯克利人工智能研究實驗室開發(fā)的深度學習框架），它能夠在一天之內處理6000萬images（圖片），僅僅通過一個GPU。目前亞馬遜也在使用這個技術。還有一個開源項目是H2O，他的客戶包括Cisco、Paypal 等大公司。所以我覺得在開源項目里面，有很多不錯的。我們也使用過TensorFlow，通過用AI的工具，來幫我們優(yōu)化整個風控框架。因為供應鏈金融的核心是風控，我們希望通過人工智能預測風險在哪里等等。目前我們也在繼續(xù)關注開源的AI項目。
孔華威：通聯數據怎么看？
蔣龍：我們在投資領域進行創(chuàng)業(yè)，主要通過人工智能技術提升決策的效率和準度。對于股票、債券、一級市場，大宗商品都會關注。
孔華威：VC做嗎？
蔣龍：我們會幫助VC做。我們在垂直領域做創(chuàng)新，需要一些通用工具的支持，所以我們對于巨頭開源非常支持。開源并不是完全依賴它，或者拿過來就能解決實際的問題。我們拿到開源的工具之后，首先還是會去通讀它的代碼，根據使用的這個場景對代碼進行改變。這樣開源就幫你起了很大的步，等于站在巨人肩上，幫你解決了很多通用的問題。如果我們這樣有效，而且可能是比較通用的方案，我們也愿意把結果繼續(xù)開源出去。人工智能的發(fā)展，除了基礎技術的發(fā)展外，還需要在人們生活和工作場景去深入和創(chuàng)新，這是很多人的參與和創(chuàng)造。巨頭們把這樣的工具給大家，大家根據需要使用是很好的事情。
孔華威：大公司做平臺創(chuàng)業(yè)公司落地，大公司開源越多更好，這是基本的邏輯。我在中科院計算所，以前講自主創(chuàng)新，一直想做成平臺的事，但是沒有做成。從AI本身來講，看來現在創(chuàng)業(yè)公司沒有想過做成平臺。
蔣龍：我們開始先不去想做平臺，但是未來沖向平臺也是可以的。
孔華威：比如編程語言，都是國外的，我們一個都不開發(fā)，但是我們成為編程高手也是可以的。當然我個人是希望做一些通用的開發(fā)，（現在）看來好像有一些小問題，打消了我一個念頭。2018年堅決不干這個事。
孔華威：在座有很多金融公司，我們暢想一下，金融領域中AI的應用是什么樣的情況？
蔣龍：因為我們關注金融的子行業(yè)資產管理，用人工智能和大數據解決投資分析的問題。傳統大家做投資分析，可能用統計局的數據分析宏觀經濟的變化。現在有很多創(chuàng)新，比如用衛(wèi)星圖片拍的夜晚燈光亮度，分析中國的發(fā)展。美國國家經濟研究中心的幾個科學家，用這樣的數據來判斷中國的GDP增長比統計數據還要高。還有很多科學家用衛(wèi)星圖像里車的數量預測零售企業(yè)的業(yè)績。這些大數據慢慢的在投資決策里成為很重要的因素，這是我們做投資的一個重要方向。
另外我們也嘗試將機器學習引入到投資決策當中。過去關于投資有兩大流派。一個是巴菲特為代表的基本面流派，以人的邏輯思維判斷一個企業(yè)或者產業(yè)未來的價值，有很多主觀定性的分析。另一派以西蒙斯（文藝復興基金掌門人）為代表量化派，以大量的數據作為判斷基礎?，F在有了新流派，基本面量化。把人的知識，抽象成邏輯和知識圖譜，用算法框架訓練細節(jié)。投資行業(yè)很多問題不具備充分的數據，這些時候需要一些知識和結構，學習細節(jié)的參數。這樣一個做法，在過去幾年得到很好的印證，效果非常好。
除了投資研究外，人工智能另一個運用是智能投顧，也非?；?。智能投顧從2009年誕生，基本的理念是實現普惠金融，把以前高凈值客戶才能享受到的服務，讓普通理財者也能享受到，這是很重要的初衷。目前智能投顧中的技術，20年前就能做。但是在互聯網時代之前，你通過軟件把投資目標、風險偏好輸入，自動給你配置也能做。但是因為市場不斷變化，第二天就要換軟件，不然做不到。有了互聯網時代，金融企業(yè)有了低成本觸達廣大用戶的能力，這種能力包裝一下，把自己的模型隨時更新，就有了個性化服務的基礎。
孔華威：未來是不是沒有定性分析，全是定量？
蔣龍：大家覺得是不是機器人來了，未來基金經理全變成AI？
孔華威：這個不可能。
蔣龍：對，短期內不太可能。
孔華威：京東怎么看？
劉子豪：在京東看來，有非常多的AI產品在落地。原因在于我們不是一個純平臺公司，我們自己做京東云這樣的平臺，是因為我們有很多場景，比如說電商場景、金融場景、物流場景和保險場景。
孔華威：京東云的實踐當中，AI特別好玩的是什么？
劉子豪：我們有很多種場景，我來講講京東云。京東到目前為止超過3億活躍用戶，上面做電商的商家就有幾十萬家，上游供應鏈商家超過十萬家，所以我們有很多大數據。為什么最近AI特別火？因為計算能力、數據量到了一定的階段了，從量變產生質變了，在這個場景下我們是非常非常有優(yōu)勢的。
孔華威：你（氪信）大數據沒有這么多，AI有什么利器？
朱明杰：我們在金融領域有大量數據化、智能化的機會。其實目前國內金融機構還是挺多人工的成分，這也是為什么很多人得不到合理的金融服務。在領先的金融機構比如招商銀行、平安、中銀，再靠電話審批已經不行了。通過APP在線提供金融服務，把人工成本省掉。背后很多技術是我們提供的。招商銀行核心的在線風控、營銷，通過我們的業(yè)務合作，極大提升了轉化率和壞賬控制能力。所以我們希望助力合規(guī)的持牌金融機構，讓更多國人得到合理的服務。
傅婧：我們金融壹賬通現在在做一個加馬(Gamma)智能貸款解決方案，首創(chuàng)了一個金融行業(yè)的智能解決方案。它覆蓋了從面審到審批的全流程。我們自創(chuàng)了微表情欺詐識別技術，在面審過程當中，通過實時抓取客戶的臉部微表情進行智能判定。結合數據圖譜、智能問答引擎，通過大數據交叉驗證，深度挖掘潛在的風險點，大大減緩了審批的壞賬率，提風控率的水平。
孔華威：謝鵬總講講。
謝鵬：我們更多是解決前端支付的問題，主要是人臉身份識別的。
孔華威：馬云說的掃臉。
謝鵬：對，還是場景化，讓大家支付更方便。我們關注點更多在前端發(fā)力。
何斯明：供應鏈金融市場很龐大，總量在1萬5千億。但是他所使用的方案，其實還是比較偏向于傳統方案，牽涉到手工的動作，比如審核發(fā)票等等。為什么需要大量手工的動作呢？是為了風險管控。我們覺得人工智能的最大用處，是幫忙我們優(yōu)化自動化的管控，實現實時性的供應鏈金融。
我們覺得這只是一部分，我們看如何把它合并到其他的技術，比如區(qū)塊鏈、物聯網等等。人工智能這一塊，對我們來說是一方面的功能，主要為了解決一些風險。
孔華威：2017年大家經常說AI會減少人的機會，今年大家都不講了。有兩種看法，一種看法是沒有什么好講的，有一點被動；還有一種觀點是AI漸漸就讓你習慣了。明年再開會的時候我們做調研，看看AI的發(fā)展。