如今，人工智能的创业已到下半场，就像一个指数级的函数，已过临界点，“快速爆发”，“指数级增长”的历史性时刻，到了！
高通全球副总裁沈劲在Gmic大会上，以深入浅出的语言，不仅将这个时刻形象化地比喻成放在第32个格子里的稻米，还引出了人工智能将被大量应用的5大领域，并以案例进行说明。
最后，沈劲也详细地理了理，目前人工智能尚有的一些创业机会，苦口婆心指出要做垂直、做专家系统，做信号处理等。
当然，也不忘顺便将高通正在着力干的事——对于将人工智能从云搬到端的未来布局——对外打个了广告！
以下为AI100所整理的高通全球副总裁 & 创投董事总经理沈劲演讲实录，Enjoy!
人工智能已经进入了下半场，大家说上半场是什么概念？
我们知道50年代提出了人工智能的概念，应该说上半场就是在50年代和今天这个之间我们称之为上半场。
如果说要挑一个事件作为一个界限来划分上下半场，我个人愿意选择2014年6月7号，因为在那一天，一组所谓的专家在网上，和一个名叫“牛津”的人在网上进行聊天对话，聊了5分钟之后，专家这边有1/3的人认为这个“牛津”就是13岁的一个小孩，事实上这是一台由三个俄国的科学家所做的人工智能的计算机。
按照图灵测试规则，这是一个标志点，就是说，机器的智能已经胜过了人的智能。
也正好那一天，为什么他们要做这个活动呢？因为那是图灵先生逝世的60周年。
下半场是什么概念呢？
人工智能的下半场到了
讲一个故事，指数发展的下半场，我们通常用64个棋上面放麦子的故事讲，在古印度有个皇帝为了奖励发明国际象棋的萨伊德大师，问：“你说要什么条件？”
萨伊德说要麦子。
怎么要法呢？
就是64个上放麦子，第一个一颗，第二个两颗，所谓的指数增长，当然皇帝跟我们都一样，在我们的想象当中麦子不算多他就答应了。
可事实上放到21格的时候，这个麦子就得用几麻袋搬过来了。
等过了32格的时候，全印度的麦子已经不够了，真的放满64格，需要全球生产两千年的麦子才够用。
而这，就是我们说的下半场的概念，所谓下半场，就是过了一定阶段，速度会比我们想象的快得多。
这是为什么现在人工智能能够在各个领域，能迅速变革，成为强大的能量和动力所在。
大家又该问了，你有什么证明呢？光讲故事不行啊。
OK。
如果讲到人工智能，大家一定会知道，在2012年那时候，Image Net图片识别大赛，某团队用了8层的神经网络，但它的错误率已经比以前大大降低了，错误只有百分之十六点几。
到2014年，神经网络做了22层，在2015年的的时候152层，那时候它的错误率已经小于4%。
今天如果大家参加过一些会议的话，我们知道已经有一千多层了。
所以，人工智能的发展不是线性的。
人工智能的三大推动力：数据、网络、计算能力，他们各自以指数的方式在发展。
这个很容易说明。
比如数据，历史上90%的数据是在过去两年产生的，今后两年，每个单元的三级管的数量会等于从1972年发明半导体的总和，就是刚才讲的今后的两年的增长等于以前的总和。
网络也就是手机的连接、物联网的连接，在今后的6年等于以前60年的总数。
通常我们用这样的方式来说明指数的发展。
现在我引用两个资料跟大家分享，所谓人工智能的十大场景和5大应用领域；
AI有哪些应用场景？
其中，高盛提到的5大领域，指的是：能源140亿美金，零售900亿美金，健康540亿美金，金融430亿，农业200亿美金。
它是包括成本的节约和新价值的创造。
我给它做了一个对比，这些场景可以使用到哪一些领域当中，有一些是非常容易明白的，比如大规模医患数据的处理肯定要应用到医疗上面。
具体讲的细一点，是怎么样？我们公司叫高通，有时候你一搜高通会出来一个高通量这个名词，我们做医药的一定知道高通量是怎么回事，也就是一种筛选药物的方式，它要用到大量的数据，今天用了人工智能以后使得我们药物研发的周期大大的缩短而且能够找到非常有效的药。这就是我们说的大规模医患数据有效的处理。
还有维修，能源上用到很多的大型设备，农业上面也用到了很多的设备，怎么样能够预测好检修的时间表，也能够节约大量的成本。
聊聊刚才讲的5个领域里的比较小的领域，当然也是非常庞大的领域——农业。
农业是目前几大领域，里面数据化做的最慢的领域，如果是在零售，很多数据都已经数据化了，而农业，我们传统的就是靠天吃饭、靠经验进行耕种，到了今天我们已经看到有些手机在使用，有些植入式的传感器得到了应用，也包括无人机在做数据的搜集和农药的喷洒工作。
但是到将来大数据为基础的人工智能为农业会带来很大的变革，我这儿提出三个方面：
1. 通过优化种子播种、灌溉、杀虫和收割提高产量和质量。
事实上就在北京郊区有个农场种植草莓，他们就实施所谓生长曲线的最优化。
草莓都是从比较冷的1月份到比较热的夏天，在大棚里养殖生长的。所以很多的参数是可以控制的，它的温度、水分都是可以控制的，通过控制让它走一条最佳的生产曲线之后，产量是最高的、营养是最好的、口感也是最好的。
2. 蔬菜水果智能的整理分工来降低人工。
采摘完以后有很重的整理、分类的工作，如果我们到了新发地这样一个集散中心会发现再好的水果和蔬菜到了那儿都没办法区分开来了，因为在那儿全都是一些人工的操作。
3. 计算机视觉和是语音应用在农作物和家禽病虫的预警。
以色列这家公司prospera这家公司是我们刚刚投的，它是用摄象头计算机视觉，持续观察农作物叶子成长的情况，来发出比如有毛虫旱灾或者皎白粉病这样的预警。
声音也可以来采集。
每天早晨在养鸡场、养鸭场采集他们的声音，然后再到大数据的模型里面进行运行，三天当中就是它有了一些病菌的感染，如果在三天之内能够准确的预测，预测准确度是66%，如果是八天是百分之百，能够提前知道鸡要生病了，然后给它打针，有了这个技术以后，不是每个鸡都是像现在一样打抗生素，吃抗生素的激就会大大下降，鸡的产量、质量都会上升。
此外，教育在中国也是个非常大的领域，其中包括7大方面的应用：
1. 作业的批改。
把老师助教的工作量省下来了，数学、科学用机器人批改，一点儿问题没有，作文批改正在进步当中。
2. 个性化学习的软件。
事实上每个人学习的方法都是不一样的，但是我们每个人今天所受的教育都是一种方法，是在一个模子培养出来的。
可不同的人，用同样的模式学习，好吗？
我们来看个例子。
英国一家机构就简单把每个人的学习方法分成了70种。
举个例子，比如我自己对我自己进行了IQ的测试，我发现我形象思维非常发达，但是逻辑差一点，就可以用很多形象思维的方式帮助我学习。
现在，大家知道人工智能机器是如何学习的，它先是从案例，然后到原理，但它的原理到底是什么，我们不知道，它是一个黑盒子，但是至少先给它案例，给它有很多大数据，它就可以自己去学习。
事实上我也是这样的人，我更愿意从案例学习，所以，每个人学习方法都不一样的。
目前我们投资的一家公司叫做爱乐奇，已经有一千多万的用户群，有八亿多练习题和考试，积累了大量的数据，这些数据就可以分析出每个人不同的学习方法。
3. 智能辅导系统。
就是我们说的机器成了你的辅导员，有机构做了一对一的对照，机器进行一对一的辅导效果已经比一对多的课堂教学好了，和人一对一的辅导相近。
在智能的辅导当中，人工智能有非常大的进展，互动学习环境，仿真游戏是非常好的学习工具。其中最好用的是飞行的仿真器，我有一个飞行员朋友，他学习都不是在天空当中学习，而是在仿真器。
除了这样的仿真器以外还有什么呢？平时我们使用很多的仿真，我女儿用的水文地理的仿真软件来学习环保，我儿子是用一个仿真软件学习如何炒股票，就是用虚拟货币学习如何炒股票。
我觉得在仿真教育游戏这是非常大的人工智能应用的场景，包括教育反馈和评测、智能招生、课堂和课后这七大方面。
聊完教育，也聊聊智能驾驶。
汽车的智能不光体现在自动驾驶当中，还有别的方面。
以后，我们不自己开车了，不用把着方向盘了，这个时候呢，容易晕车，因为你没有集中精神放在前方的路况上。
怎么能不晕呢？
这个时候，如果汽车的减震器，能够主动判断前方的路况，及时减震，人就不会晕了。
这也是在汽车方向上利用人工智能来创业的一个方向，不要讲到人工智能，就知道自动驾驶。
当然各个领域我们要用人工智能去变革的还很多，有人工楼宇、家居、医疗、工业、交通、零售、安防还有智能的IT等。
那么，整个产业链到底会发生什么样的变革呢？说实在的，这个题目还是比较难的。
创业的机会何在
不过，我们看到有些公司已经成为通用的AI-SaaS这样的公司，他们是google、facebook这样的公司，也包括创业比较早的公司。
在投资领域AI-SaaS有没有机会？
有，比如大的医疗、农业，创业公司可，以把自己定位在平台级创业模式，我们曾投资的奥科美，它就已经搜集了5千家农场的6大群30组的数据。
人工智能引擎，数据是燃料。
当然每个领域还有很难的部分，就是专家系统，这个专家系统是要做决策的，要做执行也包括实时数据的采集。
我们认为现在创业的机会，都是在这一朵云下面，如果是做领域内的传统公司，我们希望你们找到这里面做的比较差的，我们进行数据的积累还为时不晚，但是已经有很多的跟互联网相关的数据都是在大的互联网公司的手上，可能在垂直领域要做平台这个机会已经没有了，但是做专家系统或者是端到端的整个应用还是一个创业很好方向。
一定会出现一些提供服务的公司，它的专长是AI，它为传统在能源、农业里的一些大公司提供这些服务。
讲到所有的人工智能学习模型，都运行在一个超算中心，在云端，但事实上，设备端也是人工智能应用的一个重要环节。
也就是说，云和端，而端恰恰也是高通的一个优势所在，很多万物互联设备都在使用高通的芯片，为什么端非常重要？
1. 网速限制。所有采集的数据，特别是视频这种需要较大带宽数据的文件，若都要传到云端，带宽的支撑目前还是有问题。
2. 有些数据处于安全性，和隐私性，不便传到云端处理。
3. 可靠性受影响。在云端传来传去，文件的可靠性肯定是被打折扣了。
4. 需要低延时快速响应时，应用也需要在本地处理。
基于此，高通已经和它的合作伙伴推出了25种能不同的端上面使用的智能的平台。
现在也有一些应用，比如枭龙的智能家居助手，无人机上面的枭龙的飞龙平台，目前零零科技、零度、中科创达他们的无人机都是用了高通的平台，它可以把以前的7-8块不同的电路板集成在一起。
目前为止，超过10亿所谓的终端上面承载有高通的芯片。就在几天前，我们和facebook共同发布的来支持caffe2的芯片，它里面承载着GPU、DSP，这些为高效运行提供了很好的计算的引擎。
第二是在云端和终端，我们是支持一个共同的人工智能的架构，包括caffe、caffe2，方便集成提供API和SDK包括部分源代码，支持caffe2的芯片包括820、835，都是旗舰手机曾经使用或者目前正在使用的芯片，也包括用在其他方面的芯片，因为在云端，这些互联网大佬们还是有天然的优势。
所以说，如果创业，第一可以选择垂直领域，第二在端上花一些工夫来进行创业，做出一个解决方案，包括人工智能、专家系统、设备上的信号处理及任务的执行等，可以从这些方面下手，我认为是有机会的。
版权申明：该文章版权归AI100所有，如需转载、摘编、复制等，请后台留言征得同意。若有直接抄袭，AI100将追究其责任。
关于AI100
AI100致力于打造人工智能技术和产业社区。为人工智能开发者提供信息和技术交流的平台；为人工智能创业者提供行业数据及智能应用的商业场景；为行业提供人工智能化的技术商业应用。请快快关注我们吧
联系客服
