DS AI TALK | AI人工智能作为下一代“新基建”，将如何颠覆商业社会

数说故事，始终坚持以技术创新引领行业发展，与世界各地顶尖机构和高校紧密合作，以粤港澳大湾区为中心辐射全球，为企业数字化转型赋能。

“DS AI TALK”是由数说故事组织、汇集AI领域内顶尖大咖的系列活动，聚焦AI前沿技术，赋能商业增长，7月21-23日数说故事携手知名AI大咖连线直播，7月30日，珠海横琴AI TALK线下圆桌会，数说故事视频号与您相约，不见不散！

7月23日，数说故事CTO李旭日连线AI大咖谢育涛先生，围绕“AI人工智能作为下一代“新基建”，将如何颠覆商业社会？”展开探讨，以下为精选对话内容实录：

李旭日：

第一，AI从学术圈开始逐步走向成熟的应用体系。算力的大幅提升，使得芯片产业尤其是人工智能芯片的发展走向成熟，同时，国家也非常重视AI的发展，积极投入人力物力；国内大数据平台开始走向成熟，云计算等支撑平台建设的基础设施更加完善；数据越来越丰富，不管是国家的数据中心，还是各行各业的数据公司，积累到大量的数据。

第二，人工智能从早期的感知智能走向了认知智能。前期感知智能收集了大量数据，将这些数据进行解析，从图像识别、语音识别到知识计算、知识推理，知识图谱的作用进一步提升。机器开始学习理解数据、表达知识，甚至可以进行逻辑推理和自主计算，从单纯的“眼睛”、“耳朵”的功能开始慢慢的延伸到“大脑”的处理功能。

第三，从专用智能到通用智能。早期的人工智能还局限在某一个特定领域，但现在开始从专用智能延伸到通用智能，从有精度的学习延申到无精度的学习。像AlphaGO，根本不需要人工再去输入棋局，他自己跟自己对弈，就能学习到丰富的围棋的经验。最近几年，美国的open AI发布了 GPT3，华为也发布了盘古大模型，模型的参数都达到了千亿级别，智云人工智能研究院发布的“悟道2.0”，达到1.75万亿参数。

AI从业者们还观察到这样一些新趋势：国家把AI人工智能作为官方定义的新基建的重要领域之一。「新基建」是指发力于科技端的基础设施建设，主要包含 5G 基建、特高压、城际高速铁路和城际轨道交通、新能源汽车充电桩、大数据中心、人工智能、工业互联网等七大领域，再加上生物医药，孕育着第四次工业革命的机会。

谢育涛：

我认为AI是新基建的灵魂之所在，第4次工业革命即将到来，人类的科技正在加速发展，最近几十年更是突飞猛进，生活的每一个部分都离不开互联网。

在这样大背景下，国家现在大力发展新基建，不仅是钢筋混凝土更新，更是抓住了数字经济时代的脉搏。从感知智能到认知智能，这确实是AI人工智能发展的重大趋势，也是技术发展的主旋律。

当前已经有大量的人工智能技术在驱动社会发展，一旦实现全面数字化，这些数字交给电脑。电脑用它强大的算法，大数据技术，将人工智能的技术达到认知智能。如果说感知智能，是我们的手、脚、眼睛，那么认知智能就是我们的大脑。在这个意义上，我认为 AI人工智能就是数字经济时代的新基建的灵魂。

谢育涛：

我认为AI人工智能的发展机会是全方位的，当一切都数字化的时候，所有的行业都面临着被颠覆的可能。有的人会从B端C端的角度来回答，有的人可能是从云端、设备端等维度，今天我将从技术栈的角度来分析这些发展机会。

第一，Infrastructure基础构架。在这个层面，大数据中心有硬件设备、网络设备、云计算以及后面还有很多种基础建设，比如说深度学习模型的框架、大模型训练、大数据处理等等，这一些是infrastructure基础建设这一部分。这一部分是我们在idea平台技术非常关注的，很多的公司都在做相关的投入，国内国外都在拼命的把 infrastructure往前推进，这是在infrastructure这个层面有很多的机会。

第二，Platform平台，Platform平台是提供服务的平台工具。比如感知服务、视觉、语音作为机器人、自动驾驶平台的基础建设，提供了很重要的功能模块，任何一个功能模块都有很多机会。国内国外都在拼命的投入，是非常有机会的。

第三，Software/Solution软件和解决方案。在金融、保险、教育、能源、交通、环境等各个行业都有应用，可以用数字人工智能的手段来提升他们的生产效率。

谢育涛：

在产品创新、品牌营销、渠道经营，用户运营等这几个方面，都可以运用人工智能协助工作；比如在内容生成领域，人工智能现在可以协助我们自动生成内容、图像、视频、声音。

又例如医院里医生需要根据一些身体的指标来为病人诊断，比如测脑电图、血压、验血等流程，有很多数据，怎么从多模态的数据合理有效的放在一起，训练出一个模型来协助医生来推断来做诊断。我觉得还有很多新的趋势，在商业应用当中可以直接落地带来效益。

谢育涛：

首先我想从技术的角度讲讲我的看法：从研究到落地存在很大的鸿沟，真正的产业化落地有许多细节，要以满足用户的需求为第一位。我们在实验室做的测试，包括收集来的样本数据都没问题，能够达到百分之九十几的精确率，但部署到测试场景，发现还是有很多实际的问题需要解决。人工智能解决不了的问题还是需要结合人协助完成，所以最关键的突破点就是死磕细节，这个是落地的第一步。

从研究创新的角度看，要实现落地还需要有创新的思维和核心技术作为支撑。我之前在中国微软的 windows团队，现在这个团队还在北京，他们做OCR这个事情比Google做得好，虽然Google的数据比微软的多，但最后还是微软在市场上更为领先，这是因为背后有好的研发模型在支撑。

最后是商业端的落地和生态系统，也就是要有科学家的头脑，企业家的素质，创业者的精神。

最后，我们共同期待在DataStory AI Lab能在技术上取得突破，带来真正有意义的应用落地。