第一个就是特别大量的资料在某些网域开始产生，而且我觉得我们目前还没有用完。

第二个就是GPU的使用让我们能够更高效地、非常快速地做深度学习。

现在我觉得，所谓的深度学习的果实还远远没有摘完。人工智能用软件来说百花齐放，一颗颗大果实就在你面前。在这种情况下，你还要去种花，何必呢？

我们把GPU和海量资料在全世界扫一遍，应该还够我们VC界吃个5年，所以从投资的角度这是非常清晰的事情。

再往下走，我觉得AI肯定不是只有深度学习。例如现在还有增强学习的方法，也在探索。AlphaGo里面也不是只存在一个方法。所以我觉得学术界其实应该开始帮助和探索更多可能性，当我们把这2年的粮食吃完后，也许会有更好的机会。

我没有AI宗教信仰

当然未来AI也可能没有进一步的突破了。

如果没有的话，那就说明AI的黄金时代过去了。下面就是物联网或其他什么的。身为投资机构，我们并没有一种AI宗教信仰，我们还是要掌控灵活度。

就像移动互联网时代，当时我们应该是业界最高调的移动互联网VC。但随后我们根据情况做了调整。

如果学术界跟产业界有合理的分工，我对未来5年投资界和产生的价值非常乐观，对于所谓AI泡沫我认为不会发生。当然有个案会是泡沫，但是我认为能吃的粮食实在是太多了。

学术跟产业的分工大概是这样：

一方面是一个天然有机的分工；

另外一方面又有一点羡慕嫉妒恨。

一般来说学术界看不起产业界，但在某个时刻突然产业界一个技术成熟了，在这个技术上学术界就做不到产业界的成就了。于是学术界就被逼去做新的东西。例如现在再做人脸辨识，学术界已经打不过产业界了。所以在人工智能领域，很少见到一个老教授一生只研究一个命题。

AlphaGo本身没有商业价值

AI会带给我们什么价值呢？

我想先说说AlphaGo。之所以AlphaGo如此引人注目，很大程度上是因为我们这样的专家把它讲得太悬疑。

之前我觉得围棋比西洋棋至少难10年或15年，但后来结果证明我过于悲观了。我过于悲观其实有很多理由。我当时认为围棋要比西洋棋难了一个天文数字，但天文数字也是数字。

在AlphaGo之前最好的人工智能棋士达到业余五段。而AlphaGo最新的Master和职业九段之间的差距，大致相当于职业九段和业余九段的差距。这确实是很大的跳跃。

为什么会有这样的现象呢？也就是说，为什么下围棋的人工智能进步幅度这么大呢？

其实有一个非常现实的理由，就是想赚钱的人不会去做围棋。你看AlphaGo的专家队伍也没那么了不起，就是20个很厉害的机器学习专家。在Google里面可能有2千个这样的人，在微软里有1千个这样的人。原因在于微软和Google过去没有想拿2千个专家的力量打败职业棋士，他们更多时间都在做语音辨识、人脸辨识这些较有价值的事。

在没有价值的事上，用20个专家就算不错了。

金融、医疗是有商业价值的AI

有商业价值的AI，影响就大了。

AI在资料量大的领域最易应用。这些资料最好被准确、自动化标注。

AI在无摩擦的领域最容易应用。一个领域里如果有制造、测试、物流这类摩擦，那就麻烦了。无摩擦的领域是什么？医疗是无摩擦，金融是无摩擦。

AI在赚钱最多的领域容易应用。毫无疑问，最赚钱的又是金融。

所以金融毫无疑问会是AI最快征服的领域。因为你的演算法可以很快就变成钱。

医疗也是一个特别巨大的领域。而且医疗相对传统，能产生增值的机会很大。而且它不是基于大数据。最好的医生是什么？就是他自己是一个深度学习的机器，根据经验做了好多好多次。

假设他诊断了5千名病人，诊对了很多，错了一些，之后他的判断就会非常精准。但一个好医生可能最多也就诊断5千个病人，但我们的资料是5千万个病人的级别。所以医疗超越医生应该非常必然，是全球性的趋势。

但AI医疗需要解决隐私问题，可能会有一些挑战。

机器人世界的大门，要靠智能驾驶来敲开