?年初有關Alphago的圍棋人機大戰著實引起民眾不小的關注。正好機緣巧合在圖書館遇到《智能爆炸》這樣一本應景的好書。

?讀完這本科普類但不乏深度的新書，久久不能平復波瀾的心緒。人工智能的發展史依附在在人類自身文明進化的軌道上，目前看來未來一切不可思議的結局都將在奇點降臨的那一刻證明其存在的合理性。從“人機時代”到“人人時代“，到”機人時代“，再到”智人時代“，從萬物進化角度看，似乎也可以用遞弱代償的理論來解釋：

1）萬物的存在度在遞減，那么對外界的依存度就越來越高。

2）對外界的感受度越來越強

3）越演化到后來，必須具備越來越高的自由度

4）結構度越來越復雜

人的社會依存度決定其除了本體之間的連接外，還必須在人工智能的輔助下優化這種感受度。而人工智能演化的方向基于人類的對自由度的追求，而變得更加復雜。

技術的演進速度由于所謂的“加速回歸定律”（Law of Accelerating Returns)而另人工智能爆炸式躍進的奇點來臨愈來愈變得可能。

? 被此書打動，所以落筆記錄

Chapter 1 現實篇 智能化浪潮來襲

1.1 人工智能化時代即將來臨

標志性時間預示著人工智能時代的來臨--

**1950年英國“人工智能之父”阿蘭圖靈（alan Turing)發明了圖靈測試，用以通過提問的方式分辨 被測試者是人還是機器，如果機器超過30%的答復不能使測試者確認出是人還是機器，那這臺機器就通過測試，具有人類智能。

**2014年6月7日，在英國雷丁大學組織的“圖靈測試2014”活動中，俄羅斯人 vladimir Veselov開發的人工智能軟件--Eugene通過了原版圖靈測試。

**1997年5月11日，IBM公司的深藍計算機以4:2戰勝國際象棋世界冠軍卡斯帕羅夫

**2011年谷歌公司人工智能專家吳恩達（andrew Ng)啟動了“google Brain"項目。項目目的是通過谷歌的分布式計算框架和大規模人工神經網絡，在沒有任何先驗知識的情況下，僅通過觀看無標注的youtube視頻，來學習識別高級別概念，如貓。這就是著名的”google cat"。意味著機器可以具備人一樣的感知能力。目前該項技術已經應用于安卓系統的語音識別系統上。

前百度研究院常務副院長余凱博士認為：

**第一階段（2000~2009）潤物細無聲

PC互聯網產生的大量數據，推動了人工智能的發展。包括三大應用：搜索，推薦，廣告。但這些技術都是偏后臺的，用戶無法容易感知。

**第二階段（2010~2019）于無聲處聽驚雷

從PC互聯網到移動互聯網，更多的數據，更強大的計算能力和網絡帶寬，更強的模型，如大數據，深度學習，語音識別，自然語言理解，機器人等讓AI走向前臺。

**第三階段（2020~2029）江山如此多嬌

所有設備都會有智能傳感器，所有設備都有云端檔案，所有設備都會從以前的單一功能變成一個實際上連接任何服務的節點。

大規模的人工智能應用受到三個趨勢的推動：社會需求，產業趨勢，技術趨勢。 社會的趨勢將從萬物互聯到萬物智能。日本著名互聯網投資人孫正義預言，2020年每個人都會平均連接1000個設備。

演化經濟學的代表人物之一卡羅塔.佩雷斯（Carlota Perez)認為：重大的技術變遷不僅意味著一批新產業非同尋常地迅速成長，還意味著在長期內許多“舊”產業的新生。這些就產業在新產業的影響下，找到了利用新技術并在組織和管理上進行變革的方法。她將這一生產體系（包括其組織、技術和其相互依賴性）的各種新的思維方法的結合稱為“技術--經濟范式”（techno-economic paradigm)的變遷。

按照這一理論，移動互聯網會很快地被智能網絡所加持。

人工智能是研究開發用于模擬、延伸和擴展人的智能的理論、方法、技術和應用系統的一門綜合性學科，涉及計算機、控制論、信息論、神經生理學、心理學、語言學等眾多領域，核心是認知科學和技術。認知科學最重要的五個分支是：計算機視覺、機器學習、自然語言處理、機器人和語音識別。

**計算機視覺

1）指從圖像中識別出物體、場景和活動的能力

2）應用在醫療安防及監控，商業購物

3）初創公司自2011年起已經吸引了數億美元的風投

**機器學習

1）計算機系統無需遵照顯式的程序指令，而只是依靠數據來提升自身性能的能力

2）核心是從數據中自動發現模式，模式一旦被發現就可用于預測

3）用戶銷售預測，庫存管理，石油和天然氣勘探，公共衛生等

4）2011年~2014年間已經吸引了近10億美元的風險投資。

5）谷歌在2014年棄資4億美元收購了deepmind這家研究機器學習技術的公司

**自然語言處理

指計算機擁有人類般的文本處理能力。

**機器人

將機器視覺，自動規劃等認知技術整合至極小卻高性能的傳感器，制動器以及設計巧妙的硬件中，就催生了新一代的機器人。

語音識別

1）關注正確且自動地轉錄人類的語音技術。

2）使用一些與自然語言處理系統相同的技術，再輔以其他技術，如描述聲音和其出現在特定序列語言中概率的聲學模型等。

3）主要應用在包括醫療聽寫，語音書寫，電腦系統聲控，電話客服等。

人工智能是一個至少萬億級的市場，其子產業包括：機器人、智能傳感器、可穿戴設備等。帶來的舊產業的革新包括：汽車產業，且與新能源產業疊加，形成“車聯網+能聯網+互聯網+電動汽車”的復合型產業。

智能化時代的必要條件和充分條件：

**4個必要條件

1）移動網絡的發展和傳感器的普遍使用

據talkingData發布的《2014年移動互聯網數據報告》顯示，2014年我國移動互聯網產業發展迅猛，移動智能設備數已達10.6億個，較2013年增長231.7%，全國每人手機中平均安裝34款APP。

易觀國際的數據顯示，2014年中國移動互聯網用戶規模約7.29億，較2013年增長11.8%。未來幾年，移動互聯網用戶規模將繼續保持增長態勢。

2）云計算使低成本大規模并行計算成為現實

云計算=存儲云+計算云。存儲云的基礎技術是分布式存儲，而計算云的基礎技術是并行計算。

云計算基礎架構的本質是通過整合、共享和動態的硬件設備供應來實現IT投資的利用率最大化。

GPU的云計算異軍突起，遠超CPU的并行計算能力。

? ?--CPU功能模塊很多，能適應復雜的運算環境；GPU構成相對簡單，目前流處理器和顯存控制器占據絕大部分晶體管。CPU大部分晶體管主要用于構建控制電路和高速緩存存儲器（cache),只有少部分晶體管來完成實際的運算工作；GPU的控制相對簡單，而且對cache的需求小，所以大部分晶體管可以組成各類專用電路、多條流水線，使GPU的計算能力有質的飛躍，擁有驚人的處理浮點運算的能力。CPU的技術進步慢于摩爾定律，而GPU的運行速度已經超過了摩爾定律，每6個月性能可加倍。

? ?--CPU的架構是X86指令集的串行架構，GPU是并行處理，所以天然具備執行大規模并行處理的能力。

? ?--GPU適合構建人工智能的神經網絡，使神經網絡能容納上億個節點間的鏈接：Netflix 已用GPU；facebook、amazon、salesforce已擁有基于GPU的云計算能力。科大訊飛也采用GPU集群支持自己的語音識別技術。

? ?--傳統的CPU集群需要數周才能計算出擁有1億節點的神經的級聯可能性，而一個GPU集群一天內就可完成同一人物。

3）機器學習尤其是深度學習技術的進步

? ? --機器學習是用數據或以往的經驗，以此優化計算機程序的性能標準。機器學習是人工智能的核心和基礎。其實質是通過構建具有很多隱層的機器學習模型和海量的訓練數據，來學習更有用的特征，從而最終提升分類或預測的準確性。

? ?--深度學習是模擬人類大腦神經網絡的工作原理，將輸出的信號通過多層處理，將底層特征抽象為高層類別，它的目標是更有效率，更精確地處理信息。

? --深度學習由Geoffrey Hinton教授和他的學生在2006年提出。

? --深度學習用深層模型替換聲學模型中的混合高斯模型（Gaussian Mixture Model,GMM)，使錯誤率降低30%；在圖像識別領域，通過構造深度卷積神經網絡（CNN)，將TOP5錯誤率由26%降低到15%。

4）大數據的發展

? --大數據讓機器不斷學習成為可能，機器開始擬人化。

**4個充分條件

1）軟硬件服務一體化

? --軟件為硬件而編寫，硬件為軟件而訂造。定義極致、體驗和生態

2）聚焦剛性需求

?--剛性需求曲線在理論上是一條直線，即商品價格與用戶購買意愿關系不大。只有那些市場容量龐大、使用頻次較高或單次市場價值較高的需求領域，才能稱為剛性需求。

3）關鍵技術突破

4）體驗式營銷

?--核心在于提供優良服務和減少價值減損。

1.2 人類智能的厚度

笛卡爾的理論：

1）“我思故我在”肯定了思想存在則人類存在

2）身心二元論，割裂了肉體和精神的聯系

霍布斯的機械唯物主義：

--將人類生理活動比喻為“機械鐘表”，而將理性視為大腦根據經驗進行的加減計算。

1.3 人工智能的高度

人工智能一詞最早是在1956年達特茅斯學會上被提出來的。從學科定義上來說，人工智能（artificial intelligence AI)是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。而從功能定義上，人工智能是智能機器所執行的通常與人類智能有關的功能，如判斷、推理、證明、識別、感知、理解、設計、思考、規劃、學習和問題求解等思維活動。

人工智能的三個層級：感知、理解、決策

“人工智能之父”，最早提出“人工智能”這一名詞，LISP語言發明者， 約翰.麥卡錫（John Mccarthy)

Chapter 2 科幻 照亮技術進步的明燈

2.1 星空下的變奏曲：50年科幻之旅

1818年，瑪麗.雪萊創作了《弗蘭肯斯坦：現代普羅米修斯》，這是第一本現代意義上的科幻小說。講訴了科學家弗蘭肯斯坦通過實驗創造了一個丑陋怪物，開始對人們充滿善意和感恩，但后來卻要求創造者和人們給予更多，最后誤殺了科學家懊悔地跳海自殺。

1938年，哥倫比亞廣播電臺的小說《世界大戰》引起反響，600萬聽眾中有170萬人信以為真以為火星人入侵，大約120萬人準備馬上逃離。

劉慈欣的《三體》三部曲將中國科幻帶入一個全新境界。

美國著名文學家評論家哈伊.哈桑說：“科幻小說可能是哲學上最天真的，道德上最簡單的，美學上有些主觀或粗糙的，但就他最好的方面而言，他似乎觸及了人類集體夢想的神經中樞，解放出我們人類這具機器中深藏的某些幻想。

Chapter 3 技術 孕育產品創新的搖籃

3.1 神經網絡 模擬人類大腦

神經網絡，在人工智能領域通常指人工神經網絡。顧名思義，就是依生物神經元及其相互聯結的工作原理進行分布式并行信息處理的算法數學模型。

史蒂芬.霍金在《大設計》中宣稱，哲學已死，科學發展的速度遠遠把哲學問題甩在了后面。在霍金眼里，自由意志其實是一種極其復雜的充滿混沌與不確定性的概率模型，心理學是對于人體的有效模型。意識同宇宙一樣，是自發生和自組織的，而神經網絡無疑是霍金解決意識問題的那把鑰匙。

人工智能有三個學派：符號主義，聯結主義和行為主義。聯結主義是目前最火的

人類大腦的思維分為：抽象（邏輯）思維、形象（直觀）思維和靈感（頓悟）思維。

1）符號主義催生邏輯型人工智能專家系統

2）聯結主義催生形象思維，人工神經網絡主要解決機器的形象思維能力，包括感知能力（區別貓和狗）

? --18世紀末，意大利人伽伐尼（L.Galvani)通過膝跳反應認識到神經活動的實質是獨特的生物電活動

?--神經元學說由西班牙人拉蒙-卡哈爾（R.Cajal)最終確立，直到20世紀30年代才被廣泛接受

?--20世紀四十年代，神經心理學家沃倫.麥卡洛克與數學家沃爾特.皮茨提出了神經元網絡模型，即M-P模型，認為神經元具有計算機1和0那樣的邏輯功能，指出了神經元的數學描述和網絡結構。

3.2 深度學習：像人類一樣成長

什么是深度學習？ （deep learning)

**機器學習方法分為有監督學習和無監督學習。

1）有監督學習是讓計算機處理已貼標簽的數據。對應的是單一感知器的學習方法。

2）無監督學習是讓計算機處理未貼標簽的數據，或者說不告訴計算機要去學習什么和認知什么而是讓它自己去學習做一件事情。對應的是多層感知器。即深層學習結構。

**深度學習中，以往被視為負擔的超大數據，將演變為一種資源，其輸出結果會隨著數據量增大而更加準確。

**充分必要條件：互聯網下的大數據和摩爾定律下的芯片發展

3.3 機器識別：感知世界的繽紛、嘈雜與律動

機器視覺

1）人類大腦通過視覺獲得信息占總信息量的80%以上，而大腦中有接近1000億個神經元，它們絕大多數只做一件事情，就是處理我們的視覺信息。

2）機器視覺應包括圖像獲取能力、處理分析能力和輸出顯示能力

3）在硬件組成上，機器視覺系統一般由攝像機、圖像攝取裝置（CCD或CMOS)、采集卡、照明、計算機、外圍運動控制部分組成。

指紋識別

機器指紋識別，是指機器收集手指皮膚的脈絡紋理、大小粗細等特征信息，將之與留存于數據庫的信息進行對照。

語音識別

研究目標在于讓機器知道人類到底說什么

3.4 第六代計算機：追趕人腦計算能力

馮.諾依曼明確提出了存儲程序計算機、二進制替代十進制、軟件硬件相分離等一系列理論，從而奠定了現代電子數字計算機的結構基礎，別譽為“計算機之父”

摩爾定律終將有天失效，集成電路的局限，迫使科學家研究計算機技術的新范式。

納米管技術

1）納米管比硅晶圓蝕刻的芯片要快上不止一兩倍，目前制造納米管芯片管采用了兩種不同的工藝---碳納米管和石墨烯

2）兩種工藝都遠未解決許多技術難關

DNA計算機

1）其實就是一個含有1萬億DNA分子水溶液的試管，其中每一個DNA分子的作用便相當于一臺計算機。

2）阻抗低，能耗小，發熱量小等優點。

3）DNA的雙螺旋結構能存儲巨額信息，1立方厘米DNA溶液能容納超過1萬億張CD光盤所含有的信息。

4）難點在于，求解速度奇快，但讀取信息的時間卻慢得可以

量子計算機

1）“薛定諤的貓”由量子物理學家薛定諤提出的著名思想實驗。一只貓被放在一個不透明的盒子里，盒子里有食物但也有一瓶毒藥。毒藥連著錘子，錘子也由一個電子開關控制，電子開關連著放射性原子。如果原子核衰變，觸動電子開關，錘子落地，砸碎毒藥瓶，釋放出氰化物氣體，貓就必死無疑。但原子核的衰變是隨機的，只知道其概率，所以貓的死亡也是概率事件。在打開盒子之前我們永遠不知道貓的狀況，所以在打開之前貓是“即死又活”的。

2）“既死又活“反應了量子力學中量子的疊加態。

3）量子力學中的另一個超越常識的特征是想干性。---一個粒子被觀測到后，與其相關的另一個粒子的狀態也能被確定，無論之間間隔多遠。

4）在量子計算機中，量子比特是最小單位，運算對象是量子比特序列。量子計算機對每一個疊加分量進行變換、基于疊加性和相干性，所有計算都是并行處理，并按照一定的概率振幅疊加起來給出結果。

3.5 計算機技術：更強更快的執行能力

德國的工業4.0和中國的”中國制造2025“。智能制造體現在數控自動化、設計電子化、控制系統化等方面。被谷歌收購的波士頓動力公司的機器狗不僅能健步如飛，而且被重重得踢上一腳也不會摔倒，是現代的”木牛流馬“。大疆創新的無人機是廣義機器人，核心競爭力在于其飛控技術。

1）軟體機器人技術

2）敏感觸控技術

3）集群機器人技術

? ? --通過算法的控制和優化，能形成自組織、自適應、非線性的集群機器人系統。類似于凱文凱利提到的“分布式系統”，即每個簡單地個體只完成簡單地任務，但是結成一種去中心化的網絡后，這種網絡能通過不斷學習和進化獲得“蜂群”智慧，并借此完成復雜的任務。

3.6 3D 打印技術：自己制造智能體

Chapter 4 產品 牽引企業轉型的纜繩

4.1 那些引領時代的智能硬件

**Iphone

**谷歌眼鏡

**Oculus rift:VR（Virtual Reality) & AR(Augmented Reality)

2012年8月，Oculus rift項目登錄Kichstarter眾籌網，籌得250萬美元，其后在首輪融資中又融了1600萬美元。開發者版以300美元出售，引起反響。被fackbook于2014年以20億美元收購。

**微軟、三星、HTC、索尼都在該領域發展

**特斯拉汽車

唉隆馬斯克，是鋼鐵俠的原型，是特斯拉，spaceX的CEO。

**谷歌汽車

4.2 智能硬件新領軍者

**Apple Watch

**Sonos音響

**大疆無人機

**SBRH Pepper 機器人

Chapter 5 企業 驅使產業升級的引擎

對大數據進行整理、挖掘、分析能產生巨大的價值，IT企業正在向智能企業轉變，將從過去講究寬度（流量、聚合）的競爭向講究深度（挖掘、分析）的競爭

5.2 谷歌：武裝后的終極搜索

谷歌從傳統的搜索市場擴展到類人機器人、高空互聯網氣球、甚至是長生不老。先后收購了deep mind（一家神經網絡創業公司）、Jetpac(一家機器自我學習式圖片搜索方案提供商）、Dark Blue Lab(一家專注于計算機深度學習和自然語言處理的公司）、Vision Facory(一家專注于計算機深度學習和視覺識別的公司）、Boston Dynamics、Flutter、Nest等一系列人工智能創業公司，囊括了智能機器人、手勢識別乃至智能家居

在2002年《連線》科技雜志的創始人主編凱文凱利在一起小型聚會上向尚未IPO的谷歌創始人之一拉里佩奇提問：“現在那么多搜索公司，你們為什么要做免費的網絡搜索？”佩奇的回答：“我們是在做人工智能”。而谷歌在人工智能方面的擴展恰恰證明他們是在用搜索技術來改善人功能智能。谷歌擁有超過12億的搜索用戶，每天會產生超過1200億的搜索關鍵詞，用戶的每一次搜索，每個關鍵詞，都是在輔導谷歌人工智能進行深度的信息采集。

在人工智能時代，我們所追求的不再是最符合的目標，而是最優秀的目標。

未來終極搜索是：人工智能系統已經掃描用戶閱讀的每一封電子郵件、每一個網絡文檔和曾經輸入的每一個關鍵詞，從而在用戶輸入搜索關鍵詞之前就預測下一步用戶所希望搜索的內容。人工智能是下一代搜索引擎的核心要素。過去的搜索引擎的作用是幫助人們“找到答案”，而未來的則是實現人與服務的智能化連接。終極搜索加上機械能力和電子郵件結果就是機器人；而終極搜索加上圖像和視頻識別能力，結果就是智能眼鏡。

5.3 百度：打造中國大腦

截止2015年3月，阿里巴巴市值2123.6億美元，騰訊市值1641.95億美元，而百度市值只有阿里巴巴的三分之一，為711.02億美元。百度對人工智能的曝光以及在智能硬件方面的布局，根本是在數據的基礎上，通過平臺，智能硬件布局，從數據到平臺，從智能硬件生態島百度大腦，加快消費者對百度人工智能的認識，為百度人工智能戰略的實施贏得時間。

**“百度大腦”戰略下基于大數據和云存儲的智能戰略。

**兩年以來，移動轉型再造了一個百度，但本質上只是流量變現的初級形態。

**在移動端實現人與服務的連接，有很高的技術門檻，如語音、圖像識別技術、底層大數據、人工智能、LBS、深度學習等。百度研發總共投入達134億元。

**在智能硬件的布局：與咕咚網聯合推出的咕咚手環，與映趣科技聯合發布的inWatch智能手表。2015年4月上線的百度硬件平臺，打造開放統一的數據接口、技術標準。

5.4 IBM:深藍巨人智能轉身

進化的軌跡： 當互聯網泡沫破滅、IT企業走下神壇時，推出了電子商務。當用戶拒絕購買IT設備時，巧妙地根據用戶需求提供服務。當大數據崛起后，IBM開始為系統制作大腦。

1)剝離PC等業務，向增長率、利潤率更高的業務轉型，并不斷向海外市場開拓，成為全球最大的信息技術和業務解決方案提供商。

2)2014年1月成立watson group，并為這個新部門投資10億美元。IBM CEO羅瑞蘭表示：“我們很少去創立新的業務集團，如果我們這么做了，就一定是因為發現這意味著一個重要的轉變。”

3)2011年2月17日，超級計算機watson作為選手參加美國智力競猜電視節目《危險邊緣》，并連續擊敗該節目歷史上最為成功的兩位選手，成為新的冠軍。隨后被應用到醫療等領域。

4)按照IBM設計的理念，是希望watson不光全權處理各種問題，而在于以“半人半AI”的方式幫助人類更好地學習。

2013年，IBM共計獲得6809項專利，主要集中在數據分析、云計算、大數據等快速增長的領域和watson所代表的認知科學。其所涉及的合作包括：

1)提供分析技術服務，幫助鐵路行業降低脫軌風險

2)“沃森健康“醫療分析平臺

3)與蘋果合作，發揮其作為云端的優勢

4)與推特（Twitter)在數據分析領域建立合作伙伴關系，使其他公司能對文章進行分析，從中找到商機

5)與騰訊合作提供云服務

6)斥資30億美元成立物聯網業務部門

7)與weather channel達成合作協議，為企業提供天氣分析服務

5.5 Facebook:智能社交網絡

facebook建立了一個聯系人和人的網絡，而且希望運用智能方法，以全新的方式對其10億多用戶發布的內容進行分析。

寄希望其人工智能實現室能對其社交平臺進行改進。研發支出占比高，僅2015年一季度，其研發費用就高達10.6億美元，占該季度營收的30%

投資物聯網，收購parse（專門為移動應用提供后臺服務的云計算平臺，且能夠為用戶提供后端的技術服務）。Parse被眾多智能廠商廣泛應用，包括智能車庫門應用chamberlain,可穿戴設備和跑步追蹤器制造商milestone sports，智能煙霧探測器廠商roost。

5.6 傳統企業智能化轉型

華為諾亞方舟實驗室推出一個叫MoKA的人工智能系統，基于”遷移學習“的理念，能真正將大數據變為幫助人們”做決策“

海爾的”U+"智能家居開放平臺

聯想成立NBD事業部，專門負責搭建“智能設備+服務”的創業平臺，向賀志強（聯想云服務業務負責人）匯報，賀志強提供后端能力支撐，即業內常見的“云服務+智能硬件平臺”物聯網組合

比亞迪出售電子部品件等優質資產給合力泰（智能穿戴設備行業領軍），并成為合力泰第二大股東。希望借力合力泰在智能硬件和軟件方面的實力帶動比亞迪智能汽車和車聯網發展。2014年提出“智戰略”

5.7 智能技術新貴崛起

科大訊飛的語音智能

光啟科技的飛艇方案，并啟動“家庭智能無線感知網”項目，重點為加速網絡升級改造，構建超寬帶家庭智能無線感知網，布局智能超級終端，打造全球OTT平臺

Graph Lab圖譜分析及大數據分析模型突破人類圖計算極限

Clarifai電腦智能識別利用深度學習技術來理解視頻內容

波士頓動力軍用機器人，被谷歌公司收購

K-team集群微型機器人，依靠群體工作，大量分工的個體完成高難度的行為

Chapter 6 產業 推動社會發展的巨浪

6.1 智能可穿戴：從產品到數據

在硬件方面，隨著產業鏈的完善，基于可穿戴芯片的平臺解決方案：

1)Intel基于Quark推出平臺Edison

2)MTK基于Aster Soc推出平臺LinkIt

3)飛思卡爾基于i.MX.6芯片推出平臺WaPP

在軟件方面，可穿戴設備并不適合采用點按、觸摸等傳統的交互方式，而是更適合采用語音、眼球、圖像等識別交互方式。

目前可穿戴設備更多是停留在“玩具”狀態，必須拋棄面向海量用戶提供標準化產品的思維，而是向特定用戶人群提供特定產品，挖掘尋找可穿戴產品的剛需場景，甚至要柔性定制化生產的思維

對于谷歌、蘋果這樣的大型互聯網巨頭，推出智能客穿戴設備的目的絕非通過硬件來盈利而是提供更多的網絡服務，爭奪一個更加貼近用戶的入口。依靠傳感器收集用戶信息并提供更多附加服務，這個是重點。

比如蘋果推出智能手機后，花費大量資源來建設IOS系統，從而培育出apple store生態，把用戶、應用開發商全部綁定到蘋果的生態圈內。智能可穿戴也一樣，搶先建立生態圈，優先獲取用戶信息，同時將硬件制造商納入自己麾下。

又比如“NIKE+"收集的用戶運動數據，設計和制造有針對性的運動產品。

對于小型設備制造商，更多的是為了實現產品商業化：

--如何在細分市場上進行挖掘（人群的細分、場景的細分）

6.2 智能家居： 客廳生態圈

其中談到三股力量

傳統制造企業都在尋找與互聯網的結合點。過去，家電行業看重的是互聯網電商渠道，現在則開始利用互聯網技術和能力探索全新的產品和智能模式。

傳統家電企業選擇的是產品，互聯網巨頭選擇的是系統，創業公司選擇的是單品。所以無論巨頭還是創業公司都很難覆蓋整個家庭所有產品。所以只要考慮自己的產品的路由網關如何接入未來的平臺。

兼容和統一是智能家居的最終競爭

目前智能家居仍缺少符合整個行業的平臺接入協議和應用協議標準。基于統一的協議和標準，家居設備廠商才能開放接口，應用開發商才能基于接口開發應用。

**蘋果的homekit平臺上還包括飛利浦、霍尼韋爾、德州儀器

**Thread Group無線協議聯盟則是三星、Nest，ARM、飛思卡爾、Silicon Labs等

6.3 智能醫療： 數字化診斷

繼智能家居后，很多人相信智能醫療是下一個風口。智能醫療是深入應用物聯網的領域之一，它是一個很大的概念，包括：

1)醫院信息化（電子病歷、電子處方、電子化流程、電子查房）

2)醫療信息互聯網化（各類尋醫問藥網站、APP應用）

3)藥劑醫療設備物聯網化（藥品、血液、器械等倉儲管理）

4)遠程健康監護以及遠程醫療

前三點發展迅猛，驅動來自于醫院主體。制約在第四點，流程效率的滯后帶來“看病難”。

理想的智能醫療是：人們穿戴著體征感知設備，醫療服務提供商自動遠程對其進行健康監測、疾病預警、問診，如發現問題，就通過社區醫院就近為其開藥或者治療

關于信息技術用于醫療領域而產生的概念過渡包括：遠程醫療、移動醫療、互聯網醫療，都是以信息轉移為主體，將原本從人身上獲取信息方式轉化為從工具、互聯網等間接獲取信息。而數字醫療階段，把現代計算機技術、信息技術應用于醫療領域，大大豐富了醫學信息的內涵和容量：

1)一維信息的可視化---心電圖和腦圖等重要的電生理信息

2)二維信息---CT、MRI、彩超、數字X線機等醫學影像信息

3)三維可視化--動態三維心臟圖

大環境好，體現在宏觀政策上，近年政府制定的“信息消費”、“健康服務業”、“人口健康信息化”等政策出臺，移動醫療產業得以快速發展，智能醫療、移動健康等概念加速落地。

根據預測，2014年中國移動醫療市場規模可達25億美元

BAT巨頭的關注：

1)百度的“百度健康”上線，致力于通過移動醫療健康平臺和智能穿戴設備記錄人們的健康數據

2)阿里的圍繞移動支付的在線醫療平臺和醫藥電商平臺生態圈，從醫藥電商切入智能醫療市場，先后收購尋醫問藥網、華康全景網等醫療平臺。15年與衛寧簽署戰略合作協議，直指處方藥市場，目的是搶占電子處方流量入口

3)騰訊上線“微醫療”，支持微信掛號服務，切入互聯網醫療市場

當前行業最大的問題不是產品和技術而是平臺和運營上，缺少一個中間平臺成為醫院和用戶間的連接者。這個平臺能統一收集個人所有的各類終端采集數據，能給醫患雙方提供服務，這個才是智能醫療的引爆點。

6.4 智能交通： 被改變的出行

從工具上來看，智能出行工具比如說無人駕駛汽車是不可或缺的一個環節。奔馳、寶馬、豐田、通用等制造商都把無人汽車的發布時間定在2020年前后。

在真正的智能交通系統中，車輛靠自己的智能在道路上自由行駛，比如無人駕駛汽車；公路靠自身的智能將交通流量調整到最佳狀態，比如車輛管理系統；借助智能交通系統，管理人員對道路狀況、車輛的行蹤實時掌握。

無人駕駛汽車需要具備的兩個基本系統：

**智能感知

1)通過攝像機、雷達和激光傳感器來實現，可追蹤車外境況，從而控制汽車行進

2)激光測距儀可精確測量前后車車距

3)全球定位系統可確認每部車的位置和時間節點

4)數字地圖將海量實時數據轉化成為虛擬圖景

**智能控制

1)車與車之間的聯系，形成車聯網

同傳統駕駛相比，無人駕駛汽車會更安全，減少交通事故；節約能源，減少交通擁堵和尋找車位的時間

智能交通還要實現智能交通網絡，通過數據采集、數據分析、實時加工來獲取交通狀況信息，然后提煉出對監控和預警有用的關鍵信息，以此來改善交通狀況。

目前從事智能交通的企業已經達到2000多家，分布在道路監控、高速公路收費、3S（GPS,GIS,RS)和系統集成等環節。

相比國外發達國家，我國智能交通狀況還相對落后。比如在美國，智能交通應用率在80%以上，日本1998-2015年的基礎設施投資是750億美元，車載設備為3500億美元，服務等領域為2000億美元。

智能交通和物聯網有很大關系。物聯網是靠傳感器、控制器，而智能交通也是按照這個形式。智能圖像分析師智能交通非常重要的技術。在智能圖像分析領域，智能交通產品占其銷售額的10%以上，而其他領域對智能圖像分析技術的應用通常僅僅占1%-2%

6.5 智能制造：新工業革命

基于信息物理系統的智能裝備、智能工廠等智能制造正在引領制造方式變革

網絡眾包、協同設計、大規模個性化定制、精準供應鏈管理、全生命周期管理、電子商務等正在重塑產業價值鏈體系

可穿戴智能產品、智能家電、智能汽車等智能終端產品不斷擴展制造業新領域

以智能制造為主體的“工業4.0”：

1)智能工廠，重點研究智能化生產系統、過程以及網絡化分布式生產設施的實現，核心是產品智能化、生產自動化、信息流和物資流合一。

2)智能生產，主要涉及整個企業的生產物流管理、人機互動以及3D技術在工業生產過程中的應用

3)智能物流，主要通過互聯網整合物流資源，以提高現有物流資源供應方的效率，從而讓需求方能夠快速獲得服務匹配得到物流支持

在傳統制造時代，用戶只能選擇特定商品，而智能制造時代，可以讓用戶全流程參與到產品的研發、設計、生產等環節中，用戶即是產品的消費者，又是產品的創造者，這就是智能制造所帶來的創新顛覆。

Chapter 7 社會 開啟智能爆炸的熱土

7.1 奇點即將來臨

《奇點臨近》的作者未來學家Ray Kurzweil認為進化史一個創造持續增長秩序模式的過程，而模式發展構成了世界的最終形態。他從生物和技術兩方面把進化史概念化分為六個階段：

1)物理和化學紀元

2)生物與DNA紀元

3)大腦紀元

4)技術紀元

5)人類智能與人類技術的結合紀元

6)宇宙覺醒紀元

人類目前正處于第五紀元

“奇點”是指未來的一個時期，是一個電腦智能與人類智能融合的時期，這種融合將開創一個全新世界。在這個世界中，虛擬和現實、人類和機器的界限將變得模糊，我們可以任意切換不同的身體，轉換不同的角色

Ray Kurzweil分析，到21世紀20年代中期，人類將逆向設計出人腦；20年代末電腦將具備人腦的智能水平；40年代中期將出現“奇點”。在“奇點”人工智能的數量將是現在所有人工智能數量的約10億倍。利用DNA、納米等技術，人類身體各部分機能運轉系統將被重新設計和制造。在這個紀元，人類不會衰老，不會疾病，環境問題被徹底解決，但新的不可預知的問題又會出現。

Ray Kurzweil提出所謂的“加速回歸定律”（Law of Accelerating Returns)。

1)該定律認為自然、人類社會的進化與時間的關系并非是線性的。自然界是以指數級速度發展進化的，而人類發展速度更快。單細胞花了28億年時間才進化成多細胞，而多細胞進化成哺乳動物只花了不到7億年。從一個普通靈長類動物發展到人類，只花了區區幾百萬年。

2)定律的原因是一個社會越發達，其持續發展的能力越強，發展的速度也就越快。整個20世紀100年的發展如果按照2000年的發展速度只要20年就能完成。現在社會模式變化的加速度和信息技術的指數增長速度相同，兩者都處于曲線的拐點。在這個時期指數增長趨勢將變得明顯。一旦越過這個階段，加速度的趨勢將呈爆炸式增長。這種爆炸式增長的奇點會在21世紀前中葉。

7.2 倒逼產生的進化

Ray Kurzweil指出在“奇點”到來之際，機器將能通過人工智能進行自我完善，超越人類，從而開啟一個新的時代，一個新的物種。

意識形態：形而上學的興起

只有思想的進化才是可靠的應對方式。從社會角度說這是市場的需求；從個人角度說這是生存的需求。

而形而上學是思想進化的前提。

廣義上的形而上學是所謂的終極關切，“終極”既可以從價值論角度理解，指終極的意義、目的；也可以從本體論角度進行理解，指終極的實體、原因。在多數哲學家那里，這兩者是一致的，最高的目的往往也就是最初的原因。它是變中之不變，多中之一，相對中之絕對，瞬時中之永恒，是萬有之全，世界統一性所在，是萬物由之生化又向之復歸的始基，是世界的根本奧秘和存在的底蘊。在哲學史上，占據統治地位的方式是依靠概念思維手段去把握終極實在。

組織形態：部落的興起

遠古以圖騰形成組織，如今網絡社群以不同的興趣愛好而聚集，比較松散

思想或行為目的的統一是思想部落形成的前提

ps:當前比較穩固組織是以宗教為載體的思想部落

思想部落的存在可能導致國家的不復存在。部落間將會進行頻繁的思想和生活層面的交流，貿易將無數個部落聯結起來形成世界共同體

工具形態：人腦的開發

人類大腦只利用了10%的腦容量。人類有幾百億個腦細胞，每個腦細胞有幾百條腦神經，每條腦神經有幾百個突觸，每個突觸有幾百道幾千個蛋白質，一個腦細胞作用是一臺大型計算機，一個突觸相當于一個芯片。所以人的大腦相當于上千億塊或上萬億塊芯片。

思想大爆炸

大約在公元前500年，人類的第一次思想大爆炸出現了孔子，孟子，老子，釋迦摩尼，蘇格拉底，柏拉圖。這些思想直到如今依然深刻地影響人類，甚至已經內化成為一種思維方式。如果說這次思想大爆炸是精神至上論，而后的文明基本上是物質至上論。從那以后，人類再也沒有大規模關心過自己的精神世界，放棄了對靈魂的尊重，轉而關心自己的肉體和感官。

而第二次思想大爆炸是基于智能化飛速發展后的反促進作用力倒逼的結果。

**《超體》

**《機器紀元》

**《復仇者聯盟2：奧創紀元》

Chapter 8 未來篇 即將到來的智人時代

無論是1946年美國賓夕法尼亞大學的ENIAC還是二戰期間由英國人湯米.費勞爾斯研制的用于破解德軍加密機的“克洛薩斯”都只是個體工作，直到23年后美軍在ARPA制定的協作下，把分別位于加利福尼亞大學洛杉磯分校，斯坦福大學研究學院，UCSB加利福尼亞大學和猶他州大學的4臺電腦連接起來，情況才發生了根本改變。

互聯網和機器是相輔相成，共同推動發展的。人、機器和互聯網這三個元素緊緊圍繞智能這條主線發展，從發展到現在的近50年中，互聯網和計算機的關系經歷了“人機時代-人人時代-機人時代”三個階段的進化，將迎來智人時代。

8.1 前奏：互聯網經歷了三段進化

**人機時代-傳統互聯網時代

1)以人為主，一方面互聯網優化了信息資源配置，增強了人與人之間的溝通交流能力（代表是各種電商平臺和門戶網站）；另一方面試解放了人類勞動力。

2)但從另外的角度，在人機時代，計算機也在某種程度上禁錮了著人（電腦無法隨身攜帶，一切互聯網的行為只能在家中完成）

3)結合第一章中的表述，對應的是“潤物細無聲”的階段

**人人時代-移動互聯網時代

1)智能手機和告訴移動網絡的普及

2)最新的數據：微信的月活躍用戶有4.8億個，QQ的活躍用戶更達到8.29億人

**機人時代-萬物互聯時代

1)”計算機“概念弱化，”智能體“概念興起

2)機器交流成為新的信息網絡

3)云計算和大數據成為重要戰略資源與經濟支柱

8.2 智人時代：人類智能與機器智能平分秋色

智能時代就是強人工智能時代。 Linda Gottfredson教授如此定義智能：一種寬泛的心理能力，能夠進行思考，計劃，解決問題，抽象思維，理解復雜理念，快速學習，從經驗中學習等操作。”按照未來科學家的預測，大概會在2045年前后到來。

中科院自動化所的類腦智能研究中心也在研究如何讓機器自主地思考，分三個方向：認知腦計算模型，類腦信息處理機制和神經機器人

1)認知腦計算模型

借鑒現有的腦科學成果，建立人類腦神經的模擬機器，以助力人工智能在視聽覺、學習、思維等方面的突破

2)類腦信息處理機制

建立一個類似人腦信息處理機制的多模態數據智能系統

3)神經機器人

通過類腦研究，提升機器人的智能化程度，讓機器人掌握精細動作并實現自主動作學習等能力

一旦進入智人時代，新的物種“智人”將誕生。它將不會停留在人類智慧水平這一個標桿上，而會通過構建良好的信息互聯體系，不斷地加強自身軟件性能，集團性學習和同步的能力，甚至可以集團性地處理同一個任務。

宣告“智人時代”即將來臨，是 一個具有爆炸性的預言。它的典型特征是：

其一，機械日益富有人類的思維、情感、個性與能力

其二，人類日益異化并呈現越來越明顯的機械思維與習慣，比如對 高科技智能產品的過分依賴，人性色彩日益退化、情感越來越貧乏、思維越來越線性，等等。在某一個臨界點上，日益進化的機器人與日益退化為機械思維的人，會 變成一種“新人類”——智人。正如科幻小說《三體》中描繪的一樣：暫時冷凍的人們，在未來某個時刻醒來后，會發現未來社會的人們因為科技的快速發展，變成 外形完美劃一、思維簡單透明、能力超乎尋常的“新人類”。

因為智能化浪潮的來襲，我們面對未來“新人類”，或者說我們異化為未來“新人類”的可能性更大、速度更快。這種深層次的變化，將對整個產業、社會、人類的文明和個人的心性，產生無法估量的影響。

Chapter 9 智能化領域的投資機會

“成批的重大技術創新有賴于金融資本的鼎力支持”

? ? ? ? ? ? ? ? ? ? ? ? ? ? ?--約瑟夫.熊彼特在巨著《商業周期》中有關金融資本在經濟波動和技術變革中的作用

“技術革命意味著風險。產品是新的，工藝是新的，工藝要受到檢驗，市場是未知的，消費者還不習慣使用，供應也沒有保證。盡管重大突破常常只需要相對較少的資本，尤其是與大多數技術達到成熟，實現規模經濟所需要的大額資本相比較而言更是如此，但是仍有很多新企業家以及許多相繼出現和類似的創業新者取得成功并尋找資金。”

? ? ? ? ? ? ? ? ? ? ? ? ? ? ?--卡羅塔.佩雷斯《技術革命和金融資本--泡沫和黃金時代的動力學》

投資對技術革命的推動作用不言而喻，并往往能實現雙贏的結果。人工智能是互聯網產業一部分，投資機會重多。舉例談到：

樂博資本創始人楊寧投資人工智能，從2014年初不到一年的時間，投資了三四十個人工智能項目，其中對億航消費級無人機的投資，從天使級的250萬到A輪的估值1億美元，投資回報率是2500%，估值在8個月上升了25倍。

初創投資的王映初從2011年開始自設人工智能公司自己投自己，有8家的估值在不到一年時間內超過了1個億。成立兩年的時間總體投資回報率為400%。

9.1 金融資本熱潮涌動

推動技術革命的是金融資本，其比產業資本更加活躍，代表是天使投資人。

美國出現了很多專注人工智能創業公司支持的機構，包括Robot Garden, Robot Launchpad,Lemnos Labs.2015年10月，Tempo AI的首席執行官Raj Singh說過去18個月所有美國的風投都在人工智能，機器人或相關領域有投資。量化分析公司Quid的數據佐證，自2009年，人工智能已經吸引了超過170億美元的投資。2013年，有322家擁有人工智能相關領域的公司得到了超過20億美元的投資，而2014年，風投在人工智能領域共完成40筆交易，投資額比前一年增加了302%。

而在中國，投資熱情比美國還要高，很多在硅谷找不到投資的初創公司都到中國來找融資，找生產廠。目前在珠江三角洲就分布著很多人工智能的生產基地。

除了風投，目前借助互聯網環境而出現的股權眾籌（Crowd Funding)也成為主流。

9.2 產業資本加大力度

產業資本的投資目前美國領先于中國，因為很多IT巨頭本身就是以技術為安身立命之本的。比如說谷歌，2014年初以4億資本代價收購deepmind technologies，又以32億美元代價收購Nest。最近幾年，谷歌先后收購了14家人工智能公司。

在國內百度把“谷歌大腦之父”的吳恩達招致麾下，負責“百度大腦”計劃。而阿里巴巴，騰訊，海爾，格力，美的都加大投資人工智能領域。小米投資國內短途交通企業Ninebot(納恩博）。KKR 在2013年10月以33.82億美元入股海爾

9.3 廣泛的投資空間

人工智能無論是在專業領域還是在通用領域，其技術和產品架構都應該由“底層-中層-頂層”組成，底層是基礎資源支持層，中層即AI的技術層，頂層是AI應用層。它們共同組成了AI生態圈

**基礎資源支持層

AI應用的計算資源可分為兩部分：一是用于訓練算法和優化模型的線下研發資源地；二是將成熟的算法模型用于服務線上客戶的海量響應所需的線上服務資源池。

線下是線上的十倍，線下的研發資源池是重資產的投入，僅有實力雄厚的巨頭企業能夠支撐。

企業投資該塊是想打造并掌控一個商業生態環境。

**技術層

按學科分可以是：機器學習，計算機視覺（圖像識別），自然語言處理（包括語音和語義識別，自動翻譯），機器人，知識表示，自動推理等。

機器學習和視覺技術成熟度相對高，是目前投資的重點。

**應用層

應用層投資機會與場景有關。

相比美國創業公司，中國同行的優勢是產品化程度高，對應用場景把握好。中國的人口基數也利于催生新的產品。

國內三大重點投資領域：

**可穿戴設備

1）主流設備包括Google Glass，Jawbone Up,Fitbit Flex,Galaxy Gear。根據預測，未來兩三年，可穿戴技術市場規模將由目前的30億-50億美元增長到300億-500億美元，復合增速將不低于50%。

2）需要爆品來引爆這個市場。

**智能家居

1）從KKR入股青島海爾，到谷歌收購NESTLABS，短短三個月，有超過200億人民幣資金流入這個當前不到1000億收入規模的市場。

2）南京物聯在2014年7月獲得一筆億元以上的投資。

3）中國家電智能化以傳統產品系統性連接互聯網，提供系統解決方案的形式為主。

**智能交通工具

1）在消費機無人機方面，大疆，億航，極飛，零度占據了全球前十名中的四席。大疆更是名列榜首。

2）硬件方面主要涉及傳感器技術。

3）軟件層面，以無人駕駛為例，主要涉及三個部分：信息采集，信息處理和信息通信。

9.4 智能化是新興的投資領域

大企業（產業資本）沒有競爭優勢？好項目能把包括BAT在內的大企業顛覆掉。

楊寧從五個部分加以佐證：

1）大企業難覓特別優秀的人才。 企業結構細密，以事業部制或項目制為主，不適合特別優秀的人才發揮。

2）大企業有扯皮內耗的情況，規章制度對創新是阻礙。

3）大企業脫離用戶。

4）互聯網企業的傳統玩法已經過時。智能產品需要工匠精神，原有的互聯網流量入口無法發貨作用。好的產品會以眾籌或口碑贏得勝利。

5）大企業沒有技術優勢。比如樂博投資過的一家名為凌感科技（uSENS)的公司，產品Impression PI是一款融合移動VR和AR的設備，解決了VR領域三大技術難點：三維手勢交互，自內向外的位移監測，AR+VR，秒殺google cardboard,gear VR,microsoft hololens.

如何投資人工智能領域？

1）有好產品沒有壟斷者。這一人工智能領域的優勢便于天使投資。所以只要是好產品，不要束博于估值。一個好的天使投資人投的項目至少應該有20%死掉，達不到這個比例就不是好的天使投資人。說明太保守了，把項目看得太清楚，而看得太清楚的項目是不會給人帶來驚喜的。

2）專業投資人可作為眾籌領投人。傳統的眾籌玩法：獎勵式，捐贈式，債權式，股權式，最近出現了混搭的方式：股權式眾籌和風投混搭，半私募半公眾性質的投融資方式。即“領投+跟投”。把投資人分為普通投資人和合規投資人。領投由合規投資人進行盡職調查，決定投資，普通投資人以私募基金，特殊目的實體(SPV)有限合伙人公司等方式共同完成資金籌集。專業投資人以其專業性、信譽及影響力促成投資。