8 條創業建議！前蘋果高層 Heidi Roizen ：創業者應該去冒險，找到正確的團隊

Heidi Roizen 一度是矽谷人人爭相學習的典範。她曾創辦自己的公司並管理了 14 年之久。後來，她擔任蘋果公司主管開發者關係的高級副總裁。現在，她是 DFJ Venture 的一位創投家，她還在史丹佛主講一門名叫「企業家精神」的課程。她幾乎認識矽谷的所有重要人物並且靈活地運用著自己的影響力。哈佛商學院甚至還有專門關於她的案例。

在 2014 年史丹佛畢業典禮之前，她來到史丹佛，也是她的母校，在 Entrepreneurship Corner 發表演講 ，分享了過去 30 年她在科技圈工作的所思所悟，像是一位創業者的畢業感言，話語之間都是她從實踐中得出的真知灼見。

以下是 Roizen 提出的 八條原則 ，她正是利用這些原則來指導自己的工作、建立起廣泛的人際網絡並不斷推動創新。這些過來人的經驗對於新入行者彌足珍貴，可以作為職業生涯各個階段發展重要的領航燈。

1. 如果你做的事情毫不費力，那就是在浪費時間
梅琳達·蓋茲曾有一次路過小女兒的房間，看著她在嘗試著自己穿鞋，她女兒說：「這很難，但是我喜歡困難的事。」

Roizen 說：「我喜歡這種態度。在你經歷過很多困難時期後，你會發現渡過難關是你最美好的經歷 。」

成功的創業者追求一種永不止步的狀態。「你努力工作，超越能力的極限，不斷地嘗試、失敗、再嘗試；你每天、每週都問自己『我還能做什麼更有難度的事情嗎』，這時你才能理解這種勁頭。」

「有趣的是，很多懷有雄心壯志的人卻力求消除工作中的困難。他們想平步青雲，順利到達夢想彼岸，這是不對的。」現實情況是，即使你真的輕鬆成功，你也會感到無聊。所以，找點困難的事情做吧。

創業的美妙之處正在於其艱難。沒有安全可言，沒有穩定的收入，你必須完全靠自己。
Heidi Roizen
2. 你的品德決定了你生活的基調
當 Roizen 做第一家公司 T/Maker 的 CEO 時，曾有一次防火灑水器故障毀掉了所有庫存商品。幸運的是，大多數產品都不太值錢。更幸運的是（從另一個角度說），房東不知道貨品不值錢，願意用保險賠付一切損失。

Roizen 說「當時的條件確實很誘人，我們本可以收到 15 萬美元的賠款。但是我們決定說出真相，因為不僅我們知道庫存的價值，我們的員工也知道 ，如果我們決定作假，那我們怎麼向員工交代。」

你要成為員工的榜樣，要清楚自己所做每件事的後果 。如果公司領導層決定收了這筆錢，那就等於告訴員工，作假是被允許的，就好像是在說：「虛報費用是沒問題的，如果想要的話把多餘的設備帶回家也行。」

這看起來輕而易舉，但是真正做到卻不容易。「你可能會想：『我可以怎麼簡單怎麼來，我可以這麼說，我可以對消費者撒謊來達成交易。』」

有時你能逃脫掉，有時卻逃不掉，大多數情況你最終都是逃不掉的。
Heidi Roizen
「你的行為決定了公司的文化基調 。做有些事是為了晚上能睡個安穩覺，另一些是為了搭建良好的工作關係。當你把標准定得更高時你會發現更容易把持自己。」

3. 你的內心比你掌握更多的訊息
在史丹佛商學院，Roizen 上過一門名叫「商業創新」的課程，這門課要求學生進行一周練習：睡前把你明天要做的一個決定寫在紙上，第二天早上起來立即做決定。這個練習的目的是告訴學生直覺是如何做決定的，以及直覺能夠有多麼準確。

但是科技圈的認知卻朝向相反的方向發展，做決定越來越靠無盡的數據。「人們認為掌握的數據越多就能作出正確的決定。對於有些事情來說，這種方法是有效的，但是並不是所有事 。」

Roizen 說，「內心的直覺建立在多年的經驗以及對於人類行為持續不斷的觀察上。我們甚至不知道它的具體形式。」

Roizen 在做一些艱難的決定時往往會聽從直覺，尤其是涉及到人的時候 —— 和誰工作，和誰保持聯繫，把誰炒魷魚等。她說：「每次數據指示和我想的不一樣時，聽從數據都會讓我後悔不已。」

4. 挑選團隊是最重要的事情
絕大多數公司的成敗都取決於團隊的質量。
Heidi Roizen
過去這些年裡，Roizen 見過太多年輕的創業者犯同一個錯誤：他們有一個創意，開了一家公司，但是當需要聘用管理人員的時候，他們不想找一個比他們更懂的人來做。

「他們不想被威脅，所以就找跟他們同齡，和他們懂得一樣多的，找自己信任的熟人 。」這種做法聽起來不錯，但是同時，創業者因為怕被壓製或大權旁落而錯失了許多專業人才。

如果你希望成為團隊內最聰明的人，那你會建立一支平庸的隊伍。
Heidi Roizen
「你真的希望你負責銷售的副總比你還不懂銷售？你想要你的 CFO 不如你懂財務？當然不是。你應該去冒險，找到正確的人，並且信任他們。你的工作是激勵這些人，並確保他們和睦相處。

我的目標永遠是成為團隊裡最笨的人，我希望我的身邊都是些真正有才華的人。這才是讓人興奮的事情，我們才能完成最艱難的挑戰。」

5. 談判的藝術在於找到雙方需求的最佳契合點
Roizen 在商學院上過的另一門課程，學生們被要求兩人一組分別扮演銷售員和顧客，進行汽車交易。各組拿到的數據都是一樣的，但是最終成交的最高價和最低價相差驚人。

這個實踐讓 Roizen 理解了協商是如何進行的。她發現，在一開始接觸這筆交易時，你會把它看作零和遊戲。或是賺盡可能多的錢，或是給出最低的價格。你不關心這筆交易另一方是誰。你想從他身上多佔便宜。

Roizen 說：「我不相信生活中的所有事情都是這樣的。我認為每件事都是關乎人的。不要把生活中所有事都看得像交易一樣，不要不管將來，只管現在能獲得盡可能多。你需要換個角度，從人際關係來看，整個事情就都不一樣了。」

「生活中沒有什麼是零和競爭。」

「如果我和你做生意，我的目標不只是讓自己更好，而是讓你也更好，那麼我們就都會獲得更好的結果。你會願意再次和我做生意 —— 這一點真的是非常非常重要。」

Roizen 大部分時間都生活在矽谷，她不斷與同一些人打交道。彼此越來越熟悉，又有了 Facebook 資料和購物網站評分等數據進一步了解。

「你是你所有生意的總和，因為它們組成了你的關係網絡。」 每當你遇到一個人，想想「人際關係」而不是「交易」。在你更了解他們，他們也會更了解你之後，你們將有機會更加互惠互利。

6. 生活真的是反覆無常的
「倒霉事兒會發生在你頭上，你會失敗，失控的事情會發生，你需要接受現實。」在這種境遇下，你如何挺過去，堅持到成功呢？Roizen 為我們提出了一條建議：把事情都想成一團糟 。

「快樂的關鍵是降低你的預期。」
這並不是說你不應該追求自己的目標，這意味著你應該對前進路上的不完美做好準備。比如說，Roizen 出國旅行時會設想行李丟失、航班晚點或是租的車沒有按時到達等各種情況。

「我想到了各種事情最壞的結果，那麼當壞事真的發生時，我也不會感到難過 。我在隨身行李中放了換洗衣服，我在落地兩小時內沒有安排任何會議。我預期很低，如果壞事沒有發生，那我就會很欣喜。95 % 的壓力都是自找的。 」

Roizen 想起她認識的一位總是嚴謹制定計劃的創業者，每一件事都計劃得滴水不漏，但是實際上事情從沒有完全按計劃施行過。

「如果你期待每件事都順利進行，壞事就可能會落到你身上。生活有時候可能很遭，當這種情況真的發生時，整頓行裝，繼續前行。」

如果你跌倒了卻爬不起來，那麼你的餘生也將一事無成。
Heidi Roizen
記住，就像硬幣的兩面一樣，生活的跌宕也可能帶來好事。當機會來臨時，不要錯過，你不知道接下來會發生什麼。如果你得到 3 個不錯的工作 offer，不要總想著選個最正確的。

「可能你選了一個不太好的工作，業績不好，你被炒了，但以後可能還有更好的工作機會。而且在這份工作中學到的經驗教訓在另一份更穩定的工作中是得不到的。」

Roizen 回憶起自己不久前看的一本書，書中說在問到過去 5 年發生過的最好和最壞的事情是什麼時，大部人說出的都是同一件事，甚至包括離婚、得癌症或是失業等。

「當你問一個人甚麼是促使生活向好的方向發展的事情時，往往就是這些壞事。有時，接受生活的起伏，壞事也會變成好事。」

7. 充分利用時間
你所擁有的最重要的東西就是你的時間，因為你不能創造更多時間。
Heidi Roizen
「你可以用錢或他人的幫助來節約你的時間，但是，最終你還是會用光自己的時間。所以，你需要對自己如何利用時間瞭如指掌。很多人不知道每件事情花了多少時間，他們有 1000 封未回覆的郵件，卻還說不知道怎麼處理。

解決方法就是每天安排的工作不要超過 5 個小時，留出 3 個小時回郵件，打電話，閱讀，獲取最新消息。當別人說沒時間時，我會說，『你當然有時間，但你用來做別的事情了。』」

她的建議 ： 想想所有需要花時間的事情，開始時對它們一視同仁。

你要明白，睡覺是花時間的，閱讀也是花時間的。搞清楚你喜歡做什麼，什麼能夠最大限度的拓展你的能力，然後重新規劃時間，把時間花在正確的事情上。理想的情況是，你能留出一些時間用來思考和睡覺，但是 Roizen 說有時候也確實很難實現。

「我曾經是一名創業者，生活很不規律。有時，我們沒有時間做我們想做的事情。如果真的發現一件讓你興奮不已的事情，那就去做上一段時間吧。如果你懂得權衡的話，這都是沒問題的。」

「在工作上花更多的時間就意味著陪家人和朋友的時間少了。人們有一種幻覺認為關係和交流不需要用時間來維繫，但是實際上不是這樣的。你可能沒法完全平衡你的時間，但是至少試著來。」

如果你不給你自己留時間，那就沒時間做些正確的事，總會有各種突發情況。

8.「20-40-60」法則
演員 Shirley MacLaine 最早提出了這個法則，主要內容是：20 歲時，你總在擔心別人是怎麼看你的；40 歲時你覺醒了，「我才不管別人是怎麼想的。」60 歲時你才發現，根本沒人管你。這個法則的核心理念就是：從一開始就沒有人想著你。

當然，這既是好事兒，也是壞事。壞處在於沒有人在一直關心你好不好，掙多少錢，你對工作和人際關係是否滿意。「你需要為自己著想，如果你在做一件不喜歡的工作，你需要自己做出決定是否換個工作，你不能在辦公室等著別人幫你做決定 。」

你的老闆不會想著你，你的同事沒有想著你，你需要替自己著想。
Heidi Roizen
這聽起來令人難以接受。有些人花很多時間思忖別人是怎麼看待自己的，深受折磨，其實完全沒必要這樣。

Roizen 曾經也總是顧慮長途飛行後穿著不合時宜的鞋和褶皺的套裝時開會是什麼狀態。「我會很擔心人們看到我連自己都收拾不利索會怎麼看我。但是，有一次開會時，我發現，並沒有人認為『雖然這個傢伙很聰明，但是他衣冠不整，這人肯定不行。』」

人們總是為一些犯過的小錯誤折磨自己，在會上說錯話，叫錯人名等。你可能浪費幾個星期的時間來懊惱，導致工作效率低下。

「如果你發現你是這樣的，那麼請記住：沒有人像你自己一樣關注你 。所以就不要擔心太多了。」

下一個趨勢產業 謝金河看好這個

財信傳媒董事長謝金河日前在臉書發表「下一個趨勢產業！」一文，他說，在深圳舉行的2017 IT論壇，百度的李彥宏說互聯網只是前菜，人工智慧(AI)才是主菜，才說這句話前，騰訊斥資17.8億美元入股Tesla5%股份，而百度也以1億美元入股NEXTEV，阿里巴巴則是斥資10億人民幣與上汽集團合資成立互聯網汽油基金。中國大陸三大IT巨擘不約而同都在未來汽車產業布局，尤其是騰訊直接拿下特斯拉5%股權。
「下一個世代的汽車產業革命，一定是與人工智慧發展有關」，謝金河說，過去一年，Nvidia股價大漲5倍，逼得Mobileye賣給Intel，而Intel以153億美元拿下Mobileye，也給了台灣汽車電子產業很大的啟發，未來ADAS汽車自動駕駛系統，必然成為百家爭鳴的產業。

謝金河說，今年光學變焦鏡頭廠如大立光漲到4850元，玉晶光、今國光學、亞洲光學、先進光等股價大漲，原因是過去手機配帶的鏡頭只有1個，未來汽車自駕可能最少要配備36顆鏡頭。

最近的CES展，克萊斯勒的最新流線型新車，今年日內瓦車展，Airbus秀出的飛天車Pop.UP，汽車可在天上飛，也可以在地上跑，都顛覆了過去汽車業發展的概念。謝金河說，當全球IT巨人都卯足全力逐鹿這個未來產業，台灣的業者必須全力以赴才能分享一杯羹！

李開復：AI 創業的十個真相

「重倉」人工智慧，是李開復和創新工場未來幾年的方向。但是，他面臨一個很重要的問題：現在的 AI 創業，核心是 AI 科學家，而「文能起筆安天下，武能上馬定乾坤」的 AI 科學家鳳毛麟角，用他的話說「該創業的都創業了」。




這時，產業在面臨一步棋。那就是：如何把一個普通的 AI 科學家變成「創業英雄」。

身為 30 年前就開始研究人工智慧的李開復，覺得自己「技術味」的創新工場有能力推動這步棋，並且在這一步棋中獲得穩固的戰略優勢。

李開復表示，

AI 創業現在是科學家的天下，之後是數學家的天下，將來是普通人的天下。
以下是李開復在《創新工場人工智慧戰略白皮書》發表會上的閉門分享，這裡將其整理成為〈李開復：AI 創業的十個真相〉，呈現給讀者。雷鋒網配圖

AI 科學家都是超級宅男

創新工場本身主營的機構是投資和投後的機構，我們當然是看專案、看創始人，他們有 idea、方向，我們就會用基金投資它。

過去的網際網路創業模式，已經非常經典地被「精益創業」說明：

幾個小朋友隨便做個產品上去，能融資就融資，無法融資就拉倒。怎麼樣去惠及用戶，迭代產品，之後變現，成為經典的模式。
這個創業的模式，紅利時代已經過去了。當然以後還會有，但是不會像以前那麼多。創業的門檻大大提高了，因為人工智慧是下一批創業方向，而人工智慧創業裡面很核心的人物其實是 AI 科學家， AI 的公司沒有 AI 科學家就沒戲唱了。

但是 AI 科學家往往都是超級宅男，自己宅在房間裡，整天做實驗，突然你把他丟到一個殘酷野蠻可怕的世界裡，他自己創業成功率就不是很高。

很多 AI 科學家這輩子從來沒想過創業，現在突然想創業了，然後發現自己長處特別長，短處特別短：

他也許技術很牛，但是也許執行不夠；
也許他的產品展示起來很好，但是一做起來都是 Bug；
也可能他產品做得很不錯，但是不懂市場；
或者懂市場但是不知道怎麼去賣。
尤其 AI 本身又是一個 ToB 的業務，所以不是那麼容易自己做一個局。所以 AI 科學家需要懂商業的人；懂 ToB 的人，需要工程師。雷鋒網配圖

AI 創業「不美好」

我們平時都會把 AI 創業講得很美好，今天我就跟大家講講 AI 不美好的地方。

第一個就是：AI 科學家有短處。
這一點剛才已經說了，我們要想怎麼幫「宅男」補足短處。

第二個就是：AI 創業很貴。
剛才講的「精益創業」很便宜，因為幾個小朋友不拿薪水，用零元就可以把第一個 App 推出去。
我們剛投資一家公司，投了 1 個月以後錢就用完了。我說你們不就 8 個人怎麼錢就用完了，給了你好幾百萬元啊？但他們說，光買機器就用了 300 萬元。

第三個就是：AI 需要資料。
辨識一張圖片，最少需要幾十萬張樣本資料，甚至幾百上千萬。誰給你弄資料？
所以做人工智慧投資有一個非常頭大的地方：一下頂尖的人就投完了。

過去這 2 年我們就到處去掃，從最厲害的團隊出來的無人駕駛公司投了 2 個，沒投 2 個。然後就再也找不到團隊了，因為有資格的人就那麼多。

我們做網際網路金融，掃完以後大概投了 2 個，然後可能有 1、2 個錯過了機會，1、2 個沒投，然後就沒有了。

因為 AI 科學家就那麼多，能夠創業把事情打造到一個地步的就那麼多。

AI 的現狀是「僧多粥少」。大家都去搶那幾棵樹，就把樹拱到天價了。我覺得 AI 這片土地需要「施肥」，而不是搶那些非常少的農作物。

所以我們成立了「人工智慧工程院」。我們可能花幾千萬元把機器搞定，然後幫助 10、20 家創業公司；我們從各種管道拿到資料，AI 科學家可以做實驗；我們試著讓更多有潛力的 AI 科學家，能夠考慮來創業這條路，幫他們把可能 95% 的失敗率降低到 40%，這樣的話我們就能夠產生自己的價值。

當然，投靠創新工場，我們幫你解決所有問題，也要求回報。本來可能 500 萬元佔股 10%，現在也許給我們 15%，我們覺得這樣也就足夠了。以後如果可以打造出獨角獸，我們是有很多回報的。

這個工程院得到金錢回報之前，至少得花掉 2 億元人民幣。但如果是我們施肥的，想必那些「農作物」會比較喜歡我們。

兩、三年之後，AI 會像 Android 一樣普及

長期來說，真的永遠只能由 AI 科學家創業嗎？其實不一定。

任何技術都有一條發展路徑，一個很好的例子就是 Android。當年我們跟 CSDN 的蔣濤一起做行動開發者大會。第一次大會的時候，我問現場觀眾：有多少人看好 Android？大概只有 5 個人舉手。我問有多少人看好 Symbian？500 隻手舉起來。

但當時我們堅決相信 Android 才是未來的道路，只是平台不夠。現在大學裡面的 Android、 iOS 培訓課程非常普及，你如果是一個電腦相關科系學生，你自學也好，去上培訓課也好，幾個月之內你就可以開始做 Android 了。

AI 也是這樣的狀態。

要多久時間呢？我們大膽假設 2、3 年吧。這 2、3 年裡，我們工程院會用一個非常獨特而有價值的方法孵化科學家。3 年後平台出來了，很多聰明的大學生可以自學。平台、工具越來越多，AI 會變得越來越容易用。

以後年輕人創業，我覺得可能比現在科學家創業更能成功。因為創業需要有動機、有狼性，願意拚命。本來就要把自己名聲、身家全部賭進去的。

有資格的人 6 個月就能成為 AI 工程師，有資格的人是指：數學天才

一位老教授，用 30 年的功力弄出一個新演算法。這種可能性是存在的。
但真正能發力的其實還是年輕人。很多年輕人只是苦於沒有平台。
我告訴大家一個秘密。

如果你是一個有資格的年輕人，我們只需要 6 個月就可以把你培訓成為一個 AI 工程師。絕對不是你想像的 20 年、30 年。這不像材料科學家、火箭專家──這種專家真的需要 30 年功力。

那麼，什麼人有資格呢？

很不幸，不是所有人。「有資格」簡單來說就是：數學天才。

當然，這其中也涵蓋了統計、自動化、電腦。中國人口這麼多，光是數學天才應該一年都要產生個幾十萬了。

假設有 10 萬個數學小天才，裡面對 AI 有興趣的可能就會有 5 萬個（因為中國學生特別願意追最熱門的東西，最熱門的定義是什麼呢？很酷，能賺很多錢的）。
裡面有 2 萬個接觸一些培訓平台，花了 6 個月去做，這 2 萬人裡可能又有 2 千個是適合的領軍人物。比如說他是 AI 網域的雷軍、傅盛這些人等。
這 2 千個最終才是我們最好的投資目標。我們的工作就是讓這些人出現。
所以短期我們是抓著科學家，再過 3、4 年我們要把這些年輕人都培訓出來，讓他們認知這是創業最好的時機。所以祕密就是：我們要挖掘中國所有的數學小天才，然後引導他們進入 AI 創業。

AI 接管人類？我們的問題是科幻小說看多了

我們應該怎樣看待 AI 呢？

有人看到 AlphaGO 戰勝了李世乭，瞬間就聯想到 AI 要接管人類。實際上，這其中還差十萬八千里。

AI 裡最難的問題之一，是跨領域的自然語言理解。要做到這一點，需要內文的理解、需要跨領域的知識，還需要人類的「Common Sense」。

例如我突然和你說：「中午還好沒吃漢堡，麥當勞不好吃。」這句話所有人都明白什麼意思，但是機器很難讀懂。它可以每個字都辨識正確，但仍然無法「理解」。
再例如：打開的熨斗不能摸，沾水的手無法碰電。這些東西不用講我們都知道。但是電腦怎麼會知道這些事情呢？
你怎麼去教電腦跨領域的知識？你怎麼教會它七情六欲？你怎麼教會它什麼是美？什麼是愛？什麼是宗教？什麼是信仰？這些東西差得還非常遠。

揣測可能發生的事情跟確信一定會發生的事情，這兩個還是要分辨清楚。任何剛才講的 AI 無法做的事情，我們都無法揣測多久會突破。有人說 5 年，有人說 50 年，也有人說永遠不會。

我覺得我們真正應該討論的事情是怎麼用 AI 來創造價值，怎麼讓人類能夠消滅饑餓和寒冷，讓每一個人都能有尊嚴的活著。

例如，未來很多藍領和白領的工作都會被取代，也包括了記者。當然有些深度文章機器可能過 50 年也寫得出來，但如果你從網上收集一些資料，例如科大訊飛發表財報，產品多了 30%，解析師說股票怎麼樣、未來人工智慧被看好什麼的，這種東西機器已經在寫了。

當機器能夠取代簡單的工作時，當 5 秒以內就能思考完的事情人都不用做的時候，當這麼多人可能失業的時候，這些失業者應該怎麼做？我們如何重新訓練他們？孩子的教育是什麼樣的？怎麼讓人類繼續找尋應該做的事情？也許造物者不希望我們做這種無聊的工作，讓我們都做有意義的事情，所以才用機器取代了我們。

剛才講的這些事情都是 10 年內會發生的。

當然未來也可能是 AI 養活全世界，我們也許都成為 AI 的寵物，在家裡戴著 VR 頭盔玩遊戲。機器會不會有自我意識，會不會取代人，會不會成為物種，雖然未必不可能，但這些是未知的。

很不幸的是：我們科幻小說看多了。

「AI 新物種」、「取代」、「奴役」，這些當然可以想像，但有更多必然的、有意思的問題，更值得我們去思考。雷鋒網配圖

AI「低處的果實」還沒摘完

人工智慧有很多學派。符號學派、連線學派等等。但是除了深度學習，其他方法經過多年驗證，是不太有發展的。

模擬人的分析方法，希望把 AI 變成一個規律和專家系統，過去 50 年已經證明了這個思路不行。當然也許某天會有突破，但是直到那天為止應該是不行的。

就我自己的背景來說，在 1988 年，我就開始做語音辨識。當年第一套系統就是用完全機器學習的方法來做的非特定人類語音辨識。

現在看起來這是一個特別小的方法：世界上有一個人能夠從紙上讀出語音，我的老師就要把這套方法變成一套專家系統。
當年讓我很堅定地認為：機器的構造跟人腦、人的思維方式其實是不一樣的。我們硬要把 A 放到 B 其實是很困難的，就像我們無法逼自己變成一個深度學習者，去解析事情──我們腦子思維就不是那樣的，是不自然的。

用腦科學的方法製造人工智慧，是一個未知的領域。未知的東西有它的魅力，你要做研究就要做未知，你要有了突破那就是創新。在學術領域你做每一件事情的衡量標準是：我要做別人從來沒做過的東西。我們可以假設腦科學跟未來的 AI 是相關的，我們可以去證明這是或不是。但是從投資的角度來講，押注的風險就太大了。

當年深度學習也是因為資料不足，碰到了瓶頸。但近年我們看到有好幾個特別大的變化：

第一個就是特別大量的資料在某些領域開始產生，而且我覺得我們目前還沒有用完。
第二個就是 GPU 的使用讓我們能夠更高效地、非常快速地做深度學習。
現在我覺得，所謂的深度學習的果實還遠遠沒有摘完。人工智慧用軟體來說百花齊放，一顆顆大果實就在你面前。在這種情況下，你還要去種花，何必呢？

我們把 GPU 和海量資料在全世界掃一遍，應該還夠我們 VC 界吃個 5 年，所以從投資的角度這是非常清晰的事情。

再往下走，我覺得 AI 肯定不是只有深度學習。例如現在還有增強學習的方法，也在探索。AlphaGo 裡面也不是只存在一個方法。所以我覺得學術界其實應該開始幫助和探索更多可能性，當我們把這 2 年的糧食吃完後，也許會有更好的機會。

我沒有 AI 宗教信仰

當然未來 AI 也可能沒有進一步的突破了。

如果沒有的話，那就說明 AI 的黃金時代過去了。下面就是物聯網或其他什麼的。身為投資機構，我們並沒有一種 AI 宗教信仰，我們還是要掌控靈活度。

就像行動網際網路時代，當時我們應該是業界最高調的行動網際網路 VC。但隨後我們根據情況做了調整。

如果學術界跟產業界有合理的分工，我對未來 5 年投資界和產生的價值非常樂觀，對於所謂 AI 泡沫我認為不會發生。當然有個案會是泡沫，但是我認為能吃的糧食實在是太多了。

學術跟產業的分工大概是這樣：

一方面是一個天然有機的分工；
另外一方面又有一點羨慕嫉妒恨。
一般來說學術界看不起產業界，但在某個時刻突然產業界一個技術成熟了，在這個技術上學術界就做不到產業界的成就了。於是學術界就被逼去做新的東西。例如現在再做人臉辨識，學術界已經打不過產業界了。所以在人工智慧領域，很少見到一個老教授一生只研究一個命題。

AlphaGo 本身沒有商業價值

AI 會帶給我們什麼價值呢？

我想先說說 AlphaGo。之所以 AlphaGo 如此引人注目，很大程度上是因為我們這樣的專家把它講得太懸疑。

之前我覺得圍棋比西洋棋至少難 10 年或 15 年，但後來結果證明我過於悲觀了。我過於悲觀其實有很多理由。我當時認為圍棋要比西洋棋難了一個天文數字，但天文數字也是數字。

在 AlphaGo 之前最好的人工智慧棋士達到業餘五段。而 AlphaGo 最新的 Master 和職業九段之間的差距，大致相當於職業九段和業餘九段的差距。這確實是很大的跳躍。

為什麼會有這樣的現象呢？也就是說，為什麼下圍棋的人工智慧進步幅度這麼大呢？

其實有一個非常現實的理由，就是想賺錢的人不會去做圍棋。你看 AlphaGo 的專家隊伍也沒那麼了不起，就是 20 個很厲害的機器學習專家。在 Google 裡面可能有 2 千個這樣的人，在微軟裡有 1 千個這樣的人。原因在於微軟和 Google 過去沒有想拿 2 千個專家的力量打敗職業棋士，他們更多時間都在做語音辨識、人臉辨識這些較有價值的事。

在沒有價值的事上，用 20 個專家就算不錯了。

金融、醫療是有商業價值的 AI

有商業價值的 AI，影響就大了。

AI 在資料量大的領域最易應用。這些資料最好被準確、自動化標註。
AI 在無摩擦的領域最容易應用。一個領域裡如果有製造、測試、物流這類摩擦，那就麻煩了。無摩擦的領域是什麼？醫療是無摩擦，金融是無摩擦。
AI 在賺錢最多的領域容易應用。毫無疑問，最賺錢的又是金融。
所以金融毫無疑問會是 AI 最快征服的領域。因為你的演算法可以很快就變成錢。

醫療也是一個特別巨大的領域。而且醫療相對傳統，能產生增值的機會很大。而且它不是基於大數據。最好的醫生是什麼？就是他自己是一個深度學習的機器，根據經驗做了好多好多次。

假設他診斷了 5 千名病人，診對了很多，錯了一些，之後他的判斷就會非常精準。但一個好醫生可能最多也就診斷 5 千個病人，但我們的資料是 5 千萬個病人的級別。所以醫療超越醫生應該非常必然，是全球性的趨勢。

但 AI 醫療需要解決隱私問題，可能會有一些挑戰。雷鋒網配圖

機器人世界的大門，要靠智慧駕駛來敲開

除了大數據應用，還有就是科幻型的應用了。包括機器人、無人駕駛這類領域。

目前看得非常清晰，而且全球達到共識就是無人駕駛。有時候你要做一個科幻型的東西，需要萬事俱備，天時地利人和才能推動。但是一旦開始動它就不得了。就像以前我們的行動網際網路改造了整個產業鏈，以前的 SP、諾基亞之類。這樣的產業變革來臨，基本舊的企業全部會死掉，換成一批新的。

交通就會是下一個產業。我們非常幸運，目前有了共享經濟，還有電動車。這兩個領域已經在推動了，可推動的過程中遇到了一些阻力。

現在無人駕駛出來，就會改變世界的經濟格局。我相信，世界經濟 10% 是和交通及運輸相關。雖然真正的無人駕駛到來可能還要 10 年，但有些其他的事情可以更快做好。

比如風景區遊覽車，比如運輸卡車。
你可能會問，如果自動駕駛技術還不成熟，卡車下了高速公路怎麼辦？沒問題，我們把倉儲全設在高速公路旁邊不就行了。

萬一卡車看錯路怎麼辦？那我們就重新修路，在路上放很多標幟和感應器，這也不是很困難。

所以未來 3、5 年我們就可以用很多修補程式，讓無人駕駛能在有限的環境之下使用，所以千萬不要認為自動駕駛還有 10 年才來，現在跟我們無關。

我們很少看到有一個產業從頭到尾全部「投降」了。

哪家汽車公司還敢不說無人駕駛？每一家都在拚命想辦法解決，整個產業力量都進來了。
全球的資本力量都在投資無人駕駛公司。
最新最酷的創業者，很多都在無人駕駛領域創業。
這是一個不可逆的必然趨勢，會對各產業造成全新的布局。

例如，司機該怎麼辦？沒有車會停下來，停車場該怎麼辦？以後的汽車長什麼樣子？道路要提供什麼感應器？哪些領域是最快賺到最多錢的？

這些我們其實都不必太擔心，因為最有商業嗅覺的人和最有科技能力的人已經每天推敲這些事。他們或者說我們，一定會找到解決方案。

當一輛無人駕駛汽車可以上路時，汽車之間就能對話了。例如：前面發生車禍，我的車要迴避。今天我的主人急著上班，你讓路給我，我給你 2 毛錢行不行？

這種情況下機器人就變得可行。與其期待家裡的機器人以陪小孩玩的方式進化，還不如期待無人駕駛汽車促進機器人的進化。