按：4月26日下午，未来科技学院宣告启动“未来科技资助计划”，探讨科研和科技创业。北京市科委工业园处王龄枞，石勇、蒋田仔等国内知名科学家，峰瑞资本创立合伙人李丰等风险投资家参加了会议作过了主题演说。现场，投资家代表峰瑞资本创始人李丰做到了主题为“深科技投资”的演说，描写了峰瑞资本对前沿科技创新的投资逻辑，对于人工智能的投资，他说道：“如果线下数据线上化早已做到得十分好，我们就转大数据。

如果大数据早已做到得很好，我们就转这个方向上的人工智能。如果还没转入到大量数据产生的阶段，逻辑上我们就先不转大数据，而是再行转传感器。等到传感器被很好的工业化之后再行转大数据，然后再行转人工智能。

”以下是李丰的演说全文，做到了不转变本意的删改：为什么现在人工智能这么热？我们从两年前就说道要投科技，现在转的有三分之一是高科技，人工智能只是其中较小的一部分，我们在两年以前转的时候人工智能还没现在这么热。人工智能现在变为了很热的话题，我们自己转的大约有十个左右和这个方向有关。我们看人工智能，抽象化来看，只不过就是数据处理技术和创建模型效率的提升。

我们在看来市场正在再次发生的早期热点和现象的时候，一般来说不会回答自己这样几个问题。第一个问题，为什么是现在开始热？意思是为什么不是之前，也不是之后；第二个问题，为什么再次发生了这种模式，或者再次发生了这个概念、这个热点，而不是别的？拿人工智能举例。为什么现在再次发生？为什么是人工智能？根据我们的非常简单解读，它只不过代表数据处理效率的提高，不管是对类型复杂程度还是创建模型的有效性。

那么它为什么不会在这个时候经常出现呢？只不过是因为数据早已多到必须用这个技术来处置，或者必须提高效率来处置。那么大家就不会考虑到，这些所谓十分多、非常复杂的数据，究竟就是指哪儿来的？为什么不会在今天经常出现这么多必须人工智能处置的数据？我们把它分为两个部分，第一部分是线下数据大量线上化，在累积到一定规模后不会带给对数据处理能力和效率提高的市场需求。如果某个领域当中，连数据简化的过程都还没开始，大约这个领域还轮不到人工智能再行经常出现。

第二部分则是新的数据的大量产生，而不是把线下原先的东西通过某种形式搬线上去。过去十几年或者几十年里，科技进步的涉及领域遵循了这样一个有意思的非常简单规律：一些底层工业技术的进展和较慢提高，使得我们可以把一些较为最重要的传感器变做的又小又得意，而且很低廉，然后把这些传感器加装在了以前无法福的地方；接下来，我们让这些广义上生产了大量数据的传感器需要联网。Uber、亚马逊Echo、摩拜单车经常出现的原因比如，手机上很早已有摄像头了，只不过那个时候它的用途并不大，但是到了今天，早已沦为了必不可少的功能之一。

为什么摄像头在诺基亚称王的时代没获得如此普遍的应用于？原因很非常简单，手机摄像头的技术进展极大，显得又好又低廉。而且手机又可以连网，所以你摄制的的照片、视频等数据就可以在网上大量传播。再拿手机举例。

由于智能手机的经常出现，还问世了世界上仅次于的几家初创公司，比如国外的Uber，国内的“滴滴”。以前要订车，你要打电话说道多长时间后要到哪儿相接你，相接你的人也要和你不时地说道，现在状况是怎样的，车号是多少，现在回头到哪里了等等。然而智能手机装在了GPS芯片之后，你只必须页面几下，就可以把所有的市场需求十分精确、明晰地表达出来，且你还可以告诉司机离你有多近，多长时间到。

这一切需要构建的原因，就是我们把以前没放进手机里的GPS芯片放进了手机，这也是手机变为智能手机的原因。亚马逊的智能音箱Echo也是完全相同的道理。亚马逊把麦克风阵列展开了新的的组织，在播出音乐的时候不会有麦克风收集你的声音指令，然后再行用人工智来处置这些指令，并继续执行适当操作者，这就是智能音箱。再行比如摩拜单车，只不过就是把GPS、电子锁、通讯芯片装在了原本没被杀掉任何传感器的自行车上。

因此，你可以通过智能手机告诉自行车在哪儿，可以通过用智能手机杠杆，这就是分享自行车经常出现的原因。当然，我们现在还在尝试把更好传感器放在车里，比如激光雷达、毫米波雷达等等，再加计算出来和通讯芯片，使得我们在将来可以生产不具备几乎自动驾驶能力的汽车，也就是所谓的Level 4、Level 5。

你把这个问题再行抽象化看，它只是把原本没装有在车上的传感器装有到车上，让它动态产生各种各样的数据，然后再行在各种维度上展开人组、加工和处置，由此问世了新的商业模式。从结论上可以返回我之前所说的：1. 工业技术的突飞猛进，尤其是传感器技术的提高，使得我们可以把传感器做到的又小、精度又低、又低廉，然后更加多地放到以前没杀掉传感器的物体中去，比如放到自行车上，无人机上。2. 然后让这些传感器联网，生产和传播大量的数据。3.当数据累积超过一定的程度的时候，我们开始用更佳的方式来处置这些数据，因此我们回头到人工智能。

投资人工智能的逻辑从结论上来讲，人工智能在大部分领域都不一定是最差的时机，除非这个领域早已按照我所说的顺序再次发生了很多事情。但是，在很多行业和很多事情上，我们终会回头到人工智能的那一天。

原因是有如此多的东西开始被再加这些传感器系统，让它们联网，并开始产生大量数据。总有一天这些数据不会多到现在没有办法处置的程度，因此这个时候这个方向就不会转入人工智能。

我们的投资逻辑也是一样，如果线下数据线上化早已做到得十分好，我们就转大数据。如果大数据早已做到得很好，我们就转这个方向上的人工智能。如果还没转入到大量数据产生的阶段，逻辑上我们就先不转大数据，而是再行转传感器。等到传感器被很好的工业化之后再行转大数据，然后再行转人工智能。

以自动驾驶举例，现在还没充足的多车被装上这些传感器，因此也没充足多的数据，因为这些传感器从精度、尺寸和成本上来讲，都还没超过大规模商用的阶段，所以再行要解决问题的问题是改良和递归这些传感器，直到它们需要被大规模地装在车上，这时候才过渡到大数据阶段，有了大数据才不会最后回头到人工智能。所以在还没大规模商用传感器的领域，我们不能再行转底层技术，直到他们早已成熟期了。

以上是我为大家共享的经验和方法，遵供参考，如果有不全面的地方请求批评指正。(公众号：)引荐文章《百度技术学院对外开放，一切都是为AI布局？》原创文章，予以许可禁令刊登。下文闻刊登须知。

本文来源：wellbet官网吉祥-www.ssjscj.cn