深度学习是不是走到底了？是不是该启动新的科研课题？答案是肯定的。不过要发明更多更好的技术取代深度学习，是不可预期的；因为科学发明无法预期何时发生。目前非常确定的是，在工业界和产业界，继续把深度学习发扬光大仍有很大的机会。

研究显示，人工智能（AI）在传统行业的渗透率只有4%，这意味着AI在传统行业还存在着很多机会。虽然AI在安防等领域落地，但96%的企业还没有全面使用AI。对比前两次技术革命，今天AI的普及状态就和当年互联网的“中国黄页”是一样的。直至如今AI应用还非常少。 

如果从投资角度来划分AI的时代，我认为可分为黑科技时代、B2B时代、“AI+”时代和AI无处不在的时代。现在我们正处于第二和第三个时代之间。 

黑科技时代以科研为主，是一批优秀的博士和工程师以AI技术为切入点，去寻找商业应用的一个阶段；在B2B时代，AI公司开始做2B产品和应用，把AI教育应用兜售给学校、金融产品卖给银行或保险公司。 

至于“AI+”时代，顶级会计师事务所之一普华永道认为，到2030年AI将给全世界带来大约100万亿元的GDP提升。在中国，传统行业规模大约是200万亿元，其中40万亿元左右是在AI赋能下创造的，远超其他国家。这是一个巨大的机会，所以要让AI赋能各主要传统行业。 

如今的AI独角兽，如商汤科技、科大讯飞等公司，它们一年约有几十亿元的收入。如果要在国内创造50万亿元的价值，是不是要再去创办1万家公司？并不是。已经存在的AI公司会继续创造价值，而更大的机会一定是把AI价值赋能传统行业。我认为，未来50万亿的价值一定来自于AI对传统行业的赋能，而不是来自于黑科技，这是巨大的差别。 

那么，AI如何赋能传统行业？我认为有三种模式。 

第一种是优化赋能，即公司的运营不变，用AI帮助公司赚钱或省钱，典型的例子就是商务流程外包（BPO）。现在有一个新技术叫做“机器人流程自动化”（RPA），可以让机器通过学习完成人力的部分工作。这对产业的成本节约是巨大的。比如一些财务、法务、人力资源方面的BPO，都可以通过RPA实现，有数据显示最多可节省91.2%的成本。再如呼叫中心，语音识别和自然语言处理技术可以处理80%的客服电话。 

第二种模式是流程化赋能，它通过改革商业模式，创造更大价值。这在零售领域比较明显。比如，通过海量数据，用AI精准预测销售，可以降低仓储和物流成本，同时节约人员培训成本。再如，用AI去解读传统数据。利用卫星数据，AI可以了解地面上农作物的温湿度等条件，从而预测年产量和预期价格。这在没有AI的时候是难以想象的，这还只是冰山一角。 

第三种模式是重构或说是颠覆产业。比如投资，一个基金经理的投资决策靠几十个、几百个因素，但AI可以利用无限的数据，实现千人千面的投资，获取更高回报。在这个领域，美国顶级量化基金已有两家做到了600亿美元的规模。我认为未来AI在二级市场的表现一定会更好，因为它对海量数据的分析能力远超人类。另外一个更加神奇的例子是制药。今天的制药是靠化学家、生物学家的灵感想一些新方法来应对疑难杂症，未来我们可以用生成化学的方法，再加上自然语言处理和生成对抗网络，去寻找可能的有效因子。根据我的初步看法，未来AI可以使新药的发明加快4倍，整个制药行业将被重构。 

对于传统行业，AI赋能的价值是巨大的。但传统行业也因此面临各种挑战，主要是传统行业怎么发现AI的赋能点，去哪里找AI专家。未来创新工场以及我们的子公司创新奇智希望成为传统企业的“首席AI官”，帮助传统企业分析如何利用AI赋能，并提供技术和源代码。下一步，我们还计划直接投资传统行业的公司，用AI的力量为其赋能。因为，我们可以明显看到AI赋能传统产业带来的价值，很快会超过一个AI公司本身的价值。

摘自《中国科学报》