所以我们所谓的原创，就是从源头掌握技术的核心链条，而不是说只在一个产业方向上拥有自己的自主知识产权。比如说，现在可以用谷歌算法来做识别功能，也是有自己的自主知识产权，也可以做商业模式，但是如果谷歌不推进，自己的识别功能也到了瓶颈的话，那很可能就不能往下推进了。所以我们所谓的原创是，从零开始打造基础，从基础端往下扩展。

有一组数据是中国投资和美国投资的对比。大家会发现很有意思，就是美国投资相对来说比较平衡，也就是说从基础的操作系统、芯片端，到技术端再到到应用端的投资，都是相互平衡的。但是中国的投资是不平衡的，对应用的投入超过百分之八十，也就是中国人都喜欢看得到、离钱近的，但是对于基础的架构不太重视，大家会想干嘛不用别人呢？

这个情况下什么叫原创？我们认为原创就是要把底层的东西补起来，现在芯片只是其中的一个内容。

商汤的核心理解是，在中国很多人都觉得新出现了一个“快速迭代”的概念。快速迭代，其实就是拿来主义，所谓拿来就是拿来别人的东西自己用，然后获得商业成功；商业成功之后，再去补自己的短板。这个模式是肯定可以行得通的，因为中国过去二十年来基本上都是这个模式。很多成功的企业都是以商业模式的成功，再倒推到技术成功。

但是现在有两个核心点。第一是技术发展势头非常快，软件的技术、算法的技术，都达到了摩尔定律的速度，在美国每十八个月性能甚至会翻一番。在这样的情况下，算法本身可以带来足够的时间窗口去布局。

第二的话就是算法的通用性、实用性以及持续性，其实已经渐渐显示出端倪。这才是我们在这个阶段上为什么想要专注于把整个链条建立起来，这样我们形成的壁垒就比较长。所以我说的“原创”不是说别人没有原创，只是强调我们从零开始，搭建架构拥有自主的能力。

虎嗅：你觉得AI时代最核心的技术应该是什么？

徐立：首先，AI的技术是底层的技术，关键在于底层如何利用硬件形成一个平台的训练系统。现在的AI是在“造生产力工具”，我们称之为“造脑”。

我们把人工智能分成两个阶段：2010年之前称为叫数据驱动的时代，就是大部分是人的知识去指导机器，专家系统也都是加了人的知识在里面；2010年之后就进入到了纯数据驱动的时代，纯数据驱动的核心就是要造一个“大脑”，数据就相当于他学习教材读书，大脑聪明不聪明是关键。书就是数据，但是大脑的聪明程度决定了这个系统的能力性。

AI的核心能力在于，第一要有造脑的工具。造脑的工具如果都是别人的，那很难往新的方向去造脑。如果现有的造脑工具不合适，肯定就造不出来。举例来说，谷歌和Facebook都开源了，他们都是造脑的工具；但是反过头来，如果还用别人的造脑工具，造脑的能力和脑容量就受到了限制。

第二件事情就是造脑的专业知识。就是即使有了工具，也需要有一个团队知道怎么去造脑。所以这两点是AI领域的核心差异化，就是如何结合应用去造出大脑。这个能力恰恰是需要厚积薄发的，不是说AI突然间火了，随便组建一个团队就能做的。

我们能够做的就是在现有的大脑上面做应用，把应用做好，把产品化搞得更丰富。比如一个很好的人脸识别系统，既可以做门禁，也可以做签到，甚至还可以做VIP识别，也可以做会场系统。

现在的行业，大家更关心有没有创新产品，但是对于人脸系统算法是不是原创的并没有那么关心，对于训练人脸大脑的引擎是不是原创的更不关心，对于底层的架构和服务器是不是能够原创地联系起来、机器之间是否存在联接、是不是独创的，可能就更没有人在意了。所以我们觉得造大脑的能力是关键，其次才是和行业结合的应用。

虎嗅：AI这个技术下一步最大的突破，或者是最需要攻克的难关是什么？

徐立：其实每一波都有新浪潮。所谓的浪潮，这波带来的还是智慧劳动力。其实是希望AI在某些垂直行业能够突破人本身的能力。在突破过程中，很核心的一点是，就算有了造脑的工具，但还是需要特别强的造脑工程师知道怎么去做。现在的突破是，可能不需要研究人员的能力，这个大脑可以自主学习，面对任何一个垂直的任务，都可以找到一个自有解决方案。这样就可以知道每个任务中有没有达到人的准确率，如果达到的话就继续推广产品，如果没有达到可能就是目的算法有一些缺陷。

目前来看，自动的大脑生成系统在未来一到两年内成熟度会比较高。现在的自动系统是大脑的每个模块相对固定，而其中模块的摆放是渲染出来的；实际上未来可以实现整个结构都进行颠覆的变化。

AI的发展，以前是目标固定，然后是网络结构固定，但网络参数是训练出来的。现在是目标固定，就是结构和参数都可以训练出来，再往后就是对整个行业的颠覆，就是目标的确定性。

机器现在还是在指定目标下完成特定任务，但是未来会在指定目标下学习网络、结构、参数这三个东西。现在是参数学习，未来是结构学习，再以后是目标学习，给出一些数据内容之后，就会发现机器可以学出某一种非指定的特定能力。

到了那个阶段，机器可以figureout出来一些意料之外的能力。

作者：周超臣