年初有关Alphago的围棋人机大战着实引起民众不小的关注。正好机缘巧合在图书馆遇到《智能爆炸》这样一本应景的好书。

 读完这本科普类但不乏深度的新书，久久不能平复波澜的心绪。人工智能的发展史依附在在人类自身文明进化的轨道上，目前看来未来一切不可思议的结局都将在奇点降临的那一刻证明其存在的合理性。从“人机时代”到“人人时代“，到”机人时代“，再到”智人时代“，从万物进化角度看，似乎也可以用递弱代偿的理论来解释：

1）万物的存在度在递减，那么对外界的依存度就越来越高。

2）对外界的感受度越来越强

3）越演化到后来，必须具备越来越高的自由度

4）结构度越来越复杂

人的社会依存度决定其除了本体之间的连接外，还必须在人工智能的辅助下优化这种感受度。而人工智能演化的方向基于人类的对自由度的追求，而变得更加复杂。

技术的演进速度由于所谓的“加速回归定律”（Law of Accelerating Returns)而另人工智能爆炸式跃进的奇点来临愈来愈变得可能。

  被此书打动，所以落笔记录

Chapter 1 现实篇 智能化浪潮来袭

1.1 人工智能化时代即将来临

标志性时间预示着人工智能时代的来临--

**1950年英国“人工智能之父”阿兰图灵（alan Turing)发明了图灵测试，用以通过提问的方式分辨 被测试者是人还是机器，如果机器超过30%的答复不能使测试者确认出是人还是机器，那这台机器就通过测试，具有人类智能。

**2014年6月7日，在英国雷丁大学组织的“图灵测试2014”活动中，俄罗斯人 vladimir Veselov开发的人工智能软件--Eugene通过了原版图灵测试。

**1997年5月11日，IBM公司的深蓝计算机以4:2战胜国际象棋世界冠军卡斯帕罗夫

**2011年谷歌公司人工智能专家吴恩达（andrew Ng)启动了“google Brain"项目。项目目的是通过谷歌的分布式计算框架和大规模人工神经网络，在没有任何先验知识的情况下，仅通过观看无标注的youtube视频，来学习识别高级别概念，如猫。这就是著名的”google cat"。意味着机器可以具备人一样的感知能力。目前该项技术已经应用于安卓系统的语音识别系统上。

前百度研究院常务副院长余凯博士认为：

**第一阶段（2000~2009）润物细无声

PC互联网产生的大量数据，推动了人工智能的发展。包括三大应用：搜索，推荐，广告。但这些技术都是偏后台的，用户无法容易感知。

**第二阶段（2010~2019）于无声处听惊雷

从PC互联网到移动互联网，更多的数据，更强大的计算能力和网络带宽，更强的模型，如大数据，深度学习，语音识别，自然语言理解，机器人等让AI走向前台。

**第三阶段（2020~2029）江山如此多娇

所有设备都会有智能传感器，所有设备都有云端档案，所有设备都会从以前的单一功能变成一个实际上连接任何服务的节点。

大规模的人工智能应用受到三个趋势的推动：社会需求，产业趋势，技术趋势。 社会的趋势将从万物互联到万物智能。日本著名互联网投资人孙正义预言，2020年每个人都会平均连接1000个设备。

演化经济学的代表人物之一卡罗塔.佩雷斯（Carlota Perez)认为：重大的技术变迁不仅意味着一批新产业非同寻常地迅速成长，还意味着在长期内许多“旧”产业的新生。这些就产业在新产业的影响下，找到了利用新技术并在组织和管理上进行变革的方法。她将这一生产体系（包括其组织、技术和其相互依赖性）的各种新的思维方法的结合称为“技术--经济范式”（techno-economic paradigm)的变迁。

按照这一理论，移动互联网会很快地被智能网络所加持。

人工智能是研究开发用于模拟、延伸和扩展人的智能的理论、方法、技术和应用系统的一门综合性学科，涉及计算机、控制论、信息论、神经生理学、心理学、语言学等众多领域，核心是认知科学和技术。认知科学最重要的五个分支是：计算机视觉、机器学习、自然语言处理、机器人和语音识别。

**计算机视觉

1）指从图像中识别出物体、场景和活动的能力

2）应用在医疗安防及监控，商业购物

3）初创公司自2011年起已经吸引了数亿美元的风投

**机器学习

1）计算机系统无需遵照显式的程序指令，而只是依靠数据来提升自身性能的能力

2）核心是从数据中自动发现模式，模式一旦被发现就可用于预测

3）用户销售预测，库存管理，石油和天然气勘探，公共卫生等

4）2011年~2014年间已经吸引了近10亿美元的风险投资。

5）谷歌在2014年弃资4亿美元收购了deepmind这家研究机器学习技术的公司

**自然语言处理

指计算机拥有人类般的文本处理能力。

**机器人

将机器视觉，自动规划等认知技术整合至极小却高性能的传感器，制动器以及设计巧妙的硬件中，就催生了新一代的机器人。

语音识别

1）关注正确且自动地转录人类的语音技术。

2）使用一些与自然语言处理系统相同的技术，再辅以其他技术，如描述声音和其出现在特定序列语言中概率的声学模型等。

3）主要应用在包括医疗听写，语音书写，电脑系统声控，电话客服等。

人工智能是一个至少万亿级的市场，其子产业包括：机器人、智能传感器、可穿戴设备等。带来的旧产业的革新包括：汽车产业，且与新能源产业叠加，形成“车联网+能联网+互联网+电动汽车”的复合型产业。

智能化时代的必要条件和充分条件：

**4个必要条件

1）移动网络的发展和传感器的普遍使用

据talkingData发布的《2014年移动互联网数据报告》显示，2014年我国移动互联网产业发展迅猛，移动智能设备数已达10.6亿个，较2013年增长231.7%，全国每人手机中平均安装34款APP。

易观国际的数据显示，2014年中国移动互联网用户规模约7.29亿，较2013年增长11.8%。未来几年，移动互联网用户规模将继续保持增长态势。

2）云计算使低成本大规模并行计算成为现实

云计算=存储云+计算云。存储云的基础技术是分布式存储，而计算云的基础技术是并行计算。

云计算基础架构的本质是通过整合、共享和动态的硬件设备供应来实现IT投资的利用率最大化。

GPU的云计算异军突起，远超CPU的并行计算能力。

   --CPU功能模块很多，能适应复杂的运算环境；GPU构成相对简单，目前流处理器和显存控制器占据绝大部分晶体管。CPU大部分晶体管主要用于构建控制电路和高速缓存存储器（cache),只有少部分晶体管来完成实际的运算工作；GPU的控制相对简单，而且对cache的需求小，所以大部分晶体管可以组成各类专用电路、多条流水线，使GPU的计算能力有质的飞跃，拥有惊人的处理浮点运算的能力。CPU的技术进步慢于摩尔定律，而GPU的运行速度已经超过了摩尔定律，每6个月性能可加倍。

   --CPU的架构是X86指令集的串行架构，GPU是并行处理，所以天然具备执行大规模并行处理的能力。

   --GPU适合构建人工智能的神经网络，使神经网络能容纳上亿个节点间的链接：Netflix 已用GPU；facebook、amazon、salesforce已拥有基于GPU的云计算能力。科大讯飞也采用GPU集群支持自己的语音识别技术。

   --传统的CPU集群需要数周才能计算出拥有1亿节点的神经的级联可能性，而一个GPU集群一天内就可完成同一人物。

3）机器学习尤其是深度学习技术的进步

    --机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。机器学习是人工智能的核心和基础。其实质是通过构建具有很多隐层的机器学习模型和海量的训练数据，来学习更有用的特征，从而最终提升分类或预测的准确性。

   --深度学习是模拟人类大脑神经网络的工作原理，将输出的信号通过多层处理，将底层特征抽象为高层类别，它的目标是更有效率，更精确地处理信息。

  --深度学习由Geoffrey Hinton教授和他的学生在2006年提出。

  --深度学习用深层模型替换声学模型中的混合高斯模型（Gaussian Mixture Model,GMM)，使错误率降低30%；在图像识别领域，通过构造深度卷积神经网络（CNN)，将TOP5错误率由26%降低到15%。

4）大数据的发展

  --大数据让机器不断学习成为可能，机器开始拟人化。

**4个充分条件

1）软硬件服务一体化

  --软件为硬件而编写，硬件为软件而订造。定义极致、体验和生态

2）聚焦刚性需求

 --刚性需求曲线在理论上是一条直线，即商品价格与用户购买意愿关系不大。只有那些市场容量庞大、使用频次较高或单次市场价值较高的需求领域，才能称为刚性需求。

3）关键技术突破

4）体验式营销

 --核心在于提供优良服务和减少价值减损。

1.2 人类智能的厚度

笛卡尔的理论：

1）“我思故我在”肯定了思想存在则人类存在

2）身心二元论，割裂了肉体和精神的联系

霍布斯的机械唯物主义：

--将人类生理活动比喻为“机械钟表”，而将理性视为大脑根据经验进行的加减计算。

1.3 人工智能的高度

人工智能一词最早是在1956年达特茅斯学会上被提出来的。从学科定义上来说，人工智能（artificial intelligence AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。而从功能定义上，人工智能是智能机器所执行的通常与人类智能有关的功能，如判断、推理、证明、识别、感知、理解、设计、思考、规划、学习和问题求解等思维活动。

人工智能的三个层级：感知、理解、决策

“人工智能之父”，最早提出“人工智能”这一名词，LISP语言发明者， 约翰.麦卡锡（John Mccarthy)

Chapter 2 科幻 照亮技术进步的明灯

2.1 星空下的变奏曲：50年科幻之旅

1818年，玛丽.雪莱创作了《弗兰肯斯坦：现代普罗米修斯》，这是第一本现代意义上的科幻小说。讲诉了科学家弗兰肯斯坦通过实验创造了一个丑陋怪物，开始对人们充满善意和感恩，但后来却要求创造者和人们给予更多，最后误杀了科学家懊悔地跳海自杀。

1938年，哥伦比亚广播电台的小说《世界大战》引起反响，600万听众中有170万人信以为真以为火星人入侵，大约120万人准备马上逃离。

刘慈欣的《三体》三部曲将中国科幻带入一个全新境界。

美国著名文学家评论家哈伊.哈桑说：“科幻小说可能是哲学上最天真的，道德上最简单的，美学上有些主观或粗糙的，但就他最好的方面而言，他似乎触及了人类集体梦想的神经中枢，解放出我们人类这具机器中深藏的某些幻想。

Chapter 3 技术 孕育产品创新的摇篮

3.1 神经网络 模拟人类大脑

神经网络，在人工智能领域通常指人工神经网络。顾名思义，就是依生物神经元及其相互联结的工作原理进行分布式并行信息处理的算法数学模型。

史蒂芬.霍金在《大设计》中宣称，哲学已死，科学发展的速度远远把哲学问题甩在了后面。在霍金眼里，自由意志其实是一种极其复杂的充满混沌与不确定性的概率模型，心理学是对于人体的有效模型。意识同宇宙一样，是自发生和自组织的，而神经网络无疑是霍金解决意识问题的那把钥匙。

人工智能有三个学派：符号主义，联结主义和行为主义。联结主义是目前最火的

人类大脑的思维分为：抽象（逻辑）思维、形象（直观）思维和灵感（顿悟）思维。

1）符号主义催生逻辑型人工智能专家系统

2）联结主义催生形象思维，人工神经网络主要解决机器的形象思维能力，包括感知能力（区别猫和狗）

  --18世纪末，意大利人伽伐尼（L.Galvani)通过膝跳反应认识到神经活动的实质是独特的生物电活动

 --神经元学说由西班牙人拉蒙-卡哈尔（R.Cajal)最终确立，直到20世纪30年代才被广泛接受

 --20世纪四十年代，神经心理学家沃伦.麦卡洛克与数学家沃尔特.皮茨提出了神经元网络模型，即M-P模型，认为神经元具有计算机1和0那样的逻辑功能，指出了神经元的数学描述和网络结构。

3.2 深度学习：像人类一样成长

什么是深度学习？ （deep learning)

**机器学习方法分为有监督学习和无监督学习。

1）有监督学习是让计算机处理已贴标签的数据。对应的是单一感知器的学习方法。

2）无监督学习是让计算机处理未贴标签的数据，或者说不告诉计算机要去学习什么和认知什么而是让它自己去学习做一件事情。对应的是多层感知器。即深层学习结构。

**深度学习中，以往被视为负担的超大数据，将演变为一种资源，其输出结果会随着数据量增大而更加准确。

**充分必要条件：互联网下的大数据和摩尔定律下的芯片发展

3.3 机器识别：感知世界的缤纷、嘈杂与律动

机器视觉

1）人类大脑通过视觉获得信息占总信息量的80%以上，而大脑中有接近1000亿个神经元，它们绝大多数只做一件事情，就是处理我们的视觉信息。

2）机器视觉应包括图像获取能力、处理分析能力和输出显示能力

3）在硬件组成上，机器视觉系统一般由摄像机、图像摄取装置（CCD或CMOS)、采集卡、照明、计算机、外围运动控制部分组成。

指纹识别

机器指纹识别，是指机器收集手指皮肤的脉络纹理、大小粗细等特征信息，将之与留存于数据库的信息进行对照。

语音识别

研究目标在于让机器知道人类到底说什么

3.4 第六代计算机：追赶人脑计算能力

冯.诺依曼明确提出了存储程序计算机、二进制替代十进制、软件硬件相分离等一系列理论，从而奠定了现代电子数字计算机的结构基础，别誉为“计算机之父”

摩尔定律终将有天失效，集成电路的局限，迫使科学家研究计算机技术的新范式。

纳米管技术

1）纳米管比硅晶圆蚀刻的芯片要快上不止一两倍，目前制造纳米管芯片管采用了两种不同的工艺---碳纳米管和石墨烯

2）两种工艺都远未解决许多技术难关

DNA计算机

1）其实就是一个含有1万亿DNA分子水溶液的试管，其中每一个DNA分子的作用便相当于一台计算机。

2）阻抗低，能耗小，发热量小等优点。

3）DNA的双螺旋结构能存储巨额信息，1立方厘米DNA溶液能容纳超过1万亿张CD光盘所含有的信息。

4）难点在于，求解速度奇快，但读取信息的时间却慢得可以

量子计算机

1）“薛定谔的猫”由量子物理学家薛定谔提出的著名思想实验。一只猫被放在一个不透明的盒子里，盒子里有食物但也有一瓶毒药。毒药连着锤子，锤子也由一个电子开关控制，电子开关连着放射性原子。如果原子核衰变，触动电子开关，锤子落地，砸碎毒药瓶，释放出氰化物气体，猫就必死无疑。但原子核的衰变是随机的，只知道其概率，所以猫的死亡也是概率事件。在打开盒子之前我们永远不知道猫的状况，所以在打开之前猫是“即死又活”的。

2）“既死又活“反应了量子力学中量子的叠加态。

3）量子力学中的另一个超越常识的特征是想干性。---一个粒子被观测到后，与其相关的另一个粒子的状态也能被确定，无论之间间隔多远。

4）在量子计算机中，量子比特是最小单位，运算对象是量子比特序列。量子计算机对每一个叠加分量进行变换、基于叠加性和相干性，所有计算都是并行处理，并按照一定的概率振幅叠加起来给出结果。

3.5 计算机技术：更强更快的执行能力

德国的工业4.0和中国的”中国制造2025“。智能制造体现在数控自动化、设计电子化、控制系统化等方面。被谷歌收购的波士顿动力公司的机器狗不仅能健步如飞，而且被重重得踢上一脚也不会摔倒，是现代的”木牛流马“。大疆创新的无人机是广义机器人，核心竞争力在于其飞控技术。

1）软体机器人技术

2）敏感触控技术

3）集群机器人技术

    --通过算法的控制和优化，能形成自组织、自适应、非线性的集群机器人系统。类似于凯文凯利提到的“分布式系统”，即每个简单地个体只完成简单地任务，但是结成一种去中心化的网络后，这种网络能通过不断学习和进化获得“蜂群”智慧，并借此完成复杂的任务。

3.6 3D 打印技术：自己制造智能体

Chapter 4 产品 牵引企业转型的缆绳

4.1 那些引领时代的智能硬件

**Iphone

**谷歌眼镜

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

2012年8月，Oculus rift项目登录Kichstarter众筹网，筹得250万美元，其后在首轮融资中又融了1600万美元。开发者版以300美元出售，引起反响。被fackbook于2014年以20亿美元收购。

**微软、三星、HTC、索尼都在该领域发展

**特斯拉汽车

唉隆马斯克，是钢铁侠的原型，是特斯拉，spaceX的CEO。

**谷歌汽车

4.2 智能硬件新领军者

**Apple Watch

**Sonos音响

**大疆无人机

**SBRH Pepper 机器人

Chapter 5 企业 驱使产业升级的引擎

对大数据进行整理、挖掘、分析能产生巨大的价值，IT企业正在向智能企业转变，将从过去讲究宽度（流量、聚合）的竞争向讲究深度（挖掘、分析）的竞争

5.2 谷歌：武装后的终极搜索

谷歌从传统的搜索市场扩展到类人机器人、高空互联网气球、甚至是长生不老。先后收购了deep mind（一家神经网络创业公司）、Jetpac(一家机器自我学习式图片搜索方案提供商）、Dark Blue Lab(一家专注于计算机深度学习和自然语言处理的公司）、Vision Facory(一家专注于计算机深度学习和视觉识别的公司）、Boston Dynamics、Flutter、Nest等一系列人工智能创业公司，囊括了智能机器人、手势识别乃至智能家居

在2002年《连线》科技杂志的创始人主编凯文凯利在一起小型聚会上向尚未IPO的谷歌创始人之一拉里佩奇提问：“现在那么多搜索公司，你们为什么要做免费的网络搜索？”佩奇的回答：“我们是在做人工智能”。而谷歌在人工智能方面的扩展恰恰证明他们是在用搜索技术来改善人功能智能。谷歌拥有超过12亿的搜索用户，每天会产生超过1200亿的搜索关键词，用户的每一次搜索，每个关键词，都是在辅导谷歌人工智能进行深度的信息采集。

在人工智能时代，我们所追求的不再是最符合的目标，而是最优秀的目标。

未来终极搜索是：人工智能系统已经扫描用户阅读的每一封电子邮件、每一个网络文档和曾经输入的每一个关键词，从而在用户输入搜索关键词之前就预测下一步用户所希望搜索的内容。人工智能是下一代搜索引擎的核心要素。过去的搜索引擎的作用是帮助人们“找到答案”，而未来的则是实现人与服务的智能化连接。终极搜索加上机械能力和电子邮件结果就是机器人；而终极搜索加上图像和视频识别能力，结果就是智能眼镜。

5.3 百度：打造中国大脑

截止2015年3月，阿里巴巴市值2123.6亿美元，腾讯市值1641.95亿美元，而百度市值只有阿里巴巴的三分之一，为711.02亿美元。百度对人工智能的曝光以及在智能硬件方面的布局，根本是在数据的基础上，通过平台，智能硬件布局，从数据到平台，从智能硬件生态岛百度大脑，加快消费者对百度人工智能的认识，为百度人工智能战略的实施赢得时间。

**“百度大脑”战略下基于大数据和云存储的智能战略。

**两年以来，移动转型再造了一个百度，但本质上只是流量变现的初级形态。

**在移动端实现人与服务的连接，有很高的技术门槛，如语音、图像识别技术、底层大数据、人工智能、LBS、深度学习等。百度研发总共投入达134亿元。

**在智能硬件的布局：与咕咚网联合推出的咕咚手环，与映趣科技联合发布的inWatch智能手表。2015年4月上线的百度硬件平台，打造开放统一的数据接口、技术标准。

5.4 IBM:深蓝巨人智能转身

进化的轨迹： 当互联网泡沫破灭、IT企业走下神坛时，推出了电子商务。当用户拒绝购买IT设备时，巧妙地根据用户需求提供服务。当大数据崛起后，IBM开始为系统制作大脑。

1)剥离PC等业务，向增长率、利润率更高的业务转型，并不断向海外市场开拓，成为全球最大的信息技术和业务解决方案提供商。

2)2014年1月成立watson group，并为这个新部门投资10亿美元。IBM CEO罗瑞兰表示：“我们很少去创立新的业务集团，如果我们这么做了，就一定是因为发现这意味着一个重要的转变。”

3)2011年2月17日，超级计算机watson作为选手参加美国智力竞猜电视节目《危险边缘》，并连续击败该节目历史上最为成功的两位选手，成为新的冠军。随后被应用到医疗等领域。

4)按照IBM设计的理念，是希望watson不光全权处理各种问题，而在于以“半人半AI”的方式帮助人类更好地学习。

2013年，IBM共计获得6809项专利，主要集中在数据分析、云计算、大数据等快速增长的领域和watson所代表的认知科学。其所涉及的合作包括：

1)提供分析技术服务，帮助铁路行业降低脱轨风险

2)“沃森健康“医疗分析平台

3)与苹果合作，发挥其作为云端的优势

4)与推特（Twitter)在数据分析领域建立合作伙伴关系，使其他公司能对文章进行分析，从中找到商机

5)与腾讯合作提供云服务

6)斥资30亿美元成立物联网业务部门

7)与weather channel达成合作协议，为企业提供天气分析服务

5.5 Facebook:智能社交网络

facebook建立了一个联系人和人的网络，而且希望运用智能方法，以全新的方式对其10亿多用户发布的内容进行分析。

寄希望其人工智能实现室能对其社交平台进行改进。研发支出占比高，仅2015年一季度，其研发费用就高达10.6亿美元，占该季度营收的30%

投资物联网，收购parse（专门为移动应用提供后台服务的云计算平台，且能够为用户提供后端的技术服务）。Parse被众多智能厂商广泛应用，包括智能车库门应用chamberlain,可穿戴设备和跑步追踪器制造商milestone sports，智能烟雾探测器厂商roost。

5.6 传统企业智能化转型

华为诺亚方舟实验室推出一个叫MoKA的人工智能系统，基于”迁移学习“的理念，能真正将大数据变为帮助人们”做决策“

海尔的”U+"智能家居开放平台

联想成立NBD事业部，专门负责搭建“智能设备+服务”的创业平台，向贺志强（联想云服务业务负责人）汇报，贺志强提供后端能力支撑，即业内常见的“云服务+智能硬件平台”物联网组合

比亚迪出售电子部品件等优质资产给合力泰（智能穿戴设备行业领军），并成为合力泰第二大股东。希望借力合力泰在智能硬件和软件方面的实力带动比亚迪智能汽车和车联网发展。2014年提出“智战略”

5.7 智能技术新贵崛起

科大讯飞的语音智能

光启科技的飞艇方案，并启动“家庭智能无线感知网”项目，重点为加速网络升级改造，构建超宽带家庭智能无线感知网，布局智能超级终端，打造全球OTT平台

Graph Lab图谱分析及大数据分析模型突破人类图计算极限

Clarifai电脑智能识别利用深度学习技术来理解视频内容

波士顿动力军用机器人，被谷歌公司收购

K-team集群微型机器人，依靠群体工作，大量分工的个体完成高难度的行为

Chapter 6 产业 推动社会发展的巨浪

6.1 智能可穿戴：从产品到数据

在硬件方面，随着产业链的完善，基于可穿戴芯片的平台解决方案：

1)Intel基于Quark推出平台Edison

2)MTK基于Aster Soc推出平台LinkIt

3)飞思卡尔基于i.MX.6芯片推出平台WaPP

在软件方面，可穿戴设备并不适合采用点按、触摸等传统的交互方式，而是更适合采用语音、眼球、图像等识别交互方式。

目前可穿戴设备更多是停留在“玩具”状态，必须抛弃面向海量用户提供标准化产品的思维，而是向特定用户人群提供特定产品，挖掘寻找可穿戴产品的刚需场景，甚至要柔性定制化生产的思维

对于谷歌、苹果这样的大型互联网巨头，推出智能客穿戴设备的目的绝非通过硬件来盈利而是提供更多的网络服务，争夺一个更加贴近用户的入口。依靠传感器收集用户信息并提供更多附加服务，这个是重点。

比如苹果推出智能手机后，花费大量资源来建设IOS系统，从而培育出apple store生态，把用户、应用开发商全部绑定到苹果的生态圈内。智能可穿戴也一样，抢先建立生态圈，优先获取用户信息，同时将硬件制造商纳入自己麾下。

又比如“NIKE+"收集的用户运动数据，设计和制造有针对性的运动产品。

对于小型设备制造商，更多的是为了实现产品商业化：

--如何在细分市场上进行挖掘（人群的细分、场景的细分）

6.2 智能家居： 客厅生态圈

其中谈到三股力量

传统制造企业都在寻找与互联网的结合点。过去，家电行业看重的是互联网电商渠道，现在则开始利用互联网技术和能力探索全新的产品和智能模式。

传统家电企业选择的是产品，互联网巨头选择的是系统，创业公司选择的是单品。所以无论巨头还是创业公司都很难覆盖整个家庭所有产品。所以只要考虑自己的产品的路由网关如何接入未来的平台。

兼容和统一是智能家居的最终竞争

目前智能家居仍缺少符合整个行业的平台接入协议和应用协议标准。基于统一的协议和标准，家居设备厂商才能开放接口，应用开发商才能基于接口开发应用。

**苹果的homekit平台上还包括飞利浦、霍尼韦尔、德州仪器

**Thread Group无线协议联盟则是三星、Nest，ARM、飞思卡尔、Silicon Labs等

6.3 智能医疗： 数字化诊断

继智能家居后，很多人相信智能医疗是下一个风口。智能医疗是深入应用物联网的领域之一，它是一个很大的概念，包括：

1)医院信息化（电子病历、电子处方、电子化流程、电子查房）

2)医疗信息互联网化（各类寻医问药网站、APP应用）

3)药剂医疗设备物联网化（药品、血液、器械等仓储管理）

4)远程健康监护以及远程医疗

前三点发展迅猛，驱动来自于医院主体。制约在第四点，流程效率的滞后带来“看病难”。

理想的智能医疗是：人们穿戴着体征感知设备，医疗服务提供商自动远程对其进行健康监测、疾病预警、问诊，如发现问题，就通过社区医院就近为其开药或者治疗

关于信息技术用于医疗领域而产生的概念过渡包括：远程医疗、移动医疗、互联网医疗，都是以信息转移为主体，将原本从人身上获取信息方式转化为从工具、互联网等间接获取信息。而数字医疗阶段，把现代计算机技术、信息技术应用于医疗领域，大大丰富了医学信息的内涵和容量：

1)一维信息的可视化---心电图和脑图等重要的电生理信息

2)二维信息---CT、MRI、彩超、数字X线机等医学影像信息

3)三维可视化--动态三维心脏图

大环境好，体现在宏观政策上，近年政府制定的“信息消费”、“健康服务业”、“人口健康信息化”等政策出台，移动医疗产业得以快速发展，智能医疗、移动健康等概念加速落地。

根据预测，2014年中国移动医疗市场规模可达25亿美元

BAT巨头的关注：

1)百度的“百度健康”上线，致力于通过移动医疗健康平台和智能穿戴设备记录人们的健康数据

2)阿里的围绕移动支付的在线医疗平台和医药电商平台生态圈，从医药电商切入智能医疗市场，先后收购寻医问药网、华康全景网等医疗平台。15年与卫宁签署战略合作协议，直指处方药市场，目的是抢占电子处方流量入口

3)腾讯上线“微医疗”，支持微信挂号服务，切入互联网医疗市场

当前行业最大的问题不是产品和技术而是平台和运营上，缺少一个中间平台成为医院和用户间的连接者。这个平台能统一收集个人所有的各类终端采集数据，能给医患双方提供服务，这个才是智能医疗的引爆点。

6.4 智能交通： 被改变的出行

从工具上来看，智能出行工具比如说无人驾驶汽车是不可或缺的一个环节。奔驰、宝马、丰田、通用等制造商都把无人汽车的发布时间定在2020年前后。

在真正的智能交通系统中，车辆靠自己的智能在道路上自由行驶，比如无人驾驶汽车；公路靠自身的智能将交通流量调整到最佳状态，比如车辆管理系统；借助智能交通系统，管理人员对道路状况、车辆的行踪实时掌握。

无人驾驶汽车需要具备的两个基本系统：

**智能感知

1)通过摄像机、雷达和激光传感器来实现，可追踪车外境况，从而控制汽车行进

2)激光测距仪可精确测量前后车车距

3)全球定位系统可确认每部车的位置和时间节点

4)数字地图将海量实时数据转化成为虚拟图景

**智能控制

1)车与车之间的联系，形成车联网

同传统驾驶相比，无人驾驶汽车会更安全，减少交通事故；节约能源，减少交通拥堵和寻找车位的时间

智能交通还要实现智能交通网络，通过数据采集、数据分析、实时加工来获取交通状况信息，然后提炼出对监控和预警有用的关键信息，以此来改善交通状况。

目前从事智能交通的企业已经达到2000多家，分布在道路监控、高速公路收费、3S（GPS,GIS,RS)和系统集成等环节。

相比国外发达国家，我国智能交通状况还相对落后。比如在美国，智能交通应用率在80%以上，日本1998-2015年的基础设施投资是750亿美元，车载设备为3500亿美元，服务等领域为2000亿美元。

智能交通和物联网有很大关系。物联网是靠传感器、控制器，而智能交通也是按照这个形式。智能图像分析师智能交通非常重要的技术。在智能图像分析领域，智能交通产品占其销售额的10%以上，而其他领域对智能图像分析技术的应用通常仅仅占1%-2%

6.5 智能制造：新工业革命

基于信息物理系统的智能装备、智能工厂等智能制造正在引领制造方式变革

网络众包、协同设计、大规模个性化定制、精准供应链管理、全生命周期管理、电子商务等正在重塑产业价值链体系

可穿戴智能产品、智能家电、智能汽车等智能终端产品不断扩展制造业新领域

以智能制造为主体的“工业4.0”：

1)智能工厂，重点研究智能化生产系统、过程以及网络化分布式生产设施的实现，核心是产品智能化、生产自动化、信息流和物资流合一。

2)智能生产，主要涉及整个企业的生产物流管理、人机互动以及3D技术在工业生产过程中的应用

3)智能物流，主要通过互联网整合物流资源，以提高现有物流资源供应方的效率，从而让需求方能够快速获得服务匹配得到物流支持

在传统制造时代，用户只能选择特定商品，而智能制造时代，可以让用户全流程参与到产品的研发、设计、生产等环节中，用户即是产品的消费者，又是产品的创造者，这就是智能制造所带来的创新颠覆。

Chapter 7 社会 开启智能爆炸的热土

7.1 奇点即将来临

《奇点临近》的作者未来学家Ray Kurzweil认为进化史一个创造持续增长秩序模式的过程，而模式发展构成了世界的最终形态。他从生物和技术两方面把进化史概念化分为六个阶段：

1)物理和化学纪元

2)生物与DNA纪元

3)大脑纪元

4)技术纪元

5)人类智能与人类技术的结合纪元

6)宇宙觉醒纪元

人类目前正处于第五纪元

“奇点”是指未来的一个时期，是一个电脑智能与人类智能融合的时期，这种融合将开创一个全新世界。在这个世界中，虚拟和现实、人类和机器的界限将变得模糊，我们可以任意切换不同的身体，转换不同的角色

Ray Kurzweil分析，到21世纪20年代中期，人类将逆向设计出人脑；20年代末电脑将具备人脑的智能水平；40年代中期将出现“奇点”。在“奇点”人工智能的数量将是现在所有人工智能数量的约10亿倍。利用DNA、纳米等技术，人类身体各部分机能运转系统将被重新设计和制造。在这个纪元，人类不会衰老，不会疾病，环境问题被彻底解决，但新的不可预知的问题又会出现。

Ray Kurzweil提出所谓的“加速回归定律”（Law of Accelerating Returns)。

1)该定律认为自然、人类社会的进化与时间的关系并非是线性的。自然界是以指数级速度发展进化的，而人类发展速度更快。单细胞花了28亿年时间才进化成多细胞，而多细胞进化成哺乳动物只花了不到7亿年。从一个普通灵长类动物发展到人类，只花了区区几百万年。

2)定律的原因是一个社会越发达，其持续发展的能力越强，发展的速度也就越快。整个20世纪100年的发展如果按照2000年的发展速度只要20年就能完成。现在社会模式变化的加速度和信息技术的指数增长速度相同，两者都处于曲线的拐点。在这个时期指数增长趋势将变得明显。一旦越过这个阶段，加速度的趋势将呈爆炸式增长。这种爆炸式增长的奇点会在21世纪前中叶。

7.2 倒逼产生的进化

Ray Kurzweil指出在“奇点”到来之际，机器将能通过人工智能进行自我完善，超越人类，从而开启一个新的时代，一个新的物种。

意识形态：形而上学的兴起

只有思想的进化才是可靠的应对方式。从社会角度说这是市场的需求；从个人角度说这是生存的需求。

而形而上学是思想进化的前提。

广义上的形而上学是所谓的终极关切，“终极”既可以从价值论角度理解，指终极的意义、目的；也可以从本体论角度进行理解，指终极的实体、原因。在多数哲学家那里，这两者是一致的，最高的目的往往也就是最初的原因。它是变中之不变，多中之一，相对中之绝对，瞬时中之永恒，是万有之全，世界统一性所在，是万物由之生化又向之复归的始基，是世界的根本奥秘和存在的底蕴。在哲学史上，占据统治地位的方式是依靠概念思维手段去把握终极实在。

组织形态：部落的兴起

远古以图腾形成组织，如今网络社群以不同的兴趣爱好而聚集，比较松散

思想或行为目的的统一是思想部落形成的前提

ps:当前比较稳固组织是以宗教为载体的思想部落

思想部落的存在可能导致国家的不复存在。部落间将会进行频繁的思想和生活层面的交流，贸易将无数个部落联结起来形成世界共同体

工具形态：人脑的开发

人类大脑只利用了10%的脑容量。人类有几百亿个脑细胞，每个脑细胞有几百条脑神经，每条脑神经有几百个突触，每个突触有几百道几千个蛋白质，一个脑细胞作用是一台大型计算机，一个突触相当于一个芯片。所以人的大脑相当于上千亿块或上万亿块芯片。

思想大爆炸

大约在公元前500年，人类的第一次思想大爆炸出现了孔子，孟子，老子，释迦摩尼，苏格拉底，柏拉图。这些思想直到如今依然深刻地影响人类，甚至已经内化成为一种思维方式。如果说这次思想大爆炸是精神至上论，而后的文明基本上是物质至上论。从那以后，人类再也没有大规模关心过自己的精神世界，放弃了对灵魂的尊重，转而关心自己的肉体和感官。

而第二次思想大爆炸是基于智能化飞速发展后的反促进作用力倒逼的结果。

**《超体》

**《机器纪元》

**《复仇者联盟2：奥创纪元》

Chapter 8 未来篇 即将到来的智人时代

无论是1946年美国宾夕法尼亚大学的ENIAC还是二战期间由英国人汤米.费劳尔斯研制的用于破解德军加密机的“克洛萨斯”都只是个体工作，直到23年后美军在ARPA制定的协作下，把分别位于加利福尼亚大学洛杉矶分校，斯坦福大学研究学院，UCSB加利福尼亚大学和犹他州大学的4台电脑连接起来，情况才发生了根本改变。

互联网和机器是相辅相成，共同推动发展的。人、机器和互联网这三个元素紧紧围绕智能这条主线发展，从发展到现在的近50年中，互联网和计算机的关系经历了“人机时代-人人时代-机人时代”三个阶段的进化，将迎来智人时代。

8.1 前奏：互联网经历了三段进化

**人机时代-传统互联网时代

1)以人为主，一方面互联网优化了信息资源配置，增强了人与人之间的沟通交流能力（代表是各种电商平台和门户网站）；另一方面试解放了人类劳动力。

2)但从另外的角度，在人机时代，计算机也在某种程度上禁锢了着人（电脑无法随身携带，一切互联网的行为只能在家中完成）

3)结合第一章中的表述，对应的是“润物细无声”的阶段

**人人时代-移动互联网时代

1)智能手机和告诉移动网络的普及

2)最新的数据：微信的月活跃用户有4.8亿个，QQ的活跃用户更达到8.29亿人

**机人时代-万物互联时代

1)”计算机“概念弱化，”智能体“概念兴起

2)机器交流成为新的信息网络

3)云计算和大数据成为重要战略资源与经济支柱

8.2 智人时代：人类智能与机器智能平分秋色

智能时代就是强人工智能时代。 Linda Gottfredson教授如此定义智能：一种宽泛的心理能力，能够进行思考，计划，解决问题，抽象思维，理解复杂理念，快速学习，从经验中学习等操作。”按照未来科学家的预测，大概会在2045年前后到来。

中科院自动化所的类脑智能研究中心也在研究如何让机器自主地思考，分三个方向：认知脑计算模型，类脑信息处理机制和神经机器人

1)认知脑计算模型

借鉴现有的脑科学成果，建立人类脑神经的模拟机器，以助力人工智能在视听觉、学习、思维等方面的突破

2)类脑信息处理机制

建立一个类似人脑信息处理机制的多模态数据智能系统

3)神经机器人

通过类脑研究，提升机器人的智能化程度，让机器人掌握精细动作并实现自主动作学习等能力

一旦进入智人时代，新的物种“智人”将诞生。它将不会停留在人类智慧水平这一个标杆上，而会通过构建良好的信息互联体系，不断地加强自身软件性能，集团性学习和同步的能力，甚至可以集团性地处理同一个任务。

宣告“智人时代”即将来临，是 一个具有爆炸性的预言。它的典型特征是：

其一，机械日益富有人类的思维、情感、个性与能力

其二，人类日益异化并呈现越来越明显的机械思维与习惯，比如对 高科技智能产品的过分依赖，人性色彩日益退化、情感越来越贫乏、思维越来越线性，等等。在某一个临界点上，日益进化的机器人与日益退化为机械思维的人，会 变成一种“新人类”——智人。正如科幻小说《三体》中描绘的一样：暂时冷冻的人们，在未来某个时刻醒来后，会发现未来社会的人们因为科技的快速发展，变成 外形完美划一、思维简单透明、能力超乎寻常的“新人类”。

因为智能化浪潮的来袭，我们面对未来“新人类”，或者说我们异化为未来“新人类”的可能性更大、速度更快。这种深层次的变化，将对整个产业、社会、人类的文明和个人的心性，产生无法估量的影响。

Chapter 9 智能化领域的投资机会

“成批的重大技术创新有赖于金融资本的鼎力支持”

                             --约瑟夫.熊彼特在巨著《商业周期》中有关金融资本在经济波动和技术变革中的作用

“技术革命意味着风险。产品是新的，工艺是新的，工艺要受到检验，市场是未知的，消费者还不习惯使用，供应也没有保证。尽管重大突破常常只需要相对较少的资本，尤其是与大多数技术达到成熟，实现规模经济所需要的大额资本相比较而言更是如此，但是仍有很多新企业家以及许多相继出现和类似的创业新者取得成功并寻找资金。”

                             --卡罗塔.佩雷斯《技术革命和金融资本--泡沫和黄金时代的动力学》

投资对技术革命的推动作用不言而喻，并往往能实现双赢的结果。人工智能是互联网产业一部分，投资机会重多。举例谈到：

乐博资本创始人杨宁投资人工智能，从2014年初不到一年的时间，投资了三四十个人工智能项目，其中对亿航消费级无人机的投资，从天使级的250万到A轮的估值1亿美元，投资回报率是2500%，估值在8个月上升了25倍。

初创投资的王映初从2011年开始自设人工智能公司自己投自己，有8家的估值在不到一年时间内超过了1个亿。成立两年的时间总体投资回报率为400%。

9.1 金融资本热潮涌动

推动技术革命的是金融资本，其比产业资本更加活跃，代表是天使投资人。

美国出现了很多专注人工智能创业公司支持的机构，包括Robot Garden, Robot Launchpad,Lemnos Labs.2015年10月，Tempo AI的首席执行官Raj Singh说过去18个月所有美国的风投都在人工智能，机器人或相关领域有投资。量化分析公司Quid的数据佐证，自2009年，人工智能已经吸引了超过170亿美元的投资。2013年，有322家拥有人工智能相关领域的公司得到了超过20亿美元的投资，而2014年，风投在人工智能领域共完成40笔交易，投资额比前一年增加了302%。

而在中国，投资热情比美国还要高，很多在硅谷找不到投资的初创公司都到中国来找融资，找生产厂。目前在珠江三角洲就分布着很多人工智能的生产基地。

除了风投，目前借助互联网环境而出现的股权众筹（Crowd Funding)也成为主流。

9.2 产业资本加大力度

产业资本的投资目前美国领先于中国，因为很多IT巨头本身就是以技术为安身立命之本的。比如说谷歌，2014年初以4亿资本代价收购deepmind technologies，又以32亿美元代价收购Nest。最近几年，谷歌先后收购了14家人工智能公司。

在国内百度把“谷歌大脑之父”的吴恩达招致麾下，负责“百度大脑”计划。而阿里巴巴，腾讯，海尔，格力，美的都加大投资人工智能领域。小米投资国内短途交通企业Ninebot(纳恩博）。KKR 在2013年10月以33.82亿美元入股海尔

9.3 广泛的投资空间

人工智能无论是在专业领域还是在通用领域，其技术和产品架构都应该由“底层-中层-顶层”组成，底层是基础资源支持层，中层即AI的技术层，顶层是AI应用层。它们共同组成了AI生态圈

**基础资源支持层

AI应用的计算资源可分为两部分：一是用于训练算法和优化模型的线下研发资源地；二是将成熟的算法模型用于服务线上客户的海量响应所需的线上服务资源池。

线下是线上的十倍，线下的研发资源池是重资产的投入，仅有实力雄厚的巨头企业能够支撑。

企业投资该块是想打造并掌控一个商业生态环境。

**技术层

按学科分可以是：机器学习，计算机视觉（图像识别），自然语言处理（包括语音和语义识别，自动翻译），机器人，知识表示，自动推理等。

机器学习和视觉技术成熟度相对高，是目前投资的重点。

**应用层

应用层投资机会与场景有关。

相比美国创业公司，中国同行的优势是产品化程度高，对应用场景把握好。中国的人口基数也利于催生新的产品。

国内三大重点投资领域：

**可穿戴设备

1）主流设备包括Google Glass，Jawbone Up,Fitbit Flex,Galaxy Gear。根据预测，未来两三年，可穿戴技术市场规模将由目前的30亿-50亿美元增长到300亿-500亿美元，复合增速将不低于50%。

2）需要爆品来引爆这个市场。

**智能家居

1）从KKR入股青岛海尔，到谷歌收购NESTLABS，短短三个月，有超过200亿人民币资金流入这个当前不到1000亿收入规模的市场。

2）南京物联在2014年7月获得一笔亿元以上的投资。

3）中国家电智能化以传统产品系统性连接互联网，提供系统解决方案的形式为主。

**智能交通工具

1）在消费机无人机方面，大疆，亿航，极飞，零度占据了全球前十名中的四席。大疆更是名列榜首。

2）硬件方面主要涉及传感器技术。

3）软件层面，以无人驾驶为例，主要涉及三个部分：信息采集，信息处理和信息通信。

9.4 智能化是新兴的投资领域

大企业（产业资本）没有竞争优势？好项目能把包括BAT在内的大企业颠覆掉。

杨宁从五个部分加以佐证：

1）大企业难觅特别优秀的人才。 企业结构细密，以事业部制或项目制为主，不适合特别优秀的人才发挥。

2）大企业有扯皮内耗的情况，规章制度对创新是阻碍。

3）大企业脱离用户。

4）互联网企业的传统玩法已经过时。智能产品需要工匠精神，原有的互联网流量入口无法发货作用。好的产品会以众筹或口碑赢得胜利。

5）大企业没有技术优势。比如乐博投资过的一家名为凌感科技（uSENS)的公司，产品Impression PI是一款融合移动VR和AR的设备，解决了VR领域三大技术难点：三维手势交互，自内向外的位移监测，AR+VR，秒杀google cardboard,gear VR,microsoft hololens.

如何投资人工智能领域？

1）有好产品没有垄断者。这一人工智能领域的优势便于天使投资。所以只要是好产品，不要束博于估值。一个好的天使投资人投的项目至少应该有20%死掉，达不到这个比例就不是好的天使投资人。说明太保守了，把项目看得太清楚，而看得太清楚的项目是不会给人带来惊喜的。

2）专业投资人可作为众筹领投人。传统的众筹玩法：奖励式，捐赠式，债权式，股权式，最近出现了混搭的方式：股权式众筹和风投混搭，半私募半公众性质的投融资方式。即“领投+跟投”。把投资人分为普通投资人和合规投资人。领投由合规投资人进行尽职调查，决定投资，普通投资人以私募基金，特殊目的实体(SPV)有限合伙人公司等方式共同完成资金筹集。专业投资人以其专业性、信誉及影响力促成投资。