回到AI投资这个主题，大家现在谈论AI这个标签背后的确定性是什么？这是我想跟大家讨论的。所以跟大家分享两个我自己思考的主线，一是我们所面临的新的创新周期里的行业确定性是什么？二是The Next Big Thing是什么？在互联网和移动互联网的创新周期里，我们看到谷歌、Facebook，每一个创新周期里都会有一个Big Thing出来，那么下一Big Thing在哪儿？我们怎么找到它？这一点无论对于投资者还是创业者，都是很重要的问题。

　　在讲行业确定性之前我想跟大家分享一家创业公司的经历。我们去年下半年投了一家公司，是一家针对医疗AI影像的公司，创始人以前是剑桥博士，家里也是医疗世家，带着一腔热情回国想在医疗数字服务行业有所作为。从一名海归到真真正正地在中国这片创业热土上一步步将自己的想法落地实现的过程，体现出来的就是我们刚才说到的行业确定性问题。

　　这个创业者一开始很想用他学到的深度学习、机器学习这些AI技术，帮助医院做医疗影像识别，提高医生看片的效率，降低误诊率等等。但是后来发现这件事根本无法落地，因为你没有数据，也没有医生相信你，没有数据就无法训练这些诊断模型。

　　最后经过一年多时间才慢慢落地下去，他做了哪些事情？一是帮助医院，无论是一线城市的大医院还是二三线城市的中小医院，他为这些医院提供医学影像的云存储服务。其实医院里的医学影像存储量并不小，但是交换存取特别不方便。这也是医院很苦恼的问题，你说让他们使用阿里云服务，但这些云服务通常是针对创业企业。像医院里的医学影像其实对存取要求不高，一个片子拍完看一两回就放在那儿了，但是存储量却非常大。满足这种特征的云服务市场有吗？还真没有，阿里云又太贵。

　　于是这个创业者给医院提供这样的服务，并且这些医院非常愿意花钱买单。通过云服务做敲门砖，把这些医院的信任通道打开，当他们接入的医院达到几百家的时候，云上的存取量也达到了几十万的量级，有了这些数据再去训练他的诊断和筛选模型。

　　当诊断模型有了一定结果之后，医院数量也在提高，这时候又发现二级医院其实希望把一线医院的医生诊断水平接入进来，进而又搭建一个平台，让大医院的医生主任们在平台上帮二级医院做一些筛选，同时他所训练出的大数据模型又可以在主任医师看片子之前事先做一个预筛选，把高危区域和值得怀疑的地方标记出来，帮助主任医师节约时间、提高效率，去看最需要专业知识诊断的位置。

　　这里面很清晰地描绘出一个路径，就是我们一直强调的从云计算到大数据再到AI。蓝驰有一个非常重要的观点：没有云计算何谈大数据，没有大数据何谈AI？刚才分享这家创业公司的经历就很好地印证了我们对这个行业的判断。而这个判断是从什么时候开始的？是在2011年，我们从2011年就开始做了一系列布局，包括投资云计算基础服务企业青云和EasyStack，还有聚焦在公共服务大数据领域的绿湾和医疗行业的汇医慧影。

　　在AI方面，我们的理解是整个AI领域，不管是车还是机器人，都是具备大脑、小脑这种运算、判断能力，还有耳朵、眼睛、嘴巴这些交互功能，最后结合到动力驱动的运动装置上，才形成我们期待的未来，所以这是一条确定性的主线。

　　另外从供给层面，从技术行业的底层来看，其实从芯片到算法再到工程创新，在过去不久时间里已经发生了一些事实变化，孙正义把他以前在阿里巴巴的股份卖掉买入了ARM。孙正义一直主张是用30年的尺度看未来，他的第一个30年买了阿里巴巴，下一个30年计划做什么？从他买ARM这件事上可以看到一些变化。

　　还有像 AlphaGo、Master，谷歌在训练他们的时候，一度用到了很大比例的算力，这是非常可怕的，但是对于谷歌来说他就是要在这个领域宣誓领地权，包括TensorFlow 。百度也在做数据的开源，就是在工程层面把芯片和算法带来的新的算力增长应用到场景中去。这是供给侧已经在发生的事情，这种变化也是确定的。未来供给侧只会越来越大，就像上一个创新周期大家开始预测摩尔定律一样，atv，是一种确定性。但值得注意的是，这些算力本身并没有创造价值，它只是意味着在技术迭代过程中，这些底层提供算力的公司给大家提供了新的武器，但是我们拿到这样的武器要怎么发挥价值，一定还是跟场景结合在一起，才能真正创造价值。