然后是计算能力。张建锋考虑的是，“能不能把计算能力做得与众不同”，“如果全部都是基于GPU，那其实大家的能力差不多，因为这个能力是英伟达（Nividia）定义的。所以才有人要做专用芯片，比如谷歌要搞TPU，我们要搞FGU。阿里巴巴这样一家体量的公司，必须去做一些自己的研究。”

　　第三步是对行业的理解，“这是今天整个人工智能面临的最大挑战”，“最稀缺的是人工智能和产业的结合”。

　　只有数据、计算能力和对行业的理解三者结合起来，才能形成一个张建锋所说的，既有技术的先进性，又具备产业化能力的解决方案。用张建锋的话说，当技术能够跟产业结合在一起把产业做大时，人们对一家公司的认知也会变化。比如，如果一家公司把图像识别在医疗行业应用得特别好，那大家对这家公司的认知一定是一家医疗公司，而不是图像识别公司；在安全上做得非常好，那它就是一家安防公司，而不是图像识别公司，“这些产业的规模都足够大，但今天我们都是在产业的边缘逛来逛去。所以，在人们看来，大家做得都一样，都是图像识别公司。”

　　在IoT上，阿里巴巴则有“很大的计划”，从芯片、语音交互到硬件，都会涉足。以语音交互作为入口的硬件为例，亚马逊的Echo成为爆品之后，希望模仿Echo的中国公司不在少数，不过，“不能说我有语音交互我就跟亚马逊Echo一样，Echo做的根本不是语音交互，是Alexa背后的平台”。显然，张建锋认为阿里巴巴集团拥有不逊于亚马逊的优势，而且，由于中国互联网+的繁荣，它能提供的服务只会更多：餐饮、出行、酒店、音乐、影视……“主要是智能平台和后面的整合能力，而不是语音交互，语音是一个通用技术。如果真做成一个音箱，那就太LOW了。

　　不同于张建锋在技术和业务之间的职务多变，蚂蚁金服的CTO程立一直在技术岗位上。尽管阿里巴巴集团号召它的员工要“拥抱变化”，在人员调整上以“轮岗”著称，程立却长达12年没有被“轮岗”过。蚂蚁金服内部已经建立了4个技术实验室——其中3个成立于2016年，以关注他所称的同未来相关的技术。这4个实验室分别关注生物识别、区块链、人工智能与IoT。程立对这些实验室的要求是，“只做面向未来3到5年的投入”。他说：“过去我们招聘一个人，会看和当下的业务有没有直接的关联和帮助，现在我们招一个人，也许就是为未来储备。一些科学家性质的人才，过去也许我们不需要，只是等一项技术快产业化的时候，我们把技术拿过来用，但现在我们会招一些科学家级别的人才。会有更多的科学家加入。”

　　他对技术带来的不确定但又重大的影响深有体会。最直接的例子就是移动互联网对支付和金融业务的冲击。程立曾经一度认为，移动互联网对支付和金融的冲击不会像对其他行业如社交、游戏、内容和电商那么大。他认为，或许这只是一个把服务从PC端搬到手机端的过程，“但现在回头看，移动支付是把金融服务和支付重新定义。当支付从线上往线下走的时候，你会发现移动互联网提供了很多新的技术可能性。包括蚂蚁尝试过的声波支付、蓝牙支付，以及二维码支付”。

　　他的结论是，“一个看似无关的技术，影响却会非常大。”这让他对未来充满警惕。

　　5、iDST的归来

　　前iDST负责人漆远来到蚂蚁金服做首席数据科学家，他和团队接到的第一个项目是智能客服。他希望通过智能交互机器人来解决支付宝的客服问题。这一次，他和团队大获全胜。2015年双十一的时候，他到成都客服基地去看项目的效果。当时，客服部像往年一样举行一个小小的竞赛，接到客服电话最多的团队，公司会发iPad作为奖品。所有人都做好了加班的准备。但是出人意料，到了11月11号的中午，客服的电话就已经少了很多。从杭州总部来的高管们不好意思再去抢着接电话，都撤出了现场。

　　后来，客服部门拿出分析数据，2015年的双十一，客服做到了94%语音自助，这意味着有94%打来的电话不需要再转接到人工服务。2016年的双十一，客服自助率做到了97%。漆远给2017年客服项目定下的KPI不再是自助率，而是用户的问题解决率和满意度。最近的一个标志性的事件是两周前，客服机器人的问题解决率超过了在线的人工问题解决率，这在一年多前项目启动时是不敢想象的效果。业务部门做了一个统计，在不到一年的时间里，去除掉人工智能团队的人员工资和计算资源成本，他们的工作为公司节省了一个多亿的成本。