不能把数据狭窄化，认为互联网数据就是这个世界上仅有的数据。其实我们要知道现在互联网仅仅是有一些产业的数据，比如说阿里是零售业的数据，百度是信息服务业的数据，腾讯是我们所说的人的交流和沟通一些数字娱乐的数据，但是比如说医疗数据，这些企业都没有交通运输物流的数据，农业数据没有，制造业数据没有，法律数据没有，很多行业的数据他们都没有，因此这些行业都有很多机会可以做。

　　机器，最近大家都知道，人工智能公司还是很能融钱的。我刚才跟他们聊，他们以前投的公司最近刚刚拿了三个多亿的融资，一旦有未来的话，很多VC真的给你钱，你烧起钱来比大企业胆量还大。你还记得O2O的时候，可以烧到百度跟阿里发颤，创业公司还拼命烧，没有上市，就没有股东，所有股民的股东。投资者只要看远期，他是支持你烧的，但是作为大企业，你的利润突然有一个剧烈的下降，你很难跟股民解释。所以这个里面有时候不好说，创业上还是有机会的。

　　怎样做产业需要的科研呢？大家对这个问题蛮感兴趣的，我自己也做很多的事情。我在北京大学人工智能创新中心当主任。我们主要想做的事情，就是学校、科研机构拥有最好的技术，怎么样能够落地呢？

　　我特别关注AI加产业，包括北大也开了一门课，我发现因为AI很火，学校选修的学生很多，400多名研究生选了这门公选课。因为教室的原因，最后录了两百人。人工智能是大家热切关注的领域，那么怎样做一个有用的研究呢？

　　我简单分享一下个人的想法。我从网上获得的数据显示（这个数据不保证完全正确），中国的研究成果转化率：发改委副主任说是10%，欧美是40%，当然我也不知道这个欧美40%是不是真实的，但是总体来讲确实不高，做了这么多研究真正能够落地的多吗？

　　科研如何创造产业价值？

　　我们再看一个事情，科研和产业真的能够联合起来做成一些事情吗？其实不一定。

　　先说不同点，首先科研追求学术价值，产业追求生活中的需要。什么是学术价值？在一个地方做到世界最领先这是学术价值。但是产业不是这样，他说我解决一个问题，能解决问题就行了，不需要最先进的技术。比如：扫地机器人，也是人工智能，但是并没有太多人工智能，就是路径规划加一些硬件做得比较好。

　　解决实际的问题和高大上的、做最活的东西之间确实有一些不匹配的点。另外我认为有一点特别重要，单点突破，完整的产品或服务。学术在一个点上精益求精，很多人参与创业或者在一些公司做顾问，你就会知道如果做产业的话，其实我不关注你那个刷的榜，把这个摄像头安在海关上，能够给我抓一个罪犯，这个人到底是不是假证，能不能认出来这是我最关注的事情，同时要给我一个完整的解决方案，这个不能宕机保证稳定性，是个完整的东西不是一个某一个点。

　　科研为了做一个事情不惜代价，但是产业不可以。举一个例子，大家做量子研究，需要投入非常高，但是产业绝对不可以这样，产业要以买得起来衡量。举个例子，比如说谷歌的眼镜，感觉蛮酷的，但是这个东西很重，我记得在美国卖的时候大概是一两千美金，完全不是老百姓可以买的，因此这个东西很难落地。例如，像汽车也是非常贵的，所以必须要降到一个可接受的范围。比如做一个特别好的手机，一个手机卖两万我敢保证不一定卖得很好，但是卖四千我觉得你可以把苹果干掉了。

　　科研是不断进步的，但是产业是能不能用，好不好用。比如说人脸识别，错误率从8%-7%，每一步进步在科研上都是重要的，都是全球最好的。但是产业根本不管这儿，产业说我雇了一个人，假如说人的错误率是3%，你达不到3%对于我来说没有用，你一旦超过3%立刻就有用了。所以说他是非常零散的。基于这么多的区别点来讲，很多人说这个挺难得。还是那句话，看到区别才能找到联系，我们去思考这些问题。

　　研究的时候完全可以从真实需求中探求课题，做人脸识别挺好，不要做狗脸识别。完整服务的这一块确实很难服务。我们需要找关键的部分，比如说用来抓坏人，这个人脸怎么识别，你把这个解决了，再配一些其他技术就可以卖钱了。良好的性价比，研究的时候看这个东西成本是否是可控的。