2016年世界围棋冠军李世石与AlphaGo对战，李世石先输三盘，然后艰苦地赢了第四盘。当天晚上，AlphaGo跟自己又下了100万盘。这说明，一台机器获取知识的速度大概等于一个人类获取知识的速度的100万倍。

除了获取知识的速度，传播知识的速度也一样。你我之间使用中文沟通，中文是公认的高效编码，在人类个体之间传播的速度500bps，而4G网络的传播速度是500Mbps，大约也是100万倍。而且电脑网络之间通讯速度的增加也是符合摩尔定律的，大约每18个月翻一倍；而人类的信息传播速度在有生之年，可能不会发生变化。

机器一旦获得了知识，其传播是完全不走样的。当一台机器学会了如何从一个超声波图像中判断肿瘤是良性的还是恶性的，那么全世界机器只要付费就能获得同样的知识，传播是不走样的。且机器运用知识不会受到任何情绪波动影响，但人类几乎是一定会受到情绪波动影响。

围棋第一人柯洁与AlphaGo对战的第二局，前100步都被公认下得很好，几乎与AlphaGo预想的最优前100步完全吻合，柯洁本人也意识到了这一点，所以当时心情很激动，心脏跳动很不规律，以至于他在现场不得不用手捂住胸口，因为觉得自己有可能战胜围棋之神。但就因为这样，一百零几步时下得很糟糕，全盘皆输。这种情况在机器上完全不可能发生。

三、投资人对于人工智能领域的思考

做一级市场的投资人在面对人工智能这个热门领域时，首先考虑的是如何评估项目。在现阶段我们已经认识到，人工智能发展的三大推手是：机器学习框架、数据和算力。

1、筛选项目最需要关注的要素

（1）人才

尤其对早期项目来说，不仅要求人才有能力把已经成熟的框架拿过来用，因为现在很多计算框架都是开源的，而且要求人才有能力发明新的机器学习框架，或者有能力把不同框架以有机的方式结合起来，或者把原有框架用在崭新的领域中。

（2）数据

这一轮人工智能的发展是数据智能，数据是这次人工智能的最大推手，所以在评估新项目时希望有非常强的数据获取能力，尤其是获取海量数据的能力。这波以深度学习为代表的人工智能对数据的消耗量很大，所以项目获取的数据最好是专有的。如果一个团队能拿到竞争对手拿不到的数据，那它就会有很深的护城河。如果这个团队有能力创造出专属于自己的数据，护城河就更深了。

（3）算力

团队要有最基本的获得和实施计算能力的水平，算力是一整条产业链，在这条产业链上有很多机会。

提到产业链，目前人工智能分成基础架构层、技术提供层和应用层。现在公认的观点是，不同的层有不同的投资逻辑。而基础架构被认为巨头的天下，因为它涉及到大量人力、物力的投资。但如果我们能找到足够优秀的团队，投得足够早，且团队未来愿意并购退出，那么在基础架构层上也不是没有投资机会。

在技术提供层领域，现在的创业团队大多是为其他公司提供技术服务，所以更多是To B的业务，评估这类项目时更多把它们当做传统的To B业务来考察，尤其在中国，atv，技术领先可能不一定是这类项目成功的决定性因素可能是销售能力而非技术领先。在应用层面，要进行行业优选，不同行业的成熟度是完全不同的。

2、人工智能对行业的影响

提及应用层面，我们目前能够想到的所有行业，最终都会受到人工智能的极大影响，比如金融、安防、电商零售、自驾领域、教育、医疗健康、个人助理等，实际上没有任何一个行业是安全的，说人工智能跟我没关系，这不可能。因此有两个结论：

（1）AI是革命各行各业的屠龙宝刀，没有任何一个行业是安全的；

（2）不同行业受人工智能影响和改造的速度和程度会有所不同，列举几个因素：数据完备，结果反馈迅速；付费意愿强烈，民众心理接受门槛低，监管和社会容错意愿强。

根据这些标准来预测行业，我们判断会受到影响的行业依次是：