今年年初AlphaGo戰勝李世石後，人工智慧的浪潮也伴隨著此次的勝利席捲而來，現在幾乎每家企業都在談論AI、深度學習和大數據，無論網際網路巨頭還是新創企業，AI都受到了前所未有的關注。
35年前，創新工場董事長李開復博士就進入了人工智慧領域，無論在大學，還是此後在蘋果、微軟、谷歌的工作，到現在作為風險投資人，其對人工智慧技術的進步以及由此帶來的對經濟社會的影響都非常關注。
在最近格隆匯的演講中，李開復博士為現場觀眾分享了自己對於"人工智慧的黃金時代"的獨特看法，結合創新工場的諸多投資項目以及個人在人工智慧領域的學習成長經歷深入淺出的分析了人工智慧的過去、現在、未來和中國在人工智慧領域的巨大機會，本文由格隆匯根據李開復現場演講編錄，在此以饗各位讀者。
以下為演講全文
很高興有這個機會來格隆匯和大家交流，我知道大家今天想聽的不是技術，是怎麼賺錢，所以在我的演講過程當中，至少會講到有三個如何賺錢的機會，所以大家要仔細聽。
如果你們在2008年，2009年創新工場成立的時候，我們當時就告訴全世界移動互聯的時代將來臨，安卓將是最重要的手機作業系統。那時候，大多數人，不相信我們，也不聽我們，但是少數投資我們的，比如說在座的徐小平先生，就看到移動互聯的爆發成長，然後在最早期我們的投資也獲得非常好的回報。
如果再有一次移動網際網路時代，我們應該怎麼做投資？
我覺得有幾個建議。
第一個建議，如果能夠找到真的特別靠譜的網際網路公司，直接投資他。因為當風口來的時候，頂尖的公司可能可以賺1000倍，普通的公司也可以賺幾十倍，我們投資的過程真的是這樣。
第二個是找一個好的基金，這個基金很懂這個領域，比如說今天要投創新工場，投真格基金都是很好的選擇。
第三個方式，你可以想想，如果移動網際網路時代起來了，哪一支股票會漲得最多？這是非常簡單的問題。我們回到2009年，哪一支股票，無論移動網際網路公司誰會贏，最後這個公司都會大漲，這是哪一支股票？有人說谷歌，不對，谷歌起來必須是安卓贏才對，不過你投資谷歌也不錯，但是谷歌大概只漲了三四倍吧，有一個公司比它更厲害，漲了二十倍。它就是ARM。無論你是哪一個移動網際網路作業系統或者應用軟體，這個公司的底層必須一定是包含晶片的，這個晶片無論是高通的還是聯發科的，它一定是有ARM的重要技術來做這個晶片，所以買ARM是絕對正確的。
講完了移動網際網路時代，當然今天這些投資機會也都不在了，ARM也已經被別人買走了。但是對於人工智慧時代，這將是一個比移動互聯的這個時代大十倍的市場。
所以我們今天要用剛才的三個方法來思考：在人工智慧時代來的時候，如何去找最好的創業者？如何去找最好的基金？如何去找二級市場的這個股票？至於，第三個答案我最後會公布給你。
下面容我介紹一下人工智慧為什麼這麼偉大。
大家聽到人工智慧這個詞大概是在今年年初，AlphaGO 戰勝李世石的時候。當時在討論人工智慧是在模仿人腦，超越人腦，奇點是否來臨？我們是否會被機器統治？
實際上這些都是很玄很遠而且也不太靠譜的說法。所以我建議大家也不要再看任何討論剛才幾個問題的文章了。其實，人工智慧跟人腦的關係也不大，也沒有什麼超越人腦的可能。人工智慧全部都是我們完全控制的奴隸，我們讓他們做什麼，就做什麼。有沒有一天它們會比我們聰明，告訴我們做什麼，這個我不知道。但是對於我們來說，至少還有20年，這20年我們應該專注怎麼用好人工智慧，給人類創造價值，幫我們賺錢。還有就是怎麼去投資人工智慧，以及擔心人工智慧會取代哪些工作。至於其他的問題就不用考慮了。
人工智慧這個事情，其實絕對不僅僅是取代人腦，它會比人腦厲害很多。但是這不是說它是在所有領域，它一定是在幾個前提條件下，而且一定是在某一個狹窄的領域。
比如說圍棋，比如說傳一篇文章，比如說量化交易，這些領域裡面，它可以非常的厲害。因為它用巨大的數據，來做一些分類，預測或者對未來的推測。比如說，演示文稿上的這10個工作， 10年以後90%幹這些行業的人就都失業了。當然，剩下來的則是頂尖的，對於記者他可以寫很深度的文章，而頂尖的翻譯他可以為元首做實時的翻譯，或者是翻譯詩詞、詩歌。這些人工智慧做不到，但是普通的翻譯、記者、助理等等都不需要。普通的保安也不需要了。有沒有一個作為人的保安可以記住20萬犯罪者的照片，不可能的，但是機器可以。所以在這些領域裡面，人根本沒有任何的機會，這不是說什麼機器會不會比人能幹，在這些領域裡面，確實，人就是沒有希望。
比如說司機，無人駕駛10年左右就會來臨。無人駕駛來的時候，世界上做司機工作的9%的人類他們都要換工作，所以在這個領域，就是如此被巨大的顛覆了。
人工智慧也就是這樣幾個事情，感知、決策、反饋。
前兩件已經做的很好了，後一件還需要時間。我們在這幾個領域可以看到，過去二三十年有很多重要的裡程碑，尤其是在最近的5年，我們發現人工智慧能用了。
當然如果你像我這麼不幸在30年前就做人工智慧，我們就沒有生逢其時，也沒有找到這個風口。我們就只能寫寫論文，然後再換份工作。但是30年之後，我們非常清晰的看到這個領域成熟了。
為什麼說這五年成熟了呢？30年前做的太早呢，為什麼三十年前成為先烈，現在成了偉大的創業者呢？
就是因為一個特別重要的技術，叫做深度學習。
深度學習是什麼？你丟一大堆數據給它，然後問它，我應該買什麼股票？這個人的保險該付多少錢？這個想貸款的該不該貸？這個信用卡的交易是否有欺詐的嫌疑？你還可以問他，這麼多的男人你應該找哪一個為對象？你也可以問他，今天晚上這麼多好吃的，我應該吃哪些？它都會告訴你一個答案。
但是非常重要的是它來做這麼個決策只會在一個狹窄的領域，而不是任何的領域。
深度學習其實只是一個技術，以後還有很多其他的技術，這裡就不說了，但是絕對不是人工智慧就能取代人腦。人腦的情感、自我認知是機器完全沒有的，還有我們人可以跨領域思考，比如說我現在跳出來說我中午不要吃漢堡，你們每個人都可以懂，但是機器不能懂，機器一次只能懂某一個領域。
所以說人工智慧的五個條件很簡單。海量的數據，清晰領域界限，頂尖的AI科學家，還有自動標註數據，以及超大的計算量。原來所說的，7年前聽到我所說的移動網際網路的時代來到了，任何三個小朋友都可以創業。在人工智慧的時代，這個完全被顛覆了。三個小朋友你不要想創業了，因為你沒有巨大的機器，沒有頂尖的科學家，你也沒有特別大的計算量。所以這個是科學家的創業時代來臨了，而不是三個小朋友的創業時代。
深度學習到底有多了不起？
大家看左邊這張圖，你可以看到在5年之內，左上角代表的是在圖像識別領域機器超越人類，左下角是語音識別領域機器的錯誤率低於人類。一個往上，一個往下，都是代表超越人類的表現。
當人臉識別超越了人類，我們還需要保安嗎？當語音識別超越了人類，我們還需要客服嗎？還需要打電話推銷嗎？當自動駕駛超越人類，我們還需要司機嗎？當傳內容，寫新聞，金融稿件的能力超越了人類我們還需要金融界記者嗎？這些都不需要。90%的金融領域的報導都是傳出來的，這些報導以後絕對不是人寫的，人寫是會犯錯的，機器不會犯錯，只有深度的報導才需要人寫。所以，這就是超越人類的一些領域。
那到底哪些領域可以做人工智慧，可以掙錢呢？實在太多了，我在這裡隨便列了三十多個領域，在任何一個領域就是一個商業計劃書，如果你能找到一個該領域的超級的商業專家，銷售專家，再搭配一個人工智慧的科學家，那就是一個黃金創業團隊。這些細節這裡就不多講了。
簡單來說，誰能做人工智慧的創業，第一種，誰手中擁有網際網路數據的這個是最了不起的，也就是BAT、滴滴、美圖等等，他們手中有數據，而且已經標註，只要有科學家就可以產生價值。
第二種是傳統企業，比如說股票的數據，比如說保險業、銀行業，各種金融的。我覺得數據非常的豐富，而且是非常的狹窄領域，不用跨領域的理解，而且可以快速產生商業價值。再往下醫學，如何看片子，看MRI，看CT，看各種人的健康記錄一定是超過醫生的，現在至少有3種重要的病症人工智慧已經超越了醫生的平均水平，而且你像這個是要花多少臨床的時間，現在三種可能再過5年就是300種，再過10年可能就是3000種。然後90%的醫生就都不需要了，至少被機器取代。那這些醫生就要做更高等的工作，更深入的工作，去發掘新的醫藥的工作，或者是做更心理醫療的工作。面對病人，機器還是冷冰冰的，可能還需要一個人臉對著病人，但是90%的醫生，在10年以後應該都打不過我們機器的診斷能力了。這對人類是有很大意義的，教育的數據也是很多的，就不多細講。
最右邊是無人駕駛。這是我們特別看好的領域，它是最大顛覆量的，以後都不需要人開車了。再加上電動車和共享經濟，以後我們出門的時候，一輛坐一人的車就會出現在我們面前，它帶我們去要去的地方，節能低碳，減少霧霾，而且這還會影響整個經濟。如果大家誰有投資停車場的，十年以後就沒有停車場了。所以，這些都有巨大的顛覆性。如果你們覺得聽起來像是天方夜譚，像是科幻小說，那麼你們也可以想一想，2009年當我告訴所有人移動網際網路時代來臨的時候，大部分人也是這樣想的。甚至當時的BAT聽了移動網際網路的預測之後，他們總是認為沒有PC大，沒有PC賺錢，成長的會很慢。但現在你看他們一個個也都追上來了。所以人工智慧是一個特別巨大的領域和機會。
那麼我們到底該和誰學人工智慧呢？
世界上最懂人工智慧的絕對是谷歌這個公司了。在一年前他就宣布了要做Alphabet這個母公司。
什麼是Alphabet呢？其實它就是把谷歌裡面做搜索提煉出來的人工智慧做成谷歌大腦，然後把它用到各種領域。用在圍棋就成了AlphaGo，我們已經看到它的威力有多大了，用在汽車就是Google car，用在健康就是Google house用在基因檢測就是Google genetics，所以在Alphabet上面，谷歌的野心就是要把一個谷歌的成功變成26個，這是一個特別有野心的人工智慧的公司。
而這個公司內部也是在用剛才所說的深度學習。這個圖是來自谷歌的一個科學家，他對外演講用的我們可以看到也是在這4年，他們才領悟了人工智慧的價值和谷歌大腦的價值，收購了Deep Mind這樣的公司。所以很明確的就是，谷歌的Alphabet這樣的一個動作，絕對是它看到了機器學習可以進入各種領域的機會，這也是它所進行的一個很有野心的探索。
到底人工智慧如何克服挑戰產生競爭壁壘呢？
簡單的來說。
第一，就是要尋找行業裡面有特別大的大數據，然後是壟斷性和閉環的。
第二是買很多機器，尤其是CPU＋GPU。
第三是有很厲害的深度學習的科學家。左邊兩個，谷歌基本是為了買這兩個人，花出1億到4億美金，右邊的是我們投資的Face++公司聘了的，剛才看到的2015年超越人臉識別，超越世界圖像識別人類能力的那位科學家孫劍，他是我們Face++挖過來的，這邊就不放金錢了，因為我們投的公司不好意思去說我們花了多少錢僱了這樣一個人，但是至少可以說明一點的是，這樣的大腦是有特別巨大的價值的。
第四，雖然這些頂尖科學家很有價值，同樣的小朋友也有價值。不過小朋友還不能創業，需要培訓。只要我們找到前10名的高校畢業的頂尖畢業生，這些畢業生必須是學下面幾個領域，計算機、統計、數學、應用數學，電子系，還有自動化系。在這6個科系裡面的頂尖學生，前10學校的前10到50名的學生我們全部招進創新工場我們來培訓他，成為人工智慧科學家。只要給我們6個月的時間，然後有左邊的這些高手來帶他們一下。人工智慧很大的一個特色是速成，他不像是你去找一個化學科學家，或者說生物科技或者甚至是計算機領域的這個Networking、Database之類的，非常難學。人工智慧不一樣，它很好學，前提是你一定要是一個數學天才。所以我們就設立這樣一個計劃，這是人工智慧很大的一個特點，是可以速成快速創造價值的。
這個可能主要是對產品的探討，這裡就不多說了。
接下來說下怎麼樣讓人工智慧快速商業化，雖然它的技術還不夠好。
有四個理由，第一是做助手，而非取代人。第二是界面要用好，給很多結果，而不只是一個結果。第三草船借箭，要用戶提供數據，如果你的數據不夠。第四局限你的領域，不要做一個特別偉大的超級的技術。
下面我要講的是中國的一些特別的機會。
中國在人工智慧領域比移動網際網路領域還適合創造世界頂尖的公司。
第一個理由就是，中國人很適合做人工智慧。我們知道美國的很多中學的學生，加減乘除都做不好，我們中國雖然教育有很多的挑戰和問題，但是理工科的學生平均水平特別強，人數又特別多，所以今天在世界上做人工智慧的科學家有43%是中國人，所以我們可以知道，當然很多是在海外讀書，現在要把他們拉回來，所以這是一個特別大的機會。
第二，訓練小朋友非常快速，這剛才已經講過了。
第三，傳統企業的人工智慧技術非常的弱。就是他們現在的這個產品，是沒有用人工智慧，相對來說是很弱。
比如說我們現在做一個Credit Card Fraud Protection。就是去識別信用卡被盜卡的這樣一個現象，比如說我突然在這個阿布達比刷了2萬塊錢銀行就會警覺了，實際上很多偷信用卡的人，比這個聰明，他不會去刷2萬塊錢，他會刷100塊，200塊，他還會到各種城市去刷，也許就是請朋友吃頓飯之類的。我最近的信用卡就是這樣被盜的。
這個如何抓呢，美國的銀行做信用卡已經做了40年，他們靠非人工智慧的技術，就是一條一條的規則寫進去，然後把用戶做各種的規則，比如這個人收入是怎麼樣的。然後如果他突然飛到幾千裡之外，用的金額是什麼，如果有三次什麼之類的。這樣一大套，如果是這個就怎麼樣，如果不是這個就怎麼樣，套這個來做這個信用卡的盜卡的識別。那這些銀行沒有人工智慧，但是這些技術在美國做的很好，所以要在美國做人工智慧的公司，去賣這樣一個Credit Card Fraud Protection技術給銀行是不靠譜的也是不可能的。除非你是有拿了大數據來做，不過那得有多難。
但是在中國幾個小朋友隨便寫一個簡單的機器學習算法，深度學習都不用，拿到中國的任何銀行馬上就能產生價值。所以呢，過去這些銀在國內不太開放，技術也比較落後，不太願意別的技術進來，還是要感謝AlphaGo 自從它打敗圍棋世界冠軍以後，中國的銀行開始相對開放了。我們投的一些公司，比如說第四範式就已經進入了十五家銀行，產生了特別大的價值。
銀行曾經不是經常打電話給我們說，要不要買什麼產品，過去它的這個轉化率非常低，但是經過我們人工智慧一條就增加了65%。所以以後銀行打的垃圾電話，經過創新工場投資的這個第四範式，精準度會比較高。過去1000個電話買1個，現在接600個電話就會買一個。這個對於你來說，都是讓人煩擾的電話，但是對銀行來說，產生了多大的價值，它如果一年靠這個電話賣20億的產品，現在就賣33億了，因為有了之前說的那65%的成長。所以這一類的人工智慧在國內因為它的算法競爭對手太弱，在銀行保險、券商等等的機會特別大。
在座可能有些看過量化交易的，但是你們看的量化交易都是沒有智能的，都是拼速度的。但是加上智能就不得了。我讀博士的時候就是做人工智慧，我的一個同學跟我學一樣語音識別，但是他比我聰明，我畢業之後去蘋果了，他去了文藝復興科技公司（Renaissance Technologies）。它是美國做量化交易第一的公司，他在那邊做了30年，然後我們在Wikipedia可以看到他的這個身價大概是我的幾十倍。當然我說的不是這個，更重要的是說他把機器算法很早就做到了二級股票市場交易中去了。他們內部基金每一年的年化收益，20年，71.8%。這就是人工智慧的力量。當然這個基金做不大，一做大這個收益就會下來，但是至少也還是幾十億的規模。所以你可以看到，這些機會，是非常非常的大。
當然30年前美國的股票交易也很落後，量化一進去，就把大家都擊潰了。他今年是Renaissance的CEO，你可以看到在這種算法裡，科學家的力量是多大。整個Renaissance的公司至少在創立的時候，都是不懂股票的，一大堆算法進來，交易大師就打不過他們了。那麼在中國，這個景象正在發生。我們看到的人工智慧的項目裡，三個就有一個是做股票交易的。在過去兩年裡面，我除了個人買了一支股票之外，其他的錢都是交給這些小朋友打理，他們在國際國內港股A股的這些市場，加上做這些AI的對衝，每一天大部分交易就是T或者T＋1，然後就結算，基本沒有什麼風險，收益率也沒有一個月是負的，每一年的回報雖然不到71.8%，但是也是很高的。所以這是一個特別大的機會，在國內量化AI的環境還不成熟的時候，如何找到這些機會，可能獲得的是比VC的基金或者PE的基金回報都還要高。
第四個理由，因為中國市場大，網際網路公司多，很多非AI的公司到了一定的規模，就開始需要AI。比如我們投資的美圖，知乎，VIP KID。我們也恭喜美圖準備在香港上市，我們是美圖最早的投資人，也非常看好，我們會繼續的持有，非常看好他。
美圖的這個公司呢，你可能覺得就是幫助女孩子變漂亮一點，但是變漂亮的過程中你要知道大家都喜歡哪樣的漂亮，得到用戶回饋，加入AI算法這個是非常重要的。從這裡我們可以學到，中國的女孩子喜歡非常的白，但是印度的女孩子白一點就好，非洲的女孩子也希望白一點。中國的女孩子希望眼睛越大越大，但是美國的稍微加一點點眼影就可以了。修改以後就看用戶是否喜歡不喜歡，這個可以做人工智慧的回饋，甚至人工智慧還可以生成，可以幫助來推測，你會喜歡什麼樣的照片，或者甚至把你變成卡通畫，或者是一張很美的像畫出來的畫一樣。這是第四點。
第五點，美國人工智慧現在是絕對領先中國的，但是他們進不了中國，中國上面有各種理由。因為美國公司進不來，給我們3年時間就不輸於美國公司了。人工智慧的這個技術都是美國和加拿大做出來的，他們是非常樂於公開的，每次寫完了就放到網上，放到網上大家就學去了，中國和美國的公司一起學，所以這也沒有太大的門檻。中國的公司只要給我們3年的時間，給我們更多的機會，我們一定會產生和美國一樣的價值。
最後一點是中國對人工智慧各方面的約束較少。比如說Trump上臺以後，假如我們兩年以後發現Uber的Otto，這個Otto它是取代卡車司機的，假如它做的非常好，兩年以後會取代這個人類的話，會不為有這個卡車的工會冒出來一起抗議。美國有150萬的卡車司機，他們也是投了Trump票的，我們也很清楚低收入的美國中年男人尤其是白人投了這個票，這些人要是抗議，會不會有可能通過一個法律使得卡車無人駕駛先暫緩推出，或者先要證明自己不傷人之類的。就這樣，很簡單的一個規矩就把這個技術給放緩了。所以我覺得中國在這方面就會有更大的機會。
還有無人駕駛最大的敵人是什麼？第一是法律，第二是人。我們人是最差勁的司機了，容易犯困，要睡覺，還喝酒，然後犯錯，而且不可預測等等。機器則是非常冷靜的，但是它面對這些不冷靜的人也會很頭疼。如果某一天這個城市裡都是無人駕駛的車，不允許人開車了，這一天就是技術飛騰的時候了。那麼哪個國家會有可能做這樣一個小城市？肯定不是美國，但有可能是中國。你可以想像，如果路上都沒有人了，車子也都安全了。比如說一輛車可以告訴後面的車，我爆胎了，你小心一點。甚至你可以想像這樣的一個環境，車子會說我的主人急著上班，請你讓我一下，我給你2毛錢，這些情況都可以發生，前提是人要被趕出去，所以我非常急迫希望人類不要開車。
創新工場對人工智慧有一個很完整的投資藍圖，在這裡我想就不適合講太多的細節了。
講幾個重點。
第一個重點是大數據的機會，這是現在面臨的，也是即將到來的一個巨大的機會。
第二個是語言方面，聽到的語言不代表聽懂的語言，所以人類的語言，對自然語言的理解還是一個很大的問題，所以要推到接近10年以後，
第三呢，是傳感器的降價非常的重要。現在它太貴了，但是我們非常有信心在無人駕駛和機器人的推廣下，量產它就會降價，所以這可能需要3年的時間。機器人，我們都認為，家庭機器人基本不靠譜。因為我們科幻片看太多了，尤其是機器人有眼睛、耳朵、手腳，所以把我們的期望值就變得太高了。我們更看好的是家裡的家電，比如說Amazon Echo，是個音響，但是它也慢慢的變聰明了，放的是周杰倫它能知道，放的是古典音樂它也都知道，過幾天你說，家裡沒有牙膏了，它還能馬上跳出來說京東立刻幫你寄到家裡。這些功能在美國已經實現了，京東當然也做了類似的這樣的技術，這些我覺得還是比較靠譜的。還有我們投資的小魚在家，這些產生陪伴這類功能的是可以的，但是前提是家庭機器人一定不可以有眼睛、耳朵、手和腳，聽到這樣的項目你趕快跑。
最後是自動駕駛，它需要時間，就像剛才所說的。
那麼創新工場在人工智慧領域在做什麼呢？
右邊我們在做VC，我們投了很多國內的公司，包括剛才講的美圖、face++，第四範式、地平線機器人等等公司，也投了一批美國的公司。還有馭勢科技，是國內領先的無人駕駛公司。當然這是VC的投資，如果說有好的創業者拿了項目來，我們可以像其他的VC一樣可以投資他。
左邊做的是一個人工智慧的孵化，我們做了一個工程院，在直接的招頂尖的人工智慧專家，還有一批剛畢業的學生，我們會出主意給他，買數據給他，拿機器給他，讓他在這些方面，能夠快速的探索，創造價值，然後出來創業，創業的時候我們的基金也可以投他。這個布局很像我們在移動網際網路時代的布局。當我們有一些這個領域的優勢的時候，我們認為這個是一個可行的方法。
VC投資就不多說了，我們一共管理大概12億美金的基金，這是我們些投資的公司，這裡剛才講的差不多了。
再提一個美國的項目，中間下面是wonder workshop，它是一個人工智慧的玩具。它可以跟著小朋友，就像現在的這個大疆新的機型，可以讓它跟著你一樣。甚至兩個機器可以在一塊玩等等，很有趣的。它是一個沒有眼睛、耳朵、手與腳只是幾個小輪子做的這樣的一個機器人，我們認為這個領域也像Echo音響一樣是有機會的。
那麼講到創新工場人工智慧工程院，剛才我們也說過了，我們會找一批專家帶一批學生，買大量的數據，數據也包括了金融交易的數據。其實現在美國有很有意思的公司，我覺得國內也有一些類似的公司，就是把這個量化交易做成一種競賽，把這些數據全部弄好了，然後這些小朋友上去比算法，然後Backtesting，看看過去3年，5年，10年可以賺多少錢.誰做的更好，我們基金就跟他分紅，當然，這裡說的不是我們創新工場的基金，它指的是一個特殊的量化基金，這是一種比賽。
然後還有無人駕駛和一些識別之類的也是一些領域。我們認為在AI科學家，AI時代的創業呢，都是科學家。科學家呢，不知道怎麼買數據，沒有錢買機器，不懂商業，我們可以在這些方面補足，所以這是一個很特殊的新的做法。
那我們在這方面的布局也得到不少國內外的認可，在紐約時報、華爾街日報、Forbes等也都有報導我們的投資和我們投資的一些公司。
最後我答應告訴大家三個秘密，如何去做早期公司的投資。
第一個怎麼投資公司。剛才我已經說過了，要衡量它有沒有大數據，然後有沒有獨特的大數據，不是買來的大數據，有沒有科學家，有沒有閉環，有沒有很多機器。然後他做的這個領域，是不是可以產生商業價值的領域，還是一批科學家在瞎搞。這是第一個。看這些項目要小心，還有看機器人的項目，有眼睛耳朵手與腳的就千萬不要再聽了，雖然聽起來很酷。無人駕駛可以去想想怎麼去參與。
這是投公司的，投基金呢？投創新工場和真格基金就可以了。
至於買股票呢？我是美圖的董事，可能下面不適合說，但是你應該知道我要說什麼，我們看好美圖，認可美圖。
剛才也分享了，量化AI在國內的投資應該機會特別大，這不是一個人工智慧投資，這是一個真的二級市場的投資，當然要避免一些法律所不允許的事情，但是機會還是很多。那麼我們現在也在專門看這個量化AI投資，對於這些呢，如果有興趣的我們也可以一起以後在別的機會一起探索。
我也給大家說了，過去兩年，我所有的資產基本都是在創新工場裡，除了一棟房子，創新工場，我所有的資產基本上都是交給機器人管理，都是用AI量化來管理。這個也就是告訴你我對這個領域是多麼看好和認可。當然三年後這個領域可能就是紅海了，只是說現在的機會是非常好的。當然我還有一支股票是例外的，是我孩子決定要投資的。就像如果說在移動網際網路時代，二級市場最好的投資標的是ARM，人工智慧的時代是什麼？大家確實可以看一看NVIDIA。