如今，人工智能技術的發展超乎想象。這項技術已經被應用于與我們生活息息相關的諸多領域之中，它正在悄然改變世界。未來，哪些行業將被顛覆?哪些企業將會陷入困境?哪些人必定會失業?
11月27日，新華網“思客講堂”舉辦了一場題為“未來已來，人工智能賦能新時代”的大咖對話，來自美國高通公司、啟迪之星創投公司、阿里云和科大訊飛的權威專家、資深從業者聚在一起，共同探討了人工智能時代企業和個人所面臨的發展機遇和挑戰。對話中，幾位行業大咖給出了他們對“人工智能時代”的解讀。
以下內容整理自現場對話：
孟樸(美國高通公司中國區董事長)：現在人們從事的很多工作可能會被替代。一種是煩瑣的、危險的工作應該很快就被替代，另外一種是傳統上大家認為使用人類智慧比較多的工作，比如網上談及比較多的律師、醫生，因為機器可以在很短的時間內學習并掌握這些從業者的經驗。
傳統概念上確實很多工作會被人工智能替代，但是并不是說人類就沒有事情做了，只是人類在人工智能賦能的基礎上會有更多更新的進步，從而導致兩極分化的情況加劇。例如，改考卷的老師，人工智能或者說機器學習在今后的一段時間里仍然不能做到100%準確，所以很多人類更有經驗或者能夠處理的事情，加上機器的賦能會做得更好。但是在基準線之下的這些職業可能會很快被淘汰。
科技行業過去的競爭一直比較激烈，技術更新換代一直比較快。通過人工智能對各個行業的賦能，不分高端、低端、傳統行業、科技行業，每個行業要么接受，要么可能被淘汰。處于競爭行業中、具有創新能力并能夠一直保持領先地位的公司就能做下去。所以不是說哪個特定的行業會更快地被淘汰，但是每個行業的集中度會更高，會有少量的公司存活下來，很多傳統行業的廠家可能會被淘汰掉。
30年前大家就在談人工智能，但是一直沒有突破性的發展，而現在隨著計算能力的增強，數據采集和分析能力的增強，很多技術的進步走到了一個交匯點，所以現在到了人工智能比較大的爆發時期。我倒不認為它是虛火，它是一個新的技術革命的到來，我甚至可以將它視為電力對工業革命的推動、互聯網對高科技行業的推動。
人工智能賦能的能力非常強，所以在這個發展過程中，通常會碰到有擁抱的行業、也會有抵觸排斥的行業，有接觸比較早的公司、就會有接觸比較晚的公司。我覺得，在新技術革命到來的時候，對很多公司，特別是對技術公司來講，如果脫離了技術進步的方向，衰退的速度就會很快。因此，我相信今后這些公司，包括高通公司，對人工智能會非常積極地擁抱。
另外，要從我們本身所處的位置來看怎么介入。高通是做移動通信的，雖然它也是端對端的系統，但是目前在人工智能演進的過程中，我們發現從終端側的角度能夠看到整個社會開始進入到萬物互聯的物聯網時代，有那么多的終端，如果把這些終端賦予了人工智能，將助力整個人工智能的發展。是“人工智能+”的任何垂直行業，相信都會有很大的社會價值。
人工智能將帶給我們的世界，一面是非常美好的，一面是機器人統治世界。不要等到機器人統治世界，而一定是先有掌握機器人、人工智能的能力，企業才能脫穎而出，或者走在前面。我覺得，沒有一個行業是安全的，包括藝術家，現在機器學習也可以譜出很好的曲子來。哪個行業會發展得更好?如果你認為人工智能是賦能的工具，那么掌握賦能能力的個人、公司、行業相對來說會更好一些。
高通在中國投了40多家公司，兩個星期前高通舉辦了創投年會，又宣布投資了9家中國公司，這9家公司中有3家專注人工智能，還有3家與物聯網相關，比如大家都熟悉的摩拜。在今后的一、兩年里，高通還會繼續投入與物聯網相關、與AI相關的領域。
寬泛一點來講，我們作為一個企業投資者也不是那么緊跟風口，還是要看這些企業有沒有技術創新和商業模式的獨特性。雖然不一定是跟高通自己的業務緊密相關，但是有些公司的業務和領域在今后一段時間里面，可能會解決我們所在的產業可能會遇到哪些瓶頸、需要提早投入的，這樣的公司我們都會比較感興趣。
劉博(啟迪之星創投總經理)：企業本身是創造價值的，人工智能的時代技術在幫我們更好地提高效率，降低成本。這個時代，不一定企業會變得更少，也許人工智能能替代的是部分的人工，包括體力、標準化信息、腦力工作，但是并不一定能取代企業本身產生的價值，例如駕馭這些企業的企業家也可以創造企業。
人工智能可能會取代體力，可能會取代腦力，但是它不一定能取代我們的靈魂。所以我覺得從企業發展角度來說，比如說最開始要做一些基礎性的工作，最后一個階段企業更多的是文化的升級和品牌的升級，這是一樣的道理。因此，在企業端并不是多少企業被干掉，而是多少企業能夠通過人工智能這樣一個時代對自己進行升級，對自己企業的使命以及文化進行再次升級。
我們成立于1993年，到1999年開始做投資，團隊源于清華，所以一直專注高科技投資。我們投了大大小小的企業跟人工智能都有相關性，現在大概有100多家企業。
我們比較抓前沿技術，前沿技術大多數存在于學校、院所、大機構的研發平臺和創新平臺上，所以我們也在這些渠道上布局了大量的資源獲取早期的創新類的項目，比如說現在非常火的類腦計算，實際上只在幾個地方有，因為我們專著于這類投資，所以我們跟得比較緊。比如說中科院和清華為代表的算例提升的團隊，商湯也在清華科技園，很多物聯網典型的代表都是源于創新和創業要素聚集的地方。
實際上不管哪個行業都有它的價值，一旦這個行業有了巨頭產生之后，就有細分市場的機會，因為巨頭要做的事情太多，資源太大了，所以很大的市場還有繼續升級和繼續挖掘的機會。所以我們另外一頭是專注于挖掘應用價值，在細分領域通過技術能夠持續保持自己壁壘和競爭力的企業會比較多一些。
從人工智能來講，主要是從兩個角度看問題。第一個角度是交通、醫療、教育、網絡層面，投資了一些對應用價值非常有用的小的創新型、創業型的企業，這類行業的特點是相對來說行業需求比較迫切，行業格局比較復雜，行業資源比較分散。所以我們更注重應用價值企業的挖掘。
第二個角度是智能駕駛、無人駕駛、手機、機器人，這幾個行業都屬于有巨頭存在的。對天使投資人來講，也希望各位產業能夠關注到這一點。所以會議布局前沿技術，在智能交通領域會布局底層，比如說通信、安全、電控等方向。在手機領域，我們會布局某一方面的零件，比如說光學器件、深度感知方面。在機器人領域，我們會更注重技術在機器人的性價比提升方面，因為機器人還不是一個有大巨頭存在的行業。所以根據行業的格局，資源的不同，我們會布局不同的東西。
閔萬里(阿里云機器智能首席科學家)：企業一定是因為他能夠給社會創造價值才能存活下去，創造價值的方式不一定是強行碰瓷AI。就像今天很美味的包子店傳承了千年，跟AI的關系有千人千面的配方，但是沒有AI的時候已經傳承了千年，創造的價值是解決了老百姓的早點問題，吃的問題，這是一個典型的例子。
企業的存活基礎是創造價值，有一天你創造價值的手段落后的時候就會被淘汰，或者說這個價值成為偽命題的時候。現在科技企業面臨非常大的壓力，黑霉的故事、諾基亞的故事大家都知道，因為現在迭代這么快，高科技犯錯的機會容忍度越來越小了，稍微一不小心就有可能被淘汰，所以今天在科技板塊的企業或者說想要創業的同學們，對AI的重視程度要提到一個高度上，哪怕AI不是你的核心競爭力，但是如果你拒絕了它，可能就會成為你致命的一刀。
傳統企業，特別是制造業也不能完全忽略AI，現在講智能制造，智能從哪里來?AI一定可以有幫助。今天制造業當中沉睡的數據，那些老師傅們操作的經驗都是沒有被傳承下來的，師傅退休了，徒弟學了八成的技藝，再退休一代，技藝失傳了，有沒有可能通過人工智能的方式把這些說不清道不明的經驗以可傳承的程序固化在這個機器生產線上，讓機器也能思考，就像讓城市也能思考一樣，如果制造業能夠擁抱這一步，就不再是簡單的制造業，而是有了自我思考的制造服務業，就是下一輪轉型升級的佼佼者。
我想人工智能技術領域足夠大，技術領域在垂直場景當中的應用天地更加廣闊。所以縱觀人類歷史，從來沒有哪家公司通過技術的壟斷做到全球性的壟斷，這是不可能，這違反了最基礎的經濟學原理，一家獨大生態就不健康了。這次咱們國家搞四大開放創新平臺，也強調了開放創新，城市大腦不是阿里云獨有的，今天承載的是支持咱們國家所有有數據夢想的人一起在上面創新。科大訊飛也承載這樣的使命，今天平臺上有產學研和資本的力量，任何一家跟AI相關的公司想成功一定是產學研+資本的助推，純粹依靠一門技術說我一統江湖是不可能的，就像靠一把倚天劍統一武林一樣，是不可能的，還有降龍十八掌。
我不好預言哪個行業，我建議用一個標準看這些事情，如果一個行業在人工智能出來之前已經存在了幾千年，這個行業可能受到AI沖擊的可能性就比較小。從這一點來講，農民不會被威脅的，只會受益AI。相反，真正能夠收到好處的一定是AI的從業者，有一類明顯是受到威脅的，就是重復性比較高，靠經驗型的工作。比如說，高度依賴于老專家經驗的東西，供需矛盾極度的突出。在極端的供需矛盾下面，又有技術突破的時候，一旦爆發到了臨界點，這個行業就有可能被顛覆。
王士進(科大訊飛北京研究院院長)：如果說你發現自己可能并不只是某一個行業，而是某一行業里的某一個職業，你成年累月都要干某一件事情，是簡單重復的勞動。就跟我們很多時候勸別人換公司的時候，你發現在這個地方沒有自己持續增值和升值的時候，AI替代起來就非常的容易。所以在很多時候，即使你在做最簡單的事情，你有自己的思考，有自己的加工，都可以創造出不一樣的價值。比如說老師會不會被淘汰，可能大部分老師都不會被淘汰。
能夠越早地擁抱人工智能的工具，并且基于這些工具創造出自己獨特的使用方法，或者是創作方式。越早擁抱這種變化，將來的競爭力就會更強。
容易被淘汰的，我們認為有兩種類型的企業，第一種是傳統企業，第二種是高科技公司，或者是以技術為驅動的一些企業。對傳統企業來說，我們認為AI并不只是某一個算法，或者是一個模塊，更重要的是一個思維，你原來在生產生活過程中，原來人的經驗在什么地方，人的一些痛點或者說難點在什么地方。要解決這些問題，并不是請AI團隊或者聽一個報告就可以解決這些問題，而是要把思考和生產生活過程緊密的聯合在一起。
做技術驅動的企業我們發現并不僅僅阿里、科大訊飛、BAT，從底層的技術來說很多東西都很像，為什么?本身和技術的發展有關系，早期我們是做語音識別的，我發現如果讓我轉行做圖像，需要很長一段時間。因為不同的技術是有領域的，你要學習這個領域的背景知識，需要很長時間才能使得某一個人或者某一個團隊去掌握，你要做成這個行業的佼佼者，需要付出更多。而現在通過機器學習，很多時候通過最原始的數據就可以得出非常好的模型，特別是隨著最近數據開源共享，你會發現某一個很好的團隊，一、兩個人就可以把從0一下構建到90%左右的系統出來。競爭是很激烈的。
