正在阅读：91%屏占比 华为告诉你什么是真正的全面屏笔记本91%屏占比 华为告诉你什么是真正的全面屏笔记本
　　【PConline 单机评测】全面屏手机一经问世就受到了很大的欢迎，笔记本电脑当然也不甘落后。近些年，为了让笔记本电脑拥有更宽广的视野，很多厂商都纷纷推出了窄边框产品。华为作为国内著名的智能设备厂商，当然也深谙此道。最近，华为最新的窄边框笔记本&&MateBook X Pro亮相MWC 2018。这款笔记本拥有91%的屏幕占比，几乎将窄边框做到了极致，连众多老外都感到非常惊异。今天我们就从华为MateBook X Pro的窄边框屏幕说起，一起探寻这台机器中蕴含着哪些巧夺天工的奥秘。　　这款令国人期待已久的窄边框笔记本日终于在上海东方体育中心进行了首发，具体售价也已经公布：入门版(i5/8GB/256GB/集显版本)的售价为人民币7988元;i5/8GB/256GB版本则为人民币8688元;i7/8GB/256GB版本则为人民币9988元;顶配版(i7/16GB/512GB)售价人民币12988元。并且日将在京东商城开售。惊为天人的外观：　　首先说，91%的屏幕占比已经甩现在很多窄边框笔记本好几条街了，以至于它连前置摄像头的位置都省略了，所以它就拥有了很多笔记本电脑望而却步宽广视野。为了带来极致的视觉体验华为用了更加巧妙的设计，它将摄像头隐藏在键盘之中，就在F6键和F7键之间。用的时候将它轻轻弹起，不用的时候它可以和键盘浑然一体。除了令人惊奇的屏占比之外，华为MateBook X Pro屏幕的其他亮点也是不少。华为MateBook X Pro首次采用了LTPS高清屏幕，比传统的IPS屏幕更上一个台阶，拥有13.9英寸的设计尺寸，分辨率高达，拥有100%的sRGB色域，亮度高达450尼特，对比度为1500:1，这样的屏幕设计可以说是轻薄本的标杆。　　我们再来了解一下华为MateBook X Pro的键盘。这台机器采用了黑底白字的全尺寸键盘，并且拥有白色背光，键程设计也很合理，能让你充分享受输入的快感。除此之外，它还拥有一体式触控板，面积非常大，约占整个C面的六分之一，并且支持多种操作手势，在一定情况下可以替代鼠标。　　另外，华为MateBook X Pro的扬声器也设计在键盘的C面，位置就在键盘的两侧，属于高保真的立体声扬声器，支持杜比全景音效，所以整台机器拥有非常出色声音效果，让你在观看视频听音乐的时候可以享受到影院般的体验。　　笔记本电脑的D面一般都留有进风口在帮助机器散热，华为MateBook X Pro大多数笔记本的网状进风口不同，它将进风口放在了D面的两侧，看上去要比普通的进风口面积小很多，但是华为MateBook X Pro在散热方面依然做得很到位，它配备智能温度检测散热系统，当处理大运算量的任务时，可设置为更强进的主动散热模式，此时机身内置的鲨鱼鳍风扇将全力进行工作，保证电脑平稳运行，而平时则为更节能的被动散热模式，散热较之前有20%的提升，以确保笔记本能够稳定流畅运行。　　最后，华为MateBook X Pro给人的整体感觉到底如何。机身采用的深空灰的配色，设计材质则采用的铝合金材质，重量轻至1.33kg，厚度薄至14.6mm。这样设计使华为MateBook X Pro轻薄而极富质感，简约却很有内涵。再加上A面可以银白色最具识别性的华为logo，使整个机身都透露出轻奢、华丽的气质。　　拥有轻薄机身，拓展性是否就意味着妥协了呢?华为MateBook X Pro并没有这样做，它的接口设计在轻薄本可以说是比较齐全，包含耳机接口、USB 3.0接口、以及两个Type-C接口，其中Type-C接口通用雷电3接口，支持4K显示器、GTX1080独显扩展，此外两个Type-C都支持关机充电。
键盘也能翻页，试试“← →”键
浏览本产品的网友还关注：
浏览本产品的网友还关注：
笔记本论坛帖子排行
最新资讯离线随时看
聊天吐槽赢奖品记住登录状态
创建新账号
同意并接受
为了正常使用评论、投稿等功能，请验证你的邮箱并激活账号
你的注册邮箱：
如果你没收到激活邮件，请注意检查垃圾箱，或者 ）
未来·智能·决策——2018品友互动人工智能大会·北京
时间：日下午
地点：北京富力万丽酒店三层
主持人：尊敬的各位来宾、女士们、先生们，欢迎大家莅临未来&智能&决策&&2018品友互动人工智能大会&北京站会议现场，我仅代表主办方品友互动对各位的莅临表示热烈的欢迎和由衷的感谢。人工智能毫无疑问已经成为这个时代的主旋律，作为一名普通的消费者我们已经深切感受到人工智能对我们生活的影响，甚至可能包括对我们宠物生活的影响，因为今天在会议现场也有全球最大的人类零食和宠物零食企业的AI专家。那么在人工智能的大潮之下，全球的经济、企业的商业决策又会带来怎样新的变化？下面我们首先请出第十三届全国政协常委、央行前政策、货币政策委员会委员、清华大学中国和世界经济研究中心主任李稻葵教授，他的主题演讲是人工智能商业决策的万亿市场，有请李教授。
李稻葵：非常感谢谢总，今天是一个非常有意思的聚会，平时在酒店里的聚会谈的比较多的是理财，金融谈的比较多。今天我们谈高科技，谈人工智能。人工智能这个话题我个人认为现在流行的观点是错的，为什么错了？流行的观点有两个主题都是有问题的，第一个主题大家认为人工智能很快就要改变我们的生活，不久的将来我们可以不需要人工驾驶汽车可以自动驾驶，我们可以不学车了，我们很多人认为不久的将来我们可以不买车了，满大街的就像共享单车一样，我们有汽车可以来随时通过手机呼唤。很多人还认为不久的将来也许不需要上网去社交，也许出来了人工智能的男女朋友，我认为这是大错特错。我个人的观点是，我们离那个时代差的很远很远，智能汽车、自动驾驶的汽车我相信还会有相当长的时间才会来到我们的身边，我个人估计至少十年。但是辅助驾驶已经来到我们的身边了，比如说帮助我们最基本的这种追尾简单的错误能够帮助我们解决，这是第一个错误，就是大家对人工智能改变我们消费者生活的预期太高了。因为实际上你想一想，现实生活中我们的生活决策实际上是非常复杂的，有很多的应用场景，也有很多很多复杂的一些参数，一些意向不到的情形，问题非常大。
所以你们知道看新闻，比如说最近碰到这种笑话，比如说一个月前，在重庆召开了一个百度跟力帆汽车要搞一个新的自动租车的平台，结果在现场要搞直播，说汽车可以通过手机能够把汽车点回来，当着老板的面那个汽车过不来了，老板等也等不来，就是力帆的那个老板，最后走了，一边走一边摇头，说这个东西不成熟，结果被记者抓住了，还闹了一番口水战。
再比如说去年的博鳌论坛，论坛上有一个论坛讨论环节是有好胜者搞了一个所谓的的主持人来主持，结果关键时刻它该讲话不讲话，该出声没出声，结果主旨演讲讲了一半它出声音了，闹出了笑话。所以这个，我认为是第一个错误，大家对改变我们生活、改变消费者生活的预期太高。
第二个错误，大家对人工智能所带来的短期的很多在消费领域的产品的创新的期望过高，因此投资过多。坦率地讲，有相当的泡沫在里面。现在只要你说人工智能，有大量的资金都会涌向你的产业，所以人工智能成了一个像当年互联网一样，一个吸引投资者圈钱的金字招牌，我相信这里面大量的投资会打水漂。这个错误跟第一个错误是完全相关的，因为大量投资者坦率地讲并不是经验丰富的，也就是大学毕业不到五年，也许MBA刚刚毕业，拿了很多人的资金，这个世界资金并不短缺，在寻找投资机会，资金搁在手里投不出去，所以显得投资经理是无能的。所以此时此刻这是人工智能的第二个泡沫。
但是有两个在我看来，已经改变我们世界和经济的两个重大的环节，我们现在低估了。那两个是高估了，投资者和人工智能改变消费的预期是高估了，但是有两个领域远远被低估了。第一个领域，在生产侧人工智能已经改变了我们的生产方式，上个星期我刚从重庆回来，重庆有一个一年前投资的，半年前刚刚投产的生产大屏幕的工厂，大屏幕是我们中国跟芯片相反的产业，大屏幕这个产业我们中国是老大，全世界生产量最大的在我们中国，如果中国大屏幕不生产美国人肯定打贸易战他会紧张。如果我们的大屏幕不进入美国，美国的消费者看不上电视。这个工厂我们去看了，基本上实现了无人化，一块玻璃进去在整个大车间里面要转28天，十来个工序，28天出来以后就是一个大屏幕供你切割，然后机器根据你的需要进行切割和检测，这就是人工智能，广义的人工智能已经改变我们世界的地方。
在生产侧，我们的技术已经被人工智能所改变，这个工厂可以不开灯，我们参观把灯打开一下，平时完全是黑灯瞎火的，大屏幕在里面转28天出来了。这样的工厂我相信在不久的将来，在我们经济领域会一个接着一个的出现，很多标准化、重复型的工作已经被机器人所代替，已经被人工智能各种各样的软件所代替，它的生产效率、质量控制水平远远比我们人工操作要好的多。
所以具体说来，讲一个具体的例子。机床这个产业，机床这个产业曾经是一个大的产业，现在基本上我看逐步都会不存在了。为什么？因为机床以前是靠人工操作和编程去操作，现在都被整个流水线所取代了，所以这是我们远远被低估的一个产业。多大呢？咱们做一个测算，我们中国经济82万亿的GDP，制造业大概占到38%，大数40%吧，40%是制造业。4&8=32，32万亿人民币的产业正在被我们的人工智能所改变，而这个进程已经早就开始了不止10年了，金融危机前就已经开始了。10年前我参观了一个广西的卷烟厂，10年前这个工厂已经完全实现了自动化，烟草进去那边就出来了卷烟，当时我就问卷烟厂的经理，我说你为什么不雇工人，广西的工人工资很低。他说你不知道，卷烟这个行业是政府管理非常严格的，一根烟都不能多和少，如果有人进去容易出乱。卷烟在流水线上生产，卷完烟之后打包，然后封包，全是机器人，所以这个产业32万亿的大产业正在被人工智能所改变，而大家现在意识的还不够到位，远远不到位，很多生产高精尖机床的老总们还在抱怨，说市场经济不好、政府政策不到位，我跟他们讲对不起你对形势判断错误了，以后不是靠你们了，以后是靠流水线这种大规模设备取代了一个一个车床。
第二个领域，今天我想特别强调的，大家远远低估的是商业决策领域。商业决策领域人工智能也在改变我们的一切，正在改变。这个产业多大？这个产业是跟消费者密切相关的，就是生产出来的产品是面对消费者市场的，从前是产品生产出来之后，我再决定到哪里投放广告、投放宣传资料，我根据什么样的人群、通过什么渠道递送广告，那是比较传统的模式。现在不一样，现在在生产之前就开始通过大数据，就开始通过各种各样的人工智能的渠道去分析什么样的消费者需要什么样的产品。比如说中午我们谈到了玛氏（音）集团，这是一个生产口香糖、巧克力的美国家族企业，很多人对这个企业可能还不够了解，因为它没有上市，家族已经一百多个成员了，在北京有它的分厂，就在北京郊区，还有一个食品安全研究中心，玛氏现在也开始用大数据了，做宠物的食品，根据宠物的图像，根据每个用户传递玛氏公司营销部门的宠物图像，来分析你这个宠物大概需要什么样的食品。这个例子非常简单，但是你想想看类似的决策正在改变我们的整个商业活动。我们跟消费者相关的零售行业大概多少？占了GDP48%，粗数50%。82万亿的GDP，40万亿粗数都是跟消费者、零售有关的。这每一个企业，背后都需要用人工智能、大数据的方法来精准定位你的产品，来精准定位你的去向。
再举一个例子，共享单车都很熟悉吧？共享单车现在多少辆？大概大数3000万辆，这些存量在各个城市里面。共享单车3000万辆是怎么一个数字？我们一年的自行车产量也就是8000万辆，其中5000万辆出口，大数3000万辆在国内销售。所以我们一年自行车的销量也不过相当于共享单车的存量，共享单车每年要投放600万辆，这是一个产业对吧？这个产业里面有什么学问可以做？大有学问，比如共享单车每次我们刷车的时候，我们的数据，在哪里刷的车，骑到什么地方，我们喜欢什么样的车进到了系统。所以共享单车以后未来最大的资产可能不是那3000万辆单车，也不是那个现金流，而是它的数据。它严格地、大量地控制了我们生活的方式，所以共享单车这个行业完全可以通过人工智能的办法来分析我们的生活方式，知道我们每个人大概早晨什么时候出门，大概晚上什么时候下班，大概在哪个地方取单车，附近有什么样的商场、餐馆，更不用说根据我们的骑行习惯给我们推荐，分析我们周末可能骑什么样的自行车，做健身运动型的自行车。所以这个行业也是一个非常值得我们关注的非常重要的行业，也是代表着我们的人工智能改变了整个行业决策的行业。所以50万亿跟消费者紧密相关的零售的行业，其中如果至少有10%的行业可以被大数据改变，那就是5万亿的行业。
所以我最后想呼吁大家，在座各位都是各个企业的决策者，咱们都不是一般的百姓，不是一般的消费者，我们有学习能力。人工智能时代我们必须比机器学的还快，我们人类、我们商业决策者要赶上人工智能这个时代前进的步伐，我们必须要学习，所以我呼吁大家要自己问一问自己的产业，我这个产业是否正在被人工智能、大数据所改变，我这个时代在哪些方面可以用更多的数据进行更精准的分析，从我的产品设计到我的目标人群，到我的营销手段，到我最后的售后服务等等，能够加以改进。我这个行业虽然我没在，我这个企业没有变，但是我的竞争对手们在怎么改变？所以在此，我特别想呼吁请大家作为企业的决策者一定一定要绕过人工智能的迷雾区。我刚刚最开始讲人工智能改变生活了，人工智能可以代替我们以后找男女朋友了，把老百姓的这种迷雾要剥离开来，也要绕开人工智能所产生的可能的投资泡沫。我们真正的要抓核心，核心就是人工智能在改变我们的商业决策，人工智能在改变我们整个行业的模式。要从这个角度领先市场半步，领先同行半步，你才能够真正做到转型，才能够真正地变被动为主动，而不像刚刚我说的，生产那个计算机机床的那些老总们在抱怨，我上个星期去重庆有人在跟我抱怨这个事，我听了以后觉得恐怕这些经理没有抓住未来发展的趋势。所以在此，我也特别预祝大家能够从今天以及未来的各种各样的跟人工智能相关的商业决策的各种活动中，能够汲取最重要的信息，能够认识你最需要认识的这些技术人员，能够让你这个企业开阔眼界，能够让你的商业模式上一个台阶。谢谢各位！
主持人：谢谢李稻葵教授的精彩演讲，在这个演讲里面给我们描绘了一个AI影响我们生活的图景。就是对于我们的普通生活来讲，未来还叫未来，或者没有大家想象的这么快。当然这个时间李教授给了一个跨度是10年，我觉得10年还不是很遥远，对于我们生活的影响是在不久的将来。但是AI对于我们商业决策的影响未来已来，就是现在是所有的人都已经低估了AI对我们商业决策的影响，它已经在实实在在发生了，如果还没有发生我们都要回过头来赶紧去研究，开始尝试、开始做起来。
那么接下来我们这个演讲就是以品友互动在过去10年的积累，我们都是说人工智能怎么驱动商业决策的，所以接下来我们有请品友互动创始人兼CEO黄晓南女士给我们作赋能AI商业决策的精彩演讲。
黄晓南：我也再次代表品友互动欢迎今天来参加我们这次峰会的所有嘉宾和朋友们。我觉得刚才李教授也说了，教授一上台马上我在下面听的心态就迅速转变成学生心态，刚才教授说了一句话，希望所有的企业都能在这个AI的时代里面，能够有办法去领先竞争对手半步。我也希望今天来参加我们这个活动的所有企业的决策者，能够比今天没有机会来参加我们这个峰会的决策者，从今天开始已经领先了半步。
今天我讲这个主题其实就回答两个问题，第一个是人工智能时代商业决策是什么关系？第二就是我也请大家一起跟我见证品友这家公司我们在人工智能的这样一个时代里面，我们整个企业和我们产品的战略升级。
首先先说一个2018年我自己读过这么多书里面我最喜欢的一句话，我觉得也是给所有在座的企业管理者一个分享。就是我个人认为，AI其实没有什么了不起的，机器人也没什么了不起的，但是不会用机器人是不能接受的。也就是说今天我不认为我们今天所谓的AI年代会使得人和机器、人和系统去进行竞争，而这个竞争其实是存在于不接受AI、不拥抱AI、不拥抱智能系统的管理者和能够去充分地拥抱AI、充分地利用大数据、充分地利用技术来支撑自己决策的管理者之间的竞争。
其实这是一个哈佛商业评论做的调研，大家可以看到在全世界范围来看，企业管理者已经意识到了这一个趋势。第一个叫做数字能力，大家可以看到数字技术能力、数据分析能力，已经变成了企业管理中认为最重要的前三名的两个，这可能跟过去很多大家普世（音）的一个企业的市场人员和CMO所具备的能力是不一样的。客观的来说，虽然AI随着AlphaGo的出现，变成了大家耳熟能详的一个词，但事实我相信很多人对于什么是AI，对于AI能做什么，其实还是雾里看花的。
所以我们也基于品友在这个领域里面这么多年的实践，我们也分享一下我们对于AI这个领域的一个定义，我们认为AI有三个基本要素。第一个海量数据，没有数据没有AI。所以今天如果有哪家公司说我是2018年成立的，我就是一个很牛的AI公司，我认为这是很难成立的。所有的AI和大数据是不可分割的。第二件事情是算法，用更通俗的语言大家可能说我是机器学习的算法，随着AlphaGo的出现，大家听的比较多的是神经元的算法，其实这些都不算法，算法在我们的定义里其实就是解决问题的一系列过程，只不过它是用计算机来解决这个问题。第三件事情，我们和传统的，今天在座的也有很多AI专家，如果一个传统的AI专家会说第三个叫做云计算，我们这里不说云计算了，因为它在今天已经不是什么难能可贵的事情了。我们认为往往大家忽略的一个人工智能所存在的前提之一是决策，为什么说决策很重要？举个简单的例子，大家都知道AlphaGo，可能这个市场里面有90%的人听说过人工智能，都是因为AlphaGo下棋下赢了。但大家要知道如果AlphaGo没有做下棋这个决策，只是把棋盘能够背下来或者都能够展现出来，没有人会为之欢呼，也不会引发这么多人对于人工智能的热情和推崇。而恰恰是因为机器今天做了决策，而每一步围棋有超过200个可能性，每下一步围棋，AlphaGo这个机器都要在200中做一个选择，而且它战胜了人类，我想这才是人工智能变成被人类所欢呼、期待、拥抱的前提。过去的很多时间里面，如果大家看人工智能的主要应用场景几乎都跟数字营销、金融这几个领域是密不可分的。
因为今天我们没有特别多的技术方面的分享，所以我也简单讲一下我们对于人工智能在我们所在的领域里面，在商业决策里面，最重要的两个领域。一个是感知，一个是认知。感知很简单，就是机器怎么来替代耳朵、眼睛、鼻子的功能，比如图象识别，在过去几年里面取得了巨大的成功，错误率几乎降到了百分之三点几。而认知是机器学习里面一个比较高级的，因为认知就是代表了脑子，而在认知里面，在品友的实践里面我们其实比较局限，因为我们不可能做那么多基础的研究，所以如果将来大家跟品友有任何合作，你听到最多的一个能力我们叫做预测能力，我们能够利用历史的数据来预测未来。换句话来说，我们放在一个商业场景里面，就是今天我们赋予每一个企业决策者，我们能够告诉你，假如你做了这个决定会是什么结果。我相信今天所有的CEO、CMO、市场部花钱的任何人，都会觉得自己的生活从此变的非常美好。其实这个事情不复杂，天气预报就是最好的例子，当然有些地方像我来自于湖南长沙，我们小时候经常说不叫天气预报，叫天气乱报，这也显示了人工智能的另外一个反面。我觉得其实预测能力是我们解决商业决策的重要因素。
那有些人说了，说品友不是做DSP的吗？你们不是做程序化管道的吗？怎么突然说到人工智能、商业决策。大家看一下这张图，这张图其实是麦肯锡关于人工智能的报告，对于整个人工智能产业在企业决策中的不同领域所可能产生的商业价值，市场营销是企业决策里面最重要的一个环节。如果拥有了人工智能方面的能力，这个单位是万亿美元，也就是说利用了人工智能的能力，基本上能产生最高到6万亿美金的潜力。但是市场营销不是唯一的，比如我们跟海尔的人在聊，在物流方面有没有可能利用大数据做决策。我昨天跟一个做智能交通的公司交流，他们其实帮很多政府都建立的所谓的传感器，能够收集所有交通中的数据，但是他们没有利用这个数据来做决策。但是这个背后的决策，涉及的金额在政府都是上千亿的，因为在所有的政府花费里面跟交通相关的是最主要的地方。包括我们在去年其实在跟一些金融企业合作的时候，我们直接跟金融企业合作大数据和建模，来解决金融里的征信问题，来解决金融里的反欺诈问题。所以今天品友并不是说我们不做DSP了，而是在过去这么多年，品友因为在数字营销里从事人工智能、机器学习这么多年我们进行了大量的商业决策的实践，我们拥有了这样的底层的能力，拥有了底层的数据，我们能够把这些能力去扩大在更大的商业决策范围之内。所以从今天开始大家可以忘掉品友是一家DSP公司，我们会继续在程序化、数字营销里的工作，但如果任何企业有困扰你们的商业决策问题，同时你也认为这个问题能够通过你们的数据结合第三方的数据、结合算法能够产生出来辅助于你们做决策的这样一个可能性，那你们可以找品友，我相信这也会让各位的企业比其他的企业领先更多，不是半步。
所以在这个背景之下，我们也把整个品友的战略做了全面的升级，这个升级其实是我们在4月份也在上海，跟我们很多的客户会有分享。简单来说我们会在智慧营销、会在金融、会在政务等等这些领域，我们可能也会在新零售等等新的一些领域里面，我们会去找到我们认为能够用数据和技术、算法发挥作用的决策场景。而基于这个底层是品友的云计算平台，和我们打造了两个核心武器，一个是品友自己的数据云，这个数据云我们背后也会引入更多第三方的合作伙伴，来帮助广告主、企业更好地利用第三方数据，去了解用户、洞察市场、做出决策，今天接下来我们也会有相关的发布，同时我们有一个叫福尔摩斯的AI引擎，这个AI引擎就是我们不断地在模式识别、利用数据推出算法，不断地和我们今天请来的一些研究院、学院的专家一起来引入最先进的AI底层技术来解决实际的问题。所以这个战略下，我希望通过今天这么多的朋友们一起来见证品友能够基于我们将近10年的积累，在我们接下来5年的战略规划里面，能够成为所有的企业去拥抱AI、去进行大数据决策的一个重要合作伙伴。
这是我们在营销决策里面一个具体的产品，大家可以看到其实我们已经不是在投放端去解决广告的智能问题，我们从策略端和从内容端，都会给我们的客户提供全套的产品，而这套产品也是现在中国唯一落地的一个智能营销完整的体系。当然所有的产品，所有今天CEO站在台上说的话，其实背后都是无数的兄弟姐妹的心血，这里面我刚才讲的所有一切，其实根本的基础是我们的技术。所以这也是品友在今年开始实践的一个叫DISC的技术战略，我在这里也请大家一起跟我看一个小的1分钟的视频，来理解我们提出来的以围绕数据、算法、决策和区块链的，我们在技术上的一些准备和战略。
（播放视频）
所以今天如果有任何企业有任何痛点的问题，刚才大家所看到的技术都是我们在过去两三年时间里面和很多客户实际落地的一些成果，所以我相信这些成果也一定能帮助到在座的很多企业去在各自的领域里面解决自己所关心的问题。在最后回到刚才李教授开始讲的第一个话题，就是大家对于人工智能的认知。最近也有很多文章在讲到底人工智能路向何方，因为随着这个概念的炒作，其实很多人已经把人工智能神化了，觉得人工智能是无所不能的，人工智能是一个人不用参与、干预就能够直接得结论的。在我们的实践和认知中，我们发现其实任何一个企业在拥抱人工智能的时候，其实它需要的是一个智能的系统，但这套系统和人其实只能是一个辅助作用，也就是说最后的决策，对于问题的定义，最后评估的标准，这几个重要的事情，都是要靠人来决定的。甚至这个系统给它什么样的数据，这件事情也是由人来控制的，那机器解决什么问题？机器解决两个问题，第一个，机器可以解决规模化的问题，机器读30万个图片一天内是不会累的，人就死了。同时机器也是可以进行复杂运算的，人脑是没有办法去做复杂运算的。所以我想相信今天对品友来说，我们的战略是人工智能的技术和系统去赋能商业决策，这句话比较准确描绘了我们对于人和机器的比较准确的定义，所以今天我希望是在座各位开启自己做企业决策人工智能的一个重要的里程碑，我也期待在接下来的更多时间内能够听到和大家一起去解决更多商业决策的问题，谢谢大家！
主持人：谢谢黄晓南的精彩分享。这整个思考和实践的商业决策，人工智能在商业决策领域思考和实践的推动，而不仅仅是品友互动一家，在科研领域是产学研各方面一起推动的，接下来从点到面进入一个圆桌环节，我们有请这个环节的讨论嘉宾，凡普金科创始合伙人兼CEO董褀先生、商汤科技副总裁柳钢先生、微软苏州副院长童先明先生、香港科技大学教授姚远先生，下面有请我们的主持人品友互动创始人兼CEO黄晓南女士。
黄晓南：大家一看就知道谁是搞AI，谁是说AI的，姚教授刚刚从美国回到香港，昨天晚上刚刚飞过来，真正的技术大牛都是这样的风格，大家记住了。我想还是首先请各位嘉宾1分钟内简单介绍一下自己的背景，然后是你的工作跟AI的关系。
董褀：大家好，今天很荣幸能够参加品友互动的论坛，我来自于凡普金科，凡普金科是一家金融科技公司，下面有很多入门级的金融产品，比如说爱钱进。我们这家公司主要解决的问题是帮助那些被传统金融机构覆盖不够充分的一些年轻人，我们向他们提供入门级的产品，信贷产品、理财产品、消费金融、理财规划等等，这背后的主要驱动力其实也是数据和科技，不然我们没有办法让这样的业务科持续，我们恰巧也是品友的客户。
柳钢：大家好，我来自商汤科技，负责商汤科技业务发展和技术的商业化落地。商汤科技在人工智能这样一个大的领域是专注在计算机视觉的创业企业，从2014年创业以来，到今年刚好三年多一点的时间，很幸运赶上时代的浪潮。所以在这个月我们完成了公司的C+轮融资，很荣幸被国内外媒体誉为最具价值的人工智能创业企业。非常期待看到其他嘉宾的分享，看看如何把人工智能这么一个科技应用到商业智能这么一个大的领域里面。
童先明：我叫童先明，来自于微软，我介绍一下我自己和我们团队做的一些事情。我们现在主要在实施一个人工智能的战略，主要是想把微软的很多人工智能在这方面的积累和研究，能够在中国落地，能够助力中国的企业。我们企业的口号是怎么样助力每一个企业在商业上成功，所以这是我们从去年年底开始一个非常大的战略。我自己也实地了解了很多中国当地企业的需求，然后怎么样来帮助他们，怎么样转型或者是赋能，在人工智能方面提高他们的效率，降低他们的成本，提高竞争性。我们团队总的来说是比较关注于自然语言处理方面，这是人工智能两大领域之一，目前还有很多空间去深入探讨和研究，落地各个场景，大概就是这样的情况。
姚远：不好意思，我的穿着明显和大家有区别，因为我上个星期还在旧金山湾，回到香港没有几天。我的穿着在其他地方都算是正常的，但是我发现在北京是穿的最邋遢的，尤其是在这样一个会议上。我主要是从事教育和科研技术方面的，在香港科技大学，我跟黄晓南认识差不多有十年，当年在北大任教的时候，我们在北大一个校友机会，通过她的一个同学认识的，之后品友的有一些老人我们都认识。大家从最初的广告开始合作做到GC回归，那时候组织了一个算法大赛，其中有一些同学，尤其是我当时的同学非常受益于算法大赛，后来被百度和腾讯高薪聘请去了。因为我是从事教育这个行业的，未来我的学生还有我面对的同事，我应该怎么样在这样一个迅速变化的人工智能时代去告诉大家，跟上这个时代，没有被人工智能虚假的信息错误地带走，这是我们最重要的问题，如何让大家具有这样一种能力，而不至于在5年之后假如人工智能真正出现了，我们学生应该在脑海中掌握什么样的知识技能，在这样一个潮流中仍然保持不败的地位，这是我最主要的，也是跟工业密切相关的。
黄晓南：姚教授也是在中国最早，我记得2011年就开始研究一些比较深度的机器学习方法，像当时他给我们公司带来的贝而斯（音）模型，在行业里当时是比较领先的，确实让我们在广告领域几乎提升了3倍的效果。在座也是市值过千亿了，我看加起来，不算微软。我想先问一下，从你们各自的角度来看，能不能简单预测一下人工智能在接下来三年最主要的趋势吗？大家可以讲一到两个趋势。
董褀：我抛砖引玉，因为我们所处的行业是一个重度的大数据、人工智能的使用方，很难想象如果没有大数据、人工智能在我们整个业务里面应用，我们能够将这一盘业务持续下去。关于未来整个人工智能的方向来讲，我们从一个使用方的角度来讲，我们会认为人工智能整个接入人工智能这样一个能力的门槛我觉得会降低，大家可能会知道今天每个人都觉得人工智能应该是会优化的一个业务，但不是所有公司都在用人工智能，是因为人工智能在今天大家觉得要接进去，让你的公司要具备人工智能能力，以及把它应用到业务里面，还有一定门槛。就像刚才演讲中讲到的，你有海量的数据，有很强的运算能力，还需要把它融合到你的整个业务里面。我想未来三年，可能你都不一定自己要具备海量、全面、能够支撑你自己业务的数据，你会有大量的合作伙伴，以及一些专业的数据公司，能够提供这些数据。同时在整个算力方面，你也不需要像今天一样有很多基础架构，有更多的云计算，这些方便、安全、稳定的能力可以接入，最方便的可以把人工智能接入，所以我觉得可能接入的门槛就会降低，我觉得未来小学生可能一个设备里面就能接入人工智能的能力。第二个我认为一个趋势，人工智能未来可能不是一个选择，而是一个必须。无论你在什么样的竞争战场，艺术我不敢判断，如果你在任何生意里面、商业活动里面，我觉得拥有人工智能的能力这是一个必选项，不然我觉得你没有可能生存也没有可能和你的竞争者竞争，非常粗浅的见解。
柳钢：我们是一家做计算机视觉的企业，视觉应该说是整个人工智能里面比较大的一个领域，因为今天我们讲了很多人工智能，其实人工智能不存在一个行业，如果我们对人工智能进行区分，我们会感觉可能对这个领域的理解会有困难。好比我们一直在讲人工智能，什么叫人工智能，到底人工智能包括什么。所以商汤是专注在视觉领域，视觉会有很多，跟人相关、物体相关、场景相关、事件相关的。我们有一个感觉是什么？我觉得首先是在特定领域会快速突破，这是一个趋势。什么意思？我们会短时间内用一个所谓的真实的机器人或者是虚拟机器人去代替人这样一个情况出现，可能性可能不大。但是在特定领域，比如说今天我们在场大概有400、500人，你给我任何一个人的一张大头照，你说你把它挑出来，很难，但是这样一个特定的人，对于机器来讲太容易了。比如说我们最高可以在3亿个图库里面，可以在毫秒级的时间里，你给它任何一个大头照，它可以推荐10个。所以特定领域快速突破，在有特定场景的情境里面，人工智能不管是视觉、语音、机器人动力学甚至是认知与推理都会快速突破，这是我很明显感觉到的一个趋势。
这个趋势也有一个力证，在图像视觉领域有一个很权威的比赛，这是一个叫物体检测大赛。在去年就停办了，为什么停办了？大约是一个千万级的图库，从2012年深度学习的技术进去之后，准确率有快速的提升，2013年、年、2016年，商汤很幸运，2015年、2016年都有很好的战果和成绩，最后一届比赛里面五项比赛我们拿了冠军。去年这个比赛就停办了，因为再比就没有意义了，因为机器已经做的很准了，远超人类的准确率了。这说明在特定场景里面，机器智能的突破会急剧地增快，那特定领域在我们的商业环境里面、工业环境里面、生产环境里面是广泛存在的，那它需要一个很好的角度去定义它，去定义出一个特定领域，那么在这个特定领域里面人工智能将会发挥很大的作用，这是我看到的趋势。
童先明：我想讲一下从企业采用人工智能这个进程的角度来聊聊这个问题，因为我自己过去半年看了一些企业、做了一些项目。现在我的感觉是市场上大家对人工智能的效果还是处于将信将疑，也有可能不完全是企业的原因，也有可能是一些从业者本身的原因可能做的不够好。但是在今后三年我觉得会有什么样的变化？从一个将信将疑会变成一个非常确信的过程，这怎么说？现在一个企业如果要开始一个人工智能的项目，整个流程是比较长的，比如他要选一个供应商，让供应商帮他做一个POC，通过这个POC来选择谁做的更好一点。这个过程隐含了两个问题，第一个整个流程会非常长，第二个问题有大量的浪费。因为你想想看，你选了六个供应商，你最后只选一个，但是同样的项目人家做了六遍。所以这是目前为止一方面我们非常缺乏人工智能这方面的能力，或者有这种能力的企业帮你做这种项目。另外一方面，我们又在不断地、无谓的去浪费这些资源。在今后三年，因为通过不断的这些场景和专门的算法，它不断地被验证、被实践、被看到效果，所以这个过程我会觉得是大大缩短的，这是一个方面。
另外一个方面，要求做POC的过程可能也会越来越少，因为这已经是被市场证明了，为什么还要做POC，我只要对你这个企业有一定的信任，最后做的不好你还有一个检测和验收的过程。所以我觉得今后三年这方面会大大缩短，会释放企业来使用和利用人工智能改善他们的效率、降低他们的成本、增强他们的竞争力，这方面我是比较确定的。
黄晓南：从学术界看到的趋势有什么？
姚远：深度学习可能在人工智能在2012年突然间获得崛起最大的一个推动力，但是我们今天面对学生，我们怎么样让学生适应未来的深度学习发展？显然2012年&2016年我们还是可以通过深度学习刷刷文章，就可以获得很好的地位，发表很好的文章，拿到很好的工作，但是在未来三年我觉得这个事情会越来越难，随着深度学习往更广泛的地方应用，对于特定领域的提升已经没有那么大空间了。为什么深度学习这样一个工具很有用，在你的应用中起到了你想要的效果，如果你碰到了不想要的效果，你怎么样去改进它、修正它，所以这样一个深度的理解，我觉得是未来三年可能会越来越变的比较简单，而不是简单刷刷性能，这在学术上我们觉得是非常重要的需求，所以我们跟斯坦福去年开了这样一个课，我们今年春天也开了一个深度学习的课，代表了一种学界的迫切需求。
另外我想简单说说，整个AI这个领域其实是非常广泛的，从优化、统计到计算机科学，大家不要把自己的兴趣只集中到一些点上，比如说某些未来即将崛起的。实际上这个领域是非常广泛的，对于未来应用最重要的能力是你如何面对应用问题，把它翻译成优化问题，像我们讲的商业决策，当你有你的决策，当你有外界环境的状态，大家都因为AlphaGo赢了之后，都在问为什么AlphaGo做的这么好，能不能让AlphaGo帮我们做事情。你做的问题能不能给它翻译成决策过程，如果你能翻译成决策过程，形成这样一个问题的能力，后面的解决方案就自然出来了，所以从应用问题翻译成你所熟悉的机器学习的解决方案问题的能力是最重要的，也是我们觉得在面对未来改变的时候学生最需要掌握的。
黄晓南：品友我们每天在实验这些事情，我们的客户其实提出了一个商业问题，但是我们的算法工程师或者产品经理本身做的工作就是把这个问题转化为一个能够被算法、机器去解决的问题。而这件事情我这么说大家可能觉得很容易去理解，但其实这种人才今天在市场里面几乎应该说是少之又少，所以我觉得姚教授要不断给我们贡献这样的人才，能够把这个问题翻译成决策过程，这是很重要的。下面我想问一下童先明和董褀，你们刚才都说了企业在用人工智能，你们能不能给一个具体的例子，怎么用人工智能某一个领域的技术或者大数据，产生了一个真的是看得见、摸得着的一个效果，刚才童总也说了对于大部分企业来说将信将疑，今天你们能不能给一点板上钉钉的事实？
董褀：我们是应用界的，所以可能我们讲的例子大家比较通俗易懂一点点。我们是做金融科技的，说实话我们规模还挺大的，差不多去年做了超过350亿，今年可能会继续翻番。我可以举一个例子，我们整个业务特点是什么？大家知道其实银行会比我们更大，比如华夏银行，我们在去年因为监管的要求我们也接入到华夏银行的存管理财，理论上来讲我们每天成交的金额在华夏银行看来应该不算是一个特别大的数量级，但是我们接进去之后立刻把它的整个核心股拖垮了，原因是我们特别小额分散，银行可能一笔贷款是1000万、500万，我们可能会小到几万甚至更小。然后这里面我们还需要把这些标的更加高度分散，能够给到不一样的人群。所以因为这个数据量非常大，所以会导致即使像银行整个规模很大的银行，计算能力都不太够。在这样一个每天要处理这么大量的过程中，事实上我们并不拥有比全国大型股份制银行更多的人手，我们事实上整个员工规模比一家银行要少很多倍。那怎么处理这些问题，判断跟客户的情况，里面就要用到大量人工智能来替代人工的工作。这里面有一个点比较难做，做正常互联网运营的时候，推出共享单车，做运营活动，去了解用户的兴趣，取得高度的转化率。通常对这个事情有兴趣的会做反馈，金融里面如果要做信贷，做运营活动最先有反馈的一定是骗子，那怎么样能够识别那些好的客户和那些坏的客户？在我们看来是核心能力。像商汤科技在这个过程中也帮了不少忙，把人脸放进去，我们识别一下这是什么样的人。
在这个过程中的确我们建立了一套人工智能的体系，在我们内部有一个叫云图的产品，能够让我们对用户在几毫秒的速度，对几万的维度进行建模，让我们知道哪些是好客户，哪些是坏客户，为了不影响客户体验，要在非常短的时间内完成，这是事关我们生死，血淋淋的人工智能应用的场景。
再举一个小例子，我们是用评分卡来识别用户的信用等级，以前这些评分卡我们建模通常都需要差不多两个月的时间，比如在华尔街基本上就是这个速度。从去年开始，去年上半年我们在内部做了一个叫水滴的机器人建模工具，它事实上能够把第二段、第三段，就是刚刚说的建模和上线部署的工作，从原来数周的工作量节省到差不多只要24小时。所以现在我们整个模型的优化效率可能是数倍于我们竞争对手的，这就是另外一个关于人工智能怎么样来优化我们的工作流程，让我们的工作更有效率。
童先明：讲的非常好，我也来分享几个例子。也是一个互联网的金融公司，最近我们在做一个项目。因为互联网公司现在总的来说赚钱赚的很多都是贷款，以前都是一些小额贷款，这个做的很成功以后，他们想逐渐升级到额度相对比较高的贷款，这样国家会有一些要求。比如说需要一些面对面的，必须说有录像的见证，说这个人是来贷款的，有纠纷会有仲裁或者上法院的记录。从互联网金融公司本身也是有一个要求，说来贷款的贷款人是不是讲的是真话，或者他的背景怎么样，或者他在贷款过程中是不是提供了一些真实的信息。所以基于这些要求，你想想看他们是互联网金融公司，你要去做一个面对面的面试，说你的情况怎么样，你住在哪里，在哪里工作，它又有很多网点，所以这是可能的事情。有一个技术能够综合语音、计算机视觉、自然语言处理，他们要求我通过一个网上的对谈，大家可能想到我这里有一个服务员，对面有一个客户，的确可以这么做，是有公司在这么做，但总的来说不是那么成熟，如果客户比较多，要搞几百个坐席，客户比较少，人工又浪费了。总的来说他们希望能够有一个智能机器人，能够和对方面谈，谈话过程中又能够捕捉客户的微表情。微表情有一个定义，人在一种不自觉的情况下，从40毫秒到200毫秒之间所反映出来的自然的表情，能够比较真实地反映你当时说话的情绪，专门有这方面的心理学专家，所以这是从计算机视觉的应用，通过对方回答的问题，你去处理、理解对方的问题是什么，理解语义，你说话的时候也是文字转换成语音，这个技术牵扯到人工智能方面非常基础的三个技术，一个是语音转换技术，一个是自然语言处理技术，另外一个是计算机视觉技术。这个项目很有意思，我们也很愿意帮他们一起合作做这件事情。
黄晓南：我想请大家都聊一聊，对于企业来说，今天在座很多是市场部的负责人，也有一些其他部门的负责人，你们认为对于这样一个群体，他们去拥抱人工智能的时候可能的挑战会在哪里？
这个挑战可能是个人的，也可能是组织的，也可能是社会的，都有可能，任何方面都可以讲。
柳钢：其实我想第一个挑战是一个很基本的挑战，就是要对人工智能有正确的理解和认识。我在企业里面也是负责业务发展的，我在想我在另外一个行业，在消费者也好、工业也好，如果对人工智能的期望不切实际，可能会导致你对这样一个工具的采用，比如我找到品友买一个机器人，我啥也不用干了，品友的机器人帮我做所有的事情。我们在早期做企业服务的时候遇到过相似的问题，因为任何一个新的技术出来，首先是被神化，然后被妖魔化，所以我们想拥抱这个技术，首先要对这个技术有准确的理解。第二个，基本上现在已经是进入了各个行业、各个场景论证以后的结论，就是人工智能在特定领域的确能给你带来巨大的价值，比如说跟市场、品牌，跟广告相关的领域里面，这里面有海量的数据，经典的说法，我听说有50%的广告是浪费的，在这么一个特定的领域里面人工智能能够帮上大忙，不管是对你的受众精准的分析、数据的获取。甚至在你没有人工智能的想法，你有这个想法，但是你无法去获得这个信息，那这个时代是可以获得人脸的信息、人体的信息、人在哪一个场景的信息，跟人在线上的信息，他的活动、他的社交、他的交易，他在线下的物理的、生活的信息，是完全能够通过现在已有的技术做打通的。所以我觉得有两个方面，一个一定要对人工智能有务实、准确的理解，另外要有坚定的信念。在这样一个特定领域里面，人工智能是能帮大忙的，有巨大的价值产生。
黄晓南：谢谢柳总。
董褀：我简单说一个，因为我们事实上在过去几年，一直在这个领域非常艰难困苦的跋涉，我想有一些经验可以分享出来，首先一点大家不要觉得人工智能是很奇怪、未来很神秘的东西。首先大家要想清楚，你用人工智能来解决什么问题，可能是在你身边困扰你的，你没有人工智能也能解决的问题。比如说对我们来说，反欺诈是个问题，解决我们业务流程替代人力是一个问题。如果我们只取其中一个问题，比如反欺诈这个问题，如果没有人工智能你怎么来解决的，你把这个流想一下。人工智能只是在某些能力里面很突出的，你可以想象成很一根筋。今天的人工智能大部分不具备非常全面而且可以跟你对话的这种领域，但是他们在某些特定领域里面的确具备比人脑聪明很多倍、快很多倍、不知道累也不需要你加工资这样的一些能力。所以你想清楚了具体的商业问题是什么，你想着如果有一个一根筋的高手能够应用到某一个环节里面，你大概就能够搭起来一个人工智能在你企业里面的应用场景，这是第一点。
第二点，我觉得人工智能是要吃东西的，它不吃工资，但要吃数据、运算能力。所以你要想一下，你这家公司是不是能有足够的养料给它来吃，对我们来说比如以前我们在反欺诈过程中，只是用我们自己体内产生的数据。后来我们看到的确有一点用，但是它的用处还没有那么大，所以我们就跟商汤科技也合作，跟品友也合作，我们以此能够获得这个用户更加深度、更加广泛的这样一些维度的特征，我们用这些特征喂进去，让人工智能能够有更多的养料，能够做更加深度的分析，有监督的、无监督的。
第二个养料是你的整个运算能力，这包括你的整个数据体系的搭建、运算能力的搭建和规划，这是比较技术的，相对来说我不觉得这些会构成非常大的障碍，因为事实上这块我觉得即使在市场上也有比较成熟的解决方案、成熟的人。最好的是文化上的，你们公司得接受，你们的员工慢慢要变成钢铁侠，不是一个普通人，他有一颗人类的心，但是被很多机器学习、人工智能武装起来，变成一个钢铁侠这样一个存在，对组织的冲击会挺大，这是所谓人工智能在内部组织的赋能。
童先明：我简单补充几句，我自己的经验是我觉得有一个障碍是什么？现在大部分的企业公司他们在看待人工智能这个AI，他们总的感觉还是一个IT的东西，这是第一个问题。导致的结果是什么？和你们谈的是CIO，但是CIO又对业务不太了解，所以我们要告诉CIO这对你们的业务有什么帮助，今天来的更多的是市场部的CMO，你们可能需要更积极的发挥主动性，AI在我这方面能发挥什么作用，我能不能主动利用这些场景，能不能利用AI解决我和市场相关的问题。
姚远：我自己有一些经历，大概我感觉人工智能本质不是人想做什么，计算机就能做什么。反过来，你应该想人应该教计算机做什么，在某种意义上是这样。从我自己的经历来说，我们在斯坦福很著名的一个地方，我们捧着一堆东西在讨论，你到底想怎么做？他说很简单，就是这上有什么东西。我们听了第一反应，这是一个很山寨的问题，这有什么意义？当时他想了一下说，他觉得计算机能做好这件事情已经不错了，后面非常著名的像如何搭建语义理解，他说这是后面更难的一些问题。这件事情我的想法是我可能不会浪费我学生的时间去解决这样一个简单的科学问题，但是过了五年之后到2012年之后，李非非（音）彻底改变了计算机的历史。电脑研究人工智能是错的，而是反过来你应该教电脑做某些事情，这是最关键的。所以要想建立你在应用过程中如何把它转接到人工智能或者机器学习这些数据依靠的方法，首先你要想着你如何让计算机替代你做哪些问题来起到更好的效率，所以这样一个问题才是非常关键的。
黄晓南：我们经常在公司说一句话，人都不知道怎么做的事，不要指着机器了。在我们公司有一个团队叫优化师，是大量用机器来帮我们客户进行优化的。经常我们内部就会有讨论说有时候人会的东西，怎么机器都不会。其实大家反而想错了，往往人会的东西，机器多半都不会，机器都是人教它，它才会的，这也和刚才柳总他们讲的叫有一个合理的期望值对于人工智能是很重要的。我再补充一点，在我们实践中的挑战，其实很重要的一个挑战，我个人在认为在成功拥抱AI或者不能成功的，我觉得在企业端有一个很重要的差别，就是你能不能定义出来评估标准，我们几乎发现所有AI相关的东西都是投入，对于公司来说不管是投入几百万，我们有一个客户光是服务器就投了上千万，当然是一个很有钱的汽车客户。这本身的投资他们很成功的地方在于他们在投资的前一分钟、前一天，所有他们怎么去评估这个投资的回报，怎么科学衡量这件事情的产出，已经得到了一个普遍的认知。而相比在市场里面，在这块做的比较失败的，我认为这块的缺失比较严重，这可能跟问题的定义都有关系。
时间关系，我想最后大家很快用一句话来给我们在座的观众一个建议，在新的人工智能时代，这已经是一个必然的时代了，你们能用一句话送给在座的听众吗？
董褀：我想首先刚才黄晓南说的有的公司光服务器上千万，我想我们是每个月服务器都上千万，所以这是我们对这个时代的看法。
黄晓南：我相信显然你们看到了很好的回报。
董褀：我的确在这个论坛上学到很多东西，我想人工智能绝对不是一个CIO的工作，而是一个CEO的工作，这是一定要做的。所以我会建议大家能够把人工智能应用到你的整个企业这些最关键的流程，最关键的这些能力建设中来，而且在这个过程中我觉得一定要保持开放。比如说像刚才姚教授提到像李非非一样重新开发图形识别，不需要，人家商汤科技做的很好了，你们一定要在这里面找到一个非常棒的合作伙伴一起来，因为人工智能只是面向未来的工具，从最好的商业、最好的合作，开始人工智能在商业上的应用。
柳钢：人工智能是一个很大的话题，短时间内想快速掌握很难，我想简单一点，实在不知道怎么用人工智能，就直接联系品友互动。
黄晓南：这个广告打的好，谢谢。
柳钢：也可以联系商汤科技。
童先明：我觉得人工智能真的是给你的生产力、竞争力、战斗力，所以你说谁采用人工智能更早，你绝对是在这个很竞争性的市场上得到了主动权、优先权。
姚远：我的一句话就是人工智能从上世纪50年代左右开始，这个名词出现了之后经过几起几落，现在大概是第三次新的高潮。但是在这个起起落落之间，什么东西在变，变的是你对人工智能的期望和期许，不变的是人工智能后面所在的真正的技术，一直在那里，只不过是你到底希望用它做什么，这个东西是一直不变的，希望大家在起落中把握不变性。
黄晓南：最后我也有一句话送给在座各位，我们看人工智能的时候其实有一个很重要的结论，就是人工智能的时代是没有超纪录的机会的，不管是作为一个供应商还是使用者，因为它都是经过时间、岁月的积累，机器的不断磨炼，所以我也祝福各位尽早拥抱人工智能，找到合适的合作伙伴，开始你们的人工历程，谢谢大家，非常感谢我们的嘉宾！
谢鹏：非常感谢几位嘉宾，三位企业家、两位教授，大家从研究、应用的角度，都在探讨人工智能在商业决策中的重要作用。刚才有一位嘉宾，凡普金科的创始人、合伙人兼CEO董褀先生也说了，作为一个企业决策者，或者能够影响这个企业做决策的人，最重要的是事情是把人工智能用到这个企业最重要的环节去。今天整个大会我知道在座很多人都是在从事和营销相关的工作，前面我们也展示过麦肯锡的一幅分析图，就是人工智能在商业决策中最大的那个大圆圈，就是营销领域。接下来我想给大家分享的就是人工智能在营销领域可以做怎样的事情？
我们对比一下传统的营销和大数据时代的营销有什么不同？传统的我定义叫经验和想法驱动的营销模式，我们按照决策、实施、总结这三个关键阶段来提取一下它的关键特征。在传统的营销里面，决策阶段头脑风暴这个词就来自于传统的广告代理公司，所以在早年中国刚进入商品化年代的时候，我们说开始有营销工作，开始有市场营销工作，那时候经常有一句话说点子大王，一个好的想法要做营销，就等于点子大王，这是对于传统营销非常极端但又是非常真实的阶段。在实施阶段，传统的营销大量的都是人工的工作，做排期，通过Emall或者QQ传广告物料，然后再放在媒体的位置上，大量的都是人工的工作，就是排期决定一切。如果这中间，大家尤其是做过媒体采购的人可能知道，在整个营销过程中，排期决定一切，大量的都是人工的工作。第三个我们说总结，所有的总结都是事后的，不仅如此，我们说三个月的，两个月实施，三个月之后再回来一份报告，市场早就变了，营销做完了。明年我们再花钱做的时候好像等于什么都没干过一样，再重头来一遍，这是传统的营销模式。
在现在AI的时代，我想在数据和技术驱动的营销决策和实践有什么特点？我们说在决策阶段有很多是数据和技术可以参与里面的，我们有很多想法可以通过模型来预测它的结果，让它辅助我们，辅助营销侧来做好的决策和判断，而不完全靠人脑去想，拍脑袋、胸脯、大腿。第二个整个实施的过程大量的工作都被程序化、自动化、智能化，机器的工作被取代了。品友我们一天接受的广告曝光请求有240多亿次，针对这些请求我们会来判断到底适合给哪一个人在哪一个广告点位上给他推送广告，我得挑挑选选，我每天实际决策下来，给这些人展示广告曝光的有1亿多次，所有的工作都是机器做的，都是机器自己把广告机会拿下来，把广告主的广告推送上去的。不仅如此，在整个营销中我们会形成数据闭环，边做营销收集边做中间的数据，通过更改系统的参数提升算法，让我整个营销的效果可以不断进行优化，所以整个决策过程也是更加自动化、程序化、智能化。
第三个在整个总结的过程中，我们是实时反馈、实时优化、实时总结的，而且整个广告投放完了之后，我们整个投放的数据还会反哺给广告主，加深他对自己目标人群的认识，加深他对自己营销策略的反思，整个广告投放的策略的设计好还是不好，所有的沉淀又会回过头来说下一次我再有新产品开始准备推广的时候，就可以借用过去所有的历史数据，这就是AI时代我们说数据和技术驱动的营销决策和实现的模式。
所以整个MIP，我们说品友打造人工职能的营销决策平台，我们会帮助营销者在很多，几乎所有的典型的营销决策的场景中去辅助你做出更好的决策。这些环节包括新产品的创新探索，包括产品的概念测试，什么样的产品概念会更受目标人群喜欢，确定目标人群，更好的人群画像，创意的物料设计、媒体组合、甚至是预算分配。我们在上海的时候，那个峰会的规模有1000多人，当时我们有一个非常大的客户，一年掌管着10多个亿的媒体采购额，他说能不能用MIP系统帮我用更好的模型解决这个问题？所以这些都是典型的营销决策问题，整个品友MIP我们都有相应的产品和产品组合之下的解决方案，来帮助在座的各位，如果您的企业决策工作是和营销相关的，都会帮助你辅助你在这个场景中更好地决策。
说了这么多，我们说最重要的是眼见为实，我们模拟一个真实的场景，如果你和品友合作，MIP会怎么辅助你做营销营销？这个场景是一个欧洲的车企有一个2018款的新车，这个新车有三个大的卖点。推广目的很清晰，短时间内迅速把新车上市的消息传递给我的目标受众，越快越好。第二个，我当然通过线上可以更多地获得一些高质量的访客，这是他的目的。当然新产品上市的时候，是营销人员压力最大的时候，面临很多很多的营销决策。在过去我们只能是拍脑袋、拍胸脯，干完之后拍大腿。今天在AI时代，我现在的角色就是这家企业的CMO，我希望借助品友的MIP来帮助我做一些相关的营销决策。所以现在品友互动的工作人员已经准备就绪了，接下来发生的一切都是在MIP系统里真实操作的结果。这是我们人工智能的操作平台，新车上市的作为CMO最关心的问题是谁是我的目标用户？
图上的这些历史数据终于派上了用场，而不是存在公司某个角落。帮我打开其中一类人群投放的数据包，让我看看具体的分析。
MIP：好的，为您打开具体的目标人群。
谢鹏：这些人群分析很丰富，但是我需要更具有行动指导力的人群洞察，请帮我做MIP建模，让我了解和汽车最相关的目标人群。
MIP：好的，为您打开典型人群建模。
谢鹏：泛娱乐人群、泛时尚生活人群、泛生活人群，每一类人群都有标签，看上去根据我的经验判断比较符合，那MIP就以这些种子用户为基础，用智能人群拓展帮我放大三到六倍。
MIP：好的，用智能人群拓展将种子人群放大三倍、四倍、五倍、六倍。
谢鹏：到六倍的时候我看到CTR已经很低了，那就用五倍来作为目标人群。确定目标人群就可以进行目标测试了，代理商给了我三个产品概念测试，MIP请帮助我进行产品概念测试。
MIP：好的，为您打开产品概念测试，首先选择产品概念测试的人群，执行产品概念测试。
谢鹏：MIP系统为我挑选出来的是驾驶乐趣这个产品概念，根据我们这次新款车型上市的营销目的来讲，这个概念是和我们很匹配的。既然确定了产品概念，我们就把这个产品概念交给代理商，做广告创意的设计。
代理商为我设计了很多创意，但哪一版创意合适？今天我们就不要拍脑袋，在花费巨额市场费用之前，MIP帮我预测一下这些广告创意的点击率？
MIP：好的，为您执行创意的点击率预测。为您展现的这个创意点击率的预估，以及可能对此创意感兴趣的人群标签。
谢鹏：让我看一下，第一个、第二个OK，第三个点击率是OK的，但是对这个创意感兴趣的人群标签和我们的目标人群不太匹配，所以我想把这个创意剔除一下。第四个OK、第五个OK，第七个点击率有一点偏低，但是对这个创意感兴趣的人群标签是科技、智能穿戴设备、数码家电，这类人和我的目标人群比较匹配，所以我在第一轮投放的时候还是保留这一版创意，最后一版创意点击率太低了，整个淘汰吧。
确定了广告创意，接下来我们看一下媒体组合，代理商给我提交了一份媒体组合预算表，里面包含了五家媒体，我做选择的时候非常清晰，就希望同样的预算能够为我覆盖最多的目标人群，所以MIP请帮我展示这五家媒体的用户覆盖情况？
MIP：好的，为您打开媒体覆盖情况，我们可以看到每家媒体随着时间的推移，越来越难获得新客。
谢鹏：MIP系统帮我做一份分析，就是综合这五家媒体之后的用户覆盖情况。
MIP：好的，为您执行最佳预算分布预测，像您提供两张表。
谢鹏：这个预测的结果比基准的独立用户覆盖的情况要好很多，这样，第一波广告投放的时候我们就采用MIP的智能预算分配方案。
所以我们整个新车的上市到现在为止，过去我们都是头脑风暴、拍脑袋，今天我借助品友互动MIP做了如下决策，我们选择了目标人群、产品概念测试、选择了创意、做了媒体策略。在这样的策略辅助下我们就进行广告投放吧，整个广告投放我是可以每天看到反馈数据的，所以广告投放了三天之后，我想再看一下整个广告投放的数据，看中间能不能发现一些改善的机会。
MIP：好的，为您打开用户决策流程。
谢鹏：三天广告投放下来，整个用户转换漏斗还是比较正常的，其中我比较看重高质量的访客这类人群，这类人群我看看MIP能给我提供哪些人群分析洞察？我打眼一看就注意到在创意这个维度，只看了一版创意，这类人群的转换是比较低的。但如果我们再追投更多版的物料，它的转换率就会比较高，高于平均的水准，说明我们在投放的中间应该是多版创意去根据一个目标人群做追投。但是这个数据太多，我一下子不能完全得到分析，那MIP你能帮我做一个更多的洞察的报告吗？
MIP：好的，为您执行一键智能洞察。
谢鹏：高质量方可中体育运动标签，山东、天津、内蒙古的高质量访客远高于曝光占比，可能这三个地方有特殊市场。最后一个是我刚才通过人脑看出来，要做多版创意的跟投。好，这些智能洞察都整合到接下来的广告决策规划中去。
那媒体方面的数据反馈如何？
MIP：好的，为您打开媒体价值分析，这张想象图横轴表现的是媒体获取UV的情况，纵轴表现的是获取UV的成本。
谢鹏：右下角显然这个媒体是最喜欢的，帮我覆盖的UV最多，而且获得UV的成本更低，左上方显然有问题，不仅覆盖量小，单一用户覆盖成本也高。MIP能给我一些媒体组合方面的建议吗？
MIP：好的，为您执行一键智能洞察。
谢鹏：这些洞察建议也整合到接下来投放建议的规划中。那能帮我分析一下转化路径吗？
MIP：好的，为您打开转化路径分析，先建议您看一下转化路径详情。
谢鹏：那说明我们还是要保证一定比例的预算给到非OTV的媒体投放，这些洞察很好，这些洞察交还到外部代理商的合作伙伴和我们的领导，作为我们的经验沉淀下来。接下来按照MIP提供的优化建议，我们做广告投放吧。
三天后，我们再来看看广告投放的数据。结果很好，第四天、第五天、第六天，在过去三天里面我们整个营销的表现、新车上市的营销表现是进一步提升的，非常好。所以我觉得在今天开场的时候，人工智能对我们企业的决策从未来已来，到现在已经实实在在发生了，我现在真真正正感受到了MIP对我们决策的辅助功能，当然所有决策都是我做的，只是MIP给了我很好的帮助，接下来10年我不担心我会丢掉工作，但是我可以更好地使用和利用类似品友互动MIP的人工智能工具，来帮助我打败那些没有使用到这些人工智能工具的竞争对手吗，谢谢MIP，谢谢品友互动。
主持人：通过这个Demo大家可能感受到了数据在整个企业决策中扮演的重要作用，数据就是人工智能、商业决策的血液。在整个数据链条中电商的数据是很重要的一环，所以今天我们也利用品友互动人工智能大会这个会场的时机，我们也宣布一个好的消息。就是在近日，品友互动和京东我们达成了一项战略合作，给广大广告主带来什么好处？我们可以把京东平台上的电商数据可以拼到整个广告主营销数据的闭环中间，所以今天我们将非常有幸地来见证品友互动和京东的战略合作协议的签署。
接下来品友互动数据产品和商业化事业部的副总裁曹玉骥先生，还有京东云事业部生态业务万象部总经理杜宇甫先生来签署战略合作协议。
（签署战略合作协议）
建立一个开放的数据生态系统对于驱动人工智能的营销决策是非常重要的，我想二位是不是推举一下，谁来就双方的合作阐述一下背后的背景和期望？
曹玉骥：那我就抛砖引玉，今天其实非常荣幸地可以和京东达成战略合作，包括我们也可以算成京东生态的一分子，同时京东也是作为品友生态非常深入的一个合作伙伴。其实我们今天做的这件事情，在整个互联网圈里应该是一个里程碑的事情，那它意味着其实我们每一个互联网企业都在以开放的心态，来看待数据打通这件事情。我们和京东也磋商了很多轮，包括数据的合规性，包括各种技术问题，非常幸运的是我们最后达成了这个合作，对每个品牌客户来讲意义是非常深远的。原来我们投放品牌广告评估它的效果很单一，通过营销闭环之后，再加上品友的MIP系统，其实我们背后打造的是整个营销决策的一个闭环，那我们能够去了解到什么样的投放对最后的商业结果产生什么样的影响，能够更好地来去分配预算，谢谢大家！
主持人：谢谢曹玉骥、杜宇甫总。我跟大家透露一下，其实已经有一些广告主开始尝鲜使用品友MIP和京东数据的战略合作了，现在京东在忙相关6&18的大促，预告一下我们在6月底整个京东和品友我们还会有一个更大、更正式的，那时候还带着客户案例的关于双方战略合作的一个宣布仪式。
所以数据和技术在营销决策中间的运用，刚才大家已经看了一个Demo，而且又看到了新的推动的力量，就是电商数据我们拼在了整个数据营销闭环中间的一部分。接下来我们再请一位来自于广告主，一线营销者的认识和分析，来看看AI是怎么来驱动全链路营销的，下面有请LG电子营销成长部的部长傅昊先生，来给我们作精彩的演讲。
傅昊：大家好，很荣幸受到邀请来跟大家分享一下在甲方做大数据和智能营销方面的一些感受，如果大家有什么异议和问题可以随时提，我尽量简短。
其实这句话不是我说的，说建立这么一套好的思维方式是最重要的事情，我这里变成什么？说企业的核心资产，特别是我们做营销的，说这个思路是最重要的。具体来看，分这么几项。我把它所谓的人、道、术、器，按照中国的思维理论前面加了一个人，因为没有人，后面这些东西都谈不上。对于人来讲，刚才在圆桌讨论环节，无论是黄晓南总还是各位嘉宾都提出来了人难找，为什么难找或者尴尬？我们先从最左边看，营销的话，其实你会看到有商业还有人文，还有科技是合在一起的。你说科技在哪？在工业时代，电视和Video就是科技，这个大家可以不用质疑。到了现在所谓的移动互联网时代，还有大数据和人工智能时代，我们怎么看？怎么去选择这个人？是什么交集？这是作为甲方、乙方、第三方要考虑的事情。我们要进一步看，要进行营销，还需要数学以及IT方面相应的知识，只有这三者的融合才是我们理想做AI营销的人才。在企业内部来讲，从最高一层CMO、CGO等等这些层面来说，我们怎么统筹这些事情？如果我们的思路不在这个层面，你怎么验证这个人是你需要的交叉性人才，这是一个挑战。接下来在执行层面，我们也聊过好多现在大的企业把IT部门也捆绑进来，说在CES上你帮我去看看哪些营销技术能够为我们所用，这是一个融合的趋势。再有就是更靠谱的说我们的合作伙伴、我们的第三方。
那好了人是这样，接下来是在道的层面，说这个太虚了，其实在年少轻狂的时代，我也不在乎这个。说沟通是什么？张嘴就能说话，甲方、乙方都有辛酸，说沟通太难了。在AI大数据营销创新的领域里面，我们的沟通什么样思维层面的认知才能让我们结出一些有效的，短时间内的一些硕果来，这是我个人的心得体验跟大家分享一下。最传统的从这个认知里面最左边的上下结构，我们的第三方跟乙方、跟甲方，甲方说什么，我就Follow什么，这里面很麻烦的甲方的思维瓶颈或者思维高度很有可能限制了第三方甚至合作公司的程度，其实这从甲方来说要深刻地认知到，说我不能去限制我们的合作伙伴。怎么不能变成编制？就变成了中间的这个沟通方式，平等，那遇到创新的东西平等够不够？还不够，要变成什么？在创新的模式上要先干吗？我们要先把方法论统一掉，先把创意执行、销售执行的基本层面统一掉，举个例子生个小孩要十个月，甲方不能提出七个月就要结果，这个不合理、不合适，也长不出好东西来。
接下来在术的层面，举一个小的例子，因为这简直是再没有技术含量。计算一个所谓微信、微博、INS的ROI，基本上我们都是在这一层加法的层面上徘徊，当然我们做商业的都知道徘徊是有一定道理的，但是我们想进一步的做加权就好了。其实所谓的点赞和回复，但是回复里面有粗略的，因为有好有坏的，但是权重上可以调整。即使是这样的思维，我们有没有去执行，这是我们甲方自己要想到的问题。
再讲到一个更具体的，器的层面，一讲到AI，大家的思维一下就到这个层面了，不会讲到刚才的人、道的层面，不会太想到。当然这三个不是我的成果，其余的都是。简单看一下现在AI究竟到了哪一步？是所谓风来了或者风去了吗？这个引用的是5月份咱们的谭铁牛（音）院士，在做人工智能报告的时候，他讲到在理论层面上第三次技术大咖们在技术底层上做出的贡献，这是我们的客观认知。瓶颈，我们以为是人工智能，但是人工智能究竟是什么标准，这都可以探讨。但是几个瓶颈，举一个例子，数据的瓶颈是最好的理解，但是数据的瓶颈怎么突破？一种是我们要积累，还有一种是算法上要做增强，这里面行业里也在做很多工作。包括其他的困境也不多说，因为时间有限，技术层面可能大家不是太感冒。但是我们在认知上，一定要有这个基本层面的认知。
到了最那面一幅图可能大家最熟悉，至少我们应对上会应对到国内最中间那一层，2010年的谷歌、百度、Facebook、微信等等这些。到了AI层面，可能现在大家不太熟悉，比如最那边那个框，中间那个词，我估计70%的人可能不熟悉，但是谢总等等做技术的同事非常熟悉，它已经下探到我们所熟悉的搜索框后面更深层次的东西上面了，在这里做智能的判断以及推荐，目前这是实际的东西，不是虚的东西，这是一个基本的概念。
到更底层，说你这到底是什么，摸不摸得着，看不看得见，其实大家现在手里都有，其实这个模型就是一个智能手机的模型。但是我把它从营销的思维上解构出来跟大家分享一下，因为其实每个层面都可以去提升用户体验，都可以为营销创新，为甲方提供一个更好的向上的成长空间。这里面因为今天我们最主要的是讨论的人工智能的东西，前面都不介绍，最上面是我们的上帝，我们的用户。从用户的用户体验上来讲，是通过触摸、感知接触到屏幕，接触到屏幕以后是我们的软件APP，APP之后是所谓的构架，是买苹果还是买安卓，是一个软件构架。再进来是硬件，传感器储存了好多创意，这些甲方肯定都知道。再往下就是所谓云、AI和大数据的层面了，甚至有的厂家简称叫ABC，A就是AI，B就是大数据，C就是云。最下面的层面就是接近马斯洛的需求层面，5G、电池等等。通过这个数字营销金字塔模型可以清楚地认知到，比如我们今天跟品友合作，我们谈的是哪个层面的创新，哪个层面的营销的突破，在我们的认知中一定要有这样一个清楚的认知。
进入到总结环节，第一篇我们越来越满足点对点的需求了，刚才我也看了谢总的演示，创意就是在这个，用大家都耳熟能详的一句话叫千人千面，技术上我们现在正在逐步越来越普及和实现它，其实这个东西也不是新的，因为你查一下的使命，就是为人们方便地找到信息而做出贡献。这里面有一个概念上的提法叫大家都熟悉BI，我们用的最多的BI就是CRM，其实CRM从80年代、70年代就有了，这里面我觉得我们有必要提到CI，更进一步围绕消费者的，我们都是消费者，能从手机里拿出来的数据都是消费者的数据，它怎么帮我们做，当然刚才这里面演示了不多说了，当然这里面也有错误，之后可能要更新一下。
第二个，大家都在喊媒体说去中心化，在我的理解里面跟大家分享的是两层含义，一层是所谓看CCTV的少了，就是媒介的中心分散了，大家都在看微博、微信，这是一层去中心化含义，是狭义的。广义的是媒体不是中心了，我们有没有更广的探讨，究竟什么会是中心？其实这个问题跟刚才的那一张谭铁牛院士分享的那一张，在2000年之前是以谷歌这种我们能看见界面的这种在咱们的认知里面是媒体的媒体形式，产生了谷歌的好多广告、百度的好多广告，现在不在这个表层，在更深层次里它是什么？答案我思考数据是未来的中心化，不容质疑，只不过是总结了一下。
第二个跟大家出一个小题目，大家听说过目前线下的数据也很火了，这里有一个小问题，Face Hacking来的数据怎么和线上线下数据打通？因为只有和线上线下数据打通，才能更好地和消费者互动，这怎么实现？其实就是数据打通环节的一个问题。在这里面主要是有一点思考和答案，举一个例子，我个人是在用百度云的，我是有帐号的，里面有存我照片的，理论上应该存自己照片是最多的，虽然我是个男士。最近我看到百度云总提醒我，说你有一个什么私人的，你要不要OK一下，其实我知道，只要我OK了，它就开始识别我是谁了，然后跟我的帐号关联起来。这样就把所谓人脸识别的数据跟MA号的数据打通了，至少两年前我的预想目前已经开始实现了。所以作为甲方来说创新的话，我为什么举这么一个小例子，因为道理通了以后你会发现创意是无穷的，我们跟各方的合作都会更迅速、更好玩、更有趣，谁领导谁说不清。
接下来我们会关心一个东西，在这么一个科技发展的时代，以至于很多时候码农这个词不再是一个很简单的词，我相信以后码农就等于贵族，这是我的判断，拭目以待。就好像现在已经不觉得屌丝这个词词性上很难看，这里面总结一下我们应用了好多年的营销链路，比如说2005年电通更新的消费者，中间加了一个Secrh，后来有了谷歌和百度。现在好多企业创业一两年，百度上一分钱都没有投，大家觉得谷歌神奇，看到这个产品就爱上了，它怎么在变化？这里大胆地预言一下，现在在移动和大数据时代更讲究所谓的缘分，它的营销链路和消费者的感受链路被缩短了，我一看Iphone就喜欢，喜欢就买，买完就跟别人炫，其实就是所谓的LAW，所以就会变成这么样一种传播。
但是现实里面不要做，什么意思？咱们反思一下都知道，现在Video的广告你投不投，可能只是占很小一部分。但是杂志很尴尬，这几个营销链路依然会存在，所以明天百度股票应该不会跌，同时我们做创新企业的营销链路要朝着LAW去，这个东西不是营销的人员我们没有饭碗，而是营销前置到前置到产品开发去。就我知道联想前期是根据消费者的需求开发产品，以至于出现了统帅的产品，可以定制化，定制化这个东西可以批量定制，不能完全的P2P。再有一个在这种情况下消费者的这种认知，原来的思维是我先告诉你是什么，怎么样，什么原因。现在锤子是这么玩的，先告诉你为什么，怎么样，然后再告诉你这是什么，在玩这一套东西，这个大家都有感受到。
接下来这块有点撞衫，刚才谢总提到一个系统，我认为这里面这个时代来讲，教科书里学的是工业时代的理论叫IMC的整合营销传播，那时候是电视和Video大行其道的时代。这个时候应该有一个对应的理论出来，我把这个理论命名为III，整合信息的互动，传播只是单向的，互动才真正说明了我们跟消费者是双向的，我们先问你想要什么产品，然后我们给你开发什么产品。
最后就是CRM的理论其实是要更新的，从20&80绝对不是它的错误，而是它在局部范围内依然好用，重度用户依然是我们最重要的用户，但是从数据为中心的这个思维上来看，它应该被广泛的定义下来。其实现在大家都知道行业里最火的一个词叫智能营销，就是把DMP和CRM的东西打通，来实现一个没有界限的融合，已经开始了。
总结下来，无非就是这五条，从大众的沟通到点对点的沟通，不是金融跟私汇。第二个媒体的去中心化，到数据的中心化。第三点AISAS这种消费者行为的长链路传播，接下来LAW的短链路传播，相互融合的时代。对甲方来说如果属于长链路，想办法继续朝着长链路走，兼容短链路走。还有一条从工业时代的IMC到大数据时代的III传播理论。最后一个应用上，我们CRM其实品友也正在做一件事，虽然我们不直接说CRM怎么样，其实就是这个意思。
最后这也是我个人的一个口号，咱们得一起共创所谓大的范围叫人文、科技和商业的这种美，演讲到此结束，谢谢大家！
主持人：谢谢傅昊的精彩演讲，演讲虽然很短但是框架很完整，从趋势到手段应用都讲到了，我想这来源于你多年在一线营销体系工作的沉淀。非常感谢到现在为止整个会场还坐无虚席，我不知道前面听了这么多有企业家，有科学家，有一线营销专业人士分享之后大家的心情是变的更激动了，还是变的更焦虑了，说人工智能怎么做营销决策？好，没有关系，我们今天整个峰会的最后一个精彩的环节，就是我们再请上更多的营销专业人士来为大家再来诠释，说怎么在AI时代我们来缓解CMO的决策焦虑，这个环节我有请这个环节的嘉宾玛氏集团亚太区数字化业务与AI创新高级总监彭雅瑞女士，优信集团品牌总监陈良智先生，纷析数据创始人兼CEO、互联网数据官创始人宋星先生，银泰西有CEO汤楠女士，品友互动CTO欧阳辰先生，有请这个环节的主持人品友互动效果营销事业部副总裁赵晨。
赵晨：谢谢大家，我先稍微开一个头，今天这个环节我相信大家比较期待，因为今天我们整个大会说了很多人工智能技术、算法、数据，请了这么多非常牛逼的人去讲这件事情。当然我觉得大家都比较期待的是那到底人工智能怎么能帮我落地，对一个广告主、品牌来说，到底怎么能提升我的效果，所以我觉得今天我们很荣幸能请这么多嘉宾过来分享一下，AI到底怎么能帮你们去落地效率这件事。
所以开始每个人做一个简单的介绍。
彭雅瑞：大家好，我叫彭雅瑞，我来自玛氏中国，我和我的团队负责玛氏亚太区整个数字化应用，主要负责其中数据和技术的部分，同时在今年年初玛氏开启了以中国为核心的AI这个部分的创新，希望中国成为玛氏龙头的市场，驱动美国在AI方面的论坛，这也是我今天为什么来到这里参加这个论坛，也想吸收更多信息，为AI做好中国的AI，从而为玛氏做好全球的AI。
陈良智：很荣幸受到品友的邀请参与这次的讨论，我是优信集团品牌总监陈良智，我们目前主要做的是二手车电商平台在中国的营销推广工作，大家都知道我们平台本身属于一个新兴的业务生态和领域，也涌现出很多新晋的玩家参与到这场营销和市场划分的战役中来，优信在这其中做到了很多品牌侧和效果侧的营销举措，也遇到了相应的发展过程中的瓶颈和困扰，正好借助AI这个课题我们也开展了和品友全链路的一些营销打通的合作，也看到了一些改善、优化和可提升的方向，所以我觉得AI对于我们来说，不是一个很宏观的大课题，对于我们现阶段其实是有很实际的，能够解决我们降低成本和提高效率的一个新的解决方案的方向，谢谢！
宋星：大家好，特别感谢品友邀请我来参加这个环节，我是宋星，来自纷析数据，纷析数据也是品友的战略合作伙伴，我们主要做的工作是为企业提供数字化转型和数据化转型的咨询和顾问的服务，最核心的我们其实还是利用数据能够驱动更好的互联网营销和运营的效果，这是我们做的事情，我自己是在利用数据驱动整个互联网营销这块也做的时间比较长，超过十年了，也很期待跟朋友们多交流，谢谢大家。
欧阳辰：大家好我叫欧阳辰，在品友负责技术工作，品友在去年也是确定了我们用大数据和技术、人工智能为企业赋能这样一个定位，我自己也是在这方面非常有热情把这个事情做好，今天也很高兴跟大家一块聊聊这个话题。刚刚看到一些MIP产品也是我最近在聚焦的东西，大家有什么好的建议，欢迎大家跟我多多交流和沟通，谢谢大家！
汤楠：大家好我是汤楠，我是来自西有全球，我们的生意模式是从欧洲以及全世界去拿品牌的商品，拿到中国来做线上线下分销，因为我们自己经营的品牌很多都是老牌的奢侈品，比如GUCCI这些，也有很多新兴的没有进入中国的设计师品牌，我们在线上有分销渠道，线下全国各地有门店。刚才所分享到的很多是车、标准化的标品，作为我们做这些做时尚产品，或者老牌的欧洲设计师品牌或者奢侈品，其实在整个AI的大潮之下也有很多需求，前两天和传统奢侈品的一个中国区总裁在聊天，甚至这些很传统的都在考虑现在我们没有进店客人的数据，好像现在看下来未来的门店效率一定都没有线上的效率高，所以也很开心能够参加这样一个会议，一起来跟大家探讨在我们这样的结构之下，有哪些AI的东西其实可以帮助我们提升商品效率，能够更好地去跟客户做接触，谢谢！
赵晨：我觉得能看到我们的环节很有代表性，从一个广告主品牌来说，又有快消、二手车电商，同时也有零售，宋星我觉得大家可能很多人都认识，国外国内所有的产品、DMP、MIP、AI你大概都Push，所以也是在我们行业里面比较有名的人，加上我们自己的CTO。
开始第一个问题，我问彭雅瑞总，因为玛氏多个品牌，你要影响怎么去用人工智能，不止是线上还有线下，从你的自己体验，AI在多个品牌打通或者线上线下打通带来什么？
彭雅瑞：首先我简单介绍一下，玛氏在中国大概有两个主要品类，一个是零食，比如说巧克力、口香糖和这一类的糖果类，给大家带来欢笑、带来正能量的这一个品类。大家不会在饿着肚子的时候想吃巧克力，更多时候是想送礼物的时候会想到，很多时候不是在线上直观找到的品类。另外一个品类是宠物食品，在我们眼里看来就像婴儿食品一样，宠物主人特别是把宠物当成自己家庭成员一部分的宠物主人，他非常在乎我一定要在固定的时间给我其中的家庭成员最好的食品和服务，所以这两个品类在整个数字化的过程中会遇到非常不一样的挑战和机会，这也是我们去看品牌品类的数据，会放在不同的角度去看我们是不是要打通它？还是说找到一些相关的场景，在这个场景里面很多品牌都有相似的故事做打通。对于我们来说利用AI，不是想着怎么打通数据，更多是利用AI找到新的或者更多的和消费者有交集互动的这些场景，基于这些场景去看这些数据怎么样可以指导我们找到新的消费者需求，在这上面有新的产品或者服务做创新。然后怎么样再回到这个场景，找到更多的消费者，可能有类似需求的，它不仅会指导我们产品的创新、服务的创新，也会指导我们新的通路的建设。所以我们所有利用AI的场景，都是基于产品和服务创新的这一条链路来做的，所以我们不存在为了针对品牌的数据，可能不同品牌有非常多的数据，要先机械地放在一起打通这件事情，这不在我们的工作里面。
赵晨：那有没有具体比较有意思的发现？
彭雅瑞：比如说我们去看巧克力这个品类，通常之前巧克力在情人节、春节才出现，意味着这么大的巧克力市场，一年有一半时间大家都不会想到巧克力。我们在想巧克力会和什么新的场景相关，我们利用大数据做语义分析，看谈到巧克力的人在谈什么，购买过巧克力这个品类的人，同时购买了什么其他品类，他的着装风格是什么样，是动漫族还是科技一族。在这个基础上我们发现有一个非常年轻的消费群体一直在吃巧克力，不是为了送礼，也不是为了春节的时候作为春节的糖，是在考试之前去解压的，所以是一个非常年轻的十几岁的消费群体，在这个基础上我们发现这是一个新的场景，我们可以去挖掘，我们从2016年开始初步尝试也许考试解压这是消费者内心里面有的一个潜在场景，我们要好好地去挖掘它，我们就利用这个点重新创造了巧克力的产品序列和细分场景，所以大家可以看到每年高考之前或者大学主要考试之前，我们会有很多巧克力品牌非常活跃地在和大家做互动，而且我们实际收到的效果也是意外之喜，会看到这个阶段的升量和传播的内容，可以帮助我们催发出下一个场景应该怎么做这样一个课题？所以我们从原来淡旺季的巧克力产品现在变成了每个月都是旺季。
赵晨：第二个问题问一下陈总，我觉得您这边的角度还算是比较特殊，因为二手车这个行业还算是一个比较新的行业，同时你们现在竞争的环节也非常激烈，所以你可不可以从这个角度说一下，你这边的压力比较大，你希望AI能给你带来什么？
陈良智：首先说作为我们这个品类很多人把我们当成汽车，其实我们和汽车的品类还不是非常相关，因为整个二手车电商平台的这些玩家更多服务于B2C或者C2C电商平台搭建的服务模式，在这种服务模式下所对应的消费标的物，二手车这个标的物本身是一个很重决策、低品类的品类。我举一个简单的例子，2017年整个中国二手车交易量大概1200多万辆，我每次在做市场品牌传播过程中，每一次、每个月传播曝光量级至少也是在5&10亿，也就是说我们有大量曝光没有办法转化成最终成交，是因为整个市场容量和消费的需求还没有被完全激活，在当下来说很难看到实时的收效，这是我们这个品类所面临的困境。为什么还要做持续曝光，持续影响我们的消费者群体，持续发现我们的用户在哪里，是为了持续地去跟踪，找到他购买的可能性，和他周围亲朋的可能性，和他未来换车相应需求的产生。在这个需求产生的时候，能把我们作为他头脑份额那个小抽屉里的备选项拉出来，才能最终转化成认可你的产品和服务，最终转化我们的用户，这个流程非常长。
AI可以帮我们发现用户，因为我们品牌长期曝光积累了大量数据，也积累了当时对于我们广告曝光初步的反馈动作和行为，但是我们面临这样一个困境，他没有办法转化为我们的用户，我们如何实时跟踪和影响，如何找到他当下在对我们品牌的状态，是对我们品牌已经认可了，还是说已经有了一定偏好度，还是说偏好度也有了，只是在我们平台服务或者价格决策上没有办法把关，基于这一点我们每一次沟通需要有不同的语言、沟通方式、不同的沟通渠道和出现的时机，去跟他做进一步的影响，才有机会尽可能加深他在整个销售漏斗下一步转化的行为。所以说AI对于我们来说，是一个更长远的用户发掘和用户维系、持续影响的这么一个工具也好，或者说是解决方案也好。
目前我们也在做这样的尝试，也在这样的尝试过程中发现了很多我们原来品牌传播、效果传播中相对割裂，又完全没有打通问题的可优化的节点。我觉得品友目前所提出的解决方案，我们也在做测试，还没有最终的结论，但是我们是希望这一缕曙光能够把我们在整个用户传播效率上有很大的改善和提升，这是目前的状况。
赵晨：两位说的比较类似的是首先找对人，找对人不一定是AI带来的价值，但是找对人在对的场景里面很重要。我问汤总，我觉得西有全球还算是比较有意思的地方是说您大部分希望影响的是线下，所以您这边也分享一下从您这边的经验来说，你是怎么利用AI的？
汤楠：因为我们自己现在商业模型更像是蘑菇形状的，未来我们更想变成八爪鱼状态。比如打开一个手机淘宝，里面搜索西有全球好店，是直接进入我们的页面的，这里面已经包含了几十个奢侈品牌，里面有上千款商品，每年销售额，在线上每家店交易额应该是几个亿的规模，所以线上已经做到了线上的千人千面，这部分已经可以有数据的应用，其实它的数据并没有能够跟线下的数据产生联动，这是一方面我们现在面临到的难题。前面也通过一些工具去尝试性的把一些对于线下点位的人群进行归类，我们通过一周的测试发现比传统店铺店员统计的人数要百位于传统店铺的数据抓取，这同时是通过一}