276      机器人

论坛三：人工智能带来科技金融的未来

2017年9月29日，融资中国2017（第四届）金融科技创新峰会在上海静安四季酒店隆重举行，此次会议由融资中国主办、融中集团协办，深圳市互联网金融协会作为支持单位。

在互联网金融行业同时迎来强力监管和发展瓶颈之时，“金融科技”在年内迅速崛起，作为金融行业的新热点，“金融科技”强调通过云计算、大数据、移动互联、区块链、人工智能和机器学习等技术手段在金融业务中的运用，改善并革新原有金融业务体系中最为基础的要素。这种变化源于整个行业从野蛮扩张转向脚踏实地的发展思路转变；中国经济长期处于投资拉动型的增长模式，与之匹配的金融体系专注于大企业融资服务，普惠金融业务的长期缺位，这使得大众客户和小微企业在支付、理财、融资、征信等方面都存在巨大的蓝海。然而另一方面，频发的风险事件也表明，仅仅靠模式创新的互联网金融还无力支撑起信用中介与资本中介的重任，这时技术的保驾护航就显得尤为关键。

那么，基于科技化和互联网化的金融如何走向大众？对于金融领域将产生哪些影响？如何做到金融和科技的深度融合，科技金融中的各个领域如何在产业链中产生作用？这些问题在峰会的讨论中逐一得到了解答。

到底人工智能可以给客户提供怎样的资产管理呢？人工智能又能够如何改变金融的触达方式和商业逻辑呢？本场论坛探讨的主题是——人工智能带来科技金融的未来。

本场讨论的嘉宾是：华威国际投资集团合伙人桑琳、可可资本创始人 魏锋、麦腾创投创始合伙人俞江虹、达晨创投合伙人迮钧权、景智融科CEO 张雨萌，领庆创投总裁陈波主持。

以下为论坛实录：

以下为嘉宾发言实录：

陈波：大家下午好！今天金融科技领域从早上到下午，大家也听了很多新的东西和观点，今天这次会议主要是在人工智能对金融科技当中的应用，包括智能投顾领域当中，我想先花一点时间，每家机构把自己个人的背景包括公司关注的方向节大家做一个介绍。

桑琳：大家好，我是来自华威国际的桑琳。我们是一家典型的美元基金，从1998年成立至今，专注于大中华区对于A轮和B轮早期投资，比较聚焦的典型美元基金，管理13亿美金的规模。从2005年进入中国大陆市场开展大中华区投资以来，我们的投资领域基本上是三大主轴。第一大主轴是1998年至今一直在投的先进科技早期投半导体科技比较多，现在也包括新材料和通讯等。第二个大类是大健康，这也是从进入中国大陆之后开始逐渐树立起来的，第三个板块是消费相关产业升级板块，既包括B2C也包括B2B。消费金融相关的就是在这个板块里面，所以这是我们基本上这三个大的板块里面聚焦A轮早期投资。我自己负责中国大陆的业务。

魏锋：大家下午好！我是来自可可资本的魏锋。我们把产业互联网和智能化作为主要投资方向，产业互联网当中云计算、大数据、金融科技是我们重要的投资领域，我个人从2009年开始金融IT、金融数据方面投资了一些企业，近两年特别是区块链、数字货币出现让金融科技领域里面的投资机会剧增，从我们角度来看特别看好，而且愿意在这个行业里面持续下去，今天很高兴跟大家一起探讨一下这个领域的投资机会，谢谢。

迮钧权：各位朋友下午好！我是达晨的迮钧权。达晨是人民币资金，未来国内资本我们是可以选择的对象。达晨成立时间比较早，目前应该有17年历史，投了400多家公司，IPO80家左右，其中70%-80%是跟TMT相关的。达晨比较大涉及比较多，是全行业全阶段，我这边因为过去是产业出身以前做研发的，学计算机，做投资也是新兵时间不长，主要是看云计算、大数据、信息安全、人工智能、区块链、物联网技术领域，金融科技领域也是重点关注的方向。前阶段投资金融科技领域里面，达晨布局泛金融科技应该有20家左右，今年也是向大家多学习，我就介绍这么多，谢谢。

俞江虹：大家下午好！我是俞江虹，是麦腾的创始合伙人。我们主要做两块业务：一块是孵化空间。我们在上海有六七万平方空间里面孵化了500多家企业，这些小企业加在一起市值150亿左右，这是一块。另外是创投这块，早期投资领域一个是AR、高端制造、智能制造这块已经很多年了，现在正好AI也是一个风口也是赶上了，这个领域里面我们做垂直领域孵化，产业精准孵化，有一个智慧制造园区在金桥那边。另一块我们做了大消费和文创部分，未来我们会一起分享最早受人工智能影响冲击的实际上是创业内容类的企业，原创应该是比较好的对冲一部分。我本人也是天使投资人，早期投了一些项目也是从业者，麦腾在2015年、2016年还是有一些小的成就，2015年新三板TOP5投资这家机构，2016年是清科早期投资TOP30，我自己是EF进投中了天使投资人投30，很高兴跟大家一起分享一下AI和机器人领域新的现象。谢谢。

张雨萌：大家下午好！非常感谢主委会邀请。我们是初创机构的智能投顾企业，主要服务国内金融机构，保险公司、基金公司和年轻理事会帮他提供系统化的资产解决方案。简单的讲我们初期做了两个产品，一个是全球的基金数据库，不光是国内的包括国外的所有二级市场的，试图在解决两边双向机构信息不对称的问题，还有就是做资产配置平台。我个人来讲以前在平安资产负责平安资产的资产配置，之前在一家咨询公司负责他们在中国地区的投资咨询，之前也是一个投资经理的背景，一直在境外资管做投资经理，谢谢大家。

陈波：大家好，我是领庆投资集团的陈波。我们公司是2007年成立到现在主要关注在新材料、智能装备、通讯与信息技术这三个大的领域。在主线上主要是围绕军工和大数据，这是我们两个大的主线。本人因为是学自动化的，所以我主要是在装备领域相对看的多一点。人工智能这块尤其是在金融科技应用当中也是跟大家一样，今天也是过来一起探讨一下，看看有什么好的机会。在座有专门从事金融科技投资，达晨还有团队在看金融科技，也有从金融行业出来创业在做资管类产品的服务工作，我非常想听听各位投资专家以及张总，想了解一下我们在智能投顾的投资逻辑是什么，平台上关注什么样的投资机会，这些机会可以给在座的什么样的启发？

迮钧权：泛金融科技领域投资公司都是比较多的，我刚才听的时间不长，但是看到有一个画面就是上面有互联网金融，这个其实也是金融科技的前身，现在因为科技发展水平不仅是互联网，云计算、大数据、区块链、人工智能等等驱动了金融的快速发展，不仅仅是金融，各行各业对科技加，这个是非常快。

金融科技我们看还是两端：一端是用户端，获取客户成本是不是足够低、效率是不是足够高，流量的优势在哪，是不是能有效转换。还有一端是资金端，是不是有优质的资产，你的资金成本是不是足够低；

金融科技从分类我们也看到有两类：一类是消费金融，还有一类是供应链金融；其他有些周边做产业和金融结合，还有一些是科技公司服务于金融行业这么几类公司，尤其就我个人在投的案例里面科技类公司服务于金融行业的居多，达晨在这领域投的相当多，做了反欺诈的、征信的、自动化运维的、大数据服务的，在这块做的非常多，我们不同阶段标准不一样。早期的时候我们还是看。金融模块非常多，我们看的还是不一样的，我们看到很多消费金融很有意思，互联网背景的人出来干消费金融会发展很快，但是风控能力可能弱一点，但是互联网的快是大量用户获取成本很低、转换率非常快，他们是希望有更多的好人把坏人覆盖掉。但是金融从业背景的人来看，消费金融风控很强但是流量获取成本很高，宁愿错杀一个好人也不放过一个坏人，所以还是不同的基因创业还是不一样，我们看运行逻辑还是不一样，到底是偏金融。实际上我认为其实科技类公司对于传统金融冲击是非常大的，开始可能是服务于金融，但未来很可能自己会干，有些看上去跟金融行业都不相干的， 特别做产业互联网的，一下子很自然就进入到金融，不管是供应链金融还是消费金融，一下子干的非常大，我大概看应该是这样，我就说这些。

魏锋：说到这里我有一个心路历程，我们公司以前投过万德信息，前段时间大家知道特别流行互联网金融，我看了几百个项目不太敢投，胆子比较小，2016年年初到美国去，我就在想互联网金融，到美国参加创业大赛提到了Fintech，当时我第一次看Fintech，这就是我想要的东西，为什么这么说呢？Fintech是tech for fin。我觉得算法能力让计算能力大幅提升，这样让整个的效率特别是跟用户接触的效率提升了。第二点来讲，是数据积累和算法改进让投资决策更加精准，最终也是提高了效果，这两点来看机会还是很多。我们看金融，金融到底是什么？垂直用户说金融是价值，跨时间、跨空间转移，从业者来看一端接触就是资产，资产对应的是分解，另外一端是资金就是信用，中间就是数据也好、信息也好、今天也好叫BOK这样形成了一个决策。在这三大块里面每一块里面都可能产生金融科技的巨头公司，这是我的一点分享。

俞江虹：我觉得刚才分享的非常好，在分享之前我觉得高总刚才仔细听了讲的非常好、非常全面，讲到关于Fintech科技创新里面很多方方面面都看不到。我在这里面想实际上讲创新，其实金融领域的创新是最滞后的，除了信息化提高了其他没什么太多的变化，包括投资，30年前、40年前投资和我们现在做的差不多。除了现在Excel表用的比较好一点，Word更溜一点，其实没什么创新。在这里面我觉得金融本质刚才也提到了，我理解金融本质是两条：一是杠杆，二是风控；杠杆提的是效率问题，所以在Fintech里面提高的是效率，这是非常好的东西，我本身也是理工男，清华自动化系的。我们讲本质，金融创新里面目前在我们国家里面有两点。刚问了主持人下面是什么人？大部分是创业金融领域的人，另一部分是做投资的，两边的人都要知道数据获取合法性在哪里。我们做人工智能分析数据从哪里来，合法性边界在哪里，否则你做完了最后数据拿来不合法，前功尽弃。这是第一点要注意的。第二点是，政策的动态变化可能会带来一定风险，刚才讲到SDU比特币在国内很多造币价格在波动，波动跟着政策在波动，所以这里面，我觉得金融创新领域里面把握政策很重要，否则的话其他都解决，这个问题没解决的话，公司的价值、创业的价值你会分享可能会受到影响，这是真的，我觉得这是关键的地方。

桑琳：很感谢刚才几位分享，我也讲讲我的想法。我们回顾这几年投过的案子在今年突然一个一个领域的案子都跟AI有关，我们就只好自己偷着捂着嘴笑。我觉得是否AI这件事只是其中的一个部分，从科技金融这两个关键词来看事实上这件事情一直在发生，无非就是有科技的力量改变包括金融在内的行业，所有的传统行业都在唯科技力量改变。我们讲供给侧改革，我就说人类历史上什么时候停止过供给侧改革的脚步？所谓的科技改变金融其实是一直在发生的，比如说效率这件事情，当初从人工交易员升级到电子化交易系统这就是科技对金融的改造。我们以前只能去柜台做传统的银行业务，现在可以网络做这就是改造，手机APP端可以做这就是改造，但只是说我们没有这么爆发性的把所有科技元素无论是大数据也好、人工智能也好，把它跟金融变革这么紧密的联合起来，因为爆发性的变化才让人们聚焦过来说这件事情是在科技金融发生，Fintech在改变这个世界，以我看来在现在我们所提到的关键词里面，除了区块链技术是完全有别于传统的金融技术的，其他的都是用技术改造原来金融中的某个环节，比如说今天这个命题AI改造的是什么呢？AI改造的是多个在金融链条中的功能面，比如说审核、信用评估、风控模型改造、催收策略改变，这些都是原来信贷业务或者原来无论是消费信贷还是供应链金融里面的一个环节，不是从系统结构上改变，而区块链是从结构上改变，内核就不一样了。

回过头来讲，这样的改变在以往人类历史上都在发生。刚才麦腾说的很好，就是几十年来大家做投资，跟当年VC在美国出现的时候大家做投资，好像没有什么差别，才会出现巴非特这么多年就是一招鲜吃遍天，就看基本面、就是用常识做投资。今天我们可以看到是因为数据量放大，或者因为人们更进一步解决信息部对称带来信用不确定性，所以创造出了很多方法和新的技术来实现功能，这个背景下，科技远远超过了人脑或者受限于人脑可开发程度的功能。

但是这里我想提醒大家一点，我们不能泛人工智能化，我们很多工作是被自动化替代掉，自动化替代的是重复劳动不需要做决策，只是把重复劳动替代掉了。可是人工智能的价值，是在于之所以比自动化要搞一个层级，是因为它可以做出新的决策，我觉得这是本质上的差异，所以才会有对于数据量的要求，才会有对于模型的要求、才会对于机器学习、自学习的要求提出很高的需求。在这个过程中，我们才会看到包括智能投顾在内可以解决传统哪怕自动化了、哪怕用了量化投资工具、哪怕开发了很多着作权软件都没有办法解决的，这不是分类贴标签而是对于每一个人的行为，对他的行为数据在全社会数据里面的关联性做出个性化模型。如果说还没有走到智能决策这一层最多叫做自动化，还不能叫做人工智能。

张雨萌：我首先完全谈不上从创业的角度跟大家分享思考，因为其实我是从今年年初才出来做景智融科企业，之前十几年一直在做投资，我从金融这方面跟大家分享一些思考。首先智能投顾这个词，我刚刚离职创业的时候，朋友说你非常后知后觉，就是你怎么现在才创业，创业这个风都要过去了，问我创业做什么？我说做智能投顾，但做智能投顾投资人比较反感，你千万不要跟他说是智能投顾。所以，现在投资人管我们叫智能解决方案，不叫智能投顾。国内其实没有那么多复杂的税收治理让你做理财规划方面，这个其实我个人觉得是智能投顾产生价值中很重要的一点，还有就是国内资本市场其实也没有太多的被动工具，或者交易成本很贵。但是我觉得相对乐观的像智能投顾或者人工智能的两个逻辑，一个是从上至下、一个是从下至上的话，国内确实是一个散户式的，而且相对来讲我觉得是有可能产生量化选股公司，找一些非线性相关的逻辑去分析。从上至下的话机构市场还是蛮大的，简单的逻辑我觉得国内还是一个大量资产往金融市场搬家，国内专业能力还是集中在大的机构上面，其实有一些线上属性可以做到把服务在线下通过SaaS的服务平台化实现的。简单分享到这，谢谢大家。

陈波：刚才几位嘉宾也从各自的工作当中给大家做了一些分享，有从大数据挖掘、算法、消费金融、资金成本等等，包括从怎么样给机构提供服务做了一些分享，这也是一些投资机会。我顺着张总的话，创业算不算晚，我有一个观点。金融科技领域当中，实际上最早做投资的很多都是外资机构在做第一轮，现在看是不是人民币在做外资机构接棒，还是外资关注的领域当中再来寻找一些创新机会？我想问一下桑总，作为外资机构来讲怎么样领先内资机构，在座有做早期孵化和早期投资的几位投资人和创业的，我们也想就这个观点，大家下一步关于人民币机构或者内资机构，能不能走的比外资机构更靠前一点。

桑琳：坦白讲，我并不觉得美元基金还是人民币基金在这件事上有多大差异，只是说在投资领域，实际上国内投资体系比国外的体系更加复杂。在国内今天为什么大家觉得老百姓钱多？就是没有出路，没什么地方可以投，可是在国外面对全球市场哪怕是一个人的资产，也需要咨询投顾人员说我的钱应该怎么分配，有少放在债券、有多少放在货币基金等等，他可选择的余地大，甚至是能源类的产品可以做投资，当然也会担心叙利亚打仗会不会受影响等等。从这个角度上来讲，国外的投资人面临投资的选择比较大，数据量也更大，如果说从科技金融或者Fintech所处理的问题来看，恰恰处理的就是大数据量复杂环境多种决策下面怎么优化决策提升效率，从这个意义上来讲，在美国先出现这件事是天经地义的事情，这无关技术能力中国人足够聪明、技术能力足够强，技术永远都是服务于目的的工具。

回过头来讲，很多时候在Fintech发展领域里面其实中国都是在向国外经验学习，刚才说智能投顾，在外国创业者看来这不是2015年、2016年的事情了吗？所以很多美元基金都是在2015年、2016年硅谷在扫这样的公司，甚至是还没有出来创业AI的人做这个事情，2015年、2016年是一个高峰。中国最热的是互联网金融是P2P，他要解决的是另外一个层面的问题，是中国金融行业遇到的传统金融，在面向小额高频信用借无抵押贷款的问题无法解决的机会面前，用互联网的形式解决了，无论是P2P也好，还是面向供应链的金融解决方案也好，其实是在解决传统金融机构高成本低效率所没有办法覆盖的市场。今天我们看金融监管仍然是这样，号称做P2P线下开网点、做30万以上贷款不让你干的是这些，可是小额的消费金融比如说贷800元、2000元，包括说大学生借1000元，银行是做不了很难做，你说不用互联网金融方式、不用大数据方式提升效率来做，怎么做呢？市场又明显有这个需求在，整个网贷市场动不动三四百亿的交易额，说明这个需求是存在的。所以在2015年、2014年中国所谓科技金融或者互联网金融解决的市场问题，和美国科技金融解决的完全不是一个问题，只不过2016年年底的时候发现Fintech这个词是可以共用的，所以这个时候大家才同时开启讨论。

中国有一个特点是人特别多，所以交易数据量都特别大。2017年在AI概念下，全行业无论是金融还是非金融行业都在提AI这个概念，突然骄傲发现在AI所面对的科技金融领域，中国终于跟美国可以站在同一条起跑线上了，为什么？因为我们数据量足够大，我们不需要等到投资组合足够复杂、投资机会足够多的时候再来干这件事情，所以我觉得这是最有趣的事情。如果从这里往后讲，在解决金融产业链环节中无论是识别也好、审核也好，用AI技术提升效率、提升准确率，减少错误或者说防范风险从这个意义上来讲，中国也好、美国也好，人民币基金面对的创业者也好、美元基金面对的创业者文化都是在同一条起跑线上，甚至我们数据累计速度比他们快好几个量级。如果说你是用智能换的方式形成决策而不是提升效率，可能美国创业性公司的实践经验以及客户可以给他们的机会是完全不一样的，所以面向未来来看，无论是中国基金还是美国基金，都会把目标更加聚焦在AI技术对于各个环节效率准确提升上，对于智能投顾这一块美元基金更多还是在看在美国已经有经验的那些项目。

俞江虹：我补充一下，刚才桑总讲的非常好，美元基金和人民币。实际上每个市场的发展跟市场的需求刚需有关系，我个人感觉美元和人民币中国创投或者投资领域20年历史，前10年基本上是美元基金，后面10年基本上是人民币在引领风骚。现在你看国家多厉害，到处都引导资金，现在外资进来反倒不是优势，有些领域也不太好投，对于资本来源要进行考虑，上市怎么上、军工怎么弄，从这个角度看，我个人感觉未来在人工智能领域可能还是比较快，尤其在判断领域信用等级上，过去靠人来分析根本不靠谱靠关系，可能都不可观，现在大数据来分析可能更靠谱，决策领域你讲的非常好，中国不差人，领导都爱发发言、都爱在决策里面显示权威性，所以在决策领域里面AR中国可能不会比美国走的快，你讲的非常正确，结论是正确的，原因是需求没那么大，最后决策还是领导拍板。早期决策说机器判断还是不太靠谱，还是需要人来判断这个人是否真靠谱，机器不一定能完全分析出来，所以从这个决策领域必须是不一定会像美国走的那么前面。

陈波：刚才俞总也讲了，从自动化和决策领域当中，决策认为在中国未来还是有一个过程，这个我也觉得比较高兴，因为学自动化的总算以后自动化还可以做点事，因为决策还是需要我们做。但是从后面一个观点来讲，我想最后一个问题，就是我们做智能投顾也好、人工智能也好，实际上在金融科技领域产生了很多影响，因为我们有做创投的、机构客户服务的，这个会不会取代我们自身的决策，甚至其他的岗位。前两天微信上也看到炒股票炒不过机器人，还有人做尝试说用智能公司模型选一些早期投资，在座投资专家分享一下你们的想法，你们怎么看？我们有没有一天会被取代掉？

魏锋：我觉得趋势在那摆着，债券投资再过3-5年100%都是机器人完成了，二级市场投资被取代比例也是很大，一级市场我觉得比较幸运，短时间内看不到一级市场被取代的趋势。

为什么这么说呢？在理性方面计算机一定会比人强这是毫无疑问，计算机的决策不带有任何感情色彩。我们在一级市场投资当中经常讲投资就是投人，对人的判断来讲，这里面至少在我们有生之年还看不到能够完全看到人的特征、过去使用记录，知道这个人适不适合创业、值不值得相信，这点还是比较有信心的，这是我们做创投的幸运之处。

最近有家长问说我们孩子要到国外学习学什么专业比较好？我有的时候开玩笑讲一定要注意人工智能发展对未来孩子就业影响，基础的法律工作我觉得以后不要碰了，因为计算机处理会越来越强，除非你做大律师搞政治、搞人际关系这个更强一点。投资、债券、二级市场、量化投资等等被替代可能性还是非常大的。

张雨萌：我也经常会被问到小孩去国外，因为我本人是精算师，但是我坦率的说算考的比较早的国内的精算师、英国的精算师，但是没怎么真正做过纯精算工作。但是国内也有家长孩子考虑读精算，我觉得也是现在忽悠报道说国内金领中的金领年薪几百万，但是我觉得精算这个行业其实就很能说明问题，未来大数据保险对精算传统的行业需求越来越小，但是你说他是不是能够完全替代精算师也不是，除了精算有一些监管赋予精算师职责以外包括做互联网，如果真的有一天一个机器能把一个人不管是出险概率、死亡概率算的很准确，就是未来保费是一百万概率是0.77，所以现在收你77万的保费还叫保险吗？其实不叫保险了，追到根上失去保险最初的意义所在了。不是说算的越准越好，我觉得保险行业还是比较能说明问题，就是确实能够帮助你更有效的运作资金端和资产端，但是是帮助你，并不是说做到极致，那就淡化行业的意义了。

桑琳：我也经常被问到这个问题，自己的孩子考虑将来方向意向的问题。我觉得这个事情看怎么看，因为人类不停的在进步，从科技替代人类劳动角度来讲人类也面对好几轮了，不是第一天面对科技金融会考虑这个问题，为什么大家会紧张？我觉得差异是在于最早机器替代人替代的都不是做高智商工作而是劳动力，最早就是汽车替代了马车，那个时候很多人说马车都失业这些人都没有工作了，可是你知道这些人干什么工作了吗？他们去修路去了，想明白了吗？他们只是从一个工作的岗位搬到另外一个工作岗位，他们的类别还是不需有很多高知识领域复杂劳动，还是做简单劳动的。但是现在大家就会觉得有压力，那些金融行业做高智商的人都被替代了，还有什么岗位可以给他用？我觉得真正压力来自于这个，就是到底科技金融里面被替代的人长什么样，其实被AI替代工作很多在别的行业上没有那么大焦虑，我们投过一个做翻译的现在随便讲都是AI，很简单，传统的翻译给他一个东西一个星期后拿过来一看翻的狗屎，再加一倍价钱给另外一家，所有翻过的东西在系统里面看一下30%不用翻剩下70%是新的，这种效率提升对于低档次的翻译人才来讲真的是负面性打击，这些人根本不需要存在，只需要有稍微好一点的。机器还能把国外所有媒体上公开文章全部扒出来97%都用的是这种翻译表达方式，然后小翻译翻的只有3%的人用多半是不对的换掉了，可想而知这种替代是不可逆转的。

在这个过程中会发现一个非常重要的特征，就是AI所能替代的都是从公开信息中可以得到已知数据的，从这里我回应一下刚才说的，为什么债券类工作分析判断的人容易被替代，因为他做的全部都是不确定性、较低的已知公开数据下做决策，那为什么一级市场的工作不太容易被替代？是因为我们大部分的决策都是来自于不公开的，我们要通过尽调跑三个月刚刚完成的项目调尽两个星期42场访谈，你算一下这个压力都要面对面沟通，我们都是在未公开信息里面挖掘和解决信息不对称形成判断依据，这让AI怎么做呢？这个机器人是不会跑到全国出差做这件事情的，所以这是最基本的第一件事情，能够被AI取代的工作，你工作中的信息来源如果全部都是公开信息，绝对会被替代掉，不用等了，赶紧换一个方向。第二个，如果你做的是重复性劳动，就算你再聪明你想一个再奇妙的招数，因为你做的是重复性劳动还是会被替代掉，因为大数据可以通过APP上的行为、通过物联网和车辆各个数据汇总过来以后，把你根本想象不到有关联的数据都关联起来了，这就是为什么讲人工智能的时候讲的不再是相关性，无关的东西也能给你算出来，算法跟你大学时候学高数的算法不一样了。从这个意义上来讲，如果你只做简单劳动、决策逻辑是非常局限的，基本上你是容易被取代的。

第三件事情，你是只跟数字打交道还是一定要跟人打交道，什么意思呢？刚才讲投顾做两件事情，一件事情是跟客户讲了解客户你的需求是什么，第二件事情是，拿出你手上所有的选择告诉你哪个最明智。第二件事情机器完全可以做，第一件事情做不了，放一个冷冰冰机器人跟客户聊天，去问你家几口人？我觉得至少在我有生之年是没有办法， 能够解决掉这种人的温情眼神，和肢体语言是不可替代的。比如说，我们在教育领域投AI，昨天还有一个做教育机器人的跟我聊，我就问他一件事情，我说你认为放一个机器人跟他像母语一样聊天就能学母语了吗？可是你知道我跟一个还不会说话的小孩说英语，是因为有肢体语言，如果你把他变成一个瞎子残疾人只有声音你能教会吗？不可能，这是因为人的交互行为产生不可替代性，从这三个方面来看一下你的行业、工作或者将来的人生取向可以简单的做出判断。

俞江虹：我总结起来看是这样，一个是靠感性和理性。机器人是泛概念，可以通过影片替代当然可以叫，语音识别科大讯飞都有了，语义比较难但是语音识别解决了，知道你发音准不准告诉你，这都不是关键，我们判断的时候要从更基层的角度来看这个问题，实际上偏理性的一定可以被替代、偏感性比较难，我们做投资的时候，艺术和科学做决策，偏艺术类的决策也比较难被替代，凡是用科学手段基本上是程序化的东西，我想早晚会被替代，时间问题。对人的判断和肢体语言等等机器也会看，但是相对脸是在变，综合技术运算下很难长期不会。还有究竟未来人有没有用，这是哲学问题了，人的很多功能会变化，人的职责会变化，我们现在认知能力有限，其实造水、造桌子或者话筒不会有人做了，都是机器帮你做出来，现在已经有人在做了，无人工厂也有，立体仓库都有，现在智能仓库都能解决所有设计好的东西。但是我觉得人没想到的功能会发挥出来，尤其创造性的东西，所以不用担心会被机器人完全替代。

陈波：谢谢各位嘉宾，我从桑总这边得到一个信息，鼓励大家往更高端的决策方向努力，千万不要做一天一天重复的事，但是我觉得很多你要学会做决策，还是基于你日常的认知过程当中才能慢慢的成长起来，尤其是像我们做投资的更多需要长期经验积累，所以再次感谢各位嘉宾，谢谢大家。

（本刊记者整理，未经客户审阅）

最后更新：2017-10-08 08:57:50

  上一篇： 专访IROS 17大会主席张宏：机器人已到突破的拐点

  下一篇： 拿了诺贝尔奖的引力波，人工智能分分钟找出它的“事业线”