郑卫锋：我觉得这波人工智能的浪，实际上就跟今天是个公司都说我做 机器人 ，实际上不管是 工业机器人 、无人机或者是其他的东西，无外乎是原来的自动化装置而已。但是很多人会小瞧自动化装置的同时，它恰恰正在利用后面的计算能力，从弱人工智能向强人工智能，再强超人工智能的方向演进。跟无人驾驶汽车热了两年，大家都觉得它牛了或者觉得这两年AI牛了或者觉得增强现实牛了，真正的核心其实还是要解决用户的痛点，一点一点的演进，我不认为无人驾驶时代来临了，至少还得十年以上。但是智能驾驶时代渐渐来临，它可以单点解决问题。比如说我给有怎么给，让它带上 传感器 以后也撞不到前面的车。但是整个行业的成熟还需要很久，是不是一定到2045起点来临了。
陈宽：刚才几位嘉宾把我想说的点都说了，人工只能是非常大的领域，我简单说一下我对深度学习这块的理解。可以说有几个比较大的壁垒，主要有四个，也可以说是四个比较大的技术突破点。第一，模型上的突破。对于做深度学习人工智能的团队来说，第一个挑战就是我们能不能在模型突破上持续的保证最先进的模型知识和储备，这是很关键的突破点。第二，数据。基本上一个好的训练数据可以改变整个行业本身。第三，我们有没有一个足够的执行能力，能够把数据以及模型全部结合在一起，真正做出来产品。第四，产品是不是真的符合市场的需求，现在很多时候，大家会觉得深度学习做出来很酷的东西，它就OK了，实际上它不符合市场的话，最终是没成功的。所以我们一定要寻找到非常确定的应用场景，而这个应用场景必须满足即使现在深度学习的模型可以被应用上。其次我们可以获得足够的训练数据，缺任何一点，它都是不可行的。
徐俊峰：首先我们是深耕在汽车领域，其次我们不是做深度学习或者是机器学习的公司。同样，我个人对人工智能的判断也是，我不知道2045年或者是2085年这个节点会不会来临。阿尔法狗围棋战胜人类，并不代表机器人真的就跟人一样聪明。围棋是一个非常不考虑硬件已经发展到现在，CPU这么快了，英特尔已经做到14纳米工艺，将来会做到12纳米、9纳米，围棋本身是相对比较容易数据化，相对容易提供数据的特殊场景。所以说如果你把一个摄象头拿到街上去，随便拍街景，拍各种各样随机的生活场景，机器视觉很难把随机零散的数据转化为他可以学习的材料。所以说我对人工智能觉得，它在垂直领域是很乐观的，它将来会有很多的应用，很快，真正科幻片里面的人工智能，我个人觉得不一定那么快。
回过头来讲讲汽车领域，无人驾驶汽车现在非常热，智能汽车也非常热。国内的谷歌在做，国内也有人做无人驾驶汽车，但我个人感觉，考虑到产业化，考虑到政策，考虑到方方面面的因素，无人驾驶汽车并不会那么快，十年也许更久，
刘彤：人工智能如何应用，刚才李总说在垂直行业应用。我想讲一下我的理解，其实我认为机器人在拓展，大家现在为什么对人工智能这么感兴趣，比如说刚开始我们是PC机，这是数据或者是终端，是人在用。手机是移动的，以后我们的互联网+的不仅仅是人，可能有数据和机器，我在微软做了八年。包括大数据、数据怎么储存、怎么清洗，我认为将来的发展要用机器来解决，是不需要人的。对于垂直，对于个人用户机器人怎么用。06年诺贝尔物理学奖教授说，二三十年内人类所从事99%的工作都将被机器人替代。其实现在视觉对于人眼感情细节的捕捉已经远远超过人眼了。
祝晓成：谢谢刘总，其实通过咱们几位各自不同的背景和不同的表达，其实我们已经看到人工智能化并不是平地起高楼，是各个学科跨学科综合性的可以发展正常的历程，不管是什么定律都不可以一蹴而就。现在我们看到很多不可能的事情逐步变成现实，而且是快速的变成现实，所以智能化的浪潮相信会很快改变我们的生活。今天我们时间关系，所有最后请每一位嘉宾用一句话来说一下对所谓智能化浪潮的判断或者是观点或者是期许都可以。
程宇：人工智能在垂直领域应用是正当其时。无论怎么样，我们还是要找到用户价值和商业价值的完美结合，找到大数据的泉眼，而且尽量能够形成有一个闭环反馈。机器学习跟专家系统并不是泾渭分明的，好的团队一定要结合这两个，专家团队帮边界划定清楚。同样一艘火箭，但是现在发动机变成了深度学习，燃料变成了大数据，会焕发一个完全不一样新的东西出来。
郑卫锋：我觉得从做企业的角度来讲，要做很精心的长期的战略布局，要非常的落地找到用户的痛点，用后面布局的不管是人工智能或者是机器人的技术解决痛点，不解决痛点你活不到那一天，再布局也没有价值。
陈宽：我个人认为人工智能重点是人和智能互相促进、互相帮助。
徐俊峰：我的观点是人工智能的基点也许很远，但是人工智能在各个方面的应用会非常快，但是具体的产业化需要踏踏实实花很多的精力、很多的时间去做。
李文飚：我很期望中国能够在人工智能应用的领域，能够出现像大疆这种级别的公司。
刘彤：我认为人工智能对人类的改变将是巨大的，如果量化的话，互联网到现在能改变1%的话，将来99%的改变将由人工智能完成。
