科技猎商汤联合创始人杨帆：AI创造闭环价值比炫技更重要
“创造闭环价值比炫技更重要”。在近期接受《深网》独家专访时，商汤科技联合创始人杨帆这样总结他在过去几年推动商汤各产业线落地过程中的思考。
“有好的技术固然重要，但最重要的还是技术能够创造什么样的价值。当你抱持着一颗去服务客户或者用户的心，这个可能比你看中拥有什么更重要。特别是对技术创业而言，很多技术者对这个的感受不够真切，但确确实实地创造了闭环价值，会比炫技更加重要。” 杨帆说。
作为这家国内估值最高的AI独角兽的联合创始人，杨帆经历了商汤业务从0到1的阶段，而在这个过程中，杨帆一直以来的核心工作始终是把商汤的技术产品化、产业化。
近几年，AI行业的一个显著变化在于，无论资本还是创业公司，都从单纯关注技术本身转变为更加关注AI的商业化落地， 2018年也被认为是AI与产业结合元年。尽管AI企业谈落地的话题越来越多，但是AI的商业化落地却面临一些现实的困难，总体情况仍是雷声大雨点小。
在杨帆看来，外界对AI这样的技术进入各个行业的预期有所偏差是非常正常的，因为任何一项技术进入一个产业时，都需要经历很多步骤。“首先在有一些基础技术的前提下，还要看到产业的需求，要能够理解这样的需求。而且在对这种需求给出解决方案和解法的时候，需要把对行业的理解和对技术的理解融合起来，要通过一些试点，不断地试错、迭代，再去做一些规模化。它其实是需要一段时间的过程。” 杨帆解释到。
杨帆同时介绍，商汤的产业落地一直都在发生，而且在人脸识别、自动驾驶、医疗和教育等诸多领域多点开花。
商汤一直以来都强调自身“1（基础研究）+1（产品及解决方案）+X（行业）”的平台化战略，并提出了利用AI赋能百业的目标。然而，在利用AI赋能行业之前，一个首先需要明确的问题是，这个行业是否具有应用AI的潜力和可能性。
对此，杨帆认为，对于AI赋能者（企业）来说，可以通过不同维度和关键信息进行识别：首先需要判断当前这个行业是否具有足够清晰的、真实的刚性需求；其次，当有了刚性需求后，还需要具备相应的技术判断能力；同时，也需要拥有综合的技术能力，因为任意单一场景都需要靠多重技术融合来解决；此外，在业务发展过程中，还需要考虑如何持续进行数据的沉淀和累积；最后，杨帆认为AI企业商业模式的设计也极为重要。
以下是《深网》整理的专访实录精华：
杨帆：从2014年加入到现在，我自己在商汤做了各种角色不同的工作，一直以来都没有脱离过一个核心任务，那就是当我们有了一些特别优秀的技术之后，怎么样把这些技术做产品化，然后做产业化，真正地把这个价值闭环打通。
过去几年，我经历了商汤最早业务的从0到1，包括我们第一条产品线——身份验证，以及我们在C端最大、市场占有率最高的一块业务——AR，以及后来一些包括智慧城市的转型和产品线整体的规模化发展上。
基本上，我过去的经历就是商汤各个产业线的落地。商汤一直以来也强调是“1（基础研究）+1（产品及解决方案）+X（行业）”的平台化战略，我更加看中的是沉淀的平台化能力，利用商汤的平台化能力去跟行业内的企业合作，创造出一些新的价值点。
公司在持续发展过程中，越来越深刻地意识到，AI毕竟只是一个技术，技术要想形成产业化的闭环，其实需要跟产业有更深层次的紧密结合，共同的前行才能创造出更大的价值。为了应对发展的规模化，今年我们专门成立了一个新的团队——战略协同部。它做的事情非常有意思，对内，我们会看各个产业之间怎么样形成更好的联动效应，包括商汤和一些商汤的投资企业之间，怎么样形成更好的协同效应，寻找一些化学反应；对外，我们也希望商汤平台赋能到更多的行业，给更多的产业提供支撑，因此我们也在尝试围绕着商汤自身的发展以及整个AI平台，去建设和壮大我们的产业生态。今年我自己花了很多精力在这一块：包括产业之间怎么样寻找更大的机会点，以及商汤跟商汤的生态之间怎么样去创造更大的价值。
杨帆：故事有很多，因为我们是技术团队起家，所以对于产业、对于更好地服务客户，这些认知其实是伴随着我们的发展一步一步更加深刻地感受到的。我拿AR举例，其实这个特别有意思。
当年我们最开始打算去做AR这件事的时候，我个人其实是反对的。我当时认为，作为一个创业企业更应该思考的是差异化优势以及核心竞争力是什么。我说商汤的核心竞争力是做技术，是用一些新的技术能力带来一些新的价值。我们那会儿做AR，是想做一些美颜、贴纸，去做一些娱乐化的应用效果，我就觉得跟别家专门做娱乐的公司相比，我们并不懂怎么去化妆，也不知道女生怎么美颜。咱们一帮科学家可能很懂这个技术，例如眉毛的精确位置、鼻子的精确位置，但是我们不懂这个妆怎么化更漂亮。
所以那会儿我就觉得做这件事情，某种意义上是抛弃了我们的技术优势，也没有最大化体现出我们的核心差异化竞争力。如果做这件事情可能会有很大的挑战，这是我最开始的判断。后来我就被事实打脸了，我们后来在这个行业其实还做得蛮好，而且直到今天在整个产业中，我们占了亚太地区80%的市场份额。
所以我觉得这里很有意思，中间收获了几点。包括后来我做智慧城市，一个感受非常深刻的是，有好的技术固然重要，但最重要的还是技术能够创造什么样的价值。当你抱持着一颗去服务客户或者用户的心，这个可能比你看中拥有什么更重要。特别是对技术创业而言，很多技术者对这个的感受不够真切，但确确实实地创造了闭环价值，会比炫技更加重要。
这是商汤到今天之所以能发展还不错的原因，也是我们整个团队一步一步达成的一个很深的认知。这是我从这里收获的第一点。
第二点很有意思的是，做创新这件事情，不要给自己预设边界。边界这种东西是蹚出来的，有一句很经典的话，说战略不是定出来的，战略是打出来的。我觉得跟它类似的是，当你去谈创新的时候，我觉得边界是摸出来的，边界也不是定出来的。
我们现在回过头来看，去做一个行业、了解一个特定行业的用户价值需求点的时候，在这个过程中需要结合我们的优势，做不断的探索、尝试。一边思考，一边摸索，最后会发现有些事情可能并不是我们所擅长的，我们应该跟合作伙伴一起来做。但是有些事情虽然一开始自己不擅长，但是别人也不擅长，最后可能还是自己来做更合适，因为只有自己做才能够把更好的价值提供给用户。我可以举一个智慧城市相关业务的案例。
商汤最开始去做智慧城市的时候，最初的想法就是做核心的分析引擎，而不去做应用。因为作为一个技术厂商，我们一开始觉得智慧城市领域中的集成商会比我们更懂甲方的诉求。因此我们认为自己应该只提供技术能力，让集成商来做应用和业务流。但是在具体的业务实践中，我们发现了很有意思的现象，当我们的分析引擎把原来很多人工的工作自动化之后，传统的工作业务流程发生了一些根本性的变化，工作所需要的时间被大大缩短。比如回溯30分钟的视频以找到一个特定的人，人工做这件事可能要调100个人去看两天，但今天用AI自动化系统可能一分钟甚至几秒钟就找到了。
在传统业务结合新技术，带来了一些新的价值点之后，业务流所发生的再创造的过程，技术提供商——商汤可能更懂。因此在这个过程中，需要我们商汤与集成商一起去介入，与客户一同探索、摸索，以定义出新的业务。在新业务定义出来之后，我们发现仍然可以和集成商一起在规模化和定制化需求上创造新价值。因为当我们把新技术做规模化复制的时候，会遇到全国各地甲方的一些定制化诉求，而集成商恰恰更了解这一点，比如在应用这个环节，我们会做一个基础层，我们把应用中的一些环节抽象成一个标准化的接口，然后把定制化的部分给到集成商，大家一起合作来做。这个就完全颠覆了我们一开始只能做分析引擎的设想。这就回到我刚刚说的，创新的边界其实不是自己给自己预设的，而是探索出来的。。
探索的原则是什么？是认知。我们对于在做的事以及我们的技术有很好的认知，我们很努力。但是最重要的还是在于这一切是不是为你的客户，能不能创造一个新的价值。
说实话，这几年这几个点对我的感触很深，在不同的行业线上都能够感受到。
杨帆：这事我的理解是这样的，2016年阿尔法狗就是在培养社会对于AI的基础理解和认知。但阿尔法狗之后，随便揪个人再问他什么是AI，大部分人其实还是懵的。首先教育公众的基础认知可能就花了一年时间。第二年的时候，大家有了一些基础认知的时候，大家试图去理解这个技术到底有多厉害。
到了2018年，大家就会说技术厉害也喊了两年了，我们想看看结果。2018年，经过两年的发酵，整个社会对于AI的落地预期到了一个集中期望看到结果的时间点，我觉得也不排除2016年、2017年整个资本市场比较火热，在这上面有一些推波助澜的效应，这是一个自然发展的过程。
但是坦白讲，大众对一个技术去进入产业，特别是AI这种平台化技术去逐步进入很多产业，预期有所偏差是非常正常的一件事情。因为我们真正去做技术产业化的人就会知道，任何一个技术进入一个产业的时候，都是需要经历很多步骤的。首先在有一些基础技术的前提下，还要看到产业的需求，要能够理解这样的需求。而且在对这种需求给出解决方案和解法的时候，需要把对行业的理解和对技术的理解融合起来，要通过一些试点，不断地试错、迭代，再去做一些规模化。它其实是需要一段时间的过程。
然而，AI又有一个特别强的特点——AI可以跟不同的产业结合。商汤即便讲赋能百业，我们也不是说在2016年就可以为一百个行业去做赋能了，因为在不同的时间点，不同产业的不同场景下，各个行业的需求是不同的。伴随着技术的进步，当前的技术会到一个合适的时间点去解决一个特定场景中的特定问题，去创造一些新的价值。
这样一些针对不同场景的问题解决，实际上是伴随着技术发展去持续实现的。这样讲可能比较抽象，我举一个例子。
我们做了一个很典型的应用叫人脸识别。人脸识别，我觉得每一年我们都在用人脸识别解决不同场景中的不同问题。2014年、2015年的时候，我们在解决身份核验的问题，比如说用户今天拿手机去注册一个APP，我怎么知道是用户本人真的在注册？我怎么知道不是别人盗用信息来注册一个APP？
最早，我们用人脸识别去做一个身份验证；到了2016年，人脸识别可以去做一个小企业（比如说一个500人以下的中小企业）的一个门禁、考勤；到了2017年，通过人脸识别可以去做手机解锁，可以确保周围的人都不能把你的手机解开。到了2018年，人脸识别可以对一个几万人的园区、超大型的企业做门禁、考勤。
你会发现，同样都是人脸识别的技术，核心技术是同一个技术。但是，伴随着技术的发展，在不同的时间点，对于不同的产业、不同的场景，它都能够百分之七八十地去解决那个当下的需求。
这种时候，其实就是一个比较合适的对技术进行产业化的一个时间点，一个落地的时间点。它会有一些迭代，会有一些研发，会有一些产品出来，会有一些规模化。所以首先在任何一个单一行业上，AI去做产业化落地都是需要周期的。第二，如果你泛泛地去看AI改变产业这件事情，那就是不同的产业会有不同的时间点。有的可能已经到了时间点，有的可能还远一点。
再举一个例子，比如说自动驾驶，或者我们讲智能出行这件事情。目前社会趋向于共识整个L4级别以上的自动驾驶我们还需要等待一段时间，当然了不会在今年、明年这么快的发生。过去可能会有一部分人的预测会偏乐观。
但是我们反过来看，商汤现在做的很多的产品，比如说智能车舱，是做车内驾驶员的安全辅助系统：这个人是不是疲劳驾驶，他开车是不是不专心，他是不是在打电话？如果是一些这样的技术，我们今天其实已经完全可以量产了，商汤“智能车舱”产品已与全球大部分主流车厂建立了合作关系。我们会在他们现在正在研发并且生产的下一代量产车上，把所有这样的技术规模化去上线。
所以说，AI对于不同的行业、不同的场景，是在不停地持续地改变。只不过有的点大，有的点小。结合到大众的认知，可能有些大众会觉得这个东西无所不能。因为当一开始解决围棋这件非常难的事的时候，大家会觉得AI再做其他的事情应该很简单。所以当它经过2016-2018两年时间的孵化之后，大家就会认为AI今天是不是能够完全改变我们生活中的每个方面了。
我觉得这个是一些认知上的偏差。围棋从某种意义上是一个很难的事情，因为它是人类一个极其复杂的脑力活动。但是从某种意义上，它是一个非常简单的事情。因为它就是两个人陷在一个19×19格的棋盘空间中，有明确的规则，明确的胜负标准，明确的边界限制的一件特定的事情。
但是今天AI去尝试解决的问题，其实已经远远突破了这个边界。比如说今天我们做一些新的视频或者节目制作的时候，会有一个挑战。现在这种新时代互联网节目的制作和剪辑周期越来越短。当媒体制作机构在制作一些新的节目时，它可能面临着节目制作好了，但是招商还没完成的问题。
一直到片子上线，招商可能都是在很靠后的时间才能完成。我们今天可以用一些AI的技术，把一些品牌的广告通过AI的方式植入到一段视频里去。这样的话，媒体制作机构可以在很早的时候，先制作它的核心内容，后面的广告招商以及后期包括自动化的剪辑、自动化的植入可以在后面同步来完成。其实某种程度上，它已经改变了一个产业的运作模式和玩法，至少是改变了一些节奏。所以从这个角度上来说，今天AI我认为已经至少是潜移默化地在很多大众看得到或者了解不是那么多的行业持续不断地产生落地、产生改变。
如果让我去评价到今天以来所看到的整个AI产业，这就是我看到的情况。所以我觉得AI+还是一个在持续快速、多条线发展的生态。
我刚才没有具体说商汤现在做得比较大的两块，一块是教育，一块是医疗。在我们看来都是一些全新的业务，不仅仅是在技术层面，而且在模式上也突破了原来的东西。
我以医疗举例，过去AI企业集中在辅助诊断，例如通过AI算法去做自动化的病理阅片，商汤今天不仅能做辅助诊断，我们还能做辅助治疗。举个例子，我们今天可以把我们的技术和产品介入到骨盆肿瘤的治疗当中，过去很大的一个挑战是，临床医生在整个方案制定过程中，只能看大量的二维影像，无法直观看到骨盆的整个三维结构到底是怎么样。所以过去此类手术，大部分是要靠截肢去进行。但是今天我们能用AI做到三维渲染。这样我们就可以配合3D打印相关技术，在不截肢的情况下，对病人骨盆的肿瘤区域完成一个更好的置换。
首先这个从形态上，突破了传统的二维影像，实现了三维高并发渲染。其次从环节上，它也突破了我们只能在诊断环节去干预，而是介入到了治疗的环节，它其实对产业链有一个更深入的渗透。现在这一案例就已经在上海九院落地。
所以其实在我看来我们的产业化还是在持续深化。再比如说教育，商汤今天其实在教育上尝试做很多东西。坦白地讲，在我看来，我们在教育行业做的一些东西其实是超越了单纯的商业目的的产业范畴了。其实是在给整个AI行业或者AI助力到社会经济的发展上奠定一些更长期的基础，包括一些长期的人才培养，我们出高中的教材、中学的教材，其实是在进行更长期的人才基础性培育，包括我们开始尝试给一些企业进行AI相关的培训。其实是为了在未来技术对产业影响力越来越大，特别是智能化的信息技术对我们各行各业影响力越来越大的时候提前做好大量的、各层次人才基础储备，去支撑我们整个行业产业的转型升级。
如果让我来讲，从2017年、2018年到现在，我觉得我们产业落地的过程是一直在发生的，而且它其实是在多点开花的。
杨帆：广义来讲，我觉得任何一个行业都具备应用AI的潜力和可能性。如果不对时间、空间、场景加以限制的话，这个回答是always yes，任何一个行业，从长期来讲，一定都具备AI的可能性。为什么？AI这个名词很高大上，我把它说得直白一点，它就是信息化中的自动分析这一部分或者说它就是信息化中的分析者。因为我们去做信息化，最核心的目的就是为了分析，这是信息化带来的最大的附加价值所在。
今天其实伴随着整个信息产业过去七十年的发展，我们其实可以看到一个大的趋势，信息化正在逐渐地渗透到我们身边的每一个产业。我相信，最终所有的产业都会完成它的信息化、数字化、智能化，所以这是一个必然的趋势。在每一个产业完成它的智能化的过程中，一定会有AI赋能参与期间。所以，是否所有行业都具备应用AI的潜力和可能性？我认为从广义来讲，答案是always yes。
但是，这里面很有意思的是，在不同的时间点，在一个具体的产业里，如何去看一个公司或者一个业务的商业逻辑？这也就是您提到的第二个问题——我们如何判断一个行业是否具有应用AI的这种潜力和可能性？比如说自动驾驶，它在2018年到2020年商业化是不是一个合适的、可以产业化的点，AI是不是能够对它形成可以商业化的赋能？当你把这些现实条件加上的时候，这个问题是值得我们探讨的。因为我们今天讲的AI赋能是说AI不但要对这个产业赋能，同时还需要形成一个有效的、闭环的商业逻辑，能够给赋能者也带来回报。只有这样，我们认为它才有能够持续做下去的生命力。如果探讨这个问题，我们觉得其实有很多维度或者很多关键信息是需要识别的。
首先是当前在这个产业上是不是有一个足够清晰的、真实的刚性需求。因为很多时候，一些产业连基础的信息化能力都还没准备好，在这种情况下再谈智能化更多是炒作一些概念。它可能不具备一个明确的、刚性的智能化需求。而这个需求是不是应该用视觉解决，还是我们有一些更成熟的方案去搞定它。
第二个，当有了一个刚性需求，其实就需要有一个很强的技术判断能力。作为一个赋能者，需要知道怎样看待这个需求，例如现在市面上有一百个人都能解决它，还是说五年之后可能都没有人能解决它。这个判断如果完全不对的话，假如说这个技术五年之内都完全没有人解决它，你现在去做它，作为一个公司就会把自己做死了。如果市面上一百家公司能解决，你现在跑去做，最后大家就是价格战。
从商业的角度来看，需要有很强的技术判断能力。现在这个需求是一个刚性需求，这个是对业务的理解。解决这个需求所需要的技术，可能现在刚刚成熟，或者半年之后差不多能成熟，这个时间点就是一个非常好的切入点。在这个时间点去投入资源，进行一些研发，解决一些这样的需求，可能半年之后就在市场上很吃得开，能够有一个很好的敲门砖进入这个产业，未来有一个更大的潜在发展机会。
第三，综合的技术能力。今天在做任意一个单一的应用或者场景的时候，其实做到最后总会发现这个问题的解决不是靠单一的技术，而是要靠多重技术融合在一起，共同去解决。我还是举一个刚才举过的例子，我们做身份验证，包括我们后面做手机的解锁，一开始我们觉得这就是一个人脸识别问题，就看是不是你本人，是你就解，不是你就不解。后来我们发现，其实远不止是一个人脸识别的问题，因为除了别人不能解以外，也要保证照片不能解，视频不能解，必须得真人才能解。此外，除了人脸识别要做好，还会出现活体识别这个新问题。
我只举了一个例子，但是这种情况其实是普遍存在的。西方有一个词叫做last mile problem，——最后一公里的问题。其实就是说，当去做落地时的最后那5%问题的时候，可能付出的成本和代价比原来95%的成本和代价还要高。这是我们真正解决实际落地应用问题时很常见的一个情况，所以就很考验技术企业是不是具备这种综合性的问题解决能力。
第四，对于在业务发展过程中，怎么样能够持续进行数据的沉淀和累积。利用大数据的力量去给业务带来更大的价值创造，这是所有的企业都会去思考的问题。而且坦白讲，用AI技术去解决任何一个产品化问题的时候，是否有数据能够促进技术不断迭代，以更好地解决各种corner case，其实也是一个非常重要的条件。
所以是不是能够形成一个有效的数据闭环，能够帮助客户或者赋能企业自身进行有效的数据累积以持续提升技术水平，持续改善用户体验，它可能是一个考量的关键。
最后，我觉得很重要的一点是商业模式的设计。可能有时候大家会觉得AI企业雷声大、雨点小，一方面也是这种原因。AI毕竟提供的是对一个单一场景工具性的能力。
但是从提供一个工具性服务到形成一个可以持续生长，持续获得回报的一个商业模式，这个中间还是有一个很大的gap在。其实不止在AI时代，在过去，在任何一个年代，技术企业都会面临这样的挑战。
即便是互联网，一个做工具的企业想打社交，就比社交企业打工具要难很多。所以我觉得这个其实是对于很多AI或者技术企业蛮挑战的一个问题。技术会是很高的敲门砖，但是它很难成为长期的壁垒或者护城河。在敲开了这道门之后，你通过什么样的商业模式设计，什么样的行业核心价值要素的累积和沉淀，能够建立起长期的壁垒和护城河？这个也是我们在做落地的时候非常有挑战的事情。
而且坦白说，我觉得在很多行业，在某些特定场景下，如果我们特指到一个阶段性的时候，作为技术型企业可能没有办法独立建立起完整的商业逻辑。这也是很多AI企业在快速发展、深入发展的时候会受阻的一个原因。而且当你拥有很薄的技术能力时，有时你的商业闭环是无法独自建立的。
为什么商汤从最开始就愿意跟行业的企业做更深入的合作。通过双方共同的努力，共同地去完成这样一个闭环。利用商汤的技术能力，和行业合作伙伴的产业关键要素占据能力，以及其对产业理解的认知能力，大家一起共建一个更好的商业模式。这个可能会是未来AI越来越多出现的落地道路。
杨帆：商汤跟绝大多数AI企业最本质的差异，就在于商汤是一个平台企业。平台企业不仅仅是在一个行业内去做商业模式设计，而是通过一个平台去做。平台企业先天的定位就是，通过核心技术能力的持续沉淀和持续的生产能力的标准化，在非常多的行业通过把自身能力跟行业的合作伙伴去进行深度融合，共同进行价值创造。
我没有看到过，至少在视觉领域我没有看到过同类型企业。我能够看到几乎所有的AI企业，大家在做的都是如何更深入地进入到一个场景，如何更好地在这个场景中完成一个商业闭环。其实商汤做得更多的是如何在一个场景中找到最合适的合作伙伴，和他一起去完成这样的场景闭环。在这个过程中，商汤可以少一些利益，合作伙伴可以多一些利益，我们共同把这个蛋糕做大，而不是跟别人抢这个蛋糕。
在这个过程中，商汤少收一点，但是对于商汤而言，最有价值的是在这个过程中，我们会沉淀我们的核心能力，不管是平台能力还是算法创造的能力。包括今天我们会把很多算法生产整个过程工序化、流水线化。这样我们再切入一个新行业、新场景的时候，成本就会比别人低，机会成本也会比别人低。
在这种情况下，会有更多人愿意跟我们合作。而我们进入的行业越多，其实对商汤而言反而是最有利的。因为可以把我们核心沉淀的成本摊得更薄。在这个过程中，我们又不断地进入新行业，不断和这个行业的伙伴一起给这个行业带来一些改变。
我们觉得只有这样的模式才能完成我们所说的赋能百业真正的理想和愿景。所以可以很直观的观察到，今天所有的AI企业没有一个像商汤这样可以同时进入十几个行业。
我们是一横加多纵型的企业，就是我们讲的1+1+X，这是商汤典型的打法。其实你去看其他的AI企业很少有人能这么做。因为这个确实需要原始的核心基础能力非常强才可以。如果不够强，平台积淀不够厚，别人是很难去理解这种理念来跟你合作的。这是第一。
第二，平台在建设发挥价值之前的成本是非常高昂的，而且在这个过程中，因为要跟更多的伙伴去合作，实际上在行业中会让掉更多利益，所以平台承担的压力会更大。
在能够形成这种综合的体系化生态效应之前，前期的包括金钱、人才以及一些机会成本、时间成本都非常高昂，对于企业的判断力有很高的要求。所以我觉得某种意义上讲，商汤模式也很难复制。
杨帆：我觉得是这样的两边都会有。因为商汤是一个赋能平台，包括商汤定义自己的生态，商汤会把自己上下游叫做生态，会把赋能平台的对象所处的这个产业（甚至自己不进入，而只做赋能）也叫生态。确实像您讲的，最常见的财务投资，一般企业做战略投资，其实只投上下游，实际上它这个投资是为了让自身产业链上的竞争力更强。
我觉得商汤投资有一点很重要的是去激活更多场景，利用我们的平台赋能能力让更多场景中的一些价值被创造出来。这个过程不可能是靠我们一家企业去完成，有些过程也不一定都适合商汤自己去做完，可能通过各种各样的方式，能够让AI释放强大的技术创造能力，能够在更多场景发挥价值。这个也是我们想要去达到的一个状态。我们现在就在做一些非常有意思的场景，比如我们会做智慧体育分析，可能未来大家踢球或者打个篮球，会有更好的体验。
杨帆： 阿里 集团体系很大，业务很多元。我觉得这里面的核心能力还是不一样的。从商汤来看，我们优势点还是在于综合化技术能力，包括了从感知到识别全面的技术能力，以及各种不同的应用赋能场景，商汤一直以来把自身定义成平台化的赋能公司。在这个过程中，我们也与 阿里 在一些产业与场景上有很多深度的融合和合作。其实在我看来，这也是双方的强强合作。
AD：没有投资人关注？缺少更多资金？“FUS猎云网2019年度教育产业峰会”正式开启融资路演征集活动，为教育领域创业者提供一个脱颖而出的机会。如果您够优秀，那就带着“BP”简历加入这场资本与项目联姻的盛宴吧！详情咨询：13121551981