〖光明日报〗智能时代的三要素——数据、算法和算力
近几年，人工智能技术和应用飞速发展，在我们生活和工作中都得到大量的普及应用，归功于推动人工智能发展的三大要素：数据、算法和算力。
这三个要素缺一不可，相互促进、相互支撑，是智能技术创造价值和取得成功的必备条件。
数据
在人类发明史上，很多发明都是从模仿动物开始的，比如，模仿鸟类来实现人类的飞行梦想。历史上记载有各种关于模仿鸟类飞行的故事，当然，结果是可想而知的，肯定都以失败告终。我们把使用这种方法论的人统称为“飞鸟派”。
早期研究人工智能的基本上都是“飞鸟派”，因为他们认为计算机要获得智能必须模仿人的思维模式。比如说当时的语音识别研究，几乎所有的专家都把精力投入到教会计算机理解人类的语言上，研究也是进展缓慢。
上世纪70年代初，美国康奈尔大学贾里尼克教授在做语音识别研究时另辟蹊径，换了个角度思考问题：他将大量的数据输入计算机里，让计算机进行快速的匹配，通过大数据来提高语音识别率。于是复杂的智能问题转换成了简单的统计问题，处理统计数据正是计算机的强项。
从此，学术界开始意识到，让计算机获得智能的钥匙其实是大数据。
本文作者史爱武博士
数据对于人工智能，就如食材对于美味菜肴，人工智能的智能都蕴含在大数据中。因为人工智能的根基是训练，就如同人类如果要获取一定的技能，必须经过不断地训练才能获得，而且有“熟能生巧、巧能生仙”之说。
人工智能也是如此。只有经过大量的训练，才能总结出规律，应用到新的样本上。如果现实中出现了训练集中从未有过的场景，人工智能则会基本处于瞎猜状态，正确率可想而知。对于人工智能而言，大量的数据太重要了，而且需要覆盖各种可能的场景，这样才能得到一个表现得更智能的模型。
当前的时代，无时无刻不在产生大数据。人手一部的手机、无处不在的摄像头和传感器等设备都在产生和积累着数据，这些数据形式多样化，大部分都是非结构化数据。
这些大数据需要进行大量的预处理过程（特征化、标量化、向量化），处理后的数据才能为人工智能算法所用。
算法
传统的对象识别模式是由研究人员事先将对象抽象成一个模型，再用算法把模型表达出来并输入计算机。这种人工抽象的方法具有非常大的局限性，识别率也很低。
幸运的是，科学家从婴儿身上得到了启发。没有人教过婴儿怎么“看”，都是孩子自己从真实世界自学的。如果把孩子的眼睛当作是一台生物照相机的话，那这台相机平均每200毫秒就拍一张照——这是眼球转动一次的平均时间。到孩子3岁的时候，这台生物相机已经拍摄过上亿张真实世界照片。
这给科学家很好的启发：能不能给计算机看非常非常多猫的图片，让计算机自己抽象出猫的特征，自己去理解什么是猫。
这种方法被称为机器学习。谷歌就采用这种机器学习方法开发出了猫脸识别系统，而且准确度非常高。
机器学习除了在对象识别领域外，在其他领域也得到了广泛使用，并取得了令人刮目相看的诸多成果。在机器学习算法的推动下，搜索引擎、语音识别、自然语言处理、图像识别、推荐系统、专家系统和无人驾驶等领域取得了长足进步，机器智能水平有了极大的提升。
当前，机器学习算法是主流算法，是一类从数据分析中获得规律，并利用规律对未知数据进行预测的算法。机器学习算法主要分为传统的机器学习算法和神经网络算法，神经网络算法快速发展，其中最热门的分支当属深度学习，近年来深度学习的发展达到了高潮。
算法对于人工智能，就是厨师（烹饪的方法）与美味菜肴的关系。算法是实现人工智能的根本途径，是挖掘数据智能的有效方法。
算力
算力也就是计算能力，算力对于人工智能，如同厨房的煤气/电力/柴火对于美味佳肴一样。有了大数据和算法之后，需要进行训练，不断地训练，算力为人工智能提供了基本的计算能力的支撑，本质是一种基础设施的支撑。
AI中有一个术语叫Epoch，一个Epoch就是所有训练样本在神经网络中都进行一次正向传播和一次反向传播，再通俗一点，一个Epoch就是将所有训练样本训练一次的过程。
只把训练集从头到尾训练一遍神经网络是学不好的，而是要将完整的数据集在同样的神经网络中传递多次，把训练集翻过来、调过去训练多少轮。就像和小孩讲一个道理，一遍肯定学不会，必须一遍一遍反复地教，一遍就会那就是神童了。
有了大数据和先进的算法，还得有处理大数据和执行先进算法的计算能力。每个智能系统背后都有一套强大的硬件或者软件计算系统。
超级计算机是一个国家科技发展水平和综合国力的反映。没有超级计算机，天气预报不可能预报15天，中国的大飞机研制不可能进展如此之快。另外，核武器的爆炸模拟、地震预警、抗击新冠肺炎药物研发等领域也离不开超级计算机。
目前世界运算速度排第三位的超级计算机是中国的神威太湖之光，峰值性能达每秒12.5亿亿次，运算速度相当于普通家用电脑的200万倍，神威太湖之光一分钟的运算量需要全球72亿人用计算器不间断运算32年。
人工智能的发展对算力提出了更高的要求。除了训练，人工智能算法实际需要运行在硬件上，也需要推理，这些都需要算力的支撑。然而，能提供超强计算能力的超级计算机，价格也是超级昂贵，不是一般人都能使用得到的。
目前的人工智能算力主要是由专有的AI硬件芯片，以及提供超级计算能力的公有云计算服务来提供。其中GPU领先其他芯片，在人工智能领域中用得最广泛，GPU有更高的并行度、更高的单机计算峰值、更高的计算效率。
一般来说，GPU浮点计算的能力是CPU的10倍左右。另外，深度学习加速框架通过在GPU之上进行优化，再次提升了GPU的计算性能，有利于加速神经网络的计算。
云计算是计算能力的放大器。云计算是一种基于互联网的分布式超级计算模式。在远程的数据中心里，成千上万台服务器等计算设备连接起来组成一个云，协同计算。云中的单个计算机性能可能非常一般，甚至就是普通电脑，但是很多一般加在一起的计算能力却不容小觑。
将GPU和FPGA的计算能力部署在云端对外提供云服务意味着优势的进一步放大。云计算甚至可以让你体验每秒10万亿次的运算速度，计算能力堪比超级计算机。俗话说得好，三个臭皮匠顶个诸葛亮、聚沙成塔、集腋成裘。
当前，随着人工智能算法模型的复杂度和精度愈来愈高，互联网和物联网产生的数据呈几何倍数增长，在数据规模和算法模型的双层叠加下，人工智能对算力的需求越来越大。
毫无疑问，人工智能走向深度学习，计算力已成为评价人工智能研究成本的重要指标。可以说，计算力即是生产力。
从智能时代的三个要素来看，我们也可以进一步解析出云计算、大数据和人工智能之间的关系。为了简化和帮助理解，以炒菜这个应用场景为例来说明它们之间的关系：
大数据相当于炒菜需要的食材，也就是生产原料。云计算等算力就相当于炒菜需要的煤气/电力/柴火，人工智能算法就相当于烹饪的方法，算法和算力也就是产生动力的生产引擎。有了生产原料和生产引擎，就可以在不同的应用场景下生产出我们所需要的不同东西。
2006年Hinton教授等人提出了深度学习算法,实现了人工智能算法理论的创新突破；随着移动互联网的生活化普及,促进了AI发展的“大数据”产生；大数据和深度学习等算法的双剑合璧,再配合摩尔定律下的算力快速提升——大数据、算力、算法作为输入，从技术角度推动了人工智能的发展。只有在实际的场景中进行输出，才能体现出人工智能的实际价值。
人工智能的常见应用场景包括：自动驾驶、虚拟助理、金融服务、医疗和诊断、设计和艺术创作、合同诉讼等法律实务、社交陪伴、服务业和工业。应用场景的不同决定了人工智能的应用落地和效果。同样是物流分拣中心，规模不同、信息化基础不同、企业数据不同、人员素质不同，对人工智能的要求和所发挥的效益也自然不同了。
人工智能发展到如今还是一个被大数据喂养起来的小怪兽，而且在深度学习算法没有明显突破的情况下，人工智能实现自我学习能力看起来还遥遥无期。因此，AI对人类的替代性以及威胁，还远没有达到让人类担忧的地步，当前大家探讨最多的还是人工智能在各个领域的应用。
（作者：史爱武，中国电子学会云计算专家委员会委员，中国通信学会云计算专家委员会委员，教育部战略研究中心云计算首席科学家，武汉纺织大学云计算与大数据研究中心主任）
光明日报：https://app.gmdaily.cn/as/opened/n/acc1ec144df2463ca0d67adbf9cbf82f
人工智能的三大要素：算法、硬件、数据缺一不可
朱璘：我是戈壁创投的朱璘，我们2002年开始在中国做创投，从美元基金到人民币基金，最近一段时间在看企业服务方向，戈壁创投在东南沿海也有些运营，所以现在是一个比较偏泛亚洲的平台。在深度技术方面，也在看AI方向。
黄榆镔：我是云启资本黄榆镔，我们也是一家早期的风险投资公司，主要投资方向以硬科技为主，管理的基金既有美金、也有人民币，现在还没有西安项目，不过希望在最近这一年里面能够改变这个状况。
今天讨论的问题会分成不同的领域。先从梁总开始，你是怎么找到旷世的，你怎么会看到这个趋势，你觉得在制造业里面除了CV以外还有什么其它的机会？
梁颖：旷视现在讲起来比较敏感，因为刚发布了招股书，准备上市。作为AI第一股，大家都非常关注他们。我可以大概简单介绍一下，我们是旷视的天使投资人，2011年投的，投资逻辑非常简单，投人和计算机视觉科技的未来。创始人印奇，唐文斌等都是清华姚班毕业的，也是国际奥林匹克数学竞赛的冠军团队。同时，我们也看好计算机视觉未来的商业落地的前景。当时我们自己也建立了一个联想计算机视觉研究室，同时也投资了旷视。
旷视最早想做的是游戏，用人脸技术做游戏。从产业界这个角度来说，视觉在人脸开机这个领域会更加落地。联想的业务，包括笔记本电脑、手机都跟旷视合作了很久，在人脸开机上做了很多研究，所以旷视是从人脸开始切入的。
联想在2014年建立了一个数据智能的研究院，我们在选下一个赛道的时候会思考人工智能怎么落地商业。选赛道时看了很多行业，包括金融、智能制造、医疗、智慧城市等等。
从2014年做智能制造开始，我们和工信部推进了并成立了中国的工业大数据产业联盟。围绕这块，我们大概投了30多家企业。
智能制造能应用的领域很多，还包括基于整个智能制造数据智能平台，基于上面去做产品开发的管理、工厂的管理，比如说基于它去做销量预测，产量预测、故障检测、故障预测等等。这个领域非常大，也是我们非常看好的一个赛道。
黄榆镔：路总从你的角度来看，AI在制造业里面能带来什么新的玩法？
路广兆：制造业是国之重器，我们国家在制造业上提升的力度非常大。过去的制造业是以依靠厂房、机器、人力的消耗而带来了生产力提升、带来销量提升。而AI在制造业，甚至延伸企业服务业之间的应用在哪个点？我想把复杂问题简单化，即AI从哪里来？到哪里去？
AI的基础离不开两个问题：数据和算法，如果这个产业过往没有大量数据，人工智能是无源之木，如果没有新的算法就代表它没有未来。如果人工智能纯粹为智能而智能，不是一个成熟的商业模式，这个智能一定要带来新的产业革命甚至新的技术革命，而产业革命和技术革命的目的是要让企业运行的更有效率，或者为企业带来更大的市场订单，如果没有这些，就纯粹是一个伪人工智能。
制造业里面，中国在围绕着轨道交通、传统精密生产制造领域里会有较大的提升空间，通过人工智能技术的应用，改善一些薄弱的基础研发和设计环节，改变传统的生产制造模式，为产业的升级发展补上缺口。
另外，如今各行业面临的竞争压力越来越大，要么靠市场规模扩大，要么靠技术领先来获得新的市场。华软在金融科技、企业服务、智慧城市等领域的人工智能技术企业进行了一些投资，希望人工智能帮助行业里卡脖子的一些技术环节能有一些突破，主要考虑围绕三个方面来解决：1、如何通过人工智能帮助企业扩大销售、流通环节；2、如何帮助企业解决内部运营、管理效率的提升；3、如何帮助企业优化外部生态环境，如通过金融科技的技术优化融资服务环境，通过公用事业的技术优化政务服务环境。
黄榆镔：听听闫总对制造业+AI的看法，机会在哪里？
闫足：中兴通讯是全球领先的综合通信解决方案提供商，是中国最大的通信设备上市公司。中兴通讯具备完整的的通信端到端解决方案能力。其中“端到端”可以简单理解为基站设备到各位正在使用的手机。中兴通讯在陕西政府的支持下于西安设立了终端智能工厂。
终端智能工厂引入了智能制造的相关技术，比如将AOI（自动光学检测）技术用在SMT（表面帖装技术）检测中，以解决人工目检时因人类生理限制导致的可能出现的检测结果不准。再回到智能制造，实际这是一个非常广的概念，并不仅仅是常规认为的机械臂空间抓取。
中兴通讯2018年3月，在南京动工建设智能制造基地。该智能制造基地基于工业4.0框架，在生产中将实现全程可视化、智能化；原材料入库到成品出库实现物流智能仓储与配送；生产车间实现生产状态自动感知、生产数据自动收集、产品数据实时等。
智能制造的未来，我个人认为必须结合“数字孪生”技术。数字孪生技术是超现实技术，它将物理世界映射为数字世界，通过传感器实现与两个世界的状态同步。各位可适当关注该技术。以上是我对智能制造的一点看法。
黄榆镔：在制造业第一有自动化，然后是自动化的提升。同时怎么把一个工厂联网，放感应器，把它数字化，变成更好的柔性生产，也是一个大的方向。
当然还有很多缺口，比如说在一些精密制造上，例如机床、减速机，还有很多的核心零部件是靠进口的，这些都是非常好的创业方向。
第二个话题是关于企业服务。孙总，我知道你投了很多语音识别、语义识别loT的公司，请谈谈吧。
孙文海：首先我们关注人工智能对所有产业的结合和产业转变的途径，形成了这样一套逻辑：人工智能需要几个基本的元素，其中一定要有算法，这是核心；还有一个实的就是类似人实质性的大脑，你得有那么多的神经网络在这里，就是神经元搭在这里，这个东西就是个硬件的东西，这一块涉及到芯片，这也是寒武纪等公司在做的事情。
第三块需要的是什么呢？需要的是数据，你没有数据光有脑子、算法，有硬件，还是无源之水，人工智能还是做不起来。所以做人工智能一定是数据先行。
最早出现数据化的是什么行业呢？把纯互联网的东西排除开，传统的垂直行业中金融行业肯定是数字化程度比较高的，其次是零售业。接下来，哪个行业数字化程度达到20%就可以进行人工智能改造。
我们判断接下来可能是安防、物流和制造。制造要排在安防和物流的后面，因为制造业的发展是从手工生产到机械化、到自动化、到数字化，最后才到智能化。中国的制造业大部分还是处于从机械化和自动化的阶段，目前还没有大规模迈向智能化。
回到刚才我说的逻辑、数字化，即拥有大量的数据是一个行业整体迈向智能化的前置条件，在这一点上哪些行业做的好，就首先在这里会发现机会。
黄榆镔：我知道姚总以前也投了360、也有企业版的360，现在在企业服务里面，哪一个方向你特别看好，是企业服务+AI的哪些方向？
姚亚平：我看好的方向比较多，可以从几个方向论证一下：
第一，互联网发展一定要经历在线化、数据化、智能化这几个阶段。在新闻内容角度，目前已经经历了在线化、数据化、智能化三个方向。
第二，CBF。卖东西给你的叫B，F是生产。在过去20年我们解决了怎么让B端的东西被消费者知道并卖给C端，而现在随着世界的发展，变成了怎么让B卖得更有效率，甚至绕过B，直接CtoF。
过去20年很好的服务了C，B也服务的差不多了，能不能把F服务好，也符合我们国家的大战略。能不能给今天的C，更挑剔的、更有个性化需求的这波人，生产不一样的货物，能不能从批量化生产成长为定制化生产。
第三，这个世界是由科技创造生产力，一定是由科技来推动的，而不是由资本推动的。
科技进步一是代替人用脑子，二是代替人用肌肉，世界发展就变成C、B到F。会思考怎么代替人脑、人的力气、肌肉，所以会出现机器人，会出现需要人判断的方向，这也是我们现在投资的方向。
黄榆镔：朱璘你在AI+Fintech领域有什么新的看法？
朱璘：我们做基金本质就是让大家赚钱，看离钱比较近的地方，金融总体来说是很符合这个趋势。中国大陆和海外还有很大区别，海外有很大的机会就是开放式银行，包括欧洲就有十几家金融独角兽，基本上都是做开放式银行，只做银行核心的部分，核心的风控掌握在手里，基于核心风控以外的数据共享，增值服务几乎都是由其它服务商来做。
国内比较像的企业有蚂蚁金服、支付宝这些。我觉得这块在国内慢慢正在打开，包括保险业也在不断打开，只是速度不可能很快，因为风控这方面是很大的问题。
相对来说，在国内还是以大数据服务比较多一些，包括刚才路总也聊大数据。其实AI还是分深度AI和浅AI，自动驾驶肯定是深度AI，这基本上做不出来就是死路一条，或者差百分之一都是死路一条，像其它的赛道用些大数据的做法其实也能覆盖。我们现在看的还是商业模式明确的赛道，同时对AI切入又有很好的效率提升的行业方向，再去做布局。金融科技是一块，生命科学我们也在持续关注，看的比较多的是癌症检测，当然，不同的投资人会有不同的角度和切入点。
黄榆镔：现在由于时间关系讨论一下自动驾驶，这是公认的在AI里比较难实现的一个领域。梁总说说你对自动驾驶的看法，什么时候在西安可以坐上无人驾驶的车？
梁颖：自动驾驶我觉得是一个很有趣的赛道，过去两年自动驾驶公司出来特别多，故事也特别多。但我个人对技术真正能够实现自动驾驶的态度偏悲观一些，我会认为10年之后。
为什么呢？因为自动驾驶是非常复杂的系统，这个复杂的系统对团队技术要求非常高，首先需要懂自动驾驶，要有视觉、激光，然后算法，然后要懂车，机械设计等等一套东西，这样具备所有能力的团队是很少的。另外这个赛道还很远，如何去走，未来什么样的商业模式最容易落地，大家还没有共识，导致团队出了很多问题。
自动驾驶公司或多或少都会有一些问题，抛开这些问题来说，我喜欢把它分成四个象限，大家过去看的比较多的是高速载人、高速载物，低速载人、低速载物，短期内，我看好低速载物，低速载物在未来1-2年就会在身边出现，像物流园区、工厂、码头，我觉得这块是最快落地的。
还有未来落地比较快的是高速公路上的货车，高速公路也是场景相对比较简单的赛道，技术实现上会稍微容易一些，而且刚需明显，解决货柜车司机长期疲劳驾驶的问题。至于高速载人，我个人认为可能是在10年之后实现。
黄榆镔：闫总对无人驾驶领域如何看待，10年内可以坐上无人驾驶的车吗？
闫足：我个人观点，无人驾驶是一定会实现的。我们现在需要做的是，期待天才的出现。目前无人/自动驾驶的车辆上至少会配激光雷达、毫米波雷达、视觉设备。虽然目前看来搭载的设备成本高，但我们要相信科技，科技的发展会消除上述成本问题。期待天才出现的原因之一是，目前无人驾驶核心算法仍没有取得大的突破，无法保障无人驾驶的安全性。
举个例子，大雨或者大雾天，由于激光雷达/毫米波雷达发出的电磁波受水滴影响，无法直线传播，进而无法给出足够准确的定位；而诸如摄像头等图像采集设备，虽然已经有新材料镜头可实现不沾水、尘，达到视力优秀的人眼视觉效果，但计算机视觉、图像处理技术却存在难题。
这种高端、前沿技术的彻底突破，需要天才，像牛顿、麦克斯韦这种奇才。当然，从宇宙的发展轨迹来看，天才一定会在特定阶段出现。因此我相信无人驾驶一定会实现，虽然届时的无人驾驶技术或使用的传感器可能与现在不尽相同。让我们一同期待划时代天才人物的出现。
黄榆镔：闫总如果10年之后无人驾驶才可能成功，你会投吗？
闫足：10年之后我应该还是很年轻的。无人驾驶如刚刚所述，至少15年内我认为是会实现的，也一定会有天才级的人物引领时代的变革。对应无人驾驶领域的伦理、法律法规也会逐步完善、健全。中兴通讯及我本人，不是短视的企业或个人。10年、15年，中兴及我个人都会坚持对有价值的领域和技术进行持续不断的创新探索和投入。
黄榆镔：智能驾驶其实也是非常难投的领域，我也投了自动驾驶领域中高速的、低速的，载人的、载货的。看起来在我们有生之年，有可能是10年，甚至15年，这个东西是能被解决的。谷歌已经开始在跑一些车子了，但比较小规模。
最后一个问题留给各位，假如我不是清华的、不是姚班的，但我对人工智能有兴趣，我应该怎么参与，哪个方面是最适合我参与的？
路广兆：参与人工智能应该分层次，应鼓励教育机构、科研院所加大对人工智能的基础研究，加大研究成果的共享及发布；鼓励企业多应用人工智能等新技术与产业服务、业务发展有效整合；普通人可多参与人工智能产品的应用和体验，人工智能技术的应用最终要让企业服务更便捷，要让人生活更美好。
孙文海：我觉得要先从小事做起。其实人工智能是非常宽泛的概念，里面最高深的部分，不需要人人都会。其实这是很大的生意，因为除了芯片和算法这样比较高精尖的内容外还有很多领域可以做。比如收集数据所需要的各种传感器，这属于是AI体系的感知层。它的门槛没有那么高，从这个角度来说可能更容易获得一个入场券。
姚亚平：刚才我讲科技是改变世界的第一生产力，但是科技一定要掌握在企业家手里组织资源，用来改变世界。科学家发明了一个锤子，用这个锤子到处在找钉子。他发明了一个技术，去找这个技术的应用场景，找应用场景不是他擅长的，但做出这个锤子是他擅长的，这是科学家做的。企业家就是先发现钉钉子的机会再找锤子，更多的是找到应用场景和需求再去想怎么解决问题，然后才会发现忽然在很多锤子里找到一个更合适的锤子。这个世界有很多不同的维度，可能会给到在座各位更多的机会。
黄榆镔：朱璘第一次来西安，给点建议吧。
朱璘：像姚总说的除了找钉子还要找人，我觉得人工智能你得自己能做，自己做不了找人做。无论是哪个时代，发掘人才还是非常关键的，互联网、无线互联网到现在AI，甚至AI以后的时代，企业家在发掘人上都会有机会。
梁颖：科技落地其实周期很长，这个过程中科技怎么跟产业结合，怎么落地，有很多的学问在里面。核心问题是你到底想不想创业，你到底想不想做这件事情，想清楚方向，组团队最重要。缺什么可以补什么，你如果市场能力强，你可以找一个技术牛人；你如果是技术牛人，你可以找一个强的市场人员。你可以不是从姚班毕业的，也可以成为像马云这样，创造出一个独角兽来。
闫足：不同于其他嘉宾的回答角度，我将自己身份从论坛嘉宾转换成台下的各位来宾。我想听到这个问题，台下的来宾一定有相当比例的人在想“怎样从零开始了解学习人工智能”。虽然我是人工智能博士毕业，也算是科班出生。不过最近，我还是打算从新开始学习人工智能。我的计划很很简单，从初中数学教材开始学起，一直学到大学数学系的教材。这不会花太长时间，大概三至五年年就可以。三至五年内算法不会有大的突破，所以趁现在打好基础、进入人工智能领域，也许我们还有赶超的机会。
以上是从个人角度。从企业、创业的角度，即使如台上嘉宾提到的找到专业能力强的团队或者合伙人，我认为若想做好、做强，还是需要自己了解一些人工智能算法和技术。所以，我个人建议，可以从循序渐进的数学学习入手。以上是个人的拙见。
黄榆镔：感觉人人都可以参与人工智能，就像唐僧取经。唐僧说我能成功因为我有理念，我相信这个东西能够起来；虽然孙悟空武功好，但打不过的时候还要找外援；还有猪八戒，功夫不太好没有关系，有师兄带；连沙和尚也能成功，你叫我往东我就往东，你让我往西我就往西。最后感谢大家一个半小时的热情分享，谢谢大家！
“2019全球创投峰会”由中共西安市委、西安市人民政府主办，西安市金融工作局、西安市科学技术局、西安市投资合作局、西安高新技术产业开发区管理委员会、清科集团承办的2019全球创投峰会在西安高新国际会议中心召开。峰会盛邀全球创投顶级力量与独角兽企业汇聚，通过组织“闭门研讨、专题培训、主题论坛、项目对接、展览展示”等环节助推产业与资本的高效融合。这场汇集万亿资本的行业盛宴，为全球资本共享中国机遇，为推动全球创投行业的发展皆带来深远的影响。返回搜狐，查看更多