人工智能三驾马车：算法，算力，算据
AlphaGo和李世石的人机世纪之战，最终AlphaGo赢得棋局。那么人工智能的胜利决定性因素是什么？
[[352218]]因此总结一下人工智能的三大支柱：算法，算力，算据。
举个例子，在AlphaGo的这场棋局里面，算法就是机器根据对方的棋局决定下一步该怎么走，算力就是快速计算决定怎么走，算据就是通过大量的实战棋谱训练机器模型的大数据。在比赛之前，AlphaGo通过人工输出大量的棋谱信息不停的训练AI模型，然后通过和大量的人在网上比赛吸取了大量的棋谱并且不断的训练校正模型。
所以AI的优势是吸取了大量的经验数据，并把这些经验数据抽象为数据模型，另外可以依靠计算能力快速做决策，并通过实战不断的优化算法。这么比对就看出来人工智能的优劣势了。
优势在于机器可以不吃不喝的工作，依靠记忆存储能力吸取大量的经验，而且通过集成各种优秀人才的算法进行不断的进化，在做决定的时候快狠准。这么一看实在是劳模。
劣势在于AI只是某一个领域的专家，如果你问他十万个为什么的问题，AlphaGo就无法回答，因为它只是训练了围棋领域的数据，其他领域相当于白痴一个。而人的优势在于可以横跨多个领域，触类旁通。这也是为什么AI目前只在专用领域发展的原因，也被称为弱人工智能。
既然决定AI竞争力的三个因素是算法、算力、算据，那么哪一个才是决定性的因素。
算法是依靠人设计的，并且可以通过深度学习不断的校正。因此本质上来说，算法是人的智力水平的体现。既然是人的智力水平体现，就看人才的质量了。这也是为什么硅谷出现大量AI人才的原因，因为聚集了顶级的智力资源。
算力是机器运算的快慢，因此就是硬件而已，花钱堆叠就行了。关于算力可以参考之前的原创文章GPU：大数据算力时代，英伟达的王者逆袭之路
算据是给AI喂大量数据，因此谁手里有大量的数据，谁的AI模型就更准确，同时通过不断的深度学习反向校正算法。
因此，可以看出算法可以通过招募顶级的人才（钱）获取智力资源，算力可以购买大量的硬件（钱）进行堆叠，而算据也可以大量购买（目前数据买卖中国官方并没有明确的规定是否合法）。
但是个人觉得算据才是核心竞争力。因为有了大量的数据就可以快速的训练AI模型，同时通过训练的结果不断的优化算法。这样就能在竞争中快人一步。这也是美国为什么制裁中国AI科技公司的原因，包括商汤科技、旷世、海康威视等。因为中国有大量的人口数据，因此可以通过不断的图像训练而提高AI的性能。但是美国却一直以侵犯人的隐私为借口打击中国，实则是因为在美国市场数据获取太难了。不管是欧洲的GDPR还是美国的隐私安全法，在保护个人隐私的同时也大大限制了人工智能的进步。
因此未来人工智能之争主要在中美，因为美国有顶级的智力资源，而中国有大量的数据。而人工智能是人类社会从农耕时代1.0，工业时代2.0，信息时代3.0进入下一个4.0重要阶段。
什么是人工智能 (AI)
虽然在过去数十年中，人工智能(AI)的一些定义不断出现，但JohnMcCarthy在2004年的文章 (PDF,127KB)(链接位于IBM外部)中给出了以下定义："它是制造智能机器，特别是智能计算机程序的科学和工程。AI与使用计算机了解人类智能的类似任务有关，但不必局限于生物可观察的方法"。
然而，在这个定义出现之前数十年，人工智能对话的诞生要追溯到艾伦·图灵(AlanTuring)于1950年出版的开创性作品"计算机器与智能"(PDF,89.8KB)（链接位于IBM外部）。在这篇论文中，通常被称为“计算机科学之父”的图灵提出了以下问题：“机器能思考吗？” 他在这篇文章中提供了一个测试，即著名的“图灵测试”，在这个测试中，人类询问者试图区哪些文本响应是计算机做出的、哪些是人类做出的。虽然该测试自发表之后经过了大量的审查，但它仍然是AI历史的重要组成部分，也是一种在哲学中不断发展的概念，因为它利用了有关语言学的想法。
StuartRussell和PeterNorvig随后继续发表了“人工智能：一种现代方法 ”（链接位于IBM外部），成为AI研究方面的重要教材之一。在这本书中，他们深入探讨了AI的四个潜在目标或定义，基于理性、思考和行动来区分计算机系统：
人类方法：
像人类一样思考的系统像人类一样行动的系统理想方法：
理性思考的系统理性行动的系统艾伦·图灵的定义可归入"像人类一样行动的系统"类别。
以最简单的形式而言，人工智能是结合了计算机科学和强大数据集的领域，能够实现问题解决。它还包括机器学习和深度学习等子领域，这些子领域经常与人工智能一起提及。这些学科由AI算法组成，这些算法旨在创建基于输入数据进行预测或分类的专家系统。
目前，仍有许多围绕AI发展的炒作，市场上任何新技术的出现都会引发热议。正如Gartner在其hypecycle技术成熟度曲线（链接位于IBM外部）中指出的那样，自动驾驶汽车和个人助理等产品创新遵循“一个典型的创新周期，从欲望膨胀到期望幻灭、到最终了解创新在市场或领域中的相关性和作用。”正如LexFridman在2019年麻省理工学院演讲中指出的那样(01:08:15)（链接位于IBM外部），我们正处于欲望膨胀高峰期，接近幻灭的谷底期。
随着对话围绕AI的伦理道德展开，我们可以开始看到幻灭谷底初见端倪。如想了解更多关于IBM在AI伦理对话中的立场，请阅读这里了解更多信息。
人工智能时代是什么时代?
工业4.0是2013年的汉诺威工业博览会上德国为提升工业竞争力而提出的一个概念。基于工业发展的不同阶段划分出4个时代，即工业1.0蒸汽机时代、工业2.0电气化时代、工业3.0信息化时代和工业4.0智能化时代。显然，这种划分只表示了工业革命以来工业领域的时代变迁。如果说“蒸汽机”、“电气化”可以表示工业革命内涵，那么“信息化”、“智能化”就远远超出了工业领域。把人工智能时代称为第4次工业革命时代显然是错误的。
在“第4次工业革命”这一错误概念的影响下，对人工智能时代性的理解出现了许多混乱。仅从工业生产力变迁的角度来看，划分成蒸汽机工业革命、电气化工业革命、信息化工业革命、智能化工业革命时代，的确具有一定道理，但是，如果把它泛化，认为人工智能的智能化是第4次工业革命时代，甚至由此衍生出第5次工业革命、第6次科技革命、第N次工业革命的提法，显然模糊了人工智能的知识革命与工业革命的本质差异。我们可以从以下5个方面看看人工智能时代与工业革命时代的本质差异:
(1)社会生产力结构的本质差异
工业革命后形成了资本整合下的社会化大生产，其社会生产力结构是“劳动者+机械化工具”，劳动者在知识基础上驾驭工具；人工智能时代，在半导体微处理基础上诞生了智能化工具，智能化工具超越了生产领域、经济领域，全面影响人类社会生活，并且具有独立的财富生产能力，其生产力结构变成了“管理者+智能化工具”。
(2)生产工具的本质差异
机械化工具与智能化工具有本质差异，前者无自主能力，必须由劳动者驾驭，后者有自主能力，可以在无人介入下自主式工作。工业革命后期虽然出现过可以自主运行的自动化工具，但不具有智能行为，它们与计算机软件控制的智能化工具有本质不同。
(3)体力劳动与脑力劳动替代的本质差异
工业革命后，机械化工具以蒸汽机械(以及后来的内燃机械、电动机械)代替劳动者的体力劳动，而人工智能时代，智能化工具普遍代替了人类的脑力劳动。
(4)知识相关性的本质差异
工业革命时代，“知识就是力量”是著名的时代口号，因为驾驭机械化工具都需要相应的知识，工人、技师、工程师形成了严格的知识与技术等级；在人工智能时代，智能化工具具有智力行为能力，使用者不需要有相应的知识。知识与知识行为分离，成为人工智能时代的重要特点。
(5)从经济变革到社会变革的本质差异
工业革命的主要变革是经济基础；人工智能变革后的数字化社会、区块链的无偏见人工智能、诚信体制建设等，从经济基础延伸至上层建筑。同时，从资本时代到金融时代、从贸易全球化到经济全球化、从两种文化到第3种文化，都表明人工智能时代从经济基础到上层建筑的延伸效应。
3人工智能时代是第3次浪潮时代
最早揭示人工智能时代与工业革命时代具有本质差异的是著名的未来学者阿尔文·托夫勒。1980年，阿尔文·托夫勒推出了《第三次浪潮》一书，该书将人类现代文明史划分为3个浪潮时代。阿尔文·托夫勒在书中写道:“到目前为止，人类经历了两次重大的变化浪潮，每一次都抹杀了早期的文化和文明，以前人不能想象的生活方式取而代之。第1次浪潮—农业革命—经历了几千年才结束。第2次浪潮—工业文明的崛起—只有300年的寿命。今天的历史速度更快，很可能第3次浪潮将横扫历史，在几十年内结束。”他十分明确地将“今天的历史”与工业革命时期相分割。26年之后，他在2006年出版的《财富的革命》一书中，将“今天的历史”定义为“知识经济”时代，即一个知识创造财富的时代。
阿尔文·托夫勒首先清醒地、科学地认识到“今天的历史”的时代特征与时代本质，它与“机器”创造财富的工业文明完全不同，是一个用“知识”创造财富的时代。托夫勒还天才地描绘了人类现代文明发展史，几千年农业文明、几百年工业文明、几十年知识经济文明演化速度的倍增现象。所有这些都集中反映人工智能时代托夫勒的知识革命观。必须从知识的本源出发，用知识的创新原理来探索人工智能时代的奥秘。不幸的是，托夫勒未能揭示知识革命的奥秘，对“知识”充满了无奈与绝望。
4人工智能时代是知识革命时代
托夫勒敏锐地认识到，人工智能时代是知识创造财富的知识革命时代，但是，对“知识经济”的定义以及“知识创造财富”的知识革命论述却显得苍白无力。在后来《财富的革命》一书中，他充满了悲观与无奈。托夫勒说:“尽管对新兴的知识经济有着数千种分析和研究，但是，知识对创造财富的影响却一直被低估了，而且现在仍然在被低估。”他充分认识到知识经济时代的知识主导作用、知识探索的重要性，书中也描述了人们对“知识”的无知、漠视与无奈，他在书中写道:知“识已经成为我们经济和社会环境中变化最快的组成部分之一。”“自从‘知识经济’开始半个世纪以来，关于知识经济背后的‘知识’我们却了解得很少，简直少得让我们感到尴尬。托”夫勒虽然界定了今天的时代是与工业革命完全不同的知识创造财富的时代，但是并没有回答知识如何创造财富。这是人工智能时代知识革命必须回答的问题。
“知识创造财富”贯穿于人类的全部历史进程中。在原始社会，人类在知识基础上打造工具、使用工具，开创了“人+工具”的社会生产力的基本结构。其后，一直延续到农业社会、工业社会以及人工智能社会。只是人工智能社会之前的生产力结构是“(人+知识)+工具”，即劳动者在知识基础上驾驭工具；人工智能的社会生产力结构变成了“人+(知识+工具)，”即人类将知识成果转移到智能化工具中，劳动者傻瓜化地使用智能化工具，出现了知识从“人”到“工具”的根本性转移。这就是人工智能时代知识创造财富的本质与知识革命的核心所在。
人们普遍意识到知识在社会生产力中的重要作用，因为没有知识，人类就不会使用工具，也不可能创造工具。然而在经济学家、社会学家、历史学家的视野中，“知识”消失了。他们用“劳动者、劳动资料、劳动对象”的生产力结构观来诠释人类社会发展史。
人类对知识的无知，经济学家对知识的忽视，托夫勒对知识的无奈与无助是有道理的。因为，尽管人类对知识的研究远早于自然科学、社会科学，然而，在自然科学、社会科学充分发展的今天，人类对知识的研究一直停留在两千年前坐而论道的“认识论”、“知识论”的哲学陷阱之中。因为，传统概念中的知识一直是虚无缥缈、捉摸不定、隐含在事物之中的东西。只有到了知识从量变到质变的人工智能时代，知识才走到前台，人们才得以从学科视角重新研究“知识”的本质，它的诞生、发展、演化、基本规律，以及它在人工智能时代的财富革命与知识力量变迁。从人工智能的实践中探索知识革命的奥秘，寻找人类知识起源，演化发展的本质与基本规律，创建科学的“知识学”。
人工智能时代的“知识学原理”走出了“认识论”、知“识论”的陷阱，成为指导实践的新兴科学。不但能有效地诠释人工智能的智能生成机理，还将人们对人工智能的认识从“是什么”的低级阶段提升到“为什么”的高级阶段。由于知识的普遍性，”知识学原理”还将全面诠释人类起源、人类演化的生态体系、工具中的第3种知识、从第2种文化到第3种文化，人类工具起源与智能化工具智能生成机理等众多未解之谜。
5人工智能知识革命的时代特征
人工智能时代，是继农业革命、工业革命后，人类现代社会的第3次浪潮时代。正如托夫勒所说，“很可能第3次浪潮将会横扫历史，生存在这个爆炸性时刻的我们会感受到第3次浪潮对这个时代的全面影响。因”此，了解人工智能的时代特征具有重要意义。
(1)人工智能时代是一个动荡的时代
人类历史呈非线性发展特征，百万年的原始社会、万年的农业社会、几百年的工业社会，以及不到百年的人工智能时代。百万年的原始社会是凝固的，万年的农业社会是缓慢的，几百年的工业社会有了显著的变化，不到百年的人工智能时代则是一个激烈动荡的时代，人们会普遍感受到生存环境与社会生活的全面动荡。
(2)人工智能时代是一个人类体力劳动、脑力劳动全面解放的时代
工业革命的动力机械代替了人类的体力劳动、智力革命的智能化工具代替人类脑力劳动，未来，机器人将养活人类，人类社会将进入一个在少数精英引领下的傻瓜化时代。体现群体智力的人工智能远远超越人类个体智力，人们寄希望于人类智慧驾驭人工智能。
(3)人工智能时代是自然人类的终结时代
不到百年的人工智能时代，众多新兴科技(生物科技、生命科技、基因工程、人工生殖、脑科学、脑机工程等)与强人工智能相结合，必将导致自然人类的终结，人们最终将迎来一个非自然人类的新时代。
(4)人工智能时代是生产力结构彻底革命的时代
人类社会生产力结构一般表达形式是“人+工具”，知识隐含其中，成为社会财富生产能力的基础因素。原始社会、农业社会，人类使用简单工具，财富生产能力的“知识重心”在原始人类；工业社会，机械化工具代替了人类体力劳动，财富生产能力的“知识重心”向工具转移；智力革命时代，智能化工具独立的行为能力，将财富生产能力的“知识重心”彻底转移到工具中，实现了生产力结构彻底变革。
(5)人工智能时代是上层建筑革命的时代
农业革命、工业革命是经济领域的革命。人工智能时代，第3种文化以科技文化对人文文化的全面入侵方式彻底改变了人文文化属性，文化艺术领域不再有纯文化、纯艺术；互联网从信息网、物联网到资源网(区块链)的诚信体系建设、去中心化的智能合约、无偏见的人工智能等，表明人工智能进入到伦理时代，从而掀起了上层建筑的全面革命热潮。
人工智能时代的知识革命改变了一切，因为人类社会的一切事物都与知识相关。
从本质上讲，我们这个时代，是人类在外部以人工方式将“知识”变革到“知识行为能力”(即智力)的革命时代。但迄今为止，我们没能用知识的基本原理准确地诠释人工智能时代，对这个时代的认识尚处于模糊阶段。人们需要从不同视角来阐述我们这个时代。（此文发表在《单片机与嵌入式系统应用》2020年第4期学习园地）
6.嵌入式系统中AI和ML的实际应用
免责声明：本文系网络转载，版权归原作者所有。如涉及作品版权问题，请与我们联系，我们将根据您提供的版权证明材料确认版权并支付稿酬或者删除内容。返回搜狐，查看更多
数智化时代，驱动企业转型升级的“三驾马车”是什么
数据智能产业创新服务媒体
——聚焦数智 ·改变商业
大数据、云计算、人工智能、5G等新技术的发展，催生了新的经济业态，数字经济由此加快了发展的步伐。2021年3月，十四五规划提出，我国将大力发展数字经济，将数字经济与实体经济深度融合，赋能传统产业转型升级，催生新产业、新业态、新模式，壮大经济发展新引擎，从而建设数字中国。这意味着，数字经济的发展步入了新的阶段，新技术的发展需要持续创新，新技术的落地应用也需要进一步加以推动。
然而，新技术的落地应用却面临着场景探索、市场应用等多重挑战；而企业的数智化转型升级还存在新技术水平滞后、算力成本高等难点；新技术的创新发展还需要持续不断的探索研究，克服底层技术“卡脖子”等痛点。
近日，在上海市经济信息化委员会、上海市科学技术委员会的指导下，数据猿携手上海大数据联盟共同举办的“魔方大数据系列论坛之数智化转型升级”专场在上海落幕。本次大会以“聚焦数智价值引领产业变革”为主题，政府领导、相关领域的企业以及投资人共聚一堂，深入分析数字经济时代发展的趋势和规律。
在论坛的圆桌会议环节中，简约费控CMO兼渠道负责人邱斐担任主持人，美创科技副总裁兼数字化转型业务总经理王利强、星陀资本合伙人秦毅、思迈特软件副总裁吴晓、凯联资本董事总经理兼产业研究院院长由天宇、威尔森达示数据平台总规划师黄建平作为对话嘉宾，以“新环境+数智时代下，资本、技术、人才的产业化思考”为主题，深入探讨了数字经济新格局下，以大数据、人工智能等为代表的新技术如何与应用场景结合、技术的创新发展以及面临的资本、运营等相关热点问题，发表了自己的见解和看法。
数字技术的最大价值在于商业落地
一直以来，数字技术的创新发展都是实现政企数智化转型的核心驱动力。当前，在国内国际双循环格局下，中国经济迈进了新的环境，在新的环境下，如何利用数字技术赋能政企数智化转型，推动数字经济的发展尤为重要。
同时，这也是业界广为关注的核心问题。会议伊始，主持人邱斐率先向在场的对话嘉宾发出提问：在新的社会以及行业环境下，大数据、人工智能等新技术应该如何商业化落地？
对于这一发人深省的问题，对话嘉宾纷纷发表了各自的观点，探讨之余，碰撞出思想的火花。
“随着碳中和目标的提出，汽车行业所处的整体环境也产生了变化，新能源汽车的兴起促使产业迭代，它既符合绿色经济的发展规划，又与新一代消费群体的购车理念相吻合。在新产业与新消费的影响下，新的发展机会也由此而来，只有利用数字化、大数据、人工智能等技术促进产品智能化，才能更好地为绿色经济赋能，为消费者提供体验感更好的汽车产品。”黄建平如是说。
黄建平所在的威尔森长期为汽车上下游产业链及用户提供数字化解决方案及SaaS产品，面对新的发展环境和新的市场需求，威尔森将持续提供安全稳定的大数据及数字化解决方案，进而推动汽车企业数字化、大数据、AI等新技术在汽车行业的落地应用。
实际上，不仅是汽车行业，在数字时代，企业抑或是个人，都不可避免的需跟随时代经济的发展提高业务水平和质量，对于数据从业者、数智化服务商而言，如何为企业以及员工提供智能化服务，是一个极大的挑战。
对此，思迈特软件副总裁吴晓表示：“数据作为社会发展的重要要素，对其进行分析的软件和工具必不可少，只有对这些软件和工具进行技术革新，并推动落地应用，才能更好地服务企业以及员工。”
据吴晓介绍，思迈特软件通过自然语言处理与机器学习等人工智能技术将传统BI工具成功走向智能BI，并致力于将BI工具深入到企业及员工，将智能化的应用场景聚焦到每一个用户。在为企业提供BI分析工具中，吴晓表示，思迈特对技术的要求很高。不仅要让客户能够很好地使用这个工具，还需要帮助客户建立数据文化，帮助客户从粗放式管理到精细化运作。
当前，随着《数据安全法》的正式实施，以及国家对数据作为生产要素的定义，数据的安全合规性诉求得以进一步加强，企业只有正确合规地利用数据价值，才能促进数字经济的良性发展。美创科技副总裁王利强表示，“大数据和AI技术的应用越来越广泛，对于海量的数据，传统的数据处理方式已不能满足企业业务需求，新型的大数据技术不仅能实时处理海量数据来完成敏捷式商业辅助决策，还能通过多源复杂数据融合创新来帮助企业完成跨业务环节的流程优化和经营改进，从而提升企业的运营效率。但是随着数据安全越来越被重视，企业在处理海量数据时也需要更重视数据资产保护，在满足合规的基础上保护好企业重要资产，为持续挖掘数据资产的价值而做好系统性准备。”
美创科技以“聚焦数据安全、释放数据价值”为宗旨，围绕数据安全、容灾备份、数据管理等多方面挖掘和铸造数据价值，已在医疗、金融、能源、制造等领域为企业提供数字技术以及数据安全解决方案，加强数据安全保护。
资本推动技术“火力全开”
技术创新是数字经济发展的原动力，更是支撑企业数智化转型升级的重要力量。然而在企业数智化转型升级过程中，资本的力量不可忽略。借助资本的力量，一方面可以孵化新技术，并助力企业科创板、创业板等市场上市，获得资本支持，进而加快企业的发展步伐；另一方面可以通过资本平台股权激励等方式，吸纳更多的高科技人才或团队加入，以促进技术创新，推动企业数智化转型升级。
成立于2018年的北京星陀投资管理有限责任公司（简称“星陀资本”），其创始团队来自国内顶级VC机构，主要面向新消费、新科技领域的成长性企业，投资方向包括潮流文化、颜值经济、健康生活、科技赋能等。目前，星陀资本的核心团队共投资参与了近百个项目，其中约两成企业在全球资本市场成功上市，短期内，星陀资本所投项目均已实现了可观的浮盈。
相较于技术本身，秦毅作为一名投资者，似乎更愿意着眼于实际应用。对此，秦毅表示：“技术的宗旨是帮助客户解决实际问题，因此技术的研发要回归落地，进而为企业带来营收，而评估技术的好坏要根据客户和市场的反馈，这是一个需要验证，逐渐递进的过程。“
另一位投资方由天宇也深以为然，“作为投资方，企业的整体发展概况是一个参考要素，对于技术为重的企业，通过开源的方式赋能行业，促进行业的数智化发展，进而推动技术的商业落地，这是一个比较理想的发展模式。”
由天宇所在的凯联资本（Capitallink）成立于2002年，在中国境内和国际资本市场有近20年资产管理和投资基金管理经验。凯联资本分设有人民币投资业务和美元投资业务，伴随科技和经济一路成长，帮助中国企业借力资本市场实现快速成长并衔接世界经济活动。
诚然，技术研发在企业的发展过程中不可或缺，资本的支持将推动技术的快速发展。然而，除了需要资本的支持外，我国在技术创新层面还存在亟待填补的沟壑。
高端人才点燃技术创新的引擎
尽管近年来我国科研能力与技术创新能力取得了长足发展，但芯片等关键技术的创新能力依旧不足也是不争的事实。不论是科技界还是产业界，对于这个问题都“如鲠在喉”。我国芯片等关键核心技术为何存在短板，又该怎样摆脱掉技术“卡脖子”的逆境，在场的对话嘉宾纷吐纳心声，建言献策。
“对于汽车行业来说，技术的难点在于缺少芯片，芯片的紧缺同时也关乎我国国民经济和社会发展，无论是手机、电脑还是自动驾驶、5G等技术，都离不开芯片的支持。芯片的缺失从本质上讲，是缺少高端人才，以及前期的研发投入。”黄建平说到。
在数据安全领域，王利强也谈到了人才的重要性，“由于缺少相关的人才，隐私计算以及相关的技术方案落地应用比较差，只有大力培养既懂技术又懂场景的人才，才能顺利将技术落地。因此目前技术的“卡脖子”问题一方面在于前沿技术理论无法落地，另一方面在于结合场景的工程化表现不佳，与真实场景使用的需求有一定的差距。”企业的竞争本质上是创新能力的竞争，创新能力的一个关键要素是研发，而研发活动需靠核心技术人才。因此企业要在更大范围、更广领域、更高层次上吸引高端人才，形成人才聚集的“生态圈”，产生“以才聚才”的强磁场效应，助力核心技术的及时掌握和突破。
对于当前企业在技术层面存在的痛点，吴晓还有着不同的看法。吴晓分析到：“从思迈特自身角度而言，包括云计算、人工智能等技术在业务场景中有很多合作伙伴，但业内的企业在合作过程中依然有比较封闭的现象，因此企业缺少开放性的合作模式，只有企业间互相开放，才能为客户提供更好的服务，而现在合作场景化依然比较少，一定程度上限制了企业的发展，在此我也呼吁企业间应开放合作，共建生态，共赢未来。”
通过对话嘉宾的精彩分享，可以看出，尽管当前技术的创新与研发还有困难需要克服，但随着我国自主创新能力的不断提高，新技术的落地应用也将逐渐扩大。未来企业的发展，要将技术与资本相结合，进行优势互补，同时吸引高端人才。利用技术、资本、人才“三驾马车”，拓展市场，提高企业的核心竞争力。
会议最后，六位对话嘉宾对新技术的创新应用表达了美好的希冀，也对我国数字经济的发展表达了巨大的期许。
文：Winter/ 数据猿