编者按：人工智能无疑正在改变我们的世界，科学家、企业家、政府决策者、哲学家都无一不为这久而未见的革新性技术而心动痴迷。人工智能已经给人类带来了太多的惊喜和思考，然而我们对人工智能知识的掌握还非常有限，可以说我们当前还处于人工智能的“手工”阶段，距离实现人工智能工业化还有一定距离。
本文是第十九届“二十一世纪的计算”大会精选系列的第二篇，微软全球资深副总裁Peter Lee开辟独特视角，从艺术手工性窥探人工智能未来如何实现工业化普及。更多大会嘉宾演讲内容及演讲视频将于近期陆续上线，敬请期待。
微软全球资深副总裁Peter Lee
（以下为Peter Lee分享的精简版文字整理）
非常荣幸能够来到这里，也非常高兴看到这么多人来参加“二十一世纪的计算”大会。今天大会的主题是人工智能，这是一个特别令人兴奋的话题，全世界的科学家都为之着迷，企业家、政府决策者们积极思考它背后的意味，甚至是哲学家和思想家们也都花费巨大精力投入到机器智能和人类智能谁将更胜一筹的未来探索当中。我们不难知道AI引起如此深刻的社会影响的原因所在，它确实能够且已经给人类带来了多方面的帮助，同时也给人类未来发展提供了更多更丰富的可能性。
但在目前看来，我们对于人工智能知识的掌握还非常有限，其中还有很多神秘之处等待人类去探索发现。所以我此次演讲的目标之一，就是激发起大家对人工智能的兴趣，鼓励大家走上人工智能研究的未来之路，加深我们在这个领域的研究和了解。人工智能在被炒得火热的同时，也存在一些具体的问题，可能会给大家带来一些动力和研究的动机。
如上图，这个艺术品的作者叫William Morris，他是一位19世纪末的艺术家，是欧洲艺术和工匠运动的领导人。他认为所有人都应该是精致艺术品的享有者，美丽的事物能够广及大众才得以被称作是美丽。为实现这样的美好愿景，他就和艺术家们共同生产和传播这样的艺术作品。然而在当时，要想创造这样一种精美的艺术品需要非常高超的技术，而能够做出如此精美产品的艺术家数量并不是很多，这也就限制了Morris实现精致艺术品大众化普及的美好构想。我演讲的第二个目标就是希望大家可以成为新时代的艺术家，利用大数据创造和调动大量的计算机资源来实现AI，创造出人人皆可享用的AI。更多AI解读：www.yangfenzi.com/tag/ai
目前，我们还在人工智能的“手工”阶段，距离实现人工智能工业化还有一定距离。AI是基于机器学习的，机器学习主要是看机器怎么样来增强它的经验和能力。而对我们来说，经验就是数据，通过大数据，机器就可以学习到大量经验。比如机器现在可以识别人类语言，就是靠成千上万的训练数据，提供给机器学习系统的数据越多，它就会变得越聪明，错误量就会越来越少。目前，我们开发的语音识别系统已经超过了人类的识别能力。而且，我们惊喜地发现，当研究员进一步用葡萄牙语的训练数据对这个模型进行训练时，除了可以识别葡萄牙语，这个模型的英语识别水平也得到了提高。这就是所谓的迁移学习。
当人们看到机器学习系统有新进展时，他们往往会因为未来更大的智能可能性而愈感兴奋。很多基础研究正在以越来越快的速度应用到不同产品中，以此实现技术和产品的整合。比如说，目前Skype已经能够进行实时语音翻译，和不同语言的人也能实现无障碍沟通。
现在，微软很多产品中都有AI技术的体现，Power BI能够处理大量非结构化的数据并从中充分提取信息。微软几个月前推出的Presentation Translator插件则可以使PPT拥有翻译的功能，参会者能够在手机端实时看到演讲者的演讲翻译文本。当然，对于过去取得这些成就我们是非常骄傲的，现在很多机器可以听、可以读、可以写、可以理解，很多机器未来甚至可以看明白这个世界，可以理解这个世界，这样的话大家都在梦想着看到真正的智能的机器。但是其实人工智能未来的潜力不仅仅局限在只做我们能做的一些事情，人工智能很大的一部分的潜力是去做一些人类无法企及的事情。比如说，我们未来或许可以通过人工智能技术实现与家人朋友的远程互动等。
随着技术的不断发展，未来的AI将会变得越来越智能，蕴藏其中的潜力也会被一步步激发出来。未来的AI发展有三大基石：
第一，强大的计算能力。随着云技术的发展，现在世界上每一个人都能够获得非常强大的计算能力。
第二，大量复杂的算法。目前，大家可以通过API接入大量的算法，并将这些非常复杂的算法用到自己的应用当中。两年前，微软亚洲研究院开发了用于计算机视觉研究的深度神经网络ResNet，现在这个算法已经是计算机视觉领域被广泛应用的算法之一。而先前打破语音识别错误率纪录的相关算法也已经公开。
第三，强大的数据支撑。随着世界互联程度越来越高，微软也将充分利用这些数据来创造机器学习的模型，未来也会出现越来越多的智能化应用。
再回到艺术工匠式的AI概念上来，目前，我们仍然需要非常强大的工程师来去打造AI的解决方案和相关应用，这实际上也是我们的一个瓶颈，并没有那么多人能够享受到AI带来的好处。但是手工艺品也往往会带来新的技术进步甚至社会进步，正如活字印刷术的出现使人类的教育和阅读进入新阶段，从原先的一书难求到书籍数量的指数级增长，社会也因此向前推进了一大步。
今天AI的出现，也会给我们带来改变。100年之后，我们再回头看今天，我们会看到AI和机器学习的出现，其实是人类历史上的一个拐点，就像我们的活字印刷术一样。
当我们现在努力研究AI的时候，我们也在思考能够通过怎样一种平等的方式，让大家都能够感受到AI带来的神奇魅力，让AI的便利普惠大众。我们考虑搭建一个云平台，这样一个云平台应该给大家一个平等的可及性，我们在不断思考它应该是一个什么样的平台，它的基础架构是什么样的，什么样的基础原料，这需要非常坚实的研究工作。
我们现在还不能非常精确地知道我们需要什么，但是我们正在非常努力地去把这些最基本的架构搭建起来。所有的这些东西应该怎么样放到一起，把它变成一个像印刷术一样重要的发明呢？现在我们思考的AI服务是哪些？哪些服务是应该被放在机器学习的框架之上的？我们还有很多的不确定性，我们也不知道哪些是正确的部分。但是我们的想法、我们的意愿是要去理解这些或者是另外一些想法，为未来提供更坚实的基础。
最后，我们不知道这个平台会不会成为像印刷术一样的重大发明，但是我们现在可以确信的是，它是我们最重要的探索之一，如果我们能够让每个人都平等获得AI，让AI不仅仅是工艺的、仅有少数人可以获取的行为，那我们定将会走向一个更美好的世界。
想要了解Peter Lee的演讲全文，请戳下方视频观看：
下期预告：下期“二十一世纪的计算”大会精选内容中，我们将为大家放送南加州大学计算机科学与数学系教授滕尚华的精彩演讲——大数据时代的可扩展算法，敬请期待！
·氧分子网（http://www.yangfenzi.com）延伸阅读：
➤ Siri 阿尔法狗 Alexa：AI是一个整体，拥有完整大数据代表未来趋势
➤ 出门问问李志飞：一个硅谷工程师在中国的 AI 创业“实践论”
➤ 万钢 任正非 董明珠 雷军 詹纯新 袁利群…21个人眼里的工匠精神
➤ 连岳：如何用工匠精神请客？我一定要把自己的工作做得比别人好
➤ 靓诺首席设计师陈宸：一群对自己专业极富 工艺情怀的“犟人”
·氧分子网（http://www.yangfenzi.com）综合整理
2017中国计算机大会（CNCC2017）26日在福州开幕，本次大会主题是“人工智能改变世界（AI Changes the World）”，从10月26日持续至28日。2017中国计算机大会（CNCC2017）由中国计算机学会（CCF）主办，福州市人民政府、福州大学承办，福建师范大学、福建工程学院协办。
陈熙霖研究员
在CNCC大会上，中国科学院计算技术研究所研究员陈熙霖作题为《从物体识别到场景理解》的报告，陈熙霖研究员在演讲完后接受了媒体的访问，并回答了黄河连线的专访问题。
黄河连线：现在普通大众都在享受着计算机视觉带来的便利，但是部分人对于具体哪里运用到这些技术不太清楚，您可以大概介绍一下现在较为普遍运用的计算机视觉技术吗？
陈熙霖：计算机视觉在应用上非常普遍，比如现在打开手机的照相功能，会自动识别人脸在哪里并框出来，再据此对焦，这就是个典型的应用。过去可能存在照相机对焦对不好，但是现在识别到人脸在哪里，相机就自动给你调整好了。还有在停车场停车不用刷卡，通过拍照就可以计费，这也是个很好的应用，此外包括广泛使用的指纹识别、OCR （Optical Character Recognition，光学字符识别）等，都是识别技术在应用上的标志。
黄河连线：前段时间苹果推出了人脸识别解锁、支付技术，在网上引起了热议，有人认为人脸识别并不比指纹识别方便。您怎么看待这个问题？
陈熙霖：这是一个习惯的问题，技术同时也在应用需求的推动下会不断地改进、迭代，人脸识别技术的发展肯定也会越来越好用的。
黄河连线：有专家说，现有的人工智能系统，可以说有智能没智慧，有智商没有情商，会计算不会算计。您是怎么看待这个说法的？
陈熙霖：这要看智能系统对用户的理解定位在哪个层面。即使是人类，也会有理解上的差异，比方说你讲了一个笑话，有的人笑，有的人不笑，这背后就需要有一个背景知识作为支撑。如果想要机器有情商，那就需要有深刻的背景支撑。但反过来讲，我们到底需要有什么样的机器人？如果是想要一个聊天机器人，那可能需要考虑情商的问题(即使这个情商也是人造的)，如果只是需要扛一个箱子、干体力活的机器，那要情商干嘛？所以说，合用的就好。
黄河连线：人工智能现在迅猛发展，但是在分工、隐私等人理道德方面也出现了很多不同的声音。您怎么看待现在人工智能与人之间的关系？
陈熙霖：近年来，人工智能在应用上的发展很快，但是相比技术的发展，教育和立法方面需要尽快跟上，不能忽视，只有这样才能解决好人和人工智能技术的关系。
以下是陈熙霖研究员的现场采访实录
人工智能是人造的智能，不是人的智能
我们国内有很多研究单位和企业在计算机视觉领域的工作都非常好，是可以和国际一流的技术水平相比肩的。因此，关于人工智能的理解是千人千面的。
我希望计算机视觉技术在未来的发展可以使机器人像人一样，能理解周围的事物。现在的机器人相对人来说在理解周边事物方面还很初级，很大的原因就是缺少一双明亮的“眼睛”。中国人说“耳听为聪，眼见为明”。如果能让机器人有一双查明秋毫的眼睛，能理解到周围的环境，这就是个很了不起的工作。至于大家关注的在手机上的人脸识别解锁、支付等技术，从推出到广泛使用可能需要一段时间，这是一个使用习惯的问题，同时技术会在需求的牵引下不断地改进、迭代，人脸识别技术的发展肯定是会越来越好的。
有人会担忧人工智能像在电影中那样有了自己的意识，开始抢占人类生存资源。这毕竟是科幻片。但是人工智能倒是有一些伦理问题需要思考，未来机器人能做什么、不能做什么，这些都是需要我们来思考的。
计算机视觉要达到的目的不是只是“看到”，更要达到“看懂”
人的眼睛在看到物体后，在身体上会有一系列反应，机器人也是一样的。计算机视觉的目的就是想让计算机可以看到一些东西进行反应、决策和动作。计算机视觉要达到的目的不是只是“看到”，更要达到“看懂”。例如对于无人驾驶汽车来说，就是要看懂行人的动作和预判出即将发生的动作。“看”是“做”的前提。随着需求的发展，如机器人、无人驾驶等，计算机视觉都需要为其提供支撑。技术的发展是一个漫长的过程，计算机视觉的发展任重而道远。很多人担心人工智能会不会操控人脑？至少从技术的角度，不用去担心这个问题。
未来，计算机识别技术的相关产业要发展，第一是要有自己的核心技术，第二是要追求差异化，第三是整个产品的设计、发展要找好定位。企业同时也可以通过产、学、研的结合，助力企业发展。中国计算机学会就一直在致力于服务企业的发展。
黄河连线记者采访陈熙霖
看点：AI圈的半壁江山都到了！记微软亚洲研究院第二届院友会。
2017年11月13日，微软亚洲研究院在位于中关村的微软亚太研发中心举办了一次只有前员工才能参加的聚会，没错，这就是微软亚洲研究院的院友会，这个有官方支持的“前员工聚会”今年是第二届，已经有累积1300多位院友。
在人工智能圈，微软亚洲研究院被称为人工智能圈的黄埔军校，明年将是微软亚洲研究院成立20年。无论是阿里、联想、海尔、百度等国内知名科技公司的前沿技术研发负责人，还是商汤、旷视等人工智能领域的知名创企，又或是AI投资圈，背后核心负责人都有来自微软亚洲研究院的大咖身影。所以这场聚会也成了人工智能圈的一次“武林大会”，各路高手，在此各展身手。
更有意思的是，虽然是学霸云集的技术人士聚会，但从身居高位的大公司高层到创业公司的创始人，这拨微软系出身的技术精英们居然个个天然段子手附身，各种飙段子的同时，也能看到不少对AI产业关键问题的讨论交锋，以及行业热点评述，干货不少。
智东西(公众号:zhidxcom)特别整理如下，其中特别值得关注的是由李开复、张宏江、赵峰等几位前院长级老领导对AI投资的讨论，以及由微软全球执行副总裁、微软人工智能及微软研究事业部负责人沈向洋主持的“看脸的时代”圆桌，汇聚了国内最顶尖的几位机器视觉创业公司，对这个行业的几个关键问题进行了探讨。
微软亚洲研究院现状：与国内产业靠拢
微软全球资深副总裁、微软亚太研发集团主席、微软亚洲研究院院长洪小文做了开场致辞，致辞中他向大家介绍了微软亚洲研究院最近的一些研究成果。
首先，他对各位院友的到来表示欢迎，并提到将会在院友聚集的地方不定期举办活动，希望经常和大家聚聚。同时，他也肯定了微软新CEO萨提亚的表现，微软在萨提亚的带领下正变得越来越好。
人工智能与大数据、云计算紧密联系，人工智能与算法结合就是所谓的系统智能。
将大数据、大计算，以及AI算法结合到实际应用场景上就叫做数字化转型，而这种转型对每一个公司甚至每一个人都有无比深远的影响。这些影响将至少有四个部分，也是行业内奋斗的人们所希望达到的目标：1、转型服务产品。2、密切客户沟通。3、优化业务运营。4、予力赋能员工。
洪小文也提到了微软亚洲研究院在过去一年内开始与中国公司合作，将研究成果与这些公司分享。比如，最近媒体报道过的微软亚洲研究院与中国最大的基金投资公司–华夏基金在做前瞻性的共同研究，微软陆续还会与更多的公司合作，合作的方面将涉及战略、商业、技术等更广泛的领域。
明年将是微软亚洲研究院举办“二十一世纪的计算”大会的第20个年头，在大会举行前，微软亚洲研究院还将继续深入研究AI带给未来的改变。
四位老领导对话：投资未来
接着，在硬蛋CTO李世鹏的主持下，创新工场创始人、董事长及CEO李开复，源码资本合伙人张宏江以及海尔集团副总裁、CTO赵峰，三位资深的投资人对未来投资行业前景给出了自己的见解。
创新工场创始人、董事长及CEO李开复从创新工场这两年的巨大蜕变谈起，他说创新工场目前已经停止了孵化业务，一年多前就成功转型为风投公司，目前在做VC+AI的特色风投。目前创新工场正计划募资12亿美金，前年已成功募资达7亿美金。
为什么要做这样的特色风投呢？李开复给出了解释，人工智能发展需要大数据支持，数据来源有两个方面：一是将已有数据激活，二是快速生成大量数据。中国的数据增长速度目前比美国快很多，这些数据将转化为价值，所以中国人工智能创业的机会是巨大的。今天移动支付、电子商务崛起，可以预期未来其他行业也会产生颠覆，比如现在存在问题的医疗和教育等领域。而AI创业的资金特别大，想要做颠覆传统行业的AI创业项目需要的资金更大。所以创新工场正募集大量资金帮助创业。
AI创业的核心是AI人才或技术人才，李开复说，目前我们可以看到AI创业的四个浪潮：
1.互联网AI创业，这方面如果拿不到足够流量请不要尝试创业，如果想从事这方面工作可以到做的比较成熟的公司，比如今日头条和美图做技术性工作。
2.商业AI创业，对于传统的银行、保险、医院等机构，它们的业务流程完善，在过去的经营中也积累了大量数据，而这些数据非常有价值可以激活业务，这就是非常靠谱的创业方向。问题在于想这个方向上做创业，只能是服务于这些机构的企业，并常常受制于他们。
3.挖掘数据创业，比如有些创企想要做改变中国零售业、医院，或是想打造新的诊所，做新的东西。通过挖掘数据，自己建立体系和模式，这种创业是风投最想合作的创业方式。
4.全自动化，比如无人驾驶、机器人，芯片或研发新技术等。这些只有基于很成熟的技术，才会吸引VC的投资，毕竟商业上有各种各样的风险，投资人不能再冒技术风险。当然，如果这种创业的技术已经很成熟，只是单纯想进行商业化，这将是非常适合做大的创业项目。
除了上述提到的领域，李开复表示金融界也是投资人十分看好的行业。金融是一个纯数据的虚拟人造的行业，它的数据不仅量大而且好标注，拿到手就可以立即产生价值，并且这些价值可以迭代。但和银行保险公司做生意很有挑战性，除银行外，金融界还有很多值得投资的领域。
所以，VC愿意投资那些产生数据快速量大，又能快速生产价值的领域。想要得到风投的青睐，创业者需要从这两方面考虑创业方向了。
对于未来的投资方向源码资本合伙人张宏江给出了不同的看法。
投资人判断项目应该从应用开始，AlphaGo Zero 已经改变了人们对数据的迷信，使人们知道场景更加重要。当一些场景规则清楚，目标清晰，没有数据也能做出好的AI。他提到源码资本在过去三年的投资都是投到场景应用上，在AI领域的投资也一样投到了场景应用。
当投资人准备投资时，应先从场景应用看市场大小、数据多少，再看AI的启动难度，最后再看风险。当发现好技术、好项目时，投资出手要快。
从过去IT的整体发展思路的经验看，可以将今天的AI产业分成三块：技术支持者、killer app 、平台或者像微软那样两者兼备。做AI平台需要数据的支撑，如果一家公司不能从技术支持者走到killer app或者不能走到平台，从长期看价值就有很大问题。
张宏江还提到创业者不需要担心钱的问题，目前项目短缺资金过剩，众多的投资公司、基金都在寻找好项目，项目好、团队好、切入点好，一定有人投资。
海尔集团副总裁、CTO赵峰，也提了一些关于未来投资的观点，他认为实体行业+人工智能，制造业+人工智能的机会很大。人工智能技术需要一个出口，人工智能+硬件+软件是一个非常好的组合。
当前，受人工智能浪潮的影响，传统企业正在进行数字转型，而转型中将不再过于关注产品本身的销售，而更加看重客户的终身价值，企业应该想怎样挖掘客户的终身价值。现在的消费主力已经是80、90、00后，他们已经习惯互联网消费，这也促使整体的消费升级了。在这样的消费升级的机会下，人工智能可以帮助产品大幅度提升质量和用户体验，创业者需要做的就是如何在这样的环境下，体现自己产品的差异化优势。
人脸识别四强PK：看脸的时代
微软以技术起家，本次院友大会也少不了技术方面的问题。计算机视觉技术已经研发了51年了，其中最火的当时人脸识别技术。就人脸识别技术，微软全球执行副总裁，微软人工智能及微软研究事业部负责人沈向洋主持了一场圆桌会议，圆桌会议的参讨者都是微软目前国内人工智能领域的牛人：
商汤科技联合创始人兼CEO徐立：本硕毕业于上海交通大学，博士毕业于香港中文大学。拥有十余年计算机视觉、模型识别、图像处理经验。
Face++ 旷视科技首席科学家、研究院院长孙剑：毕业于西安交通大学，后一直在微软亚洲研究院工作，担任首席研究员。主要研究方向是计算机摄影学、人脸识别和基于深度学习的图形理解。
旷视科技创始人兼CEO印奇：本科毕业于清华大学姚期智实验班，硕士毕业于哥伦比亚大学计算机科学系，2011年创办北京旷视科技有限公司。
中科院计算所教授、中科视拓董事长兼CTO山世光：本硕毕业于哈尔滨工业大学计算机系，博士毕业于中国科学院计算机应用专业。主要从事图像处理和理解、计算机视觉、模糊识别、智能人机交互界面等相关研究工作，特别是人脸识别相关研究工作。
依图科技业务技术副总裁吴岷：毕业于上海交通大学，后进入微软亚洲研究院。现加入依图科技，担任业务技术副总裁。
接下来，这五位技术牛人对有关人脸识别技术和应用的四个问题，做了精彩的回答。
问题一：计算机的人脸识别能力现在是否已经全面超越人类识别？
徐立：现在人脸识别技术还差的很远，目前在陌生人识别技术上，计算机在某种程度上超过了人类，但是在熟悉的人的识别上，人脸识别技术还远不及人类识别。据海关关口技术人员给出的判断，目前人脸识别技术的准确率是53%，而人类随机猜测的概率是50%。在现在这个阶段，人脸识别技术虽然还未全面超越人类，但在一些场景上可以应用。
旷视科技创始人兼CEO印奇也表达了同样的观点，他说无论是AI技术，还是人脸识别，在接下来的商业路径上将和场景紧密结合。
中科院计算所教授、中科视拓董事长兼CTO山世光说，人脸识别在对身份证照片与近照对比识别上，比人类做的好。但在熟人识别上做的确实不如人类，还有许多需要改进的地方，但在特定应用场景确实已经做得很好了。
问题二：四位所在的视觉技术公司的产品线考虑和专注点？
中科视拓山世光：中国有大量的实名制需求，验证身份的需求。我们公司更关注公共安全，关注单位、门禁、考勤等方面，我们希望人脸识别全面替代过去的指纹识别。
商汤科技徐立：我认为云加端是AI的必然走势，未来AI技术企业将向这个方向发展。
旷视科技印奇：我们的关注点第一是金融行业，第二是安防，基本以线下的摄像头连接和智能化为核心。我们也发现智能楼宇和新零售方面的机会，这两个行业将在未来两三年有非常大的业务闭环可能性。还有0.5个跟手机、APP、AR有关的应用，也将是视觉技术产品研发的好的落地点 。目前这2.5个行业是我们的关注点，如果计算机视觉技术进一步发展，相信将有更多的垂直行业值得关注。
问题三：人脸识别到底是感知问题还是认知问题？
山世光：人脸识别其实前端是感知，后端是认知。而目前的人脸识别技术只做到了感知，而且仍有了很多进展空间。目前计算机对表情识别还不及人类做的好，这主要原因标注人员不够，数据不够，而且没有这方面的专家。但目前通过算法收集对人内心情绪的感应指标，人脸识别技术比人做的好。计算机通过高速摄像机可以捕捉人类行为和生理特征变化的信息，从而感知情绪变化。
Face++ 旷视科技首席科学家、研究院院长孙剑：认知问题与语言有关，人类定义了众多情感，但对这些情感就行的标注并不一致，而这种不一致就使得很难让计算机去实现这些高级识别。我认为这并不一定是认知在起更大的作用，这还有待研究。
印奇：可以通过多传感器来优化人脸识别，这种解决方案属于硬软一体化。有些问题在学术上很难解决，但工业可以采用有更灵活的方法，使计算机识别更贴近人类识别。
问题四：iPhone X的人脸识别技术让大家震撼，但这一技术微软的Windows在几年前就做到了，只是没人知道。各位如何看待端应用很强的应用场景，给公司带来的机会呢？
徐立：做产品研究很不容易，从技术到落地会有很多弯路和故事，未来还会有很多的线上线下场景应用。我们需要做的就是在前期形成联盟，将标准和流通性制定出来。
印奇：之所以在这代iPhone上安装人脸识别技术，其实背后有两大驱动力推动。一是手机全面屏的普及，这是最主要的原因，二是手机厂商对摄像头的巨大投入。
山世光：iPhone X的Face ID对整个人脸识别技术的推广起了很大作用，使我们知道在端上可以做很多事情。包括现在的深度学习都可以在相对便宜的端上去做，比如智能门禁。还会有更多的人脸识别技术的商业机会被挖掘，有更多的场景可以去做。
孙剑：苹果的这一次在手机上使用人脸识别技术将会推动整个产业链的发展，如果把应用的价钱全部降下去，计算机视觉创业会有更美好的前途。
在下午场的交流中，与会人士还就未来人机交互和智能驾驶等热门领域进行了探讨。