第四范式创始人戴文渊
　　戴文渊是中国人工智能公司第四范式的创始人兼CEO。在2014年创立第四范式之前，他曾就职于百度，助力设计人工智能系统“凤巢”，也曾担任华为诺亚方舟实验室主任科学家。戴先生是ACM国际大学生程式设计竞赛的全球总冠军。
　　第四范式以“AI For Everyone”为愿景，为银行、保险、安防、政务、能源、智能制造、零售、医疗等领域的企业提供人工智能平台服务。截至2019年6月，已经帮助7617个客户及合作伙伴成功落地12648个场景。
　　未来10年将是人类历史上最大规模的智能大爆发。我预计三到五年内，中国企业的智能化率 将超过50%，而那些领先企业将在五年内完成智能化转型。
　　目前虽然各行各业都已经开始尝试把人工智能落地到业务场景中，但绝大多数企业的智能化率仍然处于较低的水平。在很大程度上，这是因为目前企业的人工智能落地只处在“拥抱AI”的阶段，模式大多是从0到1。这个过程虽然让企业开始了解人工智能的价值，但人工智能落地的效率还是比较低的。从其创造的价值来看，在很多企业内可能还不到企业营收的1%。
　　实际上，人工智能落地是有“套路”的。我认为下一阶段，需要将企业落地的套路总结出来，将规模化落地人工智能应用的基础设施建设好，帮助企业告别每个场景都从0到1做的模式，从而高效完成智能化转型。
　　下一个阶段，我们最关注的将不是每一个应用落地过程中用了哪些高大上的技术，而是每一年落地了多少个人工智能的应用。如果去年落地了100个应用，今年是否可以落地1000个？这种变化下，企业对人工智能由“拥抱AI”转向“追求价值最大化”，企业全面智能化转型的重要性在此凸显。
　　就人工智能落地的套路而言，我认为企业需要找到自己的核心业务，努力让人工智能在这里发挥极致的效果，“毕其功于一役”。因为核心业务关系到企业的“命脉”，1%的提升或许就能把业务提升做到最大化。与此同时，企业也要找到数量众多的分散场景，力求高效地实现跨场景规模化落地，1000个1%的效率提升也能带来巨大的优化。
　　就人工智能落地的基础设施建设而言，企业需要完善的数据治理系统。过去以商业智能（Business Intelligence）为导向的大数据系统并不适合人工智能。有的企业将人工智能建设在该系统之上，这反倒成了其落地的障碍。因此，企业需要有以人工智能为导向的数据治理系统，能够存取拍字节（petabyte）级别甚至更大量的日志，支持实时存储，并形成线上数据采集和处理的闭环。
　　其次是人工智能算力，未来优化人工智能算力的道路一定是软硬结合。因为人工智能算力是一个完整的体系架构，具有固定的计算模式，需要专用的计算。因此，适合人工智能专用算法的算力架构，未来一定会成为人工智能落地的主要算力解决方式，而这也将带来算力的一场革命。
　　未来三到五年会是人工智能规模化落地非常关键的时期。只要走通了人工智能高效落地的模式，将基础设施建设好，企业将会迅速将智能化率提升至50%以上。

　　云知声创始人黄伟
　　黄伟博士是中国聚焦智能语音技术的人工智能企业云知声的创始人。此前，黄伟博士任职于摩托罗拉中国研究中心和盛大创新院，主导开发出全球第一款手机声纹认证系统。他在智能语音和人工智能等领域有着10余年的从业及管理经验。黄伟博士于2012年组建了一支涵盖算法、软/硬件、云架构、芯片等研发能力的核心技术团队，并创立了云知声，业务覆盖智慧生活（包括家居和汽车）和智慧服务（包括医疗、教育和机器人）两大核心应用场景。
　　截止目前，云知声融资总额达三亿美元，合作伙伴数量超过两万家，覆盖用户达两亿，其中开放语音云覆盖城市超647个，覆盖设备在2.5亿台以上。
　　人工智能技术包括语音识别、自然语言理解和机器翻译等。这些技术在过去几年里发展迅速，但也面临一些瓶颈：其一，目前深度学习的理论框架短时间之内看不到很明显的突破。虽然有专家提出新的方向，但并未成功地证明能够起到如同从统计学习到深度学习的质变飞跃；其二，当前的技术在实验室是很好看的，但是一旦和场景结合的时候，就会发现技术依然存在着很多短板。很多漂亮的工具放到现实当中就会变得惨不忍睹。
　　我觉得这两个方面都需要去突破，特别是理论层面上的突破。比如今天我们都知道，把大量数据丢到训练池子里以获得更好的性能，但为什么会获得更好的性能？我们不知道。机器学习对我们来说还有点神秘，我们不知道这个机制如何运作。想要获得突破，我们首先需要神经网络更加具有可解释性。
　　如果未来我们能够取得理论上的突破，就有可能使得我们的人工智能具备更高的可适应性和推理能力，在不同的应用场景里面都能够表现良好。但是任何一种理论框架的出现和完善，恐怕都是以10年为周期单位的。深度学习的普及10年不到，仍处于初级阶段，其完善和突破也需要很长时间。
　　在深度神经网络理论突破之前，并不妨碍我们用它来解决一些现实中的实际问题。虽然没有泛化智能，在一些限定场景下它仍旧可以解决非常有价值的问题。人工智能公司可以深入场景，深度优化，夯实数据优化、算法优化和工程优化，来提供真正的商业价值。
　　中国的人工智能公司都在拓展自己的技术边界，纷纷跨界以实现全栈技术实力。这对团队从资源、资金、技术人才到商务拓展，都是一项非常大的挑战。另外，我们看到人工智能公司越来越达成共识，摒弃过去互联网时代以平台构建为主题的思路，转而更加聚焦深入场景的深度优化策略。这将是人工智能创企的最佳机遇，也是未来人工智能公司持续发展的必然之路。大致来看，科技巨头们上九天揽月，创企下五洋捉鳖，会形成动态互补的竞合态势。中国市场将比美国更有可能目睹人工智能创企打出自己的一片天地。
　　中美的科技对抗对于中国人工智能公司而言，机遇大于挑战。中国在战略上会更加重视前沿科技的发展，在客户需求上规模巨大、需求紧迫，这些都会产生鞭策的力量。未来三到五年，中国人工智能公司将真正埋下头来，少说话，多做事。