★中英双语版本全球同步发售，美国亚马逊超级畅销读物，学习人工智能未来发展趋势的必读之作
★微软CEO、前苹果CEO、深度学习发明者等数十位业内资深科学家鼎力推荐
★基于本书内容，李开复博士第二次登上美国TED大会，进行全英文演讲，深度解析人工智能时代未来十年大趋势
★人工智能带来的不止是繁荣，同时也伴随着危机与挑战
★人工智能对社会的最大冲击是什么？
★个体应该如何应对未来可能出现的大规模冲击和社会的撕裂？
★全球目前人工智能发展的情况是怎样的？人工智能巨头企业有哪几家，它们将如何改变世界？
★在未来，个人、企业、政府究竟该如何协作，才能打造出繁荣的社会图景？
★现在已是未来，站在人类社会分岔路口的我们，究竟该如何抉择？

开复在《AI·未来》睿智分析了人类与人工智能共存的蓝图，非常具有真知灼见。这是一本了解人工智能发展的必读佳作，我们必须深刻向内寻求人类的价值，挖掘人性的智慧，才能妥善引导人工智能的发展。
——萨提亚·纳德拉，微软CEO
我与李开复和乔布斯都共事过，李开复在人工智能领域有丰富的经验，他对未来人工智能世界的秩序有着独到的理解和诠释，这本书堪比当年乔布斯对个人电脑如何彻底颠覆人类、启迪未来的那段分析。李开复的书就是这么厉害。”
——约翰·斯卡利，前苹果CEO
很少有人拥有像开复这样多元化的人工智能领域的专业经验，这使得他在预测亚洲和世界其他地方的人工智能发展趋势时，宛如神谕般精准。这本书让我们了解了众多丰富、精彩的故事，非常值得一读！
——勒丘恩，深度学习发明者之一，Facebook人工智能研究院院长
李开复可能是世界上对全球科技发展观点最全盘、透彻的人。
——艾伦·穆雷，财富杂志总裁
李开复是我踏入人工智能领域的老师。
——郭台铭，鸿海集团总裁，富士康创始人
人工智能已经走下研究实验室的神坛，走进了现实生活，我们必须和它一起前进。希望读者朋友和我一样喜欢《AI·未来》，也希望大家能够在人工智能驱动的新世界中找到自己的位置。
——吴军，前腾讯副总裁，著有《见识》、《数学之美》、《智能时代》

迎来“深度学习”这项重大技术突破后，人工智能已经从发明的年代步入了实干的年代。
现在已是未来，我们所处的时代，已经与过去完全不同。面对已经来临的、机遇与挑战并存的人工智能时代，我们必须要了解人工智能，跟上人工智能发展的脚步，这样才能不被时代淘汰。
目前全球人工智能发展的情况是怎样的？
全球的人工智能巨头企业有哪几家，现在他们有什么贡献？未来他们又将如何改变世界？
人工智能已经改变了世界前进的脚步，那么人工智能的发展阶段如何区分？
人工智能对社会的最大冲击是什么？我们应该如何应对未来可能出现的大规模冲击和社会的撕裂？
在未来，个人、企业、政府究竟该如何协作，才能打造出繁荣的社会图景？
李开复博士长期从事人工智能的研究和观察工作，拥有大量的人工智能行业从业经验，历任苹果、微软、Google顶尖科技公司全球副总裁等重要职务，之后创办了中国一流的创投机构——创新工场。在本书中，李开复博士凭借对全球科技业与人工智能行业的深入了解，为读者描绘了人工智能新世界的样貌、未来人工智能对社会的冲击以及在人工智能时代我们的应对策略。

创新工场创始人及首席执行官
创新工场人工智能工程院院长
李开复博士于2009年创立创新工场，担任首席执行官、创新工场人工智能工程院院长。创新工场现管理总额110亿元人民币的双币基金，主要关注人工智能、教育、消费升级、B2B企业服务、文化娱乐等领域，专注投资早中期的高成长型科技企业。
在此之前，李开复博士曾是谷歌全球副总裁兼大中华区总裁，曾在微软、苹果、硅谷图形公司担任要职。李开复获得了美国哥伦比亚大学计算机科学学士学位、卡内基·梅隆大学计算机系博士学位，同时还是香港城市大学的荣誉博士、卡内基·梅隆大学荣誉商业管理博士。
在人工智能领域，李开复创建的微软中国研究院被《麻省理工科技评论》誉为最热门的计算机科学实验室。此后，微软中国研究院更名为微软亚洲研究院，为中国培养了大批人工智能领军人物，包括百度、腾讯、阿里巴巴、联想、华为和海尔的首席技术官、人工智能领军人物等。在苹果公司任职期间，李开复负责的人工智能项目的语音以及语言处理，曾被美国广播公司的《早安美国》节目精选，并成为《华尔街日报》的头条。
李开复博士先后获得过10项美国专利，发表逾百篇专业期刊或会议论文，并出版过7本中文畅销书，当选为美国电气和电子工程师协会（IEEE）的院士，被《时代》杂志评选为影响全球100位年度人物之一。

（原标题：余凯年度总结，揭开中国人工智能的真实现状）

2016 年，在美好理想和残酷现实的夹缝中野蛮生长。

当从业者们认为，人工智能时代是“技术为王”的时代，但面对价格战、商务战、公关战时，技术似乎不再是唯一的信仰。当从业者们认为，手握学术大牛、刷爆各种榜单就能所向披靡时，“AI 产品经理比科学家重要”、“刷榜是没意义的”等反驳性观点也越来越被业内认可。当从业者们认为，招一大批名校博士就可与巨头比划时，虚高的薪水和拿不出手的产品让企业不得不开始考虑性价比的问题。

雷锋网第 100 期硬创公开课特邀博士为大家做了一期以《人工智能的冰与火之歌：回顾 2016，展望 2017》为主题的公开课，分享了他对今年 AI 现象的看法以及对未来的展望。

余凯，地平线机器人创始人兼 CEO，前百度研究院执行院长，曾领导百度深度学习研究院( IDL )、多媒体技术部（语音，图像）、图片搜索产品部等团队。2012年以来，余凯创建百度IDL，发起和领导了百度大脑、百度自动驾驶等一系列项目，并连续三次荣获公司最高荣誉——“百度最高奖”。余凯发表的论文被引用超过 11000 次，获 2013 年国际机器人学习大会( ICML )最佳论文奖银奖，曾任 ICML 和 NIPS 领域主席。他于 2011 年在斯坦福大学计算机系客座主讲人工智能课程，还曾率队于 2010 年获得首届 ImageNet 评测世界第一名。

”时代，你会发现当时的商业模式也是探索了很长时间。

资本市场确实有追逐短期回报的现象，所以明年下半年到后年，即便整个 AI 投资市场趋冷也并不奇怪。AI 行业与“.com”时代一样，即便是趋冷，但也不会影响到整体的趋势。因为 AI 确实在推动产业发展，实实在在创造价值，它不会进入一个万劫不复的寒冬。

10. AI 科技评论：不少人提到人工智能泡沫的说法，你认为现在存不存在泡沫？

实事求是的说，如果按照投资机构的计算方法，AI 泡沫是一定存在的。AI 创业公司确实估值比较高，而且市场进展也并不尽如人意，到明年或后年一定会有所变化。从长期趋势来看，适当泡沫纯属正常，就像啤酒有泡沫味道才更好，正是因为泡沫才让各公司都有机会去登上舞台。不论怎样，大家亮个嗓子，在舞台上唱一下。

我也经常跟投资人聊这个事，经过观察国内十几年的产业周期发现：以往多数项目均为 2C 产品，都是以产品创新和微创新为鲜明特征。中国没有经历通过技术创新为主的经济增长模式，而硅谷等地已经历过好几波技术创新，这在中国很少见。中国大部分投资机构和创业者，并不善于技术类投资以及做 To B 这种生意，所以大家还不太习惯对这类公司进行估值。

我们一谈到投资和创业，永远面对新的产业方向，然而在面对新的产业方向即便是海外专业投资公司也不一定看得准，所以也能看到像投资 MagicLeap 这样的新型公司都是有争议的。

11. AI 科技评论：当下很多投资机构和媒体都把人工智能捧在手里，你认为这会推动 AI 更快发展，还是过度溺爱会让它堕落？ 

AI 从纯技术和纯学术话题转变为全社会讨论的话题，使得专业的声音很有可能被淹没，这是我所担心的。投资机构和媒体的所有动向都会影响到产业的发展，AI 从业人员却难控制。

AI 在内部环境受到 VC 和媒体的万千宠爱，但外部的环境是很残酷的、理性的、不相信眼泪的。在这种情况下，企业应保持冷静，抓准切入的点，保证服务价值从而构建自己的护城河。整个行业的发展一定是由理性驱动，一定是由实实在在的需求和价值来驱动，因此我个人并不是特别担心投资机构和媒体过多溺爱这个行业从而致其堕落。当然，大浪淘沙一定会有所选择，真正能够平心静气把创业当作艰苦修行而非豪华盛宴的创业者会走到最后。

12. AI 科技评论：对 2017 年人工智能行业的格局和发展做个展望和预测。

我对 2017 年充满了期待，希望这几大方向有着一定的进展：

• 希望人工智能处理器硬件行业会有大的突破。

• 应用场景上的重大突破：如医疗、自动驾驶、智能家居等。

• 从整个创业投资角度讲，明年下半年 VC 应该会更加冷静、理性地思考，这里并不是指降低投资力度，而是聚焦投资范围。同时对未来发展方向和路径会考虑地更加清楚，把资本注入重点方向和具有价值的团队。

1.怎么看待近期谷歌无人车事业部拆分成独立公司？这个案例可否理解为自动驾驶已经遇到天花板了？

从百度到地平线，我都做过自动驾驶的事情。根据我自身观察，谷歌无人车事业部拆分这件事一点都不奇怪。谷歌一直存在几个严重问题：

商业策略：谷歌没有思考清楚商业模式，到底该提供整车，还是成为技术服务商、供应商。

技术路线：谷歌的计划很激进，想一步跨到不需要方向盘的无人驾驶水平。事实上谷歌的虽然目标很大，但技术路线较为很保守，导致目标与技术路线并不匹配。谷歌无人车是基于高精度地图的自动驾驶方案，该方案有很大局限性，需要事先对整个环境做出全面感知，这使得其在处理不确定性事件方面有所欠缺。这种不确定性体现在长尾情况，而不是常见情况，而在长尾挑战层面，谷歌在技术线上没有很好地去处理这个问题。

2.如何看待近期比较热的强化学习和迁移学习，他们在应用方面的发展现状怎么样，以及所面临的挑战？

强化学习现在面临的主要挑战是怎么 Handle Long-term Dependence 的问题，如果最后它 Reward 很长时间才显现，它怎么去影响当前的 Policy ，是一个很大的问题。强化学习的代表 AlphaGo 实际上运用了巧妙的方法如 Learning From Experience 去下围棋，这一点很有意思 。那么未来如何在理论上有一个优美的框架，我觉得还是挺值得探讨的。

另外，强化学习的框架相对而言是一个比较黑箱的系统，这与感知不同，在感知方面黑箱一点也可以，但在决策上一定要用白箱的、可理解的方式去做，尤其是自动驾驶领域。

关于迁移学习这一问题，其实深度学习、神经网络天然就拥有迁移学习的特性，比如用 ImageNet 去训练网络结构，实际上它的很大一部分参数在其他问题上可以复用。在参数领域的迁移学习，大家都搞的比较清楚，但在结构方面的迁移学习，现在还并不太清楚。结构反映了更高层的学习问题，基于模型结构的迁移学习将会是下一个热点。

3.您对哪个深度学习开源平台在 2017 年的发展有比较大的期待？

谷歌依靠自己强大的号召力推动了 TensorFlow，鉴于其强大背景，使得它在明年仍旧很值得期待。而在近期被亚马逊选为官方平台的 MXNet 同样值得期待，MXNet 是一个更加开放的中性平台。如果想深入开发技术、开发原创新技术、追求技术自主性的话推荐用 MXNet。从生态层面讲，如果整个人工智能的开发都基于 TensorFlow，这对生态的健康有着负面影响，容易被一家公司垄断，将会影响到产业链的方方面面，如处理器和应用等方面的部署。

除此之外，也推荐大家使用我在百度期间孵化的“亲儿子”百度 PaddlePaddle。

4.基于人工智能技术的公司未来会越来越多，算法、平台、产品、市场中，哪方面更可能成为一家成功公司的核心竞争力？

我先下个结论：最不容易成功的是基于纯算法的公司，主要原因是壁垒低。现在新的开源创新方式使得新算法不断冒出来，基本上每个小时都在创新，如果一个公司的核心竞争力基于聪明程度，这很不靠谱。这个世界上永远比你更聪明的人，而且很多。

无论是平台还是产品，其核心竞争力在这两方面：

• 足够的差异化和独特性，不可复制性

满足这两点，你的产品和解决方案或服务才拥有核心竞争力。