datasheet

EEWorld 電子工程世界

文章數:4083 被閱讀:1851369

賬号入駐

陸奇最新演講:沒有學習能力,看再多世界也沒用

2019-07-19
    閱讀數:

内容來源:2019年4月18日,陸奇成為YC中國創始人後首次對外分享,選擇在清華大學,面向清華學子講授《人工智能時代的創新創業浪潮》。


講者 | 陸奇

封面設計 責編 | 麗麗



2019年4月18日,陸奇成為YC中國創始人後首次對外分享,選擇在清華大學,面向清華學子講授《人工智能時代的創新創業浪潮》。這是陸奇首次在中國系統化地輸出自己對AI産業的洞察和實戰經驗。陸奇在講座中帶領創業者站在曆史的高度重新認識AI,并給出AI時代個人發展的方向性建議。

 

在他看來,世界變化的核心驅動是知識,人類曆史的進展都源于知識層次的提高,AI等機器系統幫助人類提升了獲得知識的效率,并用知識改造重建任何一個行業,并實現商業創新。


以下就是演講的全部内容:


今天分享的主題是“人工智能時代,創新創業浪潮”。

 

人工智能,毫無疑問,它對社會影響的深度和廣度将是空前的。那麼,在創新創業上,我們該如何更好地抓住人工智能這樣一個曆史性浪潮的機會?


今天,我想和大家分享的是我個人在過去幾十年裡,做技術、做産品所總結的一些心得。

 

如何把控人工智能時代的機會?整體思路有兩點,第一:站得更高,第二:站得更遠。

 


如何站得更高、更遠?一種方法把人工智能技術的核心本質理解得更深,尤其是結構化的本質,用它來推理将來創新的機會。


我們回顧過去60多年來的數字化工業曆史,看到它的結構化因素,用這個方式來預測人工智能時代有什麼樣的創新機會的結構。

 

所以,首先我想把人工智能技術的核心結構和趨向和你分享一下,然後以此為基礎來推演AI時代的創新機會。


同時,再分享一下我的心得,告訴你如何準備、探索和參與,來抓住這樣一個機會。

 

一、AI 的本質:

生産和運用知識完成任務的通用能力


1. AI技術的真正内核是什麼?

 

今天基于深度學習為主的人工智能技術,把外表展示形式剝離掉看它的内核,本質是一種新的計算形式,它的底層 substrate (基質)是以分布式的重疊向量為基礎,以這樣的向量空間作為任何一個模型的特征表達空間。

 

傳統意義上的機器學習使用的所有特征工程,如果一旦映射到這樣一個重疊向量的空間當中,很快可以通過可微分函數的表達形式來快速地學習自動表達的特征表達。


這一點對學計算機科學的、有技術背景的同學來講,我要稍微強調一下,也是我個人過去多年,做技術做産品一個重要的心得。


也就是說,如果我們可以自動地學習特征表達,而且這些特征表達可以用來解決不同的任務,它本身就是知識。

 

我們人可能把知識看得過分人化了,一定要用自然語言,一定要用圖譜才能表達知識嗎?重疊的向量如果可以非常有效地解決多種任務,它本身就是知識。


這是重要的一點。沒有技術背景也沒關系,你要 take away ,你一定要獲取的最大的重點就是,我們現在找到了一種新的計算方式,它有不同的底層,不同的 substrate,它的核心是可以從大量的數據當中快速地獲取知識。

 

有了這一點,接下來我們就有一個以前沒有的機會。

 

我們可以通過今天可用的工程化的方式,用電子技術、電氣技術和機械技術來打造新一代的智能系統。


但是在進一步展開巨大的前景之前,我們有必要結構化的講一下智能系統它的核心特征是什麼,什麼樣的系統是典型的智能系統,理解這點有助于預測它的未來和它會帶來的改變。

 

2.智能系統的結構

 

最好的智能系統是一個生物系統——人,任何系統,生物系統也好,機械系統也好,如果是智能的話,它一定在結構上有這三個組成部分,intrinsic architectural trinity (三位一體)

 

①   感知系統

 

它有一個感知系統,它必須對環境有感知的能力,通過觀察,我們把它叫作觀察系統。通過對環境的觀察,用數據來表達出來——數據代表了一種數字化的媒體,來記載對環境的感知。它本身是一種知識的載體。

 

②  智力系統

 

上圖(圖)中間的是智力體系,思考體系。它通過記憶和歸納,獲取知識隻有這兩種行為,Memorization& Generalization there is nothing else. 記憶和歸納,通過這兩者我們可以獲取任何知識。

 

③  活動系統

 

我們通過第二個系統智力系統,對于目标可以進行規劃,最後用第三個系統:活動系統,來進行控制,對我們的環境進行互動,以實現目标。


任何一個有智能能力的系統,生物的也好,機械的也好,一定會有這樣一個結構,重要的是由于有了第一個新的計算方式,我們可以用今天能夠用到的,工程技術來制造,人為地制造這樣的智能系統。這就是所謂今天的 AI 系統。

 

這是非常重要的一點,有了這兩者定義之後,很自然地我們可以把 AI的本質定義成為是一種獲取知識,運用知識達到目标的通用能力。

 

我總結一下,前面講了兩點:

 

第一,人工智能技術的核心

 

第二,縱觀曆史,結構化的因素可以讓我們預測,在人工智能時代大緻有什麼樣的一個範圍,會被數字化。

 

在有了上述基礎理解之後,陸博士提煉出 AI 作為通用能力的技術發展史規律。

 

二、AI 技術帶來的改變


改變一:從 長頸鹿 到 會學習的智能系統

 

需要強調的是,這是我們人類曆史上第一次真正有能力來建立非生物的智能體系。


過去 60 多年我們所謂的信息工業,所建立的所有軟件工業體系,如果用一個自然生物界來作比喻的話,基本上都是長頸鹿這樣的動物。



為什麼是長頸鹿?長頸鹿生下來兩個小時之内,基本上它生存所需的所有技能都有了,能跑,能吃樹葉,但是它一輩子什麼都學不會,它沒有學習的能力。


我們今天所有的軟件系統,大部分都是人造的長頸鹿,沒有學習能力,它所有的能力都是天生給它的,就是人給它的知識,我們都寫在了軟件代碼裡面了。

 

我們今天起步開始造像人一樣的系統,當然離人的能力還很遠,但是我們已經起步了。


人真是很不一樣,人從生下來到 10 歲,可能幾乎沒什麼用,但是它是一個能力強大的學習機器,Amazinglearning machine. 我們人是怎麼學習的?


通過觀察,通過思考,通過與環境互動。我們長大不是因為我們父母,也不是上帝在給我們大腦裡面寫代碼。

 

我們之所以變得聰明,是因為觀察、思考和與環境互動中學習,所以人工智能具備了這種自主學習能力,這對人類的意義是非常非常重要的。


這是我們曆史上第一次有能力,建立這樣一個體系,一旦我們在接下來5年10年保持算力算法的能力提升,我們能打造的智能體系,知識的累積會越來越強。

 

所以,第一,人工智能技術對人類的意義非常重要,這是人類曆史上第一次有能力建這樣一個體系。


一旦随着接下來五年十年的算法能力的提升,我們能打造的智能體系,知識的累積會越來越強。

 

第二,人工智能在曆史上也非常重要。目前為止,人類曆史的進展都是人的知識在提高,人有了新的能力,發明了新的方法,進而促進社會進步。


從現在開始,人和人建立的機器系統,共同發明知識。将來這些系統它獲得知識的能力會遠超人類,所以,在曆史上也是一個非常重要的時間點。

 

這就是人工智能技術所帶來的核心結構上的不同。

 

改變二:從 人創造知識 到 人與AI共同創造知識

 

知識的創造和使用,在曆史上也是非常非常重要的。到目前為止人類曆史的進展都是人的知識的提高,人發明的新的能力,發明的新的方法推動社會進步。


從現在開始,人和人建立的機器系統共同發明知識,将來這些系統獲得的知識會遠遠超過人能獲取的知識,這在曆史上是一個非常非常重要的時間點。


如果說改變一是,人工智能技術所帶來的智能體系核心結構的改變,那麼改變二是,從技術發展史的時間維度來看的改變。

 

從曆史角度來看,人工智能技術是人類數字化技術的長河當中的重要一步,同時也是必然的一步。


過去 60 多年的信息技術的曆史是人類數字化一切的曆史,而且數字化的規模和範圍越來越大,數字化進程的速度越來越快。

 

為什麼數字化帶來如此大變化?因為一旦數字化了之後,我們抽取信息,獲得知識的能力極大地提高,而且任何一個被數字化的領域,創新的速度會不斷地增加。



因為整個社會經濟,越來越是知識驅動,數字化讓我們獲得知識的速度,創新的能力極大地提高。


整個 IT 工業的曆史都是數字化進程的加速,基本上每隔 12 年左右都有新一代的技術,會出現比如定義性體驗等因素,它們驅動數字化速度加速和範圍拓寬。總之,基本上有些結構化的規則,有規律可循。

 

人工智能帶來的改變當然不止于這兩點,這兩點是讓非專業,非技術背景的同學理解這種改變的兩個關鍵點:一個是智能體系的核心結構發生了根本改變,機器可以像人一樣自主學習,自主發明知識;


一個是機器一旦能大規模發明知識,所有科技的、社會的和經濟的領域都會重寫一遍,Redefine everything 。

 

三、AI會有哪些重要發展方向

 

從曆史總結,再展望,人工智能時代,會有哪些重要發展方向?

 

第一,數字化技術的平台。


第一驅動因素是前端和後端,前端主要是人機交互的覆蓋率和交互的效益。


早期都是鼠标鍵盤加上圖像顯示器。蘋果在這方面就邁出了一大步:手指(觸控)


一旦有了手指(觸控),可以讓這樣的交互觸達到更多人群,因為鼠标鍵盤加顯示器讓你基本隻能坐在辦公室,但一旦有了手指後,可以伴随着每個人将來的交互形式更廣泛,自然交互,不用學,每個人都可以用。


所以,交互永遠是一個驅動因素。


後端是計算資源的規模存儲計算帶寬,有多少信息可以處理,有多少知識可以承載,包括空間的覆蓋率。


比如,分布式數據庫可以覆蓋一個企業,全球的互聯網覆蓋整個世界。


正是因為有了全球互聯網,世界才變得平了,整個世界的産業鍊在過去20多年的重大改革,正是因為有了數據的覆蓋,數字化的進程必須有商業化的生态來持續推動。

 

第二,定義性的體驗。

 

每一個數字化平台商業生态它都有這樣一些特征,首先,它有定義性的體驗。

 

iPhone:

 

第一個iPhone拿到你手裡時,你就知道新的時代來了,因為它帶給你的體驗是完全不一樣的。

 

windows 95:

 

當你第一次拿到windows 95(曆史上第一個真正好的PC),你也能感受到一個新的時代。


第一次看浏覽器,你就知道将來完全是鍊接在一起的,知道數字化的社會長什麼樣。

 

所以,定義性的體驗非常重要。

 

同時,要有寬泛的場景,窄的場景不夠用,辦公足夠寬。搜索、電商、社交,你必須要有寬場景,同時,要有有效的商業模式,隻要這些要素到位,這個平台才可以撐起來。

 

第三,數字化進展可以被延續加速。

 

我們總結一下過去曆史上,數字化一開始就是IBM把桌面數字化了,再就是微軟,它把整個企業的信息管理數字化了,全球已經是幾萬億的工業。


接下來就是蘋果,蘋果把人的社交行為、電商等數字化了。

 

在人工智能時代,數字化的本質開始變化,範圍可以擴充到幾乎物理世界上的所有地方,為什麼?因為在人工智能時代通過傳感器,通過感知體系、思考體系和活動體系,物理世界和數字化的世界徹底融合在一起了。


由于這樣的技術,每一個物理實體都将是一個前端,我們可以做交互。數字化的進程大概有這幾類我們能預測的第一智能物件:

 

① 通過對話型的助手,每個物件都可以做交互,都是前端,

 

② 自主體系。能夠自動駕駛車輛、機器人。

 

③ 智能場所。像亞馬遜購物這樣的新零售,将會越來越多的帶來智能的空間和時間。


同時,後端将是智能雲,包括大規模的數據和知識,像人的大腦一樣。


所以,通過曆史我們基本可以預測到人工智能時代它的前端至少有這些内容,它的後端以知識為主。


有了這一基礎後,我們再看在AI時代它能帶來什麼樣的創新機會?

 

四、AI時代能帶來什麼樣的創新機會

 

在回答這個問題前,我們先回看一下曆史。人類的曆史上,我們的經濟行為、生活水平,在過去一萬多年當中幾乎沒怎麼變,大概到三百多年前才開始變。

 

仔細看一下,為什麼會造成人類社會活動、生活水平加速提高的核心原因,是通用能力的發明。

 

在曆史上,我們很早就發明了一些通用的能力,比方說把植物和動物家有化了、馴化了,發明文字等,但是隻有到三百多年之前,我們開始發明了越來越能量強的通用能力,包括蒸汽機、火車、計算機、飛機等。



但是人工智能,它是這些發明中最通用的,因為知識可以用在任何一個應用裡,知識是最最通用的,同時知識的能量又是最大的。培根曾經說過,知識就是力量。

 

知識從本質上來看就是潛在的能量。有了知識可以做自動化,有了知識可以做預測,有了知識可以産生新的體驗。


所以人工智能給我們帶來的,是前所未有的一個通用的能力。按照這個曆史縱觀,接下來要發生的将是巨大的變化,這個變化核心驅動是知識。

 

如果用人工智能來驅動商業上的創新,它一定會遵守這樣一個規則:

 

首先人工智能要創造價值,必須要有應用場景,有了這個場景之後我們可以找任何一個場景,最好是端到端的一個寬的場景,這樣的話人工智能提升效率的程度會更大一點。

 

首先第一要問的,“我們要什麼樣的知識,我們希望知道什麼”,來把這個場景的價值給它提高。


一旦從這個起點之後,你馬上要回答的問題就是,“我們有什麼樣的數據”,數據都不是無中生有的,數據永遠産生于對環境的觀察,需要數據的話,你必須要有傳感器。

 

人類曆史上也是這樣來獲得知識的,如果人類曆史上沒有望遠鏡,沒有顯微鏡,我們就根本對物理世界沒法了解。


所以今天人工智能創新,你可以看到,創業公司做傳感器的特别多,核心原因是你必須始于這裡。


要有知識的話,你必須要觀察,你必須要有數據,有了數據之後,我們可以從當中抽取知識,抽取知識的方式。


包括軟件 + 硬件 + 算法,有了這些知識之後,我們可以決定,如果我們知道這些,我們想解決這個問題,提高這個價值。


我們應用這些知識來達到我們的目的,達到目的之後,我就創造社會價值和商業價值,到時候會有更多的數據,造成這樣一個閉環。

 

這裡我強調一下,數據一定要是活的數據才有價值,一次性的數據一點用都沒有。


所以一定要有商業生态,數據才會真正有價值,因為應用不斷在變,技術不斷在變。


Application drift and platform drift ,數據一定要是活的,做過多年産品你就知道了。所以一定要有這樣的閉環,這個模式是任何人工智能創造價值必須遵守的。

 

有了這樣一些結構化的思路之後,我們再縱觀全局,對人工智能時代帶來的改變和創新機會進行兩點梳理:

 

第一,我們會有全新的信息工業。

 

首先,如前面所說,将來的計算要領先,要靠前的是觀察體系,要有很多新的傳感器,特别是光學傳感器,不光是傳感器。


在傳感器上必須帶有計算的能力,所謂叫 on-sensor silicon software models,這我認為是目前的創新前沿之一。


同時整個芯片從底到上必須重建一次,今天的 X86 ARM 的系統架構根本不 work,它是假定 Von Neumann,假定是你的數據的維度是比較低的,你的 ControlForce 可以預測的,你的 Cache Hit Ratio 一定要足夠高。


人工智能時代,實際上根本沒有這些特征,都是高維度的數據,必須是大規模的平行處理。

 

所以整個矽晶片的工業一定會被重寫,指令集可以起一點作用,但是主要的矽晶片都是在ASIC ( application specific integrated circuit ) 或者FPGA 這一隊。因為大規模的訓練和推理是主要産生商業價值的矽晶片的應用 。所以整個芯片工業這一隊會被重寫。

 

同時軟件一樣,從底層的 fabric 到中間的 middleware, 到操作系統,到應用開發,到工具都會要重新建立,所以如果你是在IT 工業的話,創新的機會特别多,大的企業都面臨挑戰。

 

第二,将會誕生一系列新的支柱型新産業,以前沒有過的産業。至少會包括:

 

①   對話式的以個人助手為基礎的智能物件,将來是一個可以喚醒萬物的世界;

 

②  自主體系,自動駕駛、機器人,新的移動,這是真正物理世界的移動;

 

③  智能場所,任何一個物理空間,起源于零售,因為它價值很高,但是遊戲規則會是一樣,一旦智能化之後,可以大規模地提高商業價值和社會價值,所以這一些都是将來新的支柱型的産業。

 

同時,任何一個現有的産業,娛樂業也好,制造業也好,金融、醫療、教育、零售,所有的行業,都可以用人工智能技術,來提升和轉型。


因為它帶來的是知識,你用知識可以改造,可以重建,可以提升。


任何一個人類的行業,律師、醫生、教師、分析師,你的工作方式都會不一樣。重複性的工作,機械化的工作都會逐步逐步被取代。


我們人可以花更多的時間。做我們更擅長的創造性的發揮性的想象性的(工作)

 

一切都會被改變,這是一個完整的、覆蓋一切的變化,這并不誇張,因為是人工智能技術核心所帶來的機會。

 

五、如何加速推進整個創新進程?

 

在這樣一個大的背景下,我們如何來結構化的開發,進而加速推進整個創新的進程?

 

這裡有幾個結構化的因素給你分享一下:

 

1.  資本。

 

①   金融資本。


任何一個時代有大規模的商業價值,要産生時都有金融資本和其他生産資本,所謂叫functional separation,他會走的更靠前。


某種意義上市場的貪婪會走得很快,所以我們将會看到更大規模的資本投入。因為在接下來30年40年50年裡它的機會太多了,一定會有大規模的資本投入這個行業。

 

②   人才資本。


在大規模的工業化時代誕生了大學。專業培訓,就因為工業時代需要技能,要裁縫、設計師、廚師,大規模的培養各種技能。

 

但在人工智能時代,人的技能适合時代要求的是創新、發明新的方法。因為機械化重複性的動作都會被逐步取代。但是人才資本也會有新的往前推進的一個機會。

 

③   數據資本。


它最為重要,也更為特殊。因為數據是在人工智能時代的一個主要生産資本,所謂叫 Primary Means of Production。

 

舉個例子:

 

a.農業時代的核心生産資本是什麼?土地。

 

因為農業本質是光合作用,隻有在足夠的土地有足夠好的溫度,有足夠的陽光覆蓋的情況下,才可以種植農作物。


人類再聰明,人再多,也沒有用,給你世界上幾千萬人最聰明的人,但你土地隻有這麼多,你就隻能生産這麼多。

 

在人工智能時代數據也起到類似的作用。

 

b.有些同學可能開發技術,你要做一個跟自然語言有關的,用語音做對話的。


如果你沒有起步的2萬小時的标注數據,給你世界上所有的工程師,也一點用都沒有,你做不出來。


這不是一個人的資本問題。因為數據是知識的載體,沒有這樣的知識,就沒法做對話,所以數據會成為一個主要的生産資本。

 

如果我們要推進人工智能時代創新的話,一定要關注這三個資本,金融資本、人才資本和數據資本。

 

2.環境。

 

特别是政府的政策環境。對數據安全和隐私的保護,是從數據中獲取資本價值的核心關鍵。

 

同時基礎建設,比如我前面講的,無人駕駛這樣一個新的支柱性産業,必須要重新構建所有路網,道路的基礎建設,而且有了無人駕駛後,城市的半徑會增加,這是曆史的一個規則。

 

交通越發達,城市越大,将來的都市規模會越來越大,需要新的基礎建設。

 

3. 以市場導向為核心的路徑。

 

如果我們要加速推進人工智能的創新,讓它創造更多的社會價值,我個人認為市場導向是最關鍵的一個核心路徑。

 

市場是非常神奇的,從某種意義上來說,市場可能是人類最重大的發明之一。

 

市場本質上是什麼?

 

①   轉化器。

 

市場讓我們每個人為了自己的意願,personal private motivation,我們參與市場了。


但是我們參與市場的結果是造成了對别人有價值的服務和體驗和産品。它是這樣一個轉化器,每個人去參與市場都是為了自己,但做的結果是給别人帶來了利益。

 

②  優化器。

 

因為市場高速反應甚至實時反應,任何好的idea,有生命力的技術,有高價值的場景,市場一定會有信号指示。


沒有價值的,要快速濾掉。所以市場是一個高效的優化器,市場越大,優化效益越好。

 

如果我們要快速地讓人工智能産生商業價值、社會價值,通過市場是最有效的途徑。如果你不用市場,那麼你怎麼知道這件事情是對的?憑什麼說這是有用的?市場是沒有人能逼你參與的。它的特性是造成了它是一個非常優質的過濾器,是一個加速器。所以整體我們要從資本上、環境上和市場導向上關注,做适當的工作,來推進人工智能時代的創新。

 

六、AI時代的創業

 

我們都知道創業是創新的搖籃,整個工業、整個社會,任何一個有生命力的,高價值的産業、企業,它的誕生就是一個創業過程。


所以,在人工智能這樣一個非常特殊的時代,一個健康繁榮的早期創業生态,對任何一個國家、任何一個地域,以及全球都至關重要。

 

大的企業也會創新。毫無疑問,人工智能時代給很多大的企業帶來很多機會,但是大的企業有大的企業的挑戰,但最終的挑戰往往在于文化和機制。


新的企業從零開始,沒有任何包袱,速度快,所以整體上早期創業生态在人工智能時代非常重要。

 

我們如何來打造一個好的環境,來建立這樣一個繁榮的生态?有幾個要素:

 

1.人才。

 

整個經濟需要越來越多的高質量的高熱情的新型的人加入創業這個行業。在中國,清華是一所非常頂尖的學校,創業氛圍也是非常強的。



所以,我們需要造就一個環境,讓越來越多的高質量創業人才參與進來。

 

2.  數據資源。

 

前面我講到了,如果沒有足夠多的數據,人再多,沒有用,這由他的人工智能技術和創造商業價值的規則本身所決定。

 

3.  一些核心的AI科技能力。

 

包括軟件芯片算法,這些都很重要。同時,在AI時代投資,特别是用AI來徹底的改造,提升傳統行業資本的規模需要很大,資本的時間需要長線投入。


今天早期的生态投資是十年回報,根本不夠,所以,在這個方面需要做很多創新和探索。

      

資本的規模和資本時長,一定要做适當的調整,才能充分發揮人工智能時代創造價值的特性。

 

包括像軟銀願景基金。我個人認為這是剛剛開始,将來會有越來越多大規模的基金向孫正義這樣大規模,投很長時間,他必須這樣才能創造價值。


所以資本也要做改革。當然市場場景越多,規模越大,疊代越寬。這一點在中國是非常好的時機,比世界任何一個地域都強。

 

同時,人才和其他高度密集的資源也會起到越來越多的作用。大家都知道在美國矽谷,就是這樣的一個典型。


因為需要更多的密集度的數據的整合,場景的覆蓋、疊代、人才都在一起。在中國北京上海深圳這些城市都是比較理想的。

 

同時,我們也需要更多一流的大學,一定要長期、逐步培養黑客文化。黑客文化核心就是動手去做,通過創造性的方法來解決問題。


不要隻看理論、隻記筆記、隻考慮問題,想到就動手去做,做了失敗沒關系。

 

因為你從失敗當中可以學到更正規的一些知識,所以,黑客文化在中國高校中應進一步融入,這非常重要。



同時創業的氛圍,特别是在一流的高校,在美國像斯坦福大學、MIT的創業氛圍非常強。


清華在中國非常好,一定要這樣保持繼續推進,隻有這樣我們才可以建立一個非常繁榮的早期創業生态。

 

七、AI時代的創業挑戰有哪些?


因為在軟件時代,在互聯網時代,一個創業公司的團隊跟一個大公司團隊,基本上處在同一條起跑線上,為什麼?因為軟件都是開源的。我自己個人寫過很多各種各樣的代碼。


Linux、FreeBSD、Mexico、MongoDB、Node.JS。你基本上不要寫很多代碼,你隻要把它拿來,而且你的代碼都是針對你的産品,三四個月時間就有一個小型産品可以出來了。

 

在人工智能時代已經不是這樣了。因為人工智能時代我們會寫代碼,但這些代碼主要是從數據當中來學模型的,抽取知識的。


數據你要做一個跟自然語言交互有關的,這可能需要你花幾萬小時标注數據。第一要錢。第二是時間。

 

如果你創業是以計算機視覺為主,要識别所有的産品,水果、生鮮,你需要的數據、标注,代價都非常高。

 

所以,我們需要整個工業一起,通過大家一起努力,把創新的門檻降低,使得任何一個創業團隊都能很快的去嘗試,可以快速把産品做出來,再到市場上去探索。

 

謝謝!


本文來源:公衆号 @筆記俠。中國新商業知識筆記共享社區,微信最具價值排行榜:職場榜第一、總榜前三。獨家筆記支持湖畔大學、混沌大學、青騰大學、高山大學、中歐創業營、京東商學院、北大國發院等頂尖商學院課程,BAT、TMD、小米、華為、網易等知名企業,丁磊、傅盛、李善友等知名人士,超過100萬企業決策及管理層都在看。


聚焦行業熱點, 了解最新前沿

敬請關注EEWorld電子頭條

http://www.juhua323884.cn/mp/wap

複制此鍊接至浏覽器或長按下方二維碼浏覽

以下微信公衆号均屬于

 EEWorld(www.juhua323884.cn)

歡迎長按二維碼關注!


EEWorld訂閱号:電子工程世界

EEWorld服務号:電子工程世界福利社   

About Us 關于我們 客戶服務 聯系方式 器件索引 網站地圖 最新更新 手機版

站點相關: TI培訓

北京市海澱區知春路23号集成電路設計園量子銀座1305 電話:(010)82350740 郵編:100191

電子工程世界版權所有 京ICP證060456号 京ICP備10001474号 電信業務審批[2006]字第258号函 京公海網安備110108001534 Copyright © 2005-2018 EEWORLD.com.cn, Inc. All rights reserved
http://m.juhua323884.cn|http://wap.juhua323884.cn|http://www.juhua323884.cn||http://juhua323884.cn