2017年12月1日-3日，由中國期貨業(yè)協(xié)會、深圳市人民政府主辦的第十三屆中國(深圳)國際期貨大會在深圳召開。本屆大會以“開放融合 提升服務(wù) 共贏未來——新時代期貨及衍生品行業(yè)的轉(zhuǎn)型與發(fā)展”為主題。12月2日下午，由華泰期貨承辦的“科技發(fā)展與信息安全”分論壇召開。第四范式聯(lián)合創(chuàng)始人、首席研究科學(xué)家陳雨強(qiáng)就人工智能發(fā)表演講。

第四范式聯(lián)合創(chuàng)始人、首席研究科學(xué)家陳雨強(qiáng)

陳雨強(qiáng)首先以亞馬遜和沃爾瑪兩家公司的發(fā)展情況為例，指出企業(yè)運(yùn)營效率對提高其競爭力越來越重要，因為效率的巨大差別，亞馬遜不斷擴(kuò)大企業(yè)規(guī)模和市場規(guī)模，搶到更多的用戶，不斷蠶食沃爾瑪?shù)氖袌觥?/p>

他表示，運(yùn)營效率在當(dāng)前會變得越來越重要，因為模式的創(chuàng)新、投資的拉動、市場的增長，帶來的空間越來越小。過去很多年，中國是快速發(fā)展的社會，過去只用靠新產(chǎn)品、新渠道搶市場，就能享受人口增長的紅利、商業(yè)增長的紅利、互聯(lián)網(wǎng)增長的紅利。但是，隨著發(fā)展到了一個瓶頸，這些紅利會越來越小。在紅利越來越小的時候，你就不能通過跑馬圈地的方式來擴(kuò)張你的企業(yè)，而只能通過提升自己的運(yùn)營效率，搶占別人的地。

人工智能方面，陳雨強(qiáng)提到，人工智能有一個特點，不管是傳統(tǒng)領(lǐng)域還是新領(lǐng)域，不管是銀行還是證券或期貨，只要有數(shù)據(jù)，機(jī)器可以從數(shù)據(jù)中獲得價值，以及在很多領(lǐng)域獲得很多的應(yīng)用，包括電商、理財、差異化定價等，人工智能能改變的地方很多。

以下為文字實錄：

陳雨強(qiáng)：非常感謝主持人的介紹，也非常有幸能在這樣的場合和大家進(jìn)行交流。剛才各位專家提到Fintech已經(jīng)在金融領(lǐng)域有了很多應(yīng)用，其實現(xiàn)在在很多的高頻交易，在交易本身、數(shù)據(jù)本身，我們已經(jīng)做了很多的嘗試和探索。但是人工智能現(xiàn)在是越來越熱的詞，大家也可能聽說過非常多關(guān)于人工智能的關(guān)鍵字，深度學(xué)習(xí)、用戶畫像等，各行各業(yè)的人，除了互聯(lián)網(wǎng)以外的也會摩拳擦掌說我們的企業(yè)如何能被人工智能改變。今天帶著這樣的疑問、這樣的思考想和大家分享，人工智能到底有什么樣的能力，人工智能將如何幫助企業(yè)成為一個提升運(yùn)營效率，成為下一代企業(yè)發(fā)展的支柱。

今天我要和大家分享的主題叫“人工智能贏在維度”，我是第四范式的陳雨強(qiáng)。

企業(yè)運(yùn)營效率對現(xiàn)在的競爭時代越來越重要。這里有兩家非常重要的公司，大家很熟悉，一家是亞馬遜，一家是沃爾瑪，兩家都是非常偉大的零售企業(yè)公司，這兩家公司雖然說都是做零售，但是兩家公司在最近幾年日子過得可不太一樣。傳統(tǒng)的超市，大型連鎖超市其實在最近幾年過得并不太好，他們每年的收入增長其實一直保持零增長，甚至有時候會達(dá)到負(fù)增長。但是同比會看到亞馬遜在這段時間里，他的成長一般在20%-40%之間，不好的時候也有10%的增長。里面就會有非常大的差距，為什么有很大的差距？可能會把原因歸咎為亞馬遜是一個電商，是一個互聯(lián)網(wǎng)企業(yè)，沃爾瑪是一個傳統(tǒng)的企業(yè)。所以說可能會有差別。但是如果我們真實的看一下，因為沃爾瑪其實也做轉(zhuǎn)型，他也收購了一些電商的平臺。但是它背后的原因，本質(zhì)是什么？有學(xué)者做過調(diào)查，調(diào)查有這樣的發(fā)現(xiàn)，他會發(fā)現(xiàn)，平均來說，每個亞馬遜員工為亞馬遜貢獻(xiàn)的收入是62.1萬美元，同步到沃爾瑪，每個沃爾瑪?shù)膯T工為沃爾瑪提供的收入是22萬美元，相差3倍。相差3倍的差距讓沃爾瑪和亞馬遜在效率上有巨大的差別，因為效率的巨大差別，導(dǎo)致亞馬遜不斷擴(kuò)大企業(yè)規(guī)模和市場規(guī)模，搶到更多的用戶，不斷蠶食沃爾瑪?shù)氖袌?。電商之所以比傳統(tǒng)零售有更快的增長，秘密就藏在效率里面。

我們說到沃爾瑪公司，其實它并不是菜鳥的公司，大家知道人工智能、大數(shù)據(jù)之前還有一個概念叫數(shù)據(jù)挖掘，數(shù)據(jù)挖掘里面有這么一個例子，啤酒和尿布的例子，大家可能聽過。一家超市發(fā)現(xiàn)每周五晚上的時候，一個訂單、一個購物小票上，啤酒和尿布經(jīng)常出現(xiàn)，他們找客戶調(diào)研人員研究這個問題，原來是美國有些超級奶爸在周五下班之后開車去超市買一堆東西，他買尿布的同時會買一打啤酒。發(fā)現(xiàn)這樣的規(guī)律之后，超市就做了決定，把啤酒和尿布放在相近的貨架上，發(fā)現(xiàn)啤酒和尿布的銷量同時發(fā)生增長。這是最典型的數(shù)據(jù)挖掘的例子，現(xiàn)在也是廣為流傳的例子。這家超市就是沃爾瑪超市，沃爾瑪是數(shù)據(jù)挖掘的鼻祖級的角色。為什么這么一個角色的公司會在現(xiàn)在處于下峰相對于亞馬遜？原因在于這么一個分析的結(jié)果上，你可以認(rèn)為沃爾瑪做的推薦是基于位置的推薦。沃爾瑪在全球有10700家門店，這些門店根據(jù)你的國家省市地區(qū)、人種，各種不同的區(qū)別，它會不同樣的安排貨架，這10700家貨架都不一樣，用數(shù)據(jù)挖掘的方式會給當(dāng)?shù)氐挠脩粢粋€最好的排布的方式。他要解決的問題難度，作為沃爾瑪來說是1×10700的難度。但是對于亞馬遜來說，這個問題的難度就變得更大，因為亞馬遜是個性化推薦的始祖，個性化推薦是你看到的亞馬遜和我看到的亞馬遜完全不一樣，每個人登錄亞馬遜，亞馬遜幾十萬、上億的產(chǎn)品給你展示的方式都是不一樣的，你可以認(rèn)為整個商場對每個人不一樣，亞馬遜要解決的是1×3.04億，如果有3.04億的用戶。這個問題差1萬倍的復(fù)雜度，導(dǎo)致亞馬遜比沃爾瑪在效率上有3倍的提升，因為亞馬遜解決1萬倍復(fù)雜度的問題。這是2C端的例子。

企業(yè)經(jīng)營內(nèi)部經(jīng)營的部分，同樣也有解決問題復(fù)雜度提升帶來效率提升的例子。亞馬遜貨艙跑的紅色的小機(jī)器人。整個大大的倉庫里面，機(jī)器人到處跑，會把貨架運(yùn)到每個揀貨人的面前，揀貨人員去揀貨。對于傳統(tǒng)揀貨的問題，同一個貨倉，N個人去揀，是N×1的復(fù)雜度。如果N個揀貨人員揀N個貨倉，問題的復(fù)雜度是N×N，問題復(fù)雜度的區(qū)別導(dǎo)致揀貨效率有很大的差別。作業(yè)速度，亞馬遜要比沃爾瑪要高出4倍?？偨Y(jié)一下，現(xiàn)在這樣的企業(yè)效率其實是需要通過解決更復(fù)雜的問題來去提升效率的。你可以看到，正因為剛才效率的提升，導(dǎo)致亞馬遜的效率不斷的攀升，不斷蠶食傳統(tǒng)企業(yè)沃爾瑪?shù)氖袌?，給消費(fèi)者更好的體驗?？梢钥吹絺鹘y(tǒng)沃爾瑪比亞馬遜大很多倍，但是市值上，2015年的時候，亞馬遜已經(jīng)超過了沃爾瑪，成為了最大的零售行業(yè)。市值也是非常高。

總結(jié)一下，運(yùn)營效率在當(dāng)前會變得越來越重要，因為模式的創(chuàng)新、投資的拉動、市場的增長，帶來的空間越來越小，過去20年，過去很多年，中國是快速發(fā)展的社會，過去只用靠新產(chǎn)品、新渠道搶市場，我就能享受人口增長的紅利，商業(yè)增長的紅利、互聯(lián)網(wǎng)增長的紅利，可以享受這樣的紅利。但是隨著發(fā)展到了一個瓶頸，這些紅利會越來越小。在紅利越來越小的時候，你就不能通過跑馬圈地的方式來擴(kuò)張你的企業(yè)，這個地就這么大，你只能通過提升自己的運(yùn)營效率，搶別人的地。開始的時候，誰先到60分，誰搶更多的地。地分好以后，80分的人搶60分的地，這是新的商業(yè)下最重要的事情，就是提升企業(yè)的運(yùn)營效率。企業(yè)的運(yùn)營效率在當(dāng)下是最重要的指標(biāo)，如何提升企業(yè)的運(yùn)營效率呢？就是做更復(fù)雜的問題，能解決更復(fù)雜的問題就有更高的效率。人工智能是被認(rèn)為最好解決復(fù)雜問題的技術(shù)。

人工智能在很多地方聽過很多關(guān)于人工智能的介紹，關(guān)于人工智能的案例可能都聽說過。人工智能看起來很虛，或者離得很遠(yuǎn)，有些做人臉識別、有些做語音識別、有些做翻譯。其實人工智能沒有這么復(fù)雜，人工智能做的是民族的暴利，人工智能是看一大群人，看他們怎么行為，通過他們的行為來判斷出這群人或者其他人什么行為。比如我們要賣東西，賣耐克鞋，有這么多人，我們要從黑人找出想買鞋的人，大數(shù)據(jù)的做法是用兩個維度分析這個事情，比如性別、年齡，想買耐克的人是說年輕的男性，喜歡買得多，但是年輕男性肯定也有不想買的。我們對這些人營銷，但是你會發(fā)現(xiàn)年輕男性里面可能有人不想買，也有很多人不是年輕男性，但是他想買鞋，不夠精準(zhǔn)，效率就不夠高。同樣這么多有需求的人，為什么只找到這些，而且效率不高。怎么解決民族暴利的事情？如果只用兩個維度描述，如果用男女描述，這個東西給男人用或者女人用，不合理。解決套路很簡單，就是用更高的維度、更多的規(guī)則把空間畫得更細(xì)。右上角的圖，如何讓營銷做得更加精細(xì)，通過更多的維度把空間畫得更細(xì)，每個格子更精準(zhǔn)，該找的都找到了，不該找的一個沒有進(jìn)去。這是新一代人工智能機(jī)器學(xué)習(xí)的方法，通過精細(xì)化解決更復(fù)雜的問題，原來解決四維，現(xiàn)在解決幾十維的問題來提升整個運(yùn)營效率。

從另外一個角度來看，人工智能大家都知道，我們的數(shù)據(jù)是呈長尾分布。傳統(tǒng)大數(shù)據(jù)是基于頭部分析，頭部很重要，性別、年齡，或者頭部用戶很重要，誰都知道。在座所有人都知道北上廣深這里面的用戶是高價值用戶是我的目標(biāo)用戶，不是北上廣深，不是金融行業(yè)或者什么行業(yè)的人，是不是我們的用戶、是不是我們的客戶？是的，怎么找到他？其實就是長尾部分，長尾部分的價值更大。中國可以挖掘出很多的人和很多的價值。傳統(tǒng)的領(lǐng)域里面做的是什么事情？抓大放小，既然我只關(guān)注頭部這些人，我就用一些規(guī)則或者一些專家的經(jīng)研究可以抓大放小，把最關(guān)注的人抓出來，但是用人工智能技術(shù)來說，你可以做到面面俱到，把所有的人、所有關(guān)注的事情都做到。人工智能面面俱到是第一個特征。人工智能做全數(shù)據(jù)的問題，而不只是采樣數(shù)據(jù)的問題。很多地方說我有很多數(shù)據(jù)，很多數(shù)據(jù)并沒有真正用到數(shù)據(jù)的價值，真正的人工智能用上數(shù)據(jù)價值的人工智能是全數(shù)據(jù)人工智能，什么問題用全數(shù)據(jù)？復(fù)雜的問題，比如說你要統(tǒng)計的是全國男性還是女性更喜歡你的產(chǎn)品，你找?guī)资畟€人就可以得到結(jié)論。行業(yè)最大的公司和行業(yè)初創(chuàng)公司沒有區(qū)別，因為都可以得到一百個用戶。如果問題很復(fù)雜，你要做到1億個維度，你關(guān)注很小的人群，在全中國就20個人，一家最大的公司和一家小公司就不一樣。如果全中國20個人組成的人群，你只有那些大的公司才能有這樣的數(shù)據(jù)，才能做合理的分析，但是一家小公司就沒有辦法分析。好的人工智能是可以把數(shù)據(jù)的價值發(fā)揮到極限，是可以把每個面面俱到的點分析到。你不能只分析高頻部分，高頻部分所有的人分析都是一樣的，這是同質(zhì)化的，沒有優(yōu)勢，有優(yōu)勢的是長尾部分，誰擁有更多的數(shù)據(jù)，誰在長尾部分做得更精細(xì)，誰獲得更高的運(yùn)營效率。

怎么獲得這樣的能力呢？大家可能聽說過深度學(xué)習(xí)，這代的算法基本上是萬級別的變量深度學(xué)習(xí)，語音、圖像等，跟人眼輸入量類似。對于下一代的機(jī)器學(xué)習(xí)，我們其實需要的是萬億級別的變量數(shù)的深度學(xué)習(xí)的方法，為什么這么說？因為我們要解決的問題很復(fù)雜，對于感知問題，識別物體或者聲音，這時候用萬級別的輸入足夠，如果提供商業(yè)服務(wù)，提供決策時候，客戶數(shù)量很多、產(chǎn)品數(shù)量很多，你要做的決策很多，這些組合會非常多，這些組合每個都是一個變量。剛才說的變量是解決問題的點，因為要解決復(fù)雜問題，這個解決問題的點很多，會上萬億?；ヂ?lián)網(wǎng)中，不管是Google還是百度，都做到上萬億，讓系統(tǒng)的效率得到很大的提升，需要這樣的系統(tǒng)才能讓整個人工智能發(fā)揮最大的價值。

這里介紹系統(tǒng)架構(gòu)，現(xiàn)代最新的技術(shù)，包括我們公司第四范式研發(fā)的最新技術(shù)，能夠讓上萬億機(jī)器學(xué)習(xí)的系統(tǒng)成為可能，用高性能的并行計算讓這個事情成為可能。舉Face book的例子，F(xiàn)ace book在2012年5月份上市，如果大家熟悉這個公司，可能知道它上市以后就破發(fā)，破發(fā)很慘。直到2013年、2014年之后，它才不斷的走上正規(guī)，股票一路上升。這是我們外面看到的表象。內(nèi)在的原因是什么呢？我們也有很多同事在Face book的核心收入部門，也就是搜索廣告，也就是信息廣告部門。2012年的時候，我們和他們聊，當(dāng)時他們的維度，其實就是問題的復(fù)雜度，只有兩千個維度，而這時候Face book廣告營收能力很弱，廣告部精準(zhǔn)、效率低，單位廣告變現(xiàn)比較少。怎么研究單位廣告變現(xiàn)？展示一千條信息，然后能拿到多少錢，這個效率是低的。后來換新的人工智能系統(tǒng)，把兩千維的特征變成兩千億維的特征，讓整體效率有了大幅度提升。從當(dāng)時的CPM有數(shù)倍的提升，單位的變現(xiàn)效率數(shù)倍提升，導(dǎo)致股價一路攀升。解決問題的復(fù)雜度決定整個公司運(yùn)營效率和公司的整個成長。

互聯(lián)網(wǎng)的例子，金融領(lǐng)域有沒有同樣的例子？其實也有，這是我們公司和一個全國性股份制銀行做的例子，信用卡交易中心，每天有上百萬筆信用卡交易，交易之中可以選出一部分發(fā)送短信進(jìn)行營銷，說是否進(jìn)行分期，分期可以獲取手續(xù)費(fèi)。分期這個事情對他來說，分期的響應(yīng)率，你發(fā)短信他響應(yīng)你這是很重要的。當(dāng)時用的人工智能的方式讓他們的響應(yīng)率提升68%，收入提升61%，這是很大的提升。背后隱含的是什么技術(shù)、怎樣的方式做了這么大的提升？我們把他們的目標(biāo)進(jìn)行分解，我們把分期收入變成短信量乘以短信響應(yīng)量乘以費(fèi)率，選取一個優(yōu)化目標(biāo)短信響應(yīng)率，我們用歷史營銷數(shù)據(jù)做機(jī)器學(xué)習(xí)模型，這是高維度的復(fù)雜的、困難的問題，而做高維度問題，最后應(yīng)用到線上得到剛才的效果。我們當(dāng)時使用了這么多的數(shù)據(jù)庫中的數(shù)據(jù)，有2TB，相對有點大，銀行和金融領(lǐng)域有更多的數(shù)據(jù)。四千萬條訓(xùn)練數(shù)據(jù)，產(chǎn)生五千萬維度的問題，剛才說到的沃爾瑪是3.04億維，這里面我們受限于數(shù)據(jù)，做五千萬維度的數(shù)據(jù)問題的規(guī)模，這樣的模型我們獲得剛才的效果。它的維度很高，不依賴于專家，全部從數(shù)據(jù)終尋找新知識。非常容易擴(kuò)展，我們當(dāng)時對比的是專家系統(tǒng)，他們寫了5年，非常厲害。但是你想200條規(guī)則加1條規(guī)則都很困難，任何規(guī)則不和原來的規(guī)則沖突，還要保證有新的提升和幫助，很困難?？蓴U(kuò)展性、靈活性和不斷子卻起義（音 自動修正錯誤）是它的特點。除了開始很好，在上線之后、投入生產(chǎn)之后，不斷每天的迭代，讓它知道發(fā)哪些短信被接受或者沒有被接受，很好，和AlphaGo接受一樣。這是完整的專家規(guī)則很難以達(dá)到的點。

人工智能的技術(shù)為什么帶來這么大的提升？這是我們做的交易分期，還有一個汽車分期，這是大額分期。這個模型很好，提升兩三倍。有一個特征是某個POS機(jī)刷卡的情況下，它做分期概率很高。為什么一個POS導(dǎo)致分期效率高？專家分析，POS機(jī)是母嬰店的POS機(jī)，母嬰店就是家里有小孩，有了新人，可能要換新車或者有新的需求，所以他們就買車，買車就需要分期。這些事情專家都會，各行各業(yè)都有專家，這些專家都可以分析出來，關(guān)鍵點在于這家公司或者這個POS機(jī)、母嬰店大概只有上百筆的交易。上百筆的交易對于國有股份制銀行要服務(wù)上千萬家商家的銀行來說，上百筆交易這樣的小POS機(jī)根本不值得專家分析。所以這是為什么人工智能能贏？贏在它的不知疲倦和迭代進(jìn)行計算。這些專家都可以寫，但是專家不可能像我們寫出五千條規(guī)則，機(jī)器可把判斷簡單問題變成判斷復(fù)雜條件的問題，這樣他的效率就會明顯提升。

人工智能有一個特點，不管是傳統(tǒng)領(lǐng)域還是新領(lǐng)域，不管是銀行還是證券還是期貨，只要有數(shù)據(jù)，機(jī)器可以從數(shù)據(jù)終獲得價值。我們在很多領(lǐng)域獲得很多的應(yīng)用，包括電商、理財、差異化定價，這只是一部分，人工智能能改變的地方還有很多。

第三部分，剛才說的理論背后的事情，這個事情其實背后也是有個科學(xué)道理的，科學(xué)道理不是我們胡謅出來的，談到人本身的事情，隨著人的發(fā)展，人腦的容量不斷變大，人的智力不斷提升。人腦的智力某種程度取決各方占比于人腦神經(jīng)元的數(shù)量，機(jī)器也是如此，大家聽到很多算法，各種各樣的算法，這些算法有什么區(qū)別，有什么關(guān)系？他們誰好、誰不好，到底是什么聯(lián)系？這個理論可以解釋，兩位俄羅斯科學(xué)家做了一個理論，VC維理論，這是統(tǒng)計機(jī)器學(xué)習(xí)的泰斗，機(jī)器學(xué)習(xí)人工智能的創(chuàng)始人。兩位科學(xué)家在60年代到90年代之前提出VC維理論，這是泛泛分析的理論，描述的是一個函數(shù)擬合復(fù)雜數(shù)據(jù)的能力。從另外一個角度可以類比的是，人類腦細(xì)胞的數(shù)量，越高的腦細(xì)胞數(shù)量代表你越聰明。越高的VC維模型高于低VC維模型，剛才說的算法，不管是深度學(xué)習(xí)還是其他機(jī)器學(xué)習(xí)模型要看VC維，高VC維就是很好的潛力模型，如果VC維不高，潛力模型就不好。

用VC維理論解釋這個問題，我們?yōu)槭裁凑f解決更復(fù)雜的問題就能夠提升效率呢？因為更復(fù)雜的問題VC維高或者更復(fù)雜的模型VC維高，高VC維效率更高。

人工智能高在哪里？人腦容量有限，人思考方式不一樣，人不能記住所有事情，人做的是總結(jié)、歸納和提煉。牛頓看到蘋果砸到自己頭上總結(jié)了牛頓三定律，機(jī)器做一個事情，大部分時間都是成立的，但是高速情況下，其實并不成立，高速情況下應(yīng)該用愛因斯坦的相對論，這個事情給機(jī)器做，機(jī)器會把這個事情變成更復(fù)雜的問題，把速度分成三千萬個小區(qū)域，每個區(qū)域總結(jié)一個牛頓三定律用數(shù)據(jù)的方式，擬合數(shù)據(jù)更加準(zhǔn)確的模型。這兩個模型不同的角度描述這個事情，人和機(jī)器獲取智能的方式不一樣，機(jī)器不能像人一樣只做三條定律，而是做得更加復(fù)雜，這樣效率更高。這樣的理論有很多成功應(yīng)用，之前我在百度，我們可以看到在百度的時候，百度從2008年競價排名變成了智能排序，用廣告的點擊率進(jìn)行排序，你會發(fā)現(xiàn)整體上的收入，4年提升8倍。它的背后是1萬條專家規(guī)則提升到1千億條規(guī)則，實施反欺詐我們和金融領(lǐng)域做了Case，原來一千條專家規(guī)則做反欺詐，你是欺詐還是不欺詐，盜卡欺詐，我們做到25億條規(guī)則，讓它的整體效果提升了1.8倍到5.94倍，提升很大。我們也做個性化內(nèi)容分發(fā)，之前在今日頭條，后來在第四范式做了很多推薦相關(guān)的問題，我們能做到真正的個性化，讓每個人擁有不同的推薦。我們把規(guī)則從一百條規(guī)則到100億條規(guī)則，整體的點擊率提升30%-35%，包括時長也會有很大的提升。

總結(jié)起來，你要提升一個企業(yè)的效率要解決復(fù)雜的問題，解決復(fù)雜問題就需要高VC維的模型。

大家都說人工智能是有一個Gartner曲線，說人工智能要毀滅人類，又說是騙子，什么都不能干。為什么有這樣的區(qū)別？人工智能有一個局限，我們總結(jié)起來，人工智能在什么時候超越人類？人工智能如果寫出一千萬條規(guī)則就可以超越人類，一個專家究其一生只能寫10條規(guī)則，這是求一生的畢生所學(xué)。如果機(jī)器寫出一千萬條，他在很多方面都比人類高出很多效率。

這里有另外一個例子，IMgenet，這是做圖片識別的比賽，2010年到2015年的識別錯誤率不斷下降，下降到比人類的圖象識別的錯誤率還要低，人類識別錯了，機(jī)器都識別不錯。另外一個角度，看VC維，問題的復(fù)雜度不斷上升，從一開始大概30萬的VC維變成1億的VC維，因為這樣的VC維的背后，VC維提升導(dǎo)致效果不斷提升。

最后這里給大家總結(jié)一下，包括Face book、亞馬遜等很多例子，我們會發(fā)現(xiàn)VC維的上升帶來AI能力的提升，AI能力上升提升企業(yè)運(yùn)營效率，最終提升企業(yè)的競爭力。

這就是我今天給大家的分享。謝謝大家！