7月9日“未来世界2016联想之星WILL大会”在北京召开，会上，联想控股董事长柳传志、中国工程院院士詹启敏、著名经济学家周其仁及30位创业前锋，讲述在企业家、科学家、经济学家眼里的未来。

　　联想之星合伙人刘维在演讲中给我们带来的悲观世界，“人类未来要被关在被智能机器做的动物园里面了”。在刘维看来，技术对生活有非常大的改变，而且未来会越来越大。

　　以人脸识别为例，这是一个几十年的老话题了，一直没有太大的突破，但为什么在过去的两三年内开始有了大的变化。刘维表示主要有三点有了变化。

　　第一从配合式的人脸识别到非配合式变化，机器可以跟实时的视频匹配，可以在非常短的时间识别人类。而第二个最大的变化是海量库，每个人通过刷脸通行于所有的地方，再也不需要银行卡和钱包。第三是低成本，通过整个人机混合的过程，在过去这些年人，有相当于大量的人、大量的数据在为机器打工，起到了训练机器的效果，使得人脸识别这样的老话题老树新花。

　　在刘维看来，图像识别的一小步打开了机器柔性化一大步这样一个门，也意味着机器能处理越来越复杂的情况，而且越来越低成本的处理复杂的情况。智能机器更可怕的是进化迭代优势，它可以制造出来哪些能够更符合生存和发展的需要，能一代一代的迭代、制造。

　　以下为联想之星合伙人刘维的演讲速记整理：

　　虽然我自己是主办方，但是我特别想投诉主办方的安排，因为他们把我安排到了最后半个小时来讲。之前他们把我想讲的东西都讲到了。

　　我本来想放一个视频，这个视频里有我们在美国投资的十几个项目，然后每放一个项目为大家讲讲为什么投资这个项目，这个项目有多好玩，但是萨曼上午把我的视频放了。

　　我还想讲讲过去一年去美国、以色列看到很多跟科技有关的事情，结果周教授我们是把他当经济学家请来的，结果他成为一个未来学家，把我的东西也讲了。

　　我实在没什么可讲的了。但是我也很高兴在最后这个时点跟大家分享一下关于未来的未来的事儿。刚才吴炳见主持的时候觉得有很多的不确定性，我倒觉得我这个话题是非常有确定性的。当我们过完了所有的WILL，所有的未来之后，再过20年、30年、50年或者100年、200年，迟早会来到智能机器纪元，也就是说迟早这个世界是不属于我们人类的。我按萨曼说的，作为一个科幻小说家展望一下到时候会发生什么。

　　我想首先发生一件事就是到那个时候教科书上可能没有“人”这个词了，假设智能机器作为一个物种他们写一本教科书的话，可能会这么定义地球几十亿年的生命史，有动物，后来有了一些有智能的动物，这些有智能的动物中从几亿年前开始有了眼睛，渐渐的智能越来越高，再到后来出现一种叫做人的动物，他的逻辑智能或者某些智能是最高的水平。这个奇怪的动物开始发明机器，从发明石头斧子到发明机器人、计算机来为人类所在用，但是他们没有想到这个机器最后变成了智能机器，这些智能机器最后再也不是他们的工具，不是他们的附庸，不是为他们所控制的。这些智能机器才是这个地球的主宰。

　　我记得好像100多年的科幻小说家写过这样的场景，如果有一天外星人来到地球上，他们往下看，会发现这个地球上的生命是汽车人，因为汽车在街上跑来跑去，人只是里面的寄生虫，早上进去开车，然后出来。但其实我觉得一百多年前如果外星人来不会那么傻，很快会发现其实生物还是人，因为汽车这个东西只上下班开一开，平时就扔在那儿，人干的很多事其实汽车是代替不了的。我相信再过二十年或者五十年后，等外星人再来的时候，他真的觉得智能汽车也好还是智能机器才是地球上的生物，因为我们想像一下那时候的状态，我们坐在在一个自动驾驶的汽车里什么都不干，是典型的寄生虫。而且可能到时候的问题就是我们为什么要坐在自动驾驶的汽车里，我个人相信50年后，我们使用所谓的汽车的概率就非常低了。因为第一所有的运货的车都不需要有人了，第二人类还需要经常出门吗?比如可能下次想见到萨曼的时候，可能5年后是虚拟电话的会议，视频的系统，10年后是戴一个VR的眼镜，20年后，今天上午周教授也讲了，现在很多科学家、创业者在为盲人开发越过的他的视网膜的这种脑机接口，让大家直接感觉到是觉得信号。而当这种视觉技术的能力比正常人的眼睛还好的时候，我相信我们到时候一代一代的人会愿意放弃健康的眼睛，而转去依赖这种技术，就像现在已经放弃大脑的很多能力，比如计算的能力而去依赖计算器，存储的能力而去依赖计算机一样，到时候会把这些放弃。也就是意味着通过脑机接口就好像看到了黄仲生，好像看到穿上漂亮衣服的效果，那时候我们真的需要见面吗?真的需要很多事吗?那个时候可能真的是智能机器的世界。

　　每次说完这样的科幻小说都会挨批评。别人说你这是老生常谈，而且太科幻了，根本不可能实现。

　　曾经我朋友帮我总结过这么几个年份。1821年，这是英国工业革命、机械革命刚刚兴起的时候，1821年就有人说过不了多少年机器就会代替人类所有的工作，机器就会统治我们这个世界，到时候世界上最后剩下的一门科学可能就是哲学了，可能就是关于伦理道德的科学了。但是从1821年到现在将近200年了，也没有实现。

　　1956年，研究人工智能的朋友都知道，目前认为1956年人工智能概念的诞生年，那时候提出了这个词，并且有人做了总结，只要工程师、科学家做努力，用不了多少年我们就把所有人解决不了问题用人工智能解决。但结果是人工智能进展的非常缓慢，缓慢到了2009年，因为2010年是新一波人工智能开始诞生的元年。

　　2010年联想之星开始投资人工智能的企业，有一批像Face++这样的公司，从2010年、2011年开始创立，再到今天人工智能是一个热得不得了的话题。但是在2009年大家会发现，这个世界上大家都耻于说人工智能，人工智能这个词在那几十年内有一点基于消失的感觉。大家会说机器学习，会说神经网络，会说机器人，会说自动化，但是大家不会说人工智能，因为人工智能好像是一个伪命题，是根本都做不到的事。所以，是的，愿景非常美好，但是在过去的200年内这个事情一直没有实现。

　　为什么我们今天站在这儿说这是一个有确定性的未来，好像五十年后、一百年后它一定能够实现，我想我们可能要回头看看什么是智能，为什么过去一两百年智能没有真正、彻底的改变世界或者诞生一个新的物种。我们说过去一两百年诞生了越来越多的机器，这个机器拥有越来越强的能力，但是本质上它还是一个自动化的设备，还是人的辅用，不管叫什么。

　　我们举个例子，我们叫它智能物流、智能仓库管理系统，但是我们发现这个系统自身去认识客观世界的能力实在是太差了，它只能在人的辅助下。比如，人告诉他你要去搬哪个箱子，他就去搬，人告诉他你要去放哪个货柜，他把哪个货柜放下。人怎么告诉他，可能最早的时候人开着叉车过去，后来通过给箱子贴一个标签、二维码、FID，不管通过什么样的方式，都有大量的预处理，这样的智能不可能脱离人的帮助存在。因为他没有办法认识客观世界，所以没有办法去摘一个一个苹果。虽然苹果看起来都差不多，但有的大一点有的小一点，他没有办法做很好的智能教育，因为虽然每个学生看起来差不多，但是这个学生学的好一点，那个学生差一点。认识客观世界的能力不足，导致机器的柔性化水平非常不足，虽然很强壮，但是没有办法脱离人独立完成任务，只能是人的辅用，正因为如此，人不会交给他太多的数据、工作，也谈不上怎么做出正确的响应，过去几十年智能一直不高，一直是伪命题。

　　过去几年发生了什么，现在随着人工智能变热，已经成了大家越来越公开了解的话题，过去几年产生了大量的数据，如果真的把智能数据当成物种的话，从1945年计算机诞生，从人工智能这个概念诞生，它的发展一直很缓慢。但是在过去短短几年内，移动互联网爆发的短短几年内，智能的怪兽开始真正真实存在。首先第一有了真正的大脑，云端的大脑，海量的计算能力存在。再一个是有了无数的触手，现在我们每个人的手机、手持的智能设备、智能车载设备，所有这些都是它的传感器，这些东西不再像原来的PC机，不管原来什么的电子设备，只是给我们用的娱乐终端、工作终端，得到的数据都储存在本地，储存在我们自己这儿，它的数据变成储存在云端。而这些云端的数据，这种高质量的数据其实是机器的使用。

　　回到人类的进化史，200万年前，当人们发明了石头的斧子，开始杂开动物的骨髓，吃动物的骨髓，人类的大脑开始快速发展，因为有非常足够的营养。到今天，高质量的数据就是机器的骨髓，过去几年内这些高质量的数据已经使得这个机器的智能越过了这个阈值。

　　举一个人脸识别的例子，是一个几十年的老话题了，也一直没有太大的突破，为什么在过去的两三年内开始有了大的变化，主要有三点有了变化。

　　第一从配合式的人脸识别到非配合式变化，原来人脸考勤机在卡口占几十秒才能识别，这也意味着我还得设卡口、门，而不能像现在自然地走过就可以识别出来。一个人如果用那样的人脸识别技术肯定是没有办法去实时跟踪和判断你的主人的，所以从配合到非配合，从弱识别到强识别，直到去年，人脸识别的技术实际上还没有办法在很实用的情况下做到每秒30桢或者每秒60桢，而现在其实在百分之一秒甚至更短的时间内就可以识别出来，这也意味着可以跟实时的视频有匹配，机器可以非常短的时间识别人类。

　　而第二个最大的变化是海量库，因为人类识别是个老生常谈的话题，原来可能是一个考勤机、门禁、人民大会堂里面的安检系统，里面有几百、几千人，如果几万人就瘫痪了，因为没有很高的识别率。过去三五年内，我们的人脸识别可以在比较高的、可用的情况下，做在几千万人的大库中，甚至在静态图片的情况下，在十几亿的身份证数据库中对大家进行搜索，这意味着人脸识别现在开始用于无论网上银行的注册、跟身份证对应的安全密保，还是大型活动的签到和反恐的需要，因为反恐数据库可能是几十万的大的名单，我们可以把它找出来，以至于最终会实现今天上午印奇所说的Face ID，每个人通过刷脸通行于所有的地方，再也不需要银行卡和钱包。

　　第三是低成本，原来需要非常昂贵的摄像头、非常好的摄像头捕捉图像，甚至要为了人脸识别去建一个很长的通道，要打很好的灯，这样才能够得到非常清晰的照片，现在随着过去几年数据的训练，渐渐变的不需要，这一切来源于什么?这一切来源于刚才所说移动互联网最早从2010年、2011年开始爆发。我们每个人一开始在手机上每天用美图、照相软件拍几张自己的照片，拍几张朋友的照片，这些数据是带有标注的强数据，来自于同一个人的手机，系统知道是你的照片，系统很容易知道你在不同的光线、角度、心情、化妆状态下的照片，这些数据一点点积累，使得数据有了这样的能力。随着能力的积累，机器拿到了更多的数据，当它的识别能力达到一定水平之后，Face++这套技术或者说人脸识别这套技术广泛应用于安防摄像头的领域。安防摄像头每天24小时拍着，每几个安防摄像头有保安、警察帮你做后台的数据标注。如果识别出云海，可能是云海，保安还要看对不对，如果不对还可以帮我做纠正。通过整个人机混合的过程，在过去这些年人，有相当于大量的人、大量的数据在为机器打工，起到了训练机器的效果，才使得人脸识别这样的老话题老树新花。

　　人脸识别进展之后到底又能如何呢?或者说的更广泛一点，图像识别的技术，因为人脸这么一个细分应用分支的发展，整体上都有了很大的进步和跃生，同样识别的变化到底为智能机器远大的话题带来什么样的变化。图像识别一小步恰恰解决刚才所说的机器的短板，就是柔性化的大问题。机器很强大，但是就是没有柔性化的能力，没有办法去理解场景，去适应场景。

　　我们刚才举了仓库的例子，以前有朋友讨论，为什么一个导弹，这么一个高科技的东西几十年前就做的很好了，而在一个物流的仓库里去捡一个散货，去捡一袋薯片这样的事还做不到。因为导弹其实末端也可能用图像识别，但其实像导弹这样的都是针对一个非常固定的目标，并不是动态的追踪一个目标。而在一个物流仓库内，货架上的一袋薯片比原来大家想象难得多，这袋薯片有可能是一个柔体，有可能是正面朝上，有可能是那面朝上，有可能这个包这么鼓胀一点，那么鼓胀一点，可能被不干胶正好贴住了一点，所以用传统的图象识别技术没有办法更好地去处理判断的。就像刚才提到在果园里，如果想通过一个机器摘苹果的话，这个苹果可能离这个树稍微近一点、这个稍微远一点;这个大一点，这个小一点;这个苹果在上午的时候有阳光照在上面，折射出来的光芒一个感觉，到下午没有阳光了，或者正好有一只蝴蝶飞过，所有的事在今天看来已经变得越来越难以解决，老一代的图像技术没有办法更好地处理。

　　图像识别的一小步打开了机器柔性化一大步这样一个门，也意味着机器能处理越来越复杂的情况，而且越来越低成本的处理这些复杂的情况，大家可能都非常关注智能汽车的发展，也会发现无人驾驶汽车早在很多年前就已经进行了很多的路面测试，但是直到现在还没有进入我们的家庭，目前大部分还没有真正进入我们的家庭，因为目前大家还不是基于图像这样的感知技术，也就意味着他还需要大量的昂贵传感器，未来图象识别会渐渐把很多部分代替掉，这样的一小步让机器往前走出了一大步。走出这一步意味着各种技术和机器载体的结合，会渗透到各种各样的生产环节中。

　　现在，机器在数据的喂养下发生了很大的进展，如果我们看一看整个物理世界，有多少个数据被机器获得，我们觉得这个比例还非常低，我们掏出手机，每天有24个小时，60分钟、60秒，每秒钟有这么多的毫秒、微秒，但是我们每天拍照的次数还很少，我们有这么多的摄像头，目前接入云端的数量还非常少，何况小小的会场也只有几个摄像头，从几个小小的维度拍摄，我们远远没有把我们的物理世界各种情况都了解，我们每天的生活有大量的时间在看电视、开车、娱乐，这些东西云端都不知道。如果谈到生产、企业，就像刚才举的仓库的例子，仓库里每时每刻有什么样的东西，在什么样的地方放。果园里的每个苹果每天在怎么成长，这些信息我们都还不知道，为什么不知道?因为没有办法让企业和个人付出足够的代价把这些数据贡献给云端，因为贡献给云端有什么用呢?

　　刚才所说的技术的进展开启了这样一个循环，我们叫数据和能力的循环。机器的能力越强，人类越愿意把所有的数据都交给他，现在这个数据已经在快速的发展，大家越来越不介意把你的照片、手机的视频、家里的安防摄像头各种各样的数据交付他，交给云端才会得到云端的识别、处理，所以大家都把数据交出去。而第二步是大量的新的环节，就像我们说智能技术和仓库物流机器人，智能技术和农业机器人、智能技术和农业的无人机，所有的这些东西都有人埋单，因为都能帮助人类减少成本。比如说装备了这种柔性视觉技术的农药喷洒机器人，现在美国的农业采摘、喷洒项目，比较显著降低农业的成本，农业的情景人力非常密集，需要大量的员工。二是人力具有很强的波峰、波谷的属性，这意味着特别不擅长自然人来干，因为每到旺季的时候需要很多人，淡季的时候这些人没有地方去，就意味着在美国要发放大量的临时签证请墨西哥的人来帮忙。在中国天猫、京东、电商、超市的仓库每到双十一、促销就需要大量的临时工。这些临时工没有办法很好地培训，没有办法很好地被组织，也就意味着他们要出大量的差错，他们的成本很高、差错率很高，他们企业的业务流程被设计得非常复杂，比如说现在在仓库里，大家是怎么捡货的呢?打印出来一个订单，一个工人推着一个小车，上面放着十个、八个纸箱，跑到货架内去把货一个一个捡下来，每天要在仓库跑几十公里，捡出来之后再回到出货站，一个分捡牌，出货站的人要把它一样一样都拿出来，重新扫一遍证明是不是这些东西，如果不加这个环节就很有可能出差错，一旦出差错就有企业很大的损失。机器可以很好地解决这些问题，现在机器加上视觉技术把这些问题解决之后降低了很大成本，同时机器收集了很多数据。我们现在发现有非常多有野心的人工智能创业公司，其实都在做着这样的事情。比如，它只是需要一个很小的摄像头，就可以判断每个苹果的位置，给那个苹果去做动态的喷药，不光放一个很小的摄像头，也可以放更多的传感器，把苹果的光谱情况、各方面的情况都感知了，把数据积累下来，而这些数据的积累未来对于训练机器、对于苹果的判断、对于农业的判断，其实都会有很大的帮助。

　　第三步是大量新的传感器的诞生。其实我们在视觉领域已经看到了这个过程，比如刚才说的安防摄像头，安防摄像头的高清化在过去20年一直在快速发展，分辨率越来越高。直到现在我们说的视网膜屏幕，但是走到视网膜屏幕的时候已经出现了停滞，因为因为大家发现再高清没有用了，再高清人是没有办法处理这样的信息的，包括摄像头也没有必要提供3D的信息，没有必要提供非可见光的信息，这些信息人都处理不了，不要说这些信息，就连高清摄像头人都看不过来，因为一对一的看摄像头得需要多少人，所以摄像头的建设速度会有所减慢，而当这些机器的能力快速发展之后，这些速度重新提速。我们自身在海外提供了多个下一代视觉传感器的项目，现在机器处理能力那么强，呼唤着大的、新的数据，也能很好的利用新的数据。我们一个安防摄像头，一旦增加这么一个新的数据源，如果能更好的抓住坏人，能够更好的识别早上起来汉雨生在Panel里提到的硅胶人脸，其实这些事都不是特别大的问题，只要有一个传感器很好的那这个人可能就直接引发报警了，因为硅胶毕竟跟人皮是不一样的。当这些新的传感器有人买单，而且一旦介入就可以被快速的应用数据价值的时候，传感器也会快速的发展，就带来一个循环。有的新的传感器，又有了新的数据和新的能力，这个循环在快速加快过程中。过去几年人工智能在加快发展，也在慢慢的进步，这个东西在未来几年会呈几何式的发展，会越来越快。

　　机器补上短板之后，我们再来看机器有什么优势。第一机器有智能的优势，大家可能会觉得机器有体力的优势，其实也会，但是更突出的是智能的优势，大家想想谁能记住一千万个人脸，机器能记住。有谁能把一个病人从出生以来吃的过饭和去过的地方都放在脑子里，来考虑一下这个人可能有什么样的生活习惯，有什么样的病，我们不能，但是这样的多元数据对于机器来讲完全不是挑战，去处理几百人、几千人、几万人的数据都不是挑战。我们有谁能根据长期数据的经验，我们根据100年前果园发生了什么洪涝，100年来产能怎么在变化，气候条件怎么在变化，预测明年会发生的事，这些事人类都非常不擅长，机器很擅长。机器在认知客观世界上这一点小小的缺陷一直以来掩盖了机器在这些方面巨大的优势，这些优势真正在下一步发挥出来之后，我觉得对于在座的人才是最大的挑战，因为我们前面说的机器代替人，往往说的代替劳动力。机器通过人脸识别能力代替了会员机、卡口、保安，机器代替了一些工人，大大降低了效率，提高了成本，是有利。

　　我们一直认为我们是知识工作者，是不容易替代的，但是恰恰很容易，我们很多精力都在投资，包括刚才作业盒子的教育，一起现在在中国、美国都投了大量的智能医疗，医疗是一个特别典型的例子，好的医生都是训练出来的，八年的学习、多少年的实践，科室的轮换，包括跟着主任、老师去看很多不同的案例，假设一位影像科的医生，他一共看过多少张片子呢?我没有精确的算，他每天看十张、二十张，终其一生也就是几万、几十万的量级，而我们的机器在训练和标注下，每天在处理几百万、几千万张的图像，实际上这是一个非常快的学习过程。而人在这里面的客观缺陷实在太大了，比如说我们刚才说的医学影像学，其实医学影像的设备取的都是数字信号，但是为了人能看，我们得把他变成模拟信号，得把它显示在屏幕上，这可能会丢失很多的细节。本来它是三维的，但是为了人能看、能细节，得把它变成一层一层的切片，变成二维。我们医学影像检查的时候，我相信大家都去医院看过病，会发现你拿到的B超单、核磁单上都有医嘱，查什么问题，医生给你做的时候，就会给你查什么问题，不会给你考虑其他的问题，除非那个问题太显眼了。影像医生不会考虑其他的病史的结果，否则一天就看一个片子就可以了，未来对于智能机器来源讲都不是问题，这说明机器在诊断疾病的能力渐渐的达到普通医生的水平，其实现在已经达到了，达到最高级医生的水平和超过最高级医生的水平，因为人会疲倦，一旦超过这一点，人就更愿意把数据交给机器，不远的将来我们每个人做的所有的影像学检查都会交给机器，机器的学习能力会更快速的提升。而再下一步是什么?是机器自身要带来更大量的数据，因为我们说到B超，现在从B超机的技术角度来讲，其实做一台咱们在家里能放、能用的B超，成本、代价都可以接受，但是为什么我们没有人在家里放一台B超，每天给自己查查长了什么肿瘤、长了什么问题，脂肪肝的情况怎么样，因为我们不会用。你还得去调一调那个波的情况，才能取得好的影像结果，取得了以后医生还得会看。未来如我们所说，B超这个东西很快会变成自动的，一台机器自动根据取得影像的回馈自动调整、扫描，把所有可疑的问题查一遍，告诉你今天你是有问题还是没有问题，明天你是有问题还是每年问题，它不会等到你有了可见问题那一天再告诉你没有问题，他知道你每天的数据、每个小时的数据，当出现不良趋势的时候告诉你，这也就意味着医疗的水平会大大的往前提高，而人类一定会愿意为此支付很高的代价，意味着机器在这个过程当中会得到更多的数据。

　　诸如此类的智能优势太多，我们非常喜欢举农业的，因为农业是很好的过程，因为农业实在是太传统、太落后，大家都现在完全靠人力。

　　现在第一波农业机器人是在田间地头给苹果喷农药等，它会把数据积累下来，因为它看得到苹果每天是怎么样一点一点变红的，苹果每天是怎么样一点一点坏掉的，把这些进行积累。未来的多元数据，包括订单的数据、气象的数据、人口的数据，包括什么人结婚了，什么人生孩子了，生的男孩多还是女孩多，喜欢吃饭酸苹果还是甜苹果，各种各样的数据，精准的影响未来的种植，这都是在不远的将来发生的事情。

　　讲智能的优势，更可怕的还是进化的优势。我们刚才讲这些都是把一台机器跟一个人对比，我们最大的悲哀在于，我们作为物理上的人类我们不是归一的，我们每个人的知识是割裂的，虽然我们有很多的会议，有联想之星的培训，有很多学习型的组织，但是实际上无论是同辈之间的知识传递，这个效率太低了，还是我们一代一代的知识传递。100年对于人类来讲意味着五代人，每代人都是重新成长，有很多的传承和总结，你损失到大量的时间，而且每一个人都在独立的进化，而机器完全不一样，所有的机器都是统一在进化，好像现在有不同的创业公司，其实归根到底这些数据都会越来越统一，统一进化、永生，会线性增长，只要不出现奇怪的意外，机器拥有的能力不会失去，只不断加强，成本会不断降低，计算能力不断提高，这样的未来是没有什么抵抗力的。而更机器的优势，我们在谈智能机器纪元，它真正的优势是机器，尺度跟我们一样，比我们强壮、持久，不知疲倦，可以复制，可以上天下海，可以干各种各样的事情，我们老用人的视角思考，一个机器应该像人一样有两条腿或者四条腿，四条腿站不住就有一个轮子吧，但是机器为什么是这样样子，机器完全可以彻底颠覆所有的这些东西，其实哪怕是为人类服务，从我们所谓的智能仓库，下一代的发展一定不是这样一层一层考虑人的身高、人的高度的仓库，肯定是对机器组织最有力的仓库。

　　机器的优势会超越人的尺度。我们随便举几个例子，刚才说过，一是非人眼的摄像头，我们今天说机器视觉的发展，都是用了手机摄像头，安防监控摄像头，人眼需要什么呢?我们人眼适应不了太高的分辨率，我们识别不了非可见光，识别不了各种波，识别不了三维的图像信号，需要成像质量，每一个CCD或者任何感光材料得积累几百个光打上来才能成像，成了像能显色，才能被人类所看，这些图像对我们才有用，我们现在给机器用的也是这样的摄像头。未来一定不会是这样，现在已经大量开始，不会是这样的摄像头，一定是机器自己能看懂的摄像头，机器能够感知的光谱的信息、红外的信息。更可怕的是未来的摄像头的设计本身就是深度学习的过程，机器可以调整各种物理材料的参数，尝试着去取得不同的信息，看看到底能够得出多少正确的反馈，机器会留下最好的设计的流程。其实未来的摄像头跟我们想象的样子会完全不一样。

　　高轨道飞行器，这个比较科幻，我们这儿有无人直升机、火箭，还有小卫星，我们的展板也有在美国投资的月球车的项目。我们为什么投资这些，并不是说我们好像特别热爱航天事业、科幻事业，是因为未来这些高轨道的飞行器或者外太空的东西会对人类产生很大的影响，这些会带来大量的数据源，高轨道的影像，第一步城市的交通，农业和所有的东西，军事，都会在这些具有自主的识别能力的智能的飞行器的眼皮底下会非常多。包括我们外星探索事业，我们寻找人类生存繁衍的地方，既然机器未来有自我生存和自我的判断能力，为什么还要为人类来寻找。

　　微尺度的人体机器，刚才谈到医疗，还有B超、快速验血都在快速增长，下一步一定在人体内会有很多微型的传感器做到对血液指标也好、DNA也好更实时、更在线的检测，实时是拿出来比较快，在线是在体内可以比较快的查出来，以及上午说的编辑、干预等。我个人认为虽然现在有很多所谓的伦理学的问题，但是人类现在已经开始编辑DNA、胚胎，人类很快会制造出能当成试验动物的试验人类，一旦被制造出来，大量新的东西就可以有试验的地方，就会更快的发展。什么时候这一天会到来，在太平盛世是不会，因为在太平盛世大家总是有圣母情节，大家一定不会去违背这些道德的东西，但是真的某种特殊的病毒和灾难到来的时候，我相信人类一定会为了拯救自身，会允许这些的发生，一旦打开这个闸门就收不住。

　　未来的城市，未来的农村(图)及未来的战争。上午周教授提到，或者这几天大家会看到无人驾驶的战斗机打败了有人的战斗机，完全可以改写整个战争的理论，也会改写关于整个武器设计的原则。其实萨曼还记得我们在美国看过无人智能武器的项目，最基本的智能手枪是很重要的创新，能够分辨战场上的枪声，尤其是敌人的枪声在什么方位，帮你自动的瞄准和识别，帮你很好的规划你开枪的方式。我们作为一家中国方式没有在美国投这些智能武器项目，我相信这样的事儿会越来越多的发生。

　　前面说了这么多，因为时间有限，说回来我相信大家心里最大的问题，肯定会说你说了这么多都没有用，因为机器还是机器，机器还是为人服务的，机器不会制造机器，机器没有自我的意识。我个人对这一点也是非常悲观的态度，创造不是壁垒，大家看到最近几个月的新闻，机器制造机器这个事越来越多的发生，对机器来讲这没有什么神奇的，给机器一些材料，无论是推演、尝试用基因算法迭代，只要给一个反馈的回路，它制造出来的东西哪些能够更符合生存和发展的需要，它就能一代一代的迭代、制造，意识也不是，因为我们往往会高估我们人类作为一个神圣物种的意识，我们的主观意愿是什么，往往对于人类，第一是要生存，活下去，第二是快乐，成就感，不谈神经科学来讲，这只是多巴胺和物质的分泌，我们追求的就是这些东西。而在不远的将来一定会给这些自主制造和自主调整能力的机器赋予这样的任务，因为比如说我们说的战争的机器人，比如任何一个行业应用的机器人，肯定要赋予它的任务，肯定会希望你要想尽办法存活，一定开启了这个闸门，就会把这个能力不断地繁衍迭代下去，并不会告诉你怎么做到这一点，这些东西最后积累下来就会成为我们所看不懂和所无法判断的，但是会越来越快的去隐藏自己的意识往前走，都是这样迭代的过程。

　　因为这个题目叫做生存指南，前面讲了很多50年后、100年、200年后的幸福世界或者悲惨世界，但是生存指南是什么呢?只有“带路党”才能生存。如果我们想做抵抗党是没有什么希望的，机器这么强大，最终我们是打不败它们的，你不去开发这些机器，一定会有人去开发这些机器。只有努力做一个“带路党”，从现在开始投身人工智能和智能机器的创业、行业应用，让机器以后有这么强的智能，一定会记住谁到底是他当年的制造者，比如说萨曼在这儿，他是很好的制造者和推广者，以后在博物馆里会给我们留一个比较好的位置。

　　时间所限，我们今天不跟大家分享我们投了这么多智能机器的企业，我们到底怎么能够生存，2B而不是2C，人机混合，而不是上来做纯机器的东西，寻找数据密集的领域做创业等等。我们今天就分享一点，刚才说的这些下来可以交流。我们想分享一点，怎么生存，还是要找到联想之星，找到联想之星的COMET LABS，接受我们的投资，享受我们的孵化和全球的服务，享受我们背后全球的大型产业公司提供的资源。谢谢大家。