圣克拉拉會(huì)議中心(Santa Clara Convention Center)位于硅谷中心地帶，2014年11月14日，在一片“硅谷藍(lán)”的映襯下，“The New Billions”——中美創(chuàng)業(yè)新貴硅谷峰會(huì)暨2014創(chuàng)業(yè)邦年會(huì)在此舉辦。豐元?jiǎng)?chuàng)投合伙人、前騰訊副總裁、谷歌搜索專家吳軍發(fā)表演講，他從技術(shù)角度講解未來發(fā)展趨勢(shì)。在他看來，機(jī)器將能解決很多智能問題。未來機(jī)器會(huì)接管很多原來人做的事情。尤其是對(duì)于中產(chǎn)階級(jí)，比如律師、醫(yī)生這樣的行業(yè)領(lǐng)域，今后將會(huì)成為一個(gè)“很悲催”的世界，因?yàn)?ldquo;機(jī)器在拿掉他們。”他說，這個(gè)領(lǐng)域市場(chǎng)會(huì)變成2%而不是98%賺錢。

以下為現(xiàn)場(chǎng)實(shí)錄：

吳軍：我們今天講一些具體一點(diǎn)的Technology Intelligence “機(jī)器智能”。我不用人工智能這個(gè)詞，因?yàn)槿斯ぶ悄苁且粋€(gè)很窄的詞，而且實(shí)際上它很多年前已經(jīng)走到了死胡同。

Machine Intelligence是一個(gè)現(xiàn)在正在發(fā)生的、在過去也發(fā)生、在將來也會(huì)產(chǎn)生非常大的結(jié)果的科技趨勢(shì)或者技術(shù)。先看什么是Machine Intelligence。我們一般理解的機(jī)器人，比如電影，亞洲和美國(guó)有個(gè)差別，美國(guó)的機(jī)器人都比較有力量，比如鋼鐵俠、變形金剛；而亞洲的稍微人性化一點(diǎn)，最典型的是阿童木，所以我一說機(jī)器人大家可能想到的是這樣的形象。不管中國(guó)的還是美國(guó)，這里有兩個(gè)實(shí)際的機(jī)器人，一個(gè)小圓盤子，可能很多在美國(guó)生活人家庭用過這個(gè)iRobot公司做的一個(gè)能自動(dòng)掃地的機(jī)器人，就是像這個(gè)掃起來很輕而易舉。另外一個(gè)是美國(guó)發(fā)射到火星上的Curiosity “好奇者”火星探測(cè)器，是一個(gè)核動(dòng)力的裝置。但是這個(gè)機(jī)器人既不是變形金剛、阿童木，也不完全是iRobot或者好奇號(hào)，因?yàn)槲覀冎廊嗽谶M(jìn)化的過程中，最后和我們的近親大概100多種靈長(zhǎng)類差別在哪兒?不是我們的手和腳，我們的手和腳不一定比大猩猩或者黑猩猩更發(fā)達(dá)，而是腦子，所以這機(jī)器人最重要的是這個(gè)。

那什么叫機(jī)器有智能?我們現(xiàn)在要講這個(gè)問題，五十年代的時(shí)候，計(jì)算機(jī)的老祖宗阿蘭•圖靈給出這么一個(gè)定義——這是今天大家被認(rèn)可的，定義的非常巧妙——他就是說如果我們?cè)谶@個(gè)屏幕后面，這是兩個(gè)屏幕，一個(gè)屏幕后面放一個(gè)計(jì)算機(jī)或者一個(gè)機(jī)器，另外一個(gè)屏幕后面放一個(gè)人，然后我問他一個(gè)問題，比如說天為什么是藍(lán)色的?然后讓他們回答，如果你判斷不出來哪一個(gè)是機(jī)器回答哪一個(gè)是人回答的，那么我就說這個(gè)機(jī)器有智能。這種測(cè)試方法應(yīng)該是公平的，我想大家也會(huì)接受。

這是五十年代的事，后來五十年代末大家就開始搞所謂人工智能。這個(gè)人工智能呢，過去最早想人是怎么做這個(gè)智能的事情?用機(jī)器模仿人，基本上是這樣一個(gè)想法，那么具體的細(xì)節(jié)就不講了，我們這如果有很多學(xué)計(jì)算機(jī)的話，會(huì)知道這個(gè)細(xì)節(jié)。最后無非學(xué)過人工智能化，就是怎么摘個(gè)香蕉、計(jì)劃一下這么一個(gè)Planing。這條今天在各個(gè)大學(xué)，美國(guó)各個(gè)大學(xué)包括中國(guó)大學(xué)里頭，雖然會(huì)教這個(gè)課，但是不會(huì)教專門研究這個(gè)事，因?yàn)橐材貌恢X，也沒有產(chǎn)生什么特別的結(jié)果。

到了六十年代末了，其實(shí)大家意識(shí)到讓機(jī)器模仿人好多事情是做不到的，那么接下來這時(shí)候，最早發(fā)現(xiàn)這個(gè)問題的是一個(gè)非常有名的科學(xué)家叫Wesley，他68年的時(shí)候得了圖靈獎(jiǎng)，他66年的時(shí)候提出一個(gè)問題，他就說這么兩句話，就是說“The pen was in the box ”和“The box was in the pen”，第一句話好理解，鋼筆在盒子里，第二句話怎么理解?為什么說盒子在鋼筆里?也就是第二句話不好理解了。在英語里Pen實(shí)際上還有一個(gè)意思，就是小孩玩兒的圍欄，那么這就好理解了，就是把盒子放在圍欄里頭。那從人工智能的角度或者從智能的角度來講，這個(gè)就有問題，這個(gè)“pen”，我怎么知道是一個(gè)圍欄。在任何的上下文中，你講一篇文章看不到這一點(diǎn)，而且你看不到這個(gè)圍欄比這個(gè)盒子大，這件事不知道，你要知道這件事你需要什么?你需要World knowledge對(duì)世界的知識(shí)，這就是為什么用傳統(tǒng)的方式做機(jī)器智能做不下去，就是說我們?nèi)祟惸芾斫膺@些事，因?yàn)槲矣幸粋€(gè)世界知識(shí)，這兒有一個(gè)叫做臺(tái)階，我走下去我不摔跤，但你一個(gè)Robot這個(gè)就走不好，它摔下去就起不來了，就趴在火星上，就起不來了，那么這個(gè)很大程度上是世界的知識(shí)。

然后七十年代，就是這兩個(gè)人（ppt）。這是2000年的時(shí)候，我參加ICAS一個(gè)會(huì)，他給的一個(gè)Talk，題目就叫From Watergate to Whitewater，所以我把這個(gè)兩個(gè)人放在這了，為什么呢?因?yàn)樵诋a(chǎn)生 Watergate水門事件的這一年，尼克松這樣很悲催，他們?cè)贗BM開始了通過數(shù)據(jù)驅(qū)動(dòng)的方法，或者統(tǒng)計(jì)的方法來解決智能問題的最早嘗試，就是在語音識(shí)別上，這是他們起源于1972年。然后到他給TALK的時(shí)候是2000年，再過去了將近三十年，這里頭有一個(gè)巨大的進(jìn)步，也就是說這三十年整個(gè)人慢慢開始認(rèn)識(shí)到，機(jī)器來實(shí)現(xiàn)智能不是來模仿人的辦法而是要計(jì)算，機(jī)器實(shí)現(xiàn)智能是通過計(jì)算來實(shí)現(xiàn)。這是第一，第二需要有data。這是在從尼克松到Wesley這28年之間，科學(xué)家們認(rèn)識(shí)到這一點(diǎn)，很遺憾的是在做機(jī)器學(xué)習(xí)或者計(jì)算機(jī)領(lǐng)域以外，很多人包括好萊塢他們拍一個(gè)電視的時(shí)候，講這個(gè)東西的時(shí)候，還一直像大家傳達(dá)一個(gè)非常錯(cuò)誤的概念，就是一個(gè)人工智能的概念。你跟沒有這個(gè)經(jīng)驗(yàn)的人談這個(gè)，你發(fā)現(xiàn)你是沒法談的，因?yàn)樗€在想計(jì)算機(jī)是否像人似的突然它能夠有creative thinking，然后它突然有了意識(shí)。計(jì)算機(jī)實(shí)現(xiàn)技術(shù)智能就是要靠計(jì)算，那么當(dāng)時(shí)最早實(shí)現(xiàn)的是兩個(gè)計(jì)算機(jī)解決智能問題，一個(gè)語音識(shí)別，我畫的一個(gè)語音波形的圖一個(gè)人說話，還有一個(gè)是機(jī)器翻譯，就是你們今天用谷歌，今天你們用的Google voice或者Google translation，都用的很好。機(jī)器翻譯我旁邊畫一塊石頭這石頭叫rosetta，你們?nèi)ベI機(jī)器翻譯的軟件，大部分好多名字都叫rosetta，至于為什么叫rosetta呢?我可以自己做一個(gè)廣告，可以去讀我的新的書《文明之光》里面會(huì)講為什么是叫做rosetta。

好了，現(xiàn)在這些東西大家都知道，都是用的，就是說機(jī)器能夠解決很多人智能的問題，那么再難一點(diǎn)的問題，這是一直過去沒解決的，就是說你計(jì)算機(jī)，我們回到阿蘭•圖靈的這個(gè)假設(shè)，你到底能不能回答問題，這個(gè)在兩年前這個(gè)事還做不到，到兩年前呢，我們開始在google里頭來做這個(gè)事，那時(shí)候我離開騰訊，回google就來做這件事，我們大概有一個(gè)跨國(guó)的team，剛才那個(gè)熊總和趙總都講中國(guó)國(guó)際化，其實(shí)你看google做事就知道，中國(guó)國(guó)際化差的還非常非常遠(yuǎn)，當(dāng)時(shí)我那個(gè)team來自于四個(gè)地方，除了舊金山以外，有紐約的，以色列和蘇黎士的，這些科學(xué)家和工程師大家一起來做這個(gè)?；舜蟾艃赡甓鄷r(shí)間，到我離開以前，這件事我們做完了。基本上這是機(jī)器給的，答案，你現(xiàn)在大概看不出來這是機(jī)器回答的問題還是人產(chǎn)生的答案，“為什么天是藍(lán)”它給的一個(gè)解釋，因?yàn)楣鈺?huì)散射，然后藍(lán)光和紅光的透射率是不一樣的，最后紅光梢下來了，藍(lán)光留到天上了，大概是這樣子，這是這么一個(gè)，另外一個(gè)類似的問題就是說為什么夏天比冬天冷，這個(gè)回答問題是這樣，在學(xué)術(shù)界一般把所有的結(jié)論體叫做WH（word sentence）這個(gè)句子，就是說……因?yàn)樗谝粋€(gè)詞都是W或者H，就是How和H，怎么怎么做什么事，然后問你什么時(shí)間，什么地方，什么人物，WHO、When、Where、Why和what都是W，真正比較難回答的是WHY為什么的問題和How的答案是怎么做的問題，至于那個(gè)一些事實(shí)，你查一查寫一些模式匹配都能找到，比如說以習(xí)近平哪天生的，奧巴馬哪天當(dāng)總統(tǒng)的，這都能找到。所以我們真正專注就是說能否回答這個(gè)問題。

這些事做完了，從阿蘭•圖靈的論點(diǎn)來講，計(jì)算機(jī)有智能了，那么再接下來說這個(gè)是怎么做的?首先呢要說這跟傳統(tǒng)的人工智能沒有半毛錢的關(guān)系，這個(gè)實(shí)際上我們得益于兩個(gè)東西，第一個(gè)就是計(jì)算機(jī)速度的提升，因?yàn)榭看罅康挠?jì)算。我給了這么一張圖，這是叫摩爾定律，隨著時(shí)間的推移，橫軸是時(shí)間，縱軸是半導(dǎo)體芯片里面的transister的數(shù)量，你可以看到，就是說這個(gè)縱軸不是一個(gè)線性的，是一個(gè)指數(shù)的，所以它是一個(gè)指數(shù)增長(zhǎng)，靠的是這個(gè)。我們假設(shè)說一開始計(jì)算機(jī)比較笨，但是它能算，如果你有好的數(shù)學(xué)模型，能夠把智能問題變成數(shù)學(xué)問題，你可以想象人的智能的提高如果比水平的好一點(diǎn)是緩緩的一個(gè)往上走的一個(gè)很滿的趨勢(shì)，計(jì)算機(jī)是explancial的往上走，那它在某一點(diǎn)一定會(huì)交上，然后接下來計(jì)算機(jī)就會(huì)走的比人快的多。從此以后，人就比較悲催了，所以現(xiàn)在基本上到了turning piont，這是第一個(gè)，就是靠著是計(jì)算機(jī)速度大。第二個(gè)是靠數(shù)據(jù)。為什么能夠回答這些問題?因?yàn)闃?gòu)成這些問題答案的pieces現(xiàn)在在互聯(lián)網(wǎng)上找的到，如果回到十年前也做不到這么一點(diǎn)，這個(gè)計(jì)算機(jī)并不會(huì)推理，但它并不需要推理，它只要會(huì)算就行，然后有足夠多的數(shù)據(jù)，所以我現(xiàn)在已經(jīng)講了兩點(diǎn)了。就是摩爾定律不用說了，就是半導(dǎo)體人干的事，跟大家可能也沒什么關(guān)系，過去四十年，我們世界的IT發(fā)展，基本上是被摩爾定律所控制的，你信也好，不信也好，它就是在起作用，你要信了它，你就趕上了四十年代IT發(fā)展的浪潮，接下來呢，至少二十年往后看，這個(gè)世界將是被數(shù)據(jù)控制的，也是一樣，你信它也好，不信它也好，就是這樣，你信了它，你就有下一個(gè)機(jī)會(huì)，你不信它，你可能就錯(cuò)過了。

那么再接下來就要講一個(gè)，就是說計(jì)算機(jī)有了這些數(shù)據(jù)，你怎么來算好呢?那里頭就google提出一個(gè)深度的學(xué)習(xí)，說起來很好聽叫Google brain，我本來想畫一個(gè)腦子的圖，后來想會(huì)誤導(dǎo)大家，我就把它里頭真實(shí)的圖畫出來，其實(shí)這個(gè)是一個(gè)人工神經(jīng)網(wǎng)絡(luò)，這個(gè)人工神經(jīng)網(wǎng)絡(luò)和幾十年前的沒有太大差別，為什么Google選了這樣一個(gè)作為機(jī)器學(xué)習(xí)的工具?因?yàn)樵谶^去的幾十年里，很多機(jī)器學(xué)習(xí)的算法也好，工具也好，它不斷的在改進(jìn)，比如說你用這個(gè)Basin Network貝司網(wǎng)絡(luò)，這些東西他們都不愛看，唯有這個(gè)人工神經(jīng)網(wǎng)絡(luò)，基本算法不變。不變的好處在于說我搭一個(gè)平臺(tái)，我可以不用天天在里頭變那些實(shí)線，我可以穩(wěn)定的運(yùn)行很多東西，至于這里頭的是怎么實(shí)現(xiàn)的Google這個(gè)東西，因?yàn)閷?duì)數(shù)學(xué)稍微有一點(diǎn)有興趣的，一個(gè)是對(duì)大數(shù)據(jù)有興趣的，一個(gè)對(duì)深度學(xué)習(xí)的，我在新的這本書《數(shù)學(xué)之偉》第二冊(cè)里頭也講，專門兩章來講這個(gè)。

講完了到底現(xiàn)在比較正確的機(jī)器智能的道路是怎么走的，那么我們看看結(jié)果。這里頭有兩個(gè)車(ppt)，一個(gè)是Ggoogle自動(dòng)駕駛汽車，剛才我講了，當(dāng)計(jì)算機(jī)的計(jì)算速度和它的power到了一定點(diǎn)的時(shí)候，它跟人開始要分化，它就要開始比人能干了，所以在大概十幾年前，大家已經(jīng)意識(shí)到這點(diǎn)的時(shí)候，大家就在想很可能將來有一天，計(jì)算機(jī)要接管我們本來屬于人該干的事，那么這件事都被它take走了，我們?nèi)诉€能干哪些事呢，可能會(huì)干什么?兩個(gè)經(jīng)濟(jì)學(xué)家來討論這個(gè)事，我要沒記錯(cuò)是MIT Sloan商學(xué)院，然后他們想來想去，這是2004年的事，說有一件事可能計(jì)算機(jī)干不了，就是開車，因?yàn)闉槭裁茨?兩個(gè)原因，因?yàn)槁窙r太復(fù)雜了，這個(gè)東西要做同時(shí)做出好多判斷，這是第一個(gè)。第二個(gè)就是當(dāng)時(shí)美國(guó)的美聯(lián)政府資助的一些研究項(xiàng)目，然后后來大家把自己研制的自動(dòng)駕駛汽車拿到?jīng)]有人的路上跑一跑，實(shí)際上類似沙漠這種地方跑一跑，當(dāng)時(shí)2004年的時(shí)候，跑第一名的我要沒記錯(cuò)的話，開到十三邁左右的時(shí)候就死掉了，大概是二十公里就死掉了，剩下的車還不如它，當(dāng)時(shí)開的速度是每小時(shí)五邁，大概我們?nèi)俗呗肥敲啃r(shí)三英里，五英里比我們?nèi)俗呗芬煲稽c(diǎn)，比自行車要慢很多，就是這樣，所以04年其他車有的撞的不象樣了，所以當(dāng)時(shí)大家就想這個(gè)可能是機(jī)器取代不了人的地方，因?yàn)樗孟癫煌耆怯?jì)算問題。但是呢，實(shí)際上這種問題，它最后也變成了一個(gè)計(jì)算和數(shù)據(jù)的問題，所以到2010年，根據(jù)《紐約時(shí)報(bào)》的報(bào)道，紐約時(shí)報(bào)報(bào)導(dǎo)說Google的無人駕駛車當(dāng)時(shí)已經(jīng)跑了十幾萬英里在美國(guó)的高速公路和當(dāng)?shù)匾恍┑胤?，沒有出過一次事故，十幾萬英里已經(jīng)快趕上我們?nèi)税胼呑拥拈_的車了，在內(nèi)地和城市。當(dāng)然也出了一次事故，不是它撞人，是后面的人撞它。所以這個(gè)你可以看到，我們以前很多想象不到的事情，你現(xiàn)在機(jī)器在幫你接管，第一個(gè)Google最早的原型是用的Toyota的這個(gè)車，后來是自己造的車，沒有方向了，你如果能夠仔細(xì)看的話，我不知道這個(gè)圖片清楚不清楚，里面是沒有方向盤，沒有油門，沒有剎車，只有一個(gè)開和關(guān)，但是后來根據(jù)加裝的要求加了一個(gè)緊急制動(dòng)。

好了，那就是說這個(gè)無人汽車是一種，你叫機(jī)器人也好，叫智能的機(jī)器也好，那講我們自己最近投的兩個(gè)公司。其實(shí)Google收購(gòu)了一個(gè)公司Nest，你可以認(rèn)為是智能家具的一部分，其實(shí)按我標(biāo)準(zhǔn)來衡量，它其實(shí)是某一種機(jī)器人的一個(gè)觸手，或者是一個(gè)眼睛，真正的現(xiàn)在我們談的最重要的機(jī)器人是在data center區(qū)域中心背后的這些十萬臺(tái)甚至更多的服務(wù)器，以及上面非常聰明的算法，我剛才已經(jīng)顯示了，比如說深度學(xué)習(xí)這些算法，以及大量的數(shù)據(jù)。那么讓我們投了兩個(gè)，第一個(gè)很小的一個(gè)鼓出來一個(gè)是一個(gè)智能的澆水的一個(gè)機(jī)器人，就是在你們家可以把你們?cè)鹤永锩鏉惨稽c(diǎn)，看看哪兒比較干就多澆點(diǎn)水，那比較濕就少澆一點(diǎn)水，這個(gè)是這樣一個(gè)joblet，在《時(shí)代周刊》上也在里頭做了一個(gè)介紹，這里頭他有時(shí)候能省掉家里99%的水，因?yàn)槟愦蟛糠值臅r(shí)候很多地方是不需要澆水的。后來它賣出去以后，很多人拿它做了別的事，不完全是澆水，比如說洗窗戶和洗車，因?yàn)樗梢跃幊趟母叨取⒔嵌纫约白叩侥膬旱奈恢玫鹊?，有人發(fā)現(xiàn)它在干這個(gè)。上面一個(gè)無人機(jī)，現(xiàn)在是一個(gè)比較Hot Talking，這也是我們?cè)趜-park投了兩家公司，這個(gè)無人機(jī)叫Skytech現(xiàn)在這個(gè)估值已經(jīng)高的不得了了，大概五億美元，我們投的時(shí)候還很小，APPLE的這些公司都在用它，它倒不是制造智能機(jī)，無人機(jī)它是本身一套完整的智能的系統(tǒng)，就是說它的所有的操作全是相當(dāng)于自動(dòng)，就是相當(dāng)于有機(jī)器人后面幫他在做，比如說電池沒了換電池，然后把存儲(chǔ)卡拿下來?yè)Q存儲(chǔ)卡，這些輸出給將來的用戶，所有這些事全是自動(dòng)來做，就是每天你只要給它派任務(wù)就行了，剩下的事你不用管了，這是一類，就是我們說Machine Intelligence更重要的我想講的，實(shí)際上我們將來真正做的比較可怕的是Intelligence，是在數(shù)據(jù)中心后的一萬臺(tái)服務(wù)器，或者說一百萬臺(tái)服務(wù)器。

我剛才講了，說人比靈長(zhǎng)類的動(dòng)物優(yōu)勢(shì)的地方在于腦子，實(shí)際上我們把我們現(xiàn)在的想法開拓一點(diǎn)，就是說ROBOT機(jī)器人這個(gè)東西，它不光是一個(gè)你看的見、摸得著的這么一個(gè)不管是人形的也好，車狀的也好，還有盤式的也好，這樣的東西，機(jī)器人我們說機(jī)器智能，它可能是在我們墻背后一大堆的服務(wù)器，至于它伸出那些觸手是什么樣，可能是次要的，這是我將的，未來的趨勢(shì)會(huì)帶來我們社會(huì)一個(gè)什么變化，會(huì)改變我們這個(gè)社會(huì)。

（ppt）這是郭臺(tái)銘的富士康的工廠，看一看，這是裝的蘋果的生產(chǎn)線，我看到都覺得很震驚，這個(gè)廠房簡(jiǎn)直大的不得了，左邊這個(gè)好吧，然后下面是一些很悲催的女工，就是我們叫做賣血汗錢，我跟你講未來的日子，這些人可能更悲摧，因?yàn)槟阆胭u血汗都沒有地方去賣血汗了，上面是他們搞的機(jī)器人，郭臺(tái)銘說要20萬個(gè)機(jī)器人，那么我就是說你可以看到這個(gè)Machine Intelligence這對(duì)社會(huì)的一個(gè)沖擊，這不是我講的一個(gè)浪潮，也可以說我這個(gè)人聰明，我不會(huì)去生產(chǎn)線，這跟我沒關(guān)，我也不賣血汗錢，那好再看一個(gè)例子。（ppt）這是美國(guó)一個(gè)放射科醫(yī)生，非常陽光的一個(gè)女性，是放射科醫(yī)生。在美國(guó)生長(zhǎng)的人大概知道，就是說這是一個(gè)?？疲隳玫竭@個(gè)放射科的工作的話，在此以前你得受些苦，就是說你先要上四年大學(xué)，然后你再上四年醫(yī)學(xué)院，中間你沒有間斷，很有運(yùn)氣，完了以后你做四年的實(shí)習(xí)醫(yī)生，然后再去做兩年fellow專科的實(shí)習(xí)，這時(shí)候你的那些高中同學(xué)們?cè)缇徒Y(jié)婚生子，孩子都老大了，你可能還是單身一個(gè)人，等等那些人事業(yè)上已經(jīng)升成了一個(gè)經(jīng)理或者主管了，這時(shí)候你去告他我最近剛拿到一個(gè)工作的OFFER，讓他給我一份工作，不過年薪是50萬美元，這就是今天美國(guó)放射科醫(yī)生的生活，那么接下來是什么?

（ppt）這也是一個(gè)放射科醫(yī)生，但它是一個(gè)機(jī)器人，剛才講了，機(jī)器人不一定要使用手和腳還有輪子，可能是一個(gè)數(shù)據(jù)中心后的一萬臺(tái)服務(wù)器，也可能是很智能的機(jī)器，他檢測(cè)癌癥這個(gè)準(zhǔn)確性，比我們看這個(gè)片子，比我們放射科醫(yī)生看的還好，而且我們?nèi)丝雌拥慕Y(jié)果準(zhǔn)確與否，可能會(huì)今天的心情有關(guān)系，比如今天早上吃了警察的一個(gè)罰單，今天一天可能都不太高興，機(jī)器沒有這個(gè)問題。所以你可以想，未來是這樣一個(gè)世界。再講一個(gè)例子，你發(fā)現(xiàn)大家在硅谷買房子的人有幾類人，就是說比如說辦公司發(fā)財(cái)?shù)模容^早去了Google、Facebook的，或者你在某一個(gè)公司升遷特別快的基本上就是這幾類人，當(dāng)時(shí)30%的錢都是來自于中國(guó)大陸，還有一類人就是我們說的professional，比如說醫(yī)生、律師是很掙錢的。

我這給出幾和數(shù)字。第一個(gè)數(shù)字，一百個(gè)million一個(gè)億。這是媒體上披露出來的Goole和Warlm、Pulm打官司花掉的律師費(fèi)。第二個(gè)Number是什么?第二個(gè)是蘋果和三星打官司，最后有些官司是調(diào)解了停下來了。判完了以后蘋果說我太虧了，你三星幫我出一部分律師費(fèi)，這是它要求三星幫它付的律師費(fèi)十六個(gè)million，這個(gè)官司呢，總的花了錢，被認(rèn)為是幾個(gè)億，多少億不知道，是X這樣的。第三個(gè)Number就是十萬美元，這是他花一萬美元買了一個(gè)軟件，這個(gè)軟件幫它掃描兩百萬份各種各樣的文件，因?yàn)榇蚬偎疚募芏?，然后他十萬塊錢打完了這個(gè)官司，所以你看這個(gè)差別，我就接著想說，我們這很多律師你可以收費(fèi)一小時(shí)1000美元，這些人可能慢慢他們的工作在丟失。放射科醫(yī)生還有律師是我們過去收入最好的。這個(gè)在丟失，那么今后是一個(gè)什么樣的世界，你承認(rèn)也好，不承認(rèn)也好，你是否相信republic或democracy都沒關(guān)系，這是一個(gè)事實(shí)，這是Occupy Wall Street(占領(lǐng)華爾街運(yùn)動(dòng))。所以你看這個(gè)樣子很悲摧的，他們反對(duì)，反對(duì)什么?反對(duì)華爾街，華爾街是誰?沒有目的的，為什么?美國(guó)的問題不是華爾街的問題，是manystreet是(01：31：46)的問題，這些人在今后他可能變得更悲催，政府可以給他救濟(jì)，可以給他錢，讓他吃的更飽，但他的未來是灰暗的，因?yàn)镸achine在不斷的剝奪他們的工作，你承認(rèn)也好，不承認(rèn)也好，未來是制造data center背后那些Machine的那2%的人，在通過Machine在控制我們的世界，你可以不承認(rèn)這一點(diǎn)，你是一個(gè)慈善家，是一個(gè)社會(huì)學(xué)家，你可以不承認(rèn)這一點(diǎn)，這是科技的一個(gè)事實(shí)。你可以制定很多政策來保證他們的福利，但是我想講在座的這些人你們是加入98%還是2%，自己想，這是美國(guó)的薪水的變化，不是說我們科技發(fā)展，我們錢越掙越多，像熊總和趙總講都發(fā)財(cái)了，不是這樣的。

（ppt）你可以看到美國(guó)的薪水是一個(gè)往下的趨勢(shì)，奧巴馬的政策使得我們失業(yè)率下來了，但是平均工資沒有上去，為什么?因?yàn)樗一貋矶际莔ore income的工作。而Machine接管的是那些我們過去認(rèn)為白領(lǐng)的需要人類智慧的工作，那么最后一張圖綠色的線是硅谷的房?jī)r(jià)，漲的很快，為什么能長(zhǎng)那么快?這是自然增長(zhǎng)每年地方長(zhǎng)那么快，當(dāng)然中國(guó)來了30%的那些錢很重要，那一點(diǎn)，那個(gè)底下紅色的積累出來，那是在這兒的明星公司，Google、Apple、Facebook他們累積起來的財(cái)富，但他們員工人很少。這個(gè)當(dāng)年GM是世界上最大的公司的時(shí)候，在六十年代的時(shí)候，是雇了幾十萬上百萬的人，是一個(gè)世界范圍內(nèi)八十萬的員工，今天市值最大的公司Apple多少人?八萬人，加全球的最多不能超過十萬人，估值比它大，也就是總的價(jià)值的比它大，也就是說這么多錢不是八十萬人分，是十萬人在分，所以這就是為什么這有些人能買的起的房子的原因，就是要么join這98%，要么join這2%，不管政治家口號(hào)是什么樣?科技和經(jīng)濟(jì)的發(fā)展，機(jī)器的結(jié)果就是這樣的。

那么，接下來講這個(gè)投資。Machine Intelligence是我們一個(gè)焦點(diǎn)，而說起來我是否投資、做VC就一定好了，不一定，因?yàn)橐话氲腣C是賠錢的，我們現(xiàn)在大概做到是估值的兩倍多，已經(jīng)大概80%的這些VC了，那怎么能夠成為2%的人，而不是這98%的人，那這就是留給大家的問題。

趨勢(shì)就在這兒，這是不可逆轉(zhuǎn)的，Machine會(huì)TAKE人的好多工作，那么你只有現(xiàn)在來講變成這2%的人而不是98%，好謝謝大家。