靠垫儿

掌上财经

成员 34468 本社精选 15527

与人工智能交手,你能怎么选?
不晚安
首推

与人工智能交手,大多数人面前有三种选择:被人工智能淘汰、为人工智能打工、投资人工智能。第一条不想选,第二条来不及重回学校选专业,则第三条最明智。但是过去的半年,一级市场AI创业公司融资额已创历史新高,二级市场科大讯飞、海康威视等AI概念股纷纷飞到了A股涨势排名前列,人工智能还能怎么搭车?为更准确认识AI企业的价值,本文从当前国内最热的人工智能细分领域——计算机视觉入手,剖析这一领域的企业和产业链基本面,为投资提供参考。

2017年7月,人工智能创业公司商汤科技宣布总额4.1亿美元B轮融资,创造了全球人工智能领域单轮融资最高纪录,此时距离其从研究团队转型商业化落地公司不到三年。而在这三年间,人工智能早已是各大小投资机构不可错过的焦点领域。

专业投资机构在集体将投资方向从移动互联网转向人工智能的同时,焦虑感也在蔓延,在大多数投资者尚不能讲清楚“人工智能”是什么的当下,相关概念公司的估值已高出天际。嘉实投资总经理仇小川在接受新财富记者采访时甚至直言,当前人工智能相关企业的估值泡沫已经非常严重,未来两到三年很可能出现泡沫破裂的景象。

那么,人工智能到底是什么?发展了数十年的人工智能为何会在近年迎来投资热潮?在众多创业公司中,商汤科技处于什么位置?是什么成就了商汤科技的高估值?投资人的投资逻辑是什么?投资人又该如何考察与之相关创业公司?这一波人工智能的创业潮,有何不同以往的特征?普通投资者可以如何搭上人工智能这趟车?

01

人工智能:深度学习算法+GPU应用带来商业机会

人工智能概念自上世纪50年代被提出,至今学界对其都没有准确的定义,很大原因在于,人工智能并非单一的技术,而是一个庞大而笼统的概念,是多个学科的交叉,涉及到的领域非常广,每个领域都能形成一个产业链。只有跳脱出笼统的范畴,具体到细分领域去研究,人工智能才会更具象。

从技术角度,人工智能可以粗略划分为计算机视觉、机器学习、自然语言处理、机器人技术和语音识别技术等领域。其中,计算机视觉、语音识别、自然语言处理等技术,对应的是人类看、听、理解事物的能力。打败围棋高手李世石和柯洁的谷歌机器人AlphaGo,则更多体现了人工智能下属的机器学习技术中一个重要分支——增强学习技术(Reinforcement Learning)的魅力。从中美两国的情况看,计算机视觉、自然语言处理、机器学习三大领域是AI创业热点(表1)。

商汤科技CEO徐立介绍,过去几十年,在人工智能的每个细分行业,不同学派的研究成果都有高低起伏,总体上并不存在明显的阶段和变化,很难笼统地将人工智能的发展概括为几个浪潮。

近几年,国内人工智能突然火爆,除了AlphaGo的普及作用,很大程度上还是由计算机视觉技术在日常生活中被大规模应用带来的。典型如人脸识别技术近年横扫市场,在金融、安防、工业等领域大放异彩,刷脸打卡、刷脸开户、刷脸支付正为人们所熟悉;无人机、机器人等也因为自带“看世界”功能变得越来越智能……机器视觉的火爆还直接造就了全球人工智能领域融资迭创最高,包括商汤科技破纪录的4.1亿美元B轮融资(表2)。

虽然按官方介绍,“商汤科技致力于引领人工智能核心深度学习技术突破,构建人工智能、大数据解决方案,聚集了大批华人计算机视觉、深度学习科学家,赋能安防、金融、手机、互联网、IoT等行业”,但商汤科技最为外界熟知的技术之一就是人脸识别。其所属领域,就是人工智能下面的计算机视觉。

计算机视觉又被称为机器视觉,其研究始于上世纪50年代,主要研究和识别图像与视频。这门技术综合了光学、机械、电子、计算机软硬件等方面的技术,涉及到计算机、图像处理、模式识别、人工智能、信号处理、光机电一体化等多个领域(表3)。

早期机器视觉的研究主要集中在欧美和日本,其研究成果多用于解决工业化自动工艺需求,发展至今,欧美机器视觉研究在工业检测和测量的应用方面已经趋于成熟。21世纪后,随着全球制造业向中国转移,国内产业界的机器视觉技术也开始飞速发展,并诞生了一批从业公司(表4)。

大多数情况下,机器视觉与计算机视觉两个概念是通用的,但二者在着重点上有细微差别:机器视觉强调用机器构成的系统来处理视觉问题,赋予机器眼睛,工业领域叫法更多;计算机视觉则强调处理视觉的问题是一个计算问题,核心部件是功能强大的计算机。

2006年开始,一种被称为深度学习的新的机器学习方法,让人工智能在一些垂直领域出现了节点式的突变,机器视觉迎来一波发展契机。

通俗理解,深度学习技术就是机器模仿人的大脑去运作。人的大脑由类似于神经元的节点组成,这些节点在一起组成一个网络,人在认知外界时,都是通过层次来深入对事物的认识。深度学习技术则是一种类神经网络运行的算法,通过大量的数据训练,让机器去“认识”世界。

对深度学习理论的研究,最早可以追溯到1965年美国学者Ivakhnenko和Lapa的算法研究。2006年后,由于计算机运算能力的进步,深度学习技术最先在语音识别领域取得了突破,其中最具有代表性的成果是全自动同声翻译系统的出现。传统的人工智能逻辑下,完全不对数据做假设,只是对背后的引擎做调整,使得同声翻译的准确率一直没有超过工业界大规模实用的红线。而新的算法,让人工智能从传统的人工指导的智能变成了纯数据驱动的智能,在实际应用中很容易超越人类的表现,并达到工业界大规模使用的红线。在智能语音领域,国内也很快诞生了如科大讯飞(002230)这样的龙头公司。

2012年底,被称为深度学习之父的GeoffreyHinton在ImageNet竞赛(全称ImageNet Large Scale Visual Recognition Challenge)上将图像识别率一次性提高了十几个点,引发轰动。Image Net被誉为国际计算机视觉领域的“奥林匹克”,其历届竞赛结果都对学术界及工业界产生巨大影响,被视为计算机视觉发展的风向标。GeoffreyHinton在Image Net上的表现让人们发现,深度学习技术在语音识别之外的一些通用智能领域如机器视觉领域也能取得成功。

此外,GeoffreyHinton首次在比赛中使用了GPU做大规模的训练,这为创业公司带来契机。GPU是一种可以执行复杂的数学和几何计算的芯片,可以为数据处理规模、运算速度带来指数级的增长与改善,让并行算法成为可能。

图1:CPU和GPU运算能力比较

数据来源:GOOGLE、天风证券研究所

纯数据驱动的算法,需要极强的运算能力以带动巨大的数据处理需求,所以在早期,一些实验训练只能在微软、谷歌等巨头公司进行。一次人脸识别算法的迭代训练,用CPU计算,可能要十几天乃至几十天才能完成,效率低、投入高,使得人工智能将创业公司阻隔在外;但是换成GPU后,可能就只需要几小时。技术带来的巨大变革,使得各种小型的公司能够通过GPU的运算进入到深度学习领域,实现了人工智能研究应用的“平民化”。

核心算法+计算能力的突破,让计算机视觉的应用场景瞬间增加,在过往工业检测与测量等领域之外,图像识别、人脸识别、无人驾驶等消费服务相关领域也成为应用热点。跟随这一次技术的突围,2012年以来,计算机视觉领域出现了一波创业潮。据36Kr统计,计算机视觉创业公司占全球人工智能创业公司的1/5(表5)。

商汤科技是这一波创业潮中的典型代表。其成立之初,核心人员中有不少来自汤晓鸥教授领导的香港中文大学多媒体实验室。身为AI领域学术大牛的汤晓鸥,本科毕业于中国科技大学,1992年在美国麻省理工学院攻读博士学位,1996年毕业后赴香港中文大学任教,担任信息工程系教授,2005-2008年于微软亚洲研究院担任视觉计算组总监。他率领的计算机视觉研究团队,一直处于机器视觉研究前沿。在2014年6月,汤晓鸥团队研发出世界首个在非受控环境下使机器的人脸识别准确率超越人类的算法,使人脸识别技术达到了工业界大规模应用的红线。

领跑全球之后,商汤的创始成员决定组建一支由来自全球知名企业、海内外知名高校人才的十多位精英构成的团队,踏着机器视觉新一轮爆发的时点成立公司,走出实验室,探索学术研究商业化之路。2014年10月,商汤科技公司应运而生,11月,商汤科技拿到了IDG资本领投的数千万美元首轮融资。

当此之际,市场上做机器视觉的公司数量已经开始迅速增长。这些公司中,有不少是看准了深度学习技术的趋势,在2013、2014年间及时从其他领域快速切换到机器视觉。商汤科技投资人之一、基石资本副总裁杨胜君认为,目前人工智能的发展还处于早期阶段,远远不能完全比拟人型大脑,但是在个别领域,如机器图像视觉的识别效果则超过了人类。而视觉领域的应用非常广泛,人类70%以上的信息获取依靠视觉,可见商汤所处的领域市场空间之大(表6)。

鉴于计算机视觉是巨头布局人工智能不可或缺的重要板块,2014年开始,国际巨头均加紧在这一领域收购的步伐(表7)。

二级市场上,相关概念公司也因为这次热潮受到追捧。生产人工智能底层GPU的美国公司英伟达(NVIDIA,NVDA.NSDQ),2016年初至今股价涨了近5倍。国内人工智能语音领域龙头科大讯飞2017年初至今的半年多时间股价翻倍,从每股27元涨到60元。安防摄像头生产龙头公司海康威视(002415)因投入计算机视觉研发,转型智能摄像头,在2017年上半年A股分化行情中股价攀上了历史新高。

02

剖开产业链:巨头忙生态,创业公司同质化竞争?

剖开深度学习基础上的计算机视觉产业链(表8),可以看到,产业链上游为基础层,包括人工智能芯片、算法技术和数据;中游技术层大体包括生物特征识别、物体与场景识别、光学字符识别、视频对象提取与分析等四种技术;下游则是具体的场景应用,即应用方案、消费类终端或服务等。

在产业链上游,芯片和算法库领域,国内创业公司从事核心技术的不多,国际领先的计算机视觉开发商已形成优势。其中,英伟达在人工智能可通用GPU领域占据统治地位。此外,谷歌、微软、IBM等也都自行研发了AI芯片。

算法领域,美国互联网巨头谷歌、FACEBOOK、微软都推出了深度学习算法开源平台,在深度学习算法方面有着明显的技术优势。此外,国外巨头公司大多呈现全产业布局的特征,即上中下游均有布局。

与之对比,百度PaddlePaddle是国内巨头中唯一开放的深度学习算法开源平台。国内计算机视觉创业公司基本缺席上游的芯片和算法开发环节,除了少量在中游有技术突破外,大多数集中于下游技术提供层和场景应用层,这很大程度上得益于国内庞大的应用场景支持。在具体的场景应用商业化落地环节,以BAT为代表的国内互联网巨头由于无法将计算机视觉的某一个子模块拿出来单独盈利,因此,在应用落地上并没有明显的优势,反而是创业公司突破能力更强。

国内计算机视觉创业公司的模式,主要是面向B端提供软硬件一体化解决方案,满足个性化需求。从业务领域看,国内创业公司在B端的业务较为同质化,大部分集中于图像识别、人脸识别等应用场景(表9)。其中,人脸识别在计算机视觉领域做得最早最成熟,主要用于对风控要求高的金融、支付、安防、交通以及智慧城市等行业,在消费领域,智能美图等应用也基本在大众中普及,创业公司在这些领域的竞争趋于白热化。

03

商汤科技:下注原创算法,不走寻常路

那么,在众多同质化的企业中,投资人是如何做出判断的?是什么导致盈利数据并不算突出的商汤拿了高估值?

在基石资本杨胜军看来,商汤科技与其他众多创业公司并不一样。2016年以来,以谷歌、微软为首的巨头为了抢占市场,将自己研发的算法技术进行开源,导致很多企业免去人工智能基础技术研发投入,只需要采用开源算法或经过训练的人工智能芯片,再结合行业数据进行训练,就可开展行业应用落地(表10)。

和业内同类公司多依赖于国外开源的算法来做应用开发不同,商汤科技自建深度学习基础设施平台,搭建了一个全球领先的深度学习超算平台DeepLink,并聘请了几百号人做数据标注——把人的知识传递给电脑。商汤的算法平台,还提供给其他公司使用,因此,市场上不少看起来和商汤科技同类的公司,实质与其是上下游关系。

徐立认为,当前人工智能还处在初级阶段,有人摸到了墙面、有人摸到了凳子、有人摸到了桌子……但没人知道整个房间到底是什么样。未来人工智能成熟的标志,就是有人能把整个房间解释清楚,而其中的核心,在于技术突破。从技术出发,站在制高点上,知道技术发展的程度,才能把握行业发展趋势,看到技术带来的普通人想象不到的东西,并最终利用技术往前走。

“尽管在技术平台期,许多人搭建一个模型、利用一些数据,就能开发出一个产品,并在实际应用中完成商业变现,但是技术和应用的关系,是本和末的关系,研究绝对是纲,应用是目,技术的进步很可能瞬间颠覆应用,就像引擎和车轮,在引擎差不多的情况下,车轮的改善最多只是减少地面摩擦力;而一旦引擎升级,从拖拉机引擎到跑车引擎,前期对车轮的精细化打磨则可以忽略不计。”徐立称。

商汤的计划中,领先的算法,是在同质化竞争中打造差异化的关键点。“领先的算法会带来好的产品,比如在金融领域,如果做到亿分之一、十亿分之一的误识率,就能够比现在十万分之一的误识率高三到四个数量级,就不存在同质化了。”

04

人才,AI创业不同以往的重要指标

“过去的O2O创业潮实质是营销主导,共享经济是商业模式创新,而这一波人工智能创业潮有别于以往创业的最重要的特点,是技术主导。”嘉实投资总经理仇小川在接受新财富记者采访时称。

技术的背后是人才的竞争。“人工智能算法演进,不是靠人多,而是靠真正的人才。商汤做的就是找到这样的人才,打造算法突破的阵营。”徐立称,商汤科技成立初期,在资金不是很宽裕的情况下,仍在大规模扩招人才。

徐立本科就读于上海交通大学,博士毕业于香港中文大学,2015年开始担任商汤科技的CEO。根据他以前在学术圈的经验,人才聚集后形成的爆发力,要远远大过一个聪明的脑袋闭门造车。

截至2017年6月,商汤员工中有超过120名博士,其中不少来自麻省理工学院、香港中文大学、清华大学等名校以及谷歌、微软等名企,堪称集纳了计算机视觉等人工智能领域全球顶尖的研究者。他们既有很长时间的研究经验,又有深度学习的实操经验,这批高精尖人才构成了驱动商汤科技的核心。

在顶级人才的助力下,商汤科技在新一代深度学习、人物关键点定位算法、文字检测与识别、视频标注与内容理解、几何与深度估计、强化学习与机器人等方面取得了算法研究的突破性进展。其中,商汤在业内率先推出的106人脸关键点定位原创技术,能够让人脸面部轮廓及各个部位的定位更加精确。2017年8月,商汤又宣布该技术已实现了从106点到240点的突破。

一家资金并不算十分充裕的新锐企业,靠什么吸引这么多人才?

徐立介绍,其不惜成本投入搭建全球顶级的研发平台,是对高精尖人才构成吸引力的首要因素。其次,在企业文化基因上,商汤一直强调“技术驱动”,从技术出发,用技术的原动力来改造社会。这种基因,使得技术人才在公司受到极大的重视。外加平台是由大家从零开始搭建,成就感油然而生。

科学研究出身的徐立,很明白科学家之间惺惺相惜的微妙情感,顶尖人才会相互吸引,很容易形成人才集聚效应。在公司建立后的第二阶段,商汤就开始了一个人才计划,打造“人工智能领域的人才黑洞”。

视觉领域有三个顶级会议,分别是ICCV(国际计算机视觉大会)、CVPR(国际计算机视觉与模式识别会议)以及ECCV(欧洲计算机视觉国际会议)。这三大顶级会议均定期举行,每年接收来自全世界的业者投稿,并将质量最高的论文收录进库。对学术界来说,论文被三大会议收录,不仅意味着研究被肯定,还意味着受到工业界的关注。在2011年到2013年期间,这三大会议中有关深度学习的专著在全球共有29篇,其中14篇来自商汤创始团队,这被认为是该团队研究实力的佐证。

打造“人才黑洞”,让商汤科技在当前市场上AI人才千金难求的情况下,赢得了先机。

2015年,在全球人工智能领域的权威竞技场ImageNet竞赛上,商汤科技与香港中文大学多媒体实验室联合组成的CUvideo团队,在视频物体检测竞赛中取得了检测数量、准确率两项世界第一。2016年该竞赛上,商汤科技和香港中文大学组成的团队又包揽了三项冠军。这一结果说明商汤科技在造脑能力和超算能力上保持了领先水平,而这正得益于其人才优势。

伴随人工智能的火爆,大量学术界大牛被挖到企业,当前,工业界对人工智能技术的研究已经领先于学术界,相关研究中心也从高校、实验室等转移到工业界,谷歌、微软、Facebook、苹果、百度、阿里、华为、腾讯等巨头纷纷建立AI实验室,笼络人才,抢人大战越发激烈。徐立透露,目前商汤已经开始在内部形成人才培养机制,2017年CVPR上,商汤科技及港中大-商汤科技联合实验室有23篇论文入选,其中不少是由实习生作为第一作者所完成的。

05

从研究到产业

技术商业化的不断突破,也成为人才留在商汤的强力“鸡血”。

商汤团队早期从实验室研究转型工业应用的研究时,一共六七十人,结构扁平化,未明确分工,也没有职级之分,但是工作效率颇高,只要有项目,全部人员集体投入战斗。不过,从学术成果转换为真正的产业级产品,要做到产能的替换,并实际提升效率、降低成本,并非易事。

计算机视觉领域的大多数创业公司,早期都是从零开始接触产业,它们大多不可能直接进入已然成熟的硬件市场,而只能作为增值服务提供方,在软件层面与硬件厂商进行合作。商汤也是如此。在早期,客户找到商汤,提出的都是“我需要解决安全问题”、“我想要提高App的日活”等宽泛的问题。商汤需要说服B端客户,深入传统业务链条,理清逻辑链条,尝试提出更好的解决方案,而在实际操作中,往往在一个业务逻辑打通之后,又会带来新的问题,软硬件结合的过程,颇为周折。

商汤在进行场景应用落地时,为赢得市场,其制定的策略是:在找合作伙伴、进行商业化落地的时候,合作伙伴一般需要符合如下特征:第一,可以做到量产;第二,可以长期合作;第三,可以让商汤对其进行长期研究跟踪。

在强大的人才效应基础上,商汤成立不久即拿下了一些重量级战略合作伙伴,包括科大讯飞、中国银联等。科大讯飞的讯飞开放平台,整合了包括语音识别、人脸识别等在内的统一多生物认证系统,其中生物识别内容部分与商汤合作。汤晓鸥还是科大讯飞语音及语言信息处理国家工程实验室技术委员会的副主任。商汤科技还在成立后的短时间内在一些垂直领域形成了技术领先、可标准化的产品。其开发的SenseID身份验证解决方案,在金融领域得到验证,中国银联、融360等都是商汤的合作伙伴。

SenseAR是商汤的另一款标准化产品,它是一款基于动态人脸识别技术的AR滤镜,可以准确定位和更改用户的发型、衣服,还能用萌萌的背景替换原来的背景。这款产品被Faceu等客户使用后,曾一度火遍朋友圈。其技术基础,正是商汤两年前的原创106人脸关键点定位技术。

除此之外,商汤还在安防监控、智慧商业、手机、IoT、无人驾驶等领域落地开花,合作客户超过400家企业。

“商汤的商业化,连接应用场景,最终的产品能影响上亿用户,”徐立称。这是对技术人才最好的激励。

商汤的模式是B2B2C,这一模式的好处在于,可以共享B端客户对行业的理解,以及用户的反馈等大量有价值的信息,这些信息可以用来反哺机器训练,便于商汤更好地打磨产品,通过不断实践完成技术演进、产品迭代,令算法突破与应用场景循环打通。可以说,B2B2C的模式,构成了商汤和合作伙伴共荣共生的生态。

形成了一定的标准化产品后,2015-2016年,商汤的商业化业务做得风生水起,为此,其大规模拓展筹建商务团队,将自身的标准化产品在市场上规模化铺开。2016年1月,在成立一年多后,商汤在内部专门建立了一个近100人的销售团队,他们按照区域划分,把产品直线铺到对应的用户。同时,商汤开始重视企业精细化运营,完善公司治理结构,并从外部引进高管人才。其现任商务副总裁柳钢,之前是一个深圳上市公司的总经理兼CEO。

通过标准化产品,商汤将原创技术与场景化应用深度结合,打通行业,形成一站式解决方案,逐渐从系统模块走向平台系统。例如,商汤与中科金财的合作中,就为其制作了一个涵盖金融、智慧城市商业化应用的一站式解决方案。

“商业的本质是现金流,而商汤的核心是要长期稳定的现金流。”徐立称,当前商汤已经实现阶段性营收平衡。

06

投资人用钱投票

商汤坚持用原创核心技术、自主研发的深度学习平台,能带来多大程度上的技术领先?在现有环境下,其投入与产出比是否值当?其在技术领域的投入有没可能得不偿失?

虽然计算机视觉技术的应用场景极为广泛,在很多领域仍然有巨大空间,例如,当前致力于计算机视觉的公司纷纷磨刀霍霍准备进军的无人驾驶领域,不过当前,业内普遍认为,深度学习基础上的计算机视觉,成熟度仍然有限,深度学习理论基础自身也尚未建立和完善。工业应用实际渗透率较低,也是众多计算机视觉创业公司舍弃端C而致力于解决B端问题的重要原因,因为当前技术大多仍然无法直达大众消费级。解决企业案例问题,则意味着大多数时候需要进行个性化定制,如此成本无法降低,限制了人工智能公司的收入规模。

人工智能未来计算力的进一步发展,很可能将主要取决于底层软硬件设施的升级,届时,很可能有更强大的芯片取代GPU。当前国外巨头均不惜成本投入AI芯片研发,以期掌握主导权。而国内的上层芯片和算法研发均为短板,商汤科技搭建算法平台时,上游合作厂商就是英伟达。同时,技术升级也必然将加大对计算数据体量的需求,不管国内国外,掌握大量有价值数据的,都是互联网巨头公司,对创业公司来说,很难凭借自身案例积累形成计算升级所需要的庞大的数据库。

当然,底层技术的进步有循序渐进的过程,一般认为,拥有自研技术的创业公司,在未来更容易占据市场主动性,享受技术红利。但是计算机视觉算法技术门槛高,研发周期长,需要投资者给予足够的耐心和合理的预期,否则极易造成资金链问题。

徐立也知道,并非所有业内人士都认同他对原创技术投入的做法。“下注原创技术,像是在赌博,要么赌用技术形成壁垒,即在一个PK的场景上完全领先,造成绝对竞争优势,从而带来时间窗口,最后形成压倒式的碾压;要么赌眼界,通过保持技术的敏感,第一时间看到技术在某些地方的成熟度。”

“人才带来国际一流的原创技术,将技术实现商业化落地,反过来吸引更多人才,如此实现闭环,保证商汤始终处于领先地位。”这是作为投资人的杨胜军对商汤进行深度考察后最为赞赏的一面,他考察过的诸多同类创业公司,能实现以上闭环的凤毛麟角。

在外界怀疑商汤的应用落地情况是否乐观,坚持原创技术投资是否得不偿失的时候,投资人用资金投了票:2017年7月11日,商汤完成了4.1亿美元的B轮融资,这是目前为止全球人工智能领域单轮融资最高纪录,商汤由此成为机器视觉领域的独角兽企业。参与本轮融资的包括鼎晖投资、赛领资本、IDG资本、基石资本等近20家顶级投资机构,显示坚持原创、技术产品化、产品规模化的“商汤模式”获得了资本的认可。

商汤科技表示,融资后会持续加大对原创技术的投入,深化AI基础技术研发;还将在现有业务平台基础上,扩充产品线,探索诸如无人驾驶等新的垂直领域;另外还将进一步加强与上下游合作伙伴的合作,深化“商汤驱动”的人工智能商业生态。

商朝是中国有文化记载的第一个朝代,3000年前商朝的开国君主,曾经通过对文字的运用,带来市场力的变革,让商朝站在世界巅峰。商汤团队在给公司取名字的时候,取了这个愿景,希望商汤科技成为人工智能引领者,带来时代变化。”徐立如此解释商汤的期许。

原标题:《被人工智能淘汰、为人工智能打工、投资人工智能,怎么选?》

作者:万丽

查看来源 本文内容来自网友,如侵犯了您的权利,请举报
转发精选,轻松获客 创建微名片
举报 你为什么要举报此投稿?
举报说明:(可选)
提交
取消

确认退出

退出后,您将无法继续关注本社的点点滴滴

确认
取消

加入

我再想想
加入
本社精选
 0 1人参与推荐
 0 1人参与推荐
 0 3人参与推荐
 0 3人参与推荐
 0 1人参与推荐
 1 4人参与推荐
 1 4人参与推荐
 1 3人参与推荐
都读到这儿了,下载个靠垫儿APP吧

来源

http://mp.weixin.qq.com/s/Gh8vTFURPgogPjf0kUuZ7w