圖丨《麻省理工科技評論》人工智慧領域（AI）資深主編 Will Knight 、Desktop Metal聯合創始人Jonah Myerberg、中科創星創始合夥人 米磊、高橋智隆 優必選首席產品官（來源：DeepTech）

以下為會議現場嘉賓發言討論內容（基於原文略有刪減）：

問：想請問高橋智隆先生，機器人在消費領域的應用是什麼？消費者的需求會不會改變我們未來的工作方式？

高橋智隆：傳統手機加了互聯網的功能，就變成了智能手機，機器人額外加入了情緒，可以變成我們的夥伴。

我們在瀏覽Google、亞馬遜的網站時會有推薦板塊，但有些時候我們不會去點這些推薦，因為缺乏信賴。但是機器人比較親密，會影響我們的選擇。

問：米先生，作為投資者，您覺得個人機器人是您要投的方向嗎？

米磊：你說的個人機器人是指2C端的，實際上目前來看離消費者的需求差距還是比較大的，我認為目前來說在工廠裏的2B端用來替代一些人的專業化動作，這種目前來看是更有可行性的。針對於2C的通用機器人，我認為還需要很長一段時間來發展。

問：Jonah先生，我之前去看過寶馬的實踐，對於大多數公司3D列印意味著什麼呢？

Jonah Myerberg：很多的OEM其實都在回答這個問題，而且他們至少已經等了10年，現在已經開始進行3D的列印了，比如說在原型、在技術實驗的時候，都在用我們3D的列印。

但是現在，3D列印已經變的非常的緊迫了，3D列印其實已經成為我們現在必須得做的一件事情，因為這個其實只是我們在改進傳統生產業的第一步而已。其他的一些東西，比如說集合的優化，還有其他的一些整合之類的東西，這是越來越複雜、越來越精細的東西。如果說這些東西能做得更好的話，3D的優勢會變的非常的明顯的。

問：米先生，我想問一下，說到對生產或者製造業所謂的投資來講，有什麼挑戰和困難嗎？

米磊：對於生產和製造這塊的投資來說，我覺得實際上現在正處在工業4.0的前沿，就是IT技術經過這麼多年的發展，在互聯網行業、消費領域已經發展很好了，但是現在並沒有真正的去跟整個的工業生產結合起來，尤其是我們現在工業的生產以及過去的傳統技術，都在慢慢的衰退，現在迫切需要一些新的技術。

比如說像激光的3D列印這些新的技術，包括個性化生產，去打通消費者和生產廠之間個性化的需求。這是要通過互聯網端數據的獲取，打通跟工業的需求端及供給端。

問：是不是這就意味著個性化的生產將會爆炸的發展？

米磊：這是虛擬世界和物理世界的一次融合。因為過去IT業的發展更多的是在虛擬世界，但是現在物理世界需要趕上來跟它匹配。而且現在隨著社會的發展，消費者個性的需求也在展現，一定要打通虛擬世界和物理世界之間的鴻溝，技術和消費者的數據也要打通。

問：我們今天的主題是未來工作，所以我想問一下高橋智隆先生，您是不是有考慮到這樣的技術有可能會影響到服務業，比如大家開始在商店裡面使用小機器人了，您覺得這個東西會不會影響到服務業呢？

高橋智隆：其實我不是很擔心它對服務業有什麼負面的影響，其實機器人效果不是特別的好，消費者可能會買可樂，他其實買可樂的目標很明確，所以他不會跟機器人去聊天。如果消費者進入到商店裡面，還要跟機器人說話，還得容忍機器人可能會犯錯，而且還要等機器人給回應的時間，到目前為止不是很現實。未來2C的機器人應該會更好，但現在還不是特別理想。

問：未來人們會不會用技術來控制我們的感情？從機器人開發的角度來說，會有道德問題需要考慮嗎？

高橋智隆：首先我們在開發機器人之前，我們就必須得有一定的道德標準來要求我們的產品，不然的話，技術的發展，一定會帶來一些負面的影響。現在我們所做的，比如說在中國，或者說日本，我們其實在這方面都在針對這些問題來解決。這塊中國做的非常的好，這也就是為什麼中國現在越來越智能的原因了，很有意思。

問：現在大家會考慮到AI、機器人，或者是規章對制度的問題，再說到AI，我想問一下米先生，您覺得關於AI未來還有哪些大趨勢，你會對哪些趨勢進行投資？

米磊：現在人工智慧更像是90年代的互聯網，我認為現在人工智慧的基礎設施還不成熟，互聯網之所以能起來，是因為90年代美國修建國家信息高速公路，從1992年一直到2000年整個的光纖通訊的基礎設施鋪設好了之後，纔有了互聯網信息的傳輸應用。

而現在的人工智慧也是信息技術、互聯網技術的延伸，過去只是信息的傳輸，未來是信息的獲取到傳輸再到計算再到存儲再到顯示。所以說，數據的五大方面，我認為人工智慧要在數據的獲取端、計算力端解決問題。這些問題的解決，首先來自於數據獲取的感測器，光學感測器，萬物互聯，整個物聯網鋪設好之後，才會有人工智慧的基礎設施建設，才會有人工智慧。所以我們目前專註於人工智慧的基礎設施構建上，比如說光學的感測器、激光雷達，包括蘋果手機用的3D識別的VCSEL激光器，這些晶元纔是物聯網、人工智慧設施，你要拓展數據，還有計算力，人工智慧需要雲端的計算能力，也需要AI晶元，尤其是光學的傳輸在雲計算中心的應用，包括整個光學的AI晶元，這些都是我們要佈局的。

另外，在演算法層面，我們現在更看好的是演算法，在深度學習之後的一些新興演算法，來解決小數據的訓練問題，過去深度學習的數據訓練，已經遇到了一些瓶頸，我們需要找到一些更好的演算法。

問：說的非常的好，我們再說一下AI發現材料。下一步我們在這塊會有什麼樣的動作？

Jonah Myerberg：我們會使用機器學習和AI，一開始是設計，然後是製造，我們發現越來越多的原材料、零件可能要進行應力測試。所以說，從物理上來講，其實是需要AI設計的，AI設計會快的很多。

生產製造，能夠把我們的數字製造和物理製造整合在一起。所以說我們可以用週期的方式不斷地發展，我們在這個週期當中，我們有工具，可以找到問題、發現問題，立馬改進問題，解決問題。有了AI以及基礎的學習、深度學習，我們可以很快很高效的進行改進。智能的技術，能夠幫助我們及時的進行監控，我們可以利用大數據及時解決問題，並且進行改善。

問：有很多的人都在使用AI幫助我們開發出新材料，您對這裡怎麼看呢？

Jonah Myerberg：比如說在醫藥，還有在化學領域，我們在不斷的發現新的藥物成分，AI其實能夠極大的加快速度，再比如說在電池裡面，我們也可以使用AI，來找到最好的離子產品，我們也希望我們可以在化學這塊，找到最好的合金，從而得到更好的使用。

問：所以說這塊是不是也是一個很好的投資點呢？

米磊：我覺得是這樣，是一個很好的投資方向，用AI技術去發現一些新的材料，去幫助我們做計算，可以幫助我們提高效率。

主持人：讓我們掌聲再次感謝各位講者，非常感謝！