数据堂融资

A. 人工智能专业发展前景如何

人工智能产业链分为基础层、技术层和应用层。基础层是人工智能产业链的基础，为人工智能提供算力支撑和数据输入，中国在此领域发展时间较短，基础层发展较为薄弱。目前，中国的人工智能企业主要集中在北京、广东、上海和浙江，北京的人工智能发展已经步入快车道。

人工智能产业链全景梳理：基础层发展薄弱

基础层主要提供算力和数据支持，主要涉及数据的来源与采集，包括AI芯片、传感器、大数据、云计算、开源框架以及数据处理服务等。技术层处理数据的挖掘、学习与智能处理，是连接基础层与具体应用层的桥梁，主要包括机器学习、深度学习、计算机视觉、自然语言处理、语音识别等。应用层针对不同的场景，将人工智能技术进行应用，进行商业化落地，主要应用领域有驾驶、安防、医疗、金融、教育等。

—— 更多数据请参考前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》

B. 人工智能未来的发展前景怎么样

人工智能产业链分为基础层、技术层和应用层。基础层是人工智能产业链的基础，为人工智能提供算力支撑和数据输入，中国在此领域发展时间较短，基础层发展较为薄弱。目前，中国的人工智能企业主要集中在北京、广东、上海和浙江，北京的人工智能发展已经步入快车道。

人工智能产业链全景梳理：基础层发展薄弱

基础层主要提供算力和数据支持，主要涉及数据的来源与采集，包括AI芯片、传感器、大数据、云计算、开源框架以及数据处理服务等。技术层处理数据的挖掘、学习与智能处理，是连接基础层与具体应用层的桥梁，主要包括机器学习、深度学习、计算机视觉、自然语言处理、语音识别等。应用层针对不同的场景，将人工智能技术进行应用，进行商业化落地，主要应用领域有驾驶、安防、医疗、金融、教育等。

—— 更多数据请参考前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》

C. 从概念到应用 大数据产业刚刚开始

从概念到应用 大数据产业刚刚开始
当互联网与IT技术对传统产业的改造越来越深入，全社会的信息化程度越来越高时，各行各业会产生大量的用户大数据。
大数据已经成国家战略，事关中国经济的转型与升级，以及中国在全球经济、政治、文化上的竞争力。
在2015年第四届中关村大数据日的活动上，分享嘉宾来自各行各业。从个人出行到工业大数据，从能源到企业服务，大数据正快速与企业结合，拥有勃勃生机。围绕着“共享共融数创未来”这个主题，在第四届中关村大数据日上，各位嘉宾发表了自身的精彩观点。
从概念到应用落地
过去几年，大数据还只是谈论概念，现在已经有了诸多应用。比如，在打车行业，如何利用大数据进行司机与乘客路线更精准的匹配，而不同场景、不同时段，用户出行的特点不同，司机也有不同的喜好与熟悉的区域，如何动态地将这两者匹配，实际上是大数据的难题。
同样，在工业领域，一整套数据的标准、主数据、数据仓库，甚至BI，亦可以优化工业化生产，提升效率。这其中模型数据化、数据产品化，是工业大数据，两个重要的探索方向。
而在民生领域，以龙信思源为代表的大数据公司，为政府、社会组织及研究团队，提供了大量的数据产品支持，这也促进了整个民生行业大数据的发展。
中国的大数据产业，才1500米，而未来的路是万米之长。这其中蕴含的机会也有很多。目前，大量的大数据创业公司，围绕数据交换、数据建模、数据分析、数据可视化、数据集成、数据仓库、数据行业应用等大数据产业链各个层面，开始创业。据了解，目前，大数据已经成为全球知名VC投资的重要方向，并且各个阶段企业的融资步伐，也开始加快。
当大数据产业链、行业应用逐步发展完善之后，大数据将会形成质变，创新整个社会形态。
宽带资本董事长田溯宁认为，大数据不仅引起数据的量变，还会引起整个企业经营形态发生变化。过去，工业时代是以产品为中心，而大数据时代，需要的是围绕客户运营，依据客户需求，给出合适的数据产品。并且，可以实时将客户需求与产品进行较好匹配。“在客户最需要的时候，站出来，这比什么都有效。”
大数据的3大挑战
大数据是从信息技术的底层来捕捉信息化的共性基础和未来发展趋势。大数据技术是底层技术，基础性、内蕴性、普适性可以给各个行业助力。但大数据的基础性、底层性，也带来了一些挑战。
中国科学院院士、大数据专家徐宗本认为，大数据行业的真正挑战来自三个方面：一是原来的分析基础要变化，要融合统计学、计算理论基础、逻辑基础。二是，计算技术也需要重新革新，无论是存储、计算语言、还是计算方法都需要重新来过。三是，大数据做出来的结论对不对，还无法大规模验证，这是目前面临的最大挑战。
在三大挑战中，应用层的挑战当属榜首。大数据，看上去很美，但对大多数人来说，更是雾里看花。如何将抽象的数据变成一个个可以在现实中实践的产品，这些需要各行各业进行深入探索。
目前，大数据的浪潮才刚刚开始，许多传统产业看到了这方面的价值，但是并没有获得收益。而如果大数据没有相关的产业基础，亦很难有更多的务实创新。行业人士一致认为，未来，大数据的机会与挑战皆在与行业的结合上。
未来的路要怎么走？
大数据产业，既独立于行业，有自身的产业链条;又依赖于各个行业，形成大数据应用的广度与深度。
共享经济这个词近两年很流星，除了实物类的共享外，还引领了数据层面的共享。Airbnb、滴滴打车、优步，这些都实现了物理资源的共享。而在IT界，云计算是将每个人需要的计算能力，汇聚到一起，形成一点对多点的需求。而在共享经济时代，不必将资源和计算的方式连接在一起，大众将自身拥有的资源共享，成为多点对多点的关系。在这一模式下，大数据也可以作为一种资源共享出来。
目前，国内进行的数据共享，主要围绕数据互换、数据定价、数据反馈等层面来进行。举个例子，一个利用大数据进行金融创新的企业，其获得的数据源主要来自于几个方面:用户、合作的场景与客户、第三方征信数据。与合作场景客户往往通过数据互换、数据反馈来进行。而与第三方征信公司，数据往往通过数据定价来完成。
与会专家不少认为，由于数据定价模式还不完善，数据只处于交换阶段，这使得大规模的数据交换无法进行。未来，还会是通过数据交换平台来完成。
行业人士一致认为，未来，数据交易市场目前还处于发展初期。未来，数据交易市场还从服务、IT应用、行业开发等各个方面，来形成数据产品，进行流通。并且，数据流通不是一个空话，这里也非常需要多行业多企业的数据聚合，将交易市场这个大平台，实现最大化。
不少大数据创业公司，致力于大数据交易。但是，数据堂CEO齐红威的观点颇具代表性，他表示，数据交易平台会遇到几个核心问题。：一是直接的数据交易无法实现。不少数据涉及个人隐私，有一些处于灰色带这些数据需要脱敏之后，形成相关的产品之后，才能使用。并且，不少数据是涉及国家安全的，这些数据，就不能使用，这是每一个大数据公司的底线。
二是，数据提供方和数据需求方的需求并不对等。目前，数据提供方想要的是对自身数据的不断补充，以及对自身数据产品的调整与研发。而同时，数据需求方，则希望能够整合多家数据，完善自身的数据体系。现在，每家公司都认识到自身的数据资产价值，对于数据的开放、合作上的积极性还需要进一步提高。
三是，数据的版权问题。原始的数据由于各种没法使用，公司与产业需要的是脱敏感数据产品，那这些深度加工过的数据产品，版权究竟属于谁，谁能够使用。这些还需要进一步探讨。
四是，数据的加工。原数据可以使用的场景、交易的范围都被大大缩减了。而进行数据加工之后，可以使用的产品与场景，都骤然增多。
对于这4大问题，行业一致认为，除了通过市场化的企业力量，去创新方法，改装这些问题之外，还需要政府的主导力量。
中关村管委会副主任宣鸿表示，中关村管委会将全力支持大数据产业快速发展，从政策支持、人才引进、资源扶持等各个方面，全力支持大数据。
据了解，中关村管委会制订了中关村大数据产业发展促进路线图，面向2020年，中关村将着力引进100个大数据顶尖人才和100个创业团队，超前布局，人机交互、人工智能、虚拟现实等关键技术，落地5家一流的大数据究机构和5家交易评估机构，建设30个大数据共享应用平台，建设20个企业创业的孵化平台，建设3个大数据产业园并落地50个大数据的产业化项目。

D. 我国人工智能的发展现状

人工智能现在备受大家关注，各个国家的科技团队都开始并致力于钻研人工智能，人工智能产品层出不出，让我们大呼惊奇。在美国，人工智能的发展处于顶尖状态，而我国的人工智能也已经位于第一梯队，不管是从融资规模和新增企业数量上，中国排名仅位于美国之后位居第二。那么我们当前的人工智能的发展状况是什么样的呢？下面我们就给大家介绍一下这个问题。
可以说中国的人工智能领域在世界排名第二，这是由于在人工智能领域的国际科技论文发表量和发明专利授权量已居世界第二，依托于庞大的网络和用户，国内拥有先进的语音、视觉、传感等人工智能相关领域的技术优势。中国人工智能的产业十分的发达，并且有极大的优势可以发展人工智能。但是中国的人工智能还是存在着很多的瓶颈问题，这些问题包括人工智能原创性理论基础不强，重大原创成果不足；在基础理论、核心算法以及关键设备、高端芯片、重大产品与系统、基础材料、元器件、软件与接口等方面，与以美国的人工智能发达国家相比还存在较大差距。当然，人工智能产业结构布局还不完善，人工智能人才队伍，特别是尖端人才不能满足发展需求等。可以用一个词来总结中国的人工智能，那就是大而不强。
而中国的人工智能开始被很多国家限制，这是因为中国的人工智能发展前景十分好，好的让这些国家眼红，而美国政府正在考虑采取类似的措施，原因也是出于对中国可能获得珍贵的人工智能知识的担忧。中国对机器人和人工智能的兴趣尤其令人担忧，并扬言要对中国投资技术企业进行立法上的限制。
在这里需要给大家说明的是，人工智能中的10%在于算法，20%在于技术，70%在于应用场景和落地。这一推断没错，但是如果在前面30%失去技术优势，后面的70%就没有了什么意义。因此，增强人工智能基础，必须在大数据分析、深度学习、自主协同等方面进行学科理论梳理和研究，开展类脑智能计算、生物仿真等基础技术的研究，以实验室和研究院等形式专注研究成果的产品转化。
当然我们需要意识到一个问题，那就是基础理论是根本，基础技术是主干，应用是枝叶。只有根底深厚庞大，主干强劲，人工智能产业才能日益兴荣昌盛。目前人工智能共享技术包括知识计算引擎技术、自然语言处理技术、群体智能关键技术、自主无人系统智能技术、虚拟现实智能建模技术，以及智能计算芯片与系统等。中国人工智能的未来前景还是比较乐观的，但是这些乐观还是多少有一点悲观的，不过相信我们的国家会解决这些问题。

E. 人工智能未来的发展前景怎么样

人工智能产业链分为基础层、技术层和应用层。基础层是人工智能产业链的基础，为人工智能提供算力支撑和数据输入，中国在此领域发展时间较短，基础层发展较为薄弱。目前，中国的人工智能企业主要集中在北京、广东、上海和浙江，北京的人工智能发展已经步入快车道。

人工智能产业链全景梳理：基础层发展薄弱

基础层主要提供算力和数据支持，主要涉及数据的来源与采集，包括AI芯片、传感器、大数据、云计算、开源框架以及数据处理服务等。技术层处理数据的挖掘、学习与智能处理，是连接基础层与具体应用层的桥梁，主要包括机器学习、深度学习、计算机视觉、自然语言处理、语音识别等。应用层针对不同的场景，将人工智能技术进行应用，进行商业化落地，主要应用领域有驾驶、安防、医疗、金融、教育等。

—— 以上数据及分析均来自于前瞻产业研究院《中国人工智能行业市场前瞻与投资战略规划分析报告》。

F. 马云做大数据怎么赚钱

随着大数据时代的来临，大数据早已不再神秘。带给我们众多的冲击，每个人都应当与时俱进、不断提升，放弃残缺的守旧思想，大胆接受新的挑战。
任何一家有EXCEL表格的公司，都敢说自己是大数据公司;任何一个地方政府公开有数字的PDF文档，就敢说是政府大数据公开。以至于业界人士担忧，某天大家再听这个概念都麻木了，然而行业还是没有做出多少事情。
区域数字鸿沟巨大
说起掘金大数据，一定绕不开政府数据。地方政府掌握着80%以上的数据。每隔一段时间，从中央到地方，都会发布关于大数据开放的政策。高层谈新经济，言必称大数据。
而在执行层面，目前地方政府大多处于观望状态。关注政务数据领域的清华大学数据科学研究院执行副院长韩亦舜表示，政府数据开放并没有那么复杂，需要有地方能真正去实践和摸索，做一些事情，当下所有的人都在谈数据开放，但做实事的不多。
韩亦舜曾建议西部一些地方政府借大数据发展的机会，率先开放数据获得先发优势，另外同步做好信息化补课。
6月份，笔者见到一位来北京寻求合作的西部省份地理信息测绘局局长，他长期在部委工作，前些年调到地方当部门一把手，发展大数据思路清晰，不过让他苦恼的是，当地信息化水平不高，很多地方没有数据，有的数据还在纸上。
他酝酿出台一个规定，以后所有的图都不准画在纸上，必须上网，以电子化的形式存储。当下他最想解决的问题是信息化，先收取数据，然后通过建立地方数据中心的形式，与企业合作，做地理信息垂直领域的数据开放和挖掘。
走在前沿的贵州省，希望以发展大数据弯道超车，实现新经济的腾飞。然而从数据开放的程度来看，当地一些职能部门，所谓的公开数据还停留在提供PDF文件阶段，远非结构化的数据，按照国际数据公开标准来说，并不能算政府数据公开。
单从数据开放来看，思路最清晰规划更具体的，还是广东、上海等发达地区。对于地方政府的大数据园区来说，发达地区好比“富二代”，一出生就含着金汤匙，但大部分地区还是“穷二代”，需要更大力度的数据挖掘与开放。由于各地在大数据方面存在差距，不同区域的数字鸿沟会继续深化。
饥渴的大数据创业公司
在掘金大数据的背景下，企业早已经等不及了。早些年，部分企业通过各种交易手段，获得政府数据。在数据开放的背景下，部分企业还在依托不规范交易，已经有政府部门被巡视组查出了因数据交易衍生腐败。
一部分企业希望参与政府数据公开进程，帮助政府做数据公开。比如数据堂公司与贵阳市政府共建数据生态城市。还有一批公司，则是急速扩张，跟各地政府成立相关的合资公司。
当然，还有转型大数据二次创业的公司。在贵阳数博会上，笔者见到很多大数据公司，就是以前卖电脑和软件开发的IT公司，转型做大数据，业务范围无所不在，包括智慧城市、软件开发、智慧农业、医疗等。
除上述归类外，企业为了获取政府数据，采取各种“曲线救国”的招式。前不久，笔者熟悉的一家南方大数据创业公司，为了获取某西部城市政府部门数据，报名参加当地的创业大赛，希望通过得奖，引起当地政府重视，达成数据合作。
这家公司的CEO在参赛间隙，拖着行李箱与当地国企联络，希望能够以合资的形式成立公司，共同挖掘当地数据。
这位CEO还通过各种方式，找到该市分管大数据的负责人，希望能够谈成合作。他勾画的蓝图很美好：获取一个城市的数据，做成样板，然后在全国复制，迅速从0到1成为该行业的“寡头”企业。
不过，目前还没有关于这家公司取得实质进展的消息，但这家公司寻求政府大数据开放的决心和路径，颇具有典型性。
政府资源导向，仍是目前很多数据公司努力的方向。很多大数据公司在融资过程中，强调一定要有国有资本进入，而且坚决远离境外资本。
从2015年国内最大的几笔大数据创业公司的融资情况来看，几乎都有国有资本进入，即便只占很小的比重。在某大数据公司融资发布会上，笔者随机问了几家投资机构选择投资这家公司的原因，答案惊人一致：有政府数据资源。
而在一些专家和专业投资人看来，从价值投资的角度，一是真正有技术优势的公司，二是有自己数据源的公司。依托政府资源的公司，从长远来说，并没有太大的投资价值。
乐观者认为，政府数据开放最终会走向规范化，有科技含量的公司最终会在泡沫破灭后存活下来。
BAT能否领军?
BAT中的某一家，会成为全球最大的数据公司么?
在专业人士看来，媒体喜欢造概念，这个说法很不专业。因为数据就像石油一样，每个地理区间都有，谁储存了多少，很难量化和比较。
马化腾和张小龙都说，他们很焦虑，因为用户花在微信上的时间太多了。不过马化腾又说，微信公众号是腾讯前三年最伟大的发明，因为可以把人留在微信上，大家就离不开了。
BAT三家公司一方面通过自身的数据，做出反映数字中国的图谱，甚至把脉经济走向;另外也在建立自身的数据生态体系;以网络为代表，则认为大数据的最终应用是人工智能。
京东CTO张晨告诉笔者，因为京东有自己的物流体系，其电商数据包括详细的消费者画像。张晨说，如果通过电商大数据分析，提高精准服务水平，能提高销售一个百分点，对京东来说都是很大的大数据价值变现。
互联网企业的数据，在整个大数据生态中，能够起到多大作用，各方都在摸索。很多人认为，互联网企业的数据价值被高估了。
比如韩亦舜认为，相对实体经济来说，互联网企业的数据，更多是第三产业，是对消费者端的，相对整个实体经济，比如说制造业体系产生的数据，互联网数据并不算多。
“互联网只是个工具。”国家统计局一位原副局长在一次数据研讨会上直言。他认为，互联网是传递现代数据的工具，不能唱得比实体经济还高。
至于BAT如何从大数据掘金，笔者聊了很多业内人，听得都不太明白，仍不得解。一家企业CEO表示，现在大家的思路其实都不清晰。
6月份，马云在一次活动上说，阿里是一家大数据公司，不过我们也不知道怎么用数据挣钱。