本文为2016年12月21日IT桔子和拓扑社共同主办的“企途时代·2016年企业服务创投峰会”上，主题为“如何让人工智能+大数据拥有商业价值”的圆桌对话内容，参与圆桌的嘉宾有：将门创投创始合伙人兼CEO高欣欣、码隆科技联合创始人兼CEO黄鼎隆、数据堂创始人兼CEO齐红威、图森互联首席科学家王乃岩、量化派联合创始人兼COO王倪。

　　文章部分精彩观点：

　　①人工智能是发展中的技术，尤其是在自动驾驶领域有很多硬槛需要攻克。但是，选择相对简单的环境，选择相对硬的刚需，能够真正使得人工智能最快地落地。

　　②大数据激活了人工智能之后，促进人工智能发展到一个更高的状况，现在反过来又解锁了更多的大数据。

　　③真正的人工智能是让别人的产品变得更加智能。所以在人工智能时代，应该叫做“君子有所为有所不为”，每个创业者都应该专注在自己特别理解的行业应用上，去善用每一种可以激活行业应用的技术，能够合作起来，使得你的产品也能具备人工智能的属性。

　　④神经网络把消亡的AI重新定义和发展了，通过自己的基因突变，从神经网络变成了深度学习，这是一个轮回的过程。

　　⑤在限定条件或者是简单场景下的自动驾驶可能在五年之内就会到来。

　　⑥在数据红利时代，谁能够率先掌握和利用这样的红利，谁就能催生出新的独角兽公司。

　　以下为对话实录，enjoy~

　　将门创投创始合伙人兼CEO 高欣欣：我相信在座的各位都有一个共识，就是我们中国这个拥有几千万企业的大国，企业级服务市场正在逐渐得成熟起来。在这样的情况下，必然催生一个时代性的创业机会，必然造就一大群伟大的创业公司，明天的世界级企业。而在这样的机会之下，我们特别坚信一件事，那就是技术创新必然会催生商业的巨大变革，特别是将数据资产深度挖掘的大数据和人工智能，必然会蓬勃发展起来。在下面的时间，我们请创业者和我们一起分享一下“如何让人工智能+大数据拥有商业价值”这个话题。一开始先让每位迅速介绍一下自己和自己的企业。

　　码隆科技联合创始人兼CEO 黄鼎隆：我是码隆科技的CEO黄鼎隆。码隆科技是专注在深度学习和计算机视觉的人工智能公司。人工智能是模拟人的思维，我们主要做的是模拟人的视觉思维，这依然是一个很大的方向，我们更聚焦的是去识别各种各样的商品。码隆科技现在有一个产品叫“ProductAI”，是给企业提供以图搜图以及图象识别的服务。

　　数据堂创始人兼CEO 齐红威：我是数据堂的齐红威。从数据堂的名称可以看出来我们是一家专业提供数据资源服务的企业。其实我们做的事情特别简单，就是做了三个环节的事情：第一是数据获取，第二是数据整合，第三是数据服务。通过将近5年的时间，我们整合了背后三个大库的数据，第一是有关人库的数据；第二是有关企库的数据；第三是有关车库的数据。人库就是3.5亿以上用户的各个层面的数据；企库就是4300万家业和1.1亿个体工商户的数据，包括经营信息和对外投资的信息；车库包含1.7亿辆以上车的出行，还有它的抵押交易信息。总的来说，我们现在服务三个行业，第一是人工智能，把数据整合之后为我们人工智能提供数据支撑；第二是金融征信和风控；第三是精准营销。

　　图森互联首席科学家 王乃岩：我是图森互联首席科学家王乃岩。我们图森互联是成立于2015年9月的一家创业公司，主要业务是做可商业化的自动驾驶技术，业务模式是2B的，服务的目标客户是大型物流企业。我们使用计算机视觉技术和人工智能技术在限定路段和限定条件下做一个高度的自动驾驶，尤其是现阶段主要关注卡车在高速路段上面的自动驾驶。我们的目标是将物流公司司机的人力成本降低，在高速路上可以减少1到2名的司机成本。我们的商业模式是通过为物流公司的每辆车节省1到2名的人力成本，从中进行分成。

　　量化派联合创始人兼COO 王倪：我是量化派的联合创始人王倪。量化派是一家科技金融公司，是一个消费金融平台。我们是2B2C的业务模式，前端连接消费者、用户以及消费分期、现金分期这些需求。在后端我们对接金融机构，帮助金融机构获取消费信贷资产。对于上百家渠道来说，在前端只需要对接量化派就可以获取大型金融机构的能力。现在我们的业务规模是一个月能够生成十亿以上的消费信贷资产。我们也非常有幸的在上个月完成了C轮融资。

　　▎码隆科技为什么选择切入柔性物体的识别

　　将门创投创始合伙人兼CEO 高欣欣：这个主题有两个关键词，一个是“人工智能+大数据”，另一个是“商业价值”。这两种技术如何能够激活商业价值，如何能在今天的行业里真正应用起来？首先，我想问一下黄总，码隆在计算机视觉和深度学习方面是具有世界级团队的一家公司，特别是在以图搜图方面，尤其是攻克了一个特别难的领域，就是柔性物体的识别。为什么你们会选择这一技术去深挖？这一技术将会激活什么样的新商业场景呢？

　　码隆科技联合创始人兼CEO 黄鼎隆：首先从技术角度考虑。我们在2014年开始做这件事情，那个时候更多的人工智能视觉识别是做人脸的识别，其实人脸的识别已经到了一个很高的识别精度，可以说提升空间不太大。因为人脸识别会相对容易一些，人脸虽然每个人长得不一样，但是人都有眼睛、鼻子、嘴巴，都有一些可以依循的特征，比较简单。可是柔性物体没有固定的特征，也就是说它有各种各样的变化。比如说人的衣服有扭曲、折叠、遮挡，这个变化会使得我们没办法用一个固定的特征识别它，这在技术上是一个很难的问题。但随着深度学习技术的发展以及数据的积累，这个问题最终可以被解决。因为通过人眼，一件衣服无论是揉成一团或者铺开都可以被识别，所以我们认为计算机也能做到。因此，我们选择这样一个技术提升空间比较大的领域切入。一旦解决这个问题，就可以形成比较深的技术护城河。

　　第二个方面是从商业角度去考虑的。因为我们判断对于柔性物体的识别主要会应用在对各种商品的识别上，因为很多商品，比如像衣服就是典型的柔性物体。对于商品的识别是一个商业价值更大的领域，因为商品是你要买的东西，这也就意味着离钱或者是交易比较近。比如我们最近服务的一些客户，做的是面料交易的平台。现在国内面料交易平台前十里面有一半的客户都在用我们的产品进行拍照、找面料，对面料进行识别。我们最近给蒙牛做的服务，拍蒙牛的牛奶可以触发AI+AR的游戏，同时就可以购买牛奶。我们给图片版权平台上的图片打上标签，让企业可以更好地购买到图片。我们的客户在使用我们的产品和服务之后，下一步都是购买，所以离钱非常近。因此，我们判断这里面会有更大的商业价值。基于技术和商业角度的考虑，我们选择切入这一领域。

　　将门创投创始合伙人兼CEO 高欣欣：其实，人的判断可能90%都是来自于眼睛，你们为机器赋予人眼的功能，让机器能够识别物体，这就直接激活了很多2B行业的新应用。它不是一个存量市场，而是一个新的增量市场的开启。

　　▎如何考量“人工智能+大数据”与金融的结合

　　将门创投创始合伙人兼CEO 高欣欣：下面我想问一下量化派的王倪总。刚才提到量化派，大家可能都知道它是一家“大数据+人工智能”公司，并且与金融行业结合得非常紧密，特别创新。在不到三年的时间里，他们的月销售额就已经超过10亿元，而整个公司的员工才200人。并且公司刚刚也完成了5亿人民币的C轮融资。大家都知道金融是人工智能和大数据率先激活的行业，您是怎么考量这两者的结合呢？

　　量化派联合创始人兼COO 王倪：这个问题非常好，它牵扯到科技和商业以及这两者的联系和相辅相成时的关系。我们公司发展的速度比较快，其实得益于中国目前所处的商业环境以及消费金融领域的发展程度。在美国也有和我们比较类似的公司，也在用人工智能和大数据的技术做我们这样的事情，其实比我们做的要早一点。有一家公司叫ZestFinance，他们的口号就是将Google Style的Machine Learning和Capital One Style的Underwriting结合在一起，发生一些碰撞。我个人正好有在Google和Capital One的工作经验，所以和他们的创始人会经常交流。但是在美国，他们通过大数据和机器学习面对是那些没有被银行体系所覆盖的小众群体。而我们面对的群体是比较广泛的，因为国内有百分之七八十的群体是没有被银行信用体系所覆盖的。我们所处的商业环境是非常有益于我们发展的，所以我们也非常有幸在这一方面比美国的同行发展得更快一点。

　　将门创投创始合伙人兼CEO 高欣欣：您说得非常好，一会儿再跟我们分享下您在场景金融领域通过一个新的方式去进行的金融创新。

　　▎为什么选择切入货运领域？如何考量人工智能与货运的结合

　　将门创投创始合伙人兼CEO 高欣欣：我再问一下乃岩总，不知道大家是否了解图森互联这家公司，它在人工智能领域的创投圈里面，发展的速度非常令人惊异。他们是以人工智能在自动驾驶领域的应用为切入点。而且最近还有一件事，就是在全世界最权威的自动驾驶公开榜单上，图森互联获得了九个世界第一。图森现在切的是货运领域，所以我想请乃岩博士分享一下，你们为什么会选择货运这个领域切入？又是怎么考量人工智能和货运的结合？

　　图森互联首席科学家 王乃岩：其实我们最开始选择的是从汽车领域切入。图森互联的基因就是一家人工智能尤其是偏向计算机视觉的公司。我们在汽车业务之前也做过一些用人工智能做广告业务的尝试。但是后来，我们觉得人工智能应该有更广泛和更刚需的应用场景。今年年初，我们把目光放到汽车领域。最开始，我们调研过ADAS市场，也调研过自动驾驶汽车的市场，我们发现对于乘用车来讲，自动驾驶并不能成为驾驶员的刚需。比如以特斯拉为例，特斯拉实现了有限状态的自动驾驶，但是这套自动驾驶系统要求驾驶员时刻监视路面状况，而且系统会在短短几秒之内把车辆的实际控制权重新交还给驾驶员。我们认为这是一件非常不安全且不靠谱的事。我觉得人监控道路不能节省人的精力，反而更危险。所以，我们把目光投入2B端，就是货运这个市场。因为货运市场有以下几个特点：

　　首先，国内的物流运输行业相对来说还是比较落后的。另外，它的安全性不高，存在大量疲劳驾驶和超载运输的情况，如果能够在有限的状态下使用自动驾驶，我们就可以减轻疲劳驾驶的情况。在调研物流市场的过程中，我们发现在物流成本中，人力成本占40%，物流公司的毛利率只有6%~7%。因为国家规定车辆每四个小时需要交换一次驾驶员，往往在八百公里的路上需要二到三名驾驶员。同时我们还发现，运输路段有80%是高速公路，所以我们能够通过计算机视觉技术和人工智能技术解决这80%路段的自动驾驶情况。

　　现在有很多的自动驾驶公司在使用激光雷达技术，而激光雷达的成本非常高，大约需要八万美金。但是，我们把这个问题进行了降维，只是在高速公路和限定路段上去做。所以，我们可以使用计算机视觉技术实现高度安全的自动驾驶，司机可以在高速公路上休息或者去做别的事情，只需要在下高速的时候将他叫醒。通过这种手段，我们针对物流公司的刚需可以减少他们的成本。

　　将门创投创始合伙人兼CEO 高欣欣：我觉得你们切得非常准。人工智能是发展中的技术，尤其是在自动驾驶领域有很多硬槛需要攻克。但是，选择相对简单的环境，选择相对硬的刚需，能够真正使得人工智能最快地落地，这就是图森正在做的。

　　▎数据堂如何帮助促进人工智能和大数据行业的发展

　　将门创投创始合伙人兼CEO 高欣欣：接下来想请教一下数据堂的红威总，数据堂是中国第一家大数据交易平台，也是中国第一家登陆新三板的大数据交易和服务平台。刚才很多人说大数据是新时代的石油，红威总也经常说数据堂要做大数据时代的中石化。我们知道，人工智能能够被激活源自于数据，所以大数据是根。而数据堂就是为大家提供每个行业、每个应用所需要的数据。那么请红威总稍微展开一下您的的愿景，以及数据堂是如何帮助促进人工智能和大数据发展的？

　　数据堂创始人兼CEO 齐红威：数据堂的商业模式相当于我们是提供“面粉”的。我们从各个渠道，包括政府、行业企业，以及线下50多万的大众帮助我们采集纯线下的各种数据。把数据整合过来之后，我们对数据进行深度加工处理，形成标准化的面粉，而我的客户实际上就是做面包、汉堡、披萨的，和中石化的比喻其实差不多。因此，我们服务的客户主要是做数据应用的。

　　今天的主题是人工智能，我就不展开讲其他行业的基础数据支撑，我只讲一下我们对人工智能企业的数据服务情况。我们从2011年开始做人工智能的语音数据，后来拓展到图像，现在是文本层面。目前的数据规模是三个PB，就是我们处理之后供人工智能Training的整个数据量在三个PB左右。这几年总结下来，我们现在主要为四个比较有发展潜力的人工智能应用场景提供数据服务。

　　第一个场景是语音识别。我们在2011年开始做语音识别的基础数据汇总和整合，我们在该领域服务的客户包括百度、科大讯飞、云之声以及思必驰。当时国内一系列的语音识别技术企业大多数都是我们的客户。在这一行业，我们整合了不同场景的数据，包括手机端、车载以及家用电器的基础数据。

　　第二个场景是我们现在关注比较多，也是需求量比较大的领域，就是生物认证。现在整个人脸识别包括指纹、声纹、虹膜，对生物认证尤其是在互联网金融场景下对于人的身份鉴定，这是一个大场景。

　　第三个场景是无人驾驶。我们今年6月份整合了无人驾驶的数据，包括路线、交通导航牌以及人和车的数据整合。还有一部分是车载上指定的语音数据。

　　第四个场景是视频广告的数据，包含移动购物、播放场景过程中物体识别的数据。我们现在主要服务这四个场景，当然还有一些NLP的小场景，我们也希望将NLP做成一个大场景。

　　▎人工智能是未来的标配，创业者该如何使用人工智能技术

　　将门创投创始合伙人兼CEO 高欣欣：接下来想请教一下码隆的黄总。大家都知道人工智能的技术门槛非常高，而且特别需要资源，我们经常开玩笑说，AI的“I”是用钱砸出来的，并不是所有人都可以进入人工智能领域创业。但是今天很多人提到人工智能将是未来的一个标配，在这种情况下，作为创业者应该如何在今天就把人工智能布局进去呢？

　　码隆科技联合创始人兼CEO 黄鼎隆：我有两个提议，一是刚才大家提到大数据激活了人工智能，其实不仅仅这么简单，大数据激活了人工智能之后，促进人工智能发展到一个更高的状况，现在反过来又解锁了更多的大数据。举个例子，我们最近跟中国纺织信息中心合作，做了一个人工智能的模块，这个模块可以把一个T台秀里面模特穿的衣服颜色的量化数据提取出来。中国纺织信息中心的专家们每年要看很多场T台秀，在看了上十万、百万场T台秀之后总结出明年可能流行什么颜色，而这只是一个感觉，并且时间非常长。

　　我们现在用一种人工智能的方式可以非常快、几乎是实时的把海量T台秀里面模特衣服的颜色数据提取出来。我们可以知道纽约时装周某种玫瑰红的比例占多少，跟上一个时装周相比增长百分之多少，如果呈现一个很明显的上升趋势，可能就是明年流行的颜色。其实这件事情本身是为了解决时尚纺织预测潮流趋势的痛点，取代这里面的人力。同时，可以做到把颜色这样一个跟大家的生活息息相关的数字解锁。因为这个解锁不仅仅可以用在时装周，也可以用在街拍图，我们现在随意拍一张图片就可以把衣服的颜色数据量化出来。颜色不仅仅跟衣服有关系，跟文化、商业、经济等都有关系。这样一个数字在过去是模糊的东西，而现在可以被量化出来。我觉得这样一个量化数据是可以和其他很多领域的数字结合起来的，带来新的商业机会。比如：颜色和经济会不会有关？我们最近和清华大学成立了一个人工智能联合实验室，在跟清华的教授聊的时候，他们表示很有兴趣将这些数据拿来做科研，他们觉得这是有可能去投《Nature》和《Science》的科研成果。这是基于很基础的数据去做解锁。

　　第二、我觉得人工智能会把人的能力进一步延伸，人们以后会获得无限的智能能力。对于企业来讲，这是一个新的工具。例如以图搜图，其实很多企业都有以图搜图的需求。比如你是电商或者金融公司，让用户能够拍张照片就可以找到数据库里面对应的图片。在以前，以图搜图的功能需要谷歌、百度这样的巨头耗巨资组建一个庞大的团队，现在有了深度学习的技术，比如通过码隆科技的“ProductAI”，你不需要懂得任何人工智能技术就可以在五分钟内搭建一个属于你们企业自己的定制化的以图搜图的搜索引擎。这时候就给企业赋予了新的能力或者是工具，如果能用好这个工具，其实也会带来很多新的创新创业的机会。

　　将门创投创始合伙人兼CEO 高欣欣：我记得您说过一句话“真正的人工智能是让别人的产品变得更加智能”。所以在人工智能时代，应该叫做“君子有所为有所不为”，每个创业者都应该专注在自己特别理解的行业应用上，去善用每一种可以激活行业应用的技术，能够合作起来，使得你的产品也能具备人工智能的属性。

　　▎创业者如何通过金融手段产生新的商业模式

　　将门创投创始合伙人兼CEO 高欣欣：接下来再问一下量化派的王倪总，因为金融是我们创业者非常关注的一个领域。它不仅是一个创业领域，其实还是一种商业模式。每一个创业者其实都可以通过金融的手段产生新的商业模式。量化派也做了场景金融的创新，所以我想问一下王倪总，在今天这样一个时代，创业者如何通过金融的手段产生新的商业模式呢？

　　量化派联合创始人兼COO 王倪：我们在九几年上大学的时候，流行说“AI消亡，神经网络万岁”。但是现在来看，神经网络把消亡的AI重新定义和发展了，通过自己的基因突变，从神经网络变成了深度学习，这是一个轮回的过程。我认为AI在金融领域的应用也是一个轮回过程。因为AI在量化投资领域一直以来是被最前沿的科学家用最前沿的技术在那儿默默地开发他们的“黑盒子”或者是赚钱机器，比如“文艺复兴”这样的对冲基金。接下来我觉得AI这个基因突变之后，一些过去的方法论肯定也要基因突变。但是对于美国这种二级的股票交易市场，应该会有新的方式方法来重新定义目前的量化交易问题。

　　另外一个比较有意思的方向就是智能投顾行业，顾问就是你问一下，我来回答你的问题。现在在网上问一个标准问题，才有标准答案。未来的智能投顾可能有点像超级电脑，你问它美联储的基准利率上升了25个BP怎么办？会对我的投资有什么影响？后续的可以问他我应该怎么应对？等等这样的问题。这种比较超前的智能投顾，可能相比华尔街量化交易的“黑盒子”，更会让普罗大众能够受益。

　　将门创投创始合伙人兼CEO 高欣欣：量化派跟很多公司也有一些合作，比如去哪儿、甚至一些医美的创业公司。其实通过这样的合作，激活了他们新的商业模式，让他们拥有了使用信用卡的能力。请问一下这是一种怎样的方式呢？有没有可能也被今天的创业者使用？

　　量化派联合创始人兼COO 王倪：这个问题的答案和刚才讲到的商业环境相关。合作伙伴通过与我们的合作，能够激活用户，更多的是激活用户的需求。因为用户在目前没有花钱能力的时候，我们可以激活他们提前消费的能力。广义的来说，我们也是跟着消费升级、大健康等趋势在走。所以，第一就是创业者肯定是跟着趋势来，跟着浪潮走；第二就是天时地利非常重要，天时就是浪潮，地利就是目前的环境。我们现在满足的是没有被满足的需求，因为有一个空缺在这里。在美国就没有这样的创新，因为它已经被传统的银行挤成红海了。

　　将门创投创始合伙人兼CEO 高欣欣：量化派能够通过人工智能和大数据的能力，去迅速获取和判断每个人的信用，以至于创业者可能并没有能力去了解每一个来他这儿的用户的信用，但是通过这样的手段和合作可以刺激他的用户消费，从而使得消费升级可以发生。所以这不仅仅是金融领域的创新，甚至可以应用到很多创业者的合作上。

　　▎自动驾驶行业未来的走向和发展

　　将门创投创始合伙人兼CEO 高欣欣：接下来我想问一下乃岩博士，我觉得今年自动驾驶领域实在是太热了，但是我觉得自动驾驶领域并不是一个勇敢者的游戏，它是一个需要特别艰难的去爬的坡，有很多难关需要去攻克。所以我想听听您的判断，您觉得自动驾驶这个行业未来的走向和发展如何？

　　图森互联首席科学家 王乃岩：其实对于自动驾驶这个行业我们达成一个共识，就是在限定条件或者是简单场景下的自动驾驶可能在五年之内就会到来。这个技术虽然还有一些难点，但是是可以克服的。不过从通用角度来说，要想达到电影里面演的那样，从A到B的无限制自动驾驶，其实还有很多难点。我从技术和商业落地两个角度来分别讲一下。

　　首先从技术角度来说，如果我们不考虑持续落地和成本问题，其实像我前面提到的高速公路的自动驾驶，包括还有其他企业正在做的厂区里面的自动电瓶车等，这些技术相对来说比较成熟，而且很快可以推向市场。但是，如果我们想达到高度的自动驾驶，不管从感知算法层面来讲，还是角色控制算法层面来讲，都有很多难点。在决策控制方面，比如在北京开车肯定会遇到有人过来加塞，甚至两车博弈的情况。从简单的感知任务上来说也有这样的问题，比如我们识别红绿灯是一个比较简单的任务，但是简单的基础是我们能够收集到足够多的数据。如果我们进入没有见过的场景，我们的算法如何识别它是红绿灯以及它的状态是什么样的呢？这其实并不是一个简单的问题。我们也许可以解决99%的问题，但是剩下的1%是目前的算法所达不到的，只有人工智能算法能够用一种描述性的语言去定义问题的时候，才可能解决这个问题。比如我们定义有四个轮子在路上跑的就是车，这样的定义其实让我们摆脱了这一轮深度学习以大数据为驱动的模式。

　　从商业角度来说，汽车的产业链非常长，自动驾驶技术只是其中一环，它的上下游涉及到很多部分。比如：车厂需要提供车辆，自动驾驶需要从激光雷达和摄像头等传感器中获取数据，最终是由计算平台把这些数据进行整合处理。从每一步来讲，都有很大的发展空间。包括成本的问题，比如前面提到的激光雷达的成本居高不下，所以这也是自动驾驶落地的障碍。

　　▎如何看待大数据行业在数据红利时代接下来的走向

　　将门创投创始合伙人兼CEO 高欣欣：因为人工智能的基础就是大数据，所以最后一个问题留给数据堂的红威总。今天很多来宾说到一个词，我个人特别同意，叫做中国进入“数据红利”时代。在数据红利时代，谁能够率先掌握和利用这样的红利，谁就能催生出新的独角兽公司。那么红威总如何看待大数据行业在数据红利时代接下来的走向呢？

　　数据堂创始人兼CEO 齐红威：我们从2011年开始做大数据产业，到现在已经有5年多的时间。我认为国内真正做大数据落地的公司找到一定的盈利模式是在2014年下半年，2015、2016年有部分企业的商业模式开始逐渐清晰，公司规模逐渐壮大起来。但是从整个产业发展的阶段来讲，如果把评分的满分定为10分，也就是它进入比较稳定的状态，那么现在的整个产业在1.5分，可能连1.5分都不到的状况。后面还会有各种各样的博弈或者是调整，这里面的机会非常大。总的来说有四个机会。

　　第一、就是大数据产业链最底层的基础支撑。云平台这类机会不是特别多，但是在专有解决方案上会有机会。

　　第二、往前一层是专门做数据资源的，就是把数据当做一种资源或者是产品进行深度整合。这种企业国内有几家，后来者我觉得还有机会，但是相对难一点，因为它是一件资源高度整合的事情。别人走过的路，你也得走，这个过程是避免不了的，别人花的代价后来者也要花。

　　第三、是做大数据专有技术的企业。我觉得这类企业在国内是比较少的，但是也有很多做的不错的，比如典型的有Face++、格林深瞳，以及我们在座的几位，都在这个层面做得很到位。

　　第四、是在最上层的数据应用。我觉得这是国内做得最好的，也是我们国内大数据生态相对国外来讲，呈现百花齐放的一层。因为我们地大物博，各种应用场景很多，再加上中国人非常聪明，各种机会都能找到。从大数据产业来讲，我觉得这一块无论是投资还是创业，都是最容易找到机会切进去的一个点，这就需要大家各显神通了。

　　将门创投创始合伙人兼CEO 高欣欣：如果说2015年是企业服务的元年，那么2016年就是一个理性增长的一年，让我们期待2017年是健康、迅速增长的一年。

　　寻求报道&合作请联系：tobshe@itjuzi.com

　　关注拓扑社微信：tobshe，获取更多内容哦~