曹巍：作为投资人来讲我先介绍一下蓝驰，以及蓝驰在AI领域的思考和我们的一些观点。蓝驰创投最早是1998年在硅谷成立，一直围绕创新技术，TMT领域做中早期投资，蓝驰管的15亿人民币，以及5亿美元的中早期基金。
在AI领域的布局其实是从2011、2012年开始。那时候看行业应用领域还是非常窄，主要更多是围绕算法和通用的算法模型和具体的通用场景的能力方案，像自然语言识别，图片识别。整个AI效果处理也好都是处在相对早期的数据水平上。
其实蓝驰整体观点上来讲，我们更多的认为AI只是一个标签，AI只是一个手段，最终的目的还是围绕云计算，围绕深度的数据分析，围绕AI商业模型去解决商业化场景，最小闭环有商业价值的问题。
其实定义问题，解决问题是我们讨论整个方向的一个本质。这个过程可能会有很多在模型上的迭代，算法上的迭代，包括参与方、科研方新的创新能力的发挥。
龚勋：南雁保险是脱胎于原外资保险互联网事业部的一个架构，我们整体是基于云端的Paas平台往前推进整个行业的SaaS，在用相应的大数据的手段设计一些保险产品。目前已经在北京和上海做到了很大程度的覆盖。
目前服务的保险公司有41家，包括中国平安，中国太平这样比较著名的公司，还包括了全国38个专业的经代机构，260个兼业代理，还遍布广州、上海一些地方的销售组织，将近有2400多个。公司到现在运行的是16个月，整体交易的金额差不多每个季度都是翻一番，甚至有的季度可能是翻五番到十番的交易速度在向前迈进中。
在大数据和AI来看，我做产品设计就想怎么打标签，怎么样更好体会客户的需求，可能拿卖了10几年的旅游险，我们从开始关注客户具体怎样出行客户到底是自驾，还是怎么样的，客户有没有跳水，有没有潜水，这些风险的项目产生的相应的理赔费用是多少，南雁在后面做了无数的估算。
周吉龙：知藏做的事情是企业智能决策。这个词听起来可能比较陌生。我创业之前是在麦肯锡做咨询的，所以我们做的事情希望拿着数据，加上算法，与商业模式结合起来帮助企业提高各方面的效率。
我们在营销领域里对内容和转化过程中的用户的行为进行建模，帮助客户在内容传播和营销转化领域，一个季度提升了50%以上的转化效率。同时，我们帮物流企业做智能的车辆调度，通过算法取代人，来做车辆的调度和路径规划，这个可以帮助整体的运输成本能够降低到5%-10%左右。这是两个例子，就是什么企业智能决策。
跟AI领域的关系是这样的，我们做的事情通过模型和算法让计算机自动化，更加智能帮助企业做它的商业决策。
之前我听过一个观点，就是说在服务企业这端，人工智能需要的是人工智能科学家加上很好的销售，就能更好的服务企业。在我们看来服务企业的这个场景里，其实还缺了一环，这一环是顾问。需要有人能够深度理解商业模型，从商业模型抽取出来解决方案，了解算法，和算法对接，最终做出来比较好的服务企业的AI的产品。这个是我们正在做的事情。
现在正在推动的是最好的企业里决策智能化从0到1。所以道路是漫长的，但是前景是光明的。
郭娜：汇医慧影一直致力于在医疗行业，从影像为切入做人工智能和大数据的公司。因为我从TMT公司出来的，正好赶上中国过去云计算新的行业成为商业化的过程，让我们认为其实在云计算底层，像青云这样的公司蓬勃发展的时候，并且SaaS深入到重度垂直的SaaS服务成为可能。
而医疗影像天然具有互联网基因，同时又具有在SaaS层面产生应用，并且影像的数据是有巨大的可挖掘和通过人工智能可识别的。所以从一个相对比较小的口切入，汇医慧影在过去两年中其实完成了从底层SaaS到医疗服务，再到医疗数据建模产生价值整体的闭环。
我相信人工智能是未来5年甚至10年一个工业革命的开端。但是我认为蓝驰的投资观念和我们整个公司的价值是非常重合的原因在于，是通向5年到10年的道路。面临两个维度的事情：第一，技术创新和商业模式创新的双创新，是整个要改变的。在什么样的场景当中可以产生商业价值，并且让技术的价值得到有效的放大，而不是简单的靠一个算法，说一个包打天下，所以这是创业者需要反复思考和反复打磨的。
曹巍：具体垂直应用的的商业闭环，其实在摸索商业闭环的中大家可能在不同的自己所关注的垂直领域，都会遇到不同的市场状态。大家在自己所在的细分垂直领域你们所接触到的行业内的一些领先的玩家，包括业内的一些巨头，他们是如何看待人工智能的？他们在看待人工智能的时候他们会像我们这些创业者和早期VC一样激动吗，还是他们抱着谨慎的态度，他们是怎么样和我们交流，他们以什么样的态度来循序渐进迎接我们的人工智能时代？
郭娜：拿医疗来说，我觉得是一个IT时代向DT时代转移的过程。但是说实话其实IT时代的时候，我觉得IT在医疗里的价值是非常有限的。我们知道甲骨文一套软件卖上亿，但是医疗一套可能买上几十万，上百万都是比较大的。可见IT系统在医疗里没有进入到最核心的KPI。
医疗最重要的两件事：诊断加治疗。而IT系统的东西最多带来信息化的问题。所以其实当我们向DT时代迈进的时候，我觉得这次不光是买单方买一个东西，包括所有的系统都是重构的过程。所以我比较同意周总说创业过程中有顾问的背景是很重要的。就是当引领一个新的趋势的时候，就是怎么给医院赋能，怎么给医院带来价值，站在顾问的角度，首先给他讲明白发展趋势是？
曹巍：我们的问题是他们的状态是怎么样？
郭娜：我觉得其实医院最大的能力是能够给病人看病。但是如何让数据产生价值，其实医院是没有太多的解决方案的和解决方式的。所以这就需要有公司来提供整个的解决方式。当然我相信医疗在所有行业中是最保守的。
所以面临数据开放和算法开放，和很多信息开放的时候，我觉得所有的谨慎是这个行业对于病人最大的尊重。我就相信创业者也应该对于这种东西提供更安全的，更稳定的，更符合医院不同的解决方案，我觉得这是适合需求的。而不是站在一个对立面上说，你不够开放，你太保守。其实保守本身就是对于病人的尊重。
周吉龙：我们面对客户稍微好一些，因为我们面对的是企业。企业在接受新生事物比像医疗这样的机构相对开明一些。我也很感谢投资方跟媒体在这一轮所谓的风口对普罗大众的教育，大家看到下围棋了，看到机器干的更多的事，有一些切实和不切实的幻想。所以接触企业的时候，跟企业接触这个概念，企业大体上会接受的。
但是我们碰到的在企业方最大的问题是说，大家都逐渐的越来越不被忽悠了。意思就是说他需要看见真正的价值。但另外一定，其实我们的企业客户他并不知道自己的需求是什么，他的需求是非常朴素的。比如在营销领域要提高转化率，要少投钱多回报。在物流里希望提高毛利，降低成本。怎么样把他们的最朴素，最原始的想法和算法挂上钩，这就需要顾问帮助客户提出解决方案。我们团队同样的也不都是技术人员，我们有很大比例的顾问。
龚勋：保险行业和其他行业看上去，其实从我们创业开始的反思，就是这个行业可以看到非常Low的情况，可能卖菜大妈都在卖保险。
保险公司大而不强。其实由于它们强监管和核心系统，核心能力上的欠缺，它的核心系统可能已经快是15-20年前建立的。国内在保险上还是分业监管的，它是分产险和寿险。同后台所谓的大数据，我想把一个客户抓出来的可能性都已经是非常的低。更何况是国内的核心保险公司的系统，甚至是落后到这边已经是人工智能，阿尔法狗能击败人类了，那边的情况还是拿着三八大盖准备打枪的情况。所以给创业公司提供的机会非常多。
从我们的角度，保险公司的诉求是求有质量的保费。目前市场真的在量上面甚至各家公司还吃不饱的情况下，他们在质上的诉求就更差。所以我们从SaaS模型切入到这个市场，把我们的分销系统建立起来，很快给市场提供量。
曹巍：围绕龚总讨论数据聚合方面的特点，引出来我们第三个问题，据我们所了解的话，特别是在很多相对比较传统的细分垂直领域，大家在搜集数据，解决数据的过程中，不断在基础设施层面，还是在数据源信息化层面都遇到很大的挑战。大家在数据搜集方面遇到了哪些的挑战？在数据的处理和分析方面有哪些心得？
周吉龙：在数据的搜集方面，其实我非常认同刚才龚总提的观点。不光保险行业，我觉得中国除了互联网，TMT行业之外，大家的IT系统以及背后的数据基础设施都是非常弱的。
做应用之前，目前最困难的情况，是连基本的数据平台都没有，数据都没有放在一起。我们也刚好碰到一个保险公司的情况，不管保险的平台端，还是精算端，理赔端，数据都没有打通。这样的情况下给我们做模型应用造成了比较大的困难。我们是专注于做模型应用的，所以我们会选择要不然外部数据已经比较全面的地方，比如说营销传播的领域，或者说我们找一些有算法和模型主导的，像物流等等这样的地方来切入。因为从整体上我觉得企业的数据平台的建立，它和模型应用是两条线一起往前走，建立基础设施还是需要一定时间。
曹巍：假设在座有创业者的话，相对来讲现在有哪些可以跑模型和算法的细分垂直领域开始尝试？
周吉龙：对。分两种：一个是外部数据比较全了，另外一种是本身对其他数据的要求比较少，内部数据就可以搞定的。
郭娜：首先我觉得大数据并不一定是数据的数量多。医疗涉及到的病人的数据是带时间轴的数据，就是从生病开始到不断治疗过程中，不断的用药，到之后一年治愈，或者五年癌症并发，其实它是一个时间轴的数据。也就是说，肯定对于创业来说先有一部分数据是比较容易采集的，现在关注时间维度上的数据，我们认为这个也是有价值的。
曹巍：我们现在能够看到的数据，就是连续围绕的个人的，然后有X和Y的数据，它的丰富程度目前是什么情况？比如说这种个体，就是一个人可能在很多医院看，医院和医院之间的数据相对是割裂的。不知道我这个理解是不是这样？
郭娜：这是一个维度。我们为什么从影像切，因为这个都是一个标准，就是相当于标准统一，接口统一，以至于所有的医院，所有的设备出来相对统一的。这上面我们做的是可以提高效率。
第二，这轮大数据对医疗真正大大变革是，我们每个人生病不光是表现到你长肿瘤了，其实中间有基因突变，病理上也有其他数据，等等，所有这些维度数据能不能一起参加建模，技术计算产生很好的模型。这是医疗里我觉得是未来的一个大的方向和维度了。这个建立的过程中，是要打通医院的很多系统了。所以这个难度也会比较大的。