李飞飞、吴恩达、张潼、马维英、Pieter Abbeel、Oussama Khatib……;腾讯、阿里、今日头条、滴滴、科大讯飞、唯品会、斯坦福、UC伯克利、清华……集齐全球顶尖的AI领域领军人物，踏访中美两国科学研究及应用探索前沿的科技公司/大学的AI实验室，浓缩在飞越太平洋的9天内密集拜访和交流，这是一种什么感受?
一句话：大脑的“CPU”、“存储空间”和“接口”都已不够用。
9月14日-22日，红杉中国携手真格基金，定向邀请三十余位成员企业的创始人和高管，一起享受了一场智能超感的“北京-硅谷AI双城记”之旅。这是一次名副其实的大脑体操，对于在各个垂直领域已经取得初战胜果的创业者们，这更像是一趟寻找AI+商业“终极算法”的解惑之旅。红杉资本全球执行合伙人沈南鹏和真格基金创始人徐小平也参与了“AI双城记”硅谷段的部分活动环节，两位都非常关心AI产业将对教育领域带来哪些改变。
红杉资本全球执行合伙人沈南鹏：人工智能是信息科技高速发展的重要产物，如果企业家能够把握好未来5-10年市场研发方向与机会，应当可以获得前所未有的长足进步，获得跨越式发展。
真格基金创始人徐小平：工业时代是把流水线上的人变成机器，而AI时代则是把机器变成人。AI的广泛应用，如果能够极大提高生产力、极大地解放人类，将是非常了不起的事情。
红杉中国为什么要做这件事?
从计算时代、网络时代到AI时代，是红杉资本与全球技术创新浪潮并进的45年。即使你已熟悉车库故事、多次到访沙丘路，但你仍然可能对硅谷——这片长约25英里的狭长谷地有所不知。从早期的通讯技术研发基地，到半导体巨头的摇篮;从斯坦福的工业园，到风险资本的初始之地;从软件、互联网的勃兴，到今日AI之风劲吹，硅谷已成为全球技术变革的代名词，并一次次挺立于创业创新的潮头。
在计算时代，红杉资本发掘了苹果、投资了Oracle、思科……;在网络时代，它投资了谷歌、雅虎、领英、YouTube、Airbnb、阿里巴巴、京东、滴滴、今日头条……;现在，当科技世界叩响AI时代的大门，它再一次以超越科技跃进和市场波动的眼光，把握先机，提前布局。
搭建中美AI前沿对话的平台，投资早期AI创新创业之新荷。红杉中国致力于成为顶级高成长企业最早、最重要的投资人，作为创业者背后的创业者，不仅是发掘和以资金资源支持创业新秀，更不一样的是，给予创业者以成长帮助并陪伴长跑。怎样为创业者打开世界观?红杉中国愿意成为AI前沿对话的“搭桥者”、“造雨人”、“连接器”，为创业者提供有针对性的高端对话机会，搭建更广阔的深度互动交流平台。
红杉资本中国基金合伙人周逵带队参与了北京段的参访行程。他说，组织这一场活动，初衷是给红杉中国投资的AI领域成员企业提供实际有效的帮助，为此主办方为每一站活动主题都尽量做了细化、聚焦，希望令所有参与人的兴趣点更加集中，沟通更有效率。
红杉中国今年已举办了近十场类似的投后服务活动，希望通过这些高质量的交流活动，帮助CEO了解到产业核心企业的动态和想法，认识行业最牛的人，做最准确的业务判断。
在为期9天如此密集的知识大爆炸中， 我们和“AI双城记”的团员们一起，不仅和“机器之心”同频共振，还与如此之多的“最强大脑”超距连接，大家都收获到了什么?
敲黑板!敲黑板!以下是我们的随行笔记，要划重点了：
01
未来竞争的壁垒不再是算法，而是数据拥有的量和质。
从1950年代中期人工智能概念的第一次被提出，及至今天出现的三次人工智能浪潮，各类算法已趋近成型。而从应用层来看，监督学习、迁移学习、非监督学习、强化学习这四类算法所创造的经济效益是递减的，就目前而言，AI技术做出的经济贡献几乎都来自第一种：监督学习，也就是让机器学会从A到B，从输入到输出的映射。它依靠结构化数据，确实比非结构化数据创造了更多的经济效益，并且已经扩展到在线广告、消费金融、语音交互、机器翻译等应用场景中。
此次拜访的多位AI大牛都谈到，当算法模型的优劣已不再是关键差异(就像所有安卓手机都系出安卓平台)，未来科技公司在AI应用上的较量更多取决于谁拥有更多、更好的数据。以及，怎么策略性地持续获取更多数据。
如此图所示，处于金字塔顶端的结构化数据，将是任何一家公司的宝藏。
02
建立数据获取和训练的飞轮，对手就很难追赶你。
在此行“AI双城记”中，创业者向谷歌云机器学习与人工智能首席科学家李飞飞教授提出了这样一个问题：大公司毫无疑问拥有巨大的数据获取优势，那么创业公司还有机会吗?
李飞飞的回答是，大公司在获取跟自己产品相关的数据方面，这一优势肯定是无法匹及的。但是，AI应用的场景是多种多样的，在许多领域还有待开掘。对于初创公司来说，怎么通过产品来撬动数据获取才是最重要的。
吴恩达也持同样观点。他在白板上一边画图一边解释：一家新公司需要特地设计一个循环：先为算法收集足够的数据，这样就能推出产品;然后通过这个产品来获取用户，而用户会提供更多的数据……启动了这一飞轮后，对手就很难追赶你。
以今日头条为例。今日头条副总裁、人工智能实验室负责人马维英在分享中亦提到，用户使用今日头条越多，会发现它越智能。原因就是，用户会在使用时不断喂给机器第二轮大数据：他的偏好、点击次数、停留时长、负向反馈……从而让头条更懂用户。
就如同互联网时代已经发生过的故事那样：大平台之外，还有诸多垂直细分的数据领域有待挖矿。
03
大数据不追求因果性，更追求相关性。
原因是，只依据统计数据是不足以得出变量之间的因果性的。想要得出因果性，必须从理论上证明两个变量之间确实有逻辑上的因果性，并且要排除掉第三个隐含变量同时影响这两个变量的可能性。就像著名的啤酒尿布的故事，它只是说明这两项商品的购买人群中存在较大概率的重合度。
正如“AI双城记”团员、唯品会美国研发中心总经理、AI负责人谢楠在分享中提到AI 技术有几大趋势：算法“开源化”，计算“云服务化”，数据“私有化”。因此，就算法、数据和运算能力这三大 AI 要素来说，企业最需要建立起壁垒的是数据。AI的商业应用与学术论文研究有所不同，算法模型的准确率不必是唯一的研发目标。在有限的时间与资源的情况下，也许有商业ROI 更高的研发目标，譬如算法对某业务场景的覆盖范围。在特定的应用场景中，80%的算法模型准确率可能就可以做很多过去做不到的事情。如何在不完美准确率的情况下构建一个可行的商用场景是真正挑战商业AI实践者的地方，需要对业务及客户需求有深刻的洞察与理解。
04
传统科技公司 + 机器学习/神经网络 ≠ AI公司。
吴恩达分享的主题就是：当AI成为新的电力，它将怎样改变世界?
