本篇文章百科互动给大家谈谈“危险！立即停止所有大规模AI研究！”在马斯克和图灵奖获得者的带领下，数千名硅谷企业家和科学家联合呼吁，以及对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。
本文目录：
- 1、特斯拉仿生人，马斯克的下一份“PPT”？
- 2、估值380亿美元的数据湖引领者，Databricks是如何发展壮大的？
- 3、现实中的钢铁侠——埃隆马斯克，来看看他要改变世界的商业帝国
- 4、人类担心人工智能，那么人工智能危险在哪？
- 5、未来我们的工作会被AI取代吗？
- 6、人工智能带来的弊处
特斯拉仿生人，马斯克的下一份“PPT”？
文丨伊然
火星旅行已经不能满足马斯克的“画饼”野心了。
当地时间8月19日，在特斯拉第一个“人工智能日”（AI Day），特斯拉的高管们轮番登台向大众介绍了 FSD 完全自动驾驶最新进展和规模深度神经网络训练集群系统Dojo 。特斯拉所研发的名为D1的AI芯片采用7纳米制造工艺，处理能力达到1024亿次，一组芯片能够提供的计算功率达到9千万亿次。人工智能机器人给大众带来了无尽的想象。
在众多的科幻作品中，创作者们已经天马行空地表达过自己的美好畅想与潜在担忧“危险！立即停止所有大规模AI研究！”在马斯克和图灵奖获得者的带领下，数千名硅谷企业家和科学家联合呼吁；而在现实的生活中，无数的科学家和企业也前赴后继地投入到机器人产品的研发中。
现在，机器人研发大军加入了一位重磅级大亨——马斯克。
在发布会现场，马斯克压轴登台。发布了特斯拉机器人计划Tesla Bot 。 显然，这就是特斯拉在邀请函中所说的“人工智能在自动驾驶以外的应用”。
根据马斯克的介绍，Tesla Bot身高1.72米，体重56千克，承载能力20千克，最快行走能力为每小时8公里。TeslaBot外部造型完全仿照人体线条，肩膀以上是黑色无面孔形态，下半身则是像《星球大战》里面太空部队的乳白色铠甲质感外壳，细看之下带有些许静默的诡异感。
Tesla Bot的面部是一个显示屏，显示屏背后是多个摄像头；脖子、胳膊、手、腿位置累计搭载了 40 个机电推杆。 Autopilot 摄像头会作为它的眼睛，它的胸腔内则安放了特斯拉 FSD 芯片，此次发布的多摄像头视觉架构的深度神经网络架构也会在其身上得到应用。
马斯克宣称，Tesla Bot将会达到和人类的尺寸以及重量相近的物理特性，并且会具有用于自动驾驶的相机系统和计算单元，未来会用来帮助人类处理“无聊、重复和危险的工作”。
当然，发布会并没有实物亮相，只是马斯克和他的PPT， 预计产品原型机将在2022年面世 。
马斯克简短介绍完后，一位演员穿着Tesla Bot造型的紧身衣在舞台上开始了短暂的机械舞表演，颇有超级变变变风范。或许是为了缓解尴尬，马斯克自嘲地表示：“演员不是真正的机器人，但是特斯拉的机器人将会是真实的。”
看起来，马斯克也知道大家对他的“狂言”并没有那么的信任。他在发布会结束后的新闻交流会上还特别强调， 因为特斯拉已经造出了带着轮子的“机器人”（ 汽车 ），所以现在几乎拥有制造人形机器人所需的任何零件。
在特斯拉官方招聘页面，最近也发布了四个工作地点位于加州帕洛阿尔托的职位，被外界视作与机器人项目直接相关。
岗位要求分别是专注于执行机构齿轮设计和系统；机器人的机械设计和执行器组件的集成上；高级人形机电机器人架构师；高级人形建模机器人架构师。
马斯克确实是掌握流量入口的高手。
TeslaBot的诡异造型和莫名其妙的发布会，社交网络的注意力又成功被“顶流”马斯克吸引了，各种段子和表情包层出不穷。
一如既往，同行们对马斯克的介绍内容持有异议，有媒体直言Tesla Bot完全是商业宣传——特斯拉绝对不可能在一年内制造出马斯克所宣扬的人形机器人。
目前，全球研制人形态机器人产品最为知名且公认的行业技术标杆是波士顿动力公司。
1992年，美国麻省理工学院教授马克·雷波特创办波士顿动力，并在美军的资助下，研发商用机器人 。
虽然机械的运动能力进展迅速，然而感知、认知和决策能力在相当长的一段时期内没有过多进展。
2012年，随着深度学习等算法突破，人工智能大爆炸。5G、物联网带源源不断地产生海量的大数据，投喂给AI大模型。加速迭代的AI大模型给机器人行业带来无限的遐想。
8月17日，波士顿动力分享了一段一分钟视频，双足人形机器人Atlas展示了手跨栏、后空翻下台阶、过独木桥、跳箱子、走斜板等高难度跑酷运动。 波士顿动力公司表示，跑酷测试展示了Atlas全身在各种快速变化的情况下保持平衡，无缝切换动作的实力。
Atlas使用IMU、关节位置和受力传感器来控制其身体并感受地面获得平衡，通过感知算法来识别障碍物。
据波士顿动力介绍，深度相机以每秒15帧的速度生成距离测量数据，形成环境点云，使用多平面分割的算法从点云中提取表面。接着，算法输出的数据被输入地图系统，最后系统帮助Atlas用相机看到不同物体建立模型。
短短三天后，Tesla Bot用几张PPT就盖过了Atlas的风头，马斯克选择的时间节点就颇为值得玩味。
波士顿动力相关负责人向媒体表示，特斯拉机器人的理论和设想非常前沿，对于机器人技术的发展应用也有借鉴和推动意义，但是从目前的行业发展格局和技术水平来说，Tesla Bot的商业化蓝图近乎是痴人说梦。
即便特斯拉有优秀的硬件研发能力，有强大的人工智能计算硬件和算法基础，有钱和政策支持，但是人形机器人研究 在关节控制、手部精细操作、视觉信息理解等几乎所有的技术细节上有太多尚未攻克的难题。
目前，Atlas也仅可以实现每小时5.4公里的移动速度，并没有可以实现灵活运动的手指关节，特斯拉基本不可能在一年内就完成同行们十几年都没有突破的瓶颈。
有不客气的评论人士指责马斯克宣布的Tesla Bot计划不过是为了转移大众注意力的幌子。
7月，美国权威的消费者权益机构《消费者报告》指出 特斯拉的FSD Beta V9缺乏安全保障措施，不应使用未经专业训练的用户进行驾驶测试。 从用户公开的测试视频中可以看到，纯靠视觉方案的FSD有时会莫名出错，无端乱打方向盘，不按道路线行驶等状况。
车企进行类似的测试时，一般会在电脑上模拟运行，由专业人员完成。特斯拉把测试版FSD开放给普通用户，是让未经训练的消费者成为了试验品，还给公共空间的行人带来了风险。
当地时间8月16日， 美国国家公路交通安全管理局对特斯拉自动驾驶系统启动正式调查，认为该系统存在“难以识别停放在路边的紧急车辆”的隐患。
8月24日，马斯克在个人社交账号上承认公司最新发布的驾驶辅助软件FSD“不够好”，Autopilot/AI团队正在以尽可能快的速度进行改进。
特斯拉试图开发比普通人类司机驾驶安全约10倍的辅助驾驶系统，需要更大量的神经网络培训。
虽然Tesla Bot的“狂言”大概率是马斯克又一份“炒作PPT”，但马斯克的长远眼光一向精准 ， 在线支付、新能源车辆、自动驾驶、动力电池、太空 探索 ……他几乎踩准了发展的路径。
近几年，各大服务机器人厂商开始加码技术链条布局，SLAM、AI芯片、机器视觉、语音识别等核心技术获得较快发展，服务机器人产品性能和智能化程度也有明显提升，产品类型愈加丰富。
QYReaserch相关报告显示，2020年全球仿人机器人市场销售额达到了2.11亿美元，预计2027年将达到8.45亿美元，年复合增长率超过20%。
产品方面来看，双足机器人正在逐步替代轮式机器人，教育和 娱乐 、研究与空间 探索 仍是机器人主要商用范围。
中国市场在过去几年变化较快，2020年的市场规模为超过4800万美元，占全球的23%，预计2027年将达到2.9亿美元，全球份额提升至34%。
中国厂商是人形机器人领域的后来者，但近年来国内快速发展的智能家庭小机器人和商场里随处可见的引导机器人，市场对人形机器人的认可度和接受度越来越高。
7月，上海举行的2021世界人工智能大会上，优必选发布了国内首款可商业化的大型双足仿人型服务机器人Walker X。 Walker X身高130cm、体重63kg，拥有41个高性能伺服驱动关节，能够操控冰箱、吸尘器等家电，还可以帮人按摩，下象棋。
虽然人形机器人不一定能够在短时间内实现马斯克所言的便利，但从实验室走向产业化生产的前景确实越发的光明，或许会成为新能源造车后的下一个增长点。
马斯克曾说：“从长远来看，人们会将特斯拉视为一家人工智能机器人公司，就像“危险！立即停止所有大规模AI研究！”在马斯克和图灵奖获得者的带领下，数千名硅谷企业家和科学家联合呼吁我们现在被视为 汽车 或能源公司那样。”
马斯克对相关 科技 在产业应用落地中的判断和界定值得思考，将新能源 汽车 视作是物联网终端已经不算是新概念，但将智能车比作是长了轮子的机器人却是另辟蹊径。
人形机器人全面介入到人类日常生活带来的变化绝对不会亚于智能手机的普及，时刻要为未来规划。
估值380亿美元的数据湖引领者，Databricks是如何发展壮大的？
阿尔法公社
重度帮助创业者的天使投资基金
Databricks是一家正在崛起的企业软件巨头。2021年，它连续获得两轮10亿美元级别的大额融资，估值跃升到380亿美元，它在数据和人工智能领域具有全球雄心。
Databricks是一个非典型的创业故事，它由七位联合创始人创办，其中大部分是学者。它从Spark开源项目起步，现在引领了数据湖范式，这将加速其与主要竞争对手Snowflake的竞争。
本文是投资人Matt Turck与Databricks联合创始人兼CEO Ali Ghodsi的对话实录，Matt Turck在2015年就与Databricks的联合创始人Ion Stoica有过对话，对于Databricks的情况相当熟悉。在本文中Ali Ghodsi将透露Databricks从一个开源项目到大型公司的成长经历，以及在团队，产品，进入市场，扩张等方面积累的洞见，Enjoy。
科学家创始人们推动Databricks起步
Matt Turck： 我们谈一下Databricks的起步，AMPLab、Spark和Databricks，这一切是如何开始的？
Ali Ghodsi： 我们当时正处于人工智能革新的风口浪尖：Uber刚刚起步，Airbnb、Twitter处于早期，Facebook还不是巨头。他们声称，使用20世纪70年代诞生的机器学习算法实现了很好的效果。
以当时的常识来想这不可能是真的，我们觉得那些算法不可能Work，但他们说，“不，我们得到了非常厉害的结果。”当仔细观察后，我们的想法被颠覆了——他们确实获得了惊人的结果。以现代硬件和大量数据为支撑，运用上世纪的算法依旧可以获得令人难以置信的产出，我们对此感到震惊。我们想："需要使之普适化"。例如，在Facebook，他们可以提前检测到情侣分手，如果地球上的每个企业都有这种技术，这会对现有商业产生巨大影响。这就是AMPLab的起点。
Matt Turck： 当时AMPLab的Spark是怎么来的？
Ali Ghodsi： 图灵奖得主之一戴夫·帕特森当时是伯克利的教授，他非常相信人们应该聚在一起，打破孤岛。伯克利的教授们放弃了自己的私人办公室，和所有学生一起在巨大的开放区域办公。
他们试图解决的机器学习问题以当时的技术背景来说是很有挑战性的。AMPLab里做机器学习的人，做数学的人，不得不使用Hadoop，数据的每一次迭代都必须运行MapReduce，这样光是做一次迭代就需要20到30分钟。所以当时我们决定："联合起来，建立一个反应快速的基础架构。”我们在数据上做了很多迭代。因此，不只是做一次，不只是一个SQL引擎，而是可以做递归机器学习的东西，并可以极快地找到数据中的内涵模式。
Matt Turck： Databricks创始故事的特殊之处在于，你们有七、八个联合创始人。回过头看，拥有这样一个大的创始团队利与弊是什么？
Ali Ghodsi： 肯定是有利有弊的。如果你知道如何真正让由七个人组成的紧密小组真正信任对方，并在一起工作得很好，就会发生令人惊讶的事情。我认为Databricks的成功很大程度上归因于我们互相的信任。
创业早期的创始人，即使只有两个人，他们也会争吵，然后可能会在一两年内分裂，这就是问题所在。我们找到了一种方法，使大家真正了解对方的长处和短处，使这段创业旅程成为一种乐趣。
人们总说CEO是地球上最漫长的工作，我从来没有这种感觉。我有很多联合创始人和我在一起，他们一直都在，这对我们来说绝对是一种力量。如果我们没有这些人，就不会有现在的成就。
从开源项目到公司，
从0到100万美元ARR
Matt Turck： 你们是如何从学术性的开源项目（Spark）变成一家公司，然后从0做到1000万美元ARR的？这背后是否有任何决定性的时刻，或其他特别的增长手段？
Ali Ghodsi： 我们从0到100万美元ARR的旅程非常特别，与其他的旅程非常不同。我们经历了三个阶段，第一个阶段是PMF（产品与市场契合）阶段，当你有了一个产品，你能找到它与用户之间的契合点么？这对任何公司都存在挑战。
你一旦你找到PMF，接下来就得弄清楚什么是能将该产品与市场联系起来的渠道，你的产品或许符合市场需求，但怎么通过渠道销售呢？事实上，我们一开始在这方面走了弯路，花了几年时间才确定正确的发展方向。在这几年里，为了弄清楚Databricks的正确模式我们进行了大量的实验。
接下来，让我们从产品开始，然后再谈谈渠道。
产品方面，我们有在伯克利建立的开源技术，但这不一定符合大企业的需要，因为在大企业，他们没有来自伯克利的博士。因此，我们需要为他们大简化问题，我们开始在云中托管它，但事实证明，即使是云版本对他们来说也太复杂了，无法使用。
因此，我们开始与用户一起进行迭代。我们在这之后削减了很多特性和功能，甚至可以说重新构建了一个产品。我们问自己："如果我们知道现在的一切，回去再做一次，会怎么做？"
于是，我们重新做了另一个开源项目，Delta，你可以把它看作Spark为大型企业所做的非常简单和自动化的软件。当我们在伯克利时，我们的产品设想是提供尽可能多的功能和设置项，因为可能是一个博士在用它做研究。但当我们把产品在企业中推广时，我们意识到不是每个人都有博士学位，大家不知道如何使用它。这就是早期我们遇到的问题。在渠道方面，错误在于，我们在早期真的是非常相信这种产品主导的增长。
关于销售，当时我们的设想是，有了一个简化的产品，我们把它做成基于云的产品，就会有人会使用它，会为它刷信用卡，我们会非常成功。我们可以雇用销售人员，给年轻人打电话进行推销，我们不会雇佣企业的销售人员。我们更喜欢这种模式，它更便宜，更简单。
但那是一个错误。你不能凭空选择你的渠道。你有一个产品和相应的市场，必须找到正确的渠道来连接它们。
Databricks如何开发产品，
数据仓库VS数据湖
Matt Turck： 我们一会再继续谈进入市场。现在让我们先谈谈产品，我在Databricks观察到的令人着迷的事情之一是，你们发布新产品并将其转化为一个平台的速度。从Spark到机器学习到AI工作台再到Lakehouse，请向我们介绍一下产品的思路——一个产品如何导致另一个产品的出现。
Ali Ghodsi： 我们从Spark开始起步，它让用户可以访问所有数据；于是人们开始在企业中创建数据库，并在其中积累了大量数据。但过了一段时间，企业高管会问：“我不在乎我们获得和存储了多少数据，你能用这些数据为我做什么？ ” 这就是我们试图建立其他应用程序的原因。
起初我们的收入很少，然后我们意识到它太复杂了，有太多的选项和配置。我们就问自己："如果必须重做，必须简化，会做什么？"这种思路后的第一个创新是Delta，它重新定义了Spark，以一种真正企业友好的简化方式。但最初我们没有将它开源。
接下来，我们想：“如果拓宽数据库的用途，不仅仅是数据科学家和机器学习工程师，而是真正广泛的用例，应该怎么做？ ” 这就是我们开始重视商业分析师的原因。
商业分析师习惯于像Tableau那样的操作软件。如果他们想做一些更复杂的事情，只能使用SQL。因此，我们在四年前开始致力于构建数据仓库能力，把它建立在我们称为Lakehouse的核心基础设施中，然后在前年较大规模的推广。
我们的秘诀是：看企业的问题，弄清楚那是什么，通过实际的客户问题来深入了解它，把问题带回来，解决这个问题，在云中与客户快速迭代。一旦它有了产品的市场适应性，就把它开放出来。建立巨大的开源势头，几乎像一个B2C病毒式的形式。然后，用基于云的SaaS版本将其变现。
这是受AWS的启发，当创立Databricks时，我们认为AWS是地球上最好的云计算开源公司。他们本身不进行开发，其盈利模式基于开源软件，托管它并在上面赚很多钱。我们只是在这一点上进行了调整和演变。我们认为：“这是一个伟大的商业模式。我们将在云上托管开源软件。但不同的是，我们将自己创建开源软件。这样一来，就获得了相对于其他任何想做同样事情的人的竞争优势。 ” 否则，任何人都可以建立任何开源软件并在云中托管它。
Matt Turck： 接下来，让我们从Lakehouse开始，了解一下数据湖和数据仓库的演变，以及Lakehouse是如何在这两个领域中取得最好的成绩。
Ali Ghodsi： 这很简单。人们在数据湖里存储所有的数据：数据集，视频、音频、随机文本，这既迅速又便宜。利用各种各样的数据集，你可以基于数据湖进行AI创新，AI与数据湖密切相关。如果你想做BI，而不是AI，你就使用数据仓库，数据仓库和BI有一个单独的技术堆栈，但是它其实和AI一样，有很多同样的数据集。
BI用于回答过去的问题，比如上个季度的收入是多少；AI用来问关于未来的问题，哪些客户将会回来？所以，这意味着需要两个独立的堆栈，你必须有两个数据副本，而且你必须管理它们，这造成了很多复杂性。但当年的FAANG（硅谷几个顶尖互联网巨头的联合简称）可不是这样做的，他们有一个统一的平台。所以，我们的想法是把这两个统一成一个平台—Lakehouse、人工智能数据湖--提出关于未来的问题。这两者的结合将使企业能够更快地发展。它是数据工程师、数据科学家和商业分析师的平台，这样他们就可以在整个企业内一起工作。所以这是一个用于AI和BI的数据平台。
Matt Turck： 实现这一点靠的是什么重大的技术突破么？是Delta Lake？还是Iceberg？那是如何工作的？
Ali Ghodsi： 是的， 我认为有四个技术突破是在2016、2017年同时发生的，Hudi、Hive ACID、Iceberg、Delta Lake，我们贡献的是Delta Lake。问题是这样的，在数据湖里有人们收集了所有的数据，这些数据非常有价值，但很难对它们进行结构化查询。之前的传统方式是利用SQL数据库，然后应用在BI领域。因此，你需要一个单独的数据仓库。
为什么这么难？因为数据湖是为大数据、大数据集建立的，它并不是为真正的快速查询而建立的。它太慢了，而且没有任何方法来结构化数据，并以表格的形式展现数据，这就是问题所在。那么，你如何把像一个大的数据块存储的东西，变成一个数据仓库？这就是这些项目的秘诀。我们找出了解决这些数据湖效率低下的方法，并使用户能够直接从数据湖的数据仓库中获得相同的价值。
Matt Turck： 这种方法有什么取舍吗？
Ali Ghodsi： 事实上并非如此，我们做到了鱼与熊掌可以兼得。我知道这听起来很疯狂，但试试就是如此。我们减少了很多在80、90年代由数据仓库供应商发明的技术，调整它们，使它们在数据湖上工作。你可以问：“为什么这在10或15年前没有发生？ ” 因为开放标准的生态系统并不存在，它是随着时间的推移慢慢出现的。所以，它从数据湖开始，然后有一个很大的实际技术先导突破。我们在这里谈论的，是数据的标准化格式。他们被称为Parquet和ORC，但这些是数据格式，行业要将所有的数据集标准化。
这些类型的标准化步骤是需要的，以获得数据湖的突破。这有点像USB，一旦你有了它，你就可以把任何两个设备相互连接起来。所以，正在发生的事情是，开源领域的一个生态系统正在出现，在那里你可以在数据湖的范式中做所有的分析。最终，你将不需要所有这些自八十年代以来的专有旧系统，包括数据仓库和其他类似系统。
Matt Turck： 我会针对这个再问问题，业界有很多关于Snowflake和Databricks之间即将发生大冲突的议论，作为这个领域的两个巨大的公司，你对未来的看法是，数据湖最终成为范式，然后随着时间的推移，其他一切都被吸收？还是你认为未来更多的是混合，用户可以用数据仓库做某些事情，数据湖做其他事情？
Ali Ghodsi： 我将从两个方面回答这个问题。首先，人们把这说成是零和博弈，但你认为谷歌云会淘汰AWS和微软云，还是AWS会淘汰其他云？没有人这么认为，对吧。他们会共存，都将获得成功。
数据空间是巨大的。将会有很多供应商参与其中。我认为Snowflake将获得成功，他们现在有一个伟大的数据仓库，可能是市场上最好的数据仓库。而它肯定会与Databricks共存。事实上，Databricks与Snowflake共存于可能70%的客户中。我认为这种情况将继续存在，人们将使用数据仓库进行商业智能。
但是，如果长期来看，我认为数据湖的范式将获胜。为什么？因为数据太重要了，人们所有的数据都在这些数据湖中，而且更多的数据正在进入数据湖中。公有云计算供应商也有动力推动更多的动力让人们把数据存到他们的数据湖中，因为这对他们来说是既得利益。因此，任何使其真正有价值的解决方案，都将是未来的趋势。所以，我认为从长远来看，越来越多的人将倾向于这种数据湖的范式。
为什么Databricks能够不断产出创新产品？
Matt Turck： 我想了解你的产品和工程团队是如何组织的？对于一家公司，能够在第一个产品成功的基础上做第二个产品是非常罕见的。但在这里，我们正在谈论，如何成功的做出三个、四个、五个不同的产品。你的公司是如何管理好团队组织结构和其他资源，以不断创新？
Ali Ghodsi： 我们从创立Databricks时，就在试图找到这个问题的答案。我们不想靠一个单一的产品生存。当我们有了Spark，却并没有把它当成公司的名字，因为如果Spark变得落后了，我们就会把它迭代掉，然后继续向前，我们想不断找到数据的最佳答案。那么如何不断的有创新产品出现？我认为非常重要的是，要把创新和现有的现金流业务分开。
有一本关于这个问题的好书，叫Zone To Win。书中谈到，当你创造出一些新东西时，你需要快速迭代。你需要让工程师直接与客户交谈，甚至不一定要让产品经理来做，快速的创新迭代是最要紧的。而在在企业端，你需要一个慢得多的周期来迭代。
另外，所有的工程和产品团队组织被分成两个不同的部分。一部分专注于企业客户需要的东西：加密，安全，认证，稳定性等。另一部分则专注于创新，而且你应该把这些分开，分别的投入资源，否则前者（企业那部分）将得到所有的资源。你会倾向于不断地建立那些扩大你的TAM的东西。TAM扩展实际上是安全能力，它本身并没有任何创新。
我认为，有些公司已经做得很好了，比如AWS，它不是一招鲜，亚马逊本身也不是一招鲜，它不断有新的创新。所以我们希望我们的公司也是这样的，因此取名为Databricks。
Matt Turck： MLflow Delta Lake, Koalas。这属于创新阵营还是商业阵营的子层？
Ali Ghodsi： 这些都是创新阵营。当然，其中一些项目，当他们不那么创新的时候，像Spark，会转移到维护方面，我们通常也会移动核心人员。因此，实际上是同一个人或同一拨人在不断地进行创新。我们试图培养更多的创新者，但我们试图把那种已经真正有诀窍破解从0到1的人转移到下一个问题，然后把现有的项目移交给其他人去运行，比方说Spark，这已经是一个巨大的成功项目。
当我们把已经创造出东西的人转移到别的地方去创造下一个东西，对于一个优秀人才，获得这种责任是一个很大的职业提升。而我们也会发现谁是擅长从0到1人。我们实际上是在做实验，给研发部门的人一个机会去试验从0到1的东西，他们并不总是成功。这需要几次尝试，直到他们成为真正擅长的人。所以你必须慎重考虑这种高失败的策略。
开源的商业模式，有何优越性？
Matt Turck： 如果你今天要再开一家企业软件公司，你会先去开源代码吗？
Ali Ghodsi： 是的，我认为它很优越。我认为如果你从进化的角度来考虑，它在进化上比以前的商业模式要好。为什么我这么说？因为任何专有的软件公司都是成熟的，可以被开源的竞争者破坏。因此，任何专有的东西都可以立即被颠覆，就像Windows被Linux颠覆一样。我的意思是，那是最先进的东西，是真正复杂的技术操作系统，对吗？你不会认为大学里的某个家伙会发明，然后成为工业的标准。任何专有软件都是成熟的，可以进行这样的颠覆。问题是，你能靠它赚钱吗？在红帽和所有这些做支持网络服务的公司之前，这真的很难，直到AWS破解了商业模式的密码。
商业模式是我们为你运行软件，你从我们这里租用它。这是一个优越的商业模式，因为你实际上可以拥有大量的IP，这是很难复制的。所以我认为我创办的下一家公司将是这样的。如果你要问我，我的下一次创业会在哪个领域开始，我会在人工智能方面做什么？我会认为我们现在在人工智能方面的应用还很浅层，尤其是操作性的人工智能。人工智能未来将会被嵌入到各个地方。我知道这很老套。马克·安德森说，软件正在吞噬世界。我们真的相信，人工智能将吞噬所有的软件。你拥有的任何软件，人工智能都会悄悄进入，就像软件悄悄进入你的 汽车 、冰箱和恒温器一样。所以这真的是早期的事情，我认为任何加入或创办人工智能领域公司的人，他们还在早期，他们有机会创办下一个谷歌。所以这就是我想做的。
Matt Turck： 我们谈到了开源，也继续谈进入市场的问题，在这个阶段，作为一个非常晚期的创业公司。开源在进入市场的过程中处于什么位置？你们进入市场的策略是自下而上与自上而下？你们如何分配BDR小组与AE的工作，让他们协作而不是互相拖后腿？
Ali Ghodsi： Databricks是混合模式，我们是自下而上与自上而下在同一时间结合。一开始我们是自下而上，但是也会做自上而下的事情。我们有BDRs和SDRs。这是一个从市场营销开始的筛选器。
Databricks社区版是完全免费的，你想怎么用就怎么用，永远不需要付钱，而且有完整的功能。但是从这里产生的线索会导入到SDR。因此，这也是一个非常重要的管道。我们一半的线索来自于此，这就是为什么开源对我们是一个重要的引擎。
现在，我们也有传统的企业销售动作，比如给CIO递名片，一对一的交流，但发生的情况是，开发人员在这些组织中也变得越来越强大。例如，CIO说，我与Databricks的CEO进行了一次很好的谈话，我正在 探索 这项技术，但我担心，这对我们来说是正确的选择吗？那家公司的听众中会有人说，是的，我使用社区版。我们不需要做6个月的POC。我认识这些人，他们真的非常好，或者我认识他们，他们来自伯克利。我已经使用了这些技术。我去参加了一些聚会等。
因此，这有助于证实用例，你可以消除整个POC，因为他们已经知道它是什么，而不是像10-20年前那样，一个销售人员进来，解释这个软件有多棒，但你不能相信他们。因此你就必须去做POC，然后去花时间检验这个软件是不是真的有用。我们不必这样做，我们可以穿过所有这些层次。因此，我们把自上而下和自下而上结合起来，而这两方面对于Databricks的成功都是非常必要的。
从创业公司到超级独角兽，
领导者的修炼之路
Matt Turck： 你已经把一家小型创业公司带成了超级独角兽，很快还会上市。你是如何让自己完成角色转变的，从一个讲愿景，讲故事的人，变成管理一个全球组织？
Ali Ghodsi： 其实就是如何找到你可以信任的具有领导力的帮手，并和他们建立更深的信任。我可以把我大部分时间都花在这上面，而公司能够继续正常运行。我有运行良好的销售团队，市场营销团队，工程团队，我却不需要自己直接参与其中，因为我找到了适合领导这些部门的领导者，并且花了很多时间与他们建立起信任。
这是你在早期就要开始准备的事情，早期时，你的组织规模小，你可以参与到每个环节，如臂使指。但是当团队规模扩展到150-200人直到超过邓巴数。你会感觉自己完全被淹没了。因此你必须找到可以信任的正确的领导人，而且要找到自己与组织沟通的方法，因为现在不是直接沟通，而是通过领导层间接沟通，所以帮助你与团队组织沟通的人就特别重要。
Matt Turck： 你如何找到他们？你是偏向在内部提拔人才，还是从外部引入已经获得成功的高管，哪一个效果更好？你是如何处理的？
Ali Ghodsi： 要找到与公司文化相适应的、你能与之建立强大信任的高管是非常困难的，我认为不应该排除任何选项。如果能够从内部提拔人，那很好，但是如果只是内部晋升，你就不能获得市场上已经存在的成功经验，这种经验可能是超级有价值的。
如果我们寻找外部的高管，他必须经历过我们现在所处的阶段，有实战的经验。不是说他必须从零开始创建一个估值几百亿的公司，而是建立和操作过这种阶段公司的工程等相应部门，他是否在这个过程中有第一性思考，有自己的沉淀。我认为能力和智商还是非常重要的。
文化看起来是个很复杂的东西，但是对与我，会把它分解成一连串问题：我可以和这个人相处吗？愿意每天花10个小时和他在一起工作么？当事情变得非常棘手和困难的时候，我们能一起去解决问题么？所以你要做的就是花大量时间与这个人相处，然后问自己是否喜欢他们，就像婚姻一样。你可以问他们一些困难的问题，与他们争论或者听取他们的意见，直到确定这就是正确的人。如果你感觉到自己无法和某个人一起好好工作，那他就可能是文化不匹配。
本文编译整理自Matt Turck个人博客，略有删节。
关于阿尔法公社
阿尔法公社（Alpha Startup Fund）是中国领先的早期投资基金，由曾带领公司在纳斯达克上市的许四清和前创新工场联合管理合伙人蒋亚萌在2015年共同创立。
阿尔法公社基金的三大特点是系统化投资、社交化创业者社区运营和重度产业资源加速成长。专注在半导体、企业服务软件、人工智能应用、物联网技术、金融 科技 等 科技 创新领域进行早期投资。目前已经在天使轮投资了包括白山云 科技 、领创集团(Advance Intelligence Group)、Zenlayer、帷幄 科技 、所思 科技 等为数众多的优秀项目。
现实中的钢铁侠——埃隆马斯克，来看看他要改变世界的商业帝国
马斯克是我除了乔布斯以外最佩服的一个外国商人，他的人生简直就是现实版的“钢铁侠”。埃隆马斯克他是一个凌驾于疯子之上的天才，他的商业理念真的是太伟大了。他是美国硅谷中 科技 公司的领袖人物，了解他的商业帝国和企业理念之后，你就会觉得所有的创业者在他的面前真的都弱爆了！所有的公司跟他的商业理念比也都弱爆了！
接下来让我们将从以下九个领域解析马斯克的商业帝国，以及它们将如何颠覆这些行业并改变世界：
1.支付金融：PayPal（美国最流行的支付）
PayPal的创始人彼得·蒂尔提出过这样一个问题，“为什么人类登上月球半个世纪后，我们的 科技 进步仅仅造出来140个字符的社交网络，却没能造出会飞的车？”硅谷聚集了全世界最聪明的人，而这些人将他们的聪明才智都用到了如何让人们更多的点击广告上。马斯克已经厌烦了这些不痛不痒的“创新”。马斯克曾经是PayPal最大的股东，卖掉PayPal后，他实现了财富自由。那时候他才30岁，而之后，他才真正开启了自己疯狂的冒险人生。下面让我们来看看他正在做的那些真正疯狂事情！
2.电动 汽车 ：Tesla 特斯拉（全球第一电动 汽车 ）
特斯拉成立于 2003 年，是马斯克继 PayPal 之后的第二个创业项目，也是他最雄心勃勃的项目之一。特斯拉成立之初便设想了自动驾驶 汽车 的未来：大多数人将乘坐自动驾驶的特斯拉出行，而且车主还能将爱车出租赚钱。但产能问题始终困扰着它，由此引发的延迟交货也曾一度让很多股东担忧。特斯拉的大肆宣传使其成为做空者眼中的诱人目标，但至少在 2020 年，特斯拉的表现让做空者损失惨重，各家空头总亏损超过 200 亿美元。从各国政策走向角度看，期望电动 汽车 成为主流是有道理的。英国和法国已经决定从 2040 年禁止柴油和汽油车销售。作为最大的 汽车 市场，中国也表示，到 2025 年，20% 的车辆应使用某些替代燃料。在这种政策的引导下，各大传统车企也在推动电动 汽车 的研发、制造和销售。按这种节奏发展，在电动车市场独占鳌头，似乎就意味着最终将领跑整个 汽车 行业。（这也是中美贸易战的重要原因，引进特斯拉和发展新能源。因为石油是和美元绑定的）
3.火箭公司 ：space x（全球第二的独角兽公司2000亿美金）
Space X最厉害的地方在于他的火箭不是一次性的，而是可以回收多次使用的，这就让火箭发射成本大大降低。（这项技术目前只有四个人拥有：美国、俄罗斯、中国、马斯克）借助于Space X的这一套火箭系统，马斯克做了几件事情。第一件事情就是可以用它来帮助别的机构发射卫星赚钱，他接了NASA（美国宇航局）10亿美元的订单，还帮助其他国家或者商业公司发射卫星，这是它的商业模式。第二件事情，马斯克利用自己家的space x火箭，不断地向天空发射卫星，形成了一个覆盖全球的卫星链系统。这就是他的星链计划(Starlink）2019年10月22日，马斯克成功通过星链发送了一条 历史 性的推特，并表示星链已能提供互联网服务。Starlink的目标是到2020年在美国北部和加拿大提供服务，到2021年将其服务范围扩大到接近全球。SpaceX计划在2020年代中期之前在三个轨道上部署接近12000颗卫星：首先在550千米轨道部署约1600颗卫星，然后是在1150轨道部署约2800颗Ku波段和Ka波段卫星，最后是在340千米轨道部署约7500颗V波段卫星。整个计划预计需要约100亿美元的支出。第三件事情也是最伟大的一件事情，他要搭建太空站，把人类送到火星上去居住。这就是他的把人类从地球生物进化成为星际生物的目标。同样利用他的这个火箭系统，可以让纽约到上海的时间缩短到一个小时以内。
4.电信/互联网：Starlink星链（卫星互联网）
用卫星部署互联网服务的想法并没有很“创新”，自上世纪 90 年代初期至今，曾有铱星、Teledesic、Globalstar 和 OneWeb 等公司涉足其中，但没有一家能坚持下去。Starlink 与它们相比，具备一些重要优势：1.成本：如前文所述，SpaceX 已经并继续将卫星的发射成本大为降低；2.速度：以前的卫星互联网尝试的上限速度为 25Mbps，而 SpaceX 的目标速度约为 1Gbps；3.延迟：数据包在地球和卫星之间传播所花费的时间，目前的高轨道运营商提供约 600 毫秒的延迟，而 SpaceX 低轨道卫星的目标是 20 毫秒以下。2018 年，SpaceX 获得了 FCC（美国联邦通信委员会）的批准，可发射多达 11943 颗宽带卫星。几个月后，SpaceX 首次将二手火箭送入太空，之后 SpaceX 将一颗卫星的发射成本降低到了约 6200 万美元，而竞争对手的价格则高达 1.65 亿美元。SpaceX 重复利用的火箭技术可以进一步改良，将成本压缩到 3000 万美元以下。截至 2020 年 8 月，Starlink 已部署了近 600 颗卫星（预计要 800 颗卫星才能让互联网服务开始工作）。该公司计划在 2020 年底之前在北美提供服务，2021 年扩大到接近全球的覆盖范围。
5.新能源：SolarCity（代替化石能源的）
很多人还不知道的是特斯拉旗下还有一个太阳能公司，叫SolarCity，这是马斯克和他的哥哥一起创立的，后来被特斯拉收购了。马斯克想打造的是一个生态系统，利用solarcity的太阳能电池在屋顶发电，而特斯拉的电池就相当于是一个电能储存系统。如果你有额外的更多的电，还可以把它卖给别的人。这才是真正的清洁能源，而不是我们现在做的，用烧煤火电发出来的电，去驱动电动 汽车 ，这是伪清洁能源。SolarCity公司于2008年10月成立，是美国一家专门发展家用光伏发电项目的公司，位于加州福斯特城。Solarcity其实是一个金融服务提供商,为用户提供屋顶光伏设备的经营性租赁服务，SolarCity现在市值估价在100亿美元左右，在未来的领域将会更加的广阔，原因是未来资源更加受人关注，越来越多清洁能源将代替现在的化石能源，该公司的客户也越来越多。
6.交通运输：Hyperloop（比飞机更快、更便宜地运送）
Hyperloop用真空管道运输是一个世纪以前就诞生的想法，但直到 2012 年，人们才开始慢慢受到马斯克的影响、改变想法。他们设想了一种“胶囊舱”式容器，可以在 2 分半钟内行驶 30 英里，将 6 个小时的行程缩短到 30 分钟，而且只需花费约 20 美元就能维系收支平衡。这是 Hyperloop 商业运输模式的雏形。它比任何传统运输方式都要快，是日本新磁悬浮列车时速的两倍。Hyperloop 可能会对几个不同的行业产生重大影响。首当其冲的是 7600 亿美元市场规模的航空业。除了不能跨越大海，Hyperloop 可以比飞机更快、更便宜地运送乘客，这种速度可能会改变人们的居住和生活方式：一个人可以在纽约曼哈顿上班，却住在 6 小时车程以外的乡村，因为用 Hyperloop 通勤只需要 30 分钟。
7.基础设施/隧道挖掘：Boring Company（无聊公司）
2016年12月，马斯克堵在路上了，于是他发推文说：“堵车快把我逼疯了！我要造一台隧道挖掘机，开始挖隧道”。不到1小时，这个项目正式命名为“The Boring Company”，而在2小时后他再次发推：“我们真的要开始挖隧道了。” 2017年2月，马斯克在SpaceX的停车场挖了一条“demo地道”。2017年3月，马斯克的推特账户中出现了一张照片，一顶有着“The Boring Company”刺绣的鸭舌帽。有钱人的生活果然是枯燥而且无聊。随随便便成立个无聊的公司，也能震惊世界。Boring 公司正在洛杉矶建造一个地下隧道网络，在隧道中，系统将自动通过电动滑板来传输 汽车 ，电动滑板的最快速度达到 200公里 / 小时。马斯克曾表示，这个地下隧道网络将多达 30 层隧道，可传输 汽车 ，也可以传输超级列车。2019年5月，美国拉斯维加斯监管机构投票，批准了马斯克（Elon Musk）旗下挖掘公司Boring（“无聊公司”，The Boring Company）价值4860万美元的合同，Boring将在拉斯维加斯建商用隧道。这代表马斯克的这个项目已经得到了官方认同，就像当年NASA购买SpaceX的火箭一样。据说去年7月，马斯克还在和中国政府商谈挖隧道的事情。
8.人工智能：OpenAI（规模最大的自然语言处理）
马斯克做人工智能的原因挺奇葩的，他害怕人类无法控制人工智能，所以才去做了一个人工智能公司。他对于谷歌的人工智能非常担心，他曾建议谷歌的创始人拉里佩奇放弃人工智能的研究，因为他非常担心人工智能得不到控制，会毁灭掉人类。但是人工智能是谷歌未来的核心产品，不可能会放弃的。所以马斯克就联合硅谷的其他一帮牛人，组建了一个人工智能公司，而且这个公司是非盈利的。马斯克知道自己的特斯拉 汽车 想要发展无人驾驶技术就必然借助AI，知道SpaceX的火星计划也必然需要AI的协助，但是他也害怕AI发展失控。于是他所能想到的最好办法就是让每个人都拥有AI的力量。他说：“我认为，防止AI滥用的最好办法就是让尽可能多的人拥有AI。”“如果每个人都拥有AI，那么也就不存在某个人或者某一部分人持有AI特权了。”
9.医疗保健：Neuralink（脑机接口）
Neuralink是一个神经 科技 公司，由马斯克和八名其他联合创办者创办，负责研发植入式脑机界面技术。2017年成立，公司的总部在旧金山。马斯克希望人们可以像微创眼科手术一样安全无痛地植入脑机接口芯片。新推出的“打孔器”使用激光在头骨上钻孔，尽可能减少损害。而“缝纫机”可以将一条只有人头发丝 1/4 粗细的线路植入脑中，同时可以避开大脑血管。Neuralink 表示，它希望在 2020 年底之前将其系统植入瘫痪的志愿者脑中。而马斯克此前曾表示，他希望在十年内为 健康 人群测试这个“心灵感应”的设备。简单来说，Neuralink就是在你的大脑中嵌入一个芯片，你可以通过意念操控机器。比如我现在在打字写文章，是我的意念指挥我的手打字。但是如果嵌入这个芯片后，可能我大脑里面想到什么字，不需要我的手来敲键盘了，芯片和电脑连接后，只要你去想你要输入的字，直接就可以在电脑上敲出字来。他们现在已经在老鼠身上做了实验，接下来就是做人体实验了。
总结：这就是马斯克的商业帝国！不可否认，马斯克的每一家公司，对我们的未来都有着重要意义，至于它们将如何颠覆行业、改变世界，唯有时间可以给我们答案。往往天才和疯子真的都是一线之隔，马斯克是我很敬佩国外的企业家。 马斯克正带领人类，走向一个全新的世界！
人类担心人工智能，那么人工智能危险在哪？
霍金、比尔盖茨等社会科技大佬曾表示“危险！立即停止所有大规模AI研究！”在马斯克和图灵奖获得者的带领下，数千名硅谷企业家和科学家联合呼吁，人工智能可能会毁灭人类等话题“危险！立即停止所有大规模AI研究！”在马斯克和图灵奖获得者的带领下，数千名硅谷企业家和科学家联合呼吁，那么“危险！立即停止所有大规模AI研究！”在马斯克和图灵奖获得者的带领下，数千名硅谷企业家和科学家联合呼吁我们是否应该警惕人工智能“危险！立即停止所有大规模AI研究！”在马斯克和图灵奖获得者的带领下，数千名硅谷企业家和科学家联合呼吁，避免出现终结者等科幻电影中，人工智能成为人类生存“危险！立即停止所有大规模AI研究！”在马斯克和图灵奖获得者的带领下，数千名硅谷企业家和科学家联合呼吁的最大威胁。
有人提出，在人工智能的发展中会有一个奇点，越过这个奇点就可以通过图灵测试，当人工智能越过这个奇点后，科技会突然爆发，瞬间产生了意识，可以迅速吸收人类文明，并且根据大量数据发展出“他们”的文明，亦或认为人类构成威胁从而选择摧毁。
目前的现状是，行业科研人员对人工智能的担忧主要体现在可控性方面，其次还有人类失业、伦理（我的机器人女友之类题材）等问题。
这不得不提到“强人工智能”和“弱人工智能”这两种观点。
强人工智能观点认为，有可能制造出真正能推理和解决问题的智能机器，要求程序有自己的思维，能够理解外部事物，并做出决策和行动，其必须表现出“人”的行为，甚至可能表现出独特，性格不一的反应。
但是目前人工智能应用其实相当原始，虽然在图形、文字、声音等识别上看上去相当智能，但也只是看上去而已，都是基于算法从数据库里面调取出来，这并不是真正意义上的“智能”。譬如典型的“Siri”应用，对语音进行识别，然后通过算法把声音转化为一系列特征值，然后数据库中找到对应的回答，然后文字或语音的形式呈现出来。基于目前人工智能所作出的回答，其实都是程序员写上去的，而不是机器自发作出的回应，真正听懂的是程序员而不是机器。
人工智能之所以只能做到这个程度，是因为现在的人工智能是对人类“智能”进行模拟的产物，目的是帮助人类完成某些工作，他们只是按设计者所设计好的程序一步一步完成，并不会自己思考的机器，而设计者也没打算让它们思考（实际上也是不知道怎样才能让机器思考），所以目前人工智能只不过是人类生活中的工具而已。
担忧出现人工智能毁灭人类的情况，暂时还离我们很远。目前对人工智能的研究仍然很原始，原始到所有的研究发现都是基于工具使用，而那些行业大佬警惕人工智能的危险，是出于对强人工智能的担忧，但是作为社会科技研发领头羊的他们，也只不过是在搞弱人工智能而已。
真正兴致勃勃搞强人工智能的，是那些科幻小说和科幻电影。
未来我们的工作会被AI取代吗？
部分工作将会被AI代替。
人工智能的发展正以人难以想象的速度展开，未来哪些职业会被人工智能取代呢？这主要取决于人工智能发展的程度，以及人类期望人工智能代替人做什么。人工智能可以存储大量信息，而且能够按照程序准确无误的完成任务，所以在很多重复性强、有规律方面的工作，人工智能完全可以代替。
而人工智能欠缺了原创能力、互动能力和谈判能力，所以一些具有创造性和需要判断力的工作，人工智能则有欠缺。但无论人工智能发展到什么程度，都会根据人们的期望方向发展，而不会任其代替所有工作。
根据科学的推测，人们希望人工智能能够单独完成或者协助人们完成以下工作：
1.消防/救援员
由于很多区域人类无法进入，或者存在救亡危险，人工智能控制的机器人就可以代替人类去救援，比如火灾，野外救援等工作。
2.拆弹人员
美国联邦政府数据显示，该国共有超过450支拆弹小组，每年处理数千起炸弹相关事件。一些拆弹小组已经开始使用机器人作业，它们能更好地处理炸弹，并将人身风险降至最低。
3.出租车司机
许多汽车厂商都开始制造无人驾驶汽车已经不是什么秘密了，而这就意味着未来像出租车这样的公共交通工具或许不再需要驾驶员了。只要你输入目的地后，它就可以自动开始驾驶。
4.快递员
无人机快递也是很多快递公司发展的方向。运输业利用人工智能也是急需的，尤其是一些车辆无法到达的地方使用无人机投递是很好的。这样无论是日常生活还是救援投放物质就都很方便。
5.酒店前台接待员，
无论是汽车旅店还是五星级酒店，前台接待员都是最受气和辛苦的工作之一。而在日本开设了一家名为Henn-na的机器人酒店，这家酒店配备了各种机器人服务员，这些机器人已可以简单的与人类进行交互，并且入住、引导等多个工作都能够胜任，有非常不错的效果。可以想象以后入住酒店将是机器人为我们服务的场景了。
6.销售人员
雀巢在日本雇佣了1000名Pepper机器人销售员，在日本各大零售商店销售咖啡机和咖啡胶囊。据称Pepper机器人“情感丰富”，十分健谈，能够听懂人们70%至80%的日常对话。并且甚至还能通过内置的传感器读懂顾客的表情和语调。以后这种机器人可以发展到其它销售行业，销售人员会逐渐被机器人所取代。
7.纹身师
来自法国的一群学生用3D打印机改造出了一台可以进行纹身的机器，可以在皮肤上打印出临时纹身。这群学生将打印喷头换成了纹身用的针头。当他们在人造皮肤上成功试验后，便开始转向真人皮肤，而目前最大的挑战是如何将纹身的那块皮肤拉紧，还有更精确的计算等。据悉，完成一次纹身的时间大约需要不到一小时的时间，非常快速。估计以后纹身会跟打印纸张一样方便。
8.客服
客服也是既繁琐又受气的职业，但智能语音客服的出现，我们很快分不清和我们讲话的是真人还是机器人了。比如苹果公司的Siri技术，它已经出现在智能手机和车载系统里，几乎能帮助你解答所有关于产品和生活上的问题。虽然因为技术还未完全成熟，有时候它也会变成逗逼，但不得不说比起客户人员它靠谱太多了，起码它能够在第一时间给你答案，而无需去选择是按“1”还是按“2”。
9.收银员
沃尔玛研发出一款名为“Scan Go”的系统，它可以让消费者用自己的手机扫描商品，当你购物结束的时候只需在前台的自助收银设备上进行结算就好，让大排长龙结账的场面一去不复返，同时为企业节约了不小的运营成本。
10.操作工
具有高度重复性的工厂作业，是人工智能最容易取代的工作。在国内，机器已经开始逐步取代工人在工厂作业，它们效率高、出错率少、学习能力强，很轻易就胜任工人的工作。富士康也在计划引进机器手臂，意图提高生产力，降低人力成本。根据昆山市政府披露，仅去年一年，包括富士康在内，昆山市共有35家台企出资6.1亿美元用于机器换人。此外，搬运机器人，喷涂机器人、焊接机器人也将取代人类做这些重复的工作。
11.网络编辑
包括腾讯在内，已经有诸多互联网公司开始启用机器人来代替人工来编辑新闻。但机器人写的新闻稿子，目前限于“通稿”阶段，即由统一标准模式的新闻内容，而人工智能是包含机器学习的，有了“学习”功能，某些垃圾网络编辑被取代是完全有可能的。
12.放射科大夫
目前人工智能已经可以取代医院放射科看片子的大夫了。美国举行了一个看CT片子的专家和人工智能比赛，排查乳腺癌的。结果人工智能比受了多年教育的专家。排查出来的乳腺癌的准确率要高。
13.银行大堂经理
大堂柜员是典型的“有明确方法论的行业”，“有明确对错的行业”是很容易被取代。目前很多银行已经引入服务机器人帮助完成业务问询、业务推荐办理等，还兼有人脸识别和迎宾引导的作用。
请点击此处输入图片描述请点击此处输入图片描述
14.笔译和口译人员
虽然百度和谷歌的翻译目前还差强人意，但未来笔译人员被部分取代是趋势。一些技术文档及说明性文献其实很多翻译机构已经在使用翻译软件准确率很高地完成了。但对于一些文学性感情色彩浓烈的书籍的翻译还需人工去润色校对。
口译人员曾经被称为“金字塔顶端”的人，几乎是按秒数计费的。但科大讯飞曾展示过一句话出来，几乎同时被翻译成几国语言的例子，让人不得不服。这种高强度的脑力活动如果人工智能能做，人反而会轻松不少。最近洛可可董事长在朋友圈晒出的口译神器，连方言和带口音的英语都能瞬间翻译，准确率极高，让人惊叹。
15.速记师
相比起口译人员，速记工作更是最容易被人工智能取代。之前锤子发布会老罗展示了讯飞的语音识别有多牛，识别的语音转化成文字文档，那速记人员真的就解放了。

此外，保安、上菜服务员、博物馆/美术馆讲解员、景区讲解员、采购、财务等。这些属于有现成范式就可以开展工作的职业，当企业都开始基于大数据和机器化，人情应酬越来越少之后，他们也会渐渐被取代。
需要说明的是：人工智能赋能的机器可能会改变人类的工作，但是不会完全地取代人类。此外，人工智能真正的商业化落地还有很长的路要走。如果服务机器人的造价和维护的成本仍大于雇佣人力成本，暂且不考虑机器失灵的情况，人力还是有极大市场的。但是，人工智能的发展也给我们的教育和人才的培养提了个醒，那些具有创造力和想象力、会沟通和谈判的人才，未来会更受欢迎。
人工智能带来的弊处
人工智能带来的弊处主要有以下几个方面“危险！立即停止所有大规模AI研究！”在马斯克和图灵奖获得者的带领下，数千名硅谷企业家和科学家联合呼吁：
一是会造成工人大规模的失业。随着人工智能的发展“危险！立即停止所有大规模AI研究！”在马斯克和图灵奖获得者的带领下，数千名硅谷企业家和科学家联合呼吁，必将会导致很多工人失业。人工智能可以代替很多流水线、机械化的职业“危险！立即停止所有大规模AI研究！”在马斯克和图灵奖获得者的带领下，数千名硅谷企业家和科学家联合呼吁，如此以来，流水线上的工人便会没有工作可做，造成大批工人失业，从宏观层面来看，不利于整个国民经济的发展。
二是人工智能当中的主人公机器人存在危险性。科研人员设计出的机器人在实际操作领域，会存在众多的不确定性，当遇到程序故障时会出现无法避免的问题，这也是人工智能最主要的弊端之一。
三是高新技术型人才竞争更加激烈，贫富差距加剧，不利于实现共同富裕。随着人工智能时代的到来，必将会引发空前的人才争夺战。同时这会导致巨头的垄断、贫富分化不断加剧。
人工智能小补充：
人工智能简称AI，是一个多学科交叉融合的交叉新兴学科。主要以计算机科学为基础，由计算机、心理学、哲学等学科组成，主要用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，企图“危险！立即停止所有大规模AI研究！”在马斯克和图灵奖获得者的带领下，数千名硅谷企业家和科学家联合呼吁了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。
关于“危险！立即停止所有大规模AI研究！”在马斯克和图灵奖获得者的带领下，数千名硅谷企业家和科学家联合呼吁和的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。
