京公网安备 11010802034615号
经营许可证编号:京B2-20210330
马化腾:云计算、AI和大数据,是腾讯愿意大力投入的三点
9月8日,腾讯董事会主席兼首席执行官马化腾在清华大学洞见论坛上发表演讲,谈及科技和商业的融合时表示,随着数字经济的发展,科技越来越融入到各行各业,在数字化和智能化的大浪潮里面,科技是我们所有产业界都必须要去关注的。
马化腾表示,有三点基础性的因素是腾讯正在大力投入的,分别是AI、云计算以及大数据。他还强调,过去把用电量作为衡量一个工业社会发展的指标,未来,用云量也会成为衡量数字经济发展的重要指标。大数据就更不用说了,一切有云,有AI的地方都必须涉及大数据,这毫无疑问是未来的方向。
以下为演讲全文:
非常荣幸来到清华的论坛。刚才听Brian Kobilka教授的演讲,感觉特别的渺小,因为我因为我感觉我听懂不到30%。我的感受是不明觉厉。
刚刚我了解到,Brian教授其实也是一个企业家。在国外,科研和商业的结合是非常常见的。我也了解到,张首晟教授是物理学家,也是投资人,也有企业。前不久我在微信里向他祝贺了他们的团队发现了天使粒子,也通过他的朋友圈直播了在美国的日全食,看到他在白板上解释日全食的原理。给我的感受就是,不想成为科学家的投资人不是一个好的企业家。
在座还有饶毅教授,我们知道在最近这一年,饶毅教授和我们的施一公教授、潘建伟教授、陈十一教授还有钱颖一教授一起创办了一个西湖高等研究院。
虽然在清华讲这个不太对,但是我觉得教育和公益是不分彼此的,没有门第之见。我们在清华的学者班的几位同学也受到感召,虽然我们过去很想成为科学家,但是没有这个机会。
就像我刚才讲的,不想成为科学家的投资人不是好的企业家一样,我们也成为第一批捐助人之一。
在座有我们与清华合办的“清华-青腾未来科技学堂”的学员,也有腾讯过去青腾营的学员,更有我们清华的企业家与学者。与同学们在一起,探讨科技的未来,我觉得是非常的荣幸。
Brian Kobilka和张教授都来自斯坦福,大家知道斯坦福是硅谷创新的发源地,很大的特点就是把科技和商业完美有机地结合在一起,我觉得这个是非常值得全球尤其是中国去学习的。
虽然说中国没有像国外的斯坦福、哈佛这样的私立学校,更多的还是公立学校,但是我们还是做了很多创新的尝试。腾讯和清华很早就成立了一个联合实验室,近期也转向研究AI。包括这一次,我们共同举办了“清华-青腾未来科技学堂”。我们希望通过不断地尝试来促进科研和产业界结合与创新。
我了解到,这次我们学堂的48位同学是从超过一千家黑科技企业创办者里面选出来的,录取率4%,非常难。可以看到,中国目前其实也在这方面做了很多的努力。
具体到腾讯来说,我们怎么看科技和商业的结合呢?我想分享几个看法。
第一,就像刚才程教授提到的,当今的社会在这一两年有了很大的变化,全球市值最高的十家企业,前五家在短短的一年内成为了以科技,包括以互联网、信息科技为主的企业。过去前十大企业基本上都是能源和金融巨头,在这一两年内发生了翻天覆地的变化。腾讯和阿里巴巴也有幸成为了十大公司之一。十大公司之中有七家是互联网和科技企业,这可能给大家带来一个触动。
大家知道,高盛最近说它也是一个科技企业,说超过三分之一的人是科研研发人员,也说研发人员超过了Facebook的研发人员,我们还没核实这个数字。但这给我的感受就是,各行各业都这么努力,我们还有什么理由不去努力呢?
我们现在越来越感受到,随着数字经济的发展,科技越来越融入到各行各业,在数字化和智能化的大浪潮里面,科技是我们所有产业界都必须要去关注的。
第二,腾讯可以做什么呢?腾讯过去的业务主要是社交、通讯、数字内容还有一些金融服务,其他的主要是投资以及与其他生态公司合作。对我来说,我感受有几个基础性的因素是我们愿意大力投入的:
第一是AI;
第二是云计算;
第三是大数据。
我们会通过互联网+等方式和各行各业、学界和研究界进行合作。
我曾经说过,未来所有企业基本的形态就是,在云端用人工智能处理大数据,这是一个大方向。在这个方向上,对于腾讯来说,我们更加关注我们在AI方面能做什么。
去年阿尔法狗打赢了围棋的人类世界冠军,大家都在关注AI了。我们也快速投身于AI,在工程上实现了围棋算法可以打赢世界冠军以外,我们最近还在医疗方面也推出了一个产品叫腾讯觅影,就是用人工智能处理医学影像,比如对食道癌进行早期筛查,还有肺的切片、乳腺癌,还有很多需要医学影像分析的领域,和医院专家进行合作。通过深度算法,相信AI未来在医疗领域还是可以起到非常大的作用。
人工智能还可以运用到金融等领域,还有我们所理解的机器人,以及日常生活中的、商业中的方方面面,我觉得这是一个大的趋势和潮流。
另外一个是云计算,“云化”谈了很多年,但是现在越来越清晰了。很多企业原来是很保守的,希望把数据放在自己的内网上,不想公开,不想放到外网去。但是我觉得这个狭隘的思想已经过时了。这跟过去发明了电一样,不可能每一家不用公共的电网,而是在自己的家里搞一个发电厂,这是绝对不可能的。
过去把用电量作为衡量一个工业社会发展的指标,未来,用云量也会成为衡量数字经济发展的重要指标。大数据就更不用说了,一切有云,有AI的地方都必须涉及大数据,这毫无疑问是未来的方向。
在此基础上,腾讯是希望大量地和各个产业界进行合作,也包括在这些研发处于前沿的这些高效科研机构,能够展开充分的合作。我们在美国有一个特殊的团队,David Wallerstein担任高级副总裁,他的抬头是CXO,Chief eXploration Officer,首席探索官,很少有企业有这样的职位。他现在看的很多的产品和投资方向都不是腾讯目前在做的事情,包括太空探索,卫星公司我们也投资了。
比如我们投的阿根廷卫星公司,可以用小卫星拍摄近地面的实时或者是准实时的影像照片。另外生物医药的投资我们也很积极。
当然包括我们也投资了特斯拉5%的股权,我们觉得特斯拉里面的很多黑科技都会源源不断的诞生,它是未来方向的一个代表。所有未来的科技都会和云、AI和大数据是分不开的。当它们结合的时候,我们就有用武之地了,我们就可以帮上忙了。场景和市场是最重要的,只要你有市场,不管是技术还是人才,包括新的科技,都会跟着你走,这个是我们探讨的未来。
最后我想讲在这种环境下,产学研需要有一些创新的生态。一年前我参加了香港的Hong Kong X,这是红杉资本沈南鹏和香港科技大学李泽湘教授他们发起的组织。我们感觉到产学研结合应该是大有可为的。我们希望依托香港的国际化和高校资源,依托粤港澳大湾区有智能制造、人才和生产基地的大环境,做一些事情。
他们的团队跟我介绍说,国外在产学研方面有一些新的变化,比如说在波士顿附近有一个奥林工程学院,这个学院很特别的,学生一进来就打破传统院系专业,通过跨界融合的方式与企业合作,让学生通过做项目的方式把理论和实践的学习得到结合。
再比如加拿大的滑铁卢大学也有很多跟企业合作的项目。另外,MIT最近也有一个叫“引擎”的计划,通过一些学校的基金,鼓励学生把想法变成一个现实,把一些样品变成商品,这是个新的趋势。
李泽湘教授和港科大的校长希望说服我支持他们一些新的计划。比如说能不能在香港按照刚才提到的一些新模式成立一个新型的教育机构,我们姑且叫做湾区科技大学,或者说科技中学,从头培养创新人才,为整个粤港澳湾区做服务。这也是一个非常好的点子,我们还在探索。
对腾讯来说,我们最近暑假做的一个事情,就是发起了腾讯粤港澳青年营。
我们请了粤港澳三地大概一百名的青年,主要是高中生,参加夏令营,到深圳的腾讯、大疆等一些企业去接触科技,在腾讯可以体验AI,包括AR、VR等技术,以及无现金的消费体验等;也包括到大疆去体验无人机和机器人等。
当然还有很多青年人特别喜欢的活动,像帆船、棒球,这些都是他们平时比较少接触的活动。年轻人很兴奋。这也促成了粤港澳三地青年人的融合。我们还开放了暑期实习岗位给粤港澳三地的大学生。这些方向都是我们努力在做的。
最后希望我们产业界和学校界能够去更加紧密地联手起来,共同迎接未来整个产业数字化和智能化的浪潮,谢谢大家!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16