直播：2019贝壳新居住大会之“预见智能+”

4月23日，以“预见新居住 共建新经纪”为主题的2019贝壳新居住大会在北京国贸三期•国贸大酒店召开。此次大会邀请了40多位来自国内外政府、学界、居住服务、科技互联网创新领域的权威嘉宾将齐聚北京，共同揭晓2019新居住时代发展趋势。

贝壳找房是一个涵盖二手房、新房、租房、装修和社区服务等众多类目的平台，通过开放数据资源和技术能力，精准连接供需两端，重塑人、房、客、数据的交互，正以数字化手段重塑居住产业互联网。据数据显示，经过一年的发展，贝壳找房已进驻全国97个城市，入驻合作新经纪品牌超过160个，连接经纪门店超过2.1万家，服务超过20万经纪人。在4月23日的新居住大会上，贝壳找房CEO彭永东将首次对外阐述贝壳找房新居住战略和商业图景。

此次新居住大会分为“预见新居住”主会场和分论坛两部分。分论坛分别以“共建新经纪”、“预见智能+”、“未来社区的新商业图景”和“城市•居住•改变——贝壳×一席专场”为主题探讨新居住、新经纪、新租住社区、生活空间、人工智能、VR等众多当下热门话题，探索科技与居住生活的结合。

2019贝壳新居住大会“预见智能+”分论坛流程

以下为“预见智能+”分论坛的全程直播。

主持人：

尊敬的各位领导，各位来宾，各位伙伴，大家下午好！欢迎来到 本次2019贝壳新居住大会 预见智能+分论坛现场。我是本场论坛的主持人赵继成，一位商业媒体人，也是长期关注贝壳成长的观察者。大家知道，李克强总理在过去连续三年的政府工作报告中都提到了人工智能，今年的政府工作报告首次提到智能+，提出要深化大数据、人工智能研发应用，与产业融合，加速经济结构优化升级。在新居住领域，互联网、大数据、人工智能、VR技术已经开始与产业结合，重塑和改造行业现状，让人们的居住生活更美好。

那么，目前技术发展到什么程度？又是如何与消费端和生产端相连接？未来又将如何改变行业方向？今天，我们请到了技术和行业的多位大咖，来为我们答疑解惑，他们是：贝壳找房CTO闫觅、香港科技大学教授 Altizure创始人 CVPR、ICCV大会主席 IEEE Fellow 权龙、北京信息科技大学教授、中国人工智能学会青工委副主任 陈雯柏、腾讯云副总裁 王龙、贝壳找房技术副总裁、如视事业部总经理 惠新宸、自如CTO王迪、贝壳找房如视事业部运营总经理 郑深圳、中国电信北京公司副总经理 项煌妹、氪空间CEO 王雪泉、同程艺龙副总裁 张晨、红星美凯龙新零售集团副COO兼CPO聂兴尧

首先有请贝壳找房CTO闫觅，为我们带来《科技引领新居住》的演讲，掌声欢迎。

贝壳找房CTO 闫觅

贝壳找房CTO 闫觅：大家好，很高兴今天在这里给大家做一个分享：科技引领新居住。

现在人工智能很火，包括产业互联网最近也提得很多，很火。前段时间和一个创业的朋友一起聊天，他说他做的AI创业，他说最近我们在造了很多很多锤子，在满世界找钉子，这是产业外面非常典型的状态。另外站在产业里面，到处都是钉子，千疮百孔。但是在我看来，我觉得我们既不缺锤子，也不缺钉子，缺的是数据，这是非常严峻的问题。我们在整个做互联网和人工智能、大数据的过程中，数据是至关重要的事。不过我们在一个里面，我们就在一个产业，房产或者居住的产业里面。当然这不仅仅是因为我们有钉子，更多的是因为我们在这个产业里面能够深刻的体会到自身能力的溢出，能力的不断成长，去影响到这个行业。

所以我认为产业互联网的发展是自身能力溢出的过程。我们从过去链家到现在贝壳十几年的时间，我们做了很多基础设施的建设。比如我们在组织能力、管理能力做了很多的事情。我们对外也做过很多的管理输出，包括在组织上我们培养了很多人。

我们的人才遍布全国五湖四海，比如说我们在品控的能力，我们过去做了很多的服务承诺，这些能力的建设都在倒逼行业在往更好的方向发展，都在更重视真房源。比如说数据能力的建设，我们持续了很多年。我们也是在怎么样让这个行业的信息变得更加的透明，数据更加透明、真实、丰富，这都是我们在这块能力的建设，然后让这个能力再溢出到整个行业的一个过程。

去年4月23号，也就是贝壳平台成立的那一天，我们的能力再次溢出。我们不再去间接的影响到一个行业，而是变成了一个平台，将我们的能力更直接的赋予了平台上的服务者或者从业者，就是贝壳平台。

刚刚说随着能力的不断溢出，为我们体系里面或者平台上的从业者、服务者就会变得越来越多。实际这里面服务的方差、质量的方差也就会越来越大。所以我认为产业互联网的核心其实要解决的是一个方差的问题。我们来举几个例子，比如说教育产业，教育产业解决的是什么呢？其实也就是教育资源的区域不平均的方差问题，或者说它也是解决老师教学质量、教学内容的方差的问题。再比如医疗产业也是一样的，我们做了很多数据、AI的技术，也是解决医生在诊疗过程中的偏差和误差。看工业互联网也是一样的，我们在很多生产线上、流水线上加了很多的传感器采集数据，也是为了解决方差的问题。我们在房产的产业里面，我们做贝壳新居住服务平台，它也是在解决这些平台上的服务者，比如说现在有经纪人、有电工、摄影师，拍VR的，未来还会做装修领域，还会涉及到设计师，工人，我们就是要赋能更多的服务者，缩小他们的方差。

怎么解决方差的问题呢？其实过去有很多的方法，常见的是管理，或者是通过绩效的设计来解决这里面人的方差问题。再比如说有培训，我将更好的知识、经验传授下去，还有做流程的标准化，所有的东西都定好，条条框框都定好，这也是一个解决方差的方法。但是我们从更长远的技术角度来看，我觉得智能化是缩小方差未来更有效的一个途径。比如说这几年一直很火的无人驾驶，这确实还比较远。那我们来说辅助驾驶，比如说自助的泊车辅助，很多人倒不进去车，更别说侧方停车了，但如果是智能的停车系统就能解决司机的停车的方差问题。再比如说辅助驾驶，很多时候就是关键的时刻帮你踩刹车，因为人不稳定，人会喝酒，或者失恋、心情不好。但是机器只要做到一定程度就会稳定，这就是未来智能化是缩小方差最有效的途径。当然智能化这个事说得很简单，但是实现起来很难，第一步就是做数据化的过程，刚才也说，我们不缺锤子，也不缺钉子，缺的是数据。我们过去十多年的时间做了很多的努力，我们做了很多标准的建设，还做了很多系统化的建设，就是为了能够获得更多的数据，以支撑未来的发展。我们过去十年完成了物的标准、人的标准和流程的标准。物的标准是什么？我们过去讲楼盘支点，这就是一个典型的物的标准。我们定义了从一个房子开始，房子的每一间，到房子所在的楼、小区、商圈，以及商圈里面的医疗、教育、交通的设施，包括房子的户型图，房子的实景图片，最后直接用VR的模型来还原我们房子的真实性，这就是物的标准。

然后是经纪人的标准，还有经纪人的贝壳分，我们会从五个维度描述经纪人的综合能力，包括他的基础数据、合作、对行业的贡献。最后是流程的标准，比如说房源应该怎么委托，业主怎么向经纪人委托他的房子，包括经纪人带看的标准。在这些标准之上我们过去用了很多的复杂系统来实现这一块，来承载我们的整个的流程的标准，这是智能化。

刚才讲了很多我们过去的实践，接下来我想讲讲贝壳在我们整个智能化这块近几年的实践，跟大家简单的分享。当然智能化的底层也应该有我们现在正在建设的三大数据模型，第一个是用户模型，还有房客人关系图谱，还有行业知识图谱。

首先是用户模型，这是一个人换房的轨迹，从最开始他可能租了一个单间，然后到了一居室，后来买了小房子，后来因为结婚生小孩买了大的房子，我们有这样大量的行为数据，包括看房，和他对房源的关注度，他应该有什么样的需求，偏好是什么，这些都是表面的用户的需求。比如他想要三居室的精装修，但是他背后的深层次的需求是什么？是需要我们用很多的模型挖掘的。比如说他关注电梯，这是一个他的表象需求，他实际上的真实需求可能是家里有老人，还有很多时候他买房的时候说我想买1个一居室，但最后买了3个三居室，背后深层次的需求我们并没有挖掘出来，我们需要用一个用户的模型去挖掘更深的需求，为用户做更好的房源匹配，这就是用户模型。

这是房、客、人的关系图谱，我们现在20万的经纪人，每天上亿的访问，每天能形成大量的关系网。比如说房就是房源，客就是找房的客户，人就是经纪人，每天会产生很多线上线下的关系。比如说经纪人带客户看了一个房子，这也是一种关系，客户关注了什么房源也是一个关系，我们构建了一个大的网络。这个模型有两个非常典型的应用，第一个是用的预测模型，比如房价预估做了好多年，我们的准确率在国内也很不错。包括房源成交的预估，客户成交的预估。比如这个房子在30天内成交的概率是多少，都是基于这样的模型做出来的。这是第一个应用。第二块的应用，在整个的风控反作弊，大家可能很了解常见金融里面的反欺诈模型都是用这样，我们一定会有不符合规则的事情，我们怎么通过模型和关系图谱去解决我们的欺诈反作弊的问题。第三个就是行业知识图谱，这也是基于我们过去积累了很多很多年的楼盘支点，不断的扩充，形成了房产行业的知识网络，从一个房子开始到小区、到商圈，到里面的教育、医疗，等等一系列的支持都在里面。这里面有两块核心的应用，第一，它是我们内容主要的来源，后面也会讲到我们有很多内容相关的AI的尝试。第二，它是我们的从业者，是我们经纪人非常核心的外脑，很多经纪人的知识的来源。

说了三大模型，基于这三大模型我们构建了贝壳的数据智能的全景。首先我们不仅仅有数据，我们还和很多的合作伙伴一起构建了我们的算法能力，还有我们的计算资源的能力，当然更重要的一个事情是我们这里有一些场景，有一些非常非常不错的场景。比如说AI内容，AI效率，还有AI助手，后面会简单来介绍一下。

首先是AI内容，我们已经具备机器自动生成的能力。我们现在可以做到机器写稿，有很多的文章都是机器自动生成的。还有房源和户型的解读能力，给我一个户型我能生成一段文本来描述这个户型哪里好、哪里不好，甚至可以做到你应该有什么改进。我们去年搞了一个内部的小的竞赛，竟然有一个团队做了一个看房源风水的应用。最后还有语音的合成能力，把刚才生成的文本能转成语音，然后发给我们的客户。当还有视频制作能力，以及基于VR整个的智能场景。这些AI产生的相关的内容，我们会服务于我们的内容生产者，比如说编辑，包括有些KOL。然后还有内容营销者，比如说做投放的，包括SEM的营销者，还有内容的分享者，主要是我们的经纪人，他们有更多更丰富的素材分享出去，这些素材有可能比他们自己写得还好。最后分享到站内的频道，包括搜索引领，还有基于微信的社交网络。这就是我们整个在AI内容这块的体系。

下一个是在AI效率这块。这可能是全行业里面AI应用最完善的一块，比如说常见的智能客服、SSC里面的一些替代人工的问题。我们在这里确实也做了很多很多应用，比如智能品控，我们能对每天大量的语音通话数据做自检，里面有违规的，或者有影响到我们品质的识别。还有包括我们对图片的检测，真房源重复图片的检测，包括装修质量里面家具的识别。还有大量的人工审核的过程，都已经通过机器做了。还有最后的智能客服，我们今年也做了很高的目标，我们希望在客服这块有百分之多少是由机器回答的，而不是人工的。

最后是AI助手，这也是我们今天要重磅发布的东西，我们发布了一个AI助手叫小贝1.0。这个行业很多的产业其实要解决的是方差的问题，在我们这里就是要缩小经纪人服务的方差。让经纪人变成经纪超人，这是1.0的典型应用场景。在我们的IM的窗口里面，就是客户和经纪人的聊天窗口里面，我们加上了AI的智能辅助，它会提示经纪人你应该怎么回答问题，甚至是属于帮经纪人主动去回答一些问题。比如说还能够主动引导经纪人去识别用户深层次的需求，问什么样的问题能够挖掘出客户的需求。当然还有一点就是会告诉经纪人，其实优秀的经纪人通常会这么回答问题，或者通常会提这样的一些问题。这就是方差。我们这里有优秀的经纪人，有经验非常丰富的经纪人，也有刚入行没多久的经验不足的经纪人。我们怎么能够让那些有经验优秀的经纪人的能力更好的传递出来，或者直接帮助到那些经验没那么足的人呢？这就是我们要解决的一些问题。这里是一些事例，比如说一个客户的消息来了，我们直接会告诉这个经纪人客户的一些信息和他的需求、他的偏好是什么。当客户问你这个房子是几层楼的时候，我们直接给一个提示，经纪人可以选择采纳复制到对话框就可以回答。很多知识经纪人记不住，但是我们的机器可以帮助他做智能的辅助。

第二个例子，问房子有没有电梯的。这时候其实系统应该要识别出来其实客户应该有更深层次的需求，你需要挖掘，比如说家里有没有老人。然后智能推荐一些房源。

第三块的应用，比如说优秀的经纪人这时候通常会选择怎么回答客户的问题，或者说会怎么去介绍这里面的一些比较有意思的、比较好的东西。会告诉经纪人你有很多的选项，优秀的经纪人是怎么做的，你可以选择这样做。

介绍完了AI这块。当然我们的小贝现在还很年轻，才1.0版，未来还有很长的路要走。我们也希望小贝能够带领我们大家一起去引领全球居住服务领域的科技革新，这也是我们的技术使命。

我今天的分享到这里，谢谢大家。

主持人：谢谢闫觅，让我们从标准化、数字化和智能化的角度理解了产业互联网，虽然我没太听懂，但是觉得很厉害。接下来掌声有请香港科技大学权龙教授，为我们带来《计算机三维重建的现状与未来》，掌声欢迎。

香港科技大学教授、Altizure创始人权龙

香港科技大学教授权龙：大家下午好！首先感谢链家和贝壳的邀请，能够跟房地产的朋友们分享一下最近一拨人工智能或者是计算机视觉的一些发展。我主要跟大家回顾一下，为什么最近人工智能、计算机视觉是比较热的。这里面有一些观点也是我个人的观点，大家就多包含。

我先讲一下什么是人工智能，其是人工智能是比较简单的。其实它的目的就是要让机器能够去看、去听和去读。大家知道视觉里面的看占了80%，所以说我们讲所谓的人工智能这拨其实它主要是以计算机视觉去定义的。人工智能的发展成功与否，其实只有计算机视觉能够给它做出定义，它的发展也是局限于或者受限于计算机视觉的发展的。

这里面关键的先要回到2012年，2012年大家也是比较平凡的一年。但是这一年我们基本上认为是这轮人工智能的元年，为什么呢？其实当年有一个计算机视觉的大会，当时有一个比赛。在这个会议上的识别率从75%变成85%，从这个东西的开始基本上引起了一个革命性的趋势。我们再回过头来看一下，这是2012年的时候，如果回到1998年的话，当时已经提出了卷积神经网络。如果我们要比一下1998年最早的卷积神经网络和2012年的得奖的，改善了10%的这个卷积神经网络，如果我们要在业内去看的话，这两张图的结构非常接近，差别非常小。但是有几件事大家注意，1998年这个图像的尺寸是很小的，可能只有二三十。2012年基本上是两百到三百了，其实它的尺寸是涨了10倍的。还有一个非常关键的，1998年的时候没有GPU，只有CPU。到了2012年的时候才出现了GPU。

如果我们看数字方面，1998年的卷积神经网络里面大概只有6万个参数，到2012年的卷积神经网络里面基本上有6000万个，这个数量完全不是一个体量的。在漫长的15年中发生了什么事情？理论上来看，那两个结构是非常接近的，其实差别是微乎其微的。这里面有两件事，第一就是我刚才讲了GPU，GPU最早也不是给人工智能的，是打游戏的。它的出现基本上把计算机的算力，尤其是对图像的算力提高了非常大。第二件事情也是一个华人，斯坦福大学的非非立（音），他发动大家在网上把图象数据进行标注，有了大数据和这样的算力，其实才造就了1998年已经出现的卷积神经网络。

我们再往前走到了2015年，其实整个计算机视觉，就是以卷积神经为主的网络的计算机视觉的发展达到了极限。人类识别的东西并不是那么的客观，其实有很多的主观因素，大家都知道我们看一个东西你今天认错了，其实没有一个绝对标准的。我们一般公认的，人基本上是5%左右，到2015年的时候所有的机器已经比5%要做得好，基本上达到百分之三点多。所以在这个意义上就是机器的识别率远远高于我们人类，因为2015年之后没有识别的比赛了，意义不是非常大了。

七年后的今天我们看一下还有什么大的变化。其实算法已经没有什么变化了，但是所有的东西都翻了1000倍。比如从速度上，其实今天的算力已经是七年前的1000倍了。从整个网络的参数里面也大概翻了1000倍。2012年的参数，刚才讲了是6000万级。到了今天就要再×10，就是几十亿的级别了，所以说这个是非常可观的。第二件事情，到今天基本上所有的卷积神经网络已经标准化了。其实大家知道现在所有的文章，都是什么net，其实差别并不是非常大的了。

我们看一下它能做什么事情呢？其实今天的视觉和人工智能讲来讲去，也没有大家想象得那么先进，其实非常简单。如果你有一件事情能非常明确的把它的定义，也有足够的数据，起码要几千个数据，你要进行标注，标注之后给了卷积神经网络，它可以把写东西全部记好，基本上这些问题都不是很大的，你可以达到90%以上的识别率，这个毫无疑问。在一般意义上，我们人类的记忆力也是大打折扣的。一般情况下它肯定比我们人要做得更好了。但是也要理解，这只是一个统计意义上的识别，其实它没有真正的理解。我刚才也讲了，我们所谓的识别就是一个猫、一个狗，我们只是给它一个标注叫它CAT或者DOG，其实本质上还是主观的。比如说猫科、狗科，这些东西都是我们非常主观的定义。我完全可以定义一个东西，我把猫标成狗，狗标成猫，机器也会这样的。在这个意义上，就没有真正的智能和理解。

回顾一下计算机视觉的本质是什么，其实本质就是理解图像。但是我刚才讲了其实我们不知道什么叫理解，其实我们现在唯一能做到的事情，只是我们所谓的感知。那么视觉里面最重要的事情就是要从图像里面提取视觉特征，大家知道在语音识别里特征比较容易，因为语音识别里有音素，然后再进行形成就可以了。但是如果拿到图像来看，我们不是非常清楚一张图里到底是什么样的特别，使我们能够识别这个东西是猫还是狗，其实这是不清楚的。那么整个计算机视觉的发展，其实目的也就是要从图像里面提取这些有效的特征。

这一轮的人工智能热潮，或者说整个视觉被卷积神经网络所带来的东西，其实它在本质上就是给我们定义了新的特征。大家知道在这之前，我们所有的特征都是我们人工设计的。我们人工设计是非常有限的，一般只能把它做到100多维。今天卷积神经网络自己学来的这种特征，它可以远到几百万、上千万，其实是非常高的。这个当然在以前不可能的，同时也就造就了这一轮很有道理的，虽然我们不能理解，但是它的维数之高是非常的惊人。我们有足够的数据维数就会高，维数高就是意味着它的记忆能力或者泛化能力更强。

我刚才讲了识别，其实我们人类的视觉识别就是从一幅图里就可以识别，但是我们人类的识别是双目的，这个非常重要，双目就绝对了我们生活的世界是三维的，我们只有有了双目，才能感知到三维的深度信息。有了三维的深度信息我们才可以跟我们的环境进行交互，这也就是为什么三维其实是计算机视觉里面更重要的一部分。没有三维，只有识别，其实我们就不可能做交互。

双目视觉不仅是人类，其实在整个动物世界里面，我们双目视觉的强弱就定义了我们在动物世界里面的等级。大家可能都知道，吃肉的这些动物都是两只眼睛往前看，它是有双目视觉的。吃草的这些动物，像兔子、马，都是往外看的，它是全景的，但是它是单目，它只做识别，不会做深度。别人来攻击它的时候会跑，只有像老鹰、狼这种，双目的才会去进攻。所以下一个阶段肯定要有高级的双目视觉的。马就是最典型的，其实它的两个眼睛往外看的，马大部分的视觉是单目的，这就是说为什么它可以跑得快，是比较灵敏的。虽然也是往外看，但是中间有一小块是往前的，所以它也是有深度感知的。

那么现代三维视觉的基础，从2012年开始这轮以识别为代表的卷积神经网络，在2012年之前其实整个视觉是被三维重建所定义的。三维视觉重建里面它的一些现状和挑战，基本上它的理论已经很好的建立了，但是它的挑战有两点，一个就是目前的算力不够，再一个就是数据的采集比较困难一些。

在深度学习下，也同时对这轮的三维视觉产生了非常大的影响。在刚开始的几年其实影响不是太大，但是从2017年开始，我们现在基本上用的叫三维卷积神经网络。它现在对整个三维视觉的效率的提升也是非常可观的，我旁边也画了一张图。

大家都知道这一轮计算机视觉现在的应用状况，人工智能非常火，那计算机视觉也很火，其实计算机视觉里面基本上有几大应用。第一个，大家都知道就是智能安防，所有的刷脸的、刷车的、刷物的，这全是一类。第二就是以重建为应用的场景也是很大的，大家都知道现在的自动驾驶，自动驾驶里面最关键的就是要拿三维重建，今天我在看特斯拉的CEO，他把激光雷达给骂了一顿，他说今后的自动驾驶全要看双目视觉。第二个应用就是AR、VR，我们房地产的朋友们以后要把这些环境数字化，变成一个虚拟和增强现实。这是我们现在可以做的一些事情，就是大规模的三维重建，这是刚刚巴黎圣母院的图。我们也在深圳做了一些智慧城市的案例，大家可以看到这些例子都是活生生的。基本上都是几十万、上百万航拍的图像，把三维城市级的场景都恢复了。

房地产完全是一样的，只是规模远比这个小，一般都是小区的这种。我认为以后的安防不仅是识别，也要跟三维重建融合。这也就是一个例子，我是把监控视频跟三维全部融合到一起。大家会马上看到，这是一个实时视频，但是它是融在整个三维的场景中的。这是我们香港科大的大门口的安检。

整个三维重建这种东西也不止是安防，其实对一个城市来说它以前的历史和未来的规划，都是非常有用的。这是我们跟合作伙伴做的案例，这是广州的中心文化区，前段时间习主席访问广州的时候参观了这个文化区。这个文化区很有意思，里面有历史遗留的古迹，在右边的地方是要做规划的。

现在我简单讲一下，我们Altizure是一个三维视觉平台，国内是Altizure.cn。我们整个三维视觉平台目前已经有30万专业用户，在180个国家的内容都在上面。你只要上传数据，我就可以把三维复原。欢迎大家有空了解一下。我们的实验室和Altizure也有合作，大家知道现在在学术界都在刷榜，我们的三维重建也是在国际上一些榜单里面，从去年4月份开始一直是名列第一的。

简单总结一下，我的观点非常简单。人工智能讲白了80%就是计算机视觉，计算机视觉里面就是识别和重建。那么识别只是一部分，其实重建是更重要的一部分，现在还没有全部发挥处理。第二个观点也非常的简单，所有的这拨东西理论上当然也有很大的进步，但是理论上的进步不是那么太大的。最关键的就是两件，硬件和算力，这是非常重要的。我们也知道计算机视觉，我们非常幸运，现在是黄金时代。回到人工智能，我们作为业界的从业人员，我们认为通用人工智能的实现基本上是遥遥无期的，因为现在目前并不理解，只是停留在感知。

谢谢大家！

主持人：接下来有请北京信息科技大学教授陈雯柏，为我们带来《AI的现状与未来》，掌声欢迎。

北京信息科技大学教授 陈雯柏

北京信息科技大学教授陈雯柏：大家好！我之前以为是一个简单的学术报告，没想到今天的场面还比较大。很高兴我以中国人工智能学会为代表，跟大家做一个交流。

从几个方面，一个是AI的历史、现状、未来。什么是人工智能？人工智能，artifcial就是模仿的意思，人工智能就是研究、开发、模拟、延伸和拓展人的理论方法与技术。人工智能使机器人能够像人一样思考，能够像人一样看懂、听懂，同时能够和人一样运动，这就是人工智能的范畴。

历史上，人工智能有这么几大学术流派。一个是符号主义，符号主义是从人的心智方面进行模拟，通过符号的推理。典型的代表就是专家系统，另一个就是连接主义，也叫结构主义，它是从模仿人的生物的神经网络、生物的脑结构、神经系统来进行模拟，典型代表就是神经网络，包括现在的深度学习、深度神经网络。再有一个就是行为主义，从人的行为来进行模仿的。历史上这三大学派形成了三足鼎立的状态，有相互攻击和不同的学说。但是现在来看这几个流派都逐渐走向统一，共同的促进了咱们目前的人工智能发展。

这个图是人工智能发展的历程。1956年的时候人工智能正式作为一个术语被提出来。实际上人工智能的开端可以再往前追溯，至少是1943年MP模型，也就是现在深度学习的一个发端，是从生物进行模拟的。

七八十年代的时候专家系统占主流，在当前2000年以后，深度学习、深度神经网络作为结构主义的代表一下子就崛起了。实际上我们分析这个图就可以看出来，是基于不同的计算能力，这是由于计算机计算能力的发展，才使得我们有不同的算法。当前的深度学习就基于现在目前GPU强大的计算能力，才有现在的发展。有什么样的计算能力就应该有什么样的算法跟它相适应。

三位可以说是深度学习的三驾马车了。杰夫新顿（音），杨丽坤、本杰欧，上个月获得了图灵奖，是计算机学界的最高奖。

AI的现状。无处不在的人工智能，我们拿出手机，软件有美图、今日头条、滴滴、阿里淘宝，还有度秘，当然我这里面还少一个贝壳找房的APP。我想今日头条、滴滴，都是人工智能企业。咱们的贝壳找房也正在向人工智能企业挺进。当然无处不在的AI，这里也涉及到人工智能与伦理、人工智能与法律、人工智能与隐私的问题，前两天我看到一个报道，说旧金山在修订一个法案，是禁止使用人脸识别的软件，有可能成为全美第一个禁止使用人脸识别软件的城市。

在中国AI有它的优势，我们中国人能够吃苦，数学比较好，特别是中国还有一个优势，中国人多，有大量的用户、大量的数据，以及强大的计算能力，就能够把我们的人工智能做好。当然我们的政策机制也都比较不错。

AI的产业生态，目前来看已经形成了AI基础资源、AI技术以及AI应用的三层基本结构。最底层就是基础资源，就是计算资源。计算资源应该说是人工智能的基础设施，我们都看过报道，比如说目前的数据中心一年的耗电量相当于是三峡电站的发电量，这是一个高耗能的人工智能。这是基础设施。在中间是技术层，技术层主要是算法，通过机器学习来开发不同领域的算法和技术，来实现感知智能和认知智能。在应用层面上，就是人工智能跟我们的行业结合，分各个方面的。

这八大场景就是当前人工智能与行业结合得比较紧密的八个方面。在智能交通、智能医疗、智能家居方面，应该说人工智能技术跟行业的融合是相对比较好一些的。在安防、零售和机器人方面是居中的。在目前的智能制造和智能教育方面，人工智能技术跟行业的融合相对还较低。

居住领域的相关AI技术，这是给我的题目。图中是智能家居的产品，可能在座的各位家里都有亚马逊的智能音箱，还有创维的智能电视、三星的冰箱、洗衣机，应该说这些家居产品都逐渐进入到我们的生活。当然里面使用的AI技术有语音识别、手势识别，还有智能推荐。比如说咱们通过人脸识别，冰箱可以识别出人的状态，可以做到智能推荐。

具体分析AI技术从三个方面助力了居住行业的全面的智能化，第一个层面该是最底层的交互层面，使人跟机器可以有一个更加自然的交互。中间是决策层面，当然主要体现的是主动学习、自行优化、智能控制。它可以根据用户的习惯、根据生活常识给我们的用户做一些推荐，比如说环境变化它可以感知到，也可以感知用户的心情，比如自动窗帘，就可以做一下调光的工作。当然在服务的层面说，对咱们的行业来说典型的应用就应该是用户画像、个性服务和定制化服务。那用户画像就是给用户打上标签，你爱旅游我就给你推荐旅游的信息。根据这样的标注，我们可以给他推送贝壳找房的，能够根据你的习惯可以给你相关的定制化推荐。

AI已经使得家居从自动化向完全智能化演进，当然目前我们是通过单次的控制家居产品可以完成一系列的操作，这是自动化的程度。目前，智能互联通过传感技术、通过进场通信的技术，我们可以通过语音的方式里进行统一的家居控制，这是智能互联的阶段。下一个阶段可能就是完全智能，所有的家居产品完全的互联互通，智能触手可以实现自主的学习，可以与人互动。这样的飞跃是基于数据，基于AI芯片硬件，基于AI算法的。我的理解AI的生活也是一个高能耗的生活。我们可能看过报道，AlphaGo下一盘棋电费要花2000美元，应该说是高能耗了。我们实验室的每个学生标准配置就是一台主机、四块GPU，冬天放在桌子上都还挺温暖的，夏天空调开得很足也都是很辛苦的。

AI的关键技术。刚才权龙教授讲了是视觉技术。人的感知80%都来源于视觉，除了视觉之外就是交互，语音技术，NRP，自然语言处理这块。当然还有一个知识图谱，刚才贝壳找房的领导特别强调了知识图谱在咱们行业的应用。机器学习就是让机器能够学习，主要分为监督学习，有教师信号的学习，我们给它样本，填压式的学习。还有一个无监督学习，就是聚类。

机器学习一种是基于数据的，大量的数据。我们对这个认识还不够深刻的时候给它喂数据，让它可以自动的提取规律和特征，这是机器学习。我们对事物认识深刻了，我们可以总结出很简要的知识，我们可以通过经验自动的计算机的算法，对新的问题通过归纳给出一定的结论，这是基于知识的学习。

这个图是感知器比较原始的模型了，这是一个节点，虽然目前的深度神经网络有上亿个神经元。简单来说就是通过时空的整合，实现非线性的逼近，给它一个输入和输出，这就是非线性的映射关系。深度学习的训练方法有监督学习、强化学习、迁移学习。监督学习刚才讲了，就是有样本的学习。强化学习是给它一个强化的信号、奖赏信号。迁移学习是从大量数据的基础上把它应用到一个小数据的方面，可以迁移到小数据上面。这里面典型的就是乌鸦喝水，我们看到乌鸦不仅能喝瓶子里的水，也可以吃板栗，它可以把板栗放到红绿灯的线上面，让汽车进行碾压，就把板栗壳破碎了，这就是迁移学习的典型。这是卷积神经网络，卷积神经网络是1998年杨丽坤当时用于邮政数字识别的网络。

语音的交互，这是智能家居用的，包括语音识别、语音合成，还有声纹识别的技术。文本处理，包括分词、关键技术词本、文本挖掘的内容。还有计算机视觉。VR、AR，刚才我在门口也看到了应用，这对咱们居住是很有用的。包括现在还有MR。知识图谱，这个图是我们在搜狗里面瞧一个张艺谋，就会搜出来跟张艺谋相关的信息。知识图谱就实现了客观世界从字符串描述到结构化描述的知识的映射，刚才闫觅讲在我们的贝壳找房应该有深刻的应用，这对我们的业务有很重要的应用，这也是当前人工智能研究的热点。

前景与展望，未来已来。人工智能的前景现在都已经有深刻体会了。目前来讲，一个AI+终端，跟穿戴设备相融合。另外一个是AI+产业，共同形成了我们现在的深度融合的智能经济。

AI产业的发展前景，车联网、家庭互联网、工业互联网、万物互联。形成了我们的万物智能，机器换人我想不是机器去代替人，而是人工智能应用、机器人的应用，使得我们人类能够更加优雅的生活，人机协作、人机共存。当然AI的发展离不开人才培养，目前国内设立人工智能专业的学校有30多所，设立智能科学与技术专业的有200多所。我在这里做个广告，希望在座的企业能够多多吸纳我们培养的AI人才。

谢谢大家！

主持人：谢谢陈教授，为我们做了关于人工智能无比详尽的演讲，感觉这个可以在大学里讲一个学期。接下来掌声有请腾讯云副总裁王龙，为我们带来《乘云而上，构建智慧产业新生态》的演讲，欢迎。

腾讯云副总裁王龙：大家下午好，感谢贝壳找房的邀请，今天在这里分享一下腾讯云与AI大数据相关的能力。

说腾讯要做to B转型这样的思路，到底背后的原因是什么？相信大家在各种各样的媒体上已经解读到了。首先第一，我们看到最近几年经济增长开始放缓，其实互联网经过了过去十几年的高速发展以后，我们也看得很清楚，这个天花板也是越来越明显了，开始减速。当然背后的原因有很多，我们腾讯之前是连接一切，连接人与人，或者个体与个体为核心的业务模型，这个天花板已经非常清楚了。我们通过微信连接人与人，公众号就是连接人与服务。这种偏线上的我们做得非常多了，我们已经提升了人和人连接的效率，你和企业进行交互也变得简单了。但是我们觉得这些不够。那么如何去更好的提升我们社会的效率？更好的提升我们生活的水平？我们认为是我们需要一个产业互联网。产业互联网我们讲了很多很多，那么产业互联网到底是个什么样的概念呢？

我们把未来十年、二十年的目标简化为要深耕消费互联网，拥抱产业互联网。大家可以注意这个用词，什么叫深耕消费互联网？消费互联网的核心是让人和人之间的连接，让人和服务之间了连接更加有效率，更加的舒服。比如说无卡支付、手机支付，所有基于移动互联网相关的人与设备的交互、人与人之间的交互，这块我们会继续深耕。但是我们也深刻的意识到，如果我们想要进一步让社会的效率提高，想要为社会创造更多的价值，我们必须要把这些连接的技术渗透到各个行业里去，我们希望帮助行业里的这些专家而不是个人，让这些群体更好的连接。举个例子，之前微信只是好友之间的连接，贝壳注重的就不是简单的好友间的连接，可能有租客、有租户、有房产拥有者、有经纪人，后面还有装修工、装修队长，它专注于这些人的连接。在这些人的连接中腾讯云能起到什么作用，或者说帮助他们，或者跟他们一起更好的提升更有用的产业运行的效率，这是我们对拥抱产业互联网的定义。

简单回顾一下，我们去年9月30号宣布了一个转型。我们的目的也是如此，我们把散落在各个BG的比较核心的连接技术，都集中到了一个事业群里，叫做CSSIG，就是云和智慧产业事业群。我们希望把这些能力集中在一个事业群里，能够更好更有效的发挥协同效应，能够更好的深入行业，和我们的合作伙伴、和我们的客户一起研究如何更好的提升整个企业经营的效率，找到一些创新的机会。

那么我们怎么做呢？很简单有一个初期的划分。我们认为产业互联网如果从简单的划分来说包含了两种，一种是比较传统的行业，非常的重，它需要去升级。它的目标是提高它的效率、降低成本。那我们想办法要做革新、做改造，通过人工智能的技术让它的连接、让企业内部的运行更加好。还有，就是现在随着新技术不断的崛起，比如说人工智能、53、IOT，势必会带来一种新的商业模式，会带来一批新兴产业，围绕这些新兴产业它也会产生一系列的产业集群，它最终也是通过互联网、通过智能。那这些新兴产业更关注的是市场，我们认为产业互联网应该兼顾传统行业，同时发现一些新兴的产业创新的机会。

这都是我们的“锤子”，我们提供了各种各样的“锤子”。这些锤子很多是过去20年腾讯自己做产品当中使用过的，我们认为好用、顺手，也能够帮助我们的合作伙伴和客户，于是我们把它开放出来。过去三年中，其实因为我们跟产业的结合越来越紧密，所以我们有很多的“锤子”也是经过产业的锻炼和升级后开放出来的。比如说我们一些通用的产品，计算存储网络不用说了。在平台层有大数据、AI、数据库、中间件、开发者工具，等等一系列都是我说内外部经过一系列考验的工具。那么我们在和行业一起去做产业升级的过程中，我们也形成了一系列的行业应用或者解决方案。我们的合作伙伴比我们更了解行业，我们更了解我们的“锤子”，跟他们不断的碰撞和合作过程中，我们也提炼了我们围绕政务、文旅、金融、零售，等各个行业一系列的我们认为能够帮助产业去升级或者革新的能力。这个比较多，我不一一念了。

这些“锤子”当中有一些核心的能力，我们的核心能力是怎么来的？现在最热的有两个，一个是人工智能，还有一个是永远都不能忘的安全。

腾讯云副总裁王龙

我们先看看人工智能，在人工智能热潮最兴起的时候，最顶尖的算法工程师可能一多半都跑去了大公司。在腾讯我们得益于这样的大平台，我们聚拢了很多优秀的人工智能专家和团队，我们有优图、微信AI，还有音视频实验室，他们聚焦在不同的方向上，比如说如何让腾讯视频的效果更好，如何能在腾讯视频上做出一些挂件，大家都知道九零后喜欢一些挂件。我们的优图，它研究怎么去做图像的理解，比如做内容的推荐和内容的审核，有一些敏感信息，比如说少儿不宜的内容，优图会在上面有一些深耕的地方。还包括微信AI，你们打开手机会发现微信AI的语音输入，打游戏的时候语音输入也变得非常的准确，也是得益于微信AI实验室多年的努力。这些实验室的能力不仅在腾讯内部使用，我们认为它对产业非常的有用，于是我们把它开放出来。还有一个腾讯已经做了很多年的安全相关的研究，我们的七大安全实验室，大家可能在各大媒体上看过相关实验室的报道。它实现了一个全链路的安全机制，从存储到传输，从组织安全到网络安全。最著名的就是我们的科恩实验室，无接触破解特斯拉，我们能够帮助特斯拉去发现，如果你有一辆特斯拉的车，通过无接触的方式就能控制特斯拉的驾驶设备，这个非常恐怖。科恩实验室发现这个漏洞之后，报给了埃隆。我们通过这些，有别于我们只买存储网络，这些都是对我们的合作伙伴和客户开放的。

我们在过去几年中和我们的合作伙伴一起打造了超过60个，针对各行各业的具备行业属性的能力。我们也有很多的比较标杆的案例和场景，大家也可以了解一下，不管是政务的数字广东，还是我们帮助金融，包括几个大行做的智能客服系统、大数据平台系统、风控系统，如果大家关注腾讯云相关的新闻都能看到。

在房产上，跟贝壳的合作商，通过腾讯云我们提供计算存储网络CDN，不但提供最简单的计算存储网络CDN，我们还帮助贝壳建造更好的，更加贴合它的业务场景的基础架构，不管是大数据相关的，比如说一些基础设备，还有人工智能相关的比如算力的能力。

除此之外，我们在应用层也跟贝壳有大量的合作。比如说腾讯房产频道和贝壳的二手房租房。我们的家居频道和贝壳的装修，还有我们微信支付的九宫格里和贝壳的合作，这是在应用层，我们也实现了我刚才说的不光是人到人的连接，还有人到服务的连接。

既然是智能+会场，我花一点时间说一下我们的大数据和人工智能到底在做什么。这是腾讯云上的大数据和人工智能提供的各种服务。最底层，我们针对所有的数据科学家和算法专家，就是那些夏天怕GPU散热的人，给他们提供了大量的工具，让我们的数据科学家，让我们的算法专家能够更专注于算法的调优，能够更专注于针对业务模型的更新，而不要去关心我们的GPU是不是太贵了，我的服务器会不会死机。既包括传统的大数据平台，还有hadoop的体系，兼容基本上所有流行的机器学习和深度学习的框架，还有TensorFlow。还有语音识别、语音合成、图像识别、图像内容理解，还有大数据相关的能力，比如做推荐、做预测，以及我们和腾讯地图联合推的LBS的服务，还有包括我们的AI的开发工具，比如智能对话平台，目的都是为了让应用开发者不需要具备很强的算法的知识，就能开发人工智能的应用。

有了这些能力，我们和合作伙伴一起打造了各种各样的解决方案，包括我们说的智慧零售、智慧金融、智慧政府等等，这些解决方案是直接面对业务的管理者。基于这样的多层次的体系，我们为大数据和人工智能整个开发的生态提供了全方位的数据，希望降低大数据和人工智能的落地成本，提高产业效率，同时帮助我们的合作伙伴更快的创新。

这是我们的一个简单的场景。大屏会显示很多的实时指挥信息，大数据平台会汇集各种各样的数据，做一些清洗、决策、分析。这个数据既包括传统的线上平台的数据，也包括我们线下的比如说摄像头语音识别的数据，这些数据在我们的平台上汇集起来，就能够帮助我们的业务决策者实现一个全景式的指挥视图，帮助他更好的做决策。

总结一下，腾讯云我们是腾讯整个生态，就是腾讯内部所有团队能力的一个输出者。我们希望在腾讯生态内部围绕腾讯的应用，找到各种各样好用的、易用的“锤子”。把它贡献出来，和整个大数据、AI生态当中的合作伙伴一起，包括贝壳，我们一起为整个生态的建设和发展做出更大的贡献。我们认为所有的合作，我们希望在云上能够更有效率的去实现，由此我们能够共建智慧产业的新生态。当然契合今天的主题是共建智慧新家居。

谢谢大家。

主持人：谢谢王龙，您讲了这么长时间腾讯云的广告。谢谢几位专家对技术的介绍，这些技术是如何与产业相结合的呢？我们知道在贝壳的旗下有一个如视VR？是不是买房的时候都用过呢？接下来请到贝壳找房技术副总裁、如视事业部总经理惠新宸，专门为我们介绍一下卷积神经网络过去一年的成果和未来的发展方向。掌声有请。

如视事业部总经理惠新宸：

大家下午好，刚刚权龙教授讲了很多关于AI的这块，我们有很多的心得跟大家分享一下。讲AI之前讲讲数据，数据很重要，没有数据就没有AI，数据是最基本的东西。去年一年我们做了很多的事情，包括在最初的时候我们要去推VR，因为大家知道在推VR的时候有一个成本的问题。很多人觉得拍个照片便宜，但是VR拍一套，展示展示，它的价值在哪里呢？我跟我们团队的人在聊，我当时提到一点非常重要的，其实我们在做一个基础设施的事情。因为你没有数据，大家对于这个房子的理解其实真的不够，原来讲贝壳有楼盘字典。但事实上楼盘字典的维度就是几百维，几百维的文本信息、格式化的信息。我们在做VR的时候，本质上是在把线下的房子线上复刻，这个东西对我们的价值更大。

到今天为止我们积累了110多万的数字副本，而这些副本每一个数据量是1G到2G，等待我们挖掘。所以贝壳在做一个事情，把一个行业的基础设施拓宽，如果没有这个行业的基础设施，其实所有的东西基本上都是做梦的。

我们在产品形态上，我们发布了贝壳VR找房以后确实得到了很多的荣誉。我自己有的时候也在想，是我们这帮人牛呢？还是怎么回事，为什么我们做的事情好像就很顺利呢？回来再想这个事情，其实本质上是因为我们选择了一条正确的方向，因为VR就像刚刚权龙教授包括大家的认知一样，是从更高级的东西，比二维的信息，无论是视频还是图片能带来更多有效信息量的形式，所以用户喜欢，用户喜欢经纪人也会喜欢，我们的服务者也会喜欢，因为真正来讲它能提高所有人的效率。所以这些数据基本上是非常非常客观和标准的，因为事实上这个东西确实好到我们已经不需要太加水分了，怎么都好。本质上大家可以看用户停留时长，包括APP7日留存，包括浏览次数、商机转化率，都有很大的提升。

贝壳找房技术副总裁惠新宸

本质上来讲，VR看房对于B端来说核心的价值在哪儿？用户在买房的时候就是信息不断完善的时候，当他对房子的信息了解到一定程度的时候就可以做决策，买还是不买。原来有一个线上线下分割，买房这个事情还是一定要有线下环节的，一定有个线上转线下的过程。这个过程直接就导致了，有很多朋友聊说你们贝壳，包括其他行业用你们的APP就跟21世纪似的，去一下门店就觉得很到了20世纪。当然现在不是了，我们贝壳现在的线下服务也非常好。但是之前确实有这种反馈，本质来讲这就是信息断层的问题，在线上可以坐在家里高效的获取信息，贝壳努力的也是这件事情，把很多的信息放在线上。而到线下以后，在北京这样的大城市你就得路上一个多小时看5分钟的房，或者大冬天在小区里转。我自己记得最多一天看了5套或者6套房，脚基本上快断了，走不下去了。

那么如视VR做的是什么呢？是把线上和线下的时机往下推了一点。大概我们自己的一个判断，这个上面有一个数字。这个效率提升就是13个百分点，通过VR的形式让用户在做决策的时机再往下走了走，他可以在线上浏览到更多的信息，然后他再看要不要去线下。我们把这根线向下拉的一点。首先第一点，用户可以少走很多的冤枉路，现在通过VR可以给他更强的房源信息。而对于经纪人来说，经纪人接到的看过VR的客户，他的意愿更高。这是双赢的效率。VR在房地产之所以能成功，就是对B端和C端提效。把时机从信息密度高的地方线上，到信息密度低的地方线下，这个转化的时机向下拖了13%。

这是我们去年一年的成果，大概110多万，覆盖了80多个城市。单纯看数字可能不会觉得什么，觉得就是你们拍得多。原来有全景看房，这和VR看房不一样。事实上这里核心的差别，是它们之间的信息量不同，VR的信息量更高。这100多万，我们在做AI上的尝试，严格来讲我觉得可能是上次见过权龙教授之后，我们聊过一次，包括后来一段时间内我自己有一个感觉。我自己的认知是这样的，在AI时代真的不一样，在AI时代好像核心的技术不是掌握在最牛的那些人手里，而是掌握在有数据的人手里。所以我们要感谢科学家们。他们把这个东西做得极其简单，导致只要你有足够的数据，你有足够的样本，当然这个数据一定要好。就是我刚才讲的全景和VR的差异，你的数据要好，在数据好的时候确实能产生很多很多非常有意思的东西。

我们内部在讲，我们在过去一年做的都是数据的事情，我们把我们的数据采集回来，把精确度做得更高。上午大家也看到了包括了AI讲房，未来可能有更多。我自己认为在AI时代所有人做事情的时候一定要找到一个循环，我们自己定义这个循环，团队内部讨论说未来的AI产品经理干什么的？我们认为AI时代的产品经理必须要找到一个场景，这个场景能产生数据，能支撑你的应用，并且能反馈你的效果。只要能让这个正循环跑起来，你的效果就会越来越好。所以怎么设计产品？怎么设计反馈机制？怎么支撑你的应用？这才是AI时代所有产品经理应该做的事情。我们有118万多的三维空间，2000多万的全景数据，这个数据价值很大。我们做了很多事情，物体识别，基于我们的数据训练出来的东西，它的精确度，包括它的能力确实要高出很多的，包括大家今天上午看到的AI讲房。其实AI讲房是多种技术的综合，就是TTS+图片识别，加我们一些文本化的训练，这样就能形成一个新的场景形态，未来AI就是做这样的事情。就是把语音能力、图像能力，总结在一起，帮各个行业去提效。

AI讲房有一个数据，我们去年做VR的时候有一个很大的问题，我们期望经纪人在我们的VR场景下录他的讲房，就是把房子的优点讲给用户，但是大家的能力是参差不齐的。有些讲的就是一分多钟一直对着一堵墙在讲，搞得我都怀疑人生的感觉，特别的难受。但事实上AI讲房做的事情就是把最低的服务标准拉齐了。我们现在有一个数据，就是说大概在某一个区域，用户听完经纪人讲房，我们有一个指标，他点播放然后听完，这个指标大概只有20%。我们的AI讲房上线一周以来，我们听的完成率是72%。从这个角度能说明什么呢？我们自己也在讨论，AI到底取代谁？事实上我自己觉得谁也取代不了，只是让所有人变得更好。因为有了AI讲房，原来讲得不好的经纪人会有一些危机感，迫使他去成长，否则他就没有讲的资格。AI在未来就替代我们做一些我们不需要做的、没有价值的事情，或者价值不大的事情。这是AI讲房，现在是基于用户画像、基于我们对房屋的理解，我们对房屋的理解是多维的，包括三维解读、楼盘字典、小区，包括图像的解读，比如我基于图片识别发现你有一个落地飘窗，都是通过图像识别的。我们三秒钟就可以生成讲房，从你点进去（到加载完，）专属的讲房就加载完了。因为我们的用户画像也在不断的完善中，随着这个正循环的开始，我相信AI讲房的水平会越来越高，也会倒逼整个经纪人在讲房的能力上越来越高，大家一起进步。

我们对这些房屋的理解，我们也做大量的标注。我们也在慢慢跟标注团队合作，发现这真的是一个苦力活。我们对于房屋的标注，比如说它是什么风格，有什么样的家具等等，通过这样的模式未来大家可以体会到AI设计，当然我前段时间也看到了一些AI设计，可能大家的出发点不一样。我们的出发点是通过我们的数据积累形成正循环，让我们的AI模型看到的装修越来越多，包括我给它一个更良好的标注。其实大家想个性化只是在样本非常小的时候才叫个性化，当样本非常大的时候是没有个性化的。如果全国几亿家庭，个性化的话也一定能在这几亿家庭里找到跟你类似的，本质上是这样的。随着未来的数据量的增加，包括我们对数据理解的增加，未来的装修设计是千人千面的。相信不久之后大家可以在APP上看到新的产品，就像图中一样的，左边是毛坯房，这是你买房的时候看到的，你可能需要想象，想象出这个家到底未来是什么样的。结合我们的AI装修，就是AI设计加上我们实时渲染的能力，右边就是你能看到的未来家的样子，所有的家居是什么牌子的，通过物体识别，你就可以看到或者说可以买到。你可以在这里面做简单的修改，你想替换沙发可以，或者未来每个人都在贝壳上有一个自己家的数字化的版本，当你需要买一个家具的时候，可以拉到这个场里来感受一下。这是我们想做的下一步的事情。

像我刚刚讲的我们做VR的时候还要怀着一颗心，就是对这个行业的基础设施做完善。这些数据我们也不吝啬，希望我们跟更多的合作伙伴一起合作，我们一起这个数据上发挥出更多的价值。当然我们是围绕着居住，就是室内空间。让这个室内空间相关的服务变得更加的美好，谢谢大家！

主持人：谢谢惠新宸让我们看到如视在过去一年里取得的成绩。接下来有请自如CTO王迪，为我们带来《科技支撑租住产品的六层次创新思维》，有请。

自如CTO王迪：感谢贝壳的邀请！很高兴今天下午来这里跟大家做一个简单的交流。我是自如的CTO王迪。大家知道，自如主要是做长租公寓或者说机构化租赁的，在座的很多人已经买房了，不是我们目前主要的目标用户，但大家可能会成为我们未来的业主。

首先简单介绍一下自如所在的行业，也就是租赁。和买卖不太一样，中国实际上租赁的产业整体发展相对买卖来说是要落后一些的。大家可以看到世界主要国家和城市，如果按租赁人口的占比来说，像中国的大城市，北京、上海、广州，平均的租赁人口数目都是低于世界上的主要城市，比如像旧金山、纽约、日本东京。过去20多年商品化住宅的发展，中国建立了大量的商品住宅，但是租赁领域的发展不太充分。大家都普遍认为未来十年会有一个快速的发展，这个行业有可能从目前的1万亿左右，在十年之后涨到大概5万亿的市场。所以这是一个非常巨大的市场。

自如CTO王迪

我们认为主要是有几个错配，第一，中国租赁住房的供给主要来自于散户个人，不同于欧美以及像日本的这些国家，有大量的租赁住宅，实际上从开发的时候就是为公寓来建设的。三四十年都是这样的，而中国大部分都是普通的民宅，尤其在主城市的核心区里，所以很分散。第二，老旧房屋的占比非常高。以北京市为例，大家可以看到15年房龄的房屋占到整个市场存量住宅的63%，核心城区，像30年左右的这些房屋比比皆是。也就是说它对改善的需求是非常大的，老旧房屋有很多从居住的体验上来说、从品质上来说相对比较差。

所以在这个过程中，自如从七年前开始做租赁的时候，那时候不是一个新兴市场，已经有很多人用很多方法做了很多年了。他们选择的模式是什么呢？就是针对产品的错配、服务的错配和品质的错配，选择了一条机构化运营的方向，也就是说从C2C的租赁模式创造了一种C2B2C的租赁模式，今天市场上还有很多个人业主和租户之间的交易方式，不管是通过线上还是线下。但是自如走了一条更重的道路，走了业主到公司，然后我们做了很重的产品化和交付之后，改造，再对外进行租赁的道路。

经过七年的发展，我们现在已经成为了一个大型的O2O的青年居住社区了。从我们的管理规模上来讲，我们已经突破了大概80万间的房屋体量，在整个中国。此时此刻在北京市应该有超过60万青年住在自如的产品当中。我们累计服务了超过200万以上的自如课。整个的线上线下的体验，通过我们产业互联网的改造已经说应该做到了比较好的闭环。像我们今天的年轻的自如租客，从找房开始到线上的预定，线下带看、签约，到他的入住、支付，生活服务，报修，一直到最后他退租搬家的全流程我们已经全部做了互联网覆盖，所以基本上告别了无纸化的时代。

我们在产品设计的过程中用了六层次的思维，这是我们做产品上总结的一个方法论。这六个层次当中最下面的三个，就是企业的资源，我们的运作管理，比如说组织、流程、绩效，所以我们提供的产品和服务，这三层像企业的资源管理，ERP。我们拥有什么、我们做什么样的产品、然后推向市场。但是大家知道现在变成了更加个性化的买方市场，是进入互联网时代的市场。所以现在更加有挑战的是上面的三层，也就是说我们需要仔细的思考产品到底服务什么样的用户，这些用户有什么样的特点，他们有什么样的痛点，以及在什么样的场景和模式之下我们能够给他提供对应的产品和服务，所以今天是从上往下走，先去思考用户。

从居住产品上来说，从用户的生命周期，一个大学生刚毕业到他未来很长的一段时间是租赁的生活。房屋的需求随着他人生阶段的变化也不断产生变化。所以我们的产品线也是跟着这样的生命周期去设计的。我们在去年年底发布的自如有家6.0 Zhome的小视频，可能大家会感受到一点智能化。这是给大学生群体设计的房屋。当时要解决的是产品错配的问题。我们知道刚毕业的学生可能租赁的资金非常有限，所以他在北京可能大部分人希望能够租到3000块钱以里的独立的房间，而我们看到市场上其实最难租的，也是非常大的一个供给量是三居室，三居室的价格是很贵的。既使是独立的一居室，哪怕是在通州也要将近4000元以上，如果城里都是五六千。所以学生租不起，所以我们做了第一个合租的产品，就是自如有家。这个过程中带来了很多的痛点，所以刚才大家看到有一起上洗手间、有洗澡的问题，我们怎么用科技去解决它？

随着用户在成长，三五年之后可能有了男女朋友，或者接近成家立业。这时候要考虑整租了，所以这时候我们就考虑一个城市，现在自如在中国有九个城市开展服务。什么时候开始做这样的一居室？这也是从用户的角度去出发，这是我们的一居室产品的设计。以及有更高端的人群，我们还有像自如豪宅，这个房子可能主要在北京的三四环之间，尤其是东边CBD附近的，它又适应什么样的人群？它的成功主要是考虑在什么用户的什么场景之下，这是很有意思的。

包括有整栋的公寓，叫做自如寓。这个产品六年前刚开始做的时候，那时候的青年公寓，大家对于生活空间的要求没有那么多，跑几个跑步机大家可以运动就很好了。但是如果今天去蒋府公园附近的自如寓，我们做了还升级，大家可以体验一下我们的智能化的情况。包括我们引入了咖啡、餐饮、书屋，健康的简餐，还有一合积木这样的健身，我们打造的是Z+生活圈的概念，我们希望有更好的生活场景。

这是像在团结湖、三里屯这样非常好的地段。这个楼当时拿到物业到底是做酒店还是什么产品？它是一个青年驿站。床位这样的产品。我们给刚到北京来的年轻人，可能每天只要一百块钱左右的产品，一个房间可能有四张床或者八张床，同时给了年轻人一种在城市，尤其像北京这种大城市以里可以去体验的选择。这在旺季的时候出租率非常高。

前面讲了一些背景和产品，下面是带着一点科技的味道。大家看这个产品设计的层次中，毫无疑问大数据是我们无论从产品设计的角度所需要，以及产品过程中所积累的必然的交付物。对用户全生命周期我们看三个数据，一个是住的房子有资产的数据，就是这栋房子在什么位置，户型多大，几居室。第二是用户的生活数据，每天多少小时住在我们的房子里，就是日活。还有信用的数据，他是不是及时交租，所以我们有自如信用分的概念。通过我们自如平台的大数据和AI能力，我们就有可能做到更贴合用户使用的产品开发，像刚才的房屋，更好的精准营销获客，包括提供个性化的服务。

我们在租赁过程中实现了人脸识别，结合身份认证的移动在线化的过程，所以这个人签了以后符不符合我们的要求，可以通过人脸做到。第二就是智能锁的应用，今天我们已经有150万把智能的设备，连接在线上。这是它在北京的分布，大家可以看到过去几年的密度在越来越多的增加，所以它也是一个很好的大规模场景和IOT的应用。

自如搬家，从A点到B点，叫打包理想，搬运生活。比如说O2O的师傅和调度，有打车的应用，对打车的供需匹配和调度的管理，都是我们需要优化的。包括搬家师傅用的箱子，可以让他非常容易的去搬，而且可以很好的把东西放进去。像这些细节我们也是参考了日本的顶级搬家公司很多年的积累，来改造我们的产品。这是搬家的场景。

同样的保洁。我们提供双周的自如的保洁，还有市场化的保洁。即便大家不租自如的房子，也可以用我们的保洁。我们全过程的O2O都在自如闭环了。

刚刚教授说了很多的IOT和智能家居，下面有一个片子让大家体会一下自如在打造的智能家居的应用场景。（视频）

这个小小的片子是我们对未来租赁生活的小的畅想，这个片子的演员是我们自己的产品经理，场景的设定是我们初步尝试的。自如能做的，就是未来我们尝试在中国大规模的真正在实地的整套去落地的智能家居的应用，而且给到我们的年轻人。通过这个过程中，我们不断的打造产品，未来提供更好的生活和服务。

以上就是我今天的内容的分享，希望对大家有所帮助，谢谢。

主持人：谢谢王迪。接下来是圆桌对话的主题，主题是空间进化：新机会与新探索。贝壳找房如视事业部运营总经理 郑深圳；嘉宾 氪空间CEO 王雪泉；同程艺龙副总裁张晨；红星美凯龙新零售集团副COO兼CPO 聂兴尧；中国电信北京公司副总经理 项煌妹。

空间进化：新机会与新探索

空间进化的新探索

郑深圳：各位来宾，大家下午好，我是贝壳找房如视事业部运营总经理郑深圳，今天由我主持圆桌对话。这一拨的智能科技到来，整个下午的分享我看到我们的闫总，我们的惠总，也讲到了智能科技在未来的落地，还有教授们给我们开的脑洞，人工智能和计算机视觉带来的不一样的东西，包括刚才腾讯云给我们送来的“锤子”，自如在做的一些产业的智能化的尝试。我相信不止是我们，其实整个行业，传统也好，智能科技行业也好，大家都在找怎么样去更好的结合，所以今天我想从这个问题开始。请四位嘉宾来给我们分享，看看大家怎么来理解我们大的话题，在新居住或者说新的空间的体验，大家怎么里看与智能科技的结合。

项煌妹：谢谢郑总，下午听了包括闫总和王总的发言，确实收获很大。对于这样的一个新的居住，我先说一下我的感受。刚才说到线下的服务，比如说二手房的买卖。今天我想整个贝壳就是一个互联网的线上企业。对于新居住的概念，我个人认为它对于新的技术延伸出来，对于我们生活的改变，我觉得至少有几个“新”，首先第一它是更智能，第二它成本更低了。

现在所有下午的嘉宾在讲到所有的应用场景，包括腾讯云的副总裁王龙说的时候，只有他一个人提到了5G，没有任何人提到。大家把链接、把这种成本忽略不计了，其实这是身在中国的一个幸运。待会儿我要说，这种链接成本的降低让大量的应用成为可能。所以说这个成本的降低，智能化刚才大家也说了，它会更加的智能，把所有的设备链接起来，把所有的感知链接起来，然后通过云端能够更好的沉浸式的体验，这就不用再说了。刚才我说了，有一个成本更低的。随着5G的到来，比如说速率百倍的增加，能耗是多少倍的降低，就是带宽的成本。第三，我觉得是更安全了。因为这种智能化带来了我们的人脸识别、我的远程监控，包括我的消防，原来的消防只是在监控，比如说这个楼宇有监控，但是个人是没有的，to C是没有的。现在通过NBIOT的连接，我就知道我家的厨房里有没有烟感的报警，很便宜的一些商业应用。

刚才自如的王迪总说他的智能门锁一年有150万的量，我很感兴趣你是通过什么样的链接技术。其实就是这样的，智能产品给我们带来了安全感。第四是舒适，刚才播放了自如的租赁一进门有灯的调整，甚至恒温恒湿的环境也非常的正常。我想到我们的数据中心，23正负两度，所有的数据中心是这样的。我们的家，人体的感知最重要的就是温湿度的感知，我们完全可以通过智能的感应达到恒温恒湿。所以新居住是更加的智能，成本更加的低廉，更加安全，还有更加的舒适。这是我的理解。

聂兴尧：如果说科技对行业的改变，因为红星美凯龙是做家居建材的生意。我们第一个直观的感觉，这几年科技类的家居产品的异军突起，从我们商场的基因角度来说，基本上我们每年都在拓展我们在智能家居这个领域给到商家的面积，我们大量的商场已经开始组建智能家居馆和电器馆，其实就是应变整个行业的变迁，这是直接从我们线下的场可以看到的第一个线下。

第二，从科技对居住的改变来说，因为家居建材还是相对比较传统的行业，因为链条特别长。我们看到的可能是家里的一个衣柜、沙发、地板，但是这背后其实有非常长的产业链，是工厂的生产运输到你家，工人施工，最后给你一个呈现。这里面有多个服务商，有多个生产商，然后有多个环节。这些环节中每一个环节如果它上下的连接不到位，或者说每一个环节出现了控制不到位，最后都会产生我们居住质量的不满意。所以这几年来说，行业里面大量的在涌现，我们如何能够将上下游用科技产品去打通。如何从消费者看到一个东西他可以下单，这个单如何可以传递到工厂，工厂如何可以返回到工人，工人在施工的时候如何可以更高的按照原有既定的方式施工。整个链条串联的产品和技术、开发和场景会越来越多。这是第二个科技对行业的改变。

第三，我们会看到家居和建材行业一直来说互联网水平都是比较低的，应该说大家能够看到中高端的家居建材的商品，其实在互联网上大部分来说是你不得的，这其实是有点反我们当前的中国作为互联网大国的现状的。现在大部分东西淘宝都能满足，但是如果买进口的家居，要买一个中高端、比较有品质的家居建材产品的时候，大部分还是在线下的商场里。为什么呢？比如说我这款沙发如果我卖两万块钱，你会发现我摆到互联网上去不会有人买，大部分人不会买，因为他无法认知到这件事情的价值，他无法通过他的线上感知手段来评估这件事情是否符合他的需要。那么这件事情我们觉得可能还有一定的路要走。接下来技术的进步能不能够让人一定要在线下场景来感知到这个物体的颜色、色泽、触觉，那种感觉能不能通过科技的方式进行传递，是这个行业能不能互联网化的很重要的前提。如果这个感觉无法被传递的时候，大家觉得线上没有意义，因为我买这个沙发或者床，一定要去看看，一定要去躺一躺。这种感觉如何用新的科技去传递，这是未来我们科技会重点赋能行业的另外一块应用。

张晨：非常高兴今天跟各位来探讨新居住的话题。我自己在想居住的时候，我一开始想到的是远古时代人为什么要住在房子里，第一是挡风遮玉，保证我的安全。第二，我是社会协同者，以家庭为周边的社区的建立，人与人之间的。发展到今天，我觉得我们可以居住分成三类。第一类，我们称为职住，就是我们在年轻人奋斗的时候，很多时候并不是说我自己上来就买一个房子，可能租房子，更多是为了上班近，或者跟同事在一起住，工作更方便。第二类就是定居，买房子居住下来，成立自己的家庭。第三种是旅居，在异地有旅行环境。同程艺龙是旅游的企业，我们更关注的是旅居的环节，但是在我眼里不管哪一类的居住，我们谈到的所谓的新居住，这个“新”字，我自己觉得我们还是从用户在现在的痛点里，找到我们怎么能改变这些痛点。我相信最终我们的新技术是由一批以用户为中心，然后以技术为驱动的公司找到用户的痛点，并且解决他们的痛点，来实现更完美、更舒适的方式。

今天我也看到了我们贝壳真的是一家以技术为驱动，致力于解决用户痛点的公司。我们同程艺龙也是一样的，我们以往跟贝壳有非常紧密的合作，我们一起来探索怎么样在人的旅途中找到更好的居住环境。这是我对新居住最粗浅的了解，谢谢。

王雪泉：前面的嘉宾到我们这几位，大家其实讲得都非常透彻了。如果说预见未来的新居住，刚才那个视频都体现得非常好了。我从不同的角度谈谈看法。先说一下深圳邀请我的时候，我的身份还不一样，这两天发生了一点转化。我从一个投资机构到氪空间，我们是做办公场景下的运营服务商，也算是我们国家一个联合办公的头部企业之一。我从投资机构的时候和租赁经济相关的，包括和自如有过合作，那时候主要是做金融方面的服务合作，包括我们也投资了很多除了联合办公这一类办公场景的运营企业之外，也有投资新型的长租公寓，分散式和集中式，我们都有做投资。我觉得大家都有讲智能科技运用在这些租赁经济的环境下的应用。

其实这个科技现在能带来的更多的偏自动化阶段，我们离智能还比较远。大家开玩笑说人工智能是人工的智能。但是我觉得个趋势根本不可阻挡，特别是像项总说的5G时代以后，基础设施会有非常大的爆发力的推动。我的理解，咱们今天讲的主题是需要万物真正互联以后，就像互联网以前一样，用户够多了它的威力才发挥出来。我们现在的物体互联以后，它的威力才真正发挥出来。这可能也是在进步的过程中，我们可能觉得不会聪明，我们觉得总是在桡客户的痒点，不是痛点。但是怎么样能推动万物互联尽快发展呢？我觉得就是刚才前面嘉宾举的非常好的例子，就是很多锤子，但是要刨到金矿，金子被刨出来了，锤子也就越来越厉害了，锤子也会进化，就会越来越好用。所以可能更多的是这个技术要找到真正的运用场景，能够刨到金子，能够形成商业模式，真正能够解决这个问题。后面我想有一些在我们办公运营的场景下，比如从氪空间的体会我后面再补充。

郑深圳：谢谢各位嘉宾精彩的开始。接下来我的问题深挖一点，今天的话题是新居住。但是我们整个的话题是延展的，我们已经探讨到整个行业的上下游，不仅大家要住得更好，买了房子之后还要装修，还要买家居，有闲钱了之后还要旅游。所以我想看看红星美凯龙和同程艺龙，一直在这方面有非常深刻的探索。我们今年以来跟红星美凯龙和同程艺龙也有比较深度的合作，我们贝壳的如视VR，我们上线的VR看家具，我们在研究在VR里面一键点过去可以买沙发。我们也在跟同程艺龙探讨一键就能订阅整个的旅游的酒店这些东西。所以我想问问两位，怎么样在你们的领域里面拓展，或者说落地新的尝试。聂总。

聂兴尧：我们跟如视在VR这块的合作应该是去年开始的，这件事情我们是这样看待的。第一，它本身是我们把线下的店铺和商品数字化的一个组成部分，就是线下本来我们有实体的场域和商品，但是很多东西没上线，这本来是一个线上化的第一个组成部分。第二，这个数字化我们做的时候，我们一直致力于要把线上的店和线下店充分打通，因为是同样的经营主体，VR能够比较好的兼容从商品到交易，到客服的咨询，同样我们可以连接到同一个人去。甚至背后的资金账户都可以一体化的解决掉，所以我们觉得这是一个比较好的，能够支持到我们这块的工具，这是第一个大的方面。

第二个方面，因为我们这个行业有两个特性，其实还比较适合VR的东西。第一个，就是线下的空间是有限的，但是大部分的商品其实是无法在有限的空间里完全展陈。比如说同样的这款沙发，我放在这里可能是白色的，其实我没有展出的还有红色、黑色，可能还有一些变形的款式，那么更多的款式我不可能在一个有限的空间里重复展示。这样的话，我们未来有一个拓展，我们能不能在虚拟的店铺里展出更多可以延伸的SKU出来，这是第一点。第二点，其实很多消费者在购买家居建材产品的时候有一个很大的痛点，就是我单看一个商品的时候觉得很好，我觉得是很美的，是我很想要的。但是发现一套组合一起的时候，你经常问一个人你们家是什么风格的，他会说我们家没有风格，因为我们家是各种我认为好的东西组合在一起，最后变成总觉得哪里有点怪。我们有没有可能通过VR技术的手段，我们在预先的时候能够让你大概的了解到你买回家组合会是一个什么样的场景的感觉。这样的方式可以减少你回到家里面的那种懊悔。所以我觉得这两点其实比较适合我们的场景，所以我们也在逐步的加强这块的探索，现在大概的情况就是这样的。

张晨：聂总刚才提到了在家居建材的领域可能我们把线下的店铺搬到线上来展示。从同程艺龙的角度来可能正好相反，我们是把线上的服务能够延伸到线下。什么意思呢？就是我自己觉得OTA行业，就是在线旅游行业我们做了这么多年，我们所谓的用户体验都是在线上预定的环节订酒店，我们选房间、下单的体验。但是对用户来说一个完整的旅居完整的链条，先预定，然后找到酒店入住，住完以后发表点评。但是往往在OTA的行业里很少接触到线下的服务，因为我们也不太可控，因为酒店不是我们的，我们只是一个平台，是在酒店和用户之间提供这种相对于信息的服务。这里面就会产生很多的痛点，我以前一直在感叹有些行业，比如说电票整个行业被互联网改变了，以前我们要排队买票，可能到了现场你发现我要看的场次满了，现在不需要了，在线选票就可以看电影了，已经完全改变了体验。但是酒店行业、在线旅行行业十年了，没有太大的变化。所以同程艺龙是想改变我们让用户入住时候体验更好。我跟大家说一个数据，因为我们非常关注用户在我们客服平台的投诉，投诉率最高的就是信息不符，最高的就是图片跟我真实看到的酒店不一样，很多酒店P一下图片就很好看，你没法真实的感受到这个空间到底是什么样的。其实旅行对一家人来说是个比较大的支出，我去了之后发现这个酒店跟我看到的图片完全不一样，因为以往是静态的图片。这方面导致我们的体验很差，这方面我们很难控制，因为图片是酒店自己拍摄上传的。

这时候我们就一直探索，有没有一种方式让用户更加真是的感受到酒店是什么样的。我们在跟贝壳合作之前也尝试着做了全景，但是效果不好。去年开始我们跟贝壳在一起尝试用VR的方式，用户可以一步一步走进酒店，看见酒店里面的房间、大堂、餐厅，包括各种各样的空间到底是什么样的。包括我定了一个海景房，窗外的大海是什么样的，都可以在VR里面真是的感受到。这个服务上线之后，我们现在规模还没有特别大，大概在成都和北京这两个城市尝试了大概200多家，包含的空间数一千个以上，现在也在继续推。这是这也数据让我们这两个城市的订单转化率上涨了8%，他只有了解了这些信息才可以放心的下单。我们在售后回访里面也听到了非常多VR订酒店的好评，而不是以往图片和实际不符的差评。所以我们未来会尝试结合人工智能识别酒店里面的设施，给用户真是的服务。今天我在现场也看到了，比如说还有AI讲房，在酒店里也可以非常好的去应用。

总结一下，我觉得在VR看房的领域，我们已经和贝壳一块找到了刚才我说的解决用户痛点的一个比较大的方式，未来我们希望一块走得更远，谢谢。

郑深圳：谢谢张总，订单涨8%非常令人振奋。下一个问题是问王总，刚才讲到住的、装修、家居、出去玩。但是大量的时间我们是在工作的，整个工作的空间占据了大量的空间。氪空间是我们头部级的共享办公的龙头。我也在推办公的线上化，想听听您对对于整个行业办公，未来结合智能和互联网大趋势、产业互联网这块，能给大家带来多大的想象空间，您是一名20年的行业老将。

王雪泉：谢谢，我们氪空间到去年年底的话，最主力的产品是联合办公。联合办公主要还是服务于小微企业、小型企业。虽然我们里面有很多是大客户，比如说今日头条也是我们的用户，非常多的新经济的互联网公司。但是其实坦白来说，我们也明白它还是偏过渡性的需求。所以我们也希望后面发展，我们能够为全生命周期的各个阶段的企业，我们希望我们的宗旨是围绕着，特别是新经济产业的企业的各种类型，前生命周期企业，围绕他们的需求来展开我们的产品，所以我们也会想做一些迭代升级。这和我想讲的有关，因为氪空间是一个创投互联网基因的走向联合办公的企业，真正干了三年，从这样的一个基因下来的。但是我们前面也想把新的智能科技运用到这些场景里。我们的门禁系统是自己开发、自己生产的，自己制造出来运用的，包括我们的会议管理系统，就是围绕办公场景把前沿的智能科技运用过去。特别是包括和如视VR的合作，我相信随着5G大面积的普及，客户体验会爆炸倍增，会进一步的提高，这都是我们会努力试的。

说得高大上一点，为了给社会做更有价值的事，我们想要去把生意做得更大一些，赚更多钱，从这个角度来说，其实都一样的。我们想把智能科技运用到办公场景的空间能推动起来。所以我们最近在想办法拓展我们的业务范围，去年底发展比较快的是定制业务，一般是服务于比较大型的企业，基本都是独角兽级的，围绕他们的办公需求。现在真正我们在办公空间领域，谁会敢于投入资金运用最多的智能科技技术，这一方面的技术呢？我相信哪个办公室是中国最牛的用智能办公的技术，可能就是华为，不是地产商。肯定最后才是地产商，因为地产商盖出来的办公楼是要卖的，只要是卖的东西就不会投入很多的钱。我们是搞租赁经济的，我们会好一些。但是可能比不上华为他们使用到把最好的技术都投入进去。

所以我们在定制这些场景的时候，其实可以根据客户的需求把这些技术应用起来。同时发挥我们的优势，我们也做了整栋楼托管。因为我们在联合办公场景空间还是小了，我们能运用的场景比较小，基本上会议室、共享空间几个地方用了以后，智能技术很多是用于安保、用于用户的体验方面的提升。还有现在在办公空间楼宇使用最多是节能的方面，因为这个东西可以让拥有方感觉到提高他的运营效率，开源节流，这是真正的痛点。在这些方面我们觉得如果有更大的场景，就积极的投入进去。我们最近也是专门组织团队在研究怎么样去系统集成。其实没有集成起来的时候也不能称为人工智能，我觉得还是一个自动化的东西。真正集合起来要共享数据信息和它的互联互通以后，它才能够真正逐渐体现出威力。

王雪泉：难点还是我刚才讲的锤子和黄金的问题，要形成良好的商业模式，如果一旦想商业化的话，这个东西可能行业才能真正的发展起来，尽管它是一个大的趋势，其实我们很需要找到在一些应用场景上能够形成一个商业模式。像项总这些都是基础设施的，我们要把基础设施运用到各个场景中去，我们也确实下决心，希望既能找到赚钱的方法，这个赚钱的方法就叫互联网的思维，羊毛出在猪身上。要有更多的想象力去创造这个赚钱的点，但是最终我们确实是想去拓展这样的运用产品，通过新的产品把智能科技更好的打造未来的办公空间。

郑深圳：谢谢王总。刚才王总包括聂总，刚才好多嘉宾都讲到垂直行业的应用。但是项总讲到了基础设施，没人提5G。因为大家没感知，大家感觉理所当然的。4G挺快的，请项总来分享，因为今年5G是特别热的话题。我还想问你什么时候换5G手机，请项总跟我们分享一下5G带来了哪些新的机遇。

项煌妹：我特别感谢王总刚才提了一个现实的问题。大家知道一张5G网络要多少钱的投入吗？我们是三家运营商，就是万亿级。我们4G投完没几年，其实我们4G的运营成本是没有回来的。说5G之前，我想把4G和5G的概念跟大家分享一下，4G和5G到底差别在什么地方。刚才大家在说的AI看房和场景的应用场景，包括买房、买家具，其实肯定离不开网络，因为我们的成本对于老百姓来说，李克强总理也总说提速降费。这是国家的战略。

5G对4G来讲有几个特点，首先第一它的带宽更宽。第二更重要的特点是时延更低，如果我现在在现场操作一个机器人，假如我这边是5G，那边也是5G，它的时延，无人驾驶一定是5G的应用常金。我老跟他们开玩笑，4G就相当于重度救驾，5G就相当于你特别清醒状态下的开车，因为你反应速度非常快。就是这样的区别。还有一个，就是万物互联大的连接数。刚才说到家居，其实一个很小的家庭里面，你们算一算，就我家有三个音箱，首先是中国电信自己的小E，我还有一个小度，还有一个小雅。这些都会有智能的联网存在，一个家庭还有冰箱彩电，还有所有的智能门锁，还有你所有的电表，尤其是公租房，十个人，每个人用了多少电是分别付费的。就像每个人在校园里上了多少带宽，多上就要多付费，这样公平。这些都是通过智能的连接实现的，这是5G下的应用场景。

刚才说到中国人真的很幸运、很幸福。我刚从欧洲回来，我春节的时候去了德国和英国，那个网络我不能说人家，确实跟中国真的是没有办法比。中国一家运营商4G的基站，光中国电信120万个，那美国整个的几家运营商加起来是20万个。也就是说我们当今中国的网络环境真的是已经全球最好的，我觉得一点都不夸张，当然这里面有我们华为，有我们大家的一些功劳。刚才王总说到，这些应用场景我们希望它像自如、像贝壳，这些AR、VR看房，甚至是高清看房，刚才说到沙发我们怎么能够感知，两万块钱的沙发和两千块钱沙发的区别，能不能通过这种高清8K，让他可感知，大的数据的传播在5G的状态下是可以实现的。刚才说到5G，我想说几点。第一是在家居的应用里面，一个是万物互联，刚才已经说到了。第二个就是4K、8K。4K已经来了，8K不远了。我已经看到8K了，在北京有一个做8K的，而且在做国产化的应用。那种震撼感和沉浸感，真的不是现在手机屏幕看到的。还有一个VR、AR这种沉浸式的，不管你是看房、看酒店，还是游戏、教育，这种场景我跟王总现在也许不是对面的，但是您是在那边，我是在这边，只要有高清我们相当于面对面的交流。所以对于5G给居住产业带来的变革也好，或者是提升也好，我觉得都是非常现实的一种马上就能带来的。

说多进度是这样的，5G是中国的国家战略。今年我们在北京，今天友商也在发布，26号我们在深圳发布，5.17我们有大型的发布，这些都是要有大量的基站和基础网络做基础的。我们在北京的五环内年底应该会实现很好的覆盖，具体的数量因为不让说，但是切实是5G基站现在在北京有很多了，在北京很多的场景已经有了。5G手机，我们6月份应该会有一些出来。但是因为5G牌照还没有发放，所以大家只能是试商用。

郑深圳：谢谢，项总。由于时间关系，我们就问最后一个问题。大家在看未来三到五年里，有没有哪些技术场景，或者说大家觉得这个技术场景已经来了，大家要做什么样的场景，向大家做总结。

聂兴尧：如果说三到五年在家居建材领域可以看到两个，第一个就是刚才大家提很多的，就是科技对于所谓的场景，因为家居建材很多的销售都是讲场景，对场景这件事情的颠覆和重塑可以达到更高的水平，通过基础的建设，技术呈现手段的提升。第二，还有很重要的一点，在家居建材的领域里之所以大家还有很多的痛点，经常说家装是遗憾的工程，为什么里面会有很多低效率的事？本质上还是因为行业的链条太长，太过于分散。其实三到五年内，我觉得在技术和资本的加持之下，实现整个行业更好的上下游贯通的整合，给消费者提供更好的一站式的服务，我认为应该是一个大势所趋。这两点应该是一个方向。

项煌妹：我最后说一句话。三到五年，我觉得还是有点长，就是两到三年，你爱或不爱，5G已经在这儿。你爱或不爱，万物互联已经在这儿。你爱或不爱，你的智能生活已经这儿。你爱或不爱，你的贝壳新居住已经这儿。谢谢。

张晨：我的想法是说未来三到五年，在酒店或者说旅游的领域里，刚才我在看自如在分享的视频。其实我们现在就已经实现了，刚才我一直在说我们在探索在线下给用户更好的服务，除了跟贝壳合作的VR看房之外，包括人脸识别解决现在身份证验证这么复杂的环节。还要拿门槛去开门这个环节，等等一系列的，是现在我们跟腾讯云已经实现了很多。未来三到五年我认为还会走向两个极端，第一就是现在所有需要人解决的事情，就是酒店还需要一个前台，他能帮你干的任何事情，我们的系统和AI都可以帮你，而且更加个性化。比如说我们手机的里面，我自己喜欢的音乐，我可以在房间里面，酒店里面的音箱可以自动播放我们自己更喜欢的音乐，这种个性化的服务。第二，就是我们更加情感化。科技不能是一个冰冷的东西，不能替代人的服务。那我们更加情感化，其实也是更多基于我们利用AI对大数据、对人个性化的了解之后，比如说我现在去一个酒店，可能别人只是因为记住了，一见面酒店里每个员工都能记住我姓张，说张先生你里的。这就很情感化。这就AI来说就太简单了，这是我能想到未来三到五年我们已经可以实现的一个未来更美好的居住方式。谢谢。

王雪泉：我觉得未来五年，我相信可能我们社会企业的组织形式和我们的工作方式会有一个颠覆性的变化。只是说我这个想象力不够，我可能都想象不到，但是我觉得它一定是颠覆性的变化。也许那时候大家觉得“996”很享受，待在这个空间更好，可能是这样的。

郑深圳：谢谢各位嘉宾精彩的分享，也希望对大家有所启发，我们今天的论坛就到这里，谢谢大家。

主持人：谢谢深圳，谢谢四位嘉宾，爱或不爱，新居住时代都已经到来。爱或不爱，新智能时代都已经到来。也同时感谢今天下午所有分享的嘉宾。我们知道前两天人类第一张黑洞照片刷屏的时候，人们想起了爱因斯坦的一句话，他说科学绝不是也永远不是一本写完的书。我相信科学与技术的结合也会碰撞出越来越惊艳的火花。本次论坛到此结束，谢谢大家。