阿里巴巴技术委员会主席王坚和亚马逊AWS首席科学家Animashree Anandkumar演讲完满结束后，麻省理工科技评论中文版CCO Irene Chen邀请两位专家进行了圆桌论坛的讨论，以下是圆桌论坛全部内容整理：
h~UJCn zS Irene Chen：我记得在麻省理工科技评论去年的文章当中，有一篇标题让我非常印象深刻，讲到的事情是云端将会成为未来AI决胜的主战场。今天在台上两位，是来自阿里巴巴的王坚博士与来自亚马逊AWS的Anandkumar。毫无疑问这会是将来全世界最重要的两家公有云平台公司，甚至于可以说这会是两家未来最重要的AI公司。
第一个问题想先请教两位，怎么看待阿里巴巴的阿里云同亚马逊的AWS未来在公有云领域的竞争？
王坚：其实，关于云和AI的关系，我觉得可以用另外一个角度重新描述一下，我把云想象成Internet（互联网），因为Cloud（云）这个词有很多的歧义。实际上是说，将来整个Internet是AI非常重要的承载主体。
此外，AI与计算的关系也很有意义。云计算也是我们做城市大脑的原因。AI，或者是我说的MI（机器智能），是消耗计算资源最多的应用场景。您讲的AI in the Cloud（全部在云端）在未来至少有两个事情是非常激动人心的： 1）AI一定是在互联网上，尽管可能是在互联网的设备上，但也是在互联网上的；2）它所消耗掉的计算资源可能是史无前例的。
Animashree Anandkumar：我很同意，刚才我也听到有嘉宾说到AI是就像是新的电力，那么在我看来，云就是电网，能够让不同的硬件或者是结构都能够接入进来。因此，需要确保AI在不同的机器和设备上都可以使用。所以我非常同意王博士的观点，我们需要有一种灵活性的概念，云到底是什么。
Irene Chen：现在我们看到很多的AI应用都是在终端，比如说智能手机、智能音箱，但AI需要很强大的运算能力，所以云应该是AI的一个归属平台。可不可以谈一谈，在未来我们所谓的客户端跟云端上的AI要怎样发展：是要进一步整合、还是透过什么机制去连接，才能够让AI或者是MI的效率更高？
Q[_ Ni1 5 图 | 麻省理工科技评论中文版CCO Irene Chen
Animashree Anandkumar：这个领域发展很快，深度学习除了学习本身，应用场景也很重要。目前在云端和设备上所做的改进，在未来要考虑一下如何在这两端之间进行资源的分配。我刚才提到，大多数的计算都是发生在云端上的，但是它很昂贵，需要很多的数据。如果要把这个模型载入到终端设备上，我们现在还面临的一个挑战就是如何压缩模型，让它能够在适用不同体量的设备。
比如阿里在这个方面有很多经验可以分享，我们也有一个项目叫DeepLens，希望在不同的设备上都能够应用这些AI模型。安装好DeepLens之后，你可以直接运行这些模型进行不同的深度学习。我们看到，有很多物联网的设备都在使用不同形式的AI应用。
王坚：关于AI在终端上还是在云上，我觉得这不是非常准确的描述。我自己的理解，AI一定会既在终端上，也在云上。现在哪怕是一个音箱，都一定是连在互联网上的。实际上，AI已经分布在了互联网上，只不过最后需要一个终端来最终使用。
此外，从我自己做cloud company（云公司）的角度讲，相比于云还是终端，我都觉得 真正的核心还是计算，不论云端还是终端都需要分配计算资源。
但是，AI资源在云端和终端的需求是不一样的。如果在终端上需要一个晶体管的话，在云上一定会用到100个甚至1000个晶体管。也就是对于所谓的分布式AI来说，在云端用掉的计算能力一定会超过终端。 所以我觉得这是一个分布式AI的年代，AI无处不在，一起协同工作才会出现真正的AI。
Irene Chen：谢谢博士，我接下来各自有两个比较短的问题，想请教一下。过去两年您教育市场上很多人有关城市大脑的事情，接下来的两年，城市大脑的下一个阶段目标会是什么？
王坚：我认为下一个阶段的目标，就是让世界上每个城市都取消车辆的限行，也就是让现在所有的道路，因为有数据和大脑，发挥到最高的效率。我认为现在的道路资源是足够的，但没有进行优化。
- 9&g[ 而更长远的目标，应该不只是像波士顿一样把道路修到地下去。这个世界本来是不需要修那么多路的，我们现在不得不这么做，是因为资源的利用效率不高。今天的中国，每个城市大概都要拿出20%-25%的土地来修路，我们相信，如果经过城市大脑的努力，帮助城市省下5%的土地资源，将为社会提供一笔巨大的财富，也会开启巨大的市场。
Irene Chen：我的接下来一个问题想问Andandkumar，从一个科学家的角度来说，AI要如何进行普及和推广？
Animashree Anandkumar：谈到这点，我认为可以有不同的形式。
c@OP5L>{ 其中一点是要确保每个人都能够获得AI。AI是没有国界的，我们想让每一个愿意从事AI研究的人都能够接触到它。有很多的AI实验都需要大量的计算资源，在过去，这是需要超级计算机来完成的。但是现在，云端已经成为了AI走向了大众的途径。所以我们有很多的项目用于研究、教育或者是非营利机构以及初创企业，我们希望他们都能够非常轻易地获得我们的AI研究资源。
第二点就是要实现全球化。当前许多的研究基本上都是使用英语的，比如说语音识别主要是用英语及其各种口音来做实验。但我们希望能够进一步推广，确保不同的地域都有机会进行跨语言和跨文化的识别和研究。我们在输入这些数据的时候，要确保它的多样化和无偏见，即消除性别和任何形式的种族偏见。有了这些数据，我们才能够确保它的输出。因为，即便是语言这样输入都会有一些偏见。我们把带有偏见的文化输入到AI体系的时候，它会蔓延到整个体系中去，这是非常危险的事情。所以我们有一些全新的研究，去探索公平对于人工智能的意义，以及我们又能够采用什么行动来确保数据的公平性，从而让每个人都能公平地使用资源。
