2018年11月17日，深圳——首届极光开发者大会在深圳召开，近千位互联网公司技术领袖、合作伙伴、开发者齐聚一堂，围绕大数据、人工智能、移动开发等广受关注的热点话题，共同探讨移动开发的下半场，构建健康的开发者生态。
在极光开发者大会上，甲子光年创始人张一甲主持圆桌论坛，与WiFi万能钥匙万能事业群CTO谭振林、极光CTO黄鑫和爱因互动创始人兼CTO洪强宁共同探讨了智能互联网时代下的数据、技术与未来。
本次圆桌论坛主要探讨了以下几个问题：
1. 过去几年间大数据发生的变化
2. 大数据应用中的难点
3. 关于人才的讨论
4. 对开发者的建议
以下为极光开发者大会圆桌论坛重点摘录：
张一甲：大家好，我是张一甲。我们今天聊的大数据其实和几年前聊的大数据不太一样。当时我们需要花很多的时间进行教育，而如今大数据已经成为了高频词。2018年，当我们再次讨论大数据的价值的时候，你们觉得跟过去几年相比有什么变化。
谭振林：大数据的概念已经出现很长时间，这几年AI也火起来了。接下来的5G和互联网时代将产生更大规模的数据，以后的商业模式已经不能单纯凭借定性或定量分析，必须借助数据的帮助。
黄鑫：从最近几年的发展来看，我觉得大数据更重要的价值是通过大数据和AI的结合、通过产业互联网，更有效地改善效率，也是现在的大数据跟2007年往后相比非常不一样的地方。
洪强宁：我觉得之前的十年里发生了几件重要的技术革命。一个是苹果带来的移动互联网，一个是亚马逊带来的云服务，还有一个是谷歌带来的大数据处理技术。每个人通过移动互联网不断的产生数据，我们必须处理大量的数据，而云计算使得处理数据成本大量下降。经过十年的发展，大数据的技术基本上已经成熟，现在我们在算法上也有突破了。在我看来，大数据的关键词就是和AI结合。
张一甲：今年有一个感觉，涉及到的大数据、云计算、AI、物联网等概念都是组团出现的，很少单独说大数据。各个主流的DT技术之间的排位次序相对明了。想请问大家你们觉得大数据应用最难的点是什么？
谭振林：关于大数据，首先要做好数据采集。有很多公司说我要用大数据、要用算法，等到做的时候却发现没有有效的数据，数据不够多或者不够准确。大数据的应用是一个系统化的工程，是牵一发而动全身的。首先要有一定的规划去获取数据，有了数据之后，要有数据的使用模型，同时还要需要配合很多事情，比如组织架构的调整等等。
张一甲：牵一发而动全身是很精准的概括。我们不是给商业加一个衣服，而是给整个的打法做神经系统，神经系统换不好的话造成的后果是非常可怕的。
黄鑫：第一个层面，其实我们过往的数据中有1%是结构化的数据，更多的99%是非结构化的数据。这个过程中有太多人工经验，但这并不是大数据的核心，未来会产生一种技术让机器学习或者AI的算法能够直接应用在非结构化数据上面，这是可能存在一定突破的。第二个层面，虽然说机器学习的成本在日益下降，但是很多模型现在还是没有办法做足够的定型化，这就导致有很多很理想的模型无法应用到现实的生产环境里。第三个层面，虽然有很大的数据，每一个领域的大数据怎样为这个领域产生非常实际深入的价值，这是每个领域都需要去思考的一个问题。如何将业务和机器算法结合，这种思考还是非常匮乏的。
张一甲：大数据在非结构数据上有所作为，已经有一定的进展了吗？
黄鑫：我觉得目前还没有。比如说地理位置经纬度，经纬度本身是没有意义的数据，如果把经纬度抽取成一个街道，再转化成各种各样的属性，或者转换成一个WiFi或者店面。这就已经加入了太多人工的经验在内，而没有办法完全还原非结构化数据原本应有的含义。我们目前仍然无法跳过人工，这是我认为可以提高的地方。
洪强宁：语言本身是人的思维的表达，现在的技术没有办法让机器人像人类一样理解语言。所以要像刚才黄总说的，我们要找到一个场景，在这个场景下，虽然技术还不完善，但是它通过和其他技术的结合可以发挥价值。在一个封闭的场景之下，机器人可以像人一样自然的回答问题，或者推荐产品，或者引导你理解自己到底要的是什么。我们需要有大量的行业知识背景，通过这些知识补充机器学习理解能力不足的情况。希望随着技术的进步，有新的算法的出现，使得机器学习更有效率，可以更多从现有素材上学习，而当它场景的受到限制的时候，可以利用机器的强计算能力、强存储能力进行弥补。
张一甲：我们来谈谈人才这件事情。我记得在2015年、2016年的时候，随着AlphaGo的出现，人工智能被推上一个神坛，市场进入到了人才严重的供不应求的状况。今年你们招揽人才的时候，大家有没有感觉到对于人才需求，包括架构体系发生的变化，这可能是有点敏感的话题。
谭振林：在人工智能领域，谷歌、微软等都在积极推动开源框架，可以说把通用的AI应用的门槛已经降得很低了，这对整个行业来说是一个非常好的局面。也就是说，AI人才的培养难度，或者说他能够达到某个水平的难度应该是降低了很多。
张一甲：您觉得更大的痛点还是在于招不到更多的人吗？
谭振林：对于企业的实际应用来讲，招人确实比较难，但是有没有足够量的数据，也是一个痛点。
黄鑫：首先人肯定是不好招的。很多的开源框架降低了做深度学习的门槛。在面试过程中会发现初级的人好招了很多，因为随着门槛的降低，很多人非常容易进入AI领域，但问题在于，AI真正做到复杂的领域，或者真正想为企业创造更高的价值，则需要非常高的学术素养，需要更深的数学层面的知识和对于优化算法理解，需要对产业本身有很强的业务知识。当这些结合起来的时候，就会发现这并不是开源框架所能解决的问题。随着大数据的发展，对人才的要求也越来越高，以前做推荐只要达到30%也好，现在30%达到了，我需要50%的准确率，而这种高端人才目前来看还是很匮乏的。
张一甲：很多的开源框架和平台是为了让AI能够更好的平民化，更好地改变世界。
洪强宁：我们在实际的招聘过程中，明显感受到了越来越多的人进入了这个行业。很多院校开设了相关的课程，我们也收到了很多相关人才的简历。
张一甲：大家觉得人工智能人才的薪资跟去年比涨了还是降了？
黄鑫：我觉得没有明显增长，至少没有像通货膨胀的速度。薪资方面确实存在泡沫，但是这个泡沫不仅仅在AI层面出现，就像过去做java开发也存在一部分的泡沫，做移动端开发也存在泡沫。从过去的历史来看，人才的薪资不可能在一年之内或者两年之内降下来，但是会慢慢回归市场正常的水平。我不认为AI会降的原因是它的高级人才依然很少。国家是以AI作为接下来长期的发展目标的，而且我们都意识到了AI确实是会非常深刻地改变人类社会结构的一种技术。
张一甲：改变AI的人肯定需要技术往前走，但是可能随着更多技术被开源出来，会有更多的人可以更好得去控制AI。
黄鑫：那是逐渐淘汰的过程，不是降薪的过程。
谭振林：我觉得这个很难。AI是很多经济链中最主要的发展方向，我们要做的就是拥抱这些新的技术。每个人哪怕不是开发人员，也应该去努力了解一些相关原理。我觉得AI是非常有前景和前途的一个行业。
洪强宁：关于薪资的问题，我想说2016年人工智能火起来的时候，确实是存在泡沫的，而现在正是挤泡沫的过程当中。人工智能一定是未来几年发展的一个主要潮流，对人才的需求也在不断扩大，我觉得降薪不太可能。人工智能技术越来越成为程序员、IT工作者的必备技术，在一些大企业里面，已经把人工智能技术作为必备技能进行考核。它会对薪资带来一定的好处，但应该不会像前几年那样可以带来那么大的变化。
张一甲：最后一个问题，请问各位对于在座的各位开发者有什么样的建议。
洪强宁：对于开发者而言，人工智能技术一定是未来的主要发展潮流，如果还没有开始学习这个技术，现在就是最好的时刻。
黄鑫：AI不是一项专门的技术。所有技术行业的人都需要了解AI，都要知道AI要做什么，如何融入到自己的专业里面来。我认为这非常必要。
谭振林：我总结几点。第一是要尽快拥抱AI，对于新技术、新时代，你更早进入，就能跑在别人前面。第二点，逐渐形成自己的核心竞争力。
张一甲：非常感谢各位的分享。希望我们未来都能拥抱一个更加灿烂的AI时代的到来，谢谢大家。
