大洼县打印机价格交流组

【安信研究】“智能时代”论坛纪要

诸海滨新三板研究2018-08-09 10:02:37

“智能时代”论坛纪要

时间:2016年9月27日

地点:北京远通维景大酒店B1远通盛景厅



博康视频人工智能简介

虞正华(博康智能)

演讲者介绍:

曾在摩托罗拉进行研究及产品研发,担任澳大利亚国家研究院的高级研究员,曾在新南威尔士大学任教。2006年回国创业,从事互联网图像搜索工作,2009年加入博康智能,现为公司首席科学家,副总裁。


公司介绍:

博康智能是中国领先的智慧城市行业大数据应用专家,专注于自有核心技术及知识产权的物联网前端智能感知、大数据智能管理云平台、行业智能协同应用服务等技术产品和智慧城市整体解决方案的研发及销售。


纪要内容:

今天非常高兴跟在座做个交流,我也是早上刚刚到北京。这么大的风会场还是很温暖的,感受到大家的热情。大家也知道博康智能刚刚与北部湾旅重大资产重组。今天很高兴有机会来讲到对人工智能特别是4.0方面的一些理解。

大家可能或多或少知道就是最近这几年特别从2012年开始人工智能这个行业处在非常热的阶段。2015年,特别最近这几年可能像alpha-go这些已经是听烂了这样的故事。在语言视频这个领域其实深度学习也是这样一个革命。


大家如果对北部湾旅有点了解的可能也知道北部湾旅本身属于新奥集团。那新奥是燃气为主的,以能源为主的一个集团的,那我这也做一个类比就是说,在工业社会这个里面像能源是整个社会的基础设施,其实过去新奥做的一个事情在很多城市做天然气的供气铺管道提供这样基础设施。但是我这不是在解释新奥为什么收购博康,但是我只是做一个类比,在未来信息社会我们理解像人工智能也会是这个社会的一个基础设施,就是未来而言可能各行各业在数据的这个时代最后体现在整个系统中都需要人工智能来提供这样一个支撑。这也是我们进入这个行业并且是更多的在这个行业持续投入的一个大的愿景,人工智能是未来社会的一个基础设施。



那我们也看到也就是说,人工智能而言,前面也有专家提到,数据量增长是促进人工智能进步。人工智能有几个计算能力:一个是计算能力的提高,一个是基础算法的进步,还有一个是数据量。那这里面我想强调说的是数据量的增长,我给的一个例子关于人脸识别的,大家看人脸数据库的大小,其实在最近几年就是从2014年之前到2015年这个数据量也是一个比较显著的一变化,就是到在谷歌它的数据量用了2.6亿的数据量,当然从算法的准确性来说,人脸识别算法在同步持续的一个提升。这个引用例子是IOW就是国际上一个人脸的测试机,当然在今天而言IOW其实这个测试机已经给刷爆了,为什么?已经是到的99.7几的准确率,其实已经是基本上你很难在提高了,但是在几年前IOW是一个非常有挑战性的这样一个数据机但是也就是这几年随着数据上的增长随着人工智能的进步,那人脸识别在这个数据机器上现在可以说已经超过人类的一个辨识能力,这个就是说数据量增长也是跟人工智能的进步密切相关的。


那么我们理解在未来而言,人工智能的发展肯定是需要跟更多行业数据来结合,我们看整个人工智能大的局面,可能是说有通用的算法通用的计算平台,但是在整个产业量里面我们看到未来人工智能要能够真正在各个行业开花结果能够扎下根去,那其实还是需要跟这种行业来进行深度的融合。



大家了解博康的话可能知道博康是做了21年的视频。为什么我们关注视频?我们这里面有一个统计,就是人类获取信息的来源大概有83%是来自于视觉,11%来自于听觉,其它占相对占就比较少,作为信息来源而言视觉是其中最主要的一种方式,这也是我们关于视频人工智能的一个基础。视频人工智能前面也提到(英)这个国际的一个测试在我们这里面数据,当时在2015年这个错误率已经降到了3.57%,那么这个数据已经是超过人类对这些数据的辨识率。大家看到这几年的准确率就是也是持续的得到提升。这个也是在整个视频人工智能的大方向取得国际上的一些进展。


博康品牌其实创立是在1995年所以21年,就是说它发展也是随着视频监控整个历程在发展,开始从模拟视频的时代然后到数字高清的这个时代然后到视频的智能,大概在2012年我们也注意到一个工作,我们在2012年同步进入深度学习这个时代,在博康的技术发展历程基本上也是视频行业发展的历程,而在每一个发展阶段博康也比较自豪的地说,在每个阶段基本上都是行业一个引领者的角色。因为我们最早比如说在模拟时代可能是全国最早做视频联网的,在那个数据高清时代2008年奥运我们是最早了做一个数字高清的系统,2010年上了上海世博我们也是大规模这样视频智能进行了产业化。那么博康在视频人工智时代其实做了很多在算法上的工作,并且将这些算法的研究成果应用到产品中。





那这举的一个例子就是目标检测,那这个能做什么用途呢?在监控的这个场景下,那么我们就可以不但识别出目标,我们画出目标的框,我们可以提取目标的很多特征,比如说车型车标、车的品牌子品牌等等。那行人而言,我们可能做一些其它特征比如说它的头发,它的衣服的颜色它的一些上衣下衣等等做一个进一步的区别。这个也是对视频中语义的一个描述。那行人而言我们可以更进一步的比如说我们做这个以图搜图就是类似这样一个搜索,其实以图搜图在整个行业博康应该是第一家做我们当时在2011年的时候在天安门,就是北京中心区开始部署这样系统,但是到今天全国各地都已经在做。我们有很多地方在用,行业里面很多专家也在做,提供相应的功能。这个也是说它的核心视频识别这样的一个算法,它通过这样视频里面的人的特征提取出来然后在多个相机里面进行比对最后达到跨摄像机的以图搜图。


除此之外我们的人脸识别也是大家比较关注的一个点,因为最近这几年在投资界,有几家也比较年轻的公司在做人脸识别,我们其实在人脸识别上面也有很多积累,这里面的核心也是基于深度学习人脸识别算法。我们也做很多动态人脸识别,在监控里面把这个人提取出来,这时候跟黑名单比对。那么我们也做过一些指标的测试,因为前面可能大家也关注说,博康虽然是做了那么多年那么你们的算法在准确性上在这些方面到底怎么样?这个是一个测试题,这是一个30万的人脸库大概220对的这个目标就是说进行检索。那这样一个测试集中,我们测中率比可比的厂商是提高的10位。另一部可能是机场等其它地方采集到的这些人脸还是非常有挑战性的。那么现在基本上已经在这么挑战情况的之下,达到相当高的准确率。


另外一点还是说通过眼睛获取信息,我们这里面给的例子,基于一个语义的问答,就是说对计算机来说输入一张图片,现在算法可以做到我们说来问一个问题,这里面问题是说第一个就是说盘子里面有什么蔬菜,回答就是西兰花,现在已经做到这样一个水准。


第二就是说,问一下鞋子是什么颜色?基本上已经是蓝色达到这种辨识。当然从问答角度来说,因为内容就是视频图像的内容可能是很多很杂目前的技术而言可能还没达到完全的接近人的这种问答能力,但是我们相信进展应该也是比较快的。因为从基础的技术而言,深度学习还是能够解决这些问题。我们通过这样子问答系统等于说我们能把监控摄象头也好我们社会各行各业摄象头也好,或者图片也好,这里面的信息都更深层的提取出来,那这样子对各行业也能发挥相应的作用。

我们理解视频人工智能引擎目前可能我们主要用在安防用在了交通,在未来而言可能是作为一个公共基础设施在互联网也好,在金融也好,在其它商业领域,在教育等很多的行业都有可能发挥相应的作用。所以说人工智能会成为未来的一个基础设施。我的演讲就到这谢谢大家。


证券投资人工智能投顾发展与展望

李鑫(资配易)

演讲者介绍:

资配易投资顾问有限公司COO


公司介绍:

资配易是一家从事证券投资人工智能系统研发和技术服务的金融科技公司,公司成立于2014年6月。公司以“让资产配置更简单、更高效”为使命,致力于将人工智能技术运用于资产管理行业。公司的主要产品是自主研发的“证券投资人工智能系统(SIAI)”,该系统可以为证券公司、资产管理公司等金融机构提供“人工智能投资管理服务”解决方案。金融机构可以运用资配易的SIAI系统,构建新型的投资管理服务和业务,满足互联网场景下的资产管理需求。

资配易公司目前已经取得超过30多项软件著作权和专利。


资配易公司是中国基金业协会备案的私募资产管理人、中国证券业协会会员、中国保险资产管理协会会员。


纪要内容:

感谢邀请,在这里分享一些我们在人工智能领域这些年来的看法和体会。首先讲人工智能基本概念之前,我想跟大家分享两个数字。大家现在觉得智能投顾非常火,其实在国内这个势头也就是这几年的事。今年年中的时候,A.T. Kearney,科尔尼这个咨询公司针对美国的智能投顾业务做了一个预测,美国这个智能投顾爆发增长趋势是非常强的,大概是2012年左右开始萌芽,一直到2016年的报道的AUM总额是3000亿美元,然后科尔尼现在做的这个预测就是:美国的智能投顾业务可能会从2016年一直到2020年保持年化68%的一个高增长,也就是到2020年左右大概会有2.2万亿美元左右的资产是被智能投顾去管理的,大家可以去查一下科尔尼的这个报告看一下。第二个是我们国家的一个公开数据:20166月份的时候,咱们国家公募资金总的AUM大概是8万亿人民币,但是公募基金公司没记错应该只有108家,这108家公募资金公司提供的基金产品只有3000多支。这是一个什么概念?就是说我们选择投资基金的8万亿的钱,只有3000多只基金产品去选择,也就是说我们老百姓在金融产品的选择的量上非常少。这些变相的也给智能投顾提供了一些生长的空间和土壤。大家可能知道智能投顾最大的一个特点,也是区别于传统投顾的一个特点,“海量”:海量的计算运算能力,海量的策略生产能力,包括未来我们面对海量客户的服务能力。因为传统券商,像咱们安信我估计会有这样的问题:比如说我们的投顾团队从建立到培训一直到后期的服务客户,基本上就是一个成本的堆积过程,我组建一个1000人的投顾团队,但是散户这个量瞬间可能因为股市上扬就涨了比如说100万、200万。分到安信可能就是10万或者20万的新增客户。那我这1000人的新团队除了负责大客户外,怎么抽出精力覆盖到这些小散户,就是一个很大的问题。所以这些也给证券投资人工智能这块新兴领域提供了一个想象空间:智能投顾会不会帮助我们传统券商去解决这样一些问题。



人工智能定义里有一个概念叫智能艾真体,这个“艾真体”并不是说我们资配易自己发明的,或者国内人工智能界的某个同事的翻译或者发明的,它是国内一些翻译家基于人工智能的一些专著,感觉翻译成代理,或者翻译成Agent的本意之后,会让大家有一个概念上的偏差,因此而为之。“艾真体”我们大家第一眼看上去,它跟真实的生物体是有一些的类似,但又不完全一样。这个也是我们去理解人工智能时可以去引用的一个概念。比如说平常我们去介绍,人工智能证券投顾和机器人投顾、以及一些在线投顾有什么区别呢?可能人工智能我先想到一个是艾真体。那什么是艾真体?我们再往后看这张图,智能艾真体可以从环境中感知信息,并自主进行活动的软件和硬件实体。

我们继续往下看,人工智能有两层含义:第一个是人工智能是一门涉及范围很广的学科,另外它是一种工程实现方法,需要软件、硬件的结合,AI本身需要一个设计、开发、制造、后期管理控制等过程。这个我后面也会再讲到。




这一页是Stuart Russell一个比较经典的人工智能的标准模型,有本书也想跟大家分享一下,像七、八月份的第三届互联网金融外滩峰会上,资配易作为嘉宾应邀参加,在一个关于人工智能的分论坛上,Stuart Russell先生也在场。当时我们也跟他去做了一些交流,他自己也说,自己这套人工智能标准模型适应范围挺广,比如说阿尔法狗也能套进去,所以我们这次演讲也特意准备了一下,就是阿法狗的大概逻辑模型,按照Stuart Russell模型我们去做了一个分解,确实是能适用。我简单跟大家讲一下,最关键的点就在环境和智能体这两者之间的关系。我们刚才提到了,环境中有一个变化后,真正的人工智能它是能感知到的。这个环境可以换成任何的一个任务环境,比如说交通环境,像谷歌的自动驾驶,交通环境的任何路面情况的一个变化,或者是交通信号的一个变化,都可以被智能体(艾真体)的传感器立刻感受到,之后它可能通过数据处理、机器学习、信号分析,也可能直接通过搜索自己的知识库做出决策,再传给执行器一个执行指令,这也是为什么我们经常会说人工智能区别于普遍机器人的一点在于,它能很快的对环境的变化做一个反应,并给出行动指令,做出应对反应,基本上就是基于Stuart Russell模型的这个逻辑。



这页PPTStuart RussellAI模型的四个主要特征,第一个非常好理解,没有通用的AI,每种AI都有适用的环境。举个例子,我们每个人承担的角色都很多,毕竟人是一个非常智能的物种。比如说我把某一个同事放到汽车里,如果会开车的话,他就是一个驾驶员;如果把他放到厨房里,会做菜的话他就是一个厨师;如果把他放到球场上,会踢足球的话他就是一个临时的足球运动员,所以这个是通用的概念。但是在人工智能领域,目前并没有这样的一个通用AI,所以大家可以看到各种各样行业领域的人工智能公司。比如说像刚才虞博士提到的视频人工智能,还有刚刚提到的谷歌,还有资配易。像我们资配易的任务环境针对证券投资,简单讲就是怎么用人工智能帮人挣钱,你不可能让资配易的AI去做无人驾驶,所以这个AI是不通用的。第二就是人能通过某种方式控制和管理AI。这个很好理解,说得比较简单一点,比如说谷歌的无人驾驶汽车,假设无人驾驶过程是通过交通控制总部下达指令,那我们会随时知道在某一个区域内,比如在三藩市、或者是在洛杉矶某一个街道的变化情况、车辆里面的服务器或控制器的运转情况,我有某种方式从控制中枢控制车辆的行驶轨迹或者紧急刹车、锁死门窗等等,也就是说人工智能并不是不受控制,可以无法无天这样一个概念,这是第二点。


第三点我们刚刚提到系统模型结构是一个标准模型,我们下一张图就应该看到阿尔法狗的一个示例,我稍后会给大家介绍一下。


第四有界最优理论基础,这个有界最优我不知道其它的人工智能的同业者,他们是怎么理解的,对于我们证券投资人工智能而言,这个有界最优是很关键的一个点,我后面也会介绍到。

后面这张图是AlphaGO的一个大概结构,我们不用看其它东西,就看我刚才给大家提到的任务环境、环境的变化、以及阿法狗自己的行动反馈这几块就好了。任务环境这边有棋子的移动数据,就是环境发生了变化,棋子的移动数据到棋盘特征提取系统,提取完之后要经过计算过程了,之后会经过策略网络库,其实类似于我们叫的策略库,或者是知识库,在标准模型里面叫知识库,就是说我去看看前人有没有面对这种棋谱或者面对这种下法的应对,如果有了之后,再加上机械本身的判断,它会反馈一个落子信号,再直接把这个落子指令反映到棋盘上。所以简单来讲就是环境变化会导致人工智能做出相应的一些应对。

到后面我也会大概把资配易的逻辑,也是基于Stuart RussellAI模型的逻辑,给大家去做一个分享。Russell这个模型目前看,确实是一个AI领域的标准模型。

再往下给大家做一些针对我们行业的,比较细的一些分享。现在的投资标的无非两类:一个非标类,一个标准类,我们评估后认为还是标准类适合我们。

标准类资产的公开信息比较全一点,而且有理论支撑和技术基础,但像P2P和小贷等非标类资产,它可能作为一种很好的非标类资产,用人工做就可以了,不适合用人工智能做。



证券管理价值链简单地给大家提一下,这个是资配易现在的一个目标:从KYCSYC。基于这个价值链我们也可以看到现在证券投资管理领域主要的几种业务形态,像投资咨询是比较典型的,然后就是投顾和资产管理,但是可能有很多不在金融领域工作的朋友们分不太清,比如投顾跟资产管理到底有什么区别,其实简单说,就是是否拥有帐户体系,拥有帐户体系后就可以包含一些跟资金相关的功能,比如托管、清算、支付等。

下一张我没有太多要讲的。主要想给大家举个例子,关于我们提到的任务环境,前面我们提到无人驾驶的任务环境其实就是路面,对于资配易的人工智能来讲,它的任务环境其实很简单,就是证券投资管理。证券市场这个环节发生什么变化了,比如说千股跌停了,或者是千股涨停了,或者有一些央行数据、大资金动向等等很多信号或者是各种参数发生一些变化了,那资配易的证券投资人工智能,或者叫SIAI,就要做出反应。这个基本上就是SIAI的工作环境。


这个就是我刚才跟大家提到的SIAI的系统结构,很简单,我们看工作环境是金融市场,比如说金融市场发生了一些变化,像这两天央妈一直在动作。资配易的数据传输或者信号处理系统,它就会有一些反映和反馈,之后,所有的信号可能会按长、中、短期三个类别指标分类,然后经过处理,并入到决策系统里面再处理,选出适合的一些策略,也就是SIAI认为可以执行的策略,然后再往下走,最后给出的这个反馈就是交易指令,然后直接供交易使用。所以资配易的SIAI模型和Stuart RussellAI模型非常相似,是一个标准的AI模型。



下面就是SIAI采用的证券投资理论。SIAI之所以这样发展,也是因为现在我们金融理论的一个发展,我们经常会提到比较多的两个理论,一个是马科维兹的投资组合理论,还有Statman的行为金融理论。行为金融得到发展应该是1975-2010年之间,鼎盛期在90年前后。投资组合学很简单,就是假设投资人都是理性的,你知道你怎么投资,而行为金融学里的所有人都是不理性的,你根本不知道你怎么投资。马科维兹在2010年应该是主动发了一个邀请,它跟Statman两个人合作一起发表了一个paper,这个就是现在的现代投资组合理论,简单概括下这个Paper讲的就是在投资过程中,投资组合理论和行为金融理论对人的影响在数学上是等价的。现代投资组合理论技术派的金融从业者提供了一个新的理论支持。还有一个可能是国内很多基金经理或者很多投资人比较推崇的一个理论,巴菲特的价值投资理论,简单说就是高买低卖,但是什么时候是高?什么时候是低?具体有什么理论支持吗?其实没有,就是一个长期的一个投资,所以也有很多人把投资称为一门艺术。像我印象比较深,因为我是金融危机后回国,金融危机前是在大通,JP Morgan,回国之后呢,赶上了中国的“对冲基金元年”,大家都在讲投资是一门艺术,所以2010年前后一直到2014年那段时间,大家都提艺术比较多,后来慢慢的有很多量化交易、程式化交易、高频交易等等技术派也都出来了,所以基本上“艺术派”和“技术派”两块,我自己个人感觉是交替上升的。你说这两派哪一个会站在比较高的地位,倒也不一定,这是目前的一个情况。但是我们资配易是典型的“技术派”。


然后这个SIAI工作流程,我就不太多的介绍了。只给大家提两个点,一个跨期选择,一个叫动态更新。这个基本上是SIAI整个工作流程中从始至终的两个小原则。


再往下,可能是我们的券商伙伴比较关心的,资金和资产的精准匹配。为什么现在发展人工智能投顾,为什么国外的市场越来越精准,其实最主要的就是资金和资产的精准匹配和适当性,其实这是人工智能投顾、机器人投顾发展的主要动力。


大家知道每个用户的钱,资金是有它的属性的,比如说我的10万块钱和你的10万块钱,10万块钱虽然是货币资金但是我们的属性不一样,比如说我对我的10万块钱的偏好一分钟都不能赔,你们各位觉得可以赔5%,这样两个资金匹配的资产就不一样,我10万块钱的资金只能匹配没有任何风险的资产,其他的资金匹配一些风险的资产,那么这个过程是一个动态的过程,也就是说一个投顾服务做的好坏本质上就是要做到把资金和资产进行精准匹配,而这个精准匹配的要素。当然,除了收益率,其实更复杂流动性、期限、风险密忍度、心理因素也会影响我当时匹配。那么好的人工智能投顾,或者投顾业务应该能够精准的匹配的问题,善于分析用户的需求,然后把这些资产端和资金端进行精准的匹配。


这一张图是人工智能投顾的一个发展阶段。最早叫在线投顾,包括现在国内有一些投顾,它自己打着智能投顾这个概念,其实是类似于90年末出现的这种方式,叫在线投顾。这种在线投顾现在可能有一些横向的发展,比如有一些在线律师,或者是有一些什么在线问卷收集、调研、或者占星之类的。在线投顾很简单,比如专业投顾,归纳自己平常问客户的几个问题后,编制一个问卷,30个问题或者40个问题,然后就开始使用固定模式,它不会变化或者自我成长,设计者怎么改就怎么用,有点类似现在很多人做心里评测或者星座运势,基本上类似于这种在线投顾方式,不调整的话就一成不变。然后再往下,就是比较火,一直到去年可能很多人还在提的机器人投顾。现在这个阶段就是我们资配易理解的人工智能投顾时代。人工智能投顾和机器人投顾有什么区别吗?我个人理解是有区别,在我看来机器人投顾其实是有一些天花板的,比如说工业机器人,设计好如何工作后,你会感觉它好像非常智能,但它没有自我成长的能力。所以在我个人看来,机器人投顾可能会基于自己的所谓的一组模型,或一些算法来提供很好的一些服务,但是机器人投顾是否能达到自我完善,自我成长呢?这个可能在是达不到的。这也是为什么资配易我们自己提出,人工智能时代应该会是最终的一个发展方向,你设计、开发好AI艾真体之后,它可以自我完善和自生长。

这张PPT讲的是投资能力增长模型,比如说我们现在拿两家私募做一个比较,那么A公司的认知空间很明显在某一个区域里面,它的认知空间决定了它自己的投资策略,投资策略直接反映到投资收益和风险比值上就是投资管控能力,直接表现为A公司的投资管理能力。B公司可能就会跟A公司有一些区别,可能比A公司优秀,可能把A公司的所有认知空间都给包括了,但是B公司可能因为其它认知的影响,对自己的整个策略、甚至业绩产生一个影响,并反应到自己的投资管理能力上。所以对于散户来讲,选择私募、基金公司、或者投资顾问其实很简单,就是看它的个投资管理能力。比如说你我身边的很多朋友,会说我就愿意投工银瑞信或者国投瑞银的基金产品,我跟它了6-7年,这个其实就是客户对这某一个公司投资管理能力的认可。

下面是我刚才可能提到的,为什么SIAI属于人工智能投顾,人工智能投顾是可以自我增加自己的认知,如果算力达到一定级别之后,我对某个投资组合或者对某一类股票资产的认识可能会更深入一些,投资管理能力会更强。这个就是我们提到的,SIAI会自我成长这样一个概念,体现就在于投资管理能力会持续增强。

整个资本市场可以按两个维度分析,合规投资策略的数量;合规投资策略的质量。这个质量相当于你挣钱的能力。投资策略数量就是你能够提供多少种挣钱的手段或者策略,大家可以看到一般的投资人是这样的首先它自己的策略是很少的,比如说中小投资人,他自己大概只能选出几个投资策略,而且他的水平很低,他的投资策略的质量也不会很高,大部分的投资者都在这个区域。我们之前顶级的投资高手,包括巴非特,他们是在这个位置,他们的策略也很少,他就是很少的投资策略,但是业绩非常好,他能挣钱,挣的很好,现在看到像股神还有对冲基金经理,他管理基金,他管理100亿,甚至1000亿,只需要很少的策略运用这个资金就行了,这是人类顶级的投资者。

好的投顾确实能够提供好的服务让你挣很多钱,差的投顾也会很差。人工投顾的质量差异很大,数量不大,后来发展成在线投顾,在线投顾水平完全没有达到人工智能的顶级水平,但是他拓展了服务客户的能力,也就是说数量增加了,机器人投顾也是这样的,他在质量上显著提高,但是他服务于更多的客户了,因为他很多靠机器自动化执行了。人工智能投顾我们要求他一方面有足够的策略数量才能够服务广大的客户群体,你不能说向客户提供同样的策略这是不合规的,还有一个挑战他必须在投资的质量上提高,否则的话没有必要用你了,所以一方面满足量的要求,第二还要满足质量的要求,这是目前热门的地方。全世界的公司,比如说做投顾的公司都往这转型,将来会不会有叫超级super AI,这个存不存在?这是一个问号了。


接下来再来说一下资配易的SIAI生产的投资策略是海量的,对整体证券市场生态是有好处的,趋同交易的概率大幅度减小。包括监管层面和市场层面都关心,当人工智能对证券市场的影响是怎么样,这方面的研究实际上是很简单的,宏观审慎这不是我们的范畴了,我们主要关心趋同交易,操纵市场,羊群效应,公平对待客户,这是我们要分析的问题。这就需要构造一个机器经济人模型,机器经济人是我们提出最早的模型,当大量的投资人用人工智能投顾的时候到底它的行为怎么样,非常重要的是它的趋同交易概率大幅度减小,任意两个投资组合之间的距离肯定不一样,这个距离什么意思,相似度,任意两个投资组合比如说有十支股票,A投资组合有10支股票,B投资组合里面有10支股票,他们重复的就叫相似度,相似度越高说明趋同交易就大,因为我跟你们买的股票都一样,这是对市场不好的层面,也是监管层希望不要发生的。那人工智能可以显著解决这个问题,这是我们做的模型,因为我们还没有大量的实盘操作,我们构造了投资组合的选择空间,相似度非常低,相似度0.05,也就是说任何两个投资者,他们投资组合的相似度是0.05%,是这么一个逻辑。

而当前A股市场的相似度非常高,差不多40%,到50%,相似度很高,投资组合相似度越高,它的跌停越显著,而且发生的频率越高这对市场是有害的,显然AI是能够降低的工具和方法。


最后再简单介绍一下资配易的业务情况,包括我们的业务模式。资配易的APP都已经上线两年了,如果感兴趣的话,大家回头可以搜一下。咱们现在也有基金产品在跑,历史业绩可以看下这个蓝线, 这张图是20164月份跟几个基准指数的一个对比,大家可以看一下。另外还有一个模拟大赛在举办中,每一个注册用户资配易会给它100万的模拟资金,希望用户可以体验并熟悉操作,每届大赛的第一名会有奖励,在客户完全熟悉资配易的操作后,我们才会真正让客户去做实盘操作,相当于用户画像,我必须要把你画得很明确之后才允许你来用,这也是我们为了用户负责。

最后这张图是前两天,资配易入选KPMGFintech中国区50强的截图。去年KPMG发了一个全球互联网金融企业100强的报告,咱们国家的众安保险是排名第一,在,因为反响不错,今年KPMG的同事们又做了一个中国Fintech 50强,但中国区没有排名,所以就打乱了,可能也是不好排名。这里有路金所、百度金融、京东金融等等,资配易也在里面。大家可以关注一点的是国内智能投顾这一类别里,跟资配易类似的都没有一家,也感谢KPMG的看重。我们自己之前发展中遇到的很多困惑,比如像很多P2P公司打着智能投顾的旗号,却在透支着行业的信誉等问题,可能KPMG的同事在调研中也发现了,所以最终只有资配易是作为中国的智能投顾代表对标境外的一些机构,比如大家耳熟能详的Wealthfrontbetterment等等。因此也感谢一下毕马威对资配易的信任,我们会继续努力。最后,右下角是我们公众号的二维码。如果大家想关注的话可以扫一下。谢谢大家。


Aicyber的智能

马志杰(Aicyber)

演讲者介绍:

Aicyber 创始人,CEO


公司介绍:

爱思赛博是一家人工智能产品研发、运营、销售和服务的科技公司,也是国内唯一专注于以神经网络为核心的人工智能系统的科技创新团队。业务方向:人工智能业务,包括自然语言分析、自动问答程序、数据挖掘。经过三年时间的潜心研发与创新发展,已经为众多知名企业和机构提供服务,已成为人工智能行业的佼佼者。


纪要内容:

非常感谢有这样机会跟大家交流一下,我的题目是Aicyber的智能,就是说我们是一家用神经网络的方法来研究语义自动应答和自动学习这么机构这么一家公司。我们研究的机器人面对主要问题是QIA但是实际上我们在公司发展的三年多过程中也遇到很多问题,我们一直在思考一直在解决这些问题。今天我把这些问题带来一些比较典型的问题给大家分享一下。



我们现在把技术分析分成两个很经常会问我说,你跟谁谁有什么区别,那我现在总结一句话就是人工和智能的区别,和人工智能拆开。


我们说智能基本问题,我们来探讨一下,我们看法是智能是解决两个基本问题,就是知识和获取和应用,那么你如何去区分人工和智能,用这个指标就可以很清楚看到。我们认为什么叫智能?真正的智是应该有人脑的特征的,你能够自动的学习知识,你能够把知识学习之后把它形成像神经元一样网络语义网络和知识网络这个网络的能够在得到问题的刺激以后,像条件反射一样在记忆的网络里面丢出一个正确的答案就像我们回答问题一样这还不够,你还需要有主动的,因为很多情况下,其实问的人并不知道自己要问什么,而这个过程是一步一步互动过来的,那机器人要有主动应答能力有引导能力,它还有反向确认能力,它还能跟随你的话题上下玩确认,它还能学你的一个比如说丢给它一大篇文章它能够自动学会之后,你在问文章里所有的它都能告诉你相关的问题你不用写什么脚本。它还能根据学会的知识进行判断和逻辑推理,我们现在讲一步确定和多步确定后面我们会说这个是怎么做到的。这个就是我们公司认为人工和智能的一个根本的区别。


最便宜的就想一个月掏100-200块钱我一个淘宝店我就想雇个机器人来给做客服就这么简单。那它什么都能答我就不想管了你做得到吗?这是问题。对于我们来说说句很搞笑的话,最大问题就是不解决问题。最大的机会就是解决问题。我们看你需要作为我们来讲你想做什么样的机器人呢?很简单,首先要便宜好用,再一个不等于便宜没好货,便宜照样功能要强大要放到台子上它就能解决问题,还有你做出一个机器人,我们说所有人都要,但是所有人都意味着无数的场景。那就要求这个机器人对场景有超强的适应能力,它能够很快的学习场景应答方式,说得很简单你怎么做到呢?简单地的介绍一下,我在这说一下比较苦难的一个话题就是我必须介绍一下技术体系。

这是Aicyber的技术体系。这是几个主要构成的模块还不是全部但是这些很有地区性。首先说像STS的到软板箱制度它主要用在语料的学习和一问一答的这种应答场景里面,那说在这个领域这是一个在学术界也典型领域,在学术界最好的用IBM的保险测试以单行的之目前最好0.68,有做的0.67又做到0.6的,但是问题是0.68客户不买单,客户要买最低0.8,那我们怎么做到,目前我们能够做到0.67,10月15号我们会做到0.8,那怎么做到呢?为什么单模型最高0.68你怎么突破它,我们用的是多模型共同工作,然后多模型透料,最后优化出正确答案。将来的目前0.8之后我们下一步就会照0.81,0.82,0.85这个去提高,你在后面你每提高一个百分点,都是很困难的。


还有一个很关键的问题就是说我们在深度学习里面有一个名词有监督和无监督,就是有监督指得是我有数据让它去训练,无监督是我没有数据,有数据是大客户,比如说像联想、银行我可能有几年的客服对话的语料我能让你学习。这样的话我们拿这个语料去训练这个模型很快它就可以到0.8,主要模型对,但是你比如说我回到淘宝店,它哪有什么语料什么都没有这个时候在无监督的情况下,我们可以做到0.65。


这是怎么做到的,有几个组成部分,第一就是说我们可以用通用语应该毕竟行业有功用的这个东西,其次就是MT和DST,MT是机器翻译,DST是动态语音。第三个非常重要的AKBC,中文就是自动生成知识库。目前我们在国内可能在中文拥有最大的一个。这样形成这样公共知识库我们叫繁体库。我们拥有最大的一个22万条的本体库这是国内其它公司没有做的。就是AKBC那种板块你在看STS里面的中小客户无监督的那个问题就是我们可以很快把客户的产品知识库形成这种应答能力然后在送回STS应答场景里面所以它就有了无监督情况下可以做到0.65。这个就比较容易理解我刚才也谈到的就是我们技术特色。

那问题来了,就是说我们在做这个过程中,在同行包括投资人它们会问我有几个非常经典的问题,实际上我们在这讨论,谈一谈人工智能的基本问题,实际我们最大的问题就是概念的混淆,就是大家不太清楚这是什么,那个是什么混在一起说。这个问题就特别的经典就是说你的神经网络有多少层?


那我想说的是重要的话说三遍我不做端到端。因为当它问个这句话的时候,一定是隐含着一个问题,它的这个问题一定来自于端到端这种方式我们说神经网络里面研究里端到端是目前主流,什么叫端到端?就是说我在用的150层甚至200层的神经网络组成这么一个计算模型,然后我问题这边进去,然后答案这边出来我在这边测参数比如说这边是侧出一个0.65不行这边在换两个换一个卷积,就是随便换,换出来之后这个到0.7了到0.71了这个模型不错,最后换来换去找到一个最优的,端到端有一个问题,就是说在学术上虽然是主流但是恰恰我们公司是不做这个模型的,我可以问的你有几层,我说我充其量两层,直接对方告诉我不行,把我PS掉了。但是在这个上面我想多说一句就是说我们在国际上看到的大家其实都已经不用去讨论什么传统人工智能,浅层语义和什么深层就没有这个问题了大家现在都已经转到了深度学习讨论的只是技术方法。


而我们想说的是,在这还有一个很重要的问题,就是实际上我们看到所有这里面的STI包括用到的所有的论文,所有原始算法,包括神经网络都是公开,我们就一个问题,一个以人工智能的创业的公司它究竟它的核心是什么?你说它创新,它创新啥你用的东西全都是学术界都已经公开的东西,我们想说其实就是方法。人工智能公司在做方法创新。比如说我的技术体系是这样?我用神经网络做这个对系你用神经网络做端到端,从这个点开始这两家公司已经很大不同了,我们在说,就像学术的东西就像砖头一样,有的拿砖头去盖房子,有的去搭桥那无所谓就是我们说最后人工智能公司其实找的其实是方法,最值钱的也是方法。



再说具体点指标性最后客户为什么会选择这几个指标80%这是表面的,就是我们用一个月的时间达到了原来的机器人三年的开发量差不多的一个效果那么我后面只是持续学习就可以了。这个18%不用说了。报价挺有意思的,然后客户说多少钱?我报了几十万,然后对方虽然是200万起但是老关系人家要做工作你便宜一点,后来我又便宜20万,然后就成交了,这样我们利润率也很高。


它后面又提了一个问题,你看我PC业务买了你的机器人了,然后我的手机业务,还有我其它电销的业务都需要这样的积极人,其它那几个机器人多少钱?它的本意是便宜点,够来我说不要钱?为什么?我说机器人都卖你了,后台给你了,你直接把这个业务放进去不就能问了,这个东西归你了。它说这样的,那个报价每个机器人200万起这会儿客户就很爽最后终于决定这会儿基本差不多,后来它又问了两个问题,这个都是很关键的问题,就是后续因为过去它做了三年的银行的开发这个对它压力非常大,因为你面对几十万客户向你提问的问题时候,它问的问题大多数不在原先准备好的问句里面。就是大多数情况属于无监督状态,我说你要想在粗放一点,你可以让我们的机器人监听你的工程师跟客户对答这是自动的,不用花钱一个人都不用,它说那个我不敢我还是放一个人。这个成本它就完全可以自己在内部就消化掉了,以前就是1号的开发就是手写。


后续这个问题很关键,这台电脑可能它的说明书有这么厚,现在它回答的问题都是鼠标不动我蓝屏这种大路的问题那我要问一个关于我的这个型号某个配件的问题,你怎么答?这个时候其实我就必须用到这种说明书,如果我把这本说明书用脚本的方式全部写成脚本库然后去覆盖它,那写完这本书这一套它的开发成本可能已经是百万的一个大家伙了,而你用ACPC的方式几个小时就可以形成自动问答网络,在来你像联想笔记本可能有几十个上百个型号,那就有这么多本说明书,这个是未来我们对它的应答能力提出,将来它的机器人是可以针对某个型号进行回答的。

说上面这些我们来表达我们基本的价值观有几个点,我们认为人工智能是下一代的人网的自由交互界面这个在后面有一个很具体的一个阐述这不多说。我们觉得需求所有人都要,但是问题是场景所有场景都需要一个高智能。


面对多个场景你一定要有一个云核心,而不是说在每一个场景都放一个核心,这个结构是这样的。那我们就是说云核心我在云端智能核心给所有的的智能场景提供很高智能的引擎,然后用最低成本服务于全社会所有的应用场景一句话把这个快速的。


这个就是说我们现在带来一些点有兴趣这个可以下来慢慢看。

这是关键我觉得你的技术,我们刚才说了半天技术,我们技术达到目前这个程度那么最大的问题其实是场景的问题。你说你这么牛我怎么着的,那你怎么能够解决场景问题,场景开发才是最关键这是解决问题的关键。现在智能公司不要太自恋,总觉得我什么都能管我什么都办你们场景里的问题你们都交给我,其实不是这样的,我们觉得真正最了解场景一定是在这个场景里那个老大那家公司最厉害的,它们最了解场景,它们要投入资金要投入自己的通路去开发这个产品所以它拿大头这是很重要的。智能公司只是告诉我,跟场景里这家公司去学习人家场景里面的问题,给你智能解决的方案,跟对方形成场景这块这是我们基本的逻辑。


智能客服目前是我们自己在做,但是将来我们也会把它去放到行业里面去做那虚拟偶像,这个实际上基于这个技术你随便就是创意才是最重要的。玩具厂商是现在我们也在谈。


还有一个很关键大家注意这些黄色箭头是双向的,为什么是这样?就是说它向下的时候这个上面这个是我,这是合作伙伴,这是场景,下面是用户,用户可能几百万,几千万,还是老问题你能覆盖的应答的数量一定是它们问得问题的10%-20%大量的无监督的状态又出来了。这个时候我们的服务从云端下来从工作场景给到用户,用户反向要训练这个提供这些位置的数据上来到云端,把这个云端大脑智能在提高一下它的神经结点在增加这样形成一个数据链,这样云端智能就会不断的增加,周期可以缩短到为小时为单位。那就是说,用户在末端就会发现它的机器人在一段时间之后好象比以前聪明一点了。还有一个未来你看我这个都是一个一个分开的,这边还有用行为数据,那到某一天我们把所有的数据都打通,至少在后台来说我们可以说我们机器人可以各个场景里面把这个人认出来,就是数据被打通了,它的服务体验会更好。这个就是我们对于场景这些问题提出我们自己的看法和我们自己的做法来给大家分享一下。

因为今天谈未来我们也是其实人工智能主要还是面向未来,现在智能谈不上去主栽什么。


刚才谈到人网界面怎么去说呢?从历史的角度我们把互联网发展来做一个简单地的分解。就是人来操作互联网,人最终是从互联网获得服务获得帮助这是人上网的一个初衷。在每一阶段我们说PC时代产生很特别大公司像微软,为什么它帮你上网,它是人网界面这个硬件和软件结合起来,就是当时的人网界面是人是要讲机械语言,要输入各种方式你才能获得互联网知识服务和各种资源,到后来进入搜索和移动互联网时代这个时候就是做界面的这间公司就成为最大的那个从来都是这样就是说最终大家争夺的是人网界面。而到下一个阶段就是所有的设备,你看设备原来这么大现在变成手机到下一代没有设备,什么设备都不需要,人和网之间及时现在拿出手机来你的操作都是机械的语言,你只有学会机械语言你才能获得互联网帮助,甭管这语言多么简单,这也是机械九眼。但是未来互联网要学会人的语言,我也不会操作我什么都不懂但我知道我要什么,我只需要开口说互联网就能给我这个是怎么做到的?它的基础就是人工智能而人工智能就是要能够实现未来的人网自由交互界面。这是我们对未来看到的一个我觉得这是本质。


真正可怕第三个阶段就是自我意识复制。自我意识目前还没有搞请它的机理你也找不到数学模型去模拟它。所以在自我意识这个问题被解决之前这些问题就是说什么人机对抗什么这些都是伪命题。这是我们大家一些闲聊一下对人工智能来做一些实际上我想在表达一下我们自己的看法,我们站在未来来看今天作为互联网来说对人工智能这只是开始。想清楚就是技术上,想得很清楚。我们说现在市面上还没看到一款真正结果问题的产品至少我们没看到,我想我这个东西是解决这个问题的,但是你真解决了吗?不一定,我们说有没有可能,绝对有。那它还在来的路上。目前我们也刚才谈到了了这会儿做比较没意义,这么弱小的一个阶段,这么小的一个領域这么几家公司你做第一也没意义。关键是放下公司的界线,然后大家互相去就没有谁能保打天下。关键是我们要看到国际,这是时候一定要看国际上的方式,这是我们感受特别深的,我说问之前那么问题的如果你看到国际上大家在干什么这些问题恐怕就不会问了,我们是希望能够跟很多公司去合作联盟大家一起去推动解决问题的方案,加油吧。谢谢大家。


智能互联网新能源汽车

刘海明(智车优行)

演讲者介绍:

前乐视TV产品规划高级总监,智车优行联合创始人


公司介绍:

智车优行科技有限公司是一家创新型互联网公司,成立于2014年12月。公司业务范围涵盖了新能源汽车、智能汽车系统、基于大数据与云计算的车联网服务和解决方案、创新技术产品的投资等。


纪要内容:

我叫刘海明也是整个智车优行的联合创始人,所以今天我给大家简单用我公司介绍一下整个新能源汽车的一个简单情况,今天我们讲的题目是跨界整合改变。跨界对我们智车优行我们应该按照原来传统汽车行业的时候我们应该是外行进入一个传统行业汽车行业;整合就是以互联网方式去把一种新的方式来进行整合;改变就是一个以新能源的方式来造电动汽车。

就是大的趋势来说,大家也都很专业未来可能是智能化和互联网化。第三大块就是智能汽车现在也是我们公司正在做的一个重大产品;现在另外一个方向就是针对智能汽车的话会有一个智能交通现在无论从国家来说从各个方面来说都在重大投入一个方向,然后就是智能穿戴,实际上智能穿戴也炒了很多年了,但是真正普及起来的话还是很少的,所以这些智能家居也好智能穿戴也好包括后续的智能手机和人工智能基础这些相关的。

那我讲以汽车来讲就是我们对智能汽车技术和服务的一个规划我们主要分三大部分走:


第一是汽车电子智能化,因为现在最近刚上市车来看的话,电子部分逐步和以前比的话已经在很大的智能化,所以我们觉得未来智能汽车化第一部我们首先要做的就是要把汽车电子智能化要普及化。

第二个阶段是ADAS和自动驾驶的普及化那现在就是刚上车型,正像高端车可能会配有ADAS功能,像高端车的高配,配有那个就是ADAS功能,像低配和中配一般还没有这个功能,所以现在很难做到普及。

随着前两个汽车电子智能化以后,ADAS普及化后阴紧急就带来了就是整个汽车互联网生态化,最大的一个关健词就是连接。它连接到什么?连接到人,连接到车,连接到我们生活,这样就围绕人车生活做的,相应的服务。所以对整个这里面的投资商还是很大的。


针对智车优行有三大产品线:

第一生产线我们自己品牌汽车奇点汽车,目前我们现在整个研发的过程中,我们预计会在2017年底会有小品两的样车出来。

第二大产品就是整个智能汽车系统,整个汽车含了像仪表、中控、像HUD等等或者后面会有一个详细的介绍。

第三个产品线就是ADAS和自动驾驶的整个系统。那奇点汽车是我们公司品牌,第二智能系统和ADAS和自动驾驶除了给我们自己汽车品牌应用以外,我们与其它第三方平台进行合作会把整套的系统授权给第三方品牌。


这是我们整个汽车系统设计的策略我们主要从三条策略来讲:

第一个负责驾驶有关的仪表系统和负责娱乐系统是完全隔离的,保障整个驾驶系统和独立性和安全性。

第二我们更注重产品设计包括外形、视觉人工体验,然后把触控、手势、语音全新的我交付方式会应用到汽车上来。

第三个那就是我们用整套的互联网思维来优化整车的产品,提升易用性和可污染性提供以往的不同的那个驾驶体验。

这是整个汽车系统终端,这些终端我们现在都已经研发完成了,像仪表组合仪表这个仪表是液晶的,第二个就是HUD就是抬头显示是前风挡显示的,第三个就是中后视镜也是液晶方式的;通过后面会有KMU来实现的,第四个是行车记录仪,第五是夜视系统第六个中控娱乐系统,第七个是疲劳驾驶检测等等。实际上这每一个产品实际上很多公司都是独立公司在做。


下面介绍一下ADAS和自动驾驶这部分的话我们首先是想把整个打造形式一个轮式机器人,我们有三个方面:

第一个基于深度学习的图象识别,第二环境驾驶采集和记忆能力;第三自我策略判断和策略学习。

第三阶段完全增加大家所说的无人驾驶,那要做这部分的话目前当前来看的话,是不太可能,我们觉得至少8年以后甚至10年以后才能做到一个状态这块要大家。全天候的自动驾驶无论是下雨天,夜间、晚上等等所有情况完全是可以做无人驾驶。第二个还有一个条件是道路基础建设要完成,这部分可能要需要靠国家靠政府来完成的逐步实现的。所以就是首先我们先实现是第一阶段和二阶段。


第三阶段的话从技术商来说是可以的,但是从现实现状的交通情况包括法规上等等目前还不够健全,所以现在目前还是不能真正商业化的,现在大家市场上可能炒得比较多都在说无人驾驶,说明年我可以量产我觉得这只是在做营销,真正很难做到量产。就是我们整个从驾驶整个设计情况,我觉得这里可能渗透得比较多,从我们自动驾驶整个布置来看的话有四大是:

第一个是有朝雷波类的,还有环视摄象头,还有雷达,大家平时所说的24级雷达盖有陈长距雷达,大家所说的77级雷达,还有双摄象头,从目前来看的话我们整套车上会有12颗超声波雷达,环视摄象头有4颗,中等雷达有4颗然后长距有一颗,然后双摄象头总是两个双目摄像头来配套整个传感器组成了我们整套的AADAS和自动驾驶的一个架构,同时呢随着后面的激光雷达的成本不断下降的话,我们可以把毫米波雷达换成激光雷达这些主要区别于成本问题。从技术上和我们整个架构设计商来说是完全兼容的所以现在看到有很多的传感公司做24级雷达的传感公司包括甚至还有专门做摄象头的传感公司等等这都很大的产业。

我们目前整个第一阶段就是要学习,要实现雷达的自动驾驶相关功能,自动驾驶ACC自身的巡航像AMS,前端系统侧道偏离前方一工作盲目、探测,车端保持,并线辅助,后侧盲目辅助就是前方交叉口的交通辅助,包括交通标识识别疲劳系统自动紧急刹车等等相关这些功能实际上我们整个第一代车型上市时推出实践的。

所以我没有介绍具体人工智能的一些理论方法,更多是从整个人工智能使用场景给大家介绍一下,包括整个很车行业的。

下一个就是我们整个围绕汽车云服务策略,我们也是从三个方面来做的可能和现在不太一样的:

第一个我们是基于端到端的安全实现车辆完全采集和分析;

第二个基于在线商店实现多方多类的内容和服务提供;

第三个基于OTA技术实现整个产品功能升级,可扩展,可定制化。我们在第一代车型所量产的并不支持无人驾驶但是最后我们整个系统开发和工人开发认为可以量产的时候通过软件升级之前销售车就可以更新到自动驾驶和无人驾驶的车了就不需要在去更换任何硬件所以汽车三个策略我们所倡导的就是说智能化所带来的这个智能出行。

这是我整个云服务架构。从这个架构来说就是把我之前所列的所讲的全部提,这里面又有技术又有经用场景能给用户带来什么最基础的基础建设部分那就是基站整个互联网等等,基站部分的话后面会靠国家或者其它政府机构来建立相关基站,包括道路实施和部署。那剩下由这以上的那我们现在正在做智能驾驶的部分,自动驾驶整个角色系统然后还有图象识别算法自动安全模式和被动安全模式,然后对应之上的就是车联网或者整个服务,远程操控像应用帐户第三方OTA车语音的通讯AI的语脑,还有语音语义的脑,像语音语脑我目前和一家公司在进行合作,包括高薪地图我们现在和某一家地图厂商在进行高清地图的合作,实际上这里每一个部分实际上都可以划分到某一个公司去。然后针对车易网和增驾驶以后就对应的人的生活服务,比如像酒店服务、保养服务组织和分享服务包括景点自动门镜等等所以总结这个价位围绕人的吃住行玩分享这种提供给所有用户的几个大的维度和方面。


我总结这些,实际上我后面这PPT我没写可能是后面我们还要正在做的另外一件事情就是整个无人驾驶的一个策略厂,目前大家跟我说的全都是说我在做算法我在做执行但是目前国内还真正没有一个真正的无人驾驶场地,这个无人驾驶场地完全是可以模拟实际的交通状况来进行部署,目前整个在实施中,这个可能会某一个政府进行合作。因为要申请很大面积的地。所以针对这些ADAS我们是把人工智能完全落地到一个具体安排上来提供给消费者。所以整个智能产业还是非常大,非常全的所以这里相关的产品的技术和产类也非常大。所以就是反正整个市场来看的话,无论是从投资角度,从各个方面来看的话还是非常大的,反正我前面也简单做了一些介绍,如果有详细沟通和了解的话我们可以单独去聊具体的事情好谢谢大家。


Copyright © 大洼县打印机价格交流组@2017