woyaodizhi@mail.com

此前，在第九轮中欧高级别战略对话中，王毅与欧盟外交和安全政策高级代表费代丽卡·莫盖里尼会晤后举行的记者会上，敦促“为各国企业创建一个公平竞争的环境”。王毅强调，中国反对出于政治目的的无端指责和搞垮一家外国企业的企图。博雷利承认，5G网络是非常重要的基础设施，控制这一技术者不仅将在电信领域拥有重要优势，而且将拥有各方面产业技术上的优势。

与此同时，印度失业率居高不下让居民对未来的预期难以乐观。印度经济监测中心此前公布的数据显示，2019年2月，印度失业率升至7.2%，为2016年9月以来最高水平，远高于去年同期的5.9%。印度汽车制造商协会统计显示，今年7月印度乘用车销量同比暴跌31%，创下近20年来最大跌幅，这也是印度乘用车销量连续第9个月下跌。汽车厂商因此纷纷削减产能，自4月以来，塔塔、本田等厂商暂时关闭工厂，这导致汽车行业面临严重失业潮压力。

记者：对于线下的销售，包括小米今年在线下的布局是怎么思考的？不知道现在能不能透露？雷总：我觉得这是一个很复杂的问题，现在我们线下基本大部分的店都停下来了，所以如果大家要买的话，第一，欢迎大家上小米商城，或者我们小米之家也有很多用户群，你在线上订了以后，我们也可以送货。所以，在特殊的疫情期间，大家可以选择小米商城，或者京东、天猫、苏宁购买。

铁矿石的涨价，与近年来国家的持续的产业结构调整有关。单从钢铁产能第一省的河北看，每年整合、关闭钢铁企业，力度空前，几乎以减产6000万吨钢铁的力度压缩产能。目前河北钢铁企业效益不断增长，产业结构调整成绩有目共睹。铁矿石价格“炒作论”存在无视现货供需矛盾的不断加剧的事实。我国经济发展持续向好，需求增加，这是价格上涨的重要推动因素。

新京报：从消费领域整体来看，有哪些现象和趋势需要警惕或调整？张近东：数据显示，2018年中国快递业务量突破500亿件，同比增长26.6%。2017年中国快递业消耗了塑料袋147亿个、包装箱86亿个、胶带3.3亿卷，编织袋30亿条。生活垃圾中，快递垃圾占据了90%以上的增量，与之对应的是，包装物总体回收率不到20%。然而我国物流末端配送环节仍然存在诸多问题和痛点：末端配送与城市交通管控矛盾逐渐升级，标准规范亟待出台；新能源车路权不明确，制约末端配送模式多样化、合理化发展。

第三个问题就是怎么落地，可能很多人认为，大家都在喊人工智能，真正具体做起来都知道，人工智能落地是如此地困难，就是因为我们现在对人工智能没有深刻或者本质的理解，所以现在人工智能能够做的事情是非常有限的。现在人工智能主要包括四个维度，第一个维度我们叫大数据，第二个叫计算能力，第三个叫算法，第四个应用场景，其实最关键现在主要是应用场景，要选择一个特别细分的垂直应用领域，这个领域就是要特别具体的问题，我们不去谈人工智能做应用的时候，做产业化开发的时候，不要谈那些高大上的东西，不要对它赋予很大的期望，认为它是一个灵丹妙药，找一个高人来，马上就可以把这个人工智能遍地开花，这是不可能的，人工智能要做的事情就做很细微的事情，做一个点点滴滴的事情，非常小的，因为人工智能可以有两句话，现在所谓人工智能就是人工+智能，有多少人工就有多少智能，实际上它是把人工通过以标签的形式转移给机器，然后赋予它智能的，所以有多少人工就有多少智能。有多高水平的人工就有多高水平的智能，比如你要做标签，做医疗，比如说你做CT，甚至看早期肺癌，这种标签不是给普通人做，需要国际顶尖医生来做标签，这样他得到的水平就是国际顶级医生的水平，否则就是一个普通医生的水平。怎么在制造业里面落地呢？其实就是要选定一个特定的问题，非常具体的问题，这个问题有什么条件呢？就是它信息化技术比较好，它做数字化、网络化，能够源源不断产生大数据，然后对数据进行采集、积累，做清洗、标签，控制它的标签，对标签进行审核，要做数据，基本上是80%以上，人力或精力要投入到特定问题、细分问题上做标签。举个例子，刚刚沈总说的，零部件的外观质量的检查，以前都是靠人，比如说看陶瓷产品是成品还是废品，看外观能看出来它的瑕疵是什么，现在人工智能这上面，这就是一个视觉，以前靠高技能的工人看，现在人工智能就在这上面有能力，因为它就是能够做计算机视觉的，如果我们建立起大数据，建立一支团队就做这么一个细分的问题，然后我们建一支团队大量投入进去，做数据积累、数据标签，建立高质量的数据，这是很笨的方法，就是靠这种笨方法，深根场景和数据，打磨人工智能产品，实际上是这么做的事情，不是一个高大上，一个万能的方法，一来了之后，一撒到下面，所有都成功了，这个根本没有，这是在认知水平的智能才可能成功，现在这上面没有什么突破了，主要是在感知智能上面才有这样的突破，所以这个时候只能用笨的方法，选中一个笨的问题，建立一个团队，很多钱投进去，而且这里面还有一个问题，越做到后面的时候，越做越难，因为它的数据到后面，比如说正确率是99.99%，我们有5个9，增加到7个9，这么一点点的提高需要的数据是指数增长的，我们把它叫做长尾效应，其实做到后面是特别难的，即使这么难，投入这么大的精力做数据，结果最后你发现有什么问题呢？还是做不到人的水平，我们是跟人比，比如说我们现在做人工智能，不管是产品也好，还是流程也好，还是他的服务体验也好，就是要做人类水平，我们现在看到很多新闻报道，里面都说超过人很多，比如人脸识别超过人很多，这是一个完备数据节，这是作为学术研究的，真正到人工智能落地的时候，是一个开放环境，是没有完备大数据的，这个数据是永远没有镜头，而且数据越做到后面越困难，因为它有长尾效应。在这种情况下还不一定能做到人的水平，这是现在算法的缺陷。在这种前提条件下，我们做数据工程，做大数据，包括尤其做大数据的标签，做高质量的大数据，去赋予它人的智能，把它转移过去，让它具有人的水平，在视听觉这种感知能力上接近人的水平，它就有产业价值。在感知层次上，其实有些方面它是不可替代的，你看到视觉能力、听觉能力、语音识别、计算机视觉、外观检查，很多数据进去以后，它确实能够达到熟练师傅的水平，师傅看到这个是成品还是废品，他也能够看到是废品还是成品，就是到机器换人，他可以做到自动化的处理，不需要人去做这个事情，可以把人替换下去。还有一部分是大数据洪流，不断涌现大数据，特别大的数据，这个数据人是处理不了的，必须要用实现用机器来做自动化，必须要用人工智能赋能，用这种方法做数据的自动化或者是知识的数据化，必须要这么干才行。这是数据流，比如说大数据、数据洪流的自动化的处理。