幺宝刚（左一）、张霖涛（左二）、容力（右二）、朱明杰（右一）

01 如何定义“可落地的 AI”？

幺宝刚：“ 这几年 AI 的发展突飞猛进，从算法到落地场景有点遍地开花的情况。但与此同时，质疑的声音也越来越高，AI 到底能不能落地，似乎还没有看到我们期待的落地的效果 ”。这里的关键应该是和客户需求的把握有关。

(朱明杰：如何寻找金融领域的 AI 机会点？)

朱明杰博士：金融行业内卷严重的大环境逼着大家去寻找一个能放大生产力的大杀器，那就是 AI。他表示，客户愿意买单的，就是真实的痛点。另外交易量规模也决定了银行必须采取类似 AI 的技术手段去精准解决当下社会上的焦点问题，比如 AI 在反欺诈方面的应用。

(容力：人工智能技术可落地的三个要点)

容力博士则从自动驾驶领域介绍了可落地的 AI。他简要介绍了选择重卡自动驾驶领域原因：重卡作为一个生产工具，如果 AI 技术的运用能带来降本增效的效应，例如省油，就能带来巨大的经济和社会效益。

(容力：乘用车自动驾驶技术落地的两个流派)

张霖涛博士：“ 隐私计算是 AI 落地的最后一公里。从用户角度看，隐私计算本身不一定有价值，但用户都认可的是数据带来的价值，而隐私计算是基础。” 他介绍了在他们平台的基础上，解决的一些医疗相关的场景。

02 单点切入，还是端到端解决客户的痛点？

幺宝刚：“技术型的公司，往往会针对一个具体问题，去解决这个问题。但从产业或者企业的角度，只解决一个技术上的单点问题可能不够，客户需要一个解决方案“。

朱明杰博士：在给大客户做的单点技术问题过程中，持续学习业务的 Know-How。把业务的 Know-How 变成内核。归纳下来，就是前期做单点，越到后面沉淀的东西越多。

03 AI 落地如何规模化？

幺宝刚：AI 落地如何规模化？如何避免 AI 应用落地时都做成一个个定制化项目？

(张霖涛：隐私安全计算面临的落地挑战)

张霖涛博士：“ 这是所有 To B、To G 业务的痛点，客户往往是要定制的。只能从个例项目出发，不断积累、在过程中不断地优化自己的能力。”

容力博士则表示：首先要非常清楚我们要做什么样的产品，并且花一些时间去定义这个产品，按产品的方式做，就规避了做项目。

朱明杰博士称: 跟大的头部客户做前沿的标杆探索，跟相对小的客户做高效的产品复制。

04 未来所有的企业都是 AI 企业？

论坛最后对 “ 未来所有的企业都是 AI 企业 ”的话题进行了探讨，朱明杰博士提到“人口红利没了，进入到内卷时代后，必须借助工程师红利，这样企业就不得不成为 AI 企业。”容力博士则表示，只有一小部分公司会成为 AI 的公司，其他的公司需要借助这些 AI 公司实现赋能。张霖涛博士则认为不一定所有的公司最后都是 AI 公司，但所有公司可能都是数据驱动的公司或者数据公司。