对话微软全球执行副总裁沈向洋：关于AI终极“七问”
2018年5月21日，微软在北京举行了人工智能大会（AI Innovate），展示了从全球到中国的研究成果。自从萨提亚·纳德拉（Satya Nadella）2014年就任微软CEO以来，微软确定了“AI和云为先”的战略。4年以来，微软股价涨了202%。
比起Google等同行，微软的AI研究似乎“藏”得更深。除了会打电话、会写诗和会聊天的微软小冰，微软的AI还做了哪些事？微软对一些前沿AI应用的理解是什么？微软如何看待人们对AI的过度恐惧？以及，微软为什么不像Google那样做TPU机器学习芯片？
围绕这些问题，微软全球执行副总裁、微软人工智能及微软研究事业部负责人沈向洋博士与PingWest品玩创始人骆轶航进行了一次对话，回应了关于微软人工智能的终极“七问”。
一问：人工智能应该被更温暖地使用
骆轶航：今天我们主要聊聊微软的人工智能特色优点。我们会聊到一些AI教育、AI应用和关注普适性、普遍性的问题。开始我还是想先请您讲一个故事。您跟罗彻斯特理工学院的Brian Trager在Build大会上有过对话，但Brian Trager本人失聪是听不到的，而您当时讲的中文。那么两个人是怎么沟通的，原理是什么？背后的场景和技术都是什么样？这个东西可能很多人都会很关心。
沈向洋：是的，我可以给你讲一下这个故事。Brian Trager非常了不起，因为他天生听不到。我以前对这些东西也不懂，跟他一起工作了两天我才知道，失聪以后其实听力是没有反馈的，不像我们，讲话自己还可以听到。虽然我们听到的也不是完全真正的声音，是通过耳骨传过来的，但已经足够好了。Brian因为说话声音没有反馈，所以他讲话的声音就不太对，一般人听起来觉得有点怪怪的。
罗彻斯特理工学院设立了一个非常好的项目，有很多专门培养聋哑学生的课程。他们后来知道我们微软有相关的人工智能技术之后，就跟我们合作，在项目里加入人工智能技术。其中有两大技术比较重要。
一类技术是定制语音识别服务。对于通用的语音识别，比如你讲的话、我讲的话，微软的技术就可以听懂，这是通用的模型。但是聋哑学生那样的语音很特别，发声很奇怪，可能以前模型里没有搜集到过这样的数据。所以，在微软人工智能的认知服务里面，我们提供了定制服务。这是我们的强项，可以用少量的数据令你做得很好。不光是语音识别，还有语音合成。
另外一类技术是翻译。翻译这一块，我们做了很长时间，最近取得了非常大的进展。今天会场上黄学东博士演示的一款魔芋AI翻译机，卖得非常好，后台就是微软做的。
骆轶航：所以概括一下，其中主要用的是两个技术，一个是语音识别，包括定制化、识别特殊的人声，通过大量的数据把它合成成普通人能够听得懂的人声、机器能够听得懂的发声；第二是翻译技术。结合这两者做到这样的事情。
沈向洋：其实很了不起。像我的英语，其实是Chinglish；我的中文，也有南方口音。所以你提到Brian这个例子，今天我也很激动。我们还有一个类似的例子。有一个叫做宋昊旻的南京孩子，从小就已经听不到了。他非常了不起，唇语阅读的能力非常强。他今天跟我做了一次交流，而且我反过来用英文跟他说话。
这是一件很感动的事情。我觉得更加重要的是，微软让人工智能有正能量。对盲人、聋哑人这类人群而言，技术上已经好到足够的地步了。做人工智能不见得要完全从商业利益出发，我们很希望能够做一些这样正能量的事情。
二问：微软小冰会打电话是真的，但Google AI给餐厅打电话是真的还是假的？
骆轶航：我们刚才提到了微软两个非常重要的引领性的AI技术，我很感兴趣。这个牵出第二个非常感兴趣的事——微软小冰。小冰是一个沟通式、对话式的人工智能。小冰打电话这件事两年前我们就见过，不过上周另一家总部在Moutain View的厂商（Google）也演示了一个很酷的AI的打电话的演示，当时我也在现场。
沈向洋：很激动人心，那个演示得很好。
骆轶航：能不能简单评价一下，让人工智能跟人打电话能够做得很顺畅、很无阻，听起来不像是一个机器，最需要做到的东西是什么？以及在这个方面微软和那家公司（指Google）做得更不一样的地方是什么？
沈向洋：首先我觉得Google做得蛮好的。当时演示以后大家都非常激动，因为他做了一个全双工（Full Duplex）。视频演示出来之后，我们也去看了一下，认真学习了一下，其实是很认真地研究了一下。这个跟我们在一年多、两年前跟小冰打电话不太一样的地方是在这里：
第一，我们在中国做了以后，没有想到把这件事情包装一下，讲的范围更大一些。因为对整体技术的成熟度来说还比较早。我待会儿会讲到里面真正的技术难点。
第二，他们选择了一个场景，这个特定场景对于用户来讲，能让他们一下子就明白技术是什么。
骆轶航：但人工智能通电话不仅仅是给餐厅打电话。
沈向洋：对，人工智能不仅是一个服务型的场景，它其实是一个专业领域。我们现在技术落地有两个领域。小冰是一个大众领域，她是一个聊天机器人，你什么都可以跟她聊。你打电话去餐馆就是定餐，不会是跟餐馆的人说我明天去哪里旅游之类的话题。所以相对来讲比较容易一些，技术上的难点反而少一点。
如果要讲到其他领域的事情，它就会讲，你问这个问题我不知道，问的人其实可以理解这种回答。人跟小冰一起聊天的话，总希望小冰慢慢变得越来越聪明，什么都知道一些，但这需要时间。不过，我觉得这个特定场景是Google做得很好的地方，我们要不断向他们学习，希望我们以后有更多更新的技术去做得更好。
既然大家这么有兴趣，我就再讲一下我们刚发布的“全双工语音技术”，Full Duplex。
我们不光做了中文的，日语也做了，未来会把它推广到英语和其他语言。最重要的是，我们会把这个技术开放给三方开发者，大家——包括其他的开发者——都可以用我们的技术来开发他们的应用。
骆轶航：开发者开发后，会把它变成自己的专业领域的应用。
沈向洋：对，为什么大家觉得做“全双工语音技术”很有道理呢？其实全双工语音技术已经应用到一些IoT的产品里，比如小米之家。
从演示的视频可以看出，你有没有连续对话的能力，用户有直观的感知。不然老是讲“什么什么同学”，问一句；接着讲“什么什么同学”，再问一句；它只能是一个玩具。不像我们两个人讲话，不需要反复提及人名。讲几句提一个“Harry”好像亲切一点，但不能每句话提一次。在这些方面，大家逐渐在重视这个问题。如果我们把技术开放给第三方的话，对这样的对话式人工智能的发展具有非常有正面的促进意义。
骆轶航：我理解在人工智能对话中，双方的努力点不一样。微软更多是大众领域，Google更多是先在一个专业领域。但是微软正在努力把这个Full Duplex的技术开放给第三方，让第三方基于大众领域创造自己的专业领域。这样能验证人工智能在不同场景、和非常特定条件之下的对话能力。
沈向洋：我们也做专业领域，很努力地做专业领域。我们觉得有一些非常有价值的专业领域，比如客服。餐馆订餐当然也很有趣，但相对来说，客服的商业价值更加可圈可点。其实我们非常希望Google能很快做出他们的产品，我们可以真正地试一下。最近我不知道你有没有看到有人挑战说这个演示是假的。
骆轶航：对，结果第二天Alphabet（Google母公司）董事长出来讲我们这个已经通过图灵测试了。
沈向洋：后来有一个媒体就挑战说演示是假的，为什么是假的？你听整个对话当中一点噪声都没有。而且记者很认真，说你不是在Mountain View吗？他就在Mountain View打了二十几家餐馆的电话。结果发现电话接通后，餐馆的人一定会说“Hello，XXX Restaurant，May I help you？”但整个演示里面都没有。
那个记者很执着，就问他们能不能告诉我是哪家餐馆，我要验证一下是不是真的有人给餐馆打过这个电话。Google拒绝给出名字，记者就生气了，说你是不是假的？Google不肯回应。
我觉得这都是小插曲。技术肯定会越来越进步，但是现在肯定还会有很多难度。
首先是语音方面，接下来是语言理解方面，这是一个长期的过程。但有一件事情是肯定的，就是质量会越来越好——随着数据越来越多，用户越来越多，大家用得越来越多，毫无疑问质量会越来越好。
三问：对人工智能来说，EQ（情商）比IQ（智商）重要
骆轶航：这很有意思，之前人们对于小冰的很多理解是娱乐性的：小冰跟我推测一下，我讲的是哪一个人？小冰跟我聊聊天。小冰给我随便打个电话。打一打电话，随便聊几句，给你祝贺个生日。大家觉得这个是娱乐性的，但是大众领域要做的东西很多，大家更多是期望看到在具体场景之下的应用。
小冰是AI一个出口，尤其是中文的角度。它有中文自然语义处理、语义分析，还有翻译都要用进来。所以小冰写诗，是对我比较震撼和刺激的一件事情。因为过去我们认为创作是人面对人工智能最后一道心灵壁垒。
前不久我跟刘慈欣聊天，我们说这个壁垒没有了。刘慈欣开导我说，你不要这么去想这个问题。你管它是怎么创造的，管它有没有情感，创造出来比你厉害不就够了。所以我非常想知道，我们为什么要做小冰写诗这件事情，以及微软内部这件事情的看法，这件事情之后有哪些反思？
沈向洋：这是很好的话题，这个话题可以聊很久。做小冰聊天机器人的时候我很支持。但一开始我总觉得聊天机器人这件事情可有可无，结果产品团队跟我说：其实聊天是刚需。
后来我做了一下研究，原来真是这样。一个人一天内，聊天要聊几千句，女生还要再多一点。中国互联网还有相对特别的地方，就是网民中大概有三分之一，上网发表一个意见以后，从来没有人回应。比如说一些到城里来打工的人群，就算有一个朋友圈，大家相互之间的隔膜也比较多。他们其是希望有一个可以相互理解、交流的过程。我同事说像你这样的人，微信随便发个东西，只有200个赞，就好像很不满意。但是很多其他人不是这样的情况，通常没人理。所以后来我们做了聊天机器人。
其实小冰最最了不起的，是促使我们真正研究EQ这件事儿。我们今天整个大会议程里也专门提到了EQ（情商）。人工智能是在增强人类智能，当然有不同的方法定义智能，你可以讲IQ（智商）和EQ。但EQ究竟是什么？它是有定义的，EQ包括你自己的理解和别人的理解。
我们觉得小冰最了不起的事情，就是在所有聊天机器人里面，对EQ这件事情是真正去建模、真正去研究、真正去实现的。再回头讲到，小冰有很多很多技能，像写诗、唱歌，我们产品团队的确有很多思路。
比如写诗，在微软亚洲研究院已经有很多年的历史了。很多年前，我们做过一个对联系统，现在可以上那个网站还可以看到，出个上联它给你对个下联，还有横批，对这个对联不满意还可以固定几个字重新生成一下，做的还挺好。后来开始有人说，说不定可以写诗，比如写个七律什么的。而小冰写诗，稍微有一点取巧了。因为创作的东西，最难的一件事情是创意，是Cold Start（冷启动）。而写一首诗需要的是感觉，所以当时他们就走了一个捷径——说那这样吧，感觉在图里面，你上传一张图，我给你分析一下这个图的大概样子。
骆轶航：这就是人和机器理解事物方式的不同，机器要从视觉识别才可能有“灵感”。
沈向洋：对，从视觉识别开始的。我们有一个研究队伍写了一篇论文，讲的就是怎样从一张图找出它的意境里的关键词，再用这样的一些词串起来。写的挺好。现在小冰写诗越做越好，今天我们还跟中国青年总社一起合作做了一个工具，让人和小冰联合创作写诗。我们希望在不远的将来，选一批写得很好的诗出来。我们相信以后人类和小冰可以共同创作，说不定可以创作出更好的内容。
骆轶航：可能不只是诗了，人和AI一起创作关于AI的科幻小说。
沈向洋：也可以的。人其实最难的就是出个初稿，有了初稿以后，你就有了一些想法，然后这里改改那里改改，越写越好。我自己也和小冰写过一首诗，就改了一些字。
我们讲好，所有IP都是用户的，小冰不会占你的IP，你直接发表。你改一个字改两个字好也好，这都是你的IP。所以大家都很高兴，当时上了线一个星期还是一个月，就好像有几百万，我忘记那个数字了。那个诗歌数量的总数，比中华人民共和国建国以来所有发表诗歌的总和还要多。
骆轶航：所以机器下起棋来比人可怕，这是Google证明的，因为人和机器理解围棋的方式是不一样的，现在看写起诗来也是。
沈向洋：其实AlphaGo这个事情对亚洲人、对东亚人而言，不是触动很大，而是打击很大。我们小时候，小学进围棋队就很聪明了；中学进围棋队就说明你很牛了；你进了清华还能进围棋队那就不是一般人了。但在今天，这些都不算什么了，因为机器随便就能把你干掉。我们小时候人家都说最了不起的、很聪明的，智能的，就是下围棋了。
骆轶航：既有意志又聪明，甚至有对哲学和“形而上”的感悟，现在这些东西彻底被消灭了。
沈向洋：对，就彻底被消灭被杀害掉了。
骆轶航：所以对亚洲人打击非常大。其实小冰，它也瓦解了人们另外的一部分，就是人们觉得我智能上不能跟机器相比，但是创作上可以——现在这件事看起来也没有那么重要了。
沈向洋：没有那么重要了。我觉得很多新生事物刚出现的时候，大家不是很清楚，不知道怎么理解。我小时候在乡下长大，人家老讲乡下农民的故事：以前刚装喇叭的时候，喇叭里面播新闻，农民总是跑喇叭后面看看人在哪儿。新生事物大家总是得慢慢接受，我们没有什么选择，我们是第一代跟人工智能共生存的一代，所以必须要找出方法和人工智能一起生存，甚至怎样利用人工智能让我们的生活更丰富。
四问：人类对人工智能的过度恐惧，来自对“AI服务于人类”的怀疑
骆轶航：所以接下来说另一个我们想去探讨的话题。您讲的农民回到喇叭后面看那个事情，他是一种好奇，未必是一种恐惧。我过去觉得中国是一个非常“Pro Technology”（热衷科技）的国度，尤其是互联网给中国过去十年的改变太大了，美国人相对保守一点。但是去年我发现整个全球范围之内，人民对人工智能恐惧心里普遍严重了。
而中国是对人工智能有过度的忧思。比如我正在跟妈妈聊关于装修的事，怎么突然某个工具给我推了一条装修广告，它是不是开启了我的语音麦克风推了一个东西？我们虽然知道不可能，但这种恐惧非常普遍。在美国，有Open AI这个组织，他们在过去一年反复提醒人们关于人工智能的一些警惕，比尔·盖茨也曾参与过他们的一些讨论，也与扎克伯格有一些争论。在中国，AlphaGo给大家的刺激挺大的，大家知道机器的“可怕”了，所以有过度恐惧在里面。我现在想了解的是，微软包括您个人在这样的一个过程中是什么样的看法和角色？
沈向洋：非常好的问题，其实对人工智能的担忧，我个人觉得有几个不同的层次。
大概三年前，尼克·鲍尔森的文章就说，当AI出来，这个世界就要完蛋了。特别是他写的很详细什么叫Super Intelligence（超级智能），什么时候会超越人类。另外因为AI用了你很多数据，你觉得很恐惧，比如甚至会影响到大选和你平常的生活，这是另外一个层次。
微软研究人工智能的技术已经很多很多年了。这些年我们开始做产品，做人工智能这些产品的时候，我们认识到，以后人工智能一定会进入到所有的产品里。所以我们非常认真的思考一些事情，比如AI是不是应该有伦理道德，我们为什么要做AI？伦理这件事情，最基本意思是说，不能为所欲为，要有约束。
微软对人工智能的观点是很清楚的，做人工智能的目标是帮助人类，方式就是要让人工智能普及化。所以最重要的一点，是看大家是不是对这个事情足够重视？微软一年前成立了一个AI伦理委员会（AETHER），这个委员会把全公司的产品部门、业务部门，还有更重要的法务部门集合在一起，研究院的一个同事和法务部同事做联合主席。
我们觉得这里有多方面的问题。第一，偏见的问题，人工智能是不是公正的；第二，透明性，为什么人工智能会是这样一个情况；第三，可靠性，如果你利用AI导致了怎样的结果，最后是谁来负责，是谁来做这个决定的？比如自动驾驶出事故了，往左边会撞死一个老头，往右边会撞死一个小孩，那该往哪边撞？或者往左边撞的是一个人，往右边是一头猪，你会往哪边撞？这些事情，今天还没有法律约束。再比如自动驾驶突然出车祸了，警察来了，你说我都蒙掉了。警察很同情你，他可以理解，肯定所有的事情都是预先编程在里面的。但这个问题很严重，谁来负这样的责任？
所以，有很多很多这样的问题需要解决。我们刚起步，在这个行业中还需要大家认真对待、真正去研究这些问题。不光是高科技企业，包括社会、包括政府、包括法律，都需要不断的跟上。
五问：AI不是互联网上的“风口”，而是next to互联网的下一代基础设施
骆轶航：其实微软的人工智能，包括我们谈到的对话式人工智能、翻译、神经网络、自然语义处理和分析，我们提到这些应用，还是在和人沟通一些层面上的应用。大家还没有更多的往实际场景去做，比如自动驾驶，那么微软对这些事情的想法是什么？
沈向洋：首先，微软是一个“蓝领阶层”的公司，我们做的都是比较初始的工作。我们一直都觉得微软是一个平台公司，我们的使命是去予力全球每一人、每一组织，成就不凡。我们相信，能够让其他人做的好，就很好了。
说到自动驾驶，我们有很多技术应用在自动驾驶里面。我们几乎跟所有的车厂都有合作，但是自己没有去做一个自动驾驶，然后把整个汽车行业颠覆掉。微软不是这样的方式。
我们在智能云这方面有四大部分：第一，认知服务。我们有一批API，所有想要写AI应用的开发者都可以用这个服务。第二，对话式人工智能。懂语言者得天下。这是人的交流，一定要对自然语言有理解。其实人的一生就是不断在学语言。第三，开放的平台和工具，让你的开发更加方便。第四，基础设施。特别是实时的人工智能基础设施，让开发者和企业，能够用微软的云和AI进步得更快。
同时我们也对垂直行业很重视。比如，客服是一个巨大商机，不过现在没有很好的产品和平台。另外，我们觉得必须要认真对待和钻研人工智能医疗。在这方面，我对中国的情况不太了解，但美国现在全国GDP的18.5%是用在医疗上的。
骆轶航：美国是相对来说比较高的比例。
沈向洋：非常高。我老是跟同事开玩笑说，一帮老美，身体没有比英国人好。英国一年只有9%的GDP用于医疗这块，美国用于医疗方面的经费超过人家的一倍，也没看到身体比人家好。所以我觉得，在这方面，AI会给我们带来一些新的机会。
骆轶航：也就是说AI是相当于“互联网”这样的基础设施，而不是互联网之上的某一个“风口”？
沈向洋：对，不是这样的。AI实际上是注入到所有的东西里去的。我最近经常跟美国一些大企业的领导交流，我老是跟他们讲：你一定要明白一件事情——AI到来的时候，你肯定会被颠覆掉的。那时，你只会有两个选择，要么被别人颠覆掉，要么你就自己颠覆自己。
你自己颠覆自己的话，需要有技术合作伙伴。那么微软可能是一个很好的合作伙伴，我们可以帮助你，让你自己能够颠覆自己，走向一个新的自我。
六问：基础研究在云和AI时代的微软，比Windows时代有哪些不同？
骆轶航：其实2009年左右我就见过微软总部研究院的一些演示，我们会觉得这个东西好好，这个东西好有意思，但是就是没法用，离现实有点远。那么产品在哪里？那时是Windows时代的微软，前沿技术研究和现实产品的距离很遥远，现在我们到了一个“云和AI时代”的微软。而且您身处的这个位置，又是从全球研发、基础研究，迈向到商业化、产品化的角色。现在，前沿的基础研究和实际产品之间的距离，这个距离比过去大概有一种什么样的拉近吗？
沈向洋：这个问题非常非常好。这也是我自己不断思考的问题。我自己比较幸运，可能我是很少几个做过很多年非常深的科研——我博士以后进微软大概做了11年自己的基础研究——后来接下来11年在商业、产品也有经历的人。很好谈不上了。我觉得很幸运有这样一个经历，life is a journey，这样一个很好的机会令到我两边都可以观察到。很多年来，我在微软研究院一直提倡一件事情，叫做Deployment-oriented Research（基于实施的研究）。研究不是只是写写论文，而是在于你东西做出来了以后，应该把它建立出来，放出去。放出去最大的好处就是，你有了用户，有了数据，你可以看到新的问题，甚至可以看到原来做的是不是真的有道理。
如果你真正是一流的高手，有幸到微软研究院做科研的话，有一件事情是重要的——你是不是真正想做了不起的事情，这件事对这个社会，对这个行业，对这个专业会不会真正产生影响。公司里的小成功是必然的，问题就是在于你是不是追求一个大成功。
我举一个例子，微软在Azure上面做的一个我个人觉得非常激动人心的项目，叫做Azure Sphere。它实际上是物联网的一套整体解决方案，我们做了一个非常小的芯片。做嵌入式系统的时候，冰箱里会有这种很多很多这种小的东西，以前所有这种东西都不联网，所以很便宜。而我们做了一些改变。第一，我们把整个东西改进了，以后可以上网，并且是嵌入的。第二，它是安全的，一旦东西联网了以后，最大的问题就是安全。所以我们首先做了一个安全的芯片设计，然后在上面做安全的操作系统，联网到安全的云端服务。
这个就是接下来大的风口。我觉得这是我们看得很清楚的地方。手机慢慢变成一个夕阳产业，手机整体的量已经往下走了，不要讲PC了。接下来大的东西在哪里？肯定是物联网，因为这些设备数目还在拼命涨，而且会越涨越多。这些可以连接网络的设备，以后会给你带来无限多的商机。现在已经是90亿数量的级别了，但是到现在为止，不到1%的设备是互联的。这里面有一个非常大想象的空间。
一旦连起来，就有数据了，一旦有数据就可以做分析，一旦有数据就可以有智能，很多很多都可以连接在一起。我们做了四年的研究项目，一开始的时候，大家觉得这件事情不能做。
骆轶航：离当时的现实太远。
沈向洋：我觉得很了不起的地方，就是到最后，还是有这样的一批研究人员或者是工程师，想要做一些前人觉得做不了的事情。这个才是最最了不起的。
骆轶航：如果没有当年这样基础研究技术投入的话，今天就不会迎来这样的物联网连接的市场。
沈向洋：对，需要有这样的一个技术投入，而且你真的愿意去做。为什么我讲Deployment-oriented Research呢？不是我有一个方法、有一个算法就结束了，真正有用的东西实际上是需要经过一个用户检验的过程。
七问：为什么微软不做TPU？
骆轶航：既然说到了芯片，看来微软在芯片的领域，AI和物联网芯片的领域有一个更早的接触和积累。这个非常有意思，我们随便聊聊，微软为什么不做类似于TPU（张量处理器，tensor processing unit，Google为机器学习定制的专用芯片）这样的事情？
沈向洋：也有做。其实每家公司芯片都是心中之痛，都是在学苹果，基本上就是做行业集成。大家可能不知道，微软一直有做芯片，我们做有做Xbox的，也做HoloLens的芯片。其实，刚才提到TPU和数据中心。我们走的一条技术路线跟TPU不太一样，我们走的是FPGA（Field－Programmable Gate Array，现场可编程逻辑门阵列）的道路。今天我在会场也给大家放了一段Real-time AI（实时人工智能）的视频。FPGA现在是非常适合在AI方面执行的。
AI分为两个部分，一个是建模，你会用很多GPU去运行。另一个是AI的执行，算法弄好了、调好了，你要跑起来，而且要跑得很快。我们现在FPGA整个这套体系做得非常好，已经全面铺开。两个星期前我们发布了FPGA，你可以把它想象成可编程的硬件。我们也非常关注GPU，因为一旦你的工作流很清楚了，你把这些东西带到芯片层面，这是很正常的事情。
骆轶航：是，但是这个过程也是需要钱的。到现在谷歌TPU那边，还完全是自主的，完全没有跟大厂合作生产，自己做。
沈向洋：他们做了一个TPU Tools。其实它技术上不是那么简单，还是有一些挑战。比如说Batch Size（计算批量），什么样的Batch Size才可以用到它这个性能做得更好。我们写了一篇FPGA的文章，跟像TPU这一类的东西做过比较。相对来讲，微软是有一些技术上的优势的。但是做技术人都有自己不同的看法，真正的赢家是能够把这些东西做到产品、做到服务，真正有用户，真正有用户能够从中得益。这才是最了不起的事情。