我們正站在變革的邊緣，而這次變革將和人類的出現一般意義重大 – Vernor Vinge

如果你站在這里，你會是什么感覺？

昨天IT領袖峰會，又是一次B格爆表的會，BAT包括聯想等大佬齊出場，并且很難得的討論起風口這個問題來。除此之外，今年的互聯網峰會上還有一個細節很有意思，開場主講人一個是來自百度的吳恩達，一個是來自華大的王俊。前者講到了語音、圖像技術、用戶行為研究將成為驅動未來的革命引擎。后者則聚焦在數字語言和生命語言的交流、IT和BT（生物技術biotechnology）的融合趨勢。毫無疑問，這對外透露了一種強烈信號——人工智能已經被提到了與基因工程一樣高的地位，成為了人類社會未來發展的兩大關鍵科學之一。

一個是頂尖的深度學習專家、被譽為人工智能的泰斗；一個是華大基因首席執行官，是探索生物數字語言的前沿科學家。兩個來自不同領域的人，這次卻殊途而歸的提到了人工智能，并且都指出——不管是基因工程還是網絡工程，目前最好的生產力武器以及改變行業格局的就是基于大數據的人工智能。可見，基因工程和人工智能就像打開未來的兩把鑰匙，是不是已經牢牢握在華大和百度手里呢？

數據的世界呼喚人工智能

多年前，克隆羊多利轟動了生物學界。其實放到IT領域，其實就像是一次簡單的復制粘貼。只不過BT以基因信息為基礎，IT以二進制的0和1為基礎。伴隨著生命的密碼被解讀，在IT領域對于數據的操作，比如存儲、改寫、復制、粘貼，都可以在生命領域實現。基因是生命體最基本構成單位。每個人身上蘊藏的生命信息基本程序就是生命的語言。如果把每個人的數據都連起來，形成基因組網絡，其中的機會不可估量。

生物基因其實是最原始但又是最龐大和復雜的一個大數據，不止記錄了個體的生命信息，更記錄了一個族群整體的演化歷程。 華大基因在嘗試用大數據挖掘發現一些罕見病真正解決方案， 并且有一個計劃，搜索了100萬人基因數據，尋找那些單純從基因校對來講他應該單基因疾病，但是非常健康的超級英雄，這些人非常有意思，他們體內有非常明確的致病基因，但是非常健康。 因為體內有另外一套基因保護他。就像程序我一段出現bug，但是有另外一段修復，就非常健康。如果找出那一段是什么，也許可以找出罕見性疾病的藥物。

王俊說，“類似于我們講的 IT 互聯網，如此大的基因網絡最終需要人工智能來學習。BT 和 IT 技術殊途同歸，無外乎是對數據的改寫、備份和還原。”

華大基因最終要做的是需要人工智能來學習，因為這么大的量已經不可能用一個單一模型來解決。當擁有100萬人基因測序的時候，離這樣的能力很近。

我一直相信科技才是第一生產力，一切商業模式在技術面前都是紙老虎，基因工程和網絡工程，看上去風馬牛不相及的兩個領域，但因為有了大數據和互聯網連接， 然后隨著IT、BT融合，生物數據和互聯網大數據交融是一個非常大的趨勢。

怎么融合呢？其實生物數據也是數據，互聯網數據也是數據，世界歸根結底是數據的，光有數據不行，需要引擎，人工智能是引擎，有了引擎才能消化大數據。數據從量變到質變的過程，大量數據產生，需要人工智能進行挖掘分析提煉，生物也產生數據，隨著社會的發展和人類需求的變化數據會越來越多到達一個奇點。

下一個風口指向IT、BT？

IT和BT的融合其實已經實實在在發生，很多公司都已經走了一大段路了。

最著名的Google Venture的投資目的就是讓人類活的更久，投資了很多生物、醫藥等BT方面的公司，google的這種極具前瞻性的投資風格代表了這個融合的趨勢。

谷歌2012年投資的23andme應該是基因檢測領域非常知名的公司，前段時間著名制藥企業 Genentech 向 23andMe 注資 6000萬美金，用于分享后者的帕金森氏癥患者的基因組數據。它的聯合創始人之一 Anne Wojcicki 正是谷歌聯合創始人 Sergey Brin 的妻子。

另外一家公司， 曾從 Google 和 Dropbox 獲得風險投資的 Bina Technology 近日又再次收獲 650 萬美元融資。Bina Technology 主營業務是采用大數據的分析方法分析人類基因序列，他們的分析所得將成為研究機構、臨床醫師等下游醫療服務行業的基礎素材。就目前而言，將方向定位人類基因序列分析的美國企業多達 2000 家，這個數字到 2015 年有望達到 8500 家。然而，這些公司在處理復雜的基因數據上都力不從心。

包括23andme在內，這些基因分析公司都能夠采集人類基因序列信息并加以應用，推斷出不同客戶容易患上何種疾病，但其中很多數據并不可用。Bina Technology 希望填補這一空白，成為一個平臺、一個數據庫，讓研究型大學、醫藥公司、醫療機構等下游機構能夠在他們提供的數據之上，進一步摸清基因變異與各種病癥之間的關系。

而這個創業團隊的平均學識無人能出其右，均是來自斯坦福大學與加州大學伯克利分校的博士，研究方向為大數據或生物信息。

沒錯，Bina Technology 的目標就是把生命科學與計算機科學融合起來。而這個融合的關鍵點就是大數據的處理，以及人工智能的發展，而不簡簡單單是各自的發展，只是在某一個點上的交叉。

百度在這個融合上非常重視，對人工智能下了大注。依靠人工智能技術（百度大腦），在語音、圖像搜索方面取得了重大突破，BaiduEye、無人駕駛汽車、百度智能自行車，筷搜等產品不斷問世。這些產品建立起來的一個矩陣式、全方位的人工智能服務可能會把整個競爭門檻提到一個新的高度。

百度有很多數據搜集過來是關于人的行為的，而這些深度學習可以使百度了解人們的行為是什么樣的，他們傾向于做什么事情，他們喜歡做什么事情。因為百度的數據中心還有很多數據搜集起來，使百度了解不僅僅是人的行為，還有機器人行為。

這些下注和實實在在的布局代表了對這個融合趨勢的判斷，從各自的點出發，又殊途同歸，BT和IT的結合肯定是基于人工智能的大數據處理。

在這么一個大融合的時間點，不止是BT和IT，甚至各行各業都在融合，都在互聯網化，也都在大數據化，隨著融合的深入，數據量的激增，數據維度的激增，問題也日益突出。目前的解決辦法都指向了機器深度學習，以及更深一層次的人工智能。 在這么底層的一個領域都指向人工智能，信息量越大越智能，跨界越多越智能？那是否可以有個推論，人工智能連接一切呢？這種連接可能更底層，更基礎，更加的無聲無息，也同樣可以讓體驗更好，更智能。

而關于人工智能，吳恩達把這種融合提升了另一個高度。

“面向未來，如果想看一下人工智能給我們帶來的潛在影響的話，我不得不想到第一次工業革命，第一次工業革命是在英國，最后蔓延到整個歐洲的。我想這次工業革命在當時也是推動了 一些新技術的發展，最初在英國，最后整個歐洲都采用了這些技術，這是一百多年前，快兩百年的事情了。”

人工智能是否連接一切需要等待時間，但是關于風口，robin哥在大會上又個很經典的說法“風口”那里的人實在太多了，如果你的心態是哪有“風口”就到哪待著去，到了“風口”后又什么都不干，不久就會被人擠跑。所以要看自己喜歡什么、擅長什么，是不是真的能堅持很多年地一直做下去。