第二,愈來愈寬的數(shù)據(jù)池與越來越強大的計算機運算功能的出現(xiàn)和發(fā)展協(xié)同機器學(xué)習(xí)和深度學(xué)習(xí)(與更多的數(shù)據(jù)和計算功能)的發(fā)展,將會影響全行業(yè)的所有公司;
第三, AI即服務(wù)(AI-as-a-service)的發(fā)展將會打開一個全新的市場;
第四,高盛認為,一個公司若能很好的運用AI。它將會獲得有利的競爭優(yōu)勢;
人工智能將帶來變革
從人類告訴計算機如何去做,到計算機自己學(xué)會去做,人工智能不斷發(fā)展。它對全行業(yè)都有著深遠影響。也許在下一個冬天(AI Winter)到來之前,我們并不知道這究竟是希望還是失望。但起碼,這些投資與新技術(shù)可以讓我們享有機器學(xué)習(xí)所帶來的效率提升與經(jīng)濟益處。
過去幾年,人工智能、機器人、無人駕駛汽車成了熱詞。我們認為,這是一個轉(zhuǎn)折點,而不是一個失敗嘗試的開始。其中既有較為明顯的原因(如更多的數(shù)據(jù)、更快的計算機運算能力),也有些沒那么容易察覺、比較細微的原因(如深度學(xué)習(xí)的跨越式發(fā)展、專用硬件、開源服務(wù)的增加)。
人工智能的運用并不僅僅局限于遠在天邊的技術(shù)界,其商業(yè)化運用比比皆是,從蘋果公司的Siri(自然語言處理),亞馬遜的Alexa(自然語言處理),到谷歌的識圖技術(shù)(計算機視覺與圖像識別)。隨著技術(shù)的發(fā)展,這些產(chǎn)品與服務(wù)的質(zhì)量也越來越高。當(dāng)大數(shù)據(jù)與強大技術(shù)結(jié)合,新的增值點與競爭力就這樣誕生了。許多例子皆可佐證這一論據(jù),在醫(yī)療行業(yè)中,圖像識別技術(shù)可以提高癌癥診斷的準確率。在農(nóng)業(yè)中,農(nóng)民可采用深度學(xué)習(xí)技術(shù)來提高稻物產(chǎn)量。在能源行業(yè)中,勘探效率得以提升。在金融服務(wù)業(yè),分析的成本降低了,也更快了。雖然AI還在其發(fā)展的初期,但隨著通過云端服務(wù)的逐漸普及,我們相信一波新的創(chuàng)新潮流即將到來,未來便可見,在每個行業(yè)中,誰是贏家,誰是輸家。
我們也認為,人工智能的廣泛使用會提高效率并促進全球經(jīng)濟;對美國而言,經(jīng)濟滯脹將會停止。如同在90年代一般,AI技術(shù)的迸發(fā),將促使大公司投入更多資本到資本和勞動密集型項目中,以此推動經(jīng)濟增長;企業(yè)的利潤率以及股票皆會提升。
人工智能是一門讓機器或電腦軟件可以學(xué)習(xí)、解決一些,通常需要人類智慧才能學(xué)習(xí)或解決的知識和問題的科學(xué)和工程。人工智能也是在描述計算機試圖模擬一種智能行為;比如說試圖模擬像人類一般的“知識”,“常識”,“學(xué)習(xí)技能”以及“決策分析”。傳統(tǒng)意義上說,這包含自然語言處理和翻譯、視覺感知、模式識別以及決策技能,不過因為隨著人工智能的領(lǐng)域愈來愈寬,人工智能的內(nèi)涵也越來越復(fù)雜了。
在本報告中,我們的關(guān)注重點是人工智能中的機器學(xué)習(xí)和深度學(xué)習(xí)(機器學(xué)習(xí)的一部分):
1.簡單來說,機器學(xué)習(xí)(machine learning)是一種從案例和經(jīng)驗(如數(shù)據(jù)組)中學(xué)習(xí),而非通過已編程好或已定義好的規(guī)則的一種算法。換句話說,如果是“非機器學(xué)習(xí)”,程序員需要“告訴”一個程序如何鑒別蘋果和橙子,而機器學(xué)習(xí)的方式則是被“喂養(yǎng)”(訓(xùn)練)數(shù)據(jù)并自我學(xué)習(xí)如何鑒別蘋果和橙子。現(xiàn)實生活中,網(wǎng)飛(Netflix)就通過大量的用戶數(shù)據(jù)來引導(dǎo)機器學(xué)習(xí),從而為用戶推薦定制化的推薦劇集與產(chǎn)品;神經(jīng)網(wǎng)絡(luò)(neural network),則是一種模擬人類大腦神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方式的一種機器學(xué)習(xí)架構(gòu),就如同下圖顯示的:
2. 當(dāng)今人工智能的拐點(AI inflection)是深度學(xué)習(xí)(這是一種通過交錯復(fù)雜的神經(jīng)網(wǎng)絡(luò)的深度層互相分工,聚焦一個大問題的不同層面,在協(xié)同解決完一個個小問題后,把大問題解決)。在許多傳統(tǒng)的機器學(xué)習(xí)訓(xùn)練方法中,特征(即可被預(yù)測的“輸入”或“特性”)是人類設(shè)計的。而“特征工程”(feature engineering)其實是一個較難突破的瓶頸,因為它需要極強的專業(yè)知識。在非監(jiān)督深度學(xué)習(xí)(監(jiān)督式和非監(jiān)督式學(xué)習(xí)的區(qū)別可以用如下例子表述,前者可能是被“喂養(yǎng)”一系列“關(guān)鍵詞”,而當(dāng)檢測到這些詞匯時,它們將被標注成“垃圾郵件”,而后者可能不會被給予有關(guān)的信息,而要機器自己去摸索并識別出規(guī)律[pattern])中,重要的特征并不是人類預(yù)先設(shè)計好的,而是由算法自我產(chǎn)生并學(xué)習(xí)的。
最后,我們想強調(diào)一點,我們關(guān)注的是能夠量化的、可以快速產(chǎn)生經(jīng)濟效益的相關(guān)人工智能技術(shù),而非那種可以像人類一般思考的強人工智能(即使AlphaGo擊敗圍棋冠軍算是這一領(lǐng)域的重大突破)。
理清其他概念
1.什么是有監(jiān)督學(xué)習(xí)(supervised learning)與無監(jiān)督學(xué)習(xí)(unsupervisedlearning)?
a. 在有監(jiān)督學(xué)習(xí)中,機器通過不斷學(xué)習(xí)“正確答案”來提高預(yù)測準確率,比如說垃圾郵件的檢測(每當(dāng)有特定字符出現(xiàn)時,系統(tǒng)便將他們標記為“垃圾郵件”);
b. 而無監(jiān)督學(xué)習(xí)更多的是被給予一系列無標簽的例子(也沒有正確答案),并要求系統(tǒng)自己發(fā)現(xiàn)一種規(guī)律。例子:將消費者以某種特征進行分類(比如說:購買頻次)。
2.機器學(xué)習(xí)的一些類別是什么?
a. 分類(Classification):垃圾郵件分類、欺詐識別、臉部識別、語音識別等。
b. 聚類(Clustering):比較圖片、文本或?qū)ふ翌愃剖挛铮袛喈惓5摹邦悇e”。
c. 預(yù)測(Predictive):根據(jù)可穿戴設(shè)備的數(shù)據(jù)預(yù)測健康問題,根據(jù)網(wǎng)絡(luò)活動來推測顧客、雇員的人員調(diào)整更替率。
3. 什么是強人工智慧(General/Strong/True Artificial Intelligence)
強人工智能指的是可以完全像人類一樣獨立思考和決策的機器智能。雖然現(xiàn)在已經(jīng)有全腦模擬(Whole Brain Emulation),但因為這種技術(shù)所需的計算量實在太過龐大,已然超出現(xiàn)有技術(shù)的水平;目前仍處于理論階段。
人工智能簡史
高盛認為,有四大因素:數(shù)據(jù)、人才、基礎(chǔ)設(shè)施、硅元素。
1. 高盛認為,數(shù)據(jù)是最關(guān)鍵的要素。數(shù)據(jù)的增多可以有效提高準確性(參考哈佛醫(yī)學(xué)院與馬薩諸塞總醫(yī)院放射學(xué)有關(guān)CT圖片診斷準確性的報告)。目前的深度學(xué)習(xí)都是有人類參與監(jiān)管的,即使是所謂的“半監(jiān)督式學(xué)習(xí)”,依然需要人類供應(yīng)大量的數(shù)據(jù)(其中至少有一些,是有標簽印記的)。而完全不需要人類的自主學(xué)習(xí),是現(xiàn)在深度學(xué)習(xí)追求的“圣杯”,還沒能實現(xiàn)。不過,現(xiàn)在已經(jīng)有大量數(shù)據(jù)了,他們也會增加的更多。全世界的數(shù)據(jù)的年復(fù)合總增長率在2020年將會在36%,總量到達440億GB的量級。我們相信,電子健康記錄、天氣、地理數(shù)據(jù)會成為下一個二十年推動利潤池的力量。
2. 人才短缺是制約人工智能,尤其是深度學(xué)習(xí)的關(guān)鍵因素。這也導(dǎo)致了過去幾年間各公司間收購頻繁(圖表5),我們發(fā)現(xiàn),隨著技術(shù)的發(fā)展,這一因素對人工智能的發(fā)展的制約效應(yīng)會變得稍微弱些,因為品類繁多的大量數(shù)據(jù)才將會是推進人工智能行業(yè)發(fā)展的關(guān)鍵要素。
3. 人工智能的發(fā)展非常依賴于硬件和基礎(chǔ)設(shè)施,隨著后兩者的完善,人工智能將會極速發(fā)展。這里我們提供兩個洞察。其一,云計算的提供商已經(jīng)準備好為人工智能提供服務(wù);其二,諸如TensorFlow, Caffe, Spark等開源平臺已經(jīng)像雨后春筍般升騰而起,已經(jīng)成為推動人工智能軟件創(chuàng)新的中堅力量。
4.硅元素:機器學(xué)習(xí)的算法是件資源密集型的事情,這通常是通過GPU(圖形處理器)系統(tǒng)完成。目前,對于機器學(xué)習(xí)中的特有運算模式Inference,已經(jīng)有眾多公司提供相應(yīng)的解決方案(特種硅FPGA和ASIC; Field Programmable Gate Array and ASICs Application SpecificIntegrated Circuit),比如說谷歌的Tensor處理器單元,就是ASIC型特種人工智能芯片,而微軟公司則是FPGA芯片。Xilinx,一家從1980年底就開始專注于FPGA芯片商用的領(lǐng)先公司,則說道未來的云計算和線下數(shù)據(jù)中心是未來新的營收增長點。
為什么人工智能的發(fā)展突然加速了?
深度學(xué)習(xí)的跨越發(fā)展促使人工智能快速發(fā)展到接近拐點。神經(jīng)網(wǎng)絡(luò),深度學(xué)習(xí)的底層框架,早已問世許多年。在過去十年間,真正在推動深度學(xué)習(xí)的是,高盛認為,是下列因素:更多的數(shù)據(jù)(如大量新設(shè)備接入物聯(lián)網(wǎng)所產(chǎn)生數(shù)據(jù);2020年數(shù)據(jù)預(yù)計將是2015年的4倍;圖1)、更快的硬件(GPU、CPU性能大大提升:從 1993 年開始超級計算機的原計算能力有了極大發(fā)展;一塊2016年的高端英偉達顯卡即可2002年前的一臺超級計算機的運轉(zhuǎn)(圖2),且相關(guān)價格更是連年走低[每一單位“運算”的價格](圖3))以及有更多質(zhì)量卓越的算法可供選擇(大量優(yōu)質(zhì)的開源算法可以協(xié)助促進人工智能的發(fā)展,如Berkeley’sCaffe,谷歌的TensorFlow)。
對公司、和經(jīng)濟的影響
人工智能的主要影響集中在四方面:生產(chǎn)率,先進技術(shù)、競爭優(yōu)勢、新公司的誕生。
1.生產(chǎn)率:AI與機器學(xué)習(xí)將促使企業(yè)節(jié)省一些勞工相關(guān)開支,并真正的把預(yù)算花在開發(fā)產(chǎn)品和完善服務(wù)上(高盛首席經(jīng)濟學(xué)家Jan Hatzius);宏觀上說,社會效率得到提升,經(jīng)濟將會發(fā)展。
2.高端技術(shù):AI與機器學(xué)習(xí)使得建造數(shù)據(jù)中心變得不那么昂貴,這將顛覆相關(guān)硬軟件與硬軟件服務(wù)公司的市場份額。舉個例子,同樣是GPU計算請求,使用 AI 優(yōu)化過的GPU需要0.9美元/小時,現(xiàn)在通過亞馬遜云服務(wù),僅需0.0065美元/小時即可達成。
3.競爭優(yōu)勢:若不能及時采用AI與機器學(xué)習(xí)來指導(dǎo)商業(yè)發(fā)展,競爭對手就搶得先機了:戰(zhàn)略性情報、生產(chǎn)率提升、還有資本有效利用率(在即將到來的“下篇“,我們會特別討論人工智能在醫(yī)療、能源、零售、金融與農(nóng)業(yè)行業(yè)中所帶來的變革)。
4.新公司的誕生:風(fēng)險投資、創(chuàng)業(yè)家、與技術(shù)家將共同推動AI技術(shù)的發(fā)展,創(chuàng)造新價值。下一個“AI谷歌、臉書”也許就要到來。
對消費者的影響
消費者可以享受到更加智能的搜索優(yōu)化(如谷歌新使用的RankBain人工智能搜索系統(tǒng)),發(fā)現(xiàn)搜索引擎變得更加聰明了(如亞馬遜DSSTNE引擎和網(wǎng)飛皆采用人工智能系統(tǒng)以協(xié)助決定推薦何種電影、產(chǎn)品、歌曲給用戶)、自己的臉變得更加易于被識別了(臉部識別-如谷歌的FaceNet和臉書的DeepFace已經(jīng)可以達到近乎100%的臉部識別準確率了)。
人工智能與生產(chǎn)力
美國生產(chǎn)力增長近年已進入遲緩狀態(tài),而我們相信人工智能的發(fā)展可以改變這一現(xiàn)狀,不僅是美國的,更是全球的,就好像1990年代互聯(lián)網(wǎng)科技所做出的改變一樣。
我們發(fā)現(xiàn),在不同的行業(yè)中,我們觀察到自動化已然平均減少了0.5%-1.0%的工人工時,而人工智能、機器學(xué)習(xí)的效率提升可以在2025年前會帶來+51-154bps(基點)的效率提升。不過這主要影響到的低薪資任務(wù);早期的影響將是低工資任務(wù)的自動化,即以更少的勞動時間推動類似的產(chǎn)出增長水平。
科技與生產(chǎn)力
1990年代的科技爆炸促使了經(jīng)濟的增長,有兩個生產(chǎn)力要素大大提升:一是資本深化指標,二是多元素生產(chǎn)力(Multifactor productivity)。
但在2000年后,資本深化便停滯了。IT運用(電腦硬件、軟件、電信)在貢獻的資本逐漸下降,而工時卻增加了。隨著更加復(fù)雜的、更加“消費者版本”的機器學(xué)習(xí)和人工智能的引入,資本深度可能會提升,并可能可以巨幅提升生產(chǎn)力。不過,當(dāng)我們在談?wù)撋a(chǎn)力的時候,一些“不可觸及”的產(chǎn)出(如線上內(nèi)容)對于生產(chǎn)力的影響可能被忽略不計了。
人工智能與生產(chǎn)率的悖論:與高盛首席經(jīng)濟學(xué)家JanHatzius的訪談:
在訪談中,Jan Hatzius先生提出幾個觀點(與人工智能主題有關(guān)的摘錄如下):
1. 經(jīng)濟周期性、技術(shù)變革放緩、統(tǒng)計學(xué)家的統(tǒng)計工具無法精確量化最新技術(shù)的進展導(dǎo)致2000年后由科技推動的經(jīng)濟增長的放緩(至少就數(shù)據(jù)本身而言是如此的)。
2. 人工智能的引進對于生產(chǎn)力的提高是顯而易見的(見圖13:1990年代的技術(shù)革命推動了生產(chǎn)力的增加,軟件公司在1995年到2000年數(shù)量激增,直到2000年整合,數(shù)量方才減少些),但從人均規(guī)模效益而言,可能并不會那么明顯。
3. 類似于人工智能搶走人類工作的憂慮在19世紀工業(yè)革命也發(fā)生過。短期而言,確實會有更多人失業(yè)。但就長期而言,人工智能并不會導(dǎo)致失業(yè)率上升。
人工智能“生態(tài)系統(tǒng)”:云服務(wù),開源
我們相信人工智能將為影響所有行業(yè),這是新的競爭性優(yōu)勢;同時,對這一潮流置之不理的管理層將有可能無法在產(chǎn)品創(chuàng)新、勞工效率以及資本杠桿能力上有優(yōu)勢。所以,我們相信,公司對人工智能的需求將會推動對人工智能的人才、服務(wù)、硬件需求
如圖14所示:過去20年,越來越多的風(fēng)險資本進入人工智能、機器學(xué)習(xí)的領(lǐng)域。
人工智能的概念早已被提出,其中,神經(jīng)網(wǎng)絡(luò)的概念在60年代已被提出,但直到最近,因為計算能力的提升,我們才真正地能夠在實際上運用這些技術(shù);系統(tǒng)架構(gòu)層面,我們可以看到,從一開始到的大型機,到之后的客戶端,到近來的云端/移動端,包括新編程語言的出現(xiàn)(見圖15),這些都是計算能力、存儲能力,帶寬提升的效果;我們認為,我們?nèi)蕴幵谌斯ぶ悄馨l(fā)展的早期變化,而且各種工具和服務(wù)將出現(xiàn)爆炸式增長。
人工智能的促進者
1.自己動手型的企業(yè):擁有優(yōu)秀人才與大量數(shù)據(jù)的企業(yè)應(yīng)該會自行建立機器學(xué)習(xí)的團隊。至此,我們可以看到AI堆正在形成,這里面我們認為,包含開源(比如說像Databricks,Cloudera, Hortonworks的供應(yīng)商)以及云端平臺(比如微軟、谷歌、亞馬遜和百度)提供的服務(wù)。
2. 咨詢公司:AI仍是稀缺性資源,故像IBM這樣的企業(yè)正通過IBM Watsons建立起橫縱向的產(chǎn)業(yè)業(yè)務(wù)技術(shù)優(yōu)勢。而像Kaggle這樣的公司,則通過數(shù)以千計的數(shù)據(jù)科學(xué)家,協(xié)助公司解決人工智能的問題。
3. AI即服務(wù)(AI-as-a-service, AI-aaS):這是我們自己定義的名詞,意思是說,企業(yè)無需自己訓(xùn)練AI,但是他們可以通過第三方公司,直接使用已經(jīng)被訓(xùn)練好的深度學(xué)習(xí)AI機器。一個例子:創(chuàng)業(yè)公司Clarifai和谷歌公司專注圖像API的AI-aaS。另一個例子:Salesforce.com獨有的銷售數(shù)據(jù)。擁有獨特數(shù)據(jù)的公司將會很有競爭優(yōu)勢。
機器學(xué)習(xí)(尤其是深度學(xué)習(xí))是人工智能里較為新穎的領(lǐng)域。而我們相信,這一新穎技術(shù)正被互聯(lián)網(wǎng)公司,擅長提供特定行業(yè)服務(wù)的公司、財富五百強等眾多公司所利用。原本人工智能發(fā)展的障礙:數(shù)據(jù)和人才已逐漸被掃除;公司們逐漸學(xué)會了通過物聯(lián)網(wǎng)進行數(shù)據(jù)收集,這彌補了之前的數(shù)據(jù)缺失。而大量修習(xí)新興的機器學(xué)習(xí)專業(yè)的畢業(yè)生、愈來愈多相關(guān)人工智能的咨詢公司,都填補了人才方面的原有的空白。我們相信,大多數(shù)大公司(或是中小型的專注于數(shù)據(jù)的公司)至少,會嘗試機器/深度學(xué)習(xí)。因為創(chuàng)新速度較慢,要打造一條完整的機器學(xué)習(xí)產(chǎn)品管道線會比較困難,很多時候,這些發(fā)展都是比較“碎片化”的。
藍色是專有供應(yīng)商,橙色指的是開源,綠色指的云服務(wù)(某一些供應(yīng)商,比如說阿里巴巴和百度,都是專有、云服務(wù)共存的)。
逐漸興起的AI“堆”與之前主機、客戶端都有著類似的工具、語言、存儲。
但AI堆與之前技術(shù)的不同點在于,機器學(xué)習(xí)的產(chǎn)品管道線非常依賴于第三方云端平臺所提供的開源科技和服務(wù)。
這一轉(zhuǎn)變有三大原因,1)機器學(xué)習(xí)需要持續(xù)在線的計算和存儲力來計算、存儲大量的數(shù)據(jù) 2)微軟、亞馬遜、谷歌對于機器學(xué)習(xí)的重投資 3大客戶對開源的擁抱態(tài)度來防止“反面模式”(vendor lock-in)并削減開支
中國的人工智能情況
根據(jù)艾瑞咨詢的分析報告,中國人工智能市場將從2015年的12億人民幣增加到91人民幣。但就2015年來說,就有14億人民幣(較2014年增長76%)的資本流入市場。
中國發(fā)改委與其他相關(guān)部門在2016年5月發(fā)布了《互聯(lián)網(wǎng)+人工智能三年行動實施方案》。方案指出六大保障領(lǐng)域:資本支持、體系標準化、知識產(chǎn)權(quán)保護、人才培養(yǎng)、國際合作與落地措施;并專注于在2018年完成對建設(shè)AI基礎(chǔ)設(shè)施與對應(yīng)創(chuàng)新平臺、匹配的產(chǎn)業(yè)體系、創(chuàng)新服務(wù)體系與基本的標準化體系。
中國在人工智能上已有所突破。在有“深度學(xué)習(xí)”或“深度神經(jīng)網(wǎng)絡(luò)”關(guān)鍵字的被引用論文數(shù)量的數(shù)據(jù)上,中國已經(jīng)在這一數(shù)值上在2014年超過了美國(圖24)。中國的人工智能研究能力也是驚人的(圖23),尤其在語音、視覺識別技術(shù)方面。百度在2015年11月發(fā)布的Deep Speech 2系統(tǒng)已經(jīng)可以獲得97%的準確率,甚至被《MIT科技評論》評委2016十大突破性科技之一。香港中文大學(xué)開發(fā)的DeepID系統(tǒng)在LFW(Labelled Faces in the Wild)中達到了99.15%的臉部識別準確率。
數(shù)以百計的中國人工智能公司正滲透到這個行業(yè)中,但行業(yè)的領(lǐng)軍者仍是百度、阿里巴巴和騰訊(BAT)(各公司產(chǎn)品見下圖;可以看到,百度專注于語音識別(Deep Speech)、自然語言處理、以優(yōu)化個人語音助理“度秘”、搜索、地圖的運用;百度也有自己的無人車部門;阿里巴巴則開發(fā)了人工智能客服、基于云服務(wù)的人工智能平臺DT PAI、阿里媽媽光學(xué)字符識別、還有阿里云ET人工智能套件;騰訊(優(yōu)圖)則潛心研究臉部識別技術(shù)、搜索、自然語言處理、數(shù)據(jù)挖掘、人工智能、新聞報道,并與香港科技大學(xué)成立人工智能聯(lián)合實驗室)。
目前,中國的人工智能主要集中于以下領(lǐng)域:
1. 基礎(chǔ)服務(wù)(如數(shù)據(jù)資源與計算平臺)
2. 硬件產(chǎn)品(如工業(yè)機器人和服務(wù)機器人)
3. 智能服務(wù)(如智能人工服務(wù)與商業(yè)智能)
4. 技術(shù)能力(視覺識別、機器學(xué)習(xí))
語音、視覺識別技術(shù)在中國人工智能市場的60%和12.5%。
在和人工智能相關(guān)的公司中,71%致力應(yīng)用開發(fā),29%專注于算法。
在專注算法的公司中,55%在研究計算機視覺,13%專注于自然語言處理,9%把精力放在基礎(chǔ)機器學(xué)習(xí)上。
在我們看眼中,人工智能的領(lǐng)先者會繼續(xù)在中國和美國兩國中產(chǎn)生。
我們列出了在運動控制與機器人、語音識別與復(fù)制、地理空間感知、圖像感知與識別、人工神經(jīng)網(wǎng)絡(luò)與基礎(chǔ)設(shè)施、聲頻感應(yīng)與處理、系統(tǒng)監(jiān)控與資源分配、訓(xùn)練和Inference硅、自然語言處理、環(huán)境感應(yīng)器(濕度、溫度等)這些領(lǐng)域的領(lǐng)軍者。
Sky9Capital云九資本(www.sky9capital.com)是專注于中國市場的早期創(chuàng)業(yè)投資基金品牌,關(guān)注創(chuàng)新的互聯(lián)網(wǎng)、企業(yè)服務(wù)和前沿科技行業(yè)。
評論
查看更多