2017年9月5日，富途证券创始人、原腾讯18号员工李华从深圳飞往北京，重新进入大学。在接下来的一年半时间里，每隔两个月，他都要腾出三四天的时间，放下工作，身份从独角兽企业CEO，转变为一名普通学生，开始人生第二次教育经历。
百战归来再读书。李华加入的是由腾讯青腾大学与清华大学经管学院合办的清华-青腾未来科技学堂。
这可能是史上科技含金量最高的一次开课
9月6日~10日，首期48位CEO学员在清华园开启首次5天学习，可谓大师云集。这可能是有史以来科技含金量最高的一次开课：包括2012年诺贝尔化学奖得主、美国国家科学院院士、斯坦福大学教授Brian Kobilka、中国科学院院士、结构生物学家、清华大学副校长施一公教授、腾讯董事会主席兼首席执行官马化腾、清华大学经济管理学院院长钱颖一教授、美国国家科学院院士、中国科学院外籍院士、斯坦福大学、清华大学教授张首晟、北京大学校务委员会副主任、理学部主任、生命科学学院讲席教授饶毅、中国科学院深圳先进技术研究院副院长、香港中文大学教授、商汤科技联合创始人汤晓鸥、中国科学院王飞跃教授、清华大学杜鹏飞教授等在内的导师以现场授课或论坛交流等形式与学员交流。
9月8日举行的开课重要活动——“洞见论坛”上，马化腾表示，“清华-青腾未来科技学堂”首期48位学员是从全球超过1000位黑科技企业创始人中挑选面试出来的，是腾讯与清华在产业与科研相结合方面共同的努力。清华大学经管学院院长钱颖一教授表示，首批48位学员将在未来的一年半时间，学习商业新知，探索科技前沿。“清华-青腾未来科技学堂”希望为中国培养一批新型的科技与商业相融合的跨界人才。
Brian K. Kobilka
7年时间、花费25亿美元、研制一种新药的成功率可能只有15%
2012年诺贝尔化学奖得主、美国国家科学院院士、斯坦福大学教授Brian K. Kobilka
9月8日下午的“洞见论坛”上，2012年诺贝尔化学奖得主、美国国家科学院院士、斯坦福大学教授Brian K. Kobilka以G蛋白偶联受体与药物发明为题发表主题演讲。身处学界最前沿，Brian K. Kobilka在演讲中分享了他在药品研发方面的经验。
他提到药品研发的成本非常高，而且风险很大，耗时很长，通常来讲，要开发出一个成功的新药，需要花25亿美元的投入，实现的周期是7-12 年左右，最终只有10%到15%的备选新药能够成功上市。
如何对药物发展过程产生影响，Brian K. Kobilka教授指出研究的每一步发展都和科技的进步有关，对受体的结构有足够的了解才可以使用电脑的帮助。他还提到了自己对镇静剂药物的研究，他们试图让药物激活人体好的因素，不激活坏的因素，减少镇定类药物的副作用。
施一公
眼见不一定为实
中国科学院院士、结构生物学家、清华大学教授施一公
9月9日下午，被称为“中国诺奖”的第二届未来科学大奖获奖名单公布，清华大学施一公教授获得“生命科学奖”。而就在当天上午，施一公教授还为清华-青腾未来科技学堂学员授课《生命科学与未知世界的探索》，在两个多小时的时间里，畅谈宇宙、生命与科学的关系，人类对于未来和科学的探索是否是“真实的”客观世界，以及自己创办西湖大学的理念和愿景。
我们的感知世界只有视觉、嗅觉，听觉，味觉，触觉五种，这五种感官来自一千种蛋白。比如说视觉，它就是由三种蛋白决定的。这三种蛋白让我们对这个世界有了感知。我们看到的世界是一个“偏见”，就是由三种蛋白导致的，我认为这是一种“误觉”。这三种蛋白告诉我们的，你觉得这是客观世界吗，是人类给我们杜撰出来的乌托邦世界。
施一公教授说道，无论是宇宙还是生命科学，无论是宏观与微观，都可以一句话概括为：眼见为实。但是这与我们五感中的“眼见为实”是不同的，正如三维空间中的我们是无法理解思维空间的存在的。
马化腾
未来企业形态：在云端用人工智能处理大数据
腾讯董事会主席兼首席执行官马化腾
作为一家科技公司的负责人，马化腾更关注科技发展和产学研的跨界融合。
9月8日下午的“洞见论坛”上，腾讯公司董事会主席兼首席执行官马化腾以探索科技创新新动态为题发表主题演讲。他以腾讯为例，从三个方面讲解了科技和商业如何能更好地结合，也为大家分享了他眼中未来科技发展的形态。
首先，马化腾提到随着数字经济的发展，科技越来越融入各行各业，在数字化和智能化的大浪潮里，科技是所有产业界都必须去关注的。目前在全球市值最高的十家企业中，前五家在一年之内成为了以科技，包括以互联网、信息科技为主的企业。而这个变化只是近两年的事情，过去这些榜单里都是能源和金融巨头企业。而今年已发展为有七家公司是互联网和科技企业，腾讯和阿里都在榜单之中，其发展之快令人触动。
随后，他讲到腾讯正在大力投入的几个基础性因素，第一个是AI，第二个是云计算，第三个是大数据，用马化腾的话讲，未来所有企业的基本形态就是“在云端用人工智能处理大数据”。
过去把“用电量”作为衡量一个工业社会发展的指标，而未来“用云量”也会成为衡量一个数字经济发展的指标，马化腾说。大数据无疑又是AI和云的“刚需”存在，这是未来的一个方向。
最后，马化腾提到产学研需要一些创新的生态。他认为产学研是大有可为的，希望产业界和学校界能够更紧密地联起手来，共同迎接未来整个产业数字化和智能化的浪潮。
钱颖一
专业知识不是那么重要，更重要的是训练大脑思考
清华经管学院院长钱颖一教授
“洞见论坛”主持人、清华大学经济管理学院院长钱颖一表示，“我作为清华经管学院的院长非常高兴的看到，今年清华计算机成为了最受追捧的专业，显然是跟人工智能是非常相关的。”
面对从产业界到高校的人工智能热，钱颖一援引爱因斯坦的名言说，“大学教育的价值不在于记住很多事实，而是训练大脑会思考。我想这一点，大家都是非常的赞同。专业的知识不是那么重要，至于什么专业都不重要，更重要的是要训练大脑会思考。”
对于这次论坛不仅是科学的知识，科学的精神，而且更重要的是对未来的探索和对未来的思考。今天的论坛到这里，期待清华-青腾未来科技学堂越办越好，希望科技更多地造福人类。
张首晟
人工智能，为何是现在？
斯坦福大学教授张首晟
9月8日上午，斯坦福大学教授张首晟为学员们正式开启第一课。从信息时代的摩尔定律、基础科学和硅谷面临的危与机、拓扑量子计算机、人工智能等前沿科技知识，到为何投身投资事业以及中国未来的机遇，现场学员感慨“这是有生以来自己上过的最精彩的一堂物理课”。
人工智能的爆发源于三个重要趋势的神奇汇聚：
第一，摩尔定律所描述的计算能力的指数增长。计算的能力一直按照指数增长的原理，也即按照摩尔定律指数增长；
第二，互联网和物联网的爆发性增长所产生的海量数据；
第三，智能算法的快速发展，突飞猛进在变化。
现在的人工智能还在一个比较简单的仿生的阶段。最早人类从鸟的飞翔中得到灵感，达芬奇想到怎么用一个翅膀像鸟一样飞，但没能推动到很前面。后来因为我们掌握了飞行的第一性原理，也就是所谓的空气动力学，指导我们造飞机飞的比鸟高，比鸟快，比鸟远，并且这个飞机并不像鸟。
人工智能也是一个同样的发展过程。现在人工智能可以看到，左边看到人的大脑，有神经原之间的连接，右边可以看到计算机模拟神经原之间的联系。但我们还没有真正理解智能的第一性原理，哪一天我们理解了这一点，或许就能够把人工智能发展的更加突飞猛进。
饶毅
人工智能模拟成人的，我认为百分之百的都是假的
北京大学校务委员会副主任、理学部主任、生命科学学院讲席教授饶毅
9月8日“洞见论坛”圆桌讨论环节，北京大学校务委员会副主任、理学部主任、生命科学学院讲席教授饶毅表示，当前神经科学受到广泛重视，部分是因为人工智能推动，但这并不意味着神经科学处在任何一个特殊时期，神经科学的研究会一直存在，而且神经科学永远是最后的前沿，是无尽的前沿。
饶毅认为，现在神经科学的研究是有一定的进步，主要的原因是用了所谓光遗传学技术，这是一个重要的技术，这个技术重要到很多人在使用它。如果你要诚恳的评价的话，没有带来任何概念上的突破，是用于验证和否认现在已经有人想过的一些事情。验证和否认的时候，结果特别好看，所以很多人在比较夸张性的用它来做宣传。
对于人工智能的发展速度， 饶毅预期较为谨慎，他认为，人工智能的发展在我们有生之年都不可能达到科幻的程度，甚至“所有的高级的（人工智能）对思维、认知和情感的都是瞎说的。我也认为人工智能的进步是有限的，把人工智能模拟成人的，我认为百分之百的都是假的。”
汤晓鸥
人工智能未来将有三大突破点
中国科学院深圳先进技术研究院副院长、香港中文大学教授、商汤科技联合创始人汤晓鸥
2011年是人工智能发展的一个分水岭，有四个原因。
第一，需求。手机出来了以后，手机上的摄像头变成了人的第三只眼睛，产生了大量的数据，这些数据需要智能地分析；
第二，数据的体量有了大幅的增加。智能手机的出现，产生了大量的训练和应用数据。
第三，硬件的训练平台。原来我们用CPU、用超算、做人脸识别的时候，用了近千个核，要跑一两个月才能把一个算法跑出来。后来用GPU，10台机器，六个小时就跑出来了。所以给了大学实验室和小公司一个可承受的硬件平台和能力来做训练。
第四，深度学习的框架允许我们做端到端的学习。深度学习用深度神经网络框架，允许我们用几千个、几万个、几亿个参数，覆盖各种场景应用。就可以在一些单项的应用上超过人类，替人类来做这个单一的工作。
人工智能近期和远期有哪些地方是可以突破的呢？我觉得有三个方向应用的会比较多。
一个是语音识别。这个是相对成熟，也是第一个突破的。
二是视觉，现在的主战场就是在视觉领域。我们先把人听的能力解决了，第二个是看的能力。看的能力的场景是非常多的，这个是目前的主战场。
第三个就是自然语言的理解，这件事情是还没有解决的。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
