依图科技联合创始人林晨曦
　　林晨曦是人工智能公司依图科技的联合创始人，前阿里云资深专家，曾带领团队搭建了中国拥有自主知识产权的飞天分布式云计算操作系统。他也曾在微软亚洲研究院从事计算机视觉、机器学习、信息检索和分布式系统方向的研究工作。他拥有上海交通大学硕士学位。林先生是ACM国际大学生程式设计竞赛的全球总冠军，于2002年作为上海交通大学代表队队长夺冠。
　　成立于2012年的依图科技致力于将人工智能技术与行业应用相结合，目前在安防、金融、医疗、商业园区、零售等行业实现了商业化落地。除了计算机视觉技术，依图科技也在人工智能芯片、语音识别、自然语言理解等技术领域开展研发和业务拓展 。
　　从上世纪50年代起步，人工智能到今天已经走过了不同的历史发展时期。在历史上每隔10年或20年就会有一个大变化。我们把现在这个阶段定义为“AI新时代”。“AI新时代”主要以深度学习、大数据和高性能计算来推动行业的发展。
　　目前正是人工智能技术实现广泛商业化落地的阶段。未来10年，人工智能将呈现井喷式爆发增长，计算机图像识别、语音识别和自然语言处理领域都将迎来巨大发展。
　　在今天看来，技术可以实现的边界还很难界定。人工智能技术在某个领域没超越人类之前属于一个“黑暗时期”。一旦人工智能超越人类能力，就会开始飞速发展，并且技术发展曲线非常陡峭。以依图人脸识别技术为例，在2015年突破了人眼识别水平之后的四年内，人脸识别技术精度提升了10万倍，随之带来各个场景的应用突破。
　　今天人工智能算法不是趋同，恰恰相反是算法之间的差距正在拉大，并且很多技术上的新突破都将会在工业界发生。与此同时，人工智能技术的发展又是跨行业的，它可能会直接进入某个行业，打破行业的原有格局并进行重塑，给这个行业带来阶跃式的发展变化。
　　人工智能有个特点就是具有马太效应，富者更富。 我深刻感觉到中国人工智能公司在技术上的领先。中国有世界级的任务和场景，在“AI新时代”也将呈现中美并驾齐驱的局面。
　　在美国，信息化、SaaS化 、移动化、智能化是每一个阶段发展接近成熟后才进入下一个阶段。而在中国，信息化、SaaS化、移动化、智能化是“四浪”叠加发展。因此中国在人工智能发展上拥有了“弯道超车”的机会。

　　小马智行联合创始人楼天城
　　楼天城博士是中国领先无人驾驶创企小马智行的联合创始人兼CTO。此前，楼天城博士曾任职于GoogleX（Waymo的前身），从事无人车技术开发，之后在百度担任百度无人车技术委员会主席。楼天城博士毕业于清华大学，是计算机编程界的杰出代表，连续10年蝉联TopCoder中国区第一名，两次获得谷歌全球编程挑战赛冠军。
　　小马智行成立于2016年，截止2019年4月融资总额达三亿美元，估值达17亿美元。目前公司在广州、北京和美国弗里蒙特试运营乘用车无人驾驶车队，并且正在研发长距离无人驾驶卡车运输。
　　预测无人驾驶的未来首先需要知道，这件事并不完全取决于技术本身，它也受法律、伦理、保险、民众驾驶习惯、群众接受度等因素的影响。在不同的国家和地区，这些因素存在非常大的差别，尤其会在无人车发展的早期影响大家布局的早晚。而这个早晚，反过来又会影响当地无人驾驶的发展进度。也就是说，得到越早布局的地区往往能够更快地促进技术发展，反之亦然。
　　未来五到十年内，布局比较领先的国家和地区，会更早地看到无人驾驶技术的出现和成熟，而其它地区则会出现明显的落后，这种区域间的差异将逐渐扩大。其中，中国拥有丰富的道路多样性、政策支持和较高民众接受度等优势，有希望走在无人驾驶发展前列。
　　尤其考虑到中国政策的特殊性，一些鼓励先试先行的自贸区及智慧交通/智慧城市示范区，会率先小规模落地自动驾驶商业化应用，成功的经验将被逐步扩展到更大范围。另外随着5G的落地，车路协同在中国的发展会更加迅速、扮演更为重要的角色，这对无人驾驶来说如虎添翼，车辆在道路上行驶时会多一份安全保障。
　　至于实现无人驾驶的技术路径，其实并不是“有无”之争。任何技术路线的选择都应该从一个终极目标出发，即让无人车作为一个安全的应用和产品出现在人们的生活里。今天技术还没有完全成熟，LiDAR、高精地图、车路协同等对无人驾驶的早日落地是有帮助的。这些技术路线无所谓“先后”——凡是能够利用各种因素把车做得更安全的技术，都应该被纳入考虑范围。
　　随着技术进一步发展，可以考虑减少对某些技术路线的依赖。今天有人不看好LiDAR和高精地图，其主要的争论点是成本。而今天的高成本和量少有很大的关系。无人驾驶作为一个产品得到量产后，LiDAR和高精地图拿到的订单足够多，它们的成本都会下降到可控范围内。也就是说，哪怕日后技术成熟到可以不再依靠LiDAR和高精地图，也没有很强的弃用它们的理由。
　　数据很重要，但进一步完善无人驾驶技术将不光仰仗于海量数据的积累。近几年深度学习的网络结构、训练模型等方面的创新也提升了训练效果，未来这部分的创新会继续让无人驾驶的大脑更加智能。另外，提升车辆本身相关的技术也很关键，比如硬件的稳定性、传感器和计算芯片等。