侯宇涛：英伟达作为大数据产业链里面的技术以及相关支撑产品的供应商，致力于能够降低大数据计算及处理的计算时间。我们目前面临的最大压力是来自于客户的期望，而且GPU可以加速变形计算的处理，目前加速的速度相对以前已经很高。香港大学的两位老师以前在做人脸识别的计算，一个简单追踪的过程需要20天，用了GPU以后，由20天变成了6小时，有很大的提升。他说，你能不能再快一点?80倍的提升仍远远达不到大型数据采样的需求。英伟达力图优化内存采用3D的构架，并使单卡的内存可以突破24G或者更高，这样可以使更大规模的数据同时得到处理。
王井东：我在微软的主要工作集中在大规模的相似度搜索，有一些技术应用在微软必应搜索这样的产品里面。现在已经有大数据环境，其实直接能够用来帮助去做研究的数据还很少。刚才余凯老师提到，大数据已经很大，但是学术领域里面最大的数据比如ImageNet，也有1000类，fine-grained classes也只有22000多，在实际应用里面还是远远不够的。我们希望将来对大的数据都会有标注。我总结起来就是数据问题，怎么样能够做到更好，更reliable(有用的)的帮助研究开发。
■人脸识别尚不成熟但大有可为
王涛(主持人)：刚才说人脸识别是一个很重要的发展方向。前面在特定的数据之上，达到百分之九十几，但在实际的视频监控上差距比较。从商务的角度上来讲，这个差距在哪个地方?未来有什么样的发展方向?
赵世范：在很多应用情境下，多人脸识别的准确率是很高的，比如说安检通道，或者是固定的出入口。但是从别的行业应用来看，人脸识别还有较大局限。第二个，在室外的话，拍摄的角度一般都是由上往下的，如果要真正做到人脸识别，架设高度只能接近两米左右，而现在大多数摄像机的架设高度是3米以上的。另外，人在走路的时候会有摆动，拍摄下来人脸的照片不会是正向的。目前来看，室外环境下，识别准确率能达到50%已经很不错。
余凯：我对人脸识别的话，持一个比较谨慎的观点，考虑这件事情的话，至少要分三个维度：
第一个维度是场景;另外一个维度是应用的任务。通常大家会混淆两件事情，一个是人脸识别，一个是叫人脸验证。人脸识别对应的情景是，不知道这个人是谁，也没有人告诉你这个人是谁。人脸验证问题要简单的多，近期内有可能成为成熟的实用技术。而人脸识别技术在绝大部分场景都不实用。另外还有一个维度，我觉得是商业模式的问题，一项技术是整个产品里面的feature(特色、功能)，还是说它本身就是一个产品?
王涛(主持人)：解释的非常清楚。刷脸技术，很多情况是把验证与识别混淆在一起，非常感谢余院长给我们的解释。
赵世范：我再补充一点。不管有怎样的验证方式，它最终都有一个数据是存在计算机里面的，这个东西总有办法能够偷走，总有办法能够去欺骗通机器。人脸，可以做3D打印的面具;指纹，可以做指膜。而生物识别它是不可撤销的，比如我们没有办法换自己的DNA，但数据本身是可以偷走的。生物特征是辅助识别，但是作为唯一的主识别的话，风险是很大的。比如指纹失效的话，还可以按密码。
■开放大数据，构建生态圈
王涛(主持人)：大数据时代首先的核心是数据，大数据在未来是否会变成一个商品?甚至它的价值可以与石油来媲美?未来数据将开放、分享，而是建立大数据联盟，怎么能够高效的在数据分享平台上进行工作，想请各位嘉宾谈一谈你们的看法。
赵世范：实际上，海康并没有数据，海康为业主提供大量监控的设备，但是这些数据都是属于业主的。第二个，用户已经有大量的数据，会提供一些技术手段帮助用户进行数据的分析，但到底是提供数据还是提供服务是有商量余地的。数据共享最大的障碍是隐私的问题。如果别人拿数据用来犯罪，威胁到了当事人的人身安全，这件事情怎么办?大量的数据是坚决不允许拿走的。如果有少量的样本数据，拿过去之前，也要经过脱敏的处理过程，像今天这种大数据分析的时候，脱敏的作用都不大，脱敏之后照样可以窥探到用户的隐私。
王涛(主持人)：给出了非常有价值的观点。谷女士来自于腾讯的微信，从腾讯来说，对于大数据的方向，你们对于这个方向有什么样的看法?
谷沉沉：腾讯这几年一直的观点就是开放，我们希望把数据开放出来，但一定是保证安全的前提之下，保护用户隐私的前提之下。我们可以把一些东西开放出来，给广大的创业团队，或者说其他的一些企业，构建一个互联网、全方位的生态圈的，这有利于整个生态圈的发展。腾讯不会去拿大数据卖钱，腾讯公司肯定不会差这个钱。主要在于怎么去利用大数据帮助我们去改善产品体验，如果有一些想法，我们是非常开放的，欢迎大家一起来利用数据去改善业务。