2017年10月，马云用富有诗意的名字明明阿里研究院为“达摩院”，他希望用自己对武侠的爱好修炼阿里，让阿里从一家“互联网公司”进化成一家“科技公司”。马云对达摩院提出三个要求：“活得比阿里巴巴长；服务全世界至少20亿人口；必须面向未来、用科技解决未来的问题”。现在看，马云对达摩院的第一个期望已经开始瓦解。

2023年5月15日，达摩院自动驾驶团队全部并入阿里旗下菜鸟集团，达摩院不再保留业务和团队。坊间传闻，菜鸟集团只接收维持小蛮驴等业务的运营，且不会扩张发展。尽管阿里随后对达摩院自动驾驶裁员和项目缩减回应不是事实，但这些回应并不能打消外界对阿里向科技公司转型艰难的判断。

“阿里是一家伟大的互联网商业公司，但未必是一家成熟的科技公司”，5月15日下午，一位曾供职达摩院自动驾驶业务部门的技术人士感慨，互联网的兴起让阿里希望触及更多商业模式，尤其是传统商业体系，但科技属性公司的底层逻辑这次“教育”了达摩院，数据不能解决所有问题。

什么是科技公司？什么是互联网公司？如果感性理解，科技公司是“传统的”，但并不是落后的。科技公司遵从的是对一种商业模式的高度认可，也是对一种商业模式最底层的描述与分析获取的成熟技术。当一个新的商业模式取代旧的商业模式时，科技公司善于创造更优秀的模式，而不是颠覆商业模式的一切，华为就是典型的科技型公司。

和科技公司相比，互联网公司是互联网技术兴起的产物。互联网公司喜欢创造新的概念，甚至希望所有理念都是推翻任何一个行业模式的行为，一切基于互联网规则制定，不去探究任何商业模式的底层逻辑，而是希望一切以互联网思维颠覆其他行业。

科技公司的核心理论是产品，企业无论如何创新，最后聚焦都是研发出产品或者服务，通过销售这些产品与服务换取利润。这意味着科技公司的核心竞争力是科技研发，他的所有创新必须基于产品实现商品属性。因此，从开发初期，科技公司就要寻找商业底层逻辑，而不是单纯做供货商或将某部分商品落地内容交给其他企业负责。

互联网公司的特点并不是以产品为核心，许多互联网公司不直接向用户提供产品或服务，例如O2O以及共享经济概念，这些商业模式以数据为中心，实体产品只是数据的载体。互联网公司认为有了数据就有了一切，或者有了用户就有了一切。正是因为数据和用户的多变性，导致互联网公司的发展基础存在许多变数。大环境好，互联网公司就渴望统治一切。大环境差，互联网公司就会砍掉看不到盈利预期的副业，聚拢流量和用户服务主业。

科技公司强调在一个产业深耕细作，做长周期的投入和研发；互联网公司喜欢短平快，一旦更新不及时就可能面临灭顶之灾，典型代表就是出行领域曾经火热的共享单车与共享汽车。

马云一直想为自己带上一顶“科技公司”的帽子，这也是达摩院注册时刻意成立“科技公司”的原因。但在自动驾驶这条发展道路上，达摩院一直没有找到自己的“灵魂”。阿里达摩院自动驾驶业务线所研究的无人物流车最早起源于菜鸟。2015 年年底，菜鸟组建菜鸟 ET 实验室，一个重要任务就是研发无人物流车，为阿里的电商业务探索科技对人工的替代，由陈俊波领导。2018 年，阿里的物流无人车项目实际上是两个团队在同时推进。为避免浪费资源，阿里最终在几个月内让陈俊波的团队从菜鸟体系剥离后完全并入阿里人工智能实验室首席科学家王刚领导的自动驾驶团队，组成了一个大约 300 人的新团队。

达摩院许多前员工回忆，当时阿里对自动驾驶认知未必不对。在他们看来，现在的自动驾驶技术与互联网公司差异越来越大， 但在2年前，自动驾驶系统与互联网或者跨界业务共同点很多，L2级智能驾驶技术都聚焦在2D3D等领域，都是检测障碍物、监测到灯或线进行3D呈现，只是数据考验点不同，需要大量数据训练平台。如果自动驾驶停留在这些数据领域，阿里达摩院是有希望在这个领域有所建树的。

但是自动驾驶发展到现在开始进行复杂、前瞻的路况处理，例如十字路口等复杂场景进一步考验自动驾驶的安全性、舒适型和延时性三大要素升阶，数据感应必须与整车反应进行紧密结合甚至同步开发，这就需要互联网公司向底层科技公司转型，与整车进行深度捆绑。恰恰是这一点，成为达摩院面向乘用车自动驾驶技术开发的软肋。

至今，人们围绕华为在汽车圈的强势不断争议。但在很多技术人士看来，华为的强势为的是更好落地自己的智能驾驶和智能座舱。和互联网数据公司不同，自动驾驶不是光靠数据测算感知就万事大吉，一定要与整车进行严密的整合。没有整车底层反应数据，感应数据的功能就是零。因此，华为必须对汽车合作伙伴进行强势控制，让其交出整车数据，从而进行兼容开发，实现最终自动驾驶系统落地。内部有消息称，华为完全按照整车制造体系开发产品，一旦时机成熟，华为可以马上动手造车，不受其他车企制约，这是科技公司的做事风格，华为的模式是底层硬件技术为先。

相比之下，达摩院自动驾驶实验室更像是为感应数据寻找买家的业务。达摩院自动驾驶实验室致力于研究机器学习、软硬件一体化设计、感知、决策规划、定位等自动驾驶核心技术，实现产品化、规模化、商业化。几位曾经在达摩院自动驾驶业务实验室工作过的技术人士表示，达摩院过去给人的感觉是钱多、人才多，因此做的事情不会考虑所谓行业前景，希望自己朝着微软、谷歌迈进，但现在看，连华为做的都很辛苦，达摩院放弃乘用车自动驾驶业务也是对一个行业清晰的认知。

一位供职于其他整车企业的达摩院前员工表示，现在，自动驾驶底层逻辑在趋同，但门槛越来越高，企业围绕底层反应系统所做的一切智能驾驶验证等工作都十分复杂，需要各个车企结合整车等资源进行同步开发，只有这样才能在实际数据应用和体验上做的更好，场景铺设更全面。就像小鹏汽车在中国智能驾驶领域围绕整车系统做得最早成熟度最高，智能驾驶的阶位在国内车企中也在前列。

小鹏汽车智能驾驶系统是目前科技与互联网两个领域公认整合成熟度较高的智能驾驶系统

据他介绍，现在所有车企都在自研自动驾驶，即使还在外购的企业也开始自研。只有自己做才能把算力挖掘得更充分，外购很难把数据与自己的系统兼容成一个很流畅的产品。一旦产品规模提升，如果想升级更多场景或系统，外购是不能提供及时有效帮助的。另外，与达摩院合作自动驾驶开发，意味着车企每辆车都需要与他定制合作，让任何一个具象产品公司都不可能承受这些重复性开发成本和无穷无尽的升级成本。

回忆达摩院创建高峰时，许多工程师称内部大家都在讲商业模式，讲如何推广，很少有人讨论技术。如果当时把产品如何落地想的更具体些，达摩院自动驾驶项目可能不是现在这样。在他们看来，达摩院自动驾驶实验室业务回归菜鸟，表明阿里仍在做物流领域的智能驾驶，例如小蛮驴和大蛮驴，只是将私家乘用车智能驾驶板块暂时停掉，这与最近几年整个互联网行业的转型有关。现在互联网没那么热了，互联网公司也需要聚焦主业。

至于面向乘用车市场的智能驾驶技术，许多达摩院前员工认为未来第三方公司的机会越来越小，各个车企都会把这部分当作灵魂一样守护起来。达摩院不会是最后一个暂停乘用车智能驾驶研究的互联网公司。

本文来自易车号作者汽车十三行，版权归作者所有,任何形式转载请联系作者。内容仅代表作者观点，与易车无关

2017年 10 月 11 日，阿里巴巴达摩院正式成立，马云的一句 “ 活得要比阿里巴巴长”，让外界对它的未来发展，有了更 “意味深长” 的期待。

在近三年多的时间里，达摩院在人工智能学术科研与应用上齐头并进，无论在国际学术顶会以及各类竞赛上，还是在推动学术成果的商业化落地上，都交出了亮眼的成绩单，这也反过来吸引着人工智能领域的顶尖研究者们都汇聚于此。

对于这些顶尖研究者们目前正在开展的研究工作，想必大家都充满了探知欲！

7月9日（晚）19:30-21:00 ，AI科技评论就将联合阿里达摩院，外加阿里集团在学术科研上同样“坚挺”的存在——阿里安全，给大家呈上一场 “ACL 2020 系列论文解读·阿里巴巴专场” 直播！

届时，来自阿里达摩院机器智能技术团队和阿里安全安全智能团队的 6 位高级算法专家、算法工程师以及研究型实习生们，将分别聚焦于多任务学习、少样本文本分类、 任务型对话、神经机器翻译、知识蒸馏、跨域分词标注等NLP 细分领域，为大家带来一场论文解读盛宴！

本次分享的嘉宾具体都有谁呢？下面一一揭晓：分享主题： SpanMlt：一种基于跨度的用于属性词和观点词配对抽取的多任务学习框架 分享嘉宾：黄龙涛

分享内容：

属性词和观点词抽取，是细粒度的基于属性的情感分析（ABSA）的两个关键问题。属性－观点词对（ aspect-opinion pairs）可以为消费者和观点挖掘系统提供相关产品或服务的全局配置文件。但是，传统方法无法在没有给定属性词和观点词的情况下，直接输出属性－观点词对。尽管研究者最近提出了一些共提取方法来联合提取属性词和观点词，但是并不能配对抽取两者。为此，本文提出了一种端到端方法来解决属性词和观点词的配对抽取（PAOTE）任务。此外，本文从联合词和关系抽取的角度而非此前大多数工作中执行的序列标注方法的角度，来处理该问题。我们提出了一个基于共享跨度的多任务学习框架，其中在跨度边界的监督下提取词。同时，使用跨度表示法来联合识别配对关系。大量实验表明，我们的模型始终优于 SOTA 方法。

分享内容：

现有的工作往往使用元学习（meta learning）的方法，通过在一系列meta-task中切换来获得少样本学习的能力，但是在task间的切换会带来遗忘的问题，因此考虑使用记忆机制来辅助meta learning的训练。在本工作中，我们将监督学习得到的分类参数作为meta learning的全局记忆，并提出了动态记忆路由算法，基于dynamic routing的方式将全局记忆信息融入到meta task的训练和预测阶段。此外，动态记忆路由算法还可以使用query信息来增强归纳类别表示的能力，对口语场景下的语言多样性表达有更好的泛化性能。在中英文场景少样本分类任务数据集上，均取得了STOA的结果。

分享主题：多领域对话动作和回复联合生成分享嘉宾：田俊峰

分享内容：

在任务型对话中，产生流畅且信息丰富的回复至关重要。现有pipeline方法通常先预测多个对话动作，然后使用它们的全局表示来辅助回复生成。这种方法有两个缺陷：第一，在预测对话动作时，多领域的固有结构被忽略了；其次，在生成回复时没有考虑到对话动作和回复之间的语义联系。为了解决这些问题，我们提出了一种同时生成对话动作和回复的神经联合生成模型。与以往的方法不同，我们的对话动作生成模块可以保留多领域对话动作的层次结构，同时我们的回复生成模块可以动态地关注到相关的对话动作。在训练时，我们采用不确定性损失函数来自适应地调整两个任务的权重。在大规模MultiWOZ数据集上进行了评估，实验结果表明，我们的模型在自动评估和人工评估上都比SOTA模型有很好的提升。分享主题：神经机器翻译的多尺度协同深度模型分享嘉宾：魏相鹏

近年来，神经机器翻译(NMT)方法凭借其出色的翻译性能在大量应用场景中取代了基于统计的机器翻译方法。目前，制约NMT模型性能的因素主要包括模型的特征表达能力和数据规模。因此，我们提出一种基于多尺度协作(MSC)机制的深度神经机器翻译模型，以提高模型对底层（具象化）和高层（抽象化）特征的建模能力。

实验证明，(1) 多尺度协作机制有助于构建极深的NMT模型的同时带来性能上的提升，(2) 基于MSC机制的深度NMT模型能够更好地翻译语义结构复杂的自然语言句子。

分享主题：多语种序列标注的结构级知识蒸馏分享嘉宾：王新宇

多语言序列标注是一项使用单一统一模型预测多语言标签序列的任务。与依赖于多个单语模型相比，使用多语言模型具有模型规模小、在线服务容易和对低资源语言通用的优点。然而，由于模型容量的限制，目前的多语种模型仍然远远低于单独的单语模型。本文提出将多个单语言模型（teachers）的结构知识提取到统一的多语言模型（student）中，以缩小单语言模型与统一的多语言模型之间的差距。我们提出了两种基于结构层次信息的知识挖掘方法：

分享主题：跨域中文分词的远程标注与对抗耦合训练分享嘉宾：丁宁

完全监督神经方法在中文分词（CWS）的任务上取得了重大进展。但是，如果由于域间的分布差异和集外词（OOV）问题导致域迁移，则监督模型的性能始终一直大幅下降。为了实时缓解此问题，本文将跨域中文分词的远程标注和对抗性训练直观地结合在一起。

7月9日，6位来自阿里的分享嘉宾，与大家不见不散！

ACL 2020原定于2020年7月5日至10日在美国华盛顿西雅图举行，因新冠肺炎疫情改为线上会议。为促进学术交流，方便国内师生提早了解自然语言处理（NLP）前沿研究，AI 科技评论将推出「ACL 实验室系列论文解读」内容，同时欢迎更多实验室参与分享，敬请期待！

马云自卸任阿里巴巴CEO之后，便开始过上了退休的生活，退休的这段日子，马云可没闲下来，拍**、办演讲，还创建了阿里的达摩院。

阿里的达摩院，致力于 探索 科技 未知，以人类愿景为驱动力的研究院。阿里巴巴每年都会投入巨额的经费用于达摩院的科学研究。阿里不光只有电商业务。这次达摩院在AI领域取得了突破并创造了世界纪录，马云又立下大功了。

马云还是颇具战略眼光的，2017年阿里的达摩院正式创建。达摩院招募了一批全球顶尖的科学家，行业领域涉及人工智能、芯片、量子计算等等。马云对 科技 领域的 探索 和研究正式开始。

达摩院在近5年以来，取得了一项又一项的 科技 创新突破，这次在AI领域创造了新的世界记录。最近在视觉问答榜单VQA leaderboard出现关键突破，达摩院以高达8126％的准确率创造了新的记录。

这是AI的“读图会意”的识别率首次超过人类的标准。什么是AI读图会意呢？就是通过AI识别，分析里的一些信息和内容，并提取出来，而VQA就是这样一项视觉问答挑战，给定一些，然后用自然语言针对中的内容提出问题，再让AI分析做出解答。

我们可以参考一下VQA给的一道试题，下面是一张两个玩具的照片，第一步提出问题：这些玩具是用在什么地方AI作出回答：婚礼。

这是一道看似普通人都会回答的题目，但对AI来说，却是一个巨大挑战，难度可以说是地狱模式。在以往的VQA测试，AI能达到的最高准确率也只有55％。

但经过这么多年的努力，阿里达摩院这一测试中取得了令人称赞的成绩。这是VQA测试以来，AI取得的最好成绩，也是AI首次超过人类水平。

阿里达摩院AI技术实力强大，我们有理由相信达摩院会在不久的将来，在AI技术上会再次突破。这也同时推动着中国AI技术的发展，推动中国未来 科技 的发展，阿里达摩院，未来可期！

因为阿里达摩院都是应用层面的创新，都是基于西方的底层。这就好比登高一样，登的再高，人家把梯子抽掉，你就会掉下来。阿里再多世界第一，老美不开心，给你把底层方面的权限关掉，你就两眼抹黑了。

这就好比电脑 游戏 ，阿里是职业玩家，一路夺冠， 游戏 公司当然支持，因为阿里很好的给你做了宣传。而华为则是开发另一款 游戏 ，想要连锅端，美国人当然不高兴了。

没有含金量的世界第一，别人当然不鸟你，你看吉尼斯世界纪录有几个是有意义和含金量的？科研是要基础、时间、金钱、人才的，不是我今天研发明天就能有成果的，需要日积月累的投入和努力，达摩院也就成立两三年，现在的科研成果应该只是基础性的，而且成果出的太快应该很多都是在别人的基础上研发出来的，这种研发成果很容易被卡脖子，因为基础是别人的，别人说关你就关你。

阿里股东外资占40%以上，技术创新资本家也得利，华为全部都是内部持股，再赚钱外人一分钱也得不到

软件做的再好，也需要在别人的系统里运行。人家掌握着你的根基，你再好的软件也是在人家手里

看了几乎所有的评论，对阿里达摩院都充满着偏见和无知，处处贬低否定他的成就，抬高美国。但事实上，2019年，在美国800多个最有名最有实力的高 科技 大公司CEO大会上，美国精英们共商中美 科技 大战之大事，大家共同讨论中国有哪家公司具有实力颠覆美国的所有公司，最后大家共同的结论就是阿里巴巴（而绝不是华为，当然华为在某些领域也非常优秀，比如通信。但芯片制造的命门捏在美国手里，所以美国不怕华为），他是全世界最最优秀的企业，能够从许许多多方面彻底的颠覆美国的各大优秀公司，这可是美国所有精英共同的结论，但中国的汉奸精英们却处处贬低阿里巴巴，处处吹捧美国，总是歧视自己人，把中国的一切企业和企业家的所有成绩都当成是狗屎，极尽所能的贬低中国的企业和企业家，一天到晚的跪舔美帝国主义的一切，真是十分的令人不齿。

从阿里各种神操作，大家可以很清楚地看到阿里的资本属性和江湖习气。对于一个一直称霸世界的流氓老大和玩弄资本非常娴熟的吸血鬼来说，阿里在他面前像什么呢？再说了，阿里靠玩互联网起来的。网这玩意是人家美国捂在怀里实玩腻味了才拿出来的，这方面弄多大的动静他也不会大惊小怪。

阿里达摩院拿了40项世界第一，这“第一”可能存在以下可能:

1这些第一没有实际意义

2未必是真正的第一

3对美国构不成威胁还有利

4对自己国表面上是利，战略上是弊

5商人的噱头

阿里的很多世界第一都是基于美国制定的 游戏 规则下的产物，底层和核心层设计是基于美国的，通俗一点讲就是阿里是在美国耕种的土地上成长的作物，动摇不了美国的根基。但华为就不一样了，华为是自己建一套规则和系统，底层和核心层和美国不一致，与他抗衡，这是美国绝对不能接受的。

于互联网技术而言，达摩院的研究创新，是应用层面，就是在别人造好的地基上盖房子。

而华为做的是底层架构，自己另起炉灶，彻底抛开微软的系统。

     达摩院是一家致力于探索科技未知，以人类愿景为驱动力的研究院。并且在三年内集团研发投入1000亿人民币，用于涵盖基础科学和颠覆式技术创新的研究。在2018年云栖大会上的时候，阿里巴巴集团首席技术官张建锋表示，达摩院正在建设自己的量子实验室、量子芯片，半导体。同时，成立“平头哥半导体有限公司”。

     达摩院的愿景是至少要服务全世界20亿人口，为一千万家企业创造盈利的空间和机遇，同时希望解决1亿就业机会。阿里达摩院覆盖机器智能、数据计算、机器人、金融科技、X 实验室五大研究领域，共14个实验室。还有达摩院的成立宗旨是“Research for solving the problem with profit and fun”也就是为解决问题研究并带来利润和快乐。

       在2019年云栖大会上，达摩院旗下的平头哥所发布的含光800芯片，凭借着领先第二名近5倍的AI性能，登上了世界第一的宝座。除了含光800芯片外，平头哥还推出了运用在5G、人工智能以及自动化等领域的RICSC-V架构等，为中国半导体发展做出了不可磨灭的贡献。

       达摩院将会朝着这些方向，从“听、说、看”的感知领域，逐渐向认知智能演进，届时，人工智能技术将成为达摩院的重点研究对象。 最后，这个达摩院是面向世界和未来的，不仅仅是在阿里的支持下，解决商业问题，其实最终要思考的，是关乎未来人类命运的问题，达摩院必须思考未来的问题。

     阿里巴巴达摩院是阿里巴巴在全球范围内设立的多个科研机构，主要是以致力于探索科技未知，以人类愿景为驱动力来进行一些立足基础科学、颠覆性技术和应用技术的研究机构。

    阿里达摩院成立于2017年10月，从成立到现在获得了近50项的世界第一，这是因为达摩院汇聚了各个领域国内外顶尖人才。下面认识一下其著名院士。

    迈克尔·乔丹：机器学习领域的奠基者，人工智能领域的泰斗，战胜柯洁的那个阿尔法-狗的祖师爷爷，另外附加美国科学院、工程院、艺术与科学院的三院院士。

    李凯：中国工程院外籍院士、美国工程院院士，李凯教授是计算机领域著名科学家，在构建平行可分布式系统和重复数据删除系统、数据分析等领域有极高建树。

    周以真：美国计算机科学家。卡内基-梅隆大学教授，她的主要研究领域是形式方法、可信计算 、分布式系统、编程语言等。1993年她与图灵奖得主芭芭拉·利斯科夫合作，提出了著名的Liskov代换原则，是面向对象基本原则之一。

   乔治·丘奇：美国哈佛大学遗传学教授，哈佛医学院基因组研究中心主任。2016年诺贝尔化学奖的热门候选人包括哈佛大学医学院的乔治·丘奇。

   高文：中国工程院院士、计算机专家。主要研究方向为人工智能应用和多媒体技术，多媒体数据压缩，、模式识别与图象处理。

  吴朝晖：中国科学院院士、浙江大学校长。 吴朝晖持研制了复杂服务计算支撑平台，在脑机融合的混合智能方面，提出了混合智能体系结构及脑在回路的信息处理模型。

  黄如：中国科学院院士、北京大学副校长。从事半导体新器件及其应用研究，主要包括低功耗新结构新原理器件、新型神经形态器件及相关技术、器件、电路可靠性与波动性、关键共性工艺等。

   

在2017年10月的杭州云栖大会上，阿里巴巴高调宣布正式成立达摩院，称未来三年将投入1000亿元用于基础科学和颠覆式技术创新研究。达摩院重点布局机器智能、数据计算、机器人、金融科技以及X实验室五大领域，相应设置有 14 个实验室，共有近 70 名海内外专家坐镇。虽然还做不到赶超英特尔，但是达摩院目前也在几个领域做到了优秀水平。

达摩院在语音智能、语言技术（自然语言处理）、机器视觉三大技术领域与平台化建设方面有了很不错的成果。

语音智能方面的成绩

2018年6月，阿里达摩院开源了自主开发的新一代语音识别模型(DFSMN)，在世界最大的免费语音识别数据库 LibriSpeech

上进行公开测试。对比目前业界使用最为广泛的 LSTM 模型，DFSMN 语音识别模型训练速度更快、识别准确率更高。基于 DFSMN 模型，阿里 AI 又研发了

DFSMN-CTC 模型，语音错误率大幅下降，解码效率提升6倍。

语言技术方面的成绩

达摩院机器翻译技术团队已实现了 48

个语言翻译方向，支持俄、西、法、阿、土，泰、印尼、越南等多种语言翻译；其中电商覆盖了大部分语向和场景，超越谷歌和亚马逊，日调用量达到 179

亿次。阿里的机器翻译技术除了应用于电商全链路服务之外，还广泛应用于菜鸟物流通关、阿里云国际社区、飞猪旅行翻译助手、钉钉社交口语翻译等一系列产品。

机器视觉方面的成绩

2019 年 7 月，在 CVPR 2019 举办的 LPIRC(低功耗图像识别挑战赛)中，阿里 AI 获得在线图像分类任务第一名，以 23ms

的单张分类速度，在 10 分钟内分类 20,000 张图像。在挑战赛使用的训练数据集上，实现了 674%

的分类精度，比官方提供的基准线高35%。

阿里 AI

提出了“递归探索对话模型”，综合集成了图像识别、关系推理与自然语言理解三大能力，通过高效利用标注信息学习出模仿人类认知复杂场景的思维方式，能够有效识别里的实体以及它们之间的关系，推理出所描述的事件内容，并通过对上下文进行有效建模，理解人类提出的问题及真实意图，给出自然准确的回复。

达摩院有多厉害

马云说阿里巴巴可能没有，但达摩院可以留下。从马云说的这句话来看，达摩院有多厉害可想而知。

达摩院研究的方向都是未来的市场发展方向以及高精尖技术，短期内可能看不到太大的成果，但是一旦研究成功，带来的改变是巨大的。

阿里达摩院指阿里巴巴达摩院，它是全球科技机构，成立于2017年。阿里达摩院非常受马云器重，马云要在三年内投资1000亿给阿里达摩院，让阿里达摩院成为全球顶级研究院，为全球20亿人服务，并且为1000万家企业创造盈利。

阿里达摩院

阿里达摩院的业务领域非常广，包括涵盖量子计算、机器学习、基础算法、网络安全、视觉计算、自然语言处理、人机自然交互、芯片技术、传感器技术、嵌入式系统等，涵盖机器智能、智联网、金融科技等多个产业领域。

阿里达摩院汇集众多顶级科研人才，比如包括在中国工程院院士高文、中国科学院院士梅宏、工智能领域世界级泰斗MichaelI。Jordan以及美国工程院院士李凯。由于阿里达摩院酬薪很高，现在有越来越多技术人才到这家研究院工作，该研究院未来会为中国科技发展做出巨大贡献。