2017 年已經(jīng)過半，從 2016 年開始火到現(xiàn)在的人工智能技術(shù)度過了熱度超高的一年。據(jù)統(tǒng)計，過去半年共有 120 家以上的 AI 公司獲得超過 230 億元融資。很多公司都在標(biāo)榜自己有 AI 技術(shù)，更多公司則在嘗試如何將 AI 融進(jìn)自己的產(chǎn)品和服務(wù)。在火熱的行情背后，其實隱藏著一個不安的事實。

近兩年 AI 在大眾認(rèn)知上的成功，絕對要歸于谷歌的 AlphaGo 項目。去年和今年連續(xù)打敗李世石和柯潔兩大亞洲圍棋高手，成功炒熱人工智能這個話題。有意思的是，AlphaGo 榮升「九段」后，谷歌馬上就宣布將其「退休」。除了表示謙虛，還有一個實際問題，那就是這個人工智能算法，除了能夠打敗圍棋高手，基本不能應(yīng)用于任何其他領(lǐng)域。AlphaGo 的命運折射的是整個 AI 行業(yè)的困境，花費高昂成本打造的 AI 解決方案無法大規(guī)模普及。

如何讓 AI 實現(xiàn)規(guī)?；瘧?yīng)用落地，在 To B 領(lǐng)域如何突破行業(yè)障礙，在大眾消費層面，如何讓 AI 走進(jìn)普通消費者的生活，面對這些 AI 公司共同的疑問，8 月 6 日極客公園前沿社夏季會晤活動中，CMU 機(jī)器學(xué)習(xí)系副主任邢波教授與眾多國內(nèi) AI 公司創(chuàng)始人共同探討了人工智能的各種可能性。

AI 版 Android 系統(tǒng)的重要性

邢波教授認(rèn)為，當(dāng)我們衡量一個工業(yè)是否成熟時，通常會看相關(guān)的公司能否進(jìn)行規(guī)?；纳a(chǎn)，這就是為什么歷經(jīng)百年發(fā)展的好萊塢可以被稱為電影工業(yè)，而同樣有近百年歷史的中國電影到現(xiàn)在還是導(dǎo)演中心制的作品。雖然 AI 的概念已經(jīng)有半個多世紀(jì)的歷程，但其實在近幾年發(fā)展才突飛猛進(jìn)。不過，即便接受了全球數(shù)百億美元的投資，AI 依然處于非常早期的發(fā)展階段，其表現(xiàn)之一就是沒有統(tǒng)一的標(biāo)準(zhǔn)，也沒有統(tǒng)一的系統(tǒng)，無法制式化，無法量產(chǎn)。

邢波教授分享關(guān)于人工智能行業(yè)的看法

以手機(jī)行業(yè)為參考，自 2007 年蘋果的 iPhone 定義智能手機(jī)之后，目前只有 iOS 和谷歌的安卓兩大操作系統(tǒng)，你很難想象一個手機(jī)廠商想賣產(chǎn)品的話，需要先自己寫個手機(jī)系統(tǒng)。但其實目前的情況是，大多數(shù) AI 公司的運作就像是本來只是想做一個手機(jī)應(yīng)用，但是他必須把相關(guān)手機(jī)的硬件和軟件上下游都做到——這顯然有點強人所難。

如果按照 AI 產(chǎn)業(yè)鏈來劃分的話，目前大部分 AI 公司的業(yè)務(wù)涉及到的是上游的任務(wù)、模型及算法，但是為了實現(xiàn)方案，這些應(yīng)用公司還需要操心更深層次的軟件實現(xiàn)、系統(tǒng)以及設(shè)備硬件的選擇。這樣一個情況導(dǎo)致的結(jié)果就是 AI 實現(xiàn)的成本高昂，同時一個解決方案無法實現(xiàn)復(fù)用，最終導(dǎo)致的是 AI 技術(shù)難以普及?！改壳昂芏喙敬蛟斓?AI 系統(tǒng)或軟硬件近似于雕琢工藝品，而不是能夠進(jìn)行量產(chǎn)，復(fù)制，和普及的高度魯棒和易用的工業(yè)產(chǎn)品?！剐喜ń淌诮忉尩溃J(rèn)為如果 AI 是一個產(chǎn)業(yè)的話，那么我們目前還處在「AI 的前工業(yè)化時代」。

邢波教授指出，正像安卓和 iOS 系統(tǒng)的確立，最終促成了移動應(yīng)用的爆發(fā)，人工智能行業(yè)目前也需要一個全新的跨平臺的系統(tǒng)。而這樣一套系統(tǒng)應(yīng)該包含從模型、算法到軟件實現(xiàn)和操作系統(tǒng)層面。其功能應(yīng)該包含：兼容多來源數(shù)據(jù)（如多種數(shù)據(jù)庫）、兼容多種編程語言（如 TensorFlow、Python）、同時能夠加載到任何硬件設(shè)備，實現(xiàn)跨平臺 AI。

這樣一套系統(tǒng)的出現(xiàn)，能夠為做 AI 產(chǎn)業(yè)上游的公司省下大量精力和成本，他們可以專注為客戶解決業(yè)務(wù)需求，在通用功能模塊上實現(xiàn)針對用戶和特別應(yīng)用的專門化（如同為不同負(fù)載改裝飛機(jī)，而不是重新從頭設(shè)計制造飛機(jī)以致引擎），而不用擔(dān)心基礎(chǔ)設(shè)施等底層系統(tǒng)。同時，免除開發(fā)底層系統(tǒng)，也能讓 AI 公司的解決方案快速遷移，實現(xiàn)規(guī)?；a(chǎn)，促成 AI 的真正工業(yè)化落地。

AI 在 B 端的真正市場機(jī)遇

如果說 AI 是一支一飛沖天的火箭的話，那么其燃料毫無疑問就是各種海量的數(shù)據(jù)，沒有大量數(shù)據(jù)，再好的算法和模型也不會起作用。由于互聯(lián)網(wǎng)技術(shù)在近幾十年的迅速發(fā)展，很多 IT 公司積累了大量數(shù)據(jù)，這也使得他們成為 AI 關(guān)注的重點。目前數(shù)據(jù)挖掘和使用最多的，就是互聯(lián)網(wǎng)行業(yè)，但真相是，那些被目前 AI 公司忽視的傳統(tǒng)行業(yè)如電信、能源、基礎(chǔ)設(shè)施、制造、航空以及金融領(lǐng)域，蘊含的才是真正的海量數(shù)據(jù)。

邢波教授引用數(shù)據(jù)說明，每個普通用戶每天產(chǎn)生的數(shù)據(jù)量大約為 4MB，而每一口石油礦井的數(shù)據(jù)量為 3500TB、每一個波音 747 引擎的數(shù)據(jù)為 500TB。但是相對于互聯(lián)網(wǎng)公司來說，傳統(tǒng)行業(yè)在使用 AI 方面并不積極，相當(dāng)于一個坐擁大量財寶的人卻不知如何使用。有從事物聯(lián)網(wǎng)（IoT）的人士就指出，其行業(yè)有 99% 的數(shù)據(jù)并沒有派上用場。

很多傳統(tǒng)公司已經(jīng)意識到數(shù)據(jù)的重要性，并開始紀(jì)錄并積累了大量數(shù)據(jù)，就像飛機(jī)引擎產(chǎn)生的海量數(shù)據(jù)，但是人們卻不知如何利用。另外，雖然 Google 和蘋果在全球公司市值上折桂，但利潤相對于很多傳統(tǒng)行業(yè)來說并不高。所以，如何用 AI 來對接這些傳統(tǒng)行業(yè)，通過這些海量數(shù)據(jù)來提升效率，創(chuàng)造更多價值，是 AI 公司真正需要考慮的。

To B 端落地 AI 需要專家調(diào)教

既然傳統(tǒng)行業(yè)有如此多的數(shù)據(jù)和需求，顯然早已有 AI 公司早已經(jīng)瞄準(zhǔn)了這個市場。iPIN 公司一直關(guān)注的是用機(jī)器去學(xué)習(xí)人的發(fā)展軌跡，用機(jī)器分析人、分析企業(yè)，在具體應(yīng)用落地上，團(tuán)隊選擇了三個有些許關(guān)聯(lián)的行業(yè)：生涯規(guī)劃（高考填報志愿）、企業(yè)招聘和法律。iPIN 公司 CEO 楊洋曾經(jīng)嘗試將單一場景訓(xùn)練出的 AI 體系，應(yīng)用到其他場景中，但結(jié)果并不盡如人意，這種「遷移學(xué)習(xí)」很不成功，他們遭遇到了此前邢波教授所描述的 AI 不可復(fù)用的難題。

iPIN 公司發(fā)現(xiàn)，雖然 AI 公司可以建立模型和算法，但是在判斷層面依然需要相關(guān)行業(yè)專家進(jìn)行指導(dǎo)和把關(guān)，將后者的專業(yè)知識融合到解決方案之中。正因如此，AI 解決方案的遷移隔行如隔山，因為每到一個新的行業(yè)，都需要找到其行業(yè)專家進(jìn)行合作，與行業(yè)進(jìn)行深度匹配。

作為國內(nèi)較早看好 AI 領(lǐng)域的投資公司，北極光創(chuàng)投董事總經(jīng)理楊磊認(rèn)為，在 AI 行業(yè)發(fā)展早期，創(chuàng)業(yè)公司需要做的一定是垂直整合，打穿整個產(chǎn)業(yè)鏈。就像芯片巨頭英特爾在上世紀(jì) 60 年代的時候，不僅要做芯片，而且要做半導(dǎo)體相關(guān)的生產(chǎn)設(shè)備和工具。「目前的客戶需要的是完整的解決方案，并非單一的技術(shù)?！箺罾诮忉尩?，而能夠打穿整個垂直產(chǎn)業(yè)的 AI 公司，也是北極光投資的參考標(biāo)準(zhǔn)之一。

由于 AI 在近年來的逐漸升溫，很多傳統(tǒng)企業(yè)也在尋找 AI 公司來為自己賦能?？偟膩碚f，傳統(tǒng)公司對于 AI 解決方案的訴求有兩點：1. 提升生產(chǎn)力；2. 提高生產(chǎn)效率。而相對互聯(lián)網(wǎng)公司，這些傳統(tǒng)公司的數(shù)據(jù)積累比較薄弱，很多數(shù)據(jù)很難投入應(yīng)用，這對 AI 公司來說也是一個難題。有意思的是，很多大公司在與 AI 公司合作時，合約中明確表示必須保密。這些公司將 AI 當(dāng)成了一個秘密武器，想要因此保持行業(yè)競爭力，當(dāng)然不希望競爭對手知道 AI 的好處。

在 To B 端市場，AI 創(chuàng)業(yè)公司需要有一個有力的方案，能夠?qū)⒄麄€行業(yè)鑿穿，才能在市場上有所斬獲。而這樣的垂直整合經(jīng)驗，也將為 AI 公司構(gòu)建獨特的商業(yè)壁壘。不過，由于 AI 技術(shù)發(fā)展日新月異，在應(yīng)用層面不斷進(jìn)取的團(tuán)隊也要時刻注意 AI 底層架構(gòu)方面的變革，一旦 AI 基礎(chǔ)設(shè)施發(fā)生變化，在上游應(yīng)用端構(gòu)筑的壁壘可能一夜之間失去意義，楊磊和邢波都提出了這樣的建議。

前沿社會員探討中

讓消費者接受 AI 還要看場景

相對于 B 端，拜谷歌、蘋果等大公司所賜，AI 在消費層面更為人所知。而 AI 行業(yè)激烈競爭的一個代表，就是智能音箱。從亞馬遜 Echo 開始，谷歌、蘋果、阿里巴巴等巨頭公司紛紛涉推出智能音箱。小魚在家創(chuàng)始人兼 CEO 的宋晨楓認(rèn)為，下半年國內(nèi)市場將會出現(xiàn)「百箱大戰(zhàn)」，在這個時間節(jié)點小公司加入戰(zhàn)場，可能并不明智。首先，智能音箱從本質(zhì)上不是賣硬件，而是賣其背后連接的服務(wù)和內(nèi)容，而用戶購買的也正是后者，而非一個硬件本身。

對于很多巨頭公司來說，智能音箱已經(jīng)被當(dāng)看成了下一個互聯(lián)網(wǎng)入口和交互工具。出門問問創(chuàng)始人兼 CEO 李志飛認(rèn)為，智能音箱的語音在交互層面并不完美，至少還需要一塊屏幕。正如其言，不久前，先行者亞馬遜就在自家智能音箱上加了一塊屏幕（Echo Show）。不過，李志飛依然認(rèn)為，即便加上屏幕，音箱的交互依然有問題。不過，智能音箱在未來有可能和其他設(shè)備如電視、手機(jī)、平板等組成一個智能體系。

深耕于智能家居生態(tài)系統(tǒng)的 BroadLink 公司創(chuàng)始人兼 CEO 劉宗孺認(rèn)為，一些家電例如空調(diào)，可能并不需要深度神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)技術(shù)，只用決策樹就能做出一個合適的模型。智能家居的要點在于如何將用戶使用習(xí)慣的數(shù)據(jù)和體驗打通。

而至于以語音助手為代表的 AI 如何讓消費者真心接受，幾位業(yè)內(nèi)人士認(rèn)為最重要的還是使用場景。李志飛以語音助手的用戶使用頻率為例，指出一些主流設(shè)備的語音助手使用率為智能眼鏡》車載》智能手表》手機(jī)，其中 Google Glass 的使用頻率高達(dá) 80% 以上，而手機(jī)則低于 1%。出現(xiàn)這種情況的一個重要原因，是智能眼鏡的主要交互方式就是語音，而手機(jī)的觸摸屏交互太好用，以至于人們很好選擇語音作為交互。李志飛總結(jié)認(rèn)為，語音助手想要爆發(fā)，首先需要一個用戶粘性極高的設(shè)備，同時語音應(yīng)該是其最主要的交互方式。從這個角度來說，車載可能是語音助手的一個合適的應(yīng)用場景。

在軟件層面，流利說團(tuán)隊使用語音識別技術(shù)、寫作自動評測引擎和機(jī)器自適應(yīng)學(xué)習(xí)技術(shù)等，為用戶打造出一個私人訂制的「AI 英語老師」。目前，流利說的中式英語語音識別技術(shù)在全球準(zhǔn)確率最高，即便有口音，也能精準(zhǔn)識別，但流利說公司聯(lián)合創(chuàng)始人兼 CTO 胡哲人說，在實際運用中，流利說的 AI 技術(shù)會顯得有人情味且更智能，在有的時候，系統(tǒng)在評測打分時，會更看重用戶可以流利連貫的表達(dá)、語法的正確，而不會去刻意突出口音問題。

另外，和電商可以通過用戶瀏覽記錄推薦很多商品不同，由于流利說做的是英語學(xué)習(xí)類的推薦，所以必須在推薦算法需要做得更加精確，給用戶的內(nèi)容都是適合他的能力和水平的。因為如果推薦了不合適的內(nèi)容，用戶很快會對產(chǎn)品產(chǎn)生疑問。