實(shí)時(shí)更新飛瑞敖最新動(dòng)態(tài),了解飛瑞敖
在過去的2021年,我們見證了人工智能這個(gè)細(xì)分行業(yè)的起起伏伏,有些企業(yè)長(zhǎng)期虧損乃至瀕臨破產(chǎn),有些企業(yè)順利獲得融資或成功上市,可謂幾家歡喜幾家愁。但縱觀現(xiàn)在國(guó)內(nèi)人工智能的產(chǎn)業(yè)化之路,總是無(wú)法回避一個(gè)現(xiàn)實(shí)的問題,即“人工智能企業(yè)究竟離盈利還有多遠(yuǎn)?”誠(chéng)然人工智能領(lǐng)域的研發(fā)工作需要巨大的投入,但所有的研發(fā)投入只有在產(chǎn)業(yè)化的落地場(chǎng)景中才能實(shí)現(xiàn)真正的商業(yè)價(jià)值,脫離了現(xiàn)實(shí)的產(chǎn)業(yè)需求,人工智能只能停留在技術(shù)本身。
目前,人工智能的產(chǎn)業(yè)化發(fā)展的3個(gè)路徑:(1)AI+產(chǎn)業(yè),即人工智能的技術(shù)型公司掌握某種人工智能技術(shù)后,向產(chǎn)業(yè)化的具體場(chǎng)景落地。比如商湯科技、云天勵(lì)飛、曠世科技等知名人工智能公司都是采取的這條路徑。(2)產(chǎn)業(yè)+AI,即由某一細(xì)分產(chǎn)業(yè)里的公司,尤其是頭部大型企業(yè)作為主導(dǎo)力量,主動(dòng)引入人工智能技術(shù)完成升級(jí)。比如平安保險(xiǎn)、、順豐快遞等細(xì)分領(lǐng)域的大型企業(yè)自身的產(chǎn)業(yè)升級(jí)。(3)產(chǎn)學(xué)研成果轉(zhuǎn)化,即由高校和科研機(jī)構(gòu)為主導(dǎo),主動(dòng)面向市場(chǎng)的科研成果轉(zhuǎn)化道路。近些年各大頂尖高校都建立了人工智能研究院,諸如北京、上海、深圳等城市也有很多政府背景的人工智能科研和成果轉(zhuǎn)化平臺(tái)。
筆者從2020年以來(lái)持續(xù)走訪了上百家人工智能企業(yè)及科研機(jī)構(gòu),就在行業(yè)里的所見所聞,結(jié)合自己的想法,談一下我對(duì)于人工智能的產(chǎn)業(yè)化之路的思考。
一、“AI+產(chǎn)業(yè)”的道路已經(jīng)進(jìn)入平臺(tái)期
“AI+產(chǎn)業(yè)”的模式,主要指人工智能的技術(shù)型公司通過技術(shù)先行,然后尋找合適的業(yè)務(wù)場(chǎng)景實(shí)現(xiàn)商業(yè)價(jià)值。這條路可以借鑒移動(dòng)互聯(lián)網(wǎng)的發(fā)展歷程,諸如淘寶、滴滴這樣的互聯(lián)網(wǎng)企業(yè),都是通過技術(shù)和商業(yè)模式創(chuàng)新,發(fā)現(xiàn)了一個(gè)0-1的全新產(chǎn)業(yè)。我們?cè)?jīng)也認(rèn)為人工智能的技術(shù)型公司可以通過0-1的技術(shù)突破,借鑒移動(dòng)互聯(lián)網(wǎng)的經(jīng)驗(yàn),廣泛覆蓋到各行各業(yè)的細(xì)分場(chǎng)景中。但除了人臉識(shí)別等少數(shù)幾個(gè)場(chǎng)景外,人工智能的技術(shù)型公司并沒有復(fù)制科技前輩在移動(dòng)互聯(lián)網(wǎng)的成功。
其中的原因有很多,我們并不能將其簡(jiǎn)單歸咎于市場(chǎng)、資本或團(tuán)隊(duì)本身,筆者認(rèn)為根源在于人工智能技術(shù)本身進(jìn)入了一個(gè)進(jìn)步相對(duì)緩慢的平臺(tái)期了,我們拿人工智能的三大核心要素:算力、算法和數(shù)據(jù)來(lái)對(duì)應(yīng)分析。
我們先說算力的問題,根據(jù)中國(guó)信息通信研究院在2021年《中國(guó)算力發(fā)展指數(shù)白皮書》的分析,雖然近些年基礎(chǔ)算力、智能算力和超算算力都有很大程度的增長(zhǎng),未來(lái)5年全球的增速甚至超過50%,但與日益復(fù)雜的算法模型和快速增長(zhǎng)的現(xiàn)實(shí)需求而言,仍然存在較大的缺口。同時(shí),存算一體架構(gòu)、量子計(jì)算、光子計(jì)算和類腦計(jì)算芯片尚處于實(shí)驗(yàn)室的研發(fā)階段,離大規(guī)模商業(yè)化還有較長(zhǎng)的時(shí)間,無(wú)法以技術(shù)革命的方式實(shí)現(xiàn)跨越式發(fā)展。雖然,諸如商湯科技、華為等頭部公司采取了建立人工智能計(jì)算中心(AIDC)的方式,來(lái)滿足未來(lái)智能計(jì)算需求的快速增長(zhǎng);我國(guó)神威、天河、曙光三臺(tái)E級(jí)超算系統(tǒng)的研制工作也在逐步推進(jìn),很多國(guó)內(nèi)的硬件公司著手計(jì)算機(jī)硬件的國(guó)產(chǎn)化替代。但從短期來(lái)看,算力將會(huì)是一個(gè)制約人工智能技術(shù)發(fā)展的現(xiàn)實(shí)困難。
我們?cè)僬f到算法,算法表面上是計(jì)算機(jī)技術(shù),但就本質(zhì)抽離分析它是個(gè)數(shù)學(xué)問題。近些年數(shù)學(xué)領(lǐng)域還是有很多發(fā)展,比如無(wú)限函數(shù)計(jì)算等,但在計(jì)算機(jī)領(lǐng)域的發(fā)展速度相對(duì)而言沒有那么的快。就算法這一特定領(lǐng)域的發(fā)展,中美最頂級(jí)的算法之間目前并沒有代差。雖然層算法需要投入海量的資金進(jìn)行研發(fā),但是就應(yīng)用層來(lái)說,企業(yè)完全可以自己下載Gitub或OpenAI的開源代碼,或者使用百度、阿里、騰訊等互聯(lián)網(wǎng)大廠的現(xiàn)有技術(shù)方案,從而大大降低技術(shù)應(yīng)用的門檻。在市場(chǎng)競(jìng)爭(zhēng)的層面上,人工智能技術(shù)型公司并不必然比傳統(tǒng)互聯(lián)網(wǎng)公司,甚至處于數(shù)字化轉(zhuǎn)型的傳統(tǒng)企業(yè)更具有優(yōu)勢(shì)。
另外一個(gè)關(guān)鍵要素就是數(shù)據(jù),我國(guó)從2020年開始就逐步收緊了數(shù)據(jù)安全相關(guān)的管理,《個(gè)人信息保護(hù)法》、《數(shù)據(jù)安全法》以及九部委《關(guān)于加強(qiáng)互聯(lián)網(wǎng)信息服務(wù)算法綜合治理的指導(dǎo)意見》的陸續(xù)出臺(tái),使得人工智能的技術(shù)型公司獲得數(shù)據(jù)的難度越來(lái)越,除非他們能夠深入到業(yè)務(wù)的細(xì)分場(chǎng)景中,否則很難像過去那樣獲得訓(xùn)練算法模型的大規(guī)模數(shù)據(jù)。而這些“喂養(yǎng)”算法模型的數(shù)據(jù),大都掌握在產(chǎn)業(yè)里的公司,尤其是大型公司的手中。這些大型公司無(wú)論是處于商業(yè)目的,還是自身業(yè)務(wù)安全性的考慮,幾乎很難同人工智能的技術(shù)型公司開展合作,這也造成人工智能的技術(shù)型公司在產(chǎn)業(yè)化的道路上困難重重。
二、“產(chǎn)業(yè)+AI”和產(chǎn)學(xué)研成果轉(zhuǎn)化的機(jī)遇
“產(chǎn)業(yè)+AI”的路徑,屬于產(chǎn)業(yè)里的企業(yè)自發(fā)性升級(jí)換代的過程,我們可以將其歸納進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型的進(jìn)程。產(chǎn)業(yè)里的企業(yè)為了適應(yīng)市場(chǎng)競(jìng)爭(zhēng),會(huì)主動(dòng)尋求與人工智能領(lǐng)域的技術(shù)型公司或者研究機(jī)構(gòu)進(jìn)行合作,甚至自己建立團(tuán)隊(duì)完成研發(fā)工作。對(duì)于大部分產(chǎn)業(yè)里的企業(yè)來(lái)說,他們面對(duì)的并不是0-1的全新市場(chǎng),往往是在既有的紅海市場(chǎng)中競(jìng)爭(zhēng),這種長(zhǎng)期在產(chǎn)業(yè)內(nèi)的拼搏經(jīng)歷,使得他們?cè)谌斯ぶ悄艿漠a(chǎn)業(yè)化上具備以下兩大獨(dú)特優(yōu)勢(shì):
1. 掌握了大量特定生產(chǎn)場(chǎng)景下的專業(yè)知識(shí)和數(shù)據(jù)資料:我們一般稱其為行業(yè)knowhow,比如化工材料的配方或某種特殊的生產(chǎn)工藝流程等。這種行業(yè)knowhow往往是企業(yè)的核心機(jī)密,在一些數(shù)據(jù)采集封閉、生產(chǎn)流程保密的領(lǐng)域,往往只有少數(shù)幾家企業(yè)可以獲得足夠訓(xùn)練人工智能模型的專業(yè)知識(shí)和數(shù)據(jù)資料。所以,很多產(chǎn)業(yè)里的企業(yè)在尋找技術(shù)合作方時(shí),會(huì)對(duì)侵略性較強(qiáng)的技術(shù)型公司比較排斥,往往要求技術(shù)型公司提交算法源代碼,目的在于避免培養(yǎng)潛在競(jìng)爭(zhēng)對(duì)手。
2. 了解真實(shí)的交易和應(yīng)用場(chǎng)景:比如怎樣建立可靠的供應(yīng)鏈,怎樣探析市場(chǎng)的情報(bào)信息,怎樣建立全新的商業(yè)模式和盈利模式等。這些內(nèi)容看似都屬于業(yè)務(wù)相關(guān)的范疇,但卻是技術(shù)型公司的痛點(diǎn),幾乎90%的人工智能公司都死在了打磨商業(yè)模式、尋找應(yīng)用場(chǎng)景的道路上。但對(duì)于產(chǎn)業(yè)里的企業(yè)來(lái)說,敏銳捕捉市場(chǎng)機(jī)會(huì)并從產(chǎn)業(yè)里賺到錢,是他們與生俱來(lái)的天然能力,所有不具備這種能力的企業(yè)都在過去的市場(chǎng)競(jìng)爭(zhēng)中淘汰掉了。
隨著人工智能技術(shù)準(zhǔn)入門檻的降低,大量傳統(tǒng)企業(yè)與人工智能技術(shù)的適配將更加便捷,未來(lái)每一家企業(yè)都具備成為“人工智能+公司”的潛質(zhì)。相信隨著國(guó)家新基建和數(shù)字化轉(zhuǎn)型工作的不斷深化,在各行各業(yè)里都會(huì)出現(xiàn)“產(chǎn)業(yè)+AI”的明星企業(yè)。
在人工智能的產(chǎn)業(yè)化之路上,少不了高校和科研機(jī)構(gòu)的參與,對(duì)于產(chǎn)業(yè)里的企業(yè)來(lái)說,高校和科研機(jī)構(gòu)可以很好補(bǔ)充其自身研發(fā)能力的不足。目前,我國(guó)的產(chǎn)學(xué)研成果轉(zhuǎn)化的之路并不十分順暢,雖然國(guó)家每年投入了大量科研經(jīng)費(fèi),但由于學(xué)術(shù)、科研同商業(yè)、市場(chǎng)的差異巨大,高校和科研機(jī)構(gòu)在商業(yè)判斷和市場(chǎng)嗅覺等方面總顯得不太“接地氣”,更多的成果停留在實(shí)驗(yàn)室里很難走出去,面臨“酒香也怕巷子深”的現(xiàn)實(shí)窘境。
另外,高校和科研機(jī)構(gòu)往往在工程能力也有所欠缺,雖然容易聚集高層次的頂尖人才,但缺乏實(shí)際操作的操盤型業(yè)務(wù)能手。正因?yàn)閺?qiáng)于研發(fā)而弱于市場(chǎng),高校和科研機(jī)構(gòu)往往更愿意將科技成果以出售、技術(shù)入股或收益分成的方式與產(chǎn)業(yè)里的企業(yè)進(jìn)行合作,而不是自己開拓市場(chǎng)。與人工智能的技術(shù)型公司相比,高校和科研機(jī)構(gòu)有著大量國(guó)家基礎(chǔ)科研經(jīng)費(fèi)的保障,對(duì)于本就容易聚集人才的高校和科研機(jī)構(gòu)來(lái)說,很多人工智能的技術(shù)型公司而言很復(fù)雜的技術(shù),對(duì)于高校和科研機(jī)構(gòu)來(lái)說并不困難。隨著國(guó)家《科學(xué)技術(shù)進(jìn)步法》的修訂,科研人員參與到成果轉(zhuǎn)化的途徑也將更通暢,一旦企業(yè)找到適合自身的成果轉(zhuǎn)化路徑,就可以很好的與高校和科研機(jī)構(gòu)建立“產(chǎn)業(yè)+技術(shù)”的聯(lián)合。可以預(yù)見,未來(lái)各類新型技術(shù)和成果轉(zhuǎn)化平臺(tái)將持續(xù)涌現(xiàn),作為技術(shù)與市場(chǎng)的橋梁。
三、以產(chǎn)業(yè)需求出發(fā),以產(chǎn)業(yè)結(jié)果為驗(yàn)證標(biāo)準(zhǔn)
人工智能行業(yè)的發(fā)展變化很快,即使在產(chǎn)業(yè)內(nèi)的從業(yè)人員也免不了持續(xù)性、高強(qiáng)度的學(xué)習(xí)和研究。各行各業(yè)的專家在跨到人工智能這個(gè)領(lǐng)域的時(shí)候,可能都需要經(jīng)歷持續(xù)性“回頭看”的過程。筆者在2020年參與深圳特區(qū)人工智能立法的時(shí)候,關(guān)于“什么是人工智能”的界定,現(xiàn)在看起來(lái)內(nèi)涵和外延都不充分。過去,我們?cè)?jīng)認(rèn)為人工智能就是模擬人的智能,但隨著近些年的發(fā)展,我們發(fā)現(xiàn)機(jī)器在模擬人的智能上出現(xiàn)了很多痛點(diǎn),但在模擬昆蟲、動(dòng)物的智能上反而進(jìn)展很快,很多成果應(yīng)用在障礙躲避、行為預(yù)判等諸多領(lǐng)域。于是,我們發(fā)現(xiàn)人工智能并不能單純界定為“模擬人的智能”,而應(yīng)當(dāng)是“人造的智能”。顯然,當(dāng)時(shí)幾乎所有的立法專家對(duì)于人工智能的基礎(chǔ)理解并不全面和前瞻。
人工智能學(xué)界有一個(gè)著名的猴子上樹的故事:我們不能認(rèn)為基于當(dāng)下在人工智能領(lǐng)域的技術(shù)進(jìn)步,都是為通用人工智能的到來(lái)添磚加瓦;這正如我們不能認(rèn)為一只猴子上了樹,就意味著它向登月邁了一大步一樣。在人工智能的產(chǎn)業(yè)化之路上,我們必須保持著謙虛、務(wù)實(shí)的精神,一切從產(chǎn)業(yè)的需求出發(fā),一切以產(chǎn)業(yè)的實(shí)際結(jié)果為驗(yàn)證標(biāo)準(zhǔn)。任何一種技術(shù)或者商業(yè)模式的驗(yàn)證,都有自己的時(shí)間窗口,當(dāng)市場(chǎng)機(jī)遇的紅利期錯(cuò)過后,再想實(shí)現(xiàn)企業(yè)的快速發(fā)展就非常困難了,勢(shì)必面臨更加激烈的肉搏戰(zhàn)。
與人工智能技術(shù)的發(fā)展一樣,產(chǎn)業(yè)化的道路總是“看”起來(lái)容易,“做”起來(lái)難。雖然我們不提倡以成敗論英雄,但在人工智能的產(chǎn)業(yè)化道路上,能夠解決真實(shí)問題、拿到客觀結(jié)果,才是企業(yè)家需要思考的核心問題。對(duì)于每一個(gè)產(chǎn)業(yè)里的專家來(lái)說,與其采取一種“預(yù)判式”的論證,執(zhí)著于向其他人說明自己了解的知識(shí),遠(yuǎn)不如切實(shí)在產(chǎn)業(yè)里面做出現(xiàn)實(shí)案例更具有說服力。未來(lái)各行各業(yè)的每一家企業(yè)都是“人工智能+公司”,愿與行業(yè)里的同仁一起共同成長(zhǎng)、見證人工智能產(chǎn)業(yè)化之路的發(fā)展。