AI商業落地的痛點和希望
2017 年已經過半，從 2016 年開始火到現在的人工智慧技術度過了熱度超高的一年。
近兩年 AI 在大眾認知上的成功，絕對要歸於穀歌的 AlphaGo 專案。去年和今年連續打敗李世石和柯潔兩大亞洲圍棋高手，成功炒熱人工智慧這個話題。有意思的是，AlphaGo 榮升「九段」後，
如何讓 AI 實現規模化應用落地，在 To B 領域如何突破行業障礙，在大眾消費層面，如何讓 AI 走進普通消費者的生活，面對這些 AI 公司共同的疑問，
AI 版 Android 系統的重要性
邢波教授認為，當我們衡量一個工業是否成熟時，通常會看相關的公司能否進行規模化的生產，這就是為什麼歷經百年發展的好萊塢可以被稱為電影工業，而同樣有近百年歷史的中國電影到現在還是導演中心制的作品。
邢波教授分享關於人工智慧行業的看法
以手機行業為參考，自 2007 年蘋果的 iPhone 定義智慧手機之後，目前只有 iOS 和谷歌的安卓兩大作業系統，你很難想像一個手機廠商想賣產品的話，需要先自己寫個手機系統。但其實目前的情況是，大多數 AI 公司的運作就像是本來只是想做一個手機應用，但是他必須把相關手機的硬體和軟體上下游都做到——這顯然有點強人所難。
如果按照 AI 產業鏈來劃分的話，
邢波教授指出，正像安卓和 iOS 系統的確立，最終促成了移動應用的爆發，人工智慧行業目前也需要一個全新的跨平臺的系統。而這樣一套系統應該包含從模型、演算法到軟體實現和作業系統層面。其功能應該包含：相容多來來源資料（如多種資料庫）、相容多種程式設計語言（如 TensorFlow、Python）、同時能夠載入到任何硬體設備，實現跨平臺 AI。
這樣一套系統的出現，能夠為做 AI 產業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務需求，在通用功能模組上實現針對使用者和特別應用的專門化（如同為不同負載改裝飛機，而不是重新從頭設計製造飛機以致引擎），而不用擔心基礎設施等底層系統。同時，免除開發底層系統，也能讓 AI 公司的解決方案快速遷移，實現規模化生產，促成 AI 的真正工業化落地。
AI 在 B 端的真正市場機遇
如果說 AI 是一支一飛沖天的火箭的話，那麼其燃料毫無疑問就是各種海量的資料，沒有大量資料，再好的演算法和模型也不會起作用。由於互聯網技術在近幾十年的迅速發展，很多 IT 公司積累了大量資料，這也使得他們成為 AI 關注的重點。目前資料採擷和使用最多的，就是互聯網行業，但真相是，那些被目前 AI 公司忽視的傳統行業如電信、能源、基礎設施、製造、航空以及金融領域，蘊含的才是真正的海量資料。
邢波教授引用資料說明，每個普通使用者每天產生的資料量大約為 4MB，而每一口石油礦井的資料量為 3500TB、每一個波音 747 引擎的資料為 500TB。但是相對於互聯網公司來說，傳統行業在使用 AI 方面並不積極，相當於一個坐擁大量財寶的人卻不知如何使用。有從事物聯網（IoT）的人士就指出，其行業有 99% 的資料並沒有派上用場。
很多傳統公司已經意識到資料的重要性，並開始紀錄並積累了大量資料，就像飛機引擎產生的海量資料，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行業來說並不高。所以，如何用 AI 來對接這些傳統行業，通過這些海量資料來提升效率，創造更多價值，是 AI 公司真正需要考慮的。
To B 端落地 AI 需要專家調教
既然傳統行業有如此多的資料和需求，顯然早已有 AI 公司早已經瞄準了這個市場。iPIN 公司一直關注的是用機器去學習人的發展軌跡，用機器分析人、分析企業，在具體應用落地上，團隊選擇了三個有些許關聯的行業：生涯規劃（高考填報志願）、企業招聘和法律。iPIN 公司 CEO 楊洋曾經嘗試將單一場景訓練出的 AI 體系，應用到其他場景中，但結果並不盡如人意，這種「遷移學習」很不成功，他們遭遇到了此前邢波教授所描述的 AI 不可複用的難題。
iPIN 公司發現，雖然 AI 公司可以建立模型和演算法，但是在判斷層面依然需要相關行業專家進行指導和把關，將後者的專業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，都需要找到其行業專家進行合作，與行業進行深度匹配。
作為國內較早看好 AI 領域的投資公司，北極光創投董事總經理楊磊認為，在 AI 行業發展早期，創業公司需要做的一定是垂直整合，打穿整個產業鏈。就像晶片巨頭英特爾在上世紀 60 年代的時候，不僅要做晶片，而且要做半導體相關的生產設備和工具。「目前的客戶需要的是完整的解決方案，並非單一的技術。」楊磊解釋道，而能夠打穿整個垂直產業的 AI 公司，也是北極光投資的參考標準之一。
由於 AI 在近年來的逐漸升溫，很多傳統企業也在尋找 AI 公司來為自己賦能。總的來說，傳統公司對於 AI 解決方案的訴求有兩點：1. 提升生產力；2. 提高生產效率。而相對互聯網公司，這些傳統公司的資料積累比較薄弱，很多資料很難投入應用，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 當成了一個秘密武器，想要因此保持行業競爭力，當然不希望競爭對手知道 AI 的好處。
在 To B 端市場，AI 創業公司需要有一個有力的方案，能夠將整個行業鑿穿，才能在市場上有所斬獲。而這樣的垂直整合經驗，也將為 AI 公司構建獨特的商業壁壘。不過，由於 AI 技術發展日新月異，在應用層面不斷進取的團隊也要時刻注意 AI 底層架構方面的變革，一旦 AI 基礎設施發生變化，在上游應用端構築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。
讓消費者接受 AI 還要看場景
對於很多巨頭公司來說，智慧音箱已經被當看成了下一個互聯網入口和交互工具。出門問問創始人兼 CEO 李志飛認為，智慧音箱的語音在交互層面並不完美，至少還需要一塊螢幕。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螢幕（Echo Show）。不過，李志飛依然認為，即便加上螢幕，音箱的交互依然有問題。不過，智慧音箱在未來有可能和其他設備如電視、手機、平板等組成一個智慧體系。
深耕于智慧家居生態系統的 BroadLink 公司創始人兼 CEO 劉宗孺認為，一些家電例如空調，可能並不需要深度神經網路等機器學習技術，只用決策樹就能做出一個合適的模型。智慧家居的要點在於如何將使用者使用習慣的資料和體驗打通。
而至於以語音助手為代表的 AI 如何讓消費者真心接受，幾位業內人士認為最重要的還是使用場景。李志飛以語音助手的使用者使用頻率為例，指出一些主流設備的語音助手使用率為智慧眼鏡>車載>智能手錶>手機，其中 Google Glass 的使用頻率高達 80% 以上，而手機則低於 1%。出現這種情況的一個重要原因，是智慧眼鏡的主要對話模式就是語音，而手機的觸控式螢幕交互太好用，以至於人們很好選擇語音作為交互。李志飛總結認為，語音助手想要爆發，首先需要一個使用者粘性極高的設備，同時語音應該是其最主要的對話模式。從這個角度來說，車載可能是語音助手的一個合適的應用場景。
在軟體層面，流利說團隊使用語音辨識技術、寫作自動評測引擎和機器自我調整學習技術等，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辨識技術在全球準確率最高，即便有口音，也能精准識別，但流利說公司聯合創始人兼 CTO 胡哲人說，在實際運用中，流利說的 AI 技術會顯得有人情味且更智慧，在有的時候，系統在評測打分時，會更看重用戶可以流利連貫的表達、語法的正確，而不會去刻意突出口音問題。
另外，和電商可以通過使用者流覽記錄推薦很多商品不同，由於流利說做的是英語學習類的推薦，所以必須在推薦演算法需要做得更加精確，給使用者的內容都是適合他的能力和水準的。因為如果推薦了不合適的內容，使用者很快會對產品產生疑問。
END-
本文由頂樓 TOP VIEW 原創
如需轉載請聯繫：wangwei@geekpark.net
撰文：靖宇
」邢波教授解釋道，他認為如果 AI 是一個產業的話，那麼我們目前還處在「AI 的前工業化時代」。邢波教授指出，正像安卓和 iOS 系統的確立，最終促成了移動應用的爆發，人工智慧行業目前也需要一個全新的跨平臺的系統。而這樣一套系統應該包含從模型、演算法到軟體實現和作業系統層面。其功能應該包含：相容多來來源資料（如多種資料庫）、相容多種程式設計語言（如 TensorFlow、Python）、同時能夠載入到任何硬體設備，實現跨平臺 AI。
這樣一套系統的出現，能夠為做 AI 產業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務需求，在通用功能模組上實現針對使用者和特別應用的專門化（如同為不同負載改裝飛機，而不是重新從頭設計製造飛機以致引擎），而不用擔心基礎設施等底層系統。同時，免除開發底層系統，也能讓 AI 公司的解決方案快速遷移，實現規模化生產，促成 AI 的真正工業化落地。
AI 在 B 端的真正市場機遇
如果說 AI 是一支一飛沖天的火箭的話，那麼其燃料毫無疑問就是各種海量的資料，沒有大量資料，再好的演算法和模型也不會起作用。由於互聯網技術在近幾十年的迅速發展，很多 IT 公司積累了大量資料，這也使得他們成為 AI 關注的重點。目前資料採擷和使用最多的，就是互聯網行業，但真相是，那些被目前 AI 公司忽視的傳統行業如電信、能源、基礎設施、製造、航空以及金融領域，蘊含的才是真正的海量資料。
邢波教授引用資料說明，每個普通使用者每天產生的資料量大約為 4MB，而每一口石油礦井的資料量為 3500TB、每一個波音 747 引擎的資料為 500TB。但是相對於互聯網公司來說，傳統行業在使用 AI 方面並不積極，相當於一個坐擁大量財寶的人卻不知如何使用。有從事物聯網（IoT）的人士就指出，其行業有 99% 的資料並沒有派上用場。
很多傳統公司已經意識到資料的重要性，並開始紀錄並積累了大量資料，就像飛機引擎產生的海量資料，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行業來說並不高。所以，如何用 AI 來對接這些傳統行業，通過這些海量資料來提升效率，創造更多價值，是 AI 公司真正需要考慮的。
To B 端落地 AI 需要專家調教
既然傳統行業有如此多的資料和需求，顯然早已有 AI 公司早已經瞄準了這個市場。iPIN 公司一直關注的是用機器去學習人的發展軌跡，用機器分析人、分析企業，在具體應用落地上，團隊選擇了三個有些許關聯的行業：生涯規劃（高考填報志願）、企業招聘和法律。iPIN 公司 CEO 楊洋曾經嘗試將單一場景訓練出的 AI 體系，應用到其他場景中，但結果並不盡如人意，這種「遷移學習」很不成功，他們遭遇到了此前邢波教授所描述的 AI 不可複用的難題。
iPIN 公司發現，雖然 AI 公司可以建立模型和演算法，但是在判斷層面依然需要相關行業專家進行指導和把關，將後者的專業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，都需要找到其行業專家進行合作，與行業進行深度匹配。
作為國內較早看好 AI 領域的投資公司，北極光創投董事總經理楊磊認為，在 AI 行業發展早期，創業公司需要做的一定是垂直整合，打穿整個產業鏈。就像晶片巨頭英特爾在上世紀 60 年代的時候，不僅要做晶片，而且要做半導體相關的生產設備和工具。「目前的客戶需要的是完整的解決方案，並非單一的技術。」楊磊解釋道，而能夠打穿整個垂直產業的 AI 公司，也是北極光投資的參考標準之一。
由於 AI 在近年來的逐漸升溫，很多傳統企業也在尋找 AI 公司來為自己賦能。總的來說，傳統公司對於 AI 解決方案的訴求有兩點：1. 提升生產力；2. 提高生產效率。而相對互聯網公司，這些傳統公司的資料積累比較薄弱，很多資料很難投入應用，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 當成了一個秘密武器，想要因此保持行業競爭力，當然不希望競爭對手知道 AI 的好處。
在 To B 端市場，AI 創業公司需要有一個有力的方案，能夠將整個行業鑿穿，才能在市場上有所斬獲。而這樣的垂直整合經驗，也將為 AI 公司構建獨特的商業壁壘。不過，由於 AI 技術發展日新月異，在應用層面不斷進取的團隊也要時刻注意 AI 底層架構方面的變革，一旦 AI 基礎設施發生變化，在上游應用端構築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。
讓消費者接受 AI 還要看場景
對於很多巨頭公司來說，智慧音箱已經被當看成了下一個互聯網入口和交互工具。出門問問創始人兼 CEO 李志飛認為，智慧音箱的語音在交互層面並不完美，至少還需要一塊螢幕。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螢幕（Echo Show）。不過，李志飛依然認為，即便加上螢幕，音箱的交互依然有問題。不過，智慧音箱在未來有可能和其他設備如電視、手機、平板等組成一個智慧體系。
深耕于智慧家居生態系統的 BroadLink 公司創始人兼 CEO 劉宗孺認為，一些家電例如空調，可能並不需要深度神經網路等機器學習技術，只用決策樹就能做出一個合適的模型。智慧家居的要點在於如何將使用者使用習慣的資料和體驗打通。
而至於以語音助手為代表的 AI 如何讓消費者真心接受，幾位業內人士認為最重要的還是使用場景。李志飛以語音助手的使用者使用頻率為例，指出一些主流設備的語音助手使用率為智慧眼鏡>車載>智能手錶>手機，其中 Google Glass 的使用頻率高達 80% 以上，而手機則低於 1%。出現這種情況的一個重要原因，是智慧眼鏡的主要對話模式就是語音，而手機的觸控式螢幕交互太好用，以至於人們很好選擇語音作為交互。李志飛總結認為，語音助手想要爆發，首先需要一個使用者粘性極高的設備，同時語音應該是其最主要的對話模式。從這個角度來說，車載可能是語音助手的一個合適的應用場景。
在軟體層面，流利說團隊使用語音辨識技術、寫作自動評測引擎和機器自我調整學習技術等，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辨識技術在全球準確率最高，即便有口音，也能精准識別，但流利說公司聯合創始人兼 CTO 胡哲人說，在實際運用中，流利說的 AI 技術會顯得有人情味且更智慧，在有的時候，系統在評測打分時，會更看重用戶可以流利連貫的表達、語法的正確，而不會去刻意突出口音問題。
另外，和電商可以通過使用者流覽記錄推薦很多商品不同，由於流利說做的是英語學習類的推薦，所以必須在推薦演算法需要做得更加精確，給使用者的內容都是適合他的能力和水準的。因為如果推薦了不合適的內容，使用者很快會對產品產生疑問。
END-
本文由頂樓 TOP VIEW 原創
如需轉載請聯繫：wangwei@geekpark.net
撰文：靖宇