文/《財經國家週刊》記者 李雲蝶 李瑤
2000年， 高盛在紐約總部的美國現金股票交易櫃檯雇傭了600名交易員。 但今天， 這裡只剩下兩名股票交易員“獨守空房”， 人工智慧的機器學習演算法和資料應用代替了他們。
除了股票交易， 一位元視頻遊戲開發者開發的風險管理系統被高盛廣泛部署， 隨後又被包括美國銀行在內的對手模仿；摩根大通也利用人工智慧開發了一款金融合同解析軟體。 經測試， 原先律師和貸款人員每年需要36萬小時才能完成的工作， 這款軟體只需幾秒就能完成， 不僅錯誤率大大降低，
不僅金融行業， 這場人工智慧變革已經開始進入製造、教育、醫療、旅遊、物流等人類生活生產的方方面面。
2016年， 來自牛津大學人類未來研究所、耶魯大學和AI Impacts的多名專家對機器學習研究者進行了一場大規模調查。
受訪者認為， 8年後， 人工智慧將可以勝任翻譯類工作， 37年後勝任外科醫生工作， 11年後， 人工智慧將創作出能夠躋身美國TOP 40排行榜的流行歌曲， 33年後， 人工智慧將寫出能夠登上《紐約時報》暢銷榜的長篇或短篇小說。
倒計時外， 還出現了更遙遠的暢想。
10月23日《紐約客》雜誌的封面漫畫上， 人類帶著寵物狗舉著空咖啡杯坐地行乞， 而牽著機器狗、拿著咖啡、手提箱、看著手機的機器人則扮演了施予者的角色。
儘管今天對於那些終極人工智慧場景的擔憂還為時尚早， 但值得注意的是， 人工智慧的確正努力在人類世界中找到它的一席之地， 商業化就是它的第一步。
AI商業化熱潮
一個有趣的現象是， 在今年11月9日， 一家在PC時代熬了14年的互聯網老兵搜狗， 如今換上人工智慧的外衣， 正式登陸紐交所。 在其長達200頁的全英文招股書中， 90次提到“AI”， 被外界稱為中國赴美人工智慧第一股。
根據iResearch及BBC預測， 2020年， 全球人工智慧市場規模將達到1190億元人民幣， 對應2015-2020年年複合增速為20%。 中國市場增速更高， 至2020年將占全球市場總規模的7.6%。 來自IDC的資料則顯示， 2020年全球AI市場規模將達470億美元，
資本和市場的帶動下， 人工智慧的創業無法抑制地從藍海走向紅海。
來自《烏鎮指數：全球人工智慧發展報告（2017）》的資料顯示， 2012-2016年， 全球人工智慧企業新增5154家， 是此前12年的1.75倍。 並且， 從2000-2016年， 中美歐新增人工智慧企業數占全球75%， 除去美國佔據37.41%， 中歐占全球比例相當， 中國已經成為全球第二大人工智慧企業的孵化地。
在龐大的創業陣營中， B端（行業市場）成為了最合適的切入點。 目前， 諸如醫療、汽車、交通、安防、金融、物流倉儲等已經成為人工智慧落地的第一梯隊行業。
不過， 隨著資本市場的火爆， 市場上定位於C端（消費市場）使用者的產品不斷湧現， 甚至出現跟隨和紮堆的現象。
一個典型的例子是， 自從2014年11月智能音箱的“鼻祖”亞馬遜發佈Echo以來，
在美國， 穀歌、微軟、Facebook等巨頭紛紛湧入， 在中國， 百度、阿裡、京東、聯想、小米等科技巨頭們也開始佈局， 創業公司全面躁動。 公開報導稱， 由於各大互聯網公司的佈局， 目前國內很多OEM廠已全線接到任務。
然而， 熱點引發的創業擁擠往往會在後期帶來巨大的問題。
科大訊飛人士對《財經國家週刊》記者說， 智慧音箱領域的創業目前肯定存在過熱現象， 智慧音箱在硬體、固件、雲計算上都存在不少技術門檻， 且由於語音產品的新穎性， 其對交互設計的要求也比較高， 很多新入行的創業者低估了其中的難度。
文安科技創始人陶海提醒創業者，
還有幾道坎
即便是大勢所趨， 圍繞人工智慧的創業還面臨諸多困難。 在技術與商業充分融合前， 人工智慧需要解決的問題還不少。
其中， 缺乏高品質、大規模的資料， 或許是人工智慧商業化的第一大瓶頸。
第三次人工智慧浪潮的興起就是因為深度學習技術的進步， 而深度學習本身就是機器學習中一種基於對資料進行表徵學習的方法， 再高深的軟體演算法、再強大的硬體，一旦沒有所謂的商業邏輯與資料積累，就像無米之炊，巧婦也難為。
然而，商業世界恰恰是最為複雜也最缺乏資料積累的地方，Uber機器學習主任王魯明表示，對頂級企業來說，真正的核心競爭實力是資料和平臺，大資料是人工智慧的基礎，如果大資料不能以很廉價的方式得到，人工智慧也不可能達到它的高峰期。
除此之外，人工智慧商用還面臨研發的時間成本難題，即便是在看似更標準化一些的B端，也不存在通用模型。
舉個例子，浙江德尚韻興圖像科技有限公司開發的基於超聲影像的人工智慧輔助診斷系統，準確率已經達到85%以上，高於目前三甲醫院平均醫生的人工診斷準確率的60%-70%，但目前也只適用於甲狀腺結節診斷。
它的技術研發者、浙江省數理醫學學會理事長孔德興告訴《財經國家週刊》記者，他們也曾將同樣的演算法用於肝癌、乳腺癌和胰頭癌的測試，效果都不理想，所以只好又重新研發，從底層來做，設計一些個性化的數學模型和演算法。
孔德興得出的結論是：“千萬不要把人工智慧看成是萬能的，覺得有了這套演算法就可以通用，沒有萬能的一套演算法和模型。”
另外，人工智慧的創業者們還要面對高昂的計算成本與短期內沒有可盈利商業模式的矛盾。
要知道，機器學習所需要的訓練強度，勢必對於計算、服務、存儲的性能產生強大的依賴，而這些背後，都是高昂的成本。
科大訊飛研究院深度學習平臺HPC研發總監張致江對《財經國家週刊》記者說，過去，傳統的伺服器隨著業務的提升會出現採購成本和使用成本的提升，這種上升往往不是線性而是幾何級的。如果你不採取一些新的計算架構去控制整個集群裡面的節點數量或者規模，成本的上升將無法控制，這對任何一個企業來說都是非常災難的事情。
這就導致，一方面，錯估成本會對創業公司造成致命影響，另一方面，它也帶動了整個產業鏈條的進步，包括雲計算業務的發展。
人工智慧創業的特殊性正在於此，它不單是一個企業對一個企業的競爭，而是一個體系對一個體系、一個生態對一個生態的競爭，只有一個地域或一個產業鏈條整體的人工智慧生態佔據領先地位，這個鏈條各個環節的參賽者才有競爭機會。
新時代機遇
儘管面臨諸多困難，但也不必過於悲觀。從大環境看，中國已經慢慢形成一套綜合解決措施，促進人工智慧的商業化發展。
從去年開始，人工智慧開始被政府多次提及，今年7月日發佈的《新一代人工智慧發展規劃》明確指出，要培育高端高效的智慧經濟，打造人工智慧創新高地、建設國家人工智慧產業園、建設國家人工智慧眾創基地。十九大報告更是強調，要推動互聯網、大資料、人工智慧和實體經濟深度融合。
在技術方面，中國也已經不落後於發達國家，資料顯示，在人工智慧專利數上，最近五年，中國平均每年增速43%，超過美國的21.7%，其中2016年達到近五年最高水準，增幅32%。
諸多受訪者都表達了樂觀的情緒，孔德興說，將深度學習和數學結合起來應用於醫學領域，全球有很多研究組都在進行研究，但在基於超聲影像的人工智慧輔助診斷系統做出成果的，海外無論是報導還是文獻都不多，中國已經處於領先地位。
他說，“雖然很難說中國已經比其他國家做得更好，但有的方面還是走在前面，在某一個點上，更應該比誰有特色。”
另一個好消息在於，資本層面也在看好人工智慧。從2012年開始，發生在我國人工智慧行業的投資額和投資次數，以及人工智慧投資機構的數量都在迅速增長，年增長率均超過50%。
在政策推動、技術進步和資本支持下，中國在人工智慧領域的全面商業化願景並不遙遠。
科大訊飛董事長劉慶峰在談及人工智慧時曾表示：“一定意義上，中國跟美國是同時進入了無人區，包括技術持續創新的無人區，在應用中摸索的無人區，以及配套的政策、法規、倫理、人文的無人區。我覺得這個是中國科技界、產業界的一個非常令人激動的新時代機遇。”
再高深的軟體演算法、再強大的硬體，一旦沒有所謂的商業邏輯與資料積累，就像無米之炊，巧婦也難為。然而，商業世界恰恰是最為複雜也最缺乏資料積累的地方，Uber機器學習主任王魯明表示，對頂級企業來說，真正的核心競爭實力是資料和平臺，大資料是人工智慧的基礎，如果大資料不能以很廉價的方式得到，人工智慧也不可能達到它的高峰期。
除此之外，人工智慧商用還面臨研發的時間成本難題，即便是在看似更標準化一些的B端，也不存在通用模型。
舉個例子，浙江德尚韻興圖像科技有限公司開發的基於超聲影像的人工智慧輔助診斷系統，準確率已經達到85%以上，高於目前三甲醫院平均醫生的人工診斷準確率的60%-70%，但目前也只適用於甲狀腺結節診斷。
它的技術研發者、浙江省數理醫學學會理事長孔德興告訴《財經國家週刊》記者，他們也曾將同樣的演算法用於肝癌、乳腺癌和胰頭癌的測試，效果都不理想，所以只好又重新研發，從底層來做，設計一些個性化的數學模型和演算法。
孔德興得出的結論是：“千萬不要把人工智慧看成是萬能的，覺得有了這套演算法就可以通用，沒有萬能的一套演算法和模型。”
另外，人工智慧的創業者們還要面對高昂的計算成本與短期內沒有可盈利商業模式的矛盾。
要知道，機器學習所需要的訓練強度，勢必對於計算、服務、存儲的性能產生強大的依賴，而這些背後，都是高昂的成本。
科大訊飛研究院深度學習平臺HPC研發總監張致江對《財經國家週刊》記者說，過去，傳統的伺服器隨著業務的提升會出現採購成本和使用成本的提升，這種上升往往不是線性而是幾何級的。如果你不採取一些新的計算架構去控制整個集群裡面的節點數量或者規模，成本的上升將無法控制，這對任何一個企業來說都是非常災難的事情。
這就導致，一方面，錯估成本會對創業公司造成致命影響，另一方面，它也帶動了整個產業鏈條的進步，包括雲計算業務的發展。
人工智慧創業的特殊性正在於此，它不單是一個企業對一個企業的競爭，而是一個體系對一個體系、一個生態對一個生態的競爭，只有一個地域或一個產業鏈條整體的人工智慧生態佔據領先地位，這個鏈條各個環節的參賽者才有競爭機會。
新時代機遇
儘管面臨諸多困難，但也不必過於悲觀。從大環境看，中國已經慢慢形成一套綜合解決措施，促進人工智慧的商業化發展。
從去年開始，人工智慧開始被政府多次提及，今年7月日發佈的《新一代人工智慧發展規劃》明確指出，要培育高端高效的智慧經濟，打造人工智慧創新高地、建設國家人工智慧產業園、建設國家人工智慧眾創基地。十九大報告更是強調，要推動互聯網、大資料、人工智慧和實體經濟深度融合。
在技術方面，中國也已經不落後於發達國家，資料顯示，在人工智慧專利數上，最近五年，中國平均每年增速43%，超過美國的21.7%，其中2016年達到近五年最高水準，增幅32%。
諸多受訪者都表達了樂觀的情緒，孔德興說，將深度學習和數學結合起來應用於醫學領域，全球有很多研究組都在進行研究，但在基於超聲影像的人工智慧輔助診斷系統做出成果的，海外無論是報導還是文獻都不多，中國已經處於領先地位。
他說，“雖然很難說中國已經比其他國家做得更好，但有的方面還是走在前面，在某一個點上，更應該比誰有特色。”
另一個好消息在於，資本層面也在看好人工智慧。從2012年開始，發生在我國人工智慧行業的投資額和投資次數，以及人工智慧投資機構的數量都在迅速增長，年增長率均超過50%。
在政策推動、技術進步和資本支持下，中國在人工智慧領域的全面商業化願景並不遙遠。
科大訊飛董事長劉慶峰在談及人工智慧時曾表示：“一定意義上，中國跟美國是同時進入了無人區，包括技術持續創新的無人區，在應用中摸索的無人區，以及配套的政策、法規、倫理、人文的無人區。我覺得這個是中國科技界、產業界的一個非常令人激動的新時代機遇。”