起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識人工智能創業：“多解決些問題，少談些主義”
所謂建設“數字中國”的恢弘愿景，正是不同行業里那些真正的務實者，基于一個個具體的問題，一點一滴拼湊起來的。
無需贅言，在中國，幾乎被視為“新經濟”同義詞的數字經濟，對宏觀經濟的拉動作用已非常明顯：
2017年中國數字經濟規模達到了27.2萬億元人民幣，同比增長20.3%，對GDP的貢獻高達32.9%。
最樂觀的預計是，到2025年這一特殊拐點，數字經濟有望成為中國經濟發展的第一引擎。
在此背景下，每年貴陽數博會的如期而至，科技巨頭與創業者齊聚中國西南一隅，更像是一次對數字經濟過往成績的全面復盤，以及對可預見未來的一次全面預測——尤其擱置在最近一系列推進信息化與工業化充分整合的政策部署下。今年數博會“數化萬物，智在融合”的主題，也充分勾勒出構建“數字中國”的歷史機遇。
就在不久前，國務院發展研究中心發布了《傳統產業數字化轉型的模式和路徑》，為“數字化轉型”下了一個精準定義：
“利用新一代信息技術，構建數據的采集、傳輸、存儲、處理和反饋的閉環，打通不同層級與不同行業間的數據壁壘，提高行業整體的運行效率，構建全新的數字經濟體系?！?/p>
這條路并非坦途，如何進一步充分釋放數字對經濟發展的放大、疊加和倍增作用，需要政府和企業的合力鍛造：
- 從國家層面，必不可少的當然是更睿智的頂層設計，更豐富的數字化基礎設施建設；
- 從企業層面，如何拿起最新的技術工具，完成對傳統領域全產業鏈條的重塑，或許將成為數字化轉型的勝負手。
令人欣喜的是，談及最新技術工具的“裝備庫”，現階段中國的確握有一手好牌——在大數據和人工智能等數字經濟的基礎設施領域，無論從技術還是數據角度，起跑線的相對公平，都將賜予中國一次難得的“領跑權”。就拿人工智能來說，盡管短時間內諸如DeepMind等對人類影響深遠的開疆拓土型公司不會在中國誕生，但若論及產業落地的速度，在大概率上，中國或許將成為先行者。
更像是對上述觀點的某種印證，不難發現，盡管今年貴陽數博會在國際化和市場化程度上明顯提高，但若論及純粹的“黑科技屬性”，相比于去年街頭賣藝式的吸睛程度（可能有些過分喧囂了），而分析不少科技企業從“務虛”走向“務實”，得從這一輪科技革命的兩種落地方式談起。
一、技術變革的兩種路徑
其實從最底層的邏輯上，正在發生的這場技術變革，一直有兩條相互交叉的技術路徑，二者彼此滲透，共同完成了對傳統行業的改造。
就拿AI領域來說，眾所周知，人工智能產業鏈分三層：
最底層包括芯片和開源框架等基礎設施。這一層門檻最高，以前段時間頗為敏感的CPU和GPU為例，中國企業想趕上英偉達和高通等巨頭，攤開最激進的時間表，也需要5-10年，這一層更多依靠的是時間的陳釀，現階段還是巨頭間的內斗，先暫且不表。
最受大眾關注的變革發生在中間層。這里群英薈萃，無論巨頭還是新貴，都致力于完善圖像識別，機器翻譯，語義識別和語音識別等通用技術——事實上，走第一種技術路徑的，也大多集中在這一層：他們親盡全力，完成上游通用技術的攻堅。選擇這一技術路線，無疑需要背后龐大的體量支撐（譬如谷歌），或者超高專注度，譬如據媒體報道，商湯科技就擁有百人級別的博士團。
而對算法的深耕，也會下沉至具體行業，迅雷創始人程浩老師就舉過兩個例子：高級駕駛輔助系統解決方案的Mobileye 成立于1999 年，直到8年后才掙到第一桶金；達芬奇手術機器人從啟動研發拿到FDA認證，花了十年時間——這并不難理解，無論自動駕駛還是機器人手術，理應需要算法上的無限精進。
算法的精進固然令人欣喜，但另一方面，更理性的觀察者，也不該被所謂“技術的純粹性”蠱惑。
事實上，在大多數對“識別率小數點后幾位”沒那么敏感的行業（比如門禁時的人臉識別），算法之間的細微差別對最終結果影響不大——尤其在安防和航空等需要行業積淀的領域，算法壁壘沒有自動駕駛那么大，這些行業的AI玩家，最銳利的武器應該是“行業縱深度”和工程化能力，懂“需求”遠比懂“技術”更重要。
這就引出了另一條技術路徑：他們選擇將技術“沉下去”，選擇有限的垂直領域，然后親盡全力，深入到這些行業的五臟六腑，通過為一個個行業客戶服務和賦能，逐漸拼湊出一張詳實的知識圖譜，然后再通過知識圖譜反哺新技術與行業應用。
值得一提的是，深諳這種技術路徑的公司，許多時候也會選擇AI中間層的通用技術，但由于率先捕捉到這個行業的痛點，他們得以從業務邏輯維度，完成更具效率的創新，最終在新技術與知識圖譜的雙向加持下，一舉解決行業痛點。
二、更“務實”的AI
說來稍顯凌亂，甚至一頭霧水，不妨以海云數據為例剖析后一種技術路徑的落地。
這家公司以大數據可視分析起家，近年來通過AI與可視分析的融合，以及在安防等領域多年沉淀的行業知識，推出了一系列與行業結合緊密的解決方案。他們將自己最主要的業務邏輯命名為“能力服務”：通過推動上游新技術支持與政務應用深度融合，為決策層提供調度指揮頂層設計。
這種能力服務現階段的標志物就是圖易AI能力服務平臺。在這一平臺上，通過整合軟件、硬件、數據和算法，客戶可根據不同需求，用“傻瓜式”操作（全程“無代碼化”）組建自己的AI能力模塊，像搭積木一樣，完成業務的效率提升和數據決策價值變現。
以安防領域為例，基于圖易研發的“智警大腦”已在40個細分領域內形成了200余個行業能力，且融合了語音識別和人臉識別等人工智能技術（如前所述，這些都是AI中間層的通用技術）。
舉個例子，它可以通過人臉識別進入后臺，然后通過語音指令調出事故現場視頻、附近的警力、周邊卡口、情報分析情況、犯罪嫌疑人的路徑、重點嫌疑人的檔案等節點，可以瞬間通過一張圖和一張網的形式，讓公安人員實時看見，確保在事故發生后公安部門能快速處理。
不難發現，他們希望給客戶提供的是一套封裝完備、體驗良好、“即插即用”的綜合解決方案，推進“上游新技術支持”與“下游行業應用”的銜接——值得一提的是，一旦發現市場上現有的AI通用技術無法滿足為客戶賦能的需求，或者無法百分百解決行業痛點，他們也會“親自上陣”，完成從0到1的技術攻堅。
弄懂這個邏輯，你也就理解為什么他們去年看似“無心插柳”地發布了唇語識別成果，其研發初心非常簡單：解決公安大量無聲視頻中數據缺失的難題。
眾所周知，公安系統中視頻信息量頗為龐大，但大多以默片方式存在，只看得清嘴型，卻不知說些什么。針對這一行業痛點，海云數據研發的唇語識別能在最大程度上釋放視頻圖像里的信息——更重要的是，它能與大數據可視分析系統充分嫁接，讓決策者能從聲音，圖象，視頻，空間和地理信息等多重緯度，進行綜合態勢的判斷，大幅度豐富現有的公共安全大數據一站式綜合解決方案。
所謂AI“務實”，莫過于此。
三、結語
當然，在我個人看來，上述兩種技術路徑，其實是兩種不同分工，談不上孰優孰劣，只有它們彼此滲透，共同進化，才是AI疆界最完整的圖景。只不過，對于更“務實”的行業客戶來說，如何利用新技術與下游應用結合，提升業務效率，真正產生效益，才是他們此刻最迫切的需求。
嗯，這么說好像稍顯“功利”，但所謂建設“數字中國”的恢弘愿景，不也正是不同行業里那些真正的務實者，基于一個個具體的問題，一點一滴拼湊起來的么？
“多研究些問題，少談些主義”。
胡適這句箴言，放在AI領域，好像也同樣適用。
本文由 @李北辰?原創發布于人人都是產品經理。未經許可，禁止轉載
題圖來自網絡
- 目前還沒評論，等你發揮！
