AI行業求生之路：做演算法的去養雞場，做語音的賣雞蛋，做視覺的送蛋炒飯

編輯 | 胡永波

2018年1月16日，全球最大中文 IT 社區CSDN在北京蔓蘭酒店舉辦了「 AI 生態賦能2018論壇暨 CSDN AI 新戰略發布會」。本次發布會上，CSDN重磅推出了企業智能化升級指南——《2017-2018 中國人工智慧產業路線圖 V1.0》，該路線圖首次提出了AIMM——企業智能化成熟度模型，希望能為中國企業的AI轉型提供有益參考。

發布會現場，美團點評技術學院院長劉江主持了題為「企業如何駕著AI起飛？」的圓桌論壇，圓桌嘉賓有代表視覺領域的曠視科技聯合創始人唐文斌，代表語音領域的思必馳副總、北京研發院負責人初敏，還有第四範式聯合創始人、首席架構師胡時偉，京東雲副總裁劉子豪，太平人壽CIO熊明，真成投資管理合伙人李劍威，烏鎮智庫理事長、國家「千人計劃」專家尼克。

這群業內人士怎麼看人工智慧行業的「泡沫」？怎麼看人工智慧在投資和實用方面的現狀？而對三大AI明星企業的業務模式，這場圓桌也給出了最為恰當的解讀：「開養雞場」、「賣雞蛋」、「做蛋炒飯」。

劉江：第一個問題我出給尼克。尼克做過很多AI宏觀報道，最近還出了一本書叫《人工智慧簡史》，對人工智慧的整個歷史頗有研究。我的問題是這樣的，人工智慧兩落三起，不少階段你都經歷過，對於這一次人工智慧，你怎麼判斷？會不會重蹈歷史覆轍？

尼克：這裡大概屬我歲數最大，30年前我到美國讀書的時候，人工智慧剛從第二次繁榮中退下來，那時候在計算機系，做系統跟做理論的互相看不起，但他們都同時看不起做人工智慧的。不過現在不一樣了，做系統的、做晶元的都往人工智慧上靠，做理論的也開始做人工智慧的問題，包括數學家在內，所有人都往這個方向鑽。

可在上世紀80年代、90年代，我都不好意思說自己是學人工智慧的，現在卻能天天說我老師是誰誰誰。這說明整個行業起來了，我們也確實看到了很多應用場景，這在原來都是不可能發生的。裡面有幾個因素，數據、演算法和算力，尤其是數據和算力幾乎在同一個時間點到達拐點，致使原來不可能的一些場景變為可能，比如圖像處理、人臉識別、自動駕駛，這些場景現在都是很實在的應用場景。

反過來說「泡沫」的問題，最近很多人都在討論。甚至還有人在講，某一類行業裡面的同質化競爭是不是很嚴重？這個我只能說，就我的觀察是有可能。但今天在座的都是業內專家，他們對各自的行業會有更深刻的了解。

劉江：總的觀點是這一波形勢還不錯。

尼克：但是有泡沫，有在座的各位，這裡我就不說了，可以讓他們自己說說。

劉江：第二個問題我問李劍威。李劍威是做投資的，比較喜歡投這種技術，他好幾年前就開始看了。你怎麼看這一波人工智慧？現在你投AI還很積極很興奮嗎？從投資界角度來講，人工智慧現在是什麼狀態？

李劍威：從投資角度來講，投資人接觸人工智慧肯定是比大眾早，但是會比創業者慢上一兩年。一般投資人看到標誌性的事件，就知道某一個領域比較熱了，大家會認為技術在某一個領域的爆發點可能來了，達到一定的滲透力，或者已經有一些現實應用了。這個時候大家就投進去。我記得最早投人工智慧應該是在12年、13年吧。很多早期機構，包括工場、真格、紅杉、聯想之星，投的都是計算機視覺，但那時大家可能不會說這是人工智慧。現在非常領先的視覺公司，像曠視、依圖等相關的好幾家公司都是這時候拿到了融資。

人工智慧在投資界真正大熱，我覺得主要是因為圍棋。如果沒有AlphaGo，人工智慧絕對不是今天的樣子。AlphaGo戰勝李世石，這對投資界來講也是標誌性事件。之後，無論一級市場投資人還是二級市場投資人，大家都會花很多時間來看人工智慧，認為它真的來了。我們可以看到，Nvidia股價漲了很多倍，AlphaGo贏李世石時大概30多美元，現在應該有200多美元了，上漲6倍多。初創公司就更是了，在座的有很多獨角獸，之前大家覺得是技術公司，現在都是人工智慧公司了。所以，在2016年和2017年，人工智慧是非常非常熱的。

但今年，或在2017年下半年，大家都開始覺得，人工智慧的公司是不是太貴了？所以，有一些人會用審視的眼光來看了，這就是你剛才講的是不是泡沫來了。現在，依然有同行在看人工智慧，大家會覺得某些領域的估值肯定有一些泡沫。但這一次跟以前相比，有些地方其實挺不一樣的——確實有很多公司找到了應用場景，而且很多公司都有著實實在在現金流，無論NLP還是語音識別領域，都可以解決一些問題了。對於投資人和一級市場的挑戰，就是怎麼找到那些對的公司。現在才買肯定是貴了，但你要看到企業的成長會消化掉那一點點所謂的泡沫。

總體來講，這個領域比較活躍投資人都是非常非常樂觀的，但核心前提是投到對的公司。

劉江：從李劍威的角度來講，我覺得前幾年可能看到一個AI公司就會下手，甚至投資公司互相之間還有競爭，但現在可能需要仔細看一看了。

李劍威：對。17年上半年，只要你打著人工智慧的旗號拿錢都很容易。現在每個公司都會說自己是人工智慧，所以大家要看產品了。

劉江：第三個問題，我要問熊總和子豪，你們是用戶企業，尤其是熊總。在你們看來，AI現在對你們公司的作用真的非常大嗎？是幫助你們掙錢了？還是為你們降低成本了？成效是不是特別明顯？有沒有這樣案例？

熊明：案例是有的，現在我們用智能客服卻是增效降本方面有效果的。以保險行業為例，我感覺在理賠、客服、銷售甚至預測模型方面，人工智慧肯定是會有相當大的作用的。但是你不得不注意到這一切都依賴於數據，所以整個行業的數據壁壘還是蠻高的。

劉江：現在太平人壽在客服這塊AI用的不錯，起到了成效。下一步在其他方向做的事情，你是說已經在做了，但效果還沒那麼明顯？

熊明：是的，我們正在開始做。

劉江：好，這是太平人壽的情況。那麼京東的情況，請子豪說一下。

劉子豪：京東不是一個純AI用戶，因為我們有場景。所以從2017年開始，很多京東內部的人工智慧能力都逐步通過京東雲、其他合作夥伴賦能給行業。總體來講，我們覺得生態一定是非常重要的一個環境。生態裡面有非常多的企業，有晶元的、有上下游的、有演算法的、有航空母艦型的，也有很多小的演算法公司……但總體來講，數據是人工智慧現在最稀缺的資源，而在行業內擁有大量的數據的就是那幾個寡頭。寡頭加上航空母艦，再加上一些合作夥伴，就會形成各自的生態，所以我覺得那些沒有數據來源的孤立的小公司，可能很難在這一波AI過中獲得實際收益。

從京東來講，剛才劉江老師說我們是用戶，其實不是。我們京東對AI的投入非常大，內部已經有很多應用也有實際場景，比如說智能補貨、機器人、語音識別、NLP，我們內部都有研發人員在做。所以接下來，我們不光自己要有AI的能力，下一步還要通過合作夥伴和我們自己渠道把AI能力輸出出去。

劉江：子豪說的智能補貨對電商來講特別重要。之前我在出版社干很多年，被傳統的零售商害苦了——書給他以後，一年以後再退給你就不能賣了，這就賠了很多錢。在原來的圖書行業，庫存是癌症一樣的東西，幾大電商起來以後，這個問題有了很好的改善。因為電商有數據，如果人工智慧能做得更靠譜，能夠智能補貨的話，這個行業的效率還可以再提升。

我給大家說美團點評的例子，美團點評大家接觸最多的可能是外賣。其實外賣的背後，是一個很大的我們叫做「配送大腦」的AI，這是我們的核心競爭力。在外賣行業，我們跟餓了么、百度外賣競爭，用戶體驗最關鍵的是送得快。它背後的核心技術，我們稱為「智能配送系統」，是清華老師帶著團隊幹了一年多做出來的。

現在，我們的平均配送時間是28分鐘。你在美團APP上下單，信息傳到商家開始做，然後我們騎手過去取餐，到取完最後送給你，總的平均時間是28分鐘。這背後實際上是大量很複雜的調度演算法，由我們一個很強的研發團隊在做。現在美團點評有500多個這樣的演算法工程師，就是互聯網企業所有做搜索、廣告、推薦、圖像、語音、調度的人，現在看來都是搞AI的。其實調度這一塊之所以是核心技術，是因為滴滴、摩拜等很多O2O場景都要用。這方面我們也得了大獎，因為它確實是一個核心競爭力。我們的口號是「送啥都快」，背後的保證就是他們這些演算法工程師。

做演算法的第四範式開「養雞場」

劉江：這一波AI大朝里湧現出很多代表性的公司，接下來三位就是其中的代表，我們一個一個來看。胡時偉，你可以講講你們第四範式主要有哪些AI場景？用哪些技術解決什麼問題？

胡時偉：我們2015年成立。為什麼講這個呢？因為2015年AI這個詞還是跟騙子劃等號的，就2016年下完圍棋才有用，15年就不行。我們當時包裝的是大數據，不敢說自己是AI公司。

但當時走的路不太相同，我們機遇比較好，一開始我們就做銀行行業的企業服務。我們做的第一個場景完美繞過場景數據和各式各樣的問題，就是用AI模型去預測你一個用戶會不會辦分期業務。跟我們合作的是國內最大的股份制銀行，是直接線上的實時應用，讓它每天的手續費收入提升60%之多。

後來的事情就沒那麼容易了。當時客戶跟我們說，你們這樣一個一個做怎麼能做得過來，這麼厲害的能力不如趕緊做一個平台……所以我們就想辦法讓企業自己解決自己的問題，而不是去解決別人能幫助他解決的問題。大概從2016年開始，我們用平台加上範式大學的能力來幫助企業構件它自己的AI能力，也就是讓它自己的人用自己的數據來構建自己模型。

如果他不知道應該收集什麼樣數據，我們就教會他如何學習、如何收集數據、如何理解這件事情……後來沿著這個路線，我們順理成章地跟國內最大的銀行合作，建立它的基礎AI能力，也就是逐步把它內部數百條業務線的研發人員全都培養成數據科學家。通過一些模式化的架構，我們把數學和統計上的細節封裝起來，讓他們的人利用數據認知和平台演算法直接解決問題，就像石油工人在鑽井平台上幹活一樣，他們無需了解怎麼搭建鑽井平台。

這是我們所做的一些事情，目前取得了不少比較成功的結果。

劉江：接下來，問題交給初敏。現在語音這個行業，包括你們在做的其他事情，目前在整個行業的應用、落地和技術方面，都是一個什麼樣的情況？

初敏：語音概念一直在轉換。早些年我上學的時候做語音，它不叫人工智慧，我自己也從來不認為是人工智慧，那時候我們的範疇是「信號處理」、「模式識別」。今天所謂的「AI熱」，我覺得是很多概念的重組，但語音最核心的技術並沒有發生本質的變化，無非就是深度學習使識別率之類的效果更好一些。事實上好多Demo 20年前都見過了，但是不能落地沒有聯網，就只是小樣而已，今天看到的是真正可以落地的場景。

所以，我認為今天真正發生變化是外界，大家看到落地的場景很激動。特別是大家跟著媒體信息轉，看到一些標杆案例覺得很神奇。但AI有沒有泡沫不是看那幾家標杆型公司，而是取決於我們能不能把這裡的技術產業化，能不能把AI輸出到那些自己不掌握AI技術的企業，讓他們用起來，解決大把大把的問題。

今天大家對語音的理解範疇更大一些。傳統語音是說語音識別合成，這是核心技術，本身比較難，可以由我們來搭建。今天所有提到語音的地方，其實指交互，包括識別、理解、聲紋、自然語言理解和對話，還有對話背後知識的管理……這一切都需要數據。數據換了，場景換了，原來的模型就不工作了。而到一個場景就換一個模型，這個成本是非常高的。

所以說，除了核心的演算法能力，今天AI技術能不能成功落地，關鍵是規模化生產的能力。也就是說，語音識別在我們精心打造的場景能做到97%，那麼換到一個新場景，我們是不是還能很快地做到這個準確度？對話在新場景中是不是還能夠持續地進行？它的本質就是我們能不能把所有這些機器學習的模型或方法規模化地移植到任何一個新的場景。這就相當於把新場景數據接進來，我們在多長時間能夠使新場景中達到先前場景的效果？

可能這就是我們最終所需要的生產力，這樣就有了規模化生產的可能，然後那麼多有場景的企業才能夠真正把它用起來，這個行業才會真正起來，這一點是我們今天特別關注的。

思必馳現在已經做到的，是優化個人在生活中、在家庭中、在汽車中、在其他場景中的體驗。另一個很重要體驗在企業當中，就是優化企業中每一個人。比如幫助HR的招聘助理，協助內部員工溝通的溝通助理……方方面面下來，企業中不同的角色可能需要20個、50個小機器人來為他們服務。我覺得這就是真正的規模化生產，每個場景的知識面不需要很廣，關鍵是我們有沒有辦法快速構建起來，這是我們現在考慮的方向。

據說很多企業是無信息化的，或者說數據不夠，那他們是不是就根本沒有機會？我們的想法是用一個低成本方式讓他們先用起來，感受到技術的好處，然後帶動他們把技術基礎建設起來。

劉江：對，初敏說的這一點很重要。我們現在要把一些很實際的場景能用起來，讓它轉起來，如果企業真能拿這個掙錢，真能夠推動業務提升效率，那人工智慧才是真的有價值的。不然不然期望太高的話，有些方面還是挺危險的。

劉江：對於這一點，唐文斌怎麼看？視覺現在是大熱點，這個領域是什麼樣情況？我知道你們在安防這塊很不錯。

唐文斌：我們有一些落地的情況還很好，剛才兩位聊的話題挺有意思，我想接著聊一下。

第四範式做什麼事情呢？你想吃番茄炒蛋，第四範式賣的雞，然後你喂一點飼料，過幾天下蛋就可以炒了。第二種賣的是蛋，拿回去炒，炒什麼什麼樣就是你自己水平。這是語音識別通過開放平台開放出來做開發和應用，雞自己養著。第三種是直接吃番茄炒蛋，外賣直接送到家裡，好廚子在哪就看不見了。

因為市場還在探索過程當中，這三種模式很難說誰好誰壞、誰的市場大。

我們最早從做蛋開始的，然後做蛋過程中我們非常努力在內部做了一隻雞，叫「Brain++」，用的是我們自己的訓練引擎。我們發現，現在做深度學習無外乎兩種類型：一種是你真的做本質性突破，發明新的網路結構，做新的東西出來，這確實需要非常聰明、極具創新意識的人來做，誰都替代不了；另一種實質是做Search，拿這個數據用演算法和模型湊一湊，試一下不太行就再來一次，不斷地、啟發式地在做嘗試，在邊界之內做搜索。用搜索的方法來做AI這種方式，那AI為什麼不能把你做AI這件事情也做了？這就是第四範式所做的事情。

我們通過Brain++，讓AI在沒有本質性的邊界突破下也可以做成富士康，把東西分解開一步步搞，做成流水線。但是把流水線直接對外輸出是很難的，所以我們還是先做好蛋。而不同的場景需要不同的蛋，下蛋標準不一樣，炒法就很需要技巧，對「蛋」要有很深刻理解和體驗，我們就發現別人真炒不好就自己炒了，所以就找來幾個場景。

曠視做的是計算機視覺，最早從人臉開始，這是視覺信息最有價值的元素。但到底做什麼樣的番茄炒蛋最有人喜歡吃，口味最合適的場景是什麼？我們一直思考，最早做的是一個蛋的平台Face++，給美圖和各種娛樂類APP用，結果發現不夠嚴肅，並沒有長出什麼太大的果實來。

後來人臉識別很有意思，是唯一一個擁有國家權威資料庫的生物識別。於是我們就開始提供實名身份認證手段，最早是給支付寶。後來發現各種寶都需要，就通通搞了一遍，再後來給滴滴、Uber、神州、易道、e代駕等……四個輪子的共享經濟很需要實名認證，萬一司機在註冊的時候盜用別人身份會很危險。人臉有一個很本質的場景，就是即便你不想被識別，你也攔不了我識別你，這個核心特徵可用來識別壞人。所以，在公安場景下通過人臉識別對數據進行二次挖掘，可以為我們帶來很多業務價值。2017年，我們給國內公安抓了大概4000多逃犯，這是蠻驚人的。

把當務之急的番茄炒蛋做好了，我們就能去找一個更好的定位。去賣雞蛋還是去賣雞？這是我們正在思考的。

劉江：講到公共話題，我一直在想的是，技術發展上，雲計算對IT格局的影響並不大，也沒有哪家公司靠大數據成為巨頭；但移動的顛覆性卻很強，TMD都是因為移動起來的，今日頭條在資訊的賽道上很猛，美團點評如果沒有手機點餐就沒有那麼大的用戶量，滴滴就更不用說了。那麼，AI時代會怎麼樣？AI方面會誕生一個能改變整個市場格局的巨頭嗎？大家都怎麼看？

唐文斌：我先反駁一下。我覺得雲計算也好、大數據也好、AI也好，它們本質上都不是產業，是賦能工具，是幫助我們解決問題的。但最後定義你自己的，還是得說你到底解決了什麼問題，帶來了什麼價值。

我覺得AI場景中最快漲起來的是「AI+行業」類公司，深入到一個行業中去，用AI重新定義行業。這是降維打擊，用更少的成本、更好的方式來解決你原本不可能解決的問題，讓整個行業的價值架構發生改變，這裡是有機會的。第二類公司是當前面的「AI+行業」起來以後，會需要很多技術架構的東西，比如說晶元，比如說第四範式這樣的平台，我認為也是有機會的，但會晚於「AI+行業」類的發展。

劉江：對，唐文斌強調的還是跟行業跟場景的結合。

初敏：如果一個公司最終把自己定義為技術輸出公司，我覺得不會顛覆行業，也不會成為今天的BAT。如果一項技術要做成，如果做得特別難，需要用戶付出很多努力才能用，那麼輸出這項技術的公司基本上成不了。過去也有做技術輸出的企業，但是沒有做到BAT這種水準的。

胡時偉：我特別贊同初老師剛才講的，不能輸出技術，最終AI的商業實現會需要一個載體，而這個載體至少應該是一個產品，這個產品能夠解決什麼問題呢？這就是我們通常所說的，AI能不能讓人失業。如果AI真能讓一部分人失業的話，那這個產品一定會催生出一個現象級的公司。我們知道，微軟、蘋果、思科這樣企業讓很多人都失業了，比如說打字員、郵遞員。AI能在多大程度上顛覆一個行業的人、財、物關係，這個公司就有多大的土壤，關鍵就是它能夠顛覆多少我們程序員之外的世界，那就有多少我們可以做的事情。

所以我特別認同蔣總說的，AI會讓企業的決策過程發生變化，有可能讓程序員搖身一變，從企業的成本中心、效率中心變成利潤中心。畢竟你寫的代碼是真的可以讓一個業務一夜之間提升60%，這也是我們已經做到的一個嘗試。那麼，原來負責這個業務的決策分析人員和其他員工就需要重新安置，安置的結果是把他們變成產品經理，給機器學習提供數據，研究怎麼收集數據。我想，銀行業里發生的這個事情，是值得其他行業借鑒的，至少是有一些啟示。