AI商業化為時尚早？

李云蝶+李瑤

在技術與商業充分融合前，人工智能需要解決的問題還不少。

2000年，高盛在紐約總部的股票交易柜臺雇傭了600名交易員。但今天，這里只剩下兩名股票交易員“獨守空房”，人工智能的機器學習算法和數據應用代替了其他交易員。

除了股票交易，由一位視頻游戲開發者開發的風險管理系統被高盛廣泛部署，隨后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能開發了一款金融合同解析軟件。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，這款軟件只需幾秒就能完成，不僅錯誤率大大降低，重要的是，它從不休假。

不僅金融行業，這場人工智能變革已經開始進入制造、教育、醫療、旅游、物流等人類生產生活的方方面面。

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年后，人工智能將可以勝任翻譯類工作；11年后，人工智能將創作出能夠躋身美國TOP 40排行榜的流行歌曲；33年后，人工智能將寫出能夠登上《紐約時報》暢銷榜的長篇或短篇小說；37年后，人工智能可勝任外科醫生工作。

倒計時外，還出現了更遙遠的暢想。

10月23日美國《紐約客》雜志的封面漫畫上，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。這家雜志似乎以此暗示，在未來社會，人類的工作機會可能被不斷進化的機器人占據，甚至機器人會主宰了地球。

盡管今天對于那些終極人工智能場景的擔憂還為時尚早，但值得注意的是，人工智能的確正努力在人類世界中找到一席之地，商業化就是第一步。

AI商業化熱潮

一個有趣的現象是，今年11月9日，一家在PC時代熬了14年的互聯網老兵搜狗，換上人工智能的新裝，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能第一股。

根據iResearch及BBC預測，2020年，全球人工智能市場規模將達到1190億元人民幣，對應2015-2020年年復合增速為20%。中國市場增速會更高，至2020年將占全球市場總規模的7.6%。來自IDC的數據則顯示，2020年全球AI市場規模將達470億美元，為BBC預計的2.6倍。

資本和市場的帶動下，人工智能的創業從藍海沖向了紅海。

來自《烏鎮指數：全球人工智能發展報告（2017）》的數據顯示，2012-2016年，全球人工智能企業新增5154家，是此前12年的1.75倍。并且，從2000-2016年，中美歐新增人工智能企業數占全球75%，除去美國占據37.41%，中國與歐洲占全球的比例相當，中國已經成為全球第二大人工智能企業的孵化地。

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，已經成為人工智能落地的第一梯隊行業。

不過，隨著資本市場的火爆，市場上定位于C端（消費市場）用戶的產品不斷涌現，乃至出現跟隨和扎堆的現象。

一個典型例子是，自從2014年11月智能音箱的“鼻祖”亞馬遜發布Echo以來，其銷量已經超過10億美元。巨大的市場點燃了大洋彼岸和中國的音箱創業熱。

在美國，谷歌、微軟、Facebook等巨頭紛紛涌入；在中國，百度、阿里、京東、聯想、小米等科技巨頭們也開始布局，創業公司全面躁動。有公開報道說，由于各大互聯網公司的布局，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，往往可能會在后期帶來巨大問題。

科大訊飛有關人士對《財經國家周刊》記者說，智能音箱領域的創業目前肯定存在過熱現象。智能音箱在硬件、固件、云計算上都存在不少技術門檻，且由于語音產品的新穎性，其對交互設計的要求也比較高。他認為，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，“創業企業應該深入創業，而不是天天開人工智能大會”。他進一步解釋說，人工智能只是一個技術，不是產業，可以進入醫療，可以進入農業，可以進入每個行業。普及后，每個行業都會采用人工智能，所以更重要的是利用技術去做場景、應用的區別，尋找自己的發展空間。

還有幾道坎

即便是大勢所趨，圍繞人工智能的創業還面臨諸多困難。在技術與商業充分融合前，人工智能需要解決的問題還不少。

缺乏高質量、大規模的數據，是人工智能商業化的第一大瓶頸。

第三次人工智能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于對數據進行表征學習的方法，再高深的軟件算法、再強大的硬件，一旦沒有所謂的商業邏輯與數據積累，就像無米之炊，巧婦也難為。

然而，商業世界恰恰是最為復雜也最缺乏數據積累的地方，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數據和平臺，大數據是人工智能的基礎，如果大數據不能以很廉價的方式得到，人工智能也不可能達到它的高峰期。

其二，人工智能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于超聲影像的人工智能輔助診斷系統，準確率已經達到85%以上，高于目前三甲醫院平均為60%-70%的人工診斷準確率，但目前也只適用于甲狀腺結節診斷。

它的技術研發者、浙江省數理醫學學會理事長孔德興告訴《財經國家周刊》記者，他們也曾將同樣的算法用于肝癌、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算法。

孔德興得出的結論是：“千萬不要把人工智能看成是萬能的，覺得有了這套算法就可以通用，沒有一套萬能的算法和模型。”

其三，人工智能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，勢必對于計算、服務、存儲的性能產生強大的依賴，而這些背后，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《財經國家周刊》記者說，過去，傳統的服務器隨著業務的提升會出現采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。如果不采取一些新的計算架構去控制整個集群里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，包括云計算業務的發展。

人工智能創業的特殊性正在于此，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能生態占據領先地位，鏈條上各個環節的參賽者才有競爭機會。

新時代機遇

盡管面臨諸多困難，但也不必過于悲觀。從大環境看，我國已經慢慢形成一套綜合解決措施，促進人工智能的商業化發展。

從去年開始，人工智能開始被政府多次提及。今年7月日發布的《新一代人工智能發展規劃》明確指出，要培育高端高效的智能經濟，打造人工智能創新高地、建設國家人工智能產業園、建設國家人工智能眾創基地。十九大報告更是強調，要推動互聯網、大數據、人工智能和實體經濟深度融合。

在技術方面，我國也已經不落后于發達國家。數據顯示，在人工智能專利數上，最近五年，我國平均每年增速43%，超過美國的21.7%，其中2016年達到近五年最高水平，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于醫學領域，全球有很多研究組都在進行研究，但在基于超聲影像的人工智能輔助診斷系統做出成果的，海外無論是報道還是文獻都不多，我國已經處于世界領先地位。

他說，“雖然很難說我國已經比其他國家做得更好，但有的方面是走在前面的，在某一個點上，更應該比誰有特色。”

另一個好消息是，資本層面看好人工智能。從2012年開始，發生在我國人工智能行業的投資額和投資次數，以及人工智能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，我國在人工智能領域的全面商業化愿景并不遙遠。

科大訊飛董事長劉慶峰在談及人工智能時曾表示：“一定意義上，我國與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。我覺得這是令我國科技界、產業界非常激動的新時代機遇。”