AI商业化为时尚早？

李云蝶+李瑶

在技术与商业充分融合前，人工智能需要解决的问题还不少。

2000年，高盛在纽约总部的股票交易柜台雇佣了600名交易员。但今天，这里只剩下两名股票交易员“独守空房”，人工智能的机器学习算法和数据应用代替了其他交易员。

除了股票交易，由一位视频游戏开发者开发的风险管理系统被高盛广泛部署，随后又被包括美国银行在内的对手模仿。摩根大通也利用人工智能开发了一款金融合同解析软件。经测试，原先律师和贷款人员每年需要36万小时才能完成的工作，这款软件只需几秒就能完成，不仅错误率大大降低，重要的是，它从不休假。

不仅金融行业，这场人工智能变革已经开始进入制造、教育、医疗、旅游、物流等人类生产生活的方方面面。

2016年，来自牛津大学人类未来研究所、耶鲁大学和AI Impacts的多名专家，对机器学习研究者进行了一场大规模调查。

受访者认为，8年后，人工智能将可以胜任翻译类工作；11年后，人工智能将创作出能够跻身美国TOP 40排行榜的流行歌曲；33年后，人工智能将写出能够登上《纽约时报》畅销榜的长篇或短篇小说；37年后，人工智能可胜任外科医生工作。

倒计时外，还出现了更遥远的畅想。

10月23日美国《纽约客》雜志的封面漫画上，人类带着宠物狗举着空咖啡杯坐地行乞，而牵着机器狗、拿着咖啡、手提箱、看着手机的机器人，则扮演了施予者的角色。这家杂志似乎以此暗示，在未来社会，人类的工作机会可能被不断进化的机器人占据，甚至机器人会主宰了地球。

尽管今天对于那些终极人工智能场景的担忧还为时尚早，但值得注意的是，人工智能的确正努力在人类世界中找到一席之地，商业化就是第一步。

AI商业化热潮

一个有趣的现象是，今年11月9日，一家在PC时代熬了14年的互联网老兵搜狗，换上人工智能的新装，正式登陆纽交所。在其长达200页的全英文招股书中，90次提到“AI”，被外界称为中国赴美人工智能第一股。

根据iResearch及BBC预测，2020年，全球人工智能市场规模将达到1190亿元人民币，对应2015-2020年年复合增速为20%。中国市场增速会更高，至2020年将占全球市场总规模的7.6%。来自IDC的数据则显示，2020年全球AI市场规模将达470亿美元，为BBC预计的2.6倍。

资本和市场的带动下，人工智能的创业从蓝海冲向了红海。

来自《乌镇指数：全球人工智能发展报告（2017）》的数据显示，2012-2016年，全球人工智能企业新增5154家，是此前12年的1.75倍。并且，从2000-2016年，中美欧新增人工智能企业数占全球75%，除去美国占据37.41%，中国与欧洲占全球的比例相当，中国已经成为全球第二大人工智能企业的孵化地。

在庞大的创业阵营中，B端（行业市场）成为了最合适的切入点。目前，诸如医疗、汽车、交通、安防、金融、物流仓储等，已经成为人工智能落地的第一梯队行业。

不过，随着资本市场的火爆，市场上定位于C端（消费市场）用户的产品不断涌现，乃至出现跟随和扎堆的现象。

一个典型例子是，自从2014年11月智能音箱的“鼻祖”亚马逊发布Echo以来，其销量已经超过10亿美元。巨大的市场点燃了大洋彼岸和中国的音箱创业热。

在美国，谷歌、微软、Facebook等巨头纷纷涌入；在中国，百度、阿里、京东、联想、小米等科技巨头们也开始布局，创业公司全面躁动。有公开报道说，由于各大互联网公司的布局，目前国内很多OEM厂已全线接到任务。

然而，热点引发的创业拥挤，往往可能会在后期带来巨大问题。

科大讯飞有关人士对《财经国家周刊》记者说，智能音箱领域的创业目前肯定存在过热现象。智能音箱在硬件、固件、云计算上都存在不少技术门槛，且由于语音产品的新颖性，其对交互设计的要求也比较高。他认为，很多新入行的创业者低估了其中的难度。

文安科技创始人陶海提醒创业者，“创业企业应该深入创业，而不是天天开人工智能大会”。他进一步解释说，人工智能只是一个技术，不是产业，可以进入医疗，可以进入农业，可以进入每个行业。普及后，每个行业都会采用人工智能，所以更重要的是利用技术去做场景、应用的区别，寻找自己的发展空间。

还有几道坎

即便是大势所趋，围绕人工智能的创业还面临诸多困难。在技术与商业充分融合前，人工智能需要解决的问题还不少。

缺乏高质量、大规模的数据，是人工智能商业化的第一大瓶颈。

第三次人工智能浪潮的兴起就是因为深度学习技术的进步，而深度学习本身就是机器学习中一种基于对数据进行表征学习的方法，再高深的软件算法、再强大的硬件，一旦没有所谓的商业逻辑与数据积累，就像无米之炊，巧妇也难为。

然而，商业世界恰恰是最为复杂也最缺乏数据积累的地方，Uber机器学习主任王鲁明表示，对顶级企业来说，真正的核心竞争实力是数据和平台，大数据是人工智能的基础，如果大数据不能以很廉价的方式得到，人工智能也不可能达到它的高峰期。

其二，人工智能商用还面临研发的时间成本难题，即便是在看似更标准化一些的B端，也不存在通用模型。

举个例子，浙江德尚韵兴图像科技有限公司开发的基于超声影像的人工智能辅助诊断系统，准确率已经达到85%以上，高于目前三甲医院平均为60%-70%的人工诊断准确率，但目前也只适用于甲状腺结节诊断。

它的技术研发者、浙江省数理医学学会理事长孔德兴告诉《财经国家周刊》记者，他们也曾将同样的算法用于肝癌、乳腺癌和胰头癌的测试，效果都不理想，所以只好又重新研发，从底层来做，设计一些个性化的数学模型和算法。

孔德兴得出的结论是：“千万不要把人工智能看成是万能的，觉得有了这套算法就可以通用，没有一套万能的算法和模型。”

其三，人工智能的创业者们还要面对高昂的计算成本与短期内没有可盈利商业模式的矛盾。

要知道，机器学习所需要的训练强度，势必对于计算、服务、存储的性能产生强大的依赖，而这些背后，都是高昂的成本。

科大讯飞研究院深度学习平台HPC研发总监张致江对《财经国家周刊》记者说，过去，传统的服务器随着业务的提升会出现采购成本和使用成本的提升，这种上升往往不是线性而是几何级的。如果不采取一些新的计算架构去控制整个集群里面的节点数量或者规模，成本的上升将无法控制，这对任何一个企业来说都是非常灾难的事情。

这就导致，一方面，错估成本会对创业公司造成致命影响；另一方面，它也带动了整个产业链条的进步，包括云计算业务的发展。

人工智能创业的特殊性正在于此，它不单是一个企业对一个企业的竞争，而是一个体系对一个体系、一个生态对一个生态的竞争，只有一个地域或一个产业链条整体的人工智能生态占据领先地位，链条上各个环节的参赛者才有竞争机会。

新时代机遇

尽管面临诸多困难，但也不必过于悲观。从大环境看，我国已经慢慢形成一套综合解决措施，促进人工智能的商业化发展。

从去年开始，人工智能开始被政府多次提及。今年7月日发布的《新一代人工智能发展规划》明确指出，要培育高端高效的智能经济，打造人工智能创新高地、建设国家人工智能产业园、建设国家人工智能众创基地。十九大报告更是强调，要推动互联网、大数据、人工智能和实体经济深度融合。

在技术方面，我国也已经不落后于发达国家。数据显示，在人工智能专利數上，最近五年，我国平均每年增速43%，超过美国的21.7%，其中2016年达到近五年最高水平，增幅32%。

诸多受访者都表达了乐观的情绪。孔德兴说，将深度学习和数学结合起来应用于医学领域，全球有很多研究组都在进行研究，但在基于超声影像的人工智能辅助诊断系统做出成果的，海外无论是报道还是文献都不多，我国已经处于世界领先地位。

他说，“虽然很难说我国已经比其他国家做得更好，但有的方面是走在前面的，在某一个点上，更应该比谁有特色。”

另一个好消息是，资本层面看好人工智能。从2012年开始，发生在我国人工智能行业的投资额和投资次数，以及人工智能投资机构的数量都在迅速增长，年增长率均超过50%。

在政策推动、技术进步和资本支持下，我国在人工智能领域的全面商业化愿景并不遥远。

科大讯飞董事长刘庆峰在谈及人工智能时曾表示：“一定意义上，我国与美国是同时进入了无人区，包括技术持续创新的无人区，在应用中摸索的无人区以及配套的政策、法规、伦理、人文的无人区。我觉得这是令我国科技界、产业界非常激动的新时代机遇。”