445
機器人
人工智能商業化還要多久？
一直以來，人工智能都是人們關注的焦點。伴隨AlphaGo先後兩次戰勝圍棋界冠軍李世石、柯潔二人，人工智能便進入到“暖春”階段。現階段，在人工智能領域，百度、穀歌、蘋果、微軟、Facebook、IBM、英特爾等國內外互聯網巨頭紛紛加注資金，對應用更為廣泛的人工智能產品進行開發。
伴隨數據的增多以及硬件算力（大量高性能硬件組成的計算能力，如GPU）的提升，語音識別、自動駕駛、深度學習等人工智能技術正逐步從實驗室走向應用化和產業化。然而，技術壁壘逐漸消除之後，人工智能再次麵臨著另外一個難題——商業模式的探索。
近日，國務院印發了我國第一份人工智能發展規劃——《新一代人工智能發展規劃》。《規劃》對人工智能的發展進行了戰略性部署，確立了“三步走”的目標。《規劃》指出，到2030年，我國人工智能理論、技術與應用總體達到世界領先水平，成為世界主要人工智能創新中心。
此前，在第十六屆中國互聯網大會上，工業和信息化部部長苗圩曾表示，新興科技產業應加強關鍵核心技術的攻關突破，加快人工智能、虛擬現實等技術的研發和商用。
由此可見，以人工智能為首的新興科技，正在逐漸成為國家發展扶持的對象。而對於人工智能如何實現商業場景的應用？如何使人工智能成為我國經濟發展的又一驅動力？日益成為越來越多工商企業界甚至是政府所關注的焦點。
一、人工智能的近憂——商業價值沒有得到充分的驗證
日前，麥肯錫發布的一份報告顯示，2016全年，全球企業在人工智能領域投資約300億美元，與2013年相比，多出3倍。然而，投資的90%用於研發，10%用於收購，大部分人工智能投資者尚未拿到投資回報。足以見得，人工智能的商業價值並未充分體現。
1、技術驅動人工智能熱潮再襲
無論是語音識別還是圖像識別，亦或是AlphaGo的出現，現階段的人工智能確實取得了飛速發展，實質上這是技術驅動的結果，並不是商業驅動，甚至談不上人工智能商業化。為什麼說是技術驅動？
首先是大數據時代的到來。數據極大的增多，是人工智能再一次賺足人眼球的重要原因。究其根本，數據的增多得益於互聯網的發展；再者就是整個硬件算力（大量高性能硬件組成的計算能力，如GPU）層麵的提升。伴隨GPU、TPU等硬件的不斷更新，計算能力得到了大大地提升；最後就是深度學習廣泛運用於人工智能。在80年代，人們就開始提及深度學習。然而，在當時的條件，沒有充足的數據以及高效的算力支撐，深度學習根本無法開展，因此，深度學習並不能完全作用於人工智能。從目前來看，人工智能隻是單純地實現了技術的驅動。
2、人工智能尚未充分滿足客戶需求
從客戶需求角度來講，實際上，人工智能並沒有完全的、充分的滿足客戶需求。現階段，用戶在感知和交互方麵的需求極為強烈，但是目前人工智能在這兩方麵的發展並不能滿足用戶需求。例如：在語音交互方麵，用戶要想實現語音喚醒，操作起來還是比較困難的。而且，人工智能並沒有解決在遠距離上實現語音識別功能的問題。
而且，從目前的幾個典型應用場景來看，諸如：機器翻譯、語音助手以及身份識別，並沒有滿足用戶需求。實際的客戶需求並沒有得到完全的、充分的滿足，這也就意味著人工智能技術本身沒有得到商業認可。
3、新的商業模式沒有出現
實際上，人工智能並沒有帶來新的商業模式，主要體現在兩個方麵：
一方麵是指現有的人工智能技術是一種優化，主要是在業務層麵的優化。換句話講，一旦失去人工智能這種技術，公司不會受到任何影響，公司的業務還能繼續進行運作，企業的商業模式也不會遭受威脅。從目前整個商業層麵來看，至今沒有出現因為離開了人工智能，企業的商業模式受到極大挑戰的案例。
另外一個層麵是說，人工智能團隊在企業裏麵僅僅是起到技術支撐的作用，算得上是技術部門，而不是獨立的業務部門。這一點也就說明了由於人工智能而單獨存在的商業模式並沒有出現。
4、人工智能技術應用領域狹窄
據統計，目前覆蓋全球的62個國家的近千家人工智能公司，人工智能應用場景僅僅包含語音識別、手勢控製、虛擬私人助手、語音翻譯、智能機器人和智能汽車等十餘個產業。由此可見，整個人工智能的應用領域還是比較狹窄、狹隘的。
就目前應用領域來講，人工智能廣泛應用於機器翻譯、智能控製、專家係統、機器人學、語言和圖像理解、遺傳編程機器人工廠、自動程序設計、航天應用、龐大的信息處理、儲存與管理、執行化合生命體無法執行的或複雜或規模龐大的任務等方麵。比如，人臉識別技術現在開始逐步應用，並且主要運用在安防領域。當然，我們也看到了人工智能在醫療、教育、娛樂等方麵的做了一些嚐試，但其開發的廣度和深度還是有待拓展的。
而在大量的線下實體行業中，人工智能技術並沒有得到充分的應用。因為在這些行業裏麵，數據往往都是很少量的，沒有大量的用戶行為數據。沒有大量數據的支撐，就很難實現人工智能技術層麵的應用。然而，沒有應用場景支持的人工智能終究還是空中樓閣。
三角獸科技創始人兼COO馬宇馳表示，人工智能技術隻有真正落地，有商業場景應用才具有生命力。
當然，人工智能的商業化不是一蹴而就的，它的實現是需要一個過程的，需要企業把人工智能真正地應用到商業環境裏麵去。人工智能可以通過技術支撐不斷發展，拓展更多的應用場景，應用到更多的產業領域，而多樣化的應用場景、廣大的市場需求又反過來驅動支撐技術，從而帶動整個人工智能行業的可持續發展。
二、人工智能怎樣才能真正落地？
百分點集團董事長蘇萌認為，目前人工智能領域的火爆，與3年前大數據火爆場景似乎同出一轍。他表示，盡管現在在人工智能領域的創業團隊越來越多，但真正能找到並實現商業模式的團隊並不多。目前應該深刻思考的一個問題是：人工智能如何能真正的落地。在蘇萌看來，能真正實現人工智能落地的領域隻有行業人工智能和商業人工智能。
百分點集團技術副總裁兼首席架構師劉譯璟認為，人工智能本身是一個非常綜合的領域，它與哲學、數學、物理學、信息學、心理學和生命科學等學科都存在著密切關係。如果人工智能要實現自身發展，支撐其發展的底層理論同樣也要得到更新。除了在理論層麵進行更新外，劉譯璟強調在技術層麵要建立集中式建模+ 微建模的建模模型，實現雲計算與邊緣計算的緊密結合。
在劉譯璟看來，目前在計算能力方麵，量子計算將給人工智能帶來新的飛躍。一方麵，量子算法可以極大的提高機器學習的效率，另一方麵，量子物理理論闡述：人的意識與量子計算之間有很大的關聯的。正是基於量子理論與意識之間微妙的關係，量子計算有可能會為人工智能帶來“意識”。現階段，像IBM、Google、微軟這樣的巨頭公司早已經開始布局量子計算領域。
針對大量的線下實體行業往往不具備海量數據，劉譯璟給出自己的看法，通過建立實用的知識圖譜解決機器學習麵臨的冷啟動問題。解決冷啟動這一問題是利用人們在該領域中已有的經驗和知識，將這些知識“告知”計算機，並讓它利用這些知識解決問題。劉譯璟認為，建設一個實用的知識圖譜，首先需要清晰準確地梳理已有的知識，然後用實體、屬性、關係等方式對知識進行描述。一旦將知識圖譜建立起來，將不僅為單個企業，還將為整個行業、乃至整個世界帶來極大的價值。目前，像 Google、微軟這樣的巨頭已經在紛紛建設自己的知識圖譜。
可以預料到，人工智能的進一步發展一定會依賴於各行各業知識圖譜的建設，否則人工智能終將停留在實驗室而無法深入到真實業務中。
然而，IBM大中華區副總裁郭繼軍曾經表示，並不是每個領域都要實現人工智能商業化，首先要找到適合運用人工智能的領域。人工智能的商業應用勢必會在傳統的線下行業得到運用，甚至是更加聚焦的垂直行業裏麵。但是，在這些行業裏麵，數據往往都是很少量的，沒有大量的LG數據以及用戶行為數據。通過人工智能，在行業領域內，形成一套新的、完整的知識體係，從而幫助這些企業進行決策。
在郭繼軍看來，找到合適的領域之後，最為重要一點便是解決如何提高數據挖掘能力的難題。大數據是企業能否實現人工智能的關鍵性因素。在深度學習之前，可能因為算力的原因，沒有辦法理解和洞察企業的非結構化數據，但是基於深度學習的人工智能現在具備這樣的能力。所以對於現階段的人工智能來講，不是懼怕數據太多，而是怕沒有數據可進行分析。
三、究竟我國的人工智能商業化還要多久？
在此前發布的《中美兩國人工智能產業發展全麵解讀》報告中似乎能找到答案，報告指出，雖然目前中國AI企業增勢並不明朗，但根據行業發展周期來計算，中國人工智能產業將會在2018年回暖，新增公司數量會上揚到30家以上，預期融資累計量將會達到900-1000億人民幣。
日前，《新一代人工智能發展規劃的通知》的頒發，確立了“三步走”目標：到2020年人工智能總體技術和應用與世界先進水平同步；到2025年人工智能基礎理論實現重大突破、技術與應用部分達到世界領先水平；到2030年人工智能理論、技術與應用總體達到世界領先水平，成為世界主要人工智能創新中心。《規劃》從國家層麵對人工智能進行係統布局，部署構築我國人工智能發展的先發優勢。
這樣看來，到2025年，人工智能的部分應用領域將實現商業化運作，到2030年，人工智能的總體應用將實現更為廣泛的商用。由此看來，人工智能商業化已經處於陣痛期，人工智能的商業化運作，產業化運營已經離我們不遠了。
最後更新：2017-08-27 00:08:17