首页产业分析评论 ai 正文

产业AI将是刺破人工智能泡沫后的金矿

目前人工智能运用最成熟的领域是广告、信息流分发领域——百度的搜索引擎中推荐的广告采用了人工智能，微信朋友圈中推荐的广告也用了人工智能，今日头条给你分发的资讯背后驱动力还是人工智能。

2017-12-26 09:45 · 微信公众号：深几度深几度

　　2000年左右，美国高科技风险投资在美利坚大陆上狂舞。北电网络、朗讯科技、甲骨文等IT公司疯狂招人。整个美国笼罩在一片高科技带来的繁荣之中。这样的泡沫式繁荣也在中国大陆上演，一批中概股赴美上市，享受资本泡沫带来的刺激，却毫无盈利能力。

　　后来的事情大家都知道，纳斯达克一夜之间狂泄千里。短短一年内，中国互联网就从狂热到剧冷，一众以门户、资讯为目标的企业纷纷业务调整。

　　18年后的今天，人工智能产业似乎在重演2000年左右的泡沫式繁荣。在12月20日的云栖大会北京峰会上，阿里云总裁胡晓明提到，“人工智能要去泡沫化”。无独有偶，胡晓明泡沫论的前一天，李开复在行业晚宴中提到，“个别AI公司肯定有泡沫，AI这么火，是个创业者都要包一个AI外套。 ”

　　资本泡沫下的AI遭遇的挑战和18年前并无二致——对技术的*崇拜让资本和创业者红了眼，但技术和落地、商业化却存在一小段距离。

人工智能泡沫论的出现

　　人工智能泡沫论的观点在2016年就已经开始出现。

　　2016年年末，《硅谷百年史》作者皮埃罗·斯加鲁菲提到说：

人工智能*是一个泡沫。大量资金在短期内进入了人工智能领域。但包括谷歌在内的公司都没有在这个领域获得收益。

　　麻省理工学院以及斯坦福大学研究员今年11月30日则是发布“AI指数报告”称，人工智能领域存在泡沫。Erik Brynjolfsson是麻省理工教授，也是“AI指数报告”作者之一。他说，近年来 AI 确实出现许多突破，但是距离“通用人工智能”（artificial general intelligence）仍相当遥远。

　　“AI指数报告”指出，AI 在影像和语音辨识上有极大进展，这两年来已经和人类并驾齐驱、甚至超越人类。但要达到通用人工智能仍有很长的路要走。AI 只会进行交办的单一任务，不大能执行别的工作，而且如果任务性质稍有改变，或出现未曾遭遇的状况，AI 都无法临机应变。

　　阿里云总裁胡晓明以及李开复的AI泡沫论给市场再浇了两桶冷水。

　　胡晓明认为，现在人工智能领域有种浮躁的氛围，有些企业靠AI讲资本故事、炒作股价。这和李开复“每个创业者都要包一个AI外套”的观点几乎如出一辙。

　　但是要注意的是，新技术一般两条水平线，一条是这项技术现有的水平，一条是这项技术要进入人类生活必须达到的*水平。

　　只有一项技术的现有水平线超过进入人类生活必须达到的*水平线，这项技术才能铺展开来，相关创业者才能取得成功。

　　然而，没有人知道现有水平线会在什么时候超过*水平线。特别是在这项技术有突破和进展的时候，人们会产生 “这项技术明天就能进入生活” 的希望或者错觉。大家为了抢占先机，便一拥而生。泡沫由此产生。

　　本质上看，大量人工智能产品。只是新瓶装旧酒——只能看做是计算机计算能力的增强，带来了某些只有小把戏的新功能，很多企业对这些小把戏进行了简单包装就以人工智能的概念包装出去讲故事、炒估值。

产业AI才能真正落地

　　AlgorithmDog之前对人工智能泡沫有这样一个表述：

如果人工智能的泡沫破灭，人工智能只能退回广告系统和推荐系统，重新回到 “世界上最聪明的一群人，每天研究的是如何让人更多的点广告” 的时代，怀抱这两大金主在寒冬蛰伏。

　　AlgorithmDog这个观点可能还是有点太过悲观，广告、信息流里的AI当然还远远不够，但人工智能人工智能不仅仅只是实验室里的、PPT里的“概念上的AI”，实际上也在产生“产业AI”。

阿里云总裁胡晓明在云栖大会北京峰会上介绍说，阿里对人工智能的三个判断是：

*，必须要有场景驱动，我们在解决什么问题，为这个社会的成本降低了多少，效率提高了多少；

第二，在人工智能背后是否是有足够的数据来驱动AI能力的提升；

第三，是否是有足够的计算能力，支撑我们的算法、深度学习可以发生。

　　在他看来，只有三个场景同时具备的前提下，人工智能才会有价值。胡晓明的这个观点的确没错。

　　以机器人为例，今年上半年在几次以人工智能为主题的论坛中，笔者曾去参观站台上的产品，发现某家创业公司展示了蜘蛛机器人。当时满地蜘蛛机器人展示了一段舞蹈，据现场工作人员介绍说，这个舞蹈会根据现场观众的氛围来展示。笔者问到说，这个蜘蛛机器人具体商用是什么场景的时候，对方回答说，目前没有，只是用于商业展示。

　　这种所谓的人工智能就是没有场景驱动也没有足够数据更没办法产生计算能力的产品，和产业更是毫无关系。

　　但是以人脸识别技术是和上面说的蜘蛛机器人完全相反。人脸识别技术可以和很多商业场景展开融合，它只是一个单独的技术，却能和其他产品进行嫁接，而且可以作为数据收集的管道。比方说，阿里很早就上线了人脸支付的功能，今年12月阿里还和上海地铁打算合作部署人脸识别技术，阿里甚至还在自家无人商店中准备采用人脸识别技术，来解决支付、识别等一系列问题。

　　要知道，人脸特征作为重要的ID，不仅仅可以用来支付，甚至在零售、金融、汽车等产业都可以有大量结合。这种人工智能技术不仅仅有场景驱动，而且和产业紧密结合，甚至能够不断进行学习，反馈数据，这才是真正能够落地的“产业AI”。

　　当然不仅仅只是人脸识别技术，阿里云本身就有比较深厚的数据底蕴，还在城市、工业、零售、金融、汽车、家庭等多个场景推出ET大脑等“产业AI”方案，这些能力、产品和解决方案都通过阿里云服务于各行各业。

和产业展开融合本身就会有三点其他人无法企及的优势：

　　1、能够尽快统一行业的接口和标准，让更多企业参与其中，并且能梳理好解决方案，让AI可以更快在全国范围内落地。

　　2、能够迅速实现商业化，帮助产业合作伙伴提升效率或是迅速盈利，阿里云迅速落地“产业AI”，它能为每一位开发者、每一个合作伙伴，带来产业创新机会，帮助开发者、合作伙伴提升效率。

　　3、“产业AI”*的优势还是在于优化算法，在和产业上的具体企业展开合作，可以让大数据建模变得更丰富、贴近实际，经过实战后带来的能力提升将是指数级别的。

　　综合这三点来看，产业AI的融合能让阿里的人工智能战略相比于BAT中一些在AI领域刚刚起步的巨头更贴近日常生活。

泡沫之下的终会是啤酒

　　上世纪80年代初，AI应用研究大膨胀的过程中，曾出现过大量AI研究项目（主要是专家系统），政府、学校投入了大量的资金人力，但结果却令人失望，因为绝大多数专家系统仅仅作为原型停留在实验室之中。

　　这导致政府信心下降，投资大量减少。

　　当时有人预言AI的冬天已经来临。这次泡沫之中，专家学者对AI技术做出了大量浮夸和不切实际的宣传，误导了社会资源的投放力度，过高的期待使得社会对于AI技术的实际成果产生落差。

　　但是和上世纪80年代等泡沫和今天情况当然完全不一样。今天的AI落地已经初见成效，它需要更扎实的基础，而不是基础不牢时就开始展开不切实际的炒作。阿里云在城市、工业、零售、金融、汽车、家庭等场景中落地“产业AI”恰恰是打基础的过程。