快速發布采購 管理采購信息

深度解密人工智能商業化核心要素:“場景+AI”模型解析

時間:2019-10-18, 來源:互聯網, 資訊類別:行業統計

“人工智能技術和傳統信息化技術、互聯網技術都是數字技術的不同表現形式,都遵循類似的技術產業發展模式。”

“我們創造了人工智能,人工智能在不斷模擬、學習和探索我們的思考方式,而助力AI持續進化的核心因子就是各種應用場景。”

“每一個場景與AI技術的結合都有可能給創新者帶來切入傳統價值鏈的機會,而這些機會有可能是傳統企業開啟轉型升級的起點,也有可能是另一家偉大新型科技公司的源頭。”

“在AI時代,‘見識’和‘知識’同樣重要:對于傳統企業及其從業者來說,具備‘AI Thinking’和掌握一定程度的AI知識很重要;對于人工智能領域企業及其從業者來說,‘場景見識’比起‘AI知識’更加重要。”

“人工智能時代,傳統產業的企業和企業的決策者才是主角,因為他們掌握了場景及場景的核心要素,他們才能驅動人工智能技術規模化滲透傳統產業。”

“這是一個創新鏈條比以往更長更復雜的時代,無論是個人還是企業都需要有強大的學習精神和學習能力,唯有如此,我們才能適應數字化、智能化時代的快速節奏。”

技術觸發商業變革,商業推動技術進步

今天,無論是國家競爭、企業發展還是學術研究,“人工智能”已經成為社會各個層面競相開展價值創新的核心陣地,發展以人工智能技術為代表的先進生產力已然成為國家競爭、企業競爭以及人才競爭的關鍵。

今時今日的“人工智能技術”無疑也被我們給予了“史詩級先進生產力”的期望,像蒸汽技術、電力技術、計算機技術以及互聯網技術一樣,人們期待著“人工智能技術”能成為下一個引領世界進步的“奇點”。

生產力的進步,必然帶來生產關系的改變,生產力技術的商業化就是這一過程的具體呈現。

2013年6月,王堅老師帶領的阿里云團隊突破了基于自主架構“飛天”的5000臺集群調度,這樣的技術突破得以成全“雙11購物節”成為全新的商業狂歡,不斷刷新紀錄的“雙11”也反向推動阿里云發展出全球領先的全棧云技術能力。

技術觸發商業變革,商業推動技術進步,這樣的例子還有很多,如SpaceX的火箭回收,美團的百萬級騎手調度等;

以深度學習為代表此次人工智能浪潮,從2012年開始經歷了產業和資本的狂熱追逐到如今的相對理性,AI雖然在一些行業獲得不錯的應用效果,但是整體上還是質疑聲音更大,人工智能商業化的進程似乎遇到了不小的阻力!

在《一個AI技術創業者看<投資人逃離人工智能>》一文中,我們已經講到了人工智能技術的價值,這里就不再贅述,今天我們來分享一下對人工智能商業化的一些思考和總結。

技術的商業化想要取得成功,既要遵循技術的發展邏輯,更要符合商業邏輯,本文我們提出了一個簡單且直觀的模型來描述人工智能技術商業化的正確姿勢

深度學習的技術本質和商業啟示

討論人工智能,必然離不開講技術,但是今天我們不做技術分析,只給出一些行業共識,以便于大家理解后面的解讀。

深度學習技術是這次人工智能浪潮的主角,主要表現在:深度學習使得圖像識別、語音識別、語義理解等應用技術的關鍵性能相較于過往的傳統做法有了較大的提升,這樣的提升足以讓以前無法滿足的需求或者體驗過差、成本過高的產品得以真正“落地”。

例如,如今基于深度學習的人臉識別產品,能夠在數億的人臉數據庫中準確檢索,而以前傳統技術下的人臉識別在萬人級別庫基本就沒有實用價值了。

所以,那些明顯符合深度學習技術特點的應用就被大量挖掘了出來,深度學習的商業價值也得以迅速發酵。

那么深度學習的本質特點是什么呢?通俗來說,深度學習能夠從海量標注數據中挖掘出人類難以發現的關聯知識,而這些關聯知識可以用來完成自動化的目標決策,從而在某種程度上替代人的角色(《一個AI技術創業者看<投資人逃離人工智能>》提到)。

深度學習的本質就是數據驅動決策(Data to Decision, D2D)。

例如,今天大家的手機上都能接受到各種推薦商品或服務,實際上就是手機采集采集我們每個人海量的各種維度的數據(標注數據),通過深度學習等技術進行數據分析,得出海量個性化需求(知識),最后完成了個性化推薦(決策)。

技術本身是沒有商業價值的,結合到了商業元素才有價值,而“場景”提供了所有的商業元素。深度學習(人工智能技術)就像是一件精妙絕倫的工具,能夠激發任何符合它技術本質的應用場景的商業價值。

我們創造了人工智能,人工智能在不斷模擬、學習和探索人類的思考方式,而助力AI持續進化的核心因子就是各種應用場景。

技術產業發展規律

在解析“場景+AI”模型之前,我們先來談一談技術產業的發展規律,方便大家更全面地比較和推敲。

人工智能技術和傳統信息化技術、互聯網技術都是數字技術的不同表現形式,它們都遵循類似的技術產業發展模式。如下圖所示:

互聯網/移動互聯網時代是模式創新的天堂,這一點大家是有共識的,“模式創新與技術創新”孰優孰劣的爭論也一直未休,所謂的“新四大發明”更是被相關學者專家批得一無是處。

我們認為大家看到的互聯網/移動互聯網項目的結果固然是模式創新,但這些也都是基于多年的信息化技術和互聯網技術的積累和演進,最終才得以呈現。

在傳統信息化技術統治的PC時代,微機技術、存儲、IO等硬件技術和操作系統等軟件技術構成了基礎設施;高級編程語言和編程工具能夠訪問復雜的基礎設施,為IT技術人員提供了友好的開發接口;

在開發工具成熟后,各種軟件應用大量出現,如聊天軟件、殺毒軟件、游戲等等;各種應用成為了各行業進行模式創新和新型解決方案設計的工具,整個商業社會隨之發生變革。

在互聯網/移動互聯網時代,網絡技術、通信運營商體系和移動終端構成了基礎設施;LBS(基于位置的服務)、二維碼技術、支付技術、云計算等讓我們訪問網絡而進行連接和計算成為了可能;

在應用層,電子商務、直播、外賣等在傳統信息化時代不能實現的應用都得以落地;在中國,人口紅利的加持為互聯網產業各層次都帶來模式創新的巨大空間。

比如,攜程和美團實質也是用電子商務這樣的應用形式提供了生活類(交通、住宿、吃喝玩樂)產品和服務的交易解決方案。

當前,人工智能的發展還處在初級階段,基礎設施就是我們所說的人工智能技術黃金三角:“數據+算法+算力”;

信息化和互聯網/移動互聯網使得大數據爆發,深度學習等技術的突破,使得算法價值穿越商業奇點,GPU(圖形處理器)、人工智能芯片等技術的發展也使得復雜的AI技術能夠達到實用水平;

在工具層,Google的Tensorflow,百度的飛槳等算法框架軟件以及一些人工智能芯片等基礎硬件,都是為了降低開發智能化應用的門檻而出現的,現在也越來越成熟;

目前人工智能產業正在進入應用工業化大生產的階段,各行各業的場景與人工智能將會大量融合,深度和廣度都會有一個飛躍式的發展。

“場景+AI”商業化創新模型及解讀

菁銳同行對近千個人工智能應用場景案例進行了分析和研究,總結出了我們對于人工智能商業化現狀及趨勢的理解。

這里,我們試圖提出一個人工智能商業化模型:“場景(Application Scene)+人工智能(Artificial Intelligence)”商業化創新模型————“ASAI”模型,

來描述人工智能技術在商業化過程中的涉及到的基本要素和核心邏輯,以揭示人工智能技術如何才能做到對傳統行業場景的價值滲透。

“場景+人工智能”商業化創新模型:

ASAI模型 = 場景(場景痛點、產品需求、閉環數據、商業模式、交易渠道) + 人工智能(AI算法、算力、傳統IT技術)。

任何技術本身是不具備商業價值的,只有找到了合適的應用場景才能產生價值,ASAI模型主要就是依照這個原則得出的。下圖為ASAI模型。

下面我們將對ASAI模型做一個詳細的解讀:

從商業的角度來說,有需求才有市場,有市場才有供給,場景中的痛點,以及因此痛點而產生的產品需求是前提;

場景中的閉環數據是人工智能技術用于解決場景痛點的核心,這里的“閉環”指的是從數據的準備(如標注、清洗等)到系統形成決策(推理)要形成閉環;

閉環數據基礎之上,AI算法、算力和傳統IT技術的加持,就可以形成智能化產品或者服務;

AI產品或降低原有場景的生產成本,或提高效益而產生價值,如果對整個行業、產業能夠產生積極影響,就可以配以相應商業模式與交易渠道進行商業化落地。

當然,人工智能技術的商業化邏輯對于不同的對象也是有所不同的:

對于傳統行業企業來說,提煉好場景要素,用好各種人工智能工具,針對性地完成場景價值的優化,以提升業務的附加值;

對于創新型科技企業而言,必須要深挖場景,做好長期作戰的準備,幫助場景用戶成長,自己才能最終收獲。

從ASAI模型中可以看出,人工智能商業化過程中,最難的點在于如何挖掘場景中的數字資產,這需要對場景有深厚的理解和洞察,且需要具備“AI Thinking”,知道怎么使用人工智能技術進行挖掘。

每一個場景與AI技術的結合都有可能給創新者帶來切入傳統價值鏈的機會,而這些機會有可能是傳統企業開啟轉型升級的起點,也有可能是另一家偉大新型科技公司的源頭!

結合目前人工智能產業發展現狀和上面的技術產業發展模型,我們可以看到:科技巨頭有著做基礎設施的巨大優勢,大部分初創型AI公司更多應該把目光放在場景的挖掘上,也就是要多關注垂直領域的“智能+”機會!

在AI時代,“見識”和“知識”同樣重要:對于傳統企業及其從業者來說,具備“AI Thinking”和掌握一定的AI知識很重要;對于人工智能領域企業及其從業者來說,“場景見識”比起“AI知識”更加重要。

舉個例子,人臉識別技術因其應用范圍廣而明確,早期數據獲取相對容易,所以無論是技術性能還是商業化程度都相對較高。人臉識別的應用場景主要是安防,但如今智能安防早已成紅海,那么人臉識別技術還能和其他有價值的場景結合嗎?

當然有,醫美行業的專家把人臉識別技術當成互動引流的絕佳工具、活動會務行業專家把人臉識別技術和活動場景進行深度融合等等,可見同樣的AI技術和不同場景結合就可能觸發不同的商業契機。

從ASAI模型中可以看出,“場景”要素是絕對更重要的那一部分,由此,我們認為:在人工智能時代,傳統產業的企業和企業的決策者才是主角,因為他們掌握了場景及場景的核心要素,他們才能驅動人工智能技術規模化滲透傳統產業。

這個也是我們菁銳同行對于人工智能產業發展的核心觀點,我們希望更多的傳統行業的決策者能夠發現和感知到人工智能技術的價值、并大膽嘗試使用適配的人工智能技術和產品。

人工智能創新項目的發展趨勢

按照ASAI模型的邏輯,我們針對人工智能創新項目的發展趨勢做出了如下解讀:

深度學習、強化學習、遷移學習等人工智能算法正快速發展,微觀來講,無論是基礎研究層面、工具鏈層面還是應用層面,這些技術都進展喜人;

傳統產業的企業主和行業專家相對其他群體更有“場景優勢”優勢,只要能夠不斷強化其數字化思維,他們就將成為人工智能創新項目的主力;

“AI+X”項目指的是以AI算法(或者芯片)等底層技術起家或者為核心的人工智能初創項目,這一類項目也是過去5-8年人工智能風口的主要形態。

在接下來的時間中,由于AI技術門檻不斷降低,營收壓力增大,同業競爭加劇等因素,這些項目會加速洗牌和轉型(目前已正在發生),人工智能算法技術會結合云計算、物聯網等成為產業基礎設施。

“X+AI”項目指的是應用AI算法(或者芯片)等底層技術垂直深耕某一個傳統領域或者多個領域的項目,這類項目將成為主流,更多領域的應用場景將被人工智能滲透,場景的數據潛力被徹底激發,智能化模式創新成為可能。

結 語

這是一個創新鏈條比以往更長更復雜的時代,無論是個人還是企業都需要有強大的學習精神和學習能力,唯有如此,我們才能適應數字化、智能化時代的快速節奏。

人工智能技術從學術研究到商業化,就是一個需要不斷“跨界”的過程,“保持敬畏,持續跨界學習”就是人工智能商業化落地的基本姿勢,與各位同仁共勉!

資訊分類
相關新聞
會員資訊
cc竞速飞车有什么算法