AI技術的創新和應用并不是一帆風順的,特別是在過去的一段時間。一方面AI產業在繁榮發展,另一方面,在進步的過程中也有不少質疑的聲音。比如AI是否真能夠帶來生產力的提升?AI商業化的前景能不能經受住考驗?

　　近日,2021WAIC世界人工智能大會如期舉辦。此次大會是第四屆,不少全球領先的AI企業都集中展示了AI技術發展、應用的最新成果。AI未來的發展方向以及商業化前景也進一步明晰。那么本次世界人工智能大會上,究竟透露出怎樣的AI產業發展風向?我們不妨深究一番。

　　AI創新落地路徑:AI算法的規模化擴散

　　縱觀工業革命以來的經濟增長史,技術進步主要由少數關鍵的突破性技術推動,這些技術都是通用技術,比如蒸汽機、電力和信息技術等。不過,通用技術只有在全面技術擴散、深度滲透到經濟結構的各方面,生產力才會發生質變。

　　以互聯網為例,最早的互聯網誕生于1969年,但從1983年開始,民用化互聯網才開始逐漸發展,如今互聯網已經成為一種社會基礎設施,并且在發展的過程誕生了一批互聯網巨頭企業,也促進了許多傳統行業的生產力發展。

　　AI也是如此。

　　怎樣才能發生技術擴散?一是新技術對生產力有明顯提升作用,二是技術本身的生產能夠規模化。目前,AI對生產力的提升已經不斷被驗證,無人工廠在各個領域開始初步應用。問題就在于技術生產本身的規模化。

　　也就是說,AI技術與產業端的融合發展,使得技術的演化出現了新的特征,AI技術的創新發展,來到了一個新的融合擴散階段。

　　這意味著:

　　一方面在AI擴散至各個行業的過程中,在技術先進性之外,AI本身的生產需要考慮更多的成本要素。

　　對于很多行業來說,AI技術大范圍落地不僅是一個技術問題,更是一個成本問題。過去幾年中AI“精打細算”的模式,其實就是一個人力密集生產的模式,因為AI技術本身的生產很大程度上依賴大量的人力。因此,在技術上,高費效比的算法開發是一個行業性的共識。

　　另外,AI不單單是一種技術,而是一系列技術的組合,AI場景落地的越多,算法就越多元化,因此規模化的通用算法生產能力,是人工智能的規模化落地的前提。反映在AI三要素發展的趨勢上,通用算法的發展促進底層算力增長,在技術落地的過程中,也要求算法模型的生產成本進一步降低。

　　另一方面,在AI技術擴散的過程中,出現了明顯的通用化、長尾化的趨勢。

　　AI落地的過程中,規模化導向下數據越來越多,AI模型越來越通用。AI技術落地更注重實際場景需求,越來越多的長尾需求出現。長尾需求雖然應用頻次較低,但由于長尾端在規模上的優勢,也同樣擁有巨大的商業價值。AI在長尾端的落地是打通AI技術、大數據技術價值閉環的關鍵。

　　從這次2021WAIC大會來看,對于這些AI落地中新出現的變化,已經開始有AI廠商給出了解決方案。

　　在本次世界人工智能大會上商湯科技又以線上的方式舉行了一場行業論壇,并展示了一個名為SenseCore商湯AI大裝置的新型基礎設施,據介紹其能夠促進AI技術規模化落地——,其本質是讓AI落地擺脫人力密集的狀態。

　　商湯CEO自己親自介紹了商湯AI大裝置,共包含三層:由AI芯片+人工智能計算中心+AI傳感器組成的算力層;數據平臺+訓練平臺+推理部署引擎+模型生產平臺組成的平臺層;算法工具箱+開源框架組成的算法層。大數據、大模型和超強算力的“三位一體”的AI大裝置推動AI技術在各個應用場景落地。

　　實際上,AI大裝置可以看作是一個底層系統,通過不同行業需求加載不同的AI能力,從而實現AI對于某個垂直行業的推動。

　　AI大裝置已經有了一些應用案例,比如在城市治理領域,商湯科技與上海市長寧區合作,在江蘇路街道試點AI+一網統管,構建了一個多場景的AI城市治理系統,通過AI研判處置全閉環管理,形成一個AI城市治理的閉環,從而提升城市治理效率。

　　對于行業發展而言,這套AI大裝置對于AI行業的意義,我們目前還無法作出判斷,或許它可能會不亞于當年福特T型車對于汽車行業的意義,也或許最終只變成對一個AI方向的探索。但AI大裝置作為行業軟硬一體的基礎設施,目前還是為AI技術在各個領域大規模的工業化生產和融合提供了可能性。

　　一方面,它能夠滿足低成本規模化的AI技術生產需求,可以實現通用AI技術的批量輸出,另一方面,大裝置本身也有很強的通用性,適應各個垂直領域的AI技術融合應用。這也有望推動AI行業進入一個“指數增長”階段。

　　Ray Kurzwei曾經在《奇點臨近的》中寫到:“幾乎我見過的所有人都以線性發展看待未來。這就是為什么人們往往高估短期能夠達到的目標(因為我們常常忽略必要的細節),卻容易低估那些需要較長時間才能達到的目標(因為忽略了指數增長)”。

　　“整個存量時代,如何挖掘更多精細化運作的價值,挖掘技術的價值,是時代要義,商湯推出AI大裝置很具有一定的時代性。”長期關注AI領域的分析師劉軒(化名)對互聯網江湖團隊表示。

　　從長期主義的角度來看,對于AI技術的發展而言,‘工業化’的AI生產或許會成為未來AI技術、產業增長的關鍵節點。當有了最新一代的AI行業基礎設施,對行業來說,這也可能意味著AI技術大范圍商業化提供了基礎。

　　技術壁壘也是商業壁壘,未來商業化可期

　　從最近幾年AI行業的發展來看,商業化是一條發展的主線。目前,技術創新的初級階段,AI技術也比以往更強調場景應用,對于行業頭部企業來說,這可能也意味著即將進入一個商業化密集落地的階段。

　　AI的商業化變現,低維度的是向應用端收取技術服務費,AI企業在AI落地的環節中,更傾向于做一個“技術服務商”的角色。高維度的商業化,則更多的是以技術為基礎,建立起AI商業生態。

　　正所謂贈人玫瑰,手有余香。對于AI企業來說想要做大,不是只考慮自己賺錢,而是如何為企業賦能,為行業賦能,讓AI價值得以釋放,順道實現自身商業化。

　　其中核心有兩點,一:找到對的落地領域,二、構建起對的商業生態。

　　什么是對的落地領域?其實就是能夠起到明顯示范效應的領域,一方面要對B端以及G端客戶產生深刻的印象,另外一方面,AI能夠真正的去深入到這些領域,解決傳統方式難以解決的痛點。

　　比如,在智慧醫療領域,將AI技術賦能診療愈環節,讓AI輔助診斷覆蓋胸部CT、胸部X線、心臟冠脈、肝臟、病理、骨科等多個科室;在運營端,通過AI數字人進行分診、導診促進醫院運營效率的提升。

　　AI企業在這樣垂類領域的商業影響力越強,越有利于AI多元化落地的發展。隨著AI技術在各垂直行業落地,便能搭建起一個輻射多行業的商業生態。

　　那么,怎樣構建起對的商業生態?

　　微軟發力人工智能就曾經找錯過賽道,比如,微軟開始研發語音助手小娜時,一度認為亞馬遜的技術很落后,在落地路徑上,亞馬遜選擇用Alexa構建起商業生態,而微軟的Cortana則隨著微軟移動戰略的失敗而逐漸被超越。

　　對中國的AI企業而言,一方面要對AI基礎研究和基礎研究持續深入,使得在技術上能夠始終保持在行業前沿構成技術上的競爭力,另一方面在于通過AI技術的不斷落地,建立起自己的生態,從而形成商業上的競爭力。

　　要做到這一點,首先要建立技術壁壘。技術壁壘永遠是第一壁壘,圍繞核心的技術壁壘,才能逐漸展開第二層的商業壁壘。AI大裝置就無疑被商湯看作其在技術上的核心競爭力。

　　商湯把強大的算力、平臺、算法體系都放入其中,更像是打造了一個現代化流水線AI工廠,去激發行業躍遷式創新,加速AI落地各個產業。

　　當大裝置真的行有所成時,技術壁壘也就成了商業壁壘。

　　對于AI大廠來說,核心在于AI能力的產品化、標準化以及可復制化。技術能力的輸出成為一種高效落地的范式。對于行業而言,這可能意味著AI的規模化落地會變得有跡可循,AI規模化的生產成本越低,商業化也就有更大的空間。

　　AI技術要想發展,技術越強大就越需要更大的商業網絡去滿足AI自身演化的需要。因為AI的特性是越用越靈活,商業化穩健落地,意味著未來會有大量的落地場景反饋,從落地行業到賦能行業效果也就更好。

　　反過來看,AI落地的效果越好,也就更有助于商業化進一步落地,進而形成AI商業化的正向循環。

　　另外,從成本控制的角度來看,技術的演化能力決定了技術成本究竟有多少被壓縮的空間。AI落地行業越多,越順暢,前期技術研發的成本就有壓縮的空間。

　　換句話來說,AI商業生態參與的企業越多,前期研發、投入成本就能被分攤得更低,從而不斷地將企業的護城河,加寬、未來商業空間也就更大。而這樣的商業空間,也會反映到AI企業自身在一級市場和二級市場上,構成AI企業的價值基本面。

　　“AI企業的價值不是一成不變的。”分析師劉軒表示:“目前國內有規模化AI生產能力的企業并不多,隨著各行各業數字化的推進,市場對于規模化AI生產能力的需求也將進一步顯現,屆時,這些AI廠商的價值,也能迎來重構的機遇”。