人工智能产业寻找商业化“落地”之路 - 传媒教育网

技术生态如何转化出更多的商业场景和应用，并被市场验证，形成可持续的发展与生存链条？行业中人仍在求解答案。

人工智能技术如何实现商业化“落地”？关于这一问题的追问正变得日渐迫切。

在不久前于伦敦闭幕的“人工智能与大数据博览会”（AI & Big Data Expo）上，“场景”、“应用”之类的词语，取代了诸多理想主义式的叙事，成了人工智能领域的从业者们谈论最多的话题。

历经两年的蓬勃兴起，这个产业已经在热钱和数据的哺育下，发展成一副布局蔚为壮观的图景。然而在今天的互联网时代，“方生方死”几乎是每个行业的命运主题，如今的人工智能产业，也正在面对类似的拷问。

其中那个最核心的问题，答案仍不清晰：一个由超强算力、海量数据和精英从业者构成的技术生态，能否从产业的基底层向垂直领域延伸，转化出更多的商业场景和爆款应用，并进而被市场验证，形成可持续的发展与生存链条？求解这个疑问，既意味着抱负，也意味着生死。

交流之中不难发现，从大型银行到初创企业，行业对于人工智能技术的预期，正趋于理性和具象。他们的观察和思考，也更加聚焦于对技术边界的界定、和对基本商业逻辑的回归。

“企业需要思考一个问题：究竟是想通过金矿赚钱，还是想通过淘金者赚钱？”

世界领先的企业管理软件服务商SAP的全球副总裁Marc Teerlink，将今天AI技术的产业化进程，比作1848年开始的美国加州淘金热。他强调，在那场人类史上最大规模的淘金浪潮中，只有少数人真正靠挖掘黄金而致富。最终产生经济效益的，反而来自于那些向淘金者们提供餐饮食宿、贩卖镐头铁锨，甚至研发牛仔裤的生意。

这对今天有什么启示？Marc Teerlink认为，在眼下这场以“智能”之名发起的数据淘金热潮中，多数企业并不需要从零做起研发AI技术的底层模型和算法，而是应该思考如何利用AI技术。

“数据是一种资产，AI是开发资产的引擎。但（今天）只有5%的企业承认他们在数据化转型中取得了成功”，在接受FT中文网的采访时，Marc Teerlink表示，“直到今天，很多AI领域的企业还在研发自己的生产工具和生产流程。但是随着AI淘金者越来越多，人们更应该注重增强自己所擅长的专业领域，而不是埋头于底层基础架构。”

这同时也意味着，认为人工智能必然颠覆传统产业的观念，同样需要得到反思。在Marc Teerlink看来，AI技术更为实际的角色，是成为传统产业优化资源配置、重构产业链条和数字化升级的助力性工具。其中蕴含的商机包括诸如数据训练、软件工具、咨询和整合服务等业务。

“AI并不是全新的事物，人们想做的仍然是他们业已熟悉和了解的事情，只是希望能做的更快、成本更低、并且通过更数据化的方式来完成。因此即便是对那些以数据为核心的企业而言，最好的商业化之路，还是去寻求能够运用好数据的技术和模式”，Marc Teerlink说。

即使是在AI时代，传统企业在各自的细分产业、细分区域市场仍将具有不可替代的竞争优势，这一观点正在被更多人所认同。但这并不代表，初创型的AI企业没有做大做强的机会。

“今天AI创业的最大机会在垂直应用领域”，来自中国AI创业公司乂学教育的崔炜对FT中文网表示。

崔炜是乂学教育旗下产品“松鼠AI”的首席科学家。在他看来，在今天的中国市场中，AI技术的商业版图已经十分明晰：为整个产业提供算力的“基础层”，与提供通用技术能力的“技术层”，均已被巨头公司或者技术成熟的企业牢牢占据。而崔炜和他的团队之所以押注垂直应用，理由是“巨头企业无法触及到这么细分的领域中来”。

据崔炜介绍，“松鼠AI”是一款针对K12教育领域的在线平台，致力于通过人工智能，为从学前教育到高中年龄层的学生提供个性化、系统性的学习内容和服务。按崔炜话讲，产品的定位就是做教育领域的“今日头条”。

“在教育和医疗这样的传统领域，有很多‘根深蒂固’的行业模式，不是随便一个科学技术就能改变的。否则早在移动互联网时代，这些领域的变革就已经发生了”。

然而在AI时代，这正好成了创业者的机会。在崔炜看来，在技术的商业化过程中，AI的四大要素：算法、算力、数据、场景，缺一不可。这其中最难获得的就是数据：“差异化的数据是需要一个产品来解决、梳理的。而且做成什么样的产品，就要采集什么数据”。

数据的转化，是商业化过程中的另一个关键要素。崔炜介绍：“AI实质上是模拟人脑的思维过程，模拟人的行为。其中需要科学家构建算法和模型；同时还要有了解行业的专家，负责把行业的经验解释给科学家，帮助后者思考模型需要模拟什么；接下来就是产品化的开发；积累的用户数据又能反过来不断强化、训练模型，让产品更完善。”

崔炜表示，对垂直应用领域的AI创业公司来说，建立壁垒的方式就是更精细的用户建模和更个性化的产品设计。在教育行业，就是“如何对用户进行画像，如何分析学生的学习状态，如何根据学生的学习情况，从海量学习资源中匹配学习内容和模型。”

致力于将AI学术成果向商业转化的英国公司Faculty的首席商务官Richard Sargeant认为，在垂直应用场景中实现商业化落地，是小型AI初创企业的优势所在。

他对FT中文网表示：“在实际的垂直市场应用层面，大型科技企业实际上很难提供精准的客户服务。他们更擅长研发通用算法和技术，让尽可能多的用户都能够适用。但是现实的经济是一个非常多样化的世界，需求是非常不同的，这反而是小企业的优势。”

“我们是第一个吃螃蟹的人，面临的难点是要做市场普及”，专注AI教育技术的崔炜表示：“就像第一代苹果手机已经带来了颠覆，但直到第四代iPhone，产品才能成为市场主流。对教育行业而言，大部分家长还是更信赖老师，因为老师有个人信誉在那里。而一个机器，它的教育水平还没有形成口碑。”

然而与智能手机等硬件产品不同，AI技术所提供的是更为抽象的服务和体验，这似乎也意味着消费者教育的周期与方式，存在更多不确定性。

对此崔炜表示，这是人工智能产品面对的另一个难题：“手机产品能开一个发布会，但是一个教育产品的体验，需要更长的周期。教育只有一个关键点，就是口碑。而（在中国）好的教育口碑的形成，最直接的还是中考和高考成绩。”

对于如何迈出AI商业化的第一步，传统企业也同样谨慎。英国Lloyd 银行集团商业整合与应用科学主管Abhijit Akerkar表示，AI技术在企业层面的应用，需要考虑如下因素：回报有多大？是否掌握了正确的数据？能否被监管机构批准？应用模式是否已有先例验证？以及，人们的预期有多大？应用落地后会不会在短期显现影响？

Abhijit Akerkar说：“这些因素的可以帮助确定行动的优先级，企业对AI的心态更像是一个风险投资人。可以先采用小规模尝试，如果结果是积极的，那么加倍投入”。