訂閱
糾錯(cuò)
加入自媒體

AI落地的范式創(chuàng)新,比一個(gè)ChatGPT更激動(dòng)人心

導(dǎo)語:

僅僅在北京,這個(gè)城市就擁有人工智能核心企業(yè)1048家,占我國人工智能企業(yè)總量的29%,位列全國第一,同時(shí),北京人工智能領(lǐng)域核心技術(shù)人才超4萬人,占全國的60%。

我們擁有如此多的AI企業(yè),為什么我們對AI的商業(yè)成就的認(rèn)知感并不強(qiáng)?為什么我們只讀到天文數(shù)字的“預(yù)計(jì)市場規(guī)!,但很少看到AI企業(yè)有漂亮的財(cái)務(wù)報(bào)表?

如今的AI行業(yè)進(jìn)入越虧越燒——越燒越虧的循環(huán),筆者和大多數(shù)人一樣,也一直在總結(jié)一些結(jié)論,如這些企業(yè)商業(yè)化的共性問題是諸如技術(shù)能力有限、缺少通向行業(yè)的痛點(diǎn)清單、實(shí)用人才的匱乏等等……事實(shí)上,這些問題都存在,而且本文也要進(jìn)行詳細(xì)的記述,但是這似乎不完全是問題的終極答案。

直到做完了對圈內(nèi)十幾位專業(yè)人士的深度調(diào)研,筆者才發(fā)現(xiàn),問題的根源,可能源自我們對于AI落地的第一性與第二性的認(rèn)知錯(cuò)位,進(jìn)而決定了大多數(shù)企業(yè)的路徑和資源的錯(cuò)配,這才是根本性的原因。

閱讀提要:

1.認(rèn)知誤差—AI落地的第一性問題是什么?

2.心智突破—如何讓決策者支持而非制約AI落地?

3.范式創(chuàng)新—如何解決通用性和專用性的必然矛盾?

4.重點(diǎn)突破—在核心行業(yè)深度賦能需要“助手心態(tài)”

5.生態(tài)建設(shè)—當(dāng)前AI落地生態(tài)的難與痛

1

技術(shù)和工程,孰輕孰重?

“我們的規(guī)模雖然目前并不大,但我們是一直創(chuàng)造正向價(jià)值的并植根于實(shí)踐的,我們的努力沒有被束之高閣,而成了有創(chuàng)新價(jià)值的產(chǎn)品”,這是曾任微軟雷德蒙德研究院深度學(xué)習(xí)技術(shù)中心的首席研究員、現(xiàn)任京東集團(tuán)副總裁、京東AI研究院執(zhí)行院長的何曉冬一直頗感自豪的事。

相對于其它幾家互聯(lián)網(wǎng)超級平臺(tái)的AI研發(fā)規(guī)模,何曉冬所在的部門只有數(shù)百人,而他們的研發(fā)方向也很具體——對內(nèi)依托京東的用戶規(guī)模優(yōu)勢,不斷的優(yōu)化智能客服的能力,對外把這種能力做成產(chǎn)品賣出去,應(yīng)用在諸如智能政務(wù)熱線、智能外呼、數(shù)字人、智能營銷等語音語義場景里。

“我們方向走的對,其實(shí)只有一個(gè)原因,就是搞清楚了我們能給市場帶來什么價(jià)值,價(jià)值的核心點(diǎn)在哪里,然后用我們的工程能力搞定它”,何曉冬說:“脫離了價(jià)值鎖定的AI研發(fā)是很酷,但很難有商業(yè)回報(bào)!

在何曉冬看來,真正意義上的“科學(xué)原理意義上的進(jìn)步”,只來源于兩個(gè)渠道:“要么是對于大規(guī)模應(yīng)用實(shí)踐的規(guī)律總結(jié),要么是極少數(shù)天才在很少外部資源的支持下的‘頓悟’,而前者是絕大多數(shù)非天才的必由之路”。

何曉冬舉例說,如何制造一臺(tái)光刻機(jī)——”所需要的任何數(shù)學(xué)公式、物理學(xué)定律和工作原理,都可以在任何一所理工科大學(xué)的圖書館里找全,但是這距離制造出來完全是兩碼事,其間需要解決數(shù)以十萬級的工程問題!

如果僅僅從經(jīng)歷來說,馬兆遠(yuǎn)是我們傳統(tǒng)觀念里的那種科學(xué)家,他是南方科技大學(xué)教授、英國物理學(xué)會(huì)會(huì)士,曾任清華大學(xué)未來實(shí)驗(yàn)室首席研究員、更是深圳兩化融合的首席科學(xué)家。

推動(dòng)世界的絕大多數(shù)進(jìn)步,首先是解決了工程問題,這也是馬兆遠(yuǎn)的觀點(diǎn),他認(rèn)為自己是“世界二流科學(xué)家,但更是個(gè)工程師。好的科學(xué)家應(yīng)該是工程師,好的工程師應(yīng)該是科學(xué)家”。

馬兆遠(yuǎn)的觀點(diǎn)很犀利,他認(rèn)為:“科學(xué)是第二性的,工程才是第一性的。科學(xué)家解決可能性問題,而工程師解決可行性問題。”

對于目前正在如火如荼的進(jìn)行著的高端制造業(yè)升級,馬兆遠(yuǎn)認(rèn)為,中國高端制造業(yè)的升級,包括參與工業(yè)4.0,提升高端制造業(yè)的研發(fā)、生產(chǎn)水平等等,需要的首先是工程能力,是價(jià)值實(shí)現(xiàn)的手段問題,他說:“產(chǎn)業(yè)的真實(shí)進(jìn)步,每一步改進(jìn),都意味著大量的選擇和優(yōu)化,而這是在實(shí)踐中大量開發(fā)經(jīng)驗(yàn)和工程訓(xùn)練積累而成的能力。”

而真正意義上的科學(xué)進(jìn)步,反而是“需要大量工程沉淀,在充分的工程文明基礎(chǔ)上,科學(xué)文明自然地發(fā)生”。

而縱觀我們的AI企業(yè),不缺乏的從來是講故事的能力,更不缺乏的是發(fā)論文的能力,但是對如何解決問題卻語焉不詳,或即使有案例說明,也只有前因和后果,而獨(dú)獨(dú)跳過了其中的工程環(huán)節(jié)。

而這種“跳過”并不是因?yàn)樯虡I(yè)上的保密,而是因?yàn)榉ι瓶申,馬與何兩位的觀點(diǎn)重合之處在于他們都認(rèn)為,AI企業(yè)不僅要了解科學(xué)、懂得技術(shù),更重要的是知道痛點(diǎn)何在、價(jià)值何在,“并進(jìn)行真正能把構(gòu)想和創(chuàng)意造出來的創(chuàng)新型工作”。

而在筆者看來,這種辨析,才解決了AI商業(yè)化命題中的第一性原則,而我們的大多數(shù)AI企業(yè),似乎把兩者顛倒過來,所以我們看到的企業(yè)請的科學(xué)家越來越高級、發(fā)的頂會(huì)論文和拿回來的國際獎(jiǎng)項(xiàng)越來越多……這似乎意味著中國的AI能力不斷增強(qiáng),但這似乎又無益于企業(yè)的商業(yè)變現(xiàn)。

該是解開這個(gè)悖論的時(shí)候了。

2

管理者是第二個(gè)問題

在AI的商業(yè)化落地中,排在第二位的重要因素,同樣是非技術(shù)問題,嚴(yán)格說,是一種管理者問題,或者是管理者的認(rèn)知問題。

目前,中國AI企業(yè)最希望打開的是大型企業(yè)市場。利潤尚在其次,主要是大型企業(yè)的示范效應(yīng)很強(qiáng),一個(gè)大型企業(yè)打開局面,就可能意味著一個(gè)行業(yè)對AI敞開大門。

行業(yè)里盛傳的故事是,在某個(gè)重要的會(huì)議上,一家AI企業(yè)的負(fù)責(zé)人恰好與一家超大國企的負(fù)責(zé)人同車,于是順便安利了一下自家的AI技術(shù),遂拿下千萬級的大單。

從大型企業(yè)的局中人,和局外人看來,對這個(gè)故事看法截然不同。

”這其實(shí)才是正確的打開大企業(yè)AI市場的做法,就是一定讓一把手有感知、有認(rèn)同“,筆者拜訪的某特大企業(yè)的一位中層負(fù)責(zé)人給出了這樣的評價(jià):“其實(shí),就是兩個(gè)人不同車,也可以想辦法安排同車,或者安排在某個(gè)場合見面,這比什么推廣的效果都要好”。

這個(gè)說法可能讓一些AI企業(yè)不爽,但筆者采訪的絕大多數(shù)特大型企業(yè)的AI業(yè)者卻基本形成共識,他們指出,大型企業(yè)要落地一項(xiàng)全新的技術(shù),最好的辦法是自上而下,而非自下而上。

一個(gè)特大型國企落地一個(gè)新技術(shù)體系,本身就很難,特別是前沿的數(shù)字技術(shù)。

絕大多數(shù)特大企業(yè)的信息化建設(shè)都很早,多年來的累積建設(shè),如同疊屋架床,體系非常復(fù)雜。如果是在體系外圍做單點(diǎn)式創(chuàng)新還不算難,但如果要把AI技術(shù)融入大企業(yè)、大行業(yè)的技術(shù)底座,其復(fù)雜性難以想象,其失敗也是有一定概率的。

舉一個(gè)非AI的案例,當(dāng)年阿里為了推廣釘釘,不但馬云直接找到了復(fù)星系的掌門人郭廣昌,甚至還把釘釘做成了定制版的”復(fù)星通“。即使如此,一個(gè)協(xié)同軟件也在復(fù)星體系內(nèi)三年才基本鋪到基層單位,而AI落地的難度遠(yuǎn)非釘釘可比。

“特大型企業(yè)負(fù)責(zé)人要考慮的問題很多,而很多問題本身是矛盾的,沒有絕對的最優(yōu)解。所以沒有確定性答案的問題,就是他們很難做決定的問題。這時(shí)候你就要灌輸認(rèn)知,但其實(shí)特大企業(yè)的一把手,對于互聯(lián)網(wǎng)巨頭的掌門人的認(rèn)知度并不高,信賴成本很高”,一位業(yè)者這樣告訴筆者:“認(rèn)知度不高,你還不主動(dòng)接觸,不做說服工作,怎么能讓人下決心?”

筆者訪問過的幾乎所有特大型企業(yè)的AI負(fù)責(zé)人基本都是同樣的觀點(diǎn)——特大企業(yè)規(guī);像RAI,一定是一個(gè)“一把手工程”,不是99%,而是100%。

但他們也承認(rèn),對如此復(fù)雜的體系性問題,很難通過一次對話解決,但“如果你連對話的機(jī)會(huì)都沒有,就更不要想拿下訂單了”。

插一句,對于這個(gè)結(jié)論,很多非體系內(nèi)的業(yè)者并不認(rèn)同,例如前文敘及的何曉冬博士,他就認(rèn)為:“刷臉營銷是不可靠的,可以偶爾為之,但主要還是靠提供對方需要的價(jià)值!

都沒錯(cuò),但看待問題的角度不同,就得出了截然不同的結(jié)論。從目前來看,恐怕還是要遵循大型企業(yè)內(nèi)部人士的視角,才更為切實(shí)。

接下來,幾位大企業(yè)內(nèi)部人士的另一個(gè)觀點(diǎn)讓我更感震撼,他們的觀點(diǎn)是:“AI能否進(jìn)入企業(yè)的考慮目標(biāo),取決于高層,但是否能落地成功,取決于執(zhí)行層是否傾力支持,而最大的阻力,就是中層的技術(shù)骨干!

“中層其實(shí)是最保守的,因?yàn)樗麄兪亲顚?shí)際的。他們的出發(fā)點(diǎn)是相對保守,最大的訴求是維護(hù)既得利益,所以做體系性調(diào)整中他們的阻力最大”,受訪者告訴我:“一個(gè)中層對應(yīng)的可能就是一個(gè)技術(shù)條線,而整個(gè)一個(gè)技術(shù)條線的消極配合,就絕對會(huì)影響到最終的結(jié)果。”

當(dāng)然,并不是每個(gè)人都完全是從個(gè)人考量出發(fā),而是站位決定了保守,“對于很多成熟業(yè)務(wù)來說,用傳統(tǒng)的方法已經(jīng)做到了極致。這時(shí)候,要你去接受一個(gè)新的技術(shù),而且是不成熟的、需要不斷調(diào)整、優(yōu)化,而且優(yōu)化的權(quán)力和能力又不掌握在自己手里的技術(shù),大部分中層骨干會(huì)選擇說不”。

對于AI應(yīng)用,很多企業(yè)里發(fā)生的現(xiàn)實(shí)就是,高層難以接觸但未必排斥,基層年輕人大多歡迎、熱愛新技術(shù),真正最難說服的是掌控實(shí)際業(yè)務(wù)的中層。

3

走出AI落地的新路徑

關(guān)于AI企業(yè)的技術(shù)能力,其實(shí)一直以來缺乏評定的標(biāo)準(zhǔn)。因?yàn)楣井吘共皇菍W(xué)術(shù)機(jī)構(gòu),參加頂會(huì)、發(fā)表論文這些標(biāo)準(zhǔn)只能參考,不能轉(zhuǎn)化為直接的銷售動(dòng)能。

所以,這部分的采訪,筆者除了采訪技術(shù)人員外,還采訪了銷售和服務(wù)環(huán)節(jié)的從業(yè)者。你也許會(huì)覺得奇怪,為什么技術(shù)問題要去采訪銷售和服務(wù)環(huán)節(jié)的人?

因?yàn)橹挥兴麄儗τ诩夹g(shù)的落地和后續(xù)的服務(wù)感觸最深。

什么是AI企業(yè)最需要的技術(shù)能力?筆者認(rèn)為應(yīng)該包括兩部分,即技術(shù)能力和服務(wù)于客戶的業(yè)務(wù)能力,后者是前者的延伸,但并不是前者解決了,后者就一定能自動(dòng)解決。

目前AI商業(yè)化落地的最大困難,是沒有一條高效率、低成本,而且可以大規(guī)模復(fù)制的賦能方式。

而大家知道,數(shù)字經(jīng)濟(jì)最大的魅力就在于可復(fù)制,一個(gè)數(shù)字產(chǎn)品的虛擬化拷貝可以服務(wù)于數(shù)億人,但邊際成本極度接近于零。

但是,在目前的AI領(lǐng)域,卻很難出現(xiàn)這樣的邊際效用遞減的現(xiàn)象,反而體現(xiàn)為應(yīng)用的越深,邊際效益卻無限的增加的問題。

從表層看,這是AI模型的通用能力和專用能力之間的矛盾。

絕大多數(shù)的用戶企業(yè)都不具備獨(dú)立打造模型或者算法的能力,因?yàn)椴坏T檻極高,而且?guī)缀鯖]有邊際效益,所以從AI通用型企業(yè)購買服務(wù)是主流方式。像百度這樣的AI頭部企業(yè)也是著力在打造通用化AI能力。

我們再回想下,早年買電視的時(shí)候,甚至調(diào)試天線的位置,都需要人爬到屋頂上;或者我們早期買電腦的時(shí)候,會(huì)不明覺厲的看著帶著一疊軟盤在BIOS界面上運(yùn)指如飛調(diào)參數(shù)的工程師。

今天,我們使用電腦,其實(shí)只要掌握開機(jī)、關(guān)機(jī)和連上wifi就可以了,這就是技術(shù)應(yīng)用的進(jìn)步。

而AI的模型復(fù)雜程度雖然遠(yuǎn)非家電、電腦的調(diào)試可比,但道理是一樣的,目前的人工智能模型本身并不“智能”,它需要經(jīng)過復(fù)雜的調(diào)試和預(yù)訓(xùn)練才能夠使用。

比如,制造企業(yè)里的生產(chǎn)安全監(jiān)測,算是最通用的場景了,但它的落地也不是那么簡單的。

比如我拜訪的一個(gè)AI架構(gòu)師,他所在的企業(yè)的生產(chǎn)場景,是在深深的地下、復(fù)雜的地層中。

那么問題就來了,網(wǎng)絡(luò)信號無法傳輸,需要配備邊緣算力的攝像頭,或者需要有線傳輸,這成本可就高了……更嚴(yán)重的問題是,生產(chǎn)環(huán)境中油性顆粒和煙塵含量很高,再干凈的攝像頭,用三天就徹底“糊了”。

最后,這個(gè)項(xiàng)目面臨的選擇是,要么放棄;要么產(chǎn)生一條新的工序——工人必須每三天清洗一次攝像頭的外罩。

而這僅僅是最簡單的,還不涉及到核心技術(shù)問題,僅僅是外部變量問題的AI落地難點(diǎn)。

遠(yuǎn)遠(yuǎn)比這艱難的是,真正給傳統(tǒng)的高技術(shù)產(chǎn)業(yè)賦能。

所謂的傳統(tǒng)的高技術(shù)產(chǎn)業(yè),就是石油、海洋監(jiān)測、衛(wèi)星、核能這些行業(yè),它們本身的技術(shù)壁壘極高,AI行業(yè)的從業(yè)者很難從外部獲取足夠的知識來設(shè)計(jì)通用模型。

比如石油行業(yè),很多人認(rèn)為是一個(gè)傻大黑粗的土豪行業(yè)。其實(shí),石油行業(yè)在國內(nèi)應(yīng)用計(jì)算機(jī)的歷史,可能比軍工行業(yè)都早。

石油行業(yè)的一個(gè)最典型的場景,是通過制造人工地震,用儀器回收地震波,再根據(jù)波形還原地形構(gòu)造從而找油,被形象的稱為“給地球做CT”。

這是一個(gè)超級吃算力的行業(yè),是一個(gè)最早擁有行業(yè)超算中心的行業(yè),也是一個(gè)數(shù)字化程度很高,人工智能可以大有作為的行業(yè)。

與之相似的還有衛(wèi)星行業(yè),你可能不知道,我們頭頂?shù)臄?shù)百顆衛(wèi)星,每天至少下傳100TB級別的數(shù)據(jù),而其中傳統(tǒng)用戶如國土資源、海洋監(jiān)測、農(nóng)田監(jiān)測等等,只能用到20%的數(shù)據(jù)。

這個(gè)行業(yè)與前面的石油行業(yè)的類似之處在于,每天產(chǎn)生海量的數(shù)據(jù)和圖像,但這種圖像的識別高度的非智能化,只能在計(jì)算機(jī)輔助下通過受過專業(yè)訓(xùn)練的人眼識別。

這也是一個(gè)讓AI行業(yè)人士興奮不已的領(lǐng)域,要知道CV(計(jì)算機(jī)視覺)可是和NLP(自然語言理解)相媲美的人工智能前兩大應(yīng)用領(lǐng)域,是最成熟的領(lǐng)域之一。

非常多石油、衛(wèi)星領(lǐng)域的行業(yè)人士,都希望通過計(jì)算機(jī)視覺來解決讀圖問題,用他們的話說,哪怕只有80%的準(zhǔn)確率,也可以把現(xiàn)有數(shù)據(jù)的利用率從20%提升到50%,相當(dāng)于生產(chǎn)力提升了2.5倍。

但是,非常智能、也非常成熟的AI,偏偏在這個(gè)領(lǐng)域鎩羽。

其實(shí),真正困住AI企業(yè)的,就是這類行業(yè)的傳統(tǒng)高技術(shù)壁壘。

無論是地震波的收集工具,還是衛(wèi)星上的各種可見光、非可見光傳感器,都有一個(gè)特點(diǎn)——標(biāo)準(zhǔn)化程度很低。

比如石油行業(yè)的某種圖像格式,是一個(gè)上世紀(jì)80年代在行業(yè)內(nèi)很盛行的西方某國的中小企業(yè)開發(fā)的專用儀器生成的,因?yàn)楹糜,一直用到現(xiàn)在還有很多地方在用。

但對于通用AI企業(yè)的人來說,他們幾乎沒有可能知道這家公司的存在。很大概率是,這家公司可能已經(jīng)不存在了。

我見過不止一個(gè)石油行業(yè)的人士向AI公司的人抱怨:“你們的模型,連我們基本的數(shù)據(jù)格式都無法導(dǎo)入,我們怎么用呢?”

所以,一位業(yè)者這樣對我說過:打造垂直行業(yè)應(yīng)用的難度,和它的收益成正比。越難的事情,你做成了才有獨(dú)特的價(jià)值。我們需要AI企業(yè)的人有一種助手的心態(tài),和我們并肩工作三年、五年,把我們這個(gè)行業(yè)真正弄懂了,才能拿下大單。

是AI企業(yè)的人傲慢么?其實(shí)他們也一肚子委屈,因?yàn)樗麄兏緵]法派出大隊(duì)人馬去服務(wù),如果真的如此,結(jié)果可能是天價(jià)。

我們看多了“AI企業(yè)深入產(chǎn)業(yè)內(nèi)部,攜手尋找行業(yè)know-h(huán)ow”之類的報(bào)道,但其實(shí)這類事情極少發(fā)生,或多發(fā)生于開拓某個(gè)行業(yè)的早期,或者是老板親自盯的項(xiàng)目。

更現(xiàn)實(shí)的情況是AI企業(yè)的工程師幾乎與被服務(wù)企業(yè)的人連面都沒見過。

為什么?因?yàn)檎嬲、?yōu)秀的算法工程師、架構(gòu)師實(shí)在是太貴了,如果以他們的薪酬來計(jì)算服務(wù)費(fèi)用,所有的訂單都是虧損的。

行業(yè)里盛傳的“一次派出幾十個(gè)工程師,自己掏錢住酒店,走的時(shí)候連客戶的打印機(jī)都修好了”的段子,據(jù)說就是某H企業(yè)攻掠AI市場的方法,但這的確是用虧損換市場,不走尋常路。

對于正常的AI企業(yè),重頭的開銷本來是在研發(fā)上,可事實(shí)教育之下發(fā)現(xiàn),更多的費(fèi)用其實(shí)產(chǎn)生在銷售和服務(wù)環(huán)節(jié)。

于是,ISV模式大行其道。所謂ISV,英文全稱是Independent Software Vendors ,意為“獨(dú)立軟件開發(fā)商”,原本特指專門從事軟件的開發(fā)、生產(chǎn)、銷售和服務(wù)的企業(yè)。但這個(gè)詞在現(xiàn)今的語境下,特指通過“被集成”方式,為開放接口生態(tài)下的用戶提供第三方服務(wù)的公司。

原本,ISV是一種正常的、合理的商業(yè)現(xiàn)象,因?yàn)槿瞬疟旧硎欠謱拥,人工智能模型也是一種產(chǎn)品。但是,就像你買一臺(tái)空調(diào),去給你安裝的人,對空調(diào)的理解并不用達(dá)到空調(diào)設(shè)計(jì)師的程度。

但AI企業(yè)的特殊性在于,ISV的能力程度,雖然不需要高到算法工程師的程度,但也不能降到空調(diào)安裝工的程度,他們需要相當(dāng)了解AI,能獨(dú)立協(xié)助用戶優(yōu)化,最終達(dá)到合格交付的水準(zhǔn)。

筆者沒有調(diào)查過海外的ISV市場,所以無法對比,但至少在本次調(diào)查中接觸的企業(yè),對國內(nèi)ISV的評價(jià)普遍不高,認(rèn)為他們“不會(huì)做比及格線高哪怕1分的事情”。

這話可能偏激,但有個(gè)用戶企業(yè)給我講了一個(gè)實(shí)際故事——某個(gè)業(yè)內(nèi)盛傳的AI智能客服大單,就是因?yàn)镮SV缺乏足夠的責(zé)任心(或者是業(yè)務(wù)能力的不足),使得精心開發(fā)的模型在實(shí)際落地中,并沒有足夠的優(yōu)化和升級到位,最終使得用戶單位極不滿意,第一單,就成了最后一單。

但你要全怪ISV也不行,這個(gè)行業(yè)有兩個(gè)特點(diǎn)。

第一,大部分ISV的利潤并不豐富,客戶黏性也很低。所以絕大多數(shù)ISV的結(jié)果都是長不大,剛剛夠自給自足,這樣的企業(yè)很難有足夠的雄心把服務(wù)做好,因?yàn)榍巴静淮,不適合有足夠野心的創(chuàng)業(yè)者,所以也難以內(nèi)生強(qiáng)大的變革動(dòng)力和把服務(wù)做好的決心。

第二,雖然這些ISV不好用,但現(xiàn)實(shí)狀態(tài)是,隨著產(chǎn)業(yè)級數(shù)字技術(shù)的普及,各大巨頭都需要大量的ISV去做落地,在這種情況下ISV雖然前途不大,但生存壓力也不大,企業(yè)也很難苛責(zé)他們。

可以看到,傳統(tǒng)軟件時(shí)代的“顧問咨詢-交易成單-軟件實(shí)施-軟件交付”的業(yè)務(wù)流程,高度定制化、非標(biāo)化的特點(diǎn),并不適用于產(chǎn)業(yè)互聯(lián)網(wǎng),因?yàn)楹笳弑旧淼某霭l(fā)點(diǎn)就是為了降低服務(wù)成本、降低人力支出,所以才有了云計(jì)算、AI乃至于PaaS、SaaS等概念,它們的出現(xiàn)本身是為了降本增效,但其落地環(huán)節(jié)卻成了降本增效的最大門檻。

這就是AI落地難的商業(yè)現(xiàn)實(shí),有人總說,中國的AI行業(yè)缺的是ChatGPT這樣驚艷的發(fā)明和創(chuàng)新。但筆者認(rèn)為,這種驚艷之作固然對人類的意義極大,但創(chuàng)造一種更簡便、更普惠、更低成本的把AI落地于千行百業(yè)的技術(shù)范式或者商業(yè)范式,可能難度和意義都更大。

4

結(jié)語:

其實(shí),AI的商業(yè)化落地的難處,還遠(yuǎn)不止以上這些。

比如,在人才側(cè),傳統(tǒng)的企業(yè)對于AI人才來說,培養(yǎng)難、招聘更難。一個(gè)高鐵行業(yè)的朋友就告訴我,按照鐵路的機(jī)制,最接近AI實(shí)操的是各鐵路局、機(jī)務(wù)段,但在整個(gè)鐵路都是虧損的情況下,這種基層的單位開出的薪資,都很難吸引到哪怕是一個(gè)AI專業(yè)的應(yīng)屆生。

還有,AI落地的成本高,短期內(nèi)收益低,決策者要承擔(dān)的成本高,推行的阻力大等等。

也有人認(rèn)為,技術(shù)的問題,可以通過技術(shù)來解決。例如,近年來低代碼、零門檻的AI工具也大行其道,不乏普通的鐵路工人、大學(xué)生、AI愛好者利用這些工具獨(dú)立開發(fā)出好的AI應(yīng)用的案例。

確實(shí),開發(fā)一個(gè)簡單的模型不難,但真正能發(fā)揮AI核心價(jià)值的,如前述的石油、海洋、衛(wèi)星、核能等高技術(shù)壁壘的行業(yè),才是能夠真正放大AI價(jià)值,使之成為國之重器的領(lǐng)域。而這些領(lǐng)域的技術(shù)深度,絕非工具層面可以解決的。

但筆者還是相信,AI行業(yè)有能力解決自己的問題,就像ChatGPT出現(xiàn)前,我們無法想象人工智能可以達(dá)到這樣的程度,AI在能力上的儲(chǔ)備已經(jīng)到了從緩慢溢出,即將變?yōu)閲姳《龅碾A段,高科技行業(yè)有自己的規(guī)律,也一定能找到自己的商業(yè)化未來。


       原文標(biāo)題 : AI落地的范式創(chuàng)新,比一個(gè)ChatGPT更激動(dòng)人心

聲明: 本文由入駐維科號的作者撰寫,觀點(diǎn)僅代表作者本人,不代表OFweek立場。如有侵權(quán)或其他問題,請聯(lián)系舉報(bào)。

發(fā)表評論

0條評論,0人參與

請輸入評論內(nèi)容...

請輸入評論/評論長度6~500個(gè)字

您提交的評論過于頻繁,請輸入驗(yàn)證碼繼續(xù)

  • 看不清,點(diǎn)擊換一張  刷新

暫無評論

暫無評論

人工智能 獵頭職位 更多
掃碼關(guān)注公眾號
OFweek人工智能網(wǎng)
獲取更多精彩內(nèi)容
文章糾錯(cuò)
x
*文字標(biāo)題:
*糾錯(cuò)內(nèi)容:
聯(lián)系郵箱:
*驗(yàn) 證 碼:

粵公網(wǎng)安備 44030502002758號