在過去的2021年，我們見證了人工智能這個細分行業(yè)的起起伏伏，有些企業(yè)長期虧損乃至瀕臨破產(chǎn)，有些企業(yè)順利獲得融資或成功上市，可謂幾家歡喜幾家愁。但縱觀現(xiàn)在國內(nèi)人工智能的產(chǎn)業(yè)化之路，總是無法回避一個現(xiàn)實的問題，即“人工智能企業(yè)究竟離盈利還有多遠？”誠然人工智能領(lǐng)域的研發(fā)工作需要巨大的投入，但所有的研發(fā)投入只有在產(chǎn)業(yè)化的落地場景中才能實現(xiàn)真正的商業(yè)價值，脫離了現(xiàn)實的產(chǎn)業(yè)需求，人工智能只能停留在技術(shù)本身。

目前，人工智能的產(chǎn)業(yè)化發(fā)展的3個路徑：（1）AI+產(chǎn)業(yè)，即人工智能的技術(shù)型公司掌握某種人工智能技術(shù)后，向產(chǎn)業(yè)化的具體場景落地。比如商湯科技、云天勵飛、曠世科技等知名人工智能公司都是采取的這條路徑。（2）產(chǎn)業(yè)+AI，即由某一細分產(chǎn)業(yè)里的公司，尤其是頭部大型企業(yè)作為主導(dǎo)力量，主動引入人工智能技術(shù)完成升級。比如平安保險、、順豐快遞等細分領(lǐng)域的大型企業(yè)自身的產(chǎn)業(yè)升級。（3）產(chǎn)學(xué)研成果轉(zhuǎn)化，即由高校和科研機構(gòu)為主導(dǎo)，主動面向市場的科研成果轉(zhuǎn)化道路。近些年各大頂尖高校都建立了人工智能研究院，諸如北京、上海、深圳等城市也有很多政府背景的人工智能科研和成果轉(zhuǎn)化平臺。

筆者從2020年以來持續(xù)走訪了上百家人工智能企業(yè)及科研機構(gòu)，就在行業(yè)里的所見所聞，結(jié)合自己的想法，談一下我對于人工智能的產(chǎn)業(yè)化之路的思考。

一、“AI+產(chǎn)業(yè)”的道路已經(jīng)進入平臺期

“AI+產(chǎn)業(yè)”的模式，主要指人工智能的技術(shù)型公司通過技術(shù)先行，然后尋找合適的業(yè)務(wù)場景實現(xiàn)商業(yè)價值。這條路可以借鑒移動互聯(lián)網(wǎng)的發(fā)展歷程，諸如淘寶、滴滴這樣的互聯(lián)網(wǎng)企業(yè)，都是通過技術(shù)和商業(yè)模式創(chuàng)新，發(fā)現(xiàn)了一個0-1的全新產(chǎn)業(yè)。我們曾經(jīng)也認為人工智能的技術(shù)型公司可以通過0-1的技術(shù)突破，借鑒移動互聯(lián)網(wǎng)的經(jīng)驗，廣泛覆蓋到各行各業(yè)的細分場景中。但除了人臉識別等少數(shù)幾個場景外，人工智能的技術(shù)型公司并沒有復(fù)制科技前輩在移動互聯(lián)網(wǎng)的成功。

其中的原因有很多，我們并不能將其簡單歸咎于市場、資本或團隊本身，筆者認為根源在于人工智能技術(shù)本身進入了一個進步相對緩慢的平臺期了，我們拿人工智能的三大核心要素：算力、算法和數(shù)據(jù)來對應(yīng)分析。

我們先說算力的問題，根據(jù)中國信息通信研究院在2021年《中國算力發(fā)展指數(shù)白皮書》的分析，雖然近些年基礎(chǔ)算力、智能算力和超算算力都有很大程度的增長，未來5年全球的增速甚至超過50%，但與日益復(fù)雜的算法模型和快速增長的現(xiàn)實需求而言，仍然存在較大的缺口。同時，存算一體架構(gòu)、量子計算、光子計算和類腦計算芯片尚處于實驗室的研發(fā)階段，離大規(guī)模商業(yè)化還有較長的時間，無法以技術(shù)革命的方式實現(xiàn)跨越式發(fā)展。雖然，諸如商湯科技、華為等頭部公司采取了建立人工智能計算中心（AIDC）的方式，來滿足未來智能計算需求的快速增長；我國神威、天河、曙光三臺E級超算系統(tǒng)的研制工作也在逐步推進，很多國內(nèi)的硬件公司著手計算機硬件的國產(chǎn)化替代。但從短期來看，算力將會是一個制約人工智能技術(shù)發(fā)展的現(xiàn)實困難。

我們再說到算法，算法表面上是計算機技術(shù)，但就本質(zhì)抽離分析它是個數(shù)學(xué)問題。近些年數(shù)學(xué)領(lǐng)域還是有很多發(fā)展，比如無限函數(shù)計算等，但在計算機領(lǐng)域的發(fā)展速度相對而言沒有那么的快。就算法這一特定領(lǐng)域的發(fā)展，中美最頂級的算法之間目前并沒有代差。雖然層算法需要投入海量的資金進行研發(fā)，但是就應(yīng)用層來說，企業(yè)完全可以自己下載Gitub或OpenAI的開源代碼，或者使用百度、阿里、騰訊等互聯(lián)網(wǎng)大廠的現(xiàn)有技術(shù)方案，從而大大降低技術(shù)應(yīng)用的門檻。在市場競爭的層面上，人工智能技術(shù)型公司并不必然比傳統(tǒng)互聯(lián)網(wǎng)公司，甚至處于數(shù)字化轉(zhuǎn)型的傳統(tǒng)企業(yè)更具有優(yōu)勢。

另外一個關(guān)鍵要素就是數(shù)據(jù)，我國從2020年開始就逐步收緊了數(shù)據(jù)安全相關(guān)的管理，《個人信息保護法》、《數(shù)據(jù)安全法》以及九部委《關(guān)于加強互聯(lián)網(wǎng)信息服務(wù)算法綜合治理的指導(dǎo)意見》的陸續(xù)出臺，使得人工智能的技術(shù)型公司獲得數(shù)據(jù)的難度越來越，除非他們能夠深入到業(yè)務(wù)的細分場景中，否則很難像過去那樣獲得訓(xùn)練算法模型的大規(guī)模數(shù)據(jù)。而這些“喂養(yǎng)”算法模型的數(shù)據(jù)，大都掌握在產(chǎn)業(yè)里的公司，尤其是大型公司的手中。這些大型公司無論是處于商業(yè)目的，還是自身業(yè)務(wù)安全性的考慮，幾乎很難同人工智能的技術(shù)型公司開展合作，這也造成人工智能的技術(shù)型公司在產(chǎn)業(yè)化的道路上困難重重。

二、“產(chǎn)業(yè)+AI”和產(chǎn)學(xué)研成果轉(zhuǎn)化的機遇

“產(chǎn)業(yè)+AI”的路徑，屬于產(chǎn)業(yè)里的企業(yè)自發(fā)性升級換代的過程，我們可以將其歸納進企業(yè)數(shù)字化轉(zhuǎn)型的進程。產(chǎn)業(yè)里的企業(yè)為了適應(yīng)市場競爭，會主動尋求與人工智能領(lǐng)域的技術(shù)型公司或者研究機構(gòu)進行合作，甚至自己建立團隊完成研發(fā)工作。對于大部分產(chǎn)業(yè)里的企業(yè)來說，他們面對的并不是0-1的全新市場，往往是在既有的紅海市場中競爭，這種長期在產(chǎn)業(yè)內(nèi)的拼搏經(jīng)歷，使得他們在人工智能的產(chǎn)業(yè)化上具備以下兩大獨特優(yōu)勢：

1. 掌握了大量特定生產(chǎn)場景下的專業(yè)知識和數(shù)據(jù)資料：我們一般稱其為行業(yè)knowhow，比如化工材料的配方或某種特殊的生產(chǎn)工藝流程等。這種行業(yè)knowhow往往是企業(yè)的核心機密，在一些數(shù)據(jù)采集封閉、生產(chǎn)流程保密的領(lǐng)域，往往只有少數(shù)幾家企業(yè)可以獲得足夠訓(xùn)練人工智能模型的專業(yè)知識和數(shù)據(jù)資料。所以，很多產(chǎn)業(yè)里的企業(yè)在尋找技術(shù)合作方時，會對侵略性較強的技術(shù)型公司比較排斥，往往要求技術(shù)型公司提交算法源代碼，目的在于避免培養(yǎng)潛在競爭對手。

2. 了解真實的交易和應(yīng)用場景：比如怎樣建立可靠的供應(yīng)鏈，怎樣探析市場的情報信息，怎樣建立全新的商業(yè)模式和盈利模式等。這些內(nèi)容看似都屬于業(yè)務(wù)相關(guān)的范疇，但卻是技術(shù)型公司的痛點，幾乎90%的人工智能公司都死在了打磨商業(yè)模式、尋找應(yīng)用場景的道路上。但對于產(chǎn)業(yè)里的企業(yè)來說，敏銳捕捉市場機會并從產(chǎn)業(yè)里賺到錢，是他們與生俱來的天然能力，所有不具備這種能力的企業(yè)都在過去的市場競爭中淘汰掉了。

隨著人工智能技術(shù)準(zhǔn)入門檻的降低，大量傳統(tǒng)企業(yè)與人工智能技術(shù)的適配將更加便捷，未來每一家企業(yè)都具備成為“人工智能+公司”的潛質(zhì)。相信隨著國家新基建和數(shù)字化轉(zhuǎn)型工作的不斷深化，在各行各業(yè)里都會出現(xiàn)“產(chǎn)業(yè)+AI”的明星企業(yè)。

在人工智能的產(chǎn)業(yè)化之路上，少不了高校和科研機構(gòu)的參與，對于產(chǎn)業(yè)里的企業(yè)來說，高校和科研機構(gòu)可以很好補充其自身研發(fā)能力的不足。目前，我國的產(chǎn)學(xué)研成果轉(zhuǎn)化的之路并不十分順暢，雖然國家每年投入了大量科研經(jīng)費，但由于學(xué)術(shù)、科研同商業(yè)、市場的差異巨大，高校和科研機構(gòu)在商業(yè)判斷和市場嗅覺等方面總顯得不太“接地氣”，更多的成果停留在實驗室里很難走出去，面臨“酒香也怕巷子深”的現(xiàn)實窘境。

另外，高校和科研機構(gòu)往往在工程能力也有所欠缺，雖然容易聚集高層次的頂尖人才，但缺乏實際操作的操盤型業(yè)務(wù)能手。正因為強于研發(fā)而弱于市場，高校和科研機構(gòu)往往更愿意將科技成果以出售、技術(shù)入股或收益分成的方式與產(chǎn)業(yè)里的企業(yè)進行合作，而不是自己開拓市場。與人工智能的技術(shù)型公司相比，高校和科研機構(gòu)有著大量國家基礎(chǔ)科研經(jīng)費的保障，對于本就容易聚集人才的高校和科研機構(gòu)來說，很多人工智能的技術(shù)型公司而言很復(fù)雜的技術(shù)，對于高校和科研機構(gòu)來說并不困難。隨著國家《科學(xué)技術(shù)進步法》的修訂，科研人員參與到成果轉(zhuǎn)化的途徑也將更通暢，一旦企業(yè)找到適合自身的成果轉(zhuǎn)化路徑，就可以很好的與高校和科研機構(gòu)建立“產(chǎn)業(yè)+技術(shù)”的聯(lián)合。可以預(yù)見，未來各類新型技術(shù)和成果轉(zhuǎn)化平臺將持續(xù)涌現(xiàn)，作為技術(shù)與市場的橋梁。

三、以產(chǎn)業(yè)需求出發(fā)，以產(chǎn)業(yè)結(jié)果為驗證標(biāo)準(zhǔn)

人工智能行業(yè)的發(fā)展變化很快，即使在產(chǎn)業(yè)內(nèi)的從業(yè)人員也免不了持續(xù)性、高強度的學(xué)習(xí)和研究。各行各業(yè)的專家在跨到人工智能這個領(lǐng)域的時候，可能都需要經(jīng)歷持續(xù)性“回頭看”的過程。筆者在2020年參與深圳特區(qū)人工智能立法的時候，關(guān)于“什么是人工智能”的界定，現(xiàn)在看起來內(nèi)涵和外延都不充分。過去，我們曾經(jīng)認為人工智能就是模擬人的智能，但隨著近些年的發(fā)展，我們發(fā)現(xiàn)機器在模擬人的智能上出現(xiàn)了很多痛點，但在模擬昆蟲、動物的智能上反而進展很快，很多成果應(yīng)用在障礙躲避、行為預(yù)判等諸多領(lǐng)域。于是，我們發(fā)現(xiàn)人工智能并不能單純界定為“模擬人的智能”，而應(yīng)當(dāng)是“人造的智能”。顯然，當(dāng)時幾乎所有的立法專家對于人工智能的基礎(chǔ)理解并不全面和前瞻。

人工智能學(xué)界有一個著名的猴子上樹的故事：我們不能認為基于當(dāng)下在人工智能領(lǐng)域的技術(shù)進步，都是為通用人工智能的到來添磚加瓦；這正如我們不能認為一只猴子上了樹，就意味著它向登月邁了一大步一樣。在人工智能的產(chǎn)業(yè)化之路上，我們必須保持著謙虛、務(wù)實的精神，一切從產(chǎn)業(yè)的需求出發(fā)，一切以產(chǎn)業(yè)的實際結(jié)果為驗證標(biāo)準(zhǔn)。任何一種技術(shù)或者商業(yè)模式的驗證，都有自己的時間窗口，當(dāng)市場機遇的紅利期錯過后，再想實現(xiàn)企業(yè)的快速發(fā)展就非常困難了，勢必面臨更加激烈的肉搏戰(zhàn)。

與人工智能技術(shù)的發(fā)展一樣，產(chǎn)業(yè)化的道路總是“看”起來容易，“做”起來難。雖然我們不提倡以成敗論英雄，但在人工智能的產(chǎn)業(yè)化道路上，能夠解決真實問題、拿到客觀結(jié)果，才是企業(yè)家需要思考的核心問題。對于每一個產(chǎn)業(yè)里的專家來說，與其采取一種“預(yù)判式”的論證，執(zhí)著于向其他人說明自己了解的知識，遠不如切實在產(chǎn)業(yè)里面做出現(xiàn)實案例更具有說服力。未來各行各業(yè)的每一家企業(yè)都是“人工智能+公司”，愿與行業(yè)里的同仁一起共同成長、見證人工智能產(chǎn)業(yè)化之路的發(fā)展。（彭嘉昊系上海人工智能研究院數(shù)字化治理中心主任）