DIGITIMES韓丁
AI就像人類發現的新大陸，這片大陸上存在著巨大財富和數不清的機會。許多初創公司紛紛聲稱擁有最好的技術，以此來獲得資金的青眯、贏得人們的關注，但技術的成熟並不意味著企業成熟，若想要獲得這些財富，現階段的關鍵詞是“落地”——卻面臨許多難點。賽靈思AI市場總監、原深鑑科技產品市場負責人劉競秀11日在深圳第八屆中國電子ICT媒體論壇上表示，阻礙AI產品落地的主要有兩點：「優質的AI數據與消化能力」和「產品週期與市場週期相悖的商業模式」。
AI落地難有兩點
數據是觀察者觀察世界後，利用數學的方法或計算機的方法對客觀世界發生的客觀事實進行記錄，這是數據本身的意義。大量的數據積累、融合，就算是最簡單的算法也能發揮作用。
但可惜的是，劉競秀表示，海量的數據全部存起來不可能，需要把真正有價值的數據提取出來。像阿里巴巴現在所用到的數據也僅佔其全部數據量的1%，面對浩瀚的結構性、非結構性數據，當下的AI企業數據挖掘深度還是不夠的。
看似無用的數據，通過進一步治理為分類有序且互相關聯的知識，才會是真正的財富，這已成為不爭的事實。但繁重的訓練既費時又燒錢，這也是眾多AI初創企業陷入的生存困境。
他進一步坦言，從另一方面來看，技術的成功並不代表商業化的成功。“AI企業如雨後春筍，但與當下快速迭代的市場環境相比，任何AI產品的開發均需要經過1~2年的時間打磨，這二者無疑是相互衝突的。”技術到產品落地依然需要大量探索，產品以什麼樣的形態展示，以什麼樣的商業模式運營，以什麼樣的交互方式進行仍然道路漫長。
事實上，眾多業內人士也均認為商業模式對於技術變現而言至關重要。以最早將AI技術推向市場的IBM為例，其Watson的失利，無疑歸結於此。
業內人士表示，IBM的商業模式“非常古板”，即通過技術服務合同鎖定客戶，然後派遣人員去合作伙伴那邊進行項目實施。
這種合作模式一般適用於傳統的IT項目，由於目標明確、需求清晰，投入產出相對可預計，合作雙方都可以將自己的投入控制在可控的範圍內。但是目前一些AI項目實施其投入規模巨大，但其收益卻無法衡量。
例如IBM和新加坡政府的合作，當時在試驗的時候，其治理交通的情況獲得了肯定，但後期如果投入真實運營，新加坡交通管理部門需要首先繳付鉅額的支出，巨大的成本讓相關部門望而卻步。
岸在對面“石頭”在哪？
縱觀過去兩年AI成功推向市場的案例，不難發現，AI為企業用戶提供服務、培訓、平臺、接口和硬件等各種能力，也包括業內通常說的算法、算力和數據等能力。但無論從哪一個角度來看，人工智能在行業落地中，離不開具體的場景。
換言之，AI“傳統公司+機器學習≠人工智能公司”，理想的AI企業應該既懂行業又懂技術，而前者比後者顯然更為重要：依靠對某個垂直行業的瞭然於胸，短平快地滿足客戶需求，才會有人願意買單。
真實的落地場景難以大鵬展翅，更多地需要穩紮在方寸之間。正如原深鑑科技聯合創始人姚頌曾在2018年所言，“只看‘芯片’這兩個字，公司會死掉的。”
對此，劉競秀也表示，面對複雜應用環境，就要求人工智能廠商為用戶提供簡單易用的解決方案，必須要解決硬軟件的生態適配問題，而不應該是目前的“算法不認識硬件，硬件不認識算法”的各自為王格局。要從根本上解決應用瓶頸，只有通過發展產業生態，整合不同環節的夥伴為用戶提供一體化的解決方案和服務。
人工智能不像前兩次工業革命那般摧枯拉朽，也不像第三次的互聯網思維那樣顛覆全球，卻如河流一般育一方土地。但如今回顧這片土地時，一邊是茂密的叢林，另一邊則是瀕臨或已經死亡的花草，而後者又該如何渡過河流，到達彼岸呢？這需要一段漫長的“摸石頭”，但終會到達彼岸。
如電影《喜劇之王》的一段臺詞：“看，前面漆黑一片，什麼也看不到。”“也不是啊，天亮後會很美的。”
閱讀更多 DIGITIMES 的文章
