AI的顛覆性究竟在哪裡？無人駕駛技術的發展會改變房地產產業？最稀缺的AI資源居然是……？大公司爭相成立的研究院，真的有效嗎？
在《大V開8》的錄製間裡，未來圖靈對話美團點評技術學院院長劉江，聽他從資深從業者的角度分析AI的前路。
下面根據劉江原話做了不改變原意的整理：
▎AI的顛覆性還沒有完全顯示出來
我有一個觀點是，AI對於科技行業，尤其是互聯網IT行業來講，還沒有顯現出它真正的顛覆性。
這個潛力是有的，但是怎麼讓整個行業格局發生大的變化，目前來講還沒有看出來。
這個顛覆性——比如說iPhone智能手機的發佈。那之前市場份額靠前的手機廠商是諾基亞、摩托拉、黑莓，之後短短几年內就基本都不行了，現在份額最高的公司是蘋果、三星、華為。
iPhone發佈給整個手機產業的格局帶去了巨大的變化，是真正產業性的顛覆。
這也可以說是移動互聯網的顛覆性，現在AI從某種意義上來看其顛覆性還沒有完全顯現出來，只能看到一些很明顯的方向，比如無人駕駛。
當然AI的發展也取決於谷歌、蘋果、亞馬遜這些巨頭，我們從行業裡感覺，前幾年這些公司的負責人會比較焦慮，怕AI起來以後自己會被幹掉，或者對手掌握得更好，但是這幾年發現，AI更像是錦上添花的事：在很多原來的方向上它更多的作用是提升效率，而不是引起特別大的模式的改變。
不能否認AI的顛覆性，但是怎麼顛覆，至少目前還沒有看出來。
比如語音識別，亞馬遜的Echo加Alexa模式，已經出貨數千萬臺，但跟手機的量還差得很遠，而且語音有天然的限制，就是隱私性不好，很多時候你說話不願意讓別人聽到，這就限制了使用條件。
一個技術是不是真正帶有顛覆性，一定要從用戶界面去著手，而不是看這個技術本身是不是很厲害。比如現在熱炒的量子計算，實際上離實用還非常遙遠。
AI的佈局有兩個層面。
一個層面是底層技術。比較大的互聯網公司都在佈局底層技術，爭奪人才。因為頂尖人才還是比較少的，而且非常多的人都是在海外，現在能看到很多海外的華人科學家，無論是工業界還是學術界，都開始加盟國內的大公司，這是一個很明顯的趨勢。
另外現在比較稀缺的是怎麼用技術解決具體問題，甚至創造一個新的方向，現在大家都不是很清楚到底能在哪些方面真正發力，把已經有的技術用在比較擅長的領域。
最關鍵還是說，你怎麼能夠創造一些能落地的，真正提升效率和用戶體驗的東西。▎AlphaGo技術本身對谷歌業務輔助有限
AlphaGo背後的公司叫DeepMind，被谷歌收購了，它總體來講應該是賠錢的，除了公司本身運營，還養了很多科學家，薪水也很高。但AlphaGo這個項目起了很好的市場公關作用，影響很大。
這個技術本身對谷歌業務實際上是沒有多大用處，但它會把研究的算法用在某些項目上，比如優化採暖，就可能給他節省幾千萬甚至上億的支出，這是DeepMind對谷歌的一個直接價值。
谷歌大腦、X實驗室，也做了很多很炫的項目，實際上那些項目最後都不掙錢，但是除了很好的技術成果，給它各個業務帶來效果提升，就已經完全覆蓋了所有之前他們自身，甚至其它項目，包括無人車的成本。
所以從這個角度講，AI在數據驅動的這些行業產生的實際價值已經很大。
而且AI它不是孤立的，互聯網、大數據、雲計算實際上是一個自然的演進。如果你的業務都不是數據驅動的，AI其實不太好用，所以對企業管理者來說，還是要提升企業的信息化水平。
▎無人駕駛汽車會改變城市規劃
可以想象一下，無人駕駛汽車成為主流後社會會變成什麼樣子，它會影響很多行業。
無人駕駛汽車可以理解為自己在路上跑的機器人，到時候自己家裡的車利用率會極低，因為家庭擁有汽車是沒有必要的，就像摩拜、ofo這些共享單車興起後，很少會有人買自行車。
所以整個社會的汽車保有量不會增長甚至會下降，因為我們現在汽車總的應用率太低了，大部分都停在停車位上，所以汽車產業的需求會下降。
最可怕的是，無人駕駛汽車天然應該是網絡化服務，它甚至可以主動來找你。所以這種網約車服務加上無人駕駛技術能夠形成更強的優勢。 現在Uber、滴滴、美團點評也都在做。
到時候原來500強裡的很多公司可能會退出歷史舞臺。如果這些車都是新能源驅動，就會影響石化行業。
再進一步，道路就不需要這麼多，因為系統都是遵守道路行駛規定的，加上統一調度，堵車現象可以解決。
不堵車以後，出行效率大幅提升，整個房地產，包括整個城市規劃都會有巨大的變化。
大家從這一點能看出來，AI在某一點突破的影響是非常之大的。
▎AI人才缺的是天才產品經理
總體來講，中國的IT技術人才是比較優秀的，但是質量比較高的人才供給不足。因為現在整個的計算機科學相關專業的教學還比較老，離產業需求比較遠的。這就造成了企業需要的學校都不教，學生能達到企業要求基本上都是自學的，現在薪水高也跟這有直接關係。
從全世界範圍來看，中國的人才儲備還是不錯的，因為整個理工科的高等教育基數特別大。
當然最精尖的機器學習人才比較少，因為在五年甚至十年前，這些專業非常冷門，工作都不好找，所以供給自然是不高的。
另外，人工智能人才大家更多關注科學家，這也有Hinton那一撥人的影響，從邊緣學科變成當紅主流，其實，真正核心搞深度學習的人數量不多。
我是覺得AI要能夠對社會產生更大的影響，其實更稀缺的資源是懂AI的產品經理。
如果沒有喬布斯這樣的人，移動互聯網的到來可能會晚若干年。這種人有天才的預見性，而且對人性、用戶體驗和用戶的需求有非常強的判斷，這是很難學的。
現在算法工程師供給總量其實不小，但是光靠這些人實際不能作出很大的事情，因為必須要有人去想清楚。
AI科學家和算法工程師他拿著錘子，會敲釘子，但是那個釘子在哪怎麼敲，需要產品經理去想。
所以現在其實最稀缺的人，是真正懂得AI，能發現問題，解決問題，真正做出一個產品的人。
像Amazon的Echo面世之前，大家也不會想到這個東西能夠做這麼多事情，是這樣一個體驗，它背後的Alexa可以支撐更多的智能家居場景，最早提出這個概念的人是最稀缺的。
從這個方面來說，AI不是電能，是核能。我們都知道核能很厲害，但是怎麼用好，怎麼克服一系列的附加問題都還要去探討。
▎研究院模式會被看好嗎？
現在很多公司為了吸引科學家，會單獨成立研究院把科學家聚合為單獨的部門，但這種做法在歷史上沒有太成功的案例，尤其是在IT行業。
歷史上最有名的實驗室是電信運營商AT&T做的貝爾實驗室，還有施樂公司的PARC，最近有微軟研究院，這些研究院對公司業務帶來的價值可能不見得能夠賺回公司投入的成本。
甚至貝爾實驗室和PARC最有價值的成果最後都被別人公司拿去發財——蘋果和微軟的Windows，是PARC研究院做出來的技術。但對施樂公司沒有什麼用處，施樂沒有在這上面賺到一分錢，還在走下坡路，貝爾實驗室背後的朗訊也不是一個很強的公司。
微軟研究院當然也產生了非常多的成果，但是微軟實際上真正戰略轉型，包括AI雲做得很好，也不是研究院主要帶來的科技成果。
當然這些研究院，給社會帶來的價值是不可低估的，甚至不可估量的。所以這些公司在有財力的情況下吸引更多的科學家，給予更大的投入，是一個好事情。
但也希望能在這一塊有一些冷靜的思考，其實更成功的模式，也許是把科學家和產品團隊混合在一起效果會更好。
閱讀更多 未來圖靈 的文章
