尋夢新聞LINE@每日推播熱門推薦文章，趣聞不漏接❤️
人工智能泡沫存在，而且還不小。
人民網在 2018 年的最後幾天，攢了一個「局」。
這個局的話題只有一個，就是 AI；而參與者的身份也非常多元化——政府官員、投資機構、明星科技公司以及大眾媒體。
盡管各方身份不同，但每一位嘉賓親身參與了這場技術變革，並完全有資格對當下的 AI 發展現狀做出評論。
而且幸運的是，在場每一位嘉賓並沒有因為 AI 是一個正確的大方向而盲目追捧，他們「有批評」「有否定」「有分歧」，對當下圍繞 AI 發生的一切無保留分享了自己的所想所見。
實際上，在經歷了 2016 年與 2017 年的狂熱追捧，人工智能技術正在步下神壇，並漸漸變得「不起眼」，不得不「大隱隱於市」。這成了現場所有人達成的共識。
然而，讓很多人不得不承認的是，漂亮的技術一旦不再停留在有限數據集上，其在走向場景的過程中，與應用之間必然會出現溝壑。
而這道新出現的溝如何被填平，成為當下人工智能技術落地普及的最大難題，沒有之一。
盡管很多嘉賓對這個問題的解決方法存在分歧，但卻基本默認兩點：
AI 技術的大方向雖然不可違背，但熱度必然會冷卻；
不過，這並不意味著寒冬，而應該成為 AI 從高大上的存在轉變為真正融入到衣食住行中的拐點。問題重重的「落地」
作為政府官員代表，工信部信軟司巡視員李穎並沒有圍繞國家針對人工智能的支持政策侃侃而談。
相反，作為出身於 IT 媒體，並經歷過中國媒體轉型寒冬的行業人士，她比很多科技公司更願意談及自己所看到的問題，也更善於找到當下技術應用存在的一些困難。
「確實，新一輪科技革命和產業變革正在萌發，大數據的形成、理論和算法的革新、計算能力的提升以及網路設施的演進，驅動人工智能發展進入嶄新的階段。
但是現在 60 年過去了，人工智能已經走下神壇，真正從人工智能應用來講，其實效果遠遠沒有達到我們期望的那樣。」
雖然她承認，人工智能已經有了一些實實在在的應用。譬如在工業互聯網領域，人工智能確實可以大有作為。然而，多次下工廠考察的她，卻發現了很多問題：
「我們看到有工廠在質量管理、管控這塊用了人工智能深度學習的圖形識別技術。
但是，因為針對深度學習的圖形識別技術是要靠無數次的重復（處理）。理論上講，它就是不可能達到百分之百的準確率。
這樣一來，在有時候質量管控過程中，從效果來講，目前的應用水平反而還使得質量優化率有一定的下降。」
因此，她認為現在應用在工廠里更多的還是一些知識數據的優化，以及重復大規模記憶的一種演練場景。
「所以發展空間還是很大的，現在只能說是剛剛開始。」她委婉地表示。
其實作為工信部的代表，她也帶來了一個非常重要的信號——
一方面，製造業是產業互聯網，或者說是 AI 賦能的重要主場，是從國家提倡的「製造強國」「網路強國」建設延伸出來的；
而另一方面，製造業也不是全部，中國整個產業需要轉型升級，包括整體現代服務業的轉型，而 AI 將在「大互聯網」概念中扮演非常重要的角色。
「互聯網的發展，不僅是在產業互聯網、工業互聯網，在消費互聯網也還有巨大的空間。
另外，有人講在產業互聯網上講，大家講未來已經不是屬於互聯網的時代，是+互聯網，但實際上，這應該被稱為真正的傳統產業轉型升級的時代。
這個認識，每個人立場和角度不同，只能說，今後將進入不再是以狹窄意義上互聯網公司為代表的互聯網時代。
整個工業經濟社會，從工業經濟向數字經濟轉型，更多是以互聯網為代表的新一代信息技術產業，是一二三產業深度融合的一個大互聯網或者大數字經濟時代。」
如果說政府從更大的角度指出了當下 AI 發展存在的問題，那麼在 AI 浪潮中翻湧的主角—科技公司們則更有面對各種實操性困難產生的實感。
在全球移動業務方面做的較為出色的獵豹，在今年第一季度推出服務機器人產品時，相當於是對進入 AI 市場的一次正式宣告。
不過，獵豹 CEO 傅盛並沒有在這次小型論壇上純粹推銷自己的機器人，而是從他開始下決心做機器人前後陸續發現的一些問題入手，從微觀角度闡述了親身經歷的技術真正做到落地的難點。
「一項技術的出現到最後的產品落地，到最後形成產業化，中間是有很大鴻溝的。從人才到市場，以及產業配套，還有國家的幫助與指導，都是非常重要的影響因素。」他感慨道。
不是技術出身的傅盛表示，自己也曾硬著頭皮讀過幾篇人工智能的論文，又在三年前開始組建人工智能隊伍，更開玩笑表示「自己這輩子都沒見過這麼多博士」：
「我做互聯網以來，再到全公司上市，大概就招過兩個博士，其中一個好像還走了；但在組建 AI 團隊後，算法人員已經超過 200 人，大多都是博士。」
但是有很多技術人才，並不意味著一款 AI 產品就能水到渠成。傅盛在參觀過德國及美譽哦一些專門生產工業機械臂、工業機器人的大廠後發現自己需要面對一個現實：
「他們在精密製造上達到的水平，至少我這個門外漢是無法超越的。」
但同時他也發現，這些機器人其實遠遠稱不上「智能」。
「我走放過軟銀投資的 Pepper 機器人，他們雖然全身十幾個關節可以像人一樣動，但是對 AI 的重視度極為不夠。其實，你把 Pepper 放在任何嘈雜一點的地方跟它對話，它都很難應答。」
為什麼很難應答？
傅盛提到一個小細節：Pepper 機器人的麥克風放在頭頂，也就是說把晶片放在頭頂，並在旁邊裝了用來消噪音的風扇。但問題來了，那個風扇的噪聲使得其系統語音識別率大幅度下降。
「他們沒有考慮好，或者說沒有定義好這款產品的應用場景。他們認為像人一樣揮手很重要，但人的本質是交互。」
他又提到了一個在機器人製作中的工程化問題——一個機器人腦袋做成圓的或是方的，用塑膠材質還是鋼鐵材質，都會對語音識別率造成很大的影響：
「你覺得有一個麥克風就能做到遠程喚醒和遠程交互，但其實材質和形狀會影響回音，而回音不一樣，就會使得識別率下降 5~10 切割百分點。這就是你喊了半年機器人也不說話的重要原因。」
另外，智能機器人的成本控制應該是一個最讓公司頭疼的問題之一。
「我們之所以要自己做室內導航，是因為本來想買個機旋底盤，但是發現動輒好幾萬；另外，你可能還要買最好的雷射傳感器，這也要幾千塊。」
當然，還有晶片、前驅快門等等需要用到錢的組成模塊，讓一個真正的智能機器人造價不可能降下來。
「所以，我們在精密製造上的不足，一方面是通過軟件算法來彌補，譬如融合性算法（提升雷射雷達的點雲效果）；而另一方面，就是從人工智能角度去尋找改造晶片的機會。」
雖然不能說獵豹的機器人做的有多好（因為我沒用過），但是這些難題，的確是只有真正「觸摸」過 AI 硬件產品線的人才能發出的感慨。
而即便是從學術層面，微軟（亞洲）互聯網工程院微軟小冰資深研發總監曾敏也認為，中國也需要找準衡量自己 AI 水平的標尺。
「整個 AI 技術的發展，其實是多維度的，AI 本身包括非常非常多的，比如說像處理器、語音交互等等各個方面。所以，不能簡單的說以國內的學生或者老師發了多少論文來衡量中國 AI 整個這塊的實力。」
而單純從論文的角度出發，其實是不足以反映整個 AI 實力的。
「如果真要就論文這個點來說，比如說論文本身的引用量，比如說這個單元處理領域的基礎服務，它的論文的引用量其實是特別特別高的。」他強調。
據曾敏了解，國內專家們寫的論文，引用量還是有待提升的。
此外，很多論文里面做的各種實驗，都是在很小的數據環境里面實驗出來的，他認為整個局限性挺大。
「我們希望更多的是在各行各業，各種產業里面的實際運用案例和數量，來衡量整個 AI 這一塊技術的成熟度。」
作為 AI 公司創建並成長的最大助推劑之一，資本方曾把若干 AI 創業者陸續送上神壇，也在近一年來開始進入謹慎觀望期，更願意青睞那些「大隱隱於市」，而不是強調技術門檻的公司。
作為人民網創投總經理，趙亞輝提到了一個數據——上周有機構的統計顯示，包括人工智能公司在內，獨角獸企業上一輪的融資和當下的估值相比，平均下跌 45%。可以說很多人都沒有想到這種市場的變化，很多公司都在 2018 年坐了一輪雲霄飛車。
因此，他向論壇中的創投代表們提出了一個問題：
「人工智能到底存不存在泡沫？」
包括聯想創投、阿里雲研究中心（有產業孵化器）、招銀國際的投資代表們均斬釘截鐵地表示「存在」，甚至認為這泡沫還不小。
其中，招銀國際金融副總裁連素萍就提到，公司在考察一波人工智能公司的時候，就覺得有些（公司）估值已經不可以接受了。
「很多 AI 公司，包括做人臉識別以及做算法的公司，都跟招商銀行的業務有很大關聯，其中很多也是我們金融機構的合作客戶。
但是從投資角度，我們最後有些是投了，但是也有些放棄了。」回歸理性的 2019，AI 公司應該何去何從？
盡管資本高燒暫退，人工智能泡沫浮現，危機重重，但大家並不認為這場「寒冬」是屬於人工智能的寒冬。
阿里雲研究院高級戰略總監就認為，面向 AI 的資本回歸理性後，危機留下的肯定是剛需。
「剛需才能為產業創造價值，創造價值的企業，其商業模式遲早會從科學到技術，技術到產品，產品到平台，演化出來。」
趙亞輝從互聯網的歷史教訓中找到了與人工智能發展的相似之處——大浪淘沙後，必定是為用戶切實解決需求的企業。
「1998 年到 2000 年形成的泡沫，讓全球互聯網的估值達到了頂點。但是在 2001 年、2002 年這個泡沫碎了，大量的公司倒閉，包括我們聽到很多很牛的公司也都不見了，當時我記得有 8848 這家公司，沒有上市就沒了。
但是我覺得那個泡沫，恰恰是一個重要拐點，任何一個新興產業都有它從誕生到真正爆發的拐點。」
而至於如何平安度過泡沫期，邁過拐點成長為真正中國新經濟的代表企業，論壇上來自科技圈、媒體以及創投圈的嘉賓們的觀點非常統一——AI 公司們需要找到自己的「屠龍刀」，而總結下來有以下 5 點：從數字角度要效益
易觀董事長兼 CEO 於揚特別強調了「數據驅動」的重要性。他感受到，過去六個月雖然每個人都覺得各個行業日子不好過，但企業在各個層面上對數據驅動的需求都在不斷提升。
「過去信息化更多是以公司治理為中心，而數字化是以用戶需求為中心的；信息化是以流程驅動，而數字化是以數據驅動；信息化是一個技術和管理的系統，數字化是一個業務的系統。」
而當企業數字化之後，很重要的一點就是需要一個數據驅動的中台，這個中台在過去信息化時代是由甲骨文等公司扮演的，而在今天這樣的大數據時代，數字化企業就有機會扮演數據中台。
「我們堅定認為，基於雲的數據智能賽道一定會在未來 2~3 年內出來很強大的、很先進的企業。」
此外，現在手機與各種智能硬件產生的大量數據，可以更好地去指導業務。
「無論電商的 C2B 還是媒體所謂的個性化閱讀，還是廣告領域的精準行銷，有太多基於數據的應用場景。」要想找到「屠龍刀」，選擇什麼「龍」很重要
換句話說，就是賽道跟著需求走，技術並不等於市場有這個需求。
一方面，要找準高頻使用場景，不要設想在 5G 做到等未來前提下做業務，而是一定要基於現有環境。
另一方面，高頻使用場景的定義是有講究的，這里田豐認為需要用四個標準來判斷。
「第一個標準，這個產業是不是存在非常大的挑戰。舉幾個例子，房地產，現在是以租代售，包括建行轉向貸款金融了，所有房地產不能再靠賣地賣房的方式，面臨巨大的商業模式轉型，有剛需有痛點。
第二，得有數據高地。舉一個反例，工業領域，大家一直說人工智能在做工業，為什麼沒有做起來。原因是很多工廠里面的數據是放在西門子或者 GE 德國生產線里面，數據是黑盒，拿不出來，要有數據量才能做經營，數據得流動起來。
第三，得有一定的資金，有一定資金才能做這件事情。當然，太小的資金和太小的池子是裝不下人工智能的，而太多的資金和太高的利潤，往往會產生泡沫，所以最好找的就是這種規模大，能起量，但是利潤又薄的產業。
注意，必須要起量，起量才產品化和規模化。
第四點來自於這個企業家和政府的引導。對於中國來說，政策寬鬆很重要，在某些行業里面的政策寬鬆很重要。
醫療，全球人工智能投資最大的領域，但是全球都涉及到隱私問題和立法問題，因此在醫療領域並沒有產生特別大的商業模式出來。」給 AI 應用打好基礎也很重要
連素萍等人也認同這種「剛需」的說法，更通俗一點，她認為無論技術如何高精尖，最終還是會落實到老百姓的衣食住行去服務的。
但從投資角度，她表示更喜歡為人工智能產業鏈鋪路的晶片等等將來大規模形成並能夠融入其他行業的基礎型行業，包括圍繞 5G 的物聯、智能化這些投資，在這個階段都比較重要。想「顛覆」需要先做好系統
作為技術公司代表，曠視科技副總裁謝億楠認為，現在沒法取得顛覆型創新是因為技術的系統沒有完全發展起來。
「我們看 AI 技術發展分兩部分，一部分是技術本身系統的發展，另一部分是 AI 應用的發展。
我們往回看互聯網時代，應用能做的那麼好，是因為甲骨文、思科、微軟等把系統搭起來了，再應用就是水到渠成的過程，現在來看的話就是應用往前放、系統往後放。
如果人工智能真的要走上一個顛覆性創新的話，第一應該在算法本身的系統上有真正的突破創新；
其次，我們看技術是感知、控制、優化這三項是本身的，但其實對於世界的感知這塊，技術還沒做好。」比起 AI+，應該先有+AI 思維
簡單來說，AI+指的是從技術公司角度去考慮如何賦能各行各業；而+AI，是要求行業應該善於利用 AI 有效提升自己的業務。
但無論是 AI+還是+AI，其實最終還是匯集到一點——匹配好行業場景的 AI 才是好 AI。
這在一定程度上需要偏向於用行業+AI 的思維去思考問題。
特斯聯副總裁謝超就強調，盡管在過去將近十年時間里面，互聯網讓整個社會對新技術的認知發生了天翻地覆的變化，但卻恰恰忽略一點，這個世界上沒有那麼多新的行業，大部分行業還是傳統行業。
「我們回過來看一下，去年中國 80 多萬億的 GDP，真正 GDP 的貢獻者主要還是傳統行業。我們與其想方設法絞盡腦汁去看哪些新的行業去被開拓，不如回過來看這些傳統行業，將近百萬億級的市場里面有多大空間可以被提升。」
因此，一定是+AI，一定是從行業里面出發，和 AI 結合在一起，才能發揮真正的作用。
2019 年，伴隨著 2018 年以來行業人士們的反思與踐行，AI 行業也許正在回歸理性發展軌道。