垂直行業AI怎麽應用？AI的未來在哪？

關注並標星36氪

每天3次，打卡閱讀

更快更深刻洞察互聯網商業

━━━━━━

對於AI、對於技術會是一個怎樣的未來。

2018年11月27日-28日，第六屆WISE大會——“WISE 2018新經濟之王”如期而至。在WISE大會上，停簡單CEO柳文超分享了他對停車行業長期存在的痛點、解決方案、以及未來市場潛力的思考。他認為，在大數據、雲計算和政策利好的影響下，停車行業會迎來一次顛覆性的更新改造，而這背後蘊藏著巨大的市場空間。他預測，互聯網停車的活躍用戶將在約3年內達到億級水準。

垂直行業的AI應用有哪些難點？未來AI的視窗期有多久？AI的未來究竟會怎樣？對於這些問題，觸景無限聯合創始人兼CEO肖洪波、深思考人工智能首席機器學習科學家王泳、麥飛科技聯合創始人CEO宮華澤分享了他們的看法。

垂直行業AI怎麽樣應用其中？

垂直行業AI怎麽樣應用其中？垂直場景又有哪些難點？

宮華澤認為，數據的價值對於整個農業耕種來說，垂直場景面臨兩點問題。第一點是數據采集的困難性；第二點是采集數據之後，面對的原數據與商業數據結合的切入點問題。

王泳博士認為，在垂直的醫療和汽車場景下，多模態深度語義理解與人機互動技術可以應對不同的細分場景，滿足行業的不同需求，提高效率。

肖洪波認為，在安防領域，在傳感器最前端去做智能的處理，可以降低網絡壓力，也可以用最原始的數據進行處理分析。

宮華澤：麥飛科技是一家聚焦視覺光譜技術的智慧農業大數據服務商。目前我們正在打造一套符合中國農業的精準科學種植管理體系，實現對農作物生理狀態的智能感知。基於這個核心技術，為所有種植者提供全套的種植管理服務。

隨著整個服務輸出的不斷積累、技術更新和市場推廣，我們根據不同土地的種植規律和種植者需求，結合農田位置、邊界、土質資訊、稻種品類、播種方式等因素打造的農業大數據平台也在不斷地精細化更新。

目前為止，公司主要核心技術是包括從前端收集，數據分析，整理到資訊輸出的一套全流程解決方案，整體的對外商業模式是以全程農業技術輸出業務為主。現在中國農業實際上是比較缺乏數據化基礎的，依然靠經驗傳承，看天吃飯的方式來進行耕種。而我們走出國門，放眼看世界，例如美國、日本、還有自然條件比較惡劣的以色列，會發現他們是依靠采集和沉澱數據，再逐漸反哺整個種植過程，完成農業現代化基礎的。

數據的價值對於整個農業耕種來說，垂直場景面臨兩點問題。第一點是數據采集的困難性，這裡涉及到一些IoT的東西，也涉及到數據的采集方式。第二點，當我們采集數據之後，將面對一個高資訊維度的原數據，我們應該是以哪一個切入點去實現與商業數據結合？這一點就涉及到人工智能AI的算法，我們現在主要實現方式是利用一千多個通道的光譜探測器來抓取農作物不同階段的高資訊維度數據，也就是說我們實現抓取了太陽光的反射能量。後期我們會從一千多個原始的數據通道當中拆解出與植物生長最為相關的生理參數，也就是說我最懂得農作物需要什麽，根據輸出結果我們會量化出一個數據檔案，將它提供給下遊很多的服務智能平台，進而完成整套的植物保護過程。

肖洪波：安防是人工智能目前落地最多的行業，也可以說人工智能深度學習最早進入安防。因為這領域運用到很多攝影頭，有大量的影像，這些非結構化的數據，在很多場景裡面需要對它進行結構化，結構化之後在這基礎上再進行處理。但是之前大家所有的工作都是基於雲端的處理比較多，就是說前端數據采集的部分和數據處理的部分是分離開的，這當然和我們最早的整個安防系統的架構有關係，就是說我們采集之後很多東西是要放到後端做存儲，整個的傳輸壓力其實非常大。比如說某省會城市，他們有七萬隻攝影頭都是高清影像匯聚到數據中心來，幾乎是不可能完成任務，所以有大量的數據丟失，包括分辨率的變化，我們觸景做的工作是在傳感器最前端去做智能的處理，這樣一方面降低了它的網絡壓力，另一方面可以用最原始的數據來進行處理分析。在落地過程中，觸景做了很多安防、司法以及學校項目。在司法領域，我們發現客戶與一兩年前比有一個比較大的差別，他們現在會非常主動地要去運用人工智能的技術解決實際過程中碰到的問題，比如觸景在做的點名系統，客戶一個小時要點四次名，因為他們是有強製要求的，這時候就需要非常簡單易用的方式和它現有的系統進行無縫集成，不需要再去重新做部署，所以觸景就花了半年的時間和他們一起磨合實現了一套非常理想的系統。

未來AI的視窗期究竟有多久？

現在有一個普遍的認知是，開源的技術效果都已經優化的不錯，技術的代碼也已經開放出來，市面上有幾個聲音是說未來AI的視窗期只有6到18個月，對於這個市場，肖洪波、泳先生、宮華澤分別談了他們的看法。

肖洪波：這個時間點我認為可能不太合適。首先時間視窗肯定是有的。因為技術從實驗室算法到落地成產品，然後做成解決方案它需要一個實驗周期；其次和客戶的接受度有關係。也就是說這時間視窗和我們解決用戶的需求時間點有關係，而不是說它只是一個技術的發展。比如，今年上半年觸景做了一個面向廣大開發者的平台——角蜂鳥，現在有很多開發者利用我們這平台在做前端的智能分析。這就是我們在和開發者交流過程中發現他們其實有非常多的需求，目前看來，市場上還有大量的需求並沒有被人工智能解決，我相信這時間視窗會比剛才說的要長一些。

王泳：AI技術的發展日新月異，AI落地場景的挖掘也層出不窮，目前人工智能技術還是屬於弱人工智能的技術，AI發展的視窗還在不斷擴大中，其內涵也在不斷深化中，作為落地場景還有很多可以挖掘和探索的地方，所以現在談視窗期還是為時過早，應當說還有很多機會。

宮華澤：我比較同意兩位的觀點。其實從商業的角度上來看人工智能是存在視窗期，但從技術的角度上視窗期是很模糊的概念。 從垂直行業來說，更多會接觸到傳統模式加上開源技術的結合，逐漸往AI階層上發展。我認為兩種模式之間其實是一個必然的發展過程。前期，用一些數據采集的方式，一些資訊化的方式實現了某一些環節當中的自動化數據的沉澱，但是隨著數據沉澱不斷積累的過程，不僅會產生一些更新的價值，並且反哺到很多的環節，而這些環節當中會存在新的算法和模式，能夠替代人為思考的過程，更能沉澱出一些規律。這中間沒有特別嚴格的界限，但是商業發展的角度大家都在講風口或者說所有的頭部的搶佔機會，但是從整個人工智能商業化的發展趨勢來說，我們更加關注技術驅動和未來數據的價值。

“AI+場景”比較好還是傳統服務商做技術更新比較好？

對於AI落地，市面上一般有兩個方向，一個是AI的團隊去落地各個行業。另外一個是每一個行業傳統的服務商。目前大部分的AI公司的新零售更多是無人購物、自動識別，但是更多是應用在一個替代人力的過程。這也導致了賽道比較窄，但是客戶的接受度非常高。面對這種情況，又延伸出了AI+場景比較好還是傳統服務商做技術更新的兩個問題。

肖洪波：兩種都是挺好的切入方式，可能在不同的業務場景裡不一樣，就是看這場景本身的技術門檻是不是特別高，很多技術門檻比較高的行業，它基於傳統的客戶本身優勢其實比較容易去做更新。最初的時候，有一個算法的紅利期，沒有採用深度學習的算法公司會比普通的差，但現在紅利期基本上已經消除了，所以在場景落地的時候，客戶也不像最初的時候那麽追捧了——只要是人工智能的產品就採購。現在更關注的是能不能真正幫他解決問題，例如成本、精度等，而非你是人工智能公司或者以前是傳統行業的企業標簽。一旦要去實際場景裡面，解決問題是王道，無論你以前是做場景還是算法的公司，能幫客戶解決問題這是最重要的。

王泳：其實我覺得這兩點並不矛盾，實際上就是說這一項技術不管是產生一種新的商業模式或者說對傳統的模式進行改造，只要是它確實能夠帶來實實在在大家看得到優勢或者說一種便利，我想不管哪一種模式大家都能接受，最怕是一種霧裡看花、空中樓閣的。貌似一些高大上，但是實際上並不能落地，並不能真正為企業帶來有益的改進，我想這可能也是企業不接受的。

宮華澤：這也是一個沒有答案的問題。我簡單談一下我的理解，實際上從傳統行業應用判斷去驅動技術發展，這一點可以更好的理解客戶需求，真正知道痛點是什麽，不會受到整個技術背景的束縛。從技術的角度上反過來談整個行業，它其實面臨的困惑和束縛會比較多，因為我本身是搞技術出身，比如說我們最核心的是探測技術，我們會想探測技術究竟在哪一個行業中發揮的效率是最多的，但是任何一個行業應用來說它可能需要的技術不僅是一個，所以我們只能說在這行業當中，我們的技術對它的成本節省、效率提升、價值創造，哪個是第一個階段最有效的，所以我們整個團隊內部一直強調，我們是技術背景驅動的公司，但更應忘掉自己是技術人員，我們要更多的走到客戶的群體當中，真正去了解行業中真正的痛點在哪裡。這是我的一個理解。

未來AI會不會產品化？

在具體的落地實施層面，現在AI也好都躲避不了個性化，尤其是在AI場景中更多都是一單一單在做定製，未來究竟有沒有可能會產品化，如果有的話，這個時間在什麽時候？

肖洪波：在過去的一年時間，觸景做了很多項目。因為我們本身是做產品的公司，希望在前端實現更多智能的產品，但過程當中我們發現面臨的挑戰非常多，不僅僅是算法，還有量產、硬體設計、現場支持的問題等。而這些問題的解決，其實都是通過在項目過程中積累下來的，所以這個環節對我們這些企業來講是不可避免的，就和當年的IT產品一樣，如數據庫或者ERP，最早的時候也都是通過產品的形態面世，但是通過一個一個項目的積累，可重用的東西越來越多，毛利率也就越來越高，這是一個過程，我相信會有新的模式出現，而現在是處在比較早期的階段。

我們的“多模態深度語義理解與人機互動”技術，是可以進行多個場景的複用的。雖然不同場景的數據來源不太一樣，但是我們後面的算法機制，包括應答，尤其是人機對話裡面多輪對話，它們的機制是一致，針對不同的場景我們可以設定一些不同的語料。

宮華澤：我認為任何一家科技公司可能都會經歷一段用做項目的方式來迭代自己技術的階段。麥飛主體商業模式當中項目佔比並不高，因為我們還有業務板塊。業務板塊實際上是在農村市場和生產環節當中向不同的種植團體提供技術服務，而且提供技術服務的整個團隊中有一部分比例是自營團隊，一部分加盟團隊。我們的技術與產品，是在這樣的業務邏輯當中不斷的迭代與更新的。

我們為什麽會形成這樣邏輯呢？實際上是決定了我們的場景和前兩位的場景不一樣。因為我們客戶群體有B端的客戶，也有農業種植者。這類群體的性格特點實際上粘性極強並且複用率很高，所以我們模式主要是在技術層面上通過做項目和自營的服務體系來不斷來迭代技術和產品，整個業務板塊的目標非常明確、精準。希望在發展過程中，我們前期是通過技術來驅動整個公司的發展，後期是靠我們的數據來反哺與指引整個行業。

AI的未來在哪？

目前有一種說法是資本寒冬來了，也有一種說法是現在是技術的最好時期，那麽在2019年，對於AI、對於技術會是一個怎樣的未來。

肖洪波：十年之後我相信人工智能可能改變很多的行業。從今年我們的感受來講，客戶對於AI的要求是越來越實際了，所以明年應該還是這趨勢，大家都希望通過人工智能的技術真正去解決一些實際的問題，包括降低成本、減少人力等。觸景明年仍將深耕目前做的幾大行業，致力於給客戶更有價值的前端產品與方案，謝謝。

王泳：應該說資本還是有的，不能說資本寒冬來了，這社會就沒錢了，資本還是有，只是大家更謹慎，大家也更明智。AI企業要實現商業化落地，同時也要建立自己的行業壁壘。比如說我們深思考已經具備造血能力，通過“多模態深度語義理解技與人機互動”技術，在智慧醫療大健康和智能汽車兩個領域今年已經實現數千萬元的營收，另一方面我們在業務應用領域內建立了自己的技術壁壘、數據壁壘、市場壁壘。

2019年會是一個轉折，在社會上有兩類創業公司會有很大的發展，一類就是它的產品大家認可度比較高，落地比較成熟的這一類公司會發展比較好。另一類就是技術特別超前，明顯具有技術優勢的公司。這樣的公司在2019年也不會存在所謂的資本寒冬。但是一般的公司就是所謂的技術不是特別明顯，或者說落地場景不是很好，那他們的日子在2019年不會過的非常好。幸運的是深思考人工智能二者兼備。

宮華澤：麥飛的業務是跟著整個農業種植周期走的，所以 2019年我們的計劃已經全面布置完成了。資本寒冬，我從兩個層面來談一下，一是從商業模式角度，我覺得並沒有資本寒冬，可能在資本方看來AI風口炒的這麽長時間，更多的想看到AI技術在整個不同的應用場景下，究竟有多麽大的變現能力？這不僅僅是靠你的技術去渲染，然後按照PPT來告訴他。他更希望看到實打實的數據，所以就變的更加謹慎。如果有真實的落地場景和真正的商業模式能夠實現技術價值，那我覺得不存在這種說法。

另外一個，我認為未來在AI的發展上，我們跟百度之間結合會讓我們對AI更加偏向於底層上的深度理解。其實我們的本身技術背景是搞遙感的，我們對數據源的把控會更加精準，我認為未來AI技術應用的走向不僅在於算法本身，更應該立足於垂直領域的根本需求，從數據源引入、算法加工、資訊流輸出等方面打造全過程解決方案，形成核心壁壘，達到對行業應用的技術滲透與效率更新；同時應當一手抓現實，一手抓未來，快速迭代技術與解決方案，真正達到趨於“人工”的“智能”。

標星36氪，每天獲取圈內最新資訊

成為進階互聯網人