马云马斯克抬头谈宇宙,中国AI公司埋头苦做单

苏建勋 · 2019-09-09
中国的 AI 公司活得怎么样了?我们试图在这场国内规格最高的 AI 会议中寻找答案。

如果用一场会议来一窥当下中国人工智能的发展现状,8 月末的上海 WAIC (世界人工智能大会)无疑是最好的选择。

巨头基本到齐了。在 8 月 29 日的开幕式上,马云、马化腾、马斯克登台亮相,台下坐着李开复、沈向洋、沈南鹏;国内 AI 公司“四小龙”的创始人来了三位:汤晓鸥(商汤)、朱珑(依图)、周曦(云从)。

热度在会议开幕的两周前就开始发酵,马云与马斯克的对话成为各大媒体吸睛的噱头,可这场万众瞩目的交锋,最终呈现出的内容却如同鸡同鸭讲。

马云马斯克抬头谈宇宙,中国AI公司埋头苦做单

“双马激辩”现场。图片由主办方提供。

据 36 氪在现场的观感,在“双马激辩”的后半段,讨论一度进入死胡同,马斯克想谈宇宙,可马云想关心地球,双方的交锋开始变得自说自话。由于这场对话是当天上午最后一场议程,随着对话临近尾声,有观众开始提前离场。

尽管马云与马斯克的对话有些令人失望(“双马激辩”全文可点击此处查看),但他们并不是 WAIC 舞台上真正的主角。

位于主会场世博中心 1 公里之外的世博展览馆,近百家国内 AI 公司集体参展,单是在这里转一圈,你也能嗅到人工智能在中国的新风向。

所谓“用锤子找钉子”,场景的横向扩张已经是 AI 公司的标准动作,这一点在大公司身上尤为突出。在阿里、腾讯、商汤的展区,动辄十几个与 AI 相关的行业案例已然是标配,创业公司亦然。

原百度研究院院长林元庆的创业项目“爱笔智能”,已经从最初的零售行业方案延伸到景区;之前扎根政务 AI 场景的文思海辉,展示出了新项目“文思智能美装镜”;“四小龙”中的云从,也从熟悉的银行、金融场景,延伸至汽车 4S 店智能升级。

“产业落地”依然是无法避开的命题。一位 AI 公司高管告诉 36 氪,今年展馆的参展企业中,诸如招行、建行、复星之类的传统企业明显增多了,这类企业既是 AI 方案的采购方,同时也注重捕捉技术动态,把最核心的技术掌握在自己手里。

马云马斯克抬头谈宇宙,中国AI公司埋头苦做单

以银行为代表的金融行业,是历年 WAIC 参展的重要组成部分。拍摄:苏建勋

在开幕式下午的论坛环节,红杉资本全球执行合伙人沈南鹏也谈到:“今天的创业公司插不插上AI的标签已经不重要了,重要的是找到适合的应用场景,找到刚需的产品,提升产业的效率。”

这将是一个漫长的过程。从2016 年 AlphaGo 战胜围棋冠军李世石,到诸如商汤这样的独角兽创下一年三轮的融资记录,中国 AI 公司在估值与故事的急速狂奔后,开始在行业落地中放慢脚步。谈客户、理清需求、拿单、服务、售后……AI 技术的光环,最终仍要回归 To B 业务的本质。

业内对 AI 的热度正回归理性,这从近期AI 领域的投资热度减退可见一斑。据亿欧《2019年人工智能投资市场研究报告》数据,今年1-5月,中国一级市场AI行业投资总额163.4亿元人民币,只占去年投资额的11.6%。

“当下出现的投资热情减退现象,是因为过去人们的期待太高了,以为人工智能什么都能做,我能够给出的建议就是要有耐心。”哥伦比亚大学数据科学研究院(DSI)主任周以真告诉 36 氪。

加入 AI 公司的高管们

即使投资热潮不再,但那些已经站稳脚跟的 AI 公司依然炙手可热。资本、客户、人才都在向它们聚拢。

在加入哥伦比亚大学之前,周以真曾在微软担任全球资深副总裁。久居美国的周以真这次来到中国,除了以哥大教授身份参加 WAIC 开幕以外,她还以顾问的角色,出席了AI 商业决策平台品友互动(已更名为“深演智能”)的战略发布会。

马云马斯克抬头谈宇宙,中国AI公司埋头苦做单

黄以真(图中)、黄晓南(图右)。图片由深演智能提供。

数据模型是促成周以真与深演智能合作的动力之一。在周以真看来,AI 公司的发展目标,就是要建造比人更胜一筹的 AI 模型去解决简单任务,但这一过程需要投入大量人力物力。而在广告营销领域从业十余年的深演智能,目前做的正是搭建 AI 算法模型,以解决广告主该卖什么、在哪投放、怎么投放等问题。

根据深演智能创始人兼 CEO 黄晓南的介绍,深演智能将计划与哥伦比亚大学数据科学研究院(DSI)开设培训专题。“学术界正在致力于让建模过程自动化,以降低建模需要的人工成本。”周以真告诉36 氪。

除了利用学界的力量反哺技术,AI 公司更需要传统 IT 的人才打磨业务。

两个月——这是原 SAP 全球副总裁裴沵思、原 IBM 高级合伙人田小鹏履新的时间段。两位曾在传统 IT 巨头任职的高管如今都有了新身份:裴沵思加入第四范式担任总裁;田小鹏则成为了澳鹏中国区高级副总裁。

在世博展览馆,36 氪见到了刚刚结束一场分论坛的裴沵思,在 SAP 从业七年的他,曾分管过地产、交通、航空、金融等近三十个行业。而迫使裴沵思从传统 IT 行业出走的,正是新兴 AI 技术对传统软件厂商的冲击。

“即使投入巨大,传统软件也解决不了企业的问题,因为新的进化发生了。”裴沵思对 36 氪说。他举例到:旧思路中,为车企解决营销问题就是上线一套 CRM ,但如今,人与人的传播渠道;机器、IOT、制造领域的内部冲击,已经超出了传统软件可以解决的范畴。

对于第四范式来说,裴沵思具备的跨行业经验尤为可贵。从 2015 年诞生至今,金融已成为第四范式显著的行业标签,其研发的自动化算法平台“先知”已被银行客户广泛认可。去年 12 月,第四范式公布 C轮10 亿元融资,农行、建行等五大行成为其股东。裴沵思也坦陈,目前公司超过 50%的收入来自金融行业。

因此,跨行业的增长,成为裴沵思来到第四范式的核心目标。在裴沵思的日程表里,挤满了“与汉堡王 CIO 午餐”、“与百胜高管开会”这样的议程。而在裴沵思加入后,8 月下旬,永辉超市发布公告,宣布与第四范式成立合资公司。

尽管刚上任两个月,第四范式与肯德基的合作已初见成效。这个被称作“Trade Up”的场景,能让用户在 App 点餐时快速收到餐品推荐,“点了汉堡薯条的话,再加一对鸡翅更实惠”。

“这种算法是基于用户画像做出来的,响应在毫秒级,最终能清楚地看到店面能有多少销售额的增长。”裴沵思告诉 36 氪。

与裴沵思一样,原 IBM 高级合伙人田小鹏加入澳鹏(Appen),也是看准了AI 行业中的新机会。

虽然没有第四范式的独角兽光环,但成立超过 20 年的澳鹏已在澳洲上市。数据标注是它的拳头业务。一方面,澳鹏采用机器自动化标注,“视频里标注第一帧后,后面的帧数就可以自动追踪”;另外,澳鹏还通过众包覆盖了全球 180 种语言,对诸如东莞话之类的方言都可以识别并标注。

作为一项人工智能的基础型业务,澳鹏也身处国内 AI 公司的发展变迁。田小鹏称:过去,客户对于数据的要求是量大、价低;但现在,企业对用于深度学习的数据有了更高标准。

“要出海的 AI 公司(比如智能音箱)会要求语音/语义的数据更精准、语种覆盖更广、还要注意隐私;产业端的客户(银行、零售)则要提高数据的利用度,以挖掘出更多 AI 落地的需求。”田小鹏告诉 36 氪。

这些新场景、新需求,无疑成为澳鹏与田小鹏眼中的商机。虽然进入中国时间并不长,但田小鹏称,澳鹏的客户名单中已名列多位互联网巨头。“我们希望在 5 年内,达到 1 亿美金的营收。”田小鹏说。

Dirty Work

相比 C 端市场的一夜暴富神话,服务 B 端的 AI 公司,注定要经历漫长的等待。

为了找到 AI 合适切入的业务,深演智能花了近十年。在创始人黄晓南的规划中,千人千面的广告投放已经是老生常谈,随着客户对于数据治理、交易评估、营销预测等需求日益增多,深演研发出一套名为Alpha OS的操作系统,还改掉了沿用十几年的公司名称“品友互动”,因为“不像再被当作是投广告的”。

作为大数据营销领域的老兵,黄晓南对 AI 的局限性有着现实的认识。深演智能目前在做的,是帮助品牌方进行“啤酒和纸尿裤放在一起卖会更好”、“温度变化如何影响感冒药销量”的机器学习行为,黄晓南将其称为“决策智能”。

“我们只做决策智能,不会去做人脸识别之类的感知、认知智能。AI 就不是一个创业的赛道。”黄晓南说。她对 36 氪进一步强调:“要让 AI 发挥作用需要很多Dirty Work,都是没人干的活儿。”

什么叫 Dirty Work?黄晓南不假思索就能列出几条:先是大堆的人清洗数据,把字段一个一个对齐,再打上标签,还要设立作弊规则,最终为企业搭建起数据管理平台。

这些脏活、累活是 IT 升级中的基础工作,看似琐碎,重要程度却如同为高楼打地基。“你可以理解为我们在养一个机器人。”黄晓南说,“我们用了八年,给这个机器人不断喂数据、做决策、看反馈,到现在才找到合适的场景。”

这几乎是所有 AI 公司的必经之路。从技术突破、到场景落地、再到交付实施,当 AI 创业者走出实验室,他们既要学会直面市场无情的审视,也要接受在 AI 创业的酷炫概念背后,是枯燥无尽的Dirty Work。

实施交付则是 Dirty Work 的另一种展现。

“实验室做出来的东西,往往只解决了一个技术问题,但不一定能解决客户问题。”腾讯优图实验室总经理吴运声对 36 氪说。

以腾讯智慧社区的场景为例,虽然在技术上能做到人脸、人体识别,但不少社区晚上的灯光十分昏暗,摄像头无法识别抓拍人脸,这就需要在产品交付环节兼顾到补光的方案。

吴运声还透露,为了解决客户问题,优图更多是与腾讯云的方案绑定输出,除了优图主打的视觉识别以外,还集成了腾讯云的自然语义理解、语音识别、地图等功能。

尽管进入中国市场时间不长,但澳鹏中国已经完成了三层式的架构设计,田小鹏介绍到,目前澳鹏中国的组织底层是研发、上层是销售市场,交付部门则被放在了架构的中心

“空有一个好的技术并不够,客户的实施场景是很复杂的。”田小鹏对 36 氪说。

为此,澳鹏在对接客户时,会分层化解需求:销售团队带回线索,研发团队与数据科学家搭建模型、交付运营团队跟进客户需求,三方在交付的过程中不断完善基础平台、发掘场景,最终再把需求反哺给用户,形成正循环。

“研发和工程系统不一样,很多创业公司在组织设计上,会让科学家去当销售,让销售管交付,这就没办法生存。”田小鹏表示。

(头图由 36 氪拍摄。)

+1

好文章,需要你的鼓励

参与评论
登录后才能参与讨论哦...
后参与讨论
提交评论0/1000

请回复有价值的信息,无意义的评论将很快被删除,账号将被禁止发言。

下一篇

从生产、流通、到门店和消费者的全环节供应链管理。

2019-09-09

36氪APP让一部分人先看到未来
36氪
鲸准
氪空间

为你推送和解读最前沿、最有料的科技创投资讯

一级市场金融信息和系统服务提供商

聚集全球最优秀的创业者,项目融资率接近97%,领跑行业