数据先行迎难而“下” 才是AI革命的正确打开方式

在“M-TECH主题论坛”苏州站会议中，无论是专注于前端成像芯片的眼擎科技商务总监代勇，还是致力于人脸识别研发与服务的云从科技高级副总裁孙庆凯，都不约而同得谈到了一个话题：怎样让AI技术真正落地，为整个产业赋能？

智能的开始，源自应用场景的“数据”

提到“智能”，AI领域的标志性人物Michael I. Jordan就曾直言不讳地给出否定：“我不喜欢用‘智能’这个词，我认为我们现在还没造出‘智能’，也不知道‘智能’是什么。”

尽管“智能”一词盛行，但要在真正意义上实现它，并不容易。以发展成熟的智能音箱为例，连美国官员都在吐槽其“智障”。显然，用户用实际态度告诉我们，现在的AI产品还没有达到我们心中对“智能”的定义。这也导致了从去年就喊起的“AI赋能”口号迟迟未能落实。

“机器要想像人类、动物一样智能，首先需要做的就是获得大量知识。”Michael I. Jordan说。

众所周知，这里的“知识”指的是有价值的数据，而它也是当前AI企业在做任何研究和产品之前所必须的“养分”。

对此，孙庆凯就在会议中特意介绍了他们的数据库--云从大脑：

“云从大脑就是基于智力资源构建的，这些资源来源于海内外的专家资源和重要的平台资源。如我们在美国有两个很重要的分支机构；在国内，我们也和公安部一起合作搭建了应用平台，并与公安部、四大行和民航总局建立了联合实验室。这些数据可以打造真正的 云从大脑，以用于提高识别的精准度。”

迎难而“下”，深入行业

尽管都知道数据极其重要，但是却没有几家公司真正投入到数据挖掘的事业中，这一点在现有AI产业发展上表现得尤为明显。

谈及AI产业链上下游的企业，人们喜欢将更多的目光投射在上中游的芯片、算法大公司，因为它们代表着真正的技术和未来。甚至连AI独角兽它们自己都常常忽视了最接近用户、产品端的下游产业。

但随着AI产业退去热潮，资本也逐渐趋于冷静，此时，注重商业化落地、AI赋能被提上了日程。2017年7月，国务院也迅速做出了反应，发布了《新一代人工智能发展规划》，并在十九大中强调将人工智能和实体经济深度融合。

值此之际，在行业发展上，孙庆凯结合自身企业的发展给出了建议：“只有深入行业，深入到各种应用场景中，我们才能够真正了解行业的需求，做出真正的解决方案。对上游厂商来说，这也是真正的解决办法。”

在这一点上，眼擎科技与云从不谋而合，它也是通过打入下游的方式，探索行业的真正需求。其产品--前端成像芯片，就是上下游交集的产物。他们通过收集和处理前端数据，并用高质的信息来优化自己的芯片设计。

“我们自己开车，有这样的体验：两边有路灯，汽车有大灯，前方的行人肯定能被驾驶员看见。但对于机器，情况就有所不同。只要机器本身的识别能力不够，就做不到像人类一样轻松判断。”

而这是只有贴近前端才会发现的问题。

“这时如果不解决其在日常生活中弱光、逆光、反光灯环境的自适应成像能力问题，AI视觉产品就无法大规模落地。”代勇表示。

产业化落地，现在的首要难点在哪里？

其实前端成像只是众多行业里一个微小应用场景。尽管大家一致认为要通过场景的应用倒逼产业的发展，但要实现技术的产业化落地，AI巨头们不仅需要耐下心来走入行业，更要根据行业的实际发展情况找准正确的切入点。

事实是，因为发展速度的不同，监管力度的差异，各个行业（如金融、医疗、电商、教育等）正在经历的智能化阶段不尽相同，因而其数据可利用的程度也是参差不齐。

在众多细分化场景下，金融、电商无疑是数据最为成熟的领域。无论是从监管层面，还是数据积累上，它们都足以支撑AI产品和技术的发展。以金融领域为例，中国的金融体制已经改革，并建立了一个相对完善的征信和信用体系，所以现在金融科技企业可获取的数据几乎是透明且相同的，因而他们的重点自然就落在了AI应用产品的探索上了。

而与此同时，医疗领域却正在经历一个“跑马圈地”的阶段。对此，专注于语音识别及语言处理技术的云知声？创新事业部总经理陈吉胜就毫不避讳的指出：医疗最重要的就是数据。

“我们为了拿到相应的数据，做了很多努力，无论是跟协和医院，还是和平安好医生的合作，包括和平安好医生成立合资公司，都是希望双方在数据方面进行更深入的共享。”

至于教育，因学生的行为极其复杂，目前甚至还没有一家公司可以找到合适的方式去定义它们，真正“智能”的教育机器人就更加无从谈起。

总结

数据统计显示，与没有使用大数据、云计算的同行们相比，采用这些技术和移动战略的企业发展速度要超过其53%。

当人人都想脱颖而出时，真正的AI企业们应该耐下心来投身到自己所在的行业中，去探索数据中不为人知的秘密，从而设计出真正适合人类使用的产品。