发布时间：2021-11-9 分类： 行业资讯
1943年，美国生理学家迈克路和理论学家皮茨建立了神经网络简化模式，激发了人类对人工神经网络的研究。七十多年后，在以此为基础发展起来的半导体和互联网技术中，AI技术渗透到人们生产生活的各个角落。
AI技术的革新和应用不是一帆风顺的，特别是在过去的一个时期进行的。AI产业在繁荣的同时，在进步的过程中也有很多疑问的声音。比如AI真的能带来生产力的提高吗？AI商业化的前景能经受考验吗？
最近，2021 WAIC世界人工智能大会按计划召开。本次大会是第四届，许多世界顶尖的AI企业集中展示了AI技术的发展、应用的最新成果。AI未来的发展方向和商业化前景也更加清晰。在这次的世界人工智能大会上，什么样的AI产业的发展趋势变得明显了呢？可以深究。
AI革新的着陆路径：AI算法的规模化扩散
从工业革命以来经济增长的历史来看，技术进步主要由少数关键突破技术推动。这些技术都是通用技术。例如蒸汽机、电力、信息技术等。但是，通用技术只有全面的技术扩散、深度渗透到经济结构各方面，才能使生产力发生质的变化。
以互联网为例，最初的互联网诞生于1969年，但是从1983年开始，民用互联网逐渐发展起来。现在，互联网已成为社会基础设施，在发展过程中，互联网大型企业诞生，促进了许多传统产业生产力的发展。
AI也是。
技术扩散是怎么发生的？第一，新技术对生产力有显著的提高作用，第二，技术本身的生产可以规模化。目前，AI生产力的提高已得到不断验证，无人工厂已在各个领域开始初步应用。问题在于技术生产本身的规模化。
也就是说，AI技术和产业端的融合发展，在技术的进化中出现了新的特征，AI技术的革新性发展，来到了新的融合扩散阶段。
这是
在AI扩散到各个行业的过程中，除了技术的先进性之外，AI自身的生产需要考虑更多的成本因素。
对于很多行业来说，AI技术在广阔的范围内落地不仅是技术问题，也是成本问题。过去几年AI的“精细计算”模型，其实是人力密集生产的模型，AI技术本身的生产很大程度上依赖于人力。因此，在技术上，高成本性能的算法开发是业界的共识。
另外，AI不是单纯的技术，而是一系列技术的组合，由于AI场景越着地，算法越多样化，所以规模化的通用算法的生产能力是人工智能规模化着陆的前提。反映AI三要素发展的趋势，通用算法的发展促进了基础计算力的增长，在技术着陆过程中也要求算法模型的生产成本进一步降低。
另一方面，在AI技术的扩散过程中，明显的通用化、长尾化倾向被发现。
在AI落地的过程中，在规模化的引导下数据变多，AI模型越来越通用了。AI技术落地，更重视实际场景的需求，出现越来越多的长尾需求。长尾需求频率低，但长尾规模优良，同样具有较大的商业价值。AI在长尾的着陆是AI技术、大数据技术价值闭环的关键。
从本次的2021 WAIC大会开始，AI制造商就AI着地的新变化开始展示解决方案。
在这次世界人工智能大会上，商汤科技又在网上召开了行业论坛。展示了SenseCore商汤AI装置这个新的基础设施。可以促进AI技术的规模化。
商业汤CEO亲自介绍了AI的大装置。一共包括三层。AI芯片+人工智能计算中心+AI传感器组成的计算力层。数据平台+训练平台+推理展开引擎+模型生产平台组成的平台层。由算法工具箱+开放源帧组成的算法层。拥有大数据、大模型和强大计算力的“三位一体”的AI大装置，在各自的应用场景中AI技术着陆。
实际上，AI的大装置被认为是下面的系统，通过不同行业的需求加载不同的AI能力，实现AI对某个垂直行业的推进。
AI的大装置已经有几个应用事例。例如，在城市管理领域，商汤科技与上海市长宁区合作，在江苏路街道试行的AI+一网管，构筑了多场景AI城市管理系统。
对于行业的发展来说，这个AI的大装置对AI行业的意义，现在还不能判断，也许它不输给当时福特车型T对汽车行业的意义。但是，AI的大装置作为业界软硬一体的基础设施，现在也在AI技术的各个领域提供着大规模的工业化生产和融合的可能性。
另一方面，能够满足以低成本规模化的AI技术的生产需求，能够实现通用AI技术的大量输出。另一方面，大装置本身通用性强，适用于各个垂直领域的AI技术的融合应用。这也将进入推进AI行业的“指数增长”阶段。
RayKurzwei曾经写过“接近奇点”。这是为什么人们往往高估短期实现的目标（因为我们常常忽略必要的细节），容易低估它们（因为忽略了指数增长）。
“在整个库存时代，如何挖掘更细致的价值，挖掘技术价值是时代的重要性商汤制造出AI的大装置具有一定的时代性”长期关注AI领域的分析家刘轩（假名）对网络江湖团队说。
从长期主义的观点来看，对于AI技术的发展来说，“工业化”的AI生产也许是未来AI技术、产业成长的关键。在最新一代AI业界有基础设施的时候，对于业界来说，也提供AI技术大规模商业化的基础。
技术壁垒也是商业壁垒，将来的商业化也是可能的。
从近几年AI行业的发展来看，商业化是发展的主轴。现在，技术革新的初级阶段AI技术也比以前强调了场景应用。对于行业顶尖企业来说，这可能意味着即将进入商业化密集着陆阶段。
随着AI商业化的出现，低维向应用程序收取技术服务费，AI企业在AI落地阶段，倾向于发挥“技术服务业者”的作用。高维商业化是基于更多的技术来构建AI商业生态的。
送人的玫瑰，给人一种很好的香味。对于AI企业来说，想变大的不仅仅是考虑自己赚钱，而是如何为企业分配能量，释放AI的价值，实现自己的商业化。
其中核心有2点，1：找到正确的落地领域，2、构建正确的商业生态。
正确的字段是什么？实际上，这是一个可以明确范的效果的领域，另一方面，给B端和G端的客户留下深刻的印象，另一方面，AI真正深入这些领域，能够解决传统方法难以解决的痛苦。
例如，在智慧医疗领域，AI技术作为诊疗的一环，通过AI辅助诊断覆盖胸部CT、胸部X射线、心脏冠脉、肝脏、病理、骨科等多个科室。运营方通过AI数字人进行分诊、诊疗，提高医院的运营效率。
AI企业在这种垂类领域的商业影响力越强，就越有利于AI的多元化定位。随着AI技术在各个垂直行业落地，可以构建辐射多行业的商业生态。
那么，怎样构建正确的商业生态呢？
微软发力人工智能曾与卡车失之交臂。例如，微软开始开发语音助理娜桑的时候，我以为亚马逊的技术落后了，但是亚马逊选择了用Alexa构筑商业生态。微软的Cortana由于微软移动作战失败而逐渐被超过。
对于中国的AI企业来说，通过对AI基础研究和基础研究持续深入，技术上经常能在行业的最前线构成技术性的竞争力。另一方面，通过AI技术不断着陆，确立自己的生态，形成商务上的竞争力。
要做这个，首先需要建立技术障碍。技术壁垒总是第一壁垒，围绕核心技术壁垒，可以逐渐展开第二层商业壁垒。AI的大装置无疑被商汤视为技术上的核心竞争力。
商业汤将强大的计算力、平台、算法系统纳入其中，再建立一个现代流水线的AI工厂，激发行业过渡式创新，加速AI落地各产业。
大装置完成后，技术壁垒将成为商业壁垒。
对于AI大工厂来说，核心在于AI能力的产品化、标准化和复制化。技术能力的输出是有效着陆的模型。对于业界来说，这可能意味着AI的规模化落地有迹。AI规模化的生产成本越低，商业化也就越有空间。
如果AI技术想发展，技术越强，就越需要较大的商业网络来满足AI自身进化的需要。AI的特性是越用越灵活，商业化确实着地，意味着未来会有很多着着着着着着着着着着着着着着着着着着着着着着着着着着着着着着着着着着着着着陆的场景。
反过来看，AI的着地效果好的话，商业化会更加固定，AI的商业化也会进一步发展。
另外，从成本控制的观点来看，技术的进化能力决定了技术成本是多少压缩的空间。AI着地产业越多，就越顺利。前期技术开发的成本有压缩空间。
换言之，如果参与AI商业生态的企业多了，前期的研发、投入成本就会被更低的分配，从而扩大企业的渠道，将来的商业空间也会更大。这样的商业空间也反映了AI企业自身在一级市场和二级市场上，构成了AI企业价值的基本面。
AI企业的价值不是一成不变的。分析人士刘轩表示，“国内将AI的生产能力规模化的企业不多。随着各行业数字化的推进，AI生产能力对市场规模化的需求进一步提高，这些AI厂商的价值也将迎来重建的机会。
