精專路線催生場景爆發(fā)

由于“四小龍”等早期AI企業(yè)創(chuàng)立時間比較早，當(dāng)時人工智能還是一個較新的概念，因此可以利用人臉識別等通用技術(shù)在泛化層面產(chǎn)生許多應(yīng)用，這時各行各業(yè)對該技術(shù)的熱情也比較高。

經(jīng)過數(shù)輪融資和商業(yè)版圖擴(kuò)張，“AI四小龍”已經(jīng)在生態(tài)構(gòu)建方面做到了行業(yè)領(lǐng)先。目前的人工智能領(lǐng)域還在行業(yè)的最初期，對AI后起之秀來說，還有許多條路可以走。

于是，新一代AI公司，不再走泛化路線，而是走精專路線：利用某一核心技術(shù)，抓住某一行業(yè)中的具體問題，再用AI去解決這些問題。相比于早期AI企業(yè)“拿錘子找釘子”，新一代AI公司則傾向于“根據(jù)釘子來定制錘子”。

這個過程中，選擇“釘子”對于AI企業(yè)來說非常關(guān)鍵：一方面，團(tuán)隊技術(shù)背景要能夠與行業(yè)相適配；另一方面，該場景要能實現(xiàn)商業(yè)化。換言之，應(yīng)用AI技術(shù)后，要能切實影響企業(yè)經(jīng)營生產(chǎn)水平，并在財務(wù)回報上得到直接體現(xiàn)，客戶才會為此買單。

AI企業(yè)團(tuán)隊的技術(shù)路線，往往與團(tuán)隊成員背景密切相關(guān)。以“AI四小龍”為例，由于成立時間較早，當(dāng)時的AI技術(shù)大多由國內(nèi)外知名院校實驗室孵化而來。因此，其團(tuán)隊成員均來自斯坦福大學(xué)、清華大學(xué)、香港中文大學(xué)等世界知名院校，或微軟亞洲研究院等世界頂尖研究機(jī)構(gòu)。比如商湯就集結(jié)了來自世界名校的120余名博士生�？梢哉f，在通用型AI技術(shù)的積累上，AI四小龍占據(jù)了先發(fā)優(yōu)勢。

新一代AI初創(chuàng)企業(yè)創(chuàng)始團(tuán)隊背景往往更為多樣。主要由于最早一批從實驗室走出來的專家，已經(jīng)在各行業(yè)進(jìn)行了一些嘗試，積累了一定行業(yè)認(rèn)識和商業(yè)落地經(jīng)驗，他們的技術(shù)特色將更為顯著。

在場景落地方面，正是由于不同企業(yè)的技術(shù)路線不同，哪怕面向同一場景，解決的都是不同層面的問題。

以智慧交通為例，早期AI公司更多利用人臉識別技術(shù)做人車的結(jié)構(gòu)化，通過實時獲取每一輛車所在位置，起到打擊犯罪的目的；而像閃馬智能這類新一代人工智能企業(yè)，運(yùn)用的是視頻異常分析技術(shù)，從而準(zhǔn)確識別出路面上的異常行為，比如道路擁堵、交通事故、紅綠燈損壞等，從而起到城市治理、提升城市運(yùn)行效率的目的。二者在技術(shù)路徑上具有較大差異。

閃馬智能創(chuàng)始人彭垚表示：“對于企業(yè)來說，技術(shù)特性不同，在行業(yè)中將有著不同的強(qiáng)勢地位。比如具備大數(shù)據(jù)AI智能分析能力的企業(yè)，它可以更多從事政務(wù)大數(shù)據(jù)相關(guān)服務(wù)，給政府層面提供決策依據(jù)，而閃馬創(chuàng)始團(tuán)隊曾在七牛云、IBM積累了大量相關(guān)經(jīng)驗，因此通過視頻異常分析賦能交管行業(yè)，是我們所擅長的。”

至于最終選擇哪個行業(yè)落地，除與技術(shù)屬性有關(guān)，還與該技術(shù)能為行業(yè)帶來的價值有關(guān)。即AI技術(shù)，能否大大好于現(xiàn)有方式，倘若客戶沒有明顯的體驗差距，沒有實現(xiàn)效率的顯著提升，那么跨越價值去談商業(yè)化則毫無意義。

彭垚表示：“AI企業(yè)倘若對場景本身認(rèn)知不深刻，那么也解決不了任何社會問題�，F(xiàn)在有一些項目，如果我們認(rèn)為沒有推廣價值，沒有對這個行業(yè)效率帶來提升，我們也不會參與建設(shè)�！�

紅點(diǎn)創(chuàng)投執(zhí)行董事劉嵐也表示：“好的AI企業(yè)應(yīng)該告訴客戶‘你們付出可接受的成本，就能夠用AI技術(shù)創(chuàng)造價值，并且所產(chǎn)生的價值能夠為你創(chuàng)造收入’。這時候，客戶才愿意從他的收入中拿出一部分購買解決方案�！�

由此可見，對于新一代AI企業(yè)來說，選擇將自身優(yōu)勢技術(shù)與具有價值的場景相結(jié)合。即以某一場景為切入口，找到場景中的最佳解，為客戶提供可以計算的價值，并借此打動客戶，成為了較為通用的發(fā)展路徑。

當(dāng)技術(shù)路徑和聚焦場景已經(jīng)確定，那么，在商業(yè)化的過程中，企業(yè)該如何獲取行業(yè)Knowhow？在某一場景能夠穩(wěn)定輸出后，又如何向其他場景復(fù)制，從而獲得規(guī)�；�盈利？

殺手級應(yīng)用推動規(guī)�；�

AI技術(shù)的基礎(chǔ)，以及商業(yè)化價值產(chǎn)生，底層都是數(shù)據(jù)；要深刻認(rèn)知行業(yè)Knowhow，更是離不開數(shù)據(jù)。數(shù)據(jù)之于AI企業(yè)，就像燃料之于飛機(jī)，起到驅(qū)動作用。

正由于數(shù)據(jù)價值在整個人工智能鏈條中至關(guān)重要，就不難理解為何BAT、華為等企業(yè)能夠在云計算、AI、芯片等領(lǐng)域都能有所布局。這些巨頭公司憑借極強(qiáng)的滲透能力，在平臺上累積了海量數(shù)據(jù)，不僅能為自身業(yè)務(wù)創(chuàng)造價值；同時，其他企業(yè)需要數(shù)據(jù)時，需要接入他們的云平臺，它們從中又能獲利。

對于新一代AI企業(yè)來說，獲取數(shù)據(jù)的方式根據(jù)用途不同將有所不同。在工業(yè)場景下，企業(yè)往往需要深入現(xiàn)場采集數(shù)據(jù)，通過對數(shù)據(jù)質(zhì)量的嚴(yán)格篩選和把控，提升分析結(jié)果的準(zhǔn)確性。

以流程工業(yè)中的熱電行業(yè)為例，原材料投入設(shè)備中，將會產(chǎn)生一連串化學(xué)反應(yīng)，由于反應(yīng)速度非�？欤�生產(chǎn)過程難以控制。

為了提升煤炭能源轉(zhuǎn)換為汽電能源的效率，致力于熱電生產(chǎn)智能化的全應(yīng)科技，打通了從數(shù)據(jù)生產(chǎn)到分析數(shù)據(jù)的全鏈條，通過構(gòu)建模型不斷優(yōu)化工業(yè)效率。

全應(yīng)科技董事長夏建濤博士表示：“熱電行業(yè)已經(jīng)具備相當(dāng)完善的信息化基礎(chǔ)，因此熱電生產(chǎn)過程智能化的本質(zhì)，就是深度鉆研生產(chǎn)數(shù)據(jù)，再用數(shù)字化的模型在數(shù)字空間重構(gòu)物理空間的工業(yè)過程，這樣才能最大化發(fā)揮數(shù)據(jù)分析的價值�！�

另外還有一部分企業(yè)采取“借力打力”的方式，比如閃馬智能，創(chuàng)始團(tuán)隊成員曾是七牛云人工智能實驗室的創(chuàng)建者，與國內(nèi)領(lǐng)先的云計算服務(wù)商七牛云淵源頗深。由于具備七牛云背景，閃馬團(tuán)隊在早期便能擁有遠(yuǎn)超其他計算機(jī)視覺公司的視頻數(shù)據(jù)儲備，這也為其選擇立足視頻異常分析領(lǐng)域提供了強(qiáng)力支撐。

成功獲取行業(yè)數(shù)據(jù)，只是萬里長征第一步，至于要賦能行業(yè)，則需要進(jìn)一步形成“閉環(huán)數(shù)據(jù)反饋循環(huán)”。即從終端收集數(shù)據(jù)，然后訓(xùn)練模型，同時場景進(jìn)一步產(chǎn)生數(shù)據(jù)，這就形成了閉環(huán)的數(shù)據(jù)反饋循環(huán)，算法得以完善和迭代，模型將越來越準(zhǔn)確。

要實現(xiàn)閉環(huán)，不同企業(yè)具體采用的技術(shù)方式有所不同。閃馬智能通過的是“ATOM深度學(xué)習(xí)平臺”，一方面該平臺支持多種數(shù)據(jù)采集的能力，包括國標(biāo)攝像頭或一些標(biāo)準(zhǔn)的協(xié)議；另一方面具備七牛云、阿里云、華為云等跨平臺融合能力。當(dāng)算法訓(xùn)練完成，再通過另一大核心平臺VisionMind進(jìn)行分發(fā)，從而形成閉環(huán)。