人工智慧浪潮已至，李開復指出入局AI的四種方式

只要找對場景，哪怕是無人駕駛都能在當下實現商業化。

走過一個甲子的時間，人工智慧經歷了「三起兩落」。如今，人工智慧已經迎來了第三次浪潮。而在其中，我們看見了深度學習演算法、語音識別、計算機視覺、自動駕駛等技術的和行業應用在落地上的循序漸進，也看見了政府對於人工智慧產業的大力支持。比如不久前我國國務院發布的首個針對人工智慧的「國」字型大小文件——《新一代人工智慧發展規劃》，為人工智慧行業下一步的發展規劃提出了方向性的意見，包括「三步走」戰略、市場規模的預期等等。

人工智慧浪潮已至李開復指出玩家的四種玩法

「從創新工廠的角度來看，人工智慧將經歷四波浪潮：第一波是互聯網人工智慧，他們得天獨厚的得到大量的、已標註的場景內數據，美國的谷歌、Facebook和中國的BAT就是一個例子，得天獨厚；第二波是根據商業場景渠道數據，用這個數據根據商業流程來產生價值的公司；第三波就是做傳統企業的AI+工作，把真實物理世界過去不上線的數據捕捉並運用起來，來創造新的應用，像智能商店等等；第四波是AI整個動起來了，像機器人、無人駕駛等等。」在昨日於南京國際博覽會議中心舉辦的2017 中國人工智慧峰會」（CAIS 2017）上，創新工場創始人李開復如此說到。

在這段話中，李開復給我們描述了人工智慧發展中的四類浪潮。但是我們從另一個角度來看，這又何嘗不是人工智慧領域中，玩家的四種不同的玩法？與此同時，不僅僅是告訴我們人工智慧玩家的玩法，從投資者的角度來看，李開復還為這四種方式，或者說四種不同的領域做出了評價。

人工智慧技術產業化首先要做的是尋找一個應用場景

深度學習演算法、語音識別、語義分析、計算機視覺……這些都是人工智慧領域中我們耳熟能詳的技術。而基於這些技術，我們也看見了自動駕駛、機器人、「刷臉」支付等人工智慧產品和應用。其中，計算機視覺、語音識別等細分產業已經具備了相當的規模，可以說是實現了產業化。

相比之下，自動駕駛技術等等在產業化上就弱的許多，我們不禁疑惑了，在技術的產業化應用上，玩家應該怎麼做？相比於語音識別等人工智慧技術，自動駕駛或許在識別準確率上還需繼續努力，但當前的產業化真的不可行嗎？

事實上，這個答案是否定的。至於如何實現產業化，在技術、性能這一硬性要求之前，尋找一個合適的應用場景是非常重要的。

「AI最重要的是場景。中國人工智慧產業缺的不是技術和人才，而是一個好的場景來落地。場景的定義和細分會推動技術的提升，相反的，技術的提升也會催化場景的出現。」在討論人工智慧雙重驅動力的時候，曠視科技創始人、CEO印奇表示。

以人臉識別為例，在B端市場，安防、身份驗證等多個領域就是它實現價值和提供服務的場景。又比如無人駕駛，雖然技術上還需突破，在法律上也有著桎梏，但這並不妨礙無人駕駛汽車在封閉性或固定性場景中的低速行駛的這一落地和產業化，正如馭勢科技創始人、CEO吳甘沙所列舉的園區接泊車、倉庫中的叉車等特殊車種。

關於這一點，地平線機器人技術副總裁、首席雲架構師吳強以及圖靈機器人創始人、CEO俞志晨也有著自己的看法。吳強表示，地平線機器人致力於嵌入式處理器，但這只是基礎技術，只有圍繞應用場景來定製解決方案才能精準的滿足需求，才能形成規模化落地，繼而再達到產業化。至於俞志晨，依據自己在行業、應用場景中的摸索的經驗，他總結稱，只有深挖場景化，才能實現人工智慧技術在實際場景中的價值和服務。

我們可以看見，現如今的語音識別、計算機視覺等技術在性能上已經是相當的成熟了，但是從產業來看，這些技術的應用場景也只是被局限在那麼幾個領域之內。如此，從某一程度來講，或許那幾個領域已經發展的很成熟，但是這些技術的產業化還需繼續開拓更多的應用場景。

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！