今天不AI 明天被淘汰

AI近幾年首先在與互聯網緊密相關的互聯網企業、電商、新聞網、移動APP等方面獲得蓬勃發展。很難想像，如果沒有AI、沒有大數據，淘寶將需要多少人工成本才能管理成千上萬的商家，新聞網站將需要多少編輯才能根據你的瀏覽記錄推薦給你喜歡的信息。

最為重要的是，每個用戶看到的推送內容還不一樣，是「千人千面」，而不是像之前傳統的標準化統一界面。也就是說AI實現了規模化的個性化服務，而這樣的事情如果通過傳統人工去做，耗費的成本將高得嚇人，但如果應用AI，就可以讓機器自動的去學習去完成。

由此可以看出AI所帶來的幾個重要意義：

AI極大的提高了效率。因為AI可以讓機器可以像人一樣快速學習，甚至比人在很多領域的效率提升速度更快。因此我們會看到AI積極推進應用者如百度、騰訊、阿里巴巴的服務效率、服務水平和滿意度會比傳統的石油、化工、建材、家政等高得多。

實現了傳統中難以達到的規模個性化服務，可以滿足海量客戶的各種需要。比如搜索引擎，它可以根據用戶的搜索歷史以及個人性格特徵和背景資料，顯現出符合你個人口味的相應內容，且越來越精準。

在為海量用戶提供個性化服務的同時，相應成本並沒有提升，這是非常重要的標準，否則不可能達到今天的規模，也無法具備強大的盈利能力。

AV行業的AI意願不強

既然AI可以帶來如此大的好處，那就趕快在專業AV上用起來吧。但事實上，我們發現AV行業對於AI的應用意願並不強，為什麼呢？

首先，大多數AV公司高層並沒有意識到AI對於公司發展的重要性，也就是沒有找到通過AI實現盈利增長或大幅提高效率的點。通過傳統人工進行生產營銷、了解需求、預測決策仍然是目前的主要方式。

其次，專業技術知識和相關人才的缺失。目前中國只有不到 30 所大學的研究實驗室專註於AI，輸出人才的數量遠遠無法滿足AI企業的用人需求；而中國的AI科學家大多集中於計算機視覺和語音識別等領域，造成其他領域的人才相對匱乏，其中能將AI知識轉化為商業應用價值的人才就更為緊缺。據報道，國內一家晶元廠商意識到用AI分析製造測試過程中的大量數據，將有助於改進生產流程並降低殘次率，但由於缺乏既懂半導體技術又懂AI的人才，這一想法至今沒能付諸實施。此外，應用AI也需要企業決策者和中層管理者學習相應的新技能，否則就無法對AI產生認識並付之行動。

再次，實施成本較高。AI並不是一蹴而就的，它需要相當時間進行論證、進行數據的收集積累、演算法的優化和系統迭代改進；需要投入不少資金進行分布實施、購買系統工具、高價聘用專業人才；需要花很大精力說服用戶接受較高的AI產品價格並願意提供信息反饋數據。綜合核算成本，對於企業來說並不合算。尤其是在人工成本較低時，引入AI技術、提高效率、精簡人工流程的需求就更顯得不那麼迫切了。

不重視AI 終將落後

儘管AI在AV行業還沒有顯現出極大的威力、或者說還沒有產生殺手級的應用，但還是建議業者應該重視起來並開始著手做準備。為什麼這麼說？因為這是一種趨勢，一種你無論願不願意，它都會到來的趨勢。它的效力十分強大，當它真正發揮出作用時，所形成的優勢會讓未實施AI的對手幾乎沒有還手之力。百度李彥宏甚至用「AI思維做產品，就是降維攻擊」來強調AI的重要性。

「AI帶來的優勢與傳統完全不同，它是疊加型的。」阿里巴巴前執行副總裁、湖畔大學教育長曾鳴表示。

他的理由在於：

AI通過對大數據的分析整理判斷會變得越來越聰明，因為它是7*24小時不間斷的學習，所以這種學習效應是乘法疊加的，遠超於傳統的低效學習方式；

AI所需的數據跟物質有一個根本差別，就是數據複製和使用的邊際成本近乎為零，因此數據信息可以非常快地在網路上傳播，而數據傳播使用過程就是一個增值過程。如誰看了，有多少人看，本身就具有很大的價值，如果這個人再點個贊、寫個評語、轉發一下，整個數據信息的價值就更加以幾何級數上升。這就是為什麼任何互動產品的設計都非常有價值，因為它是通過數據信息的消費，變成了數據信息的再生產和再創造，從而產生出更具用戶視角的產品價值。

所以AI領先的企業具有的優勢疊加優勢產生的效能提升是非常巨大的，這也是當淘寶、京東這些AI互聯網企業起來的時候，它對於傳統商業機會是碾壓式的原因，因為它所創造的價值和量級完全不一樣。

當前AV行業，基本上還是人工決策、機器執行的方式。而AI則是機器決策、機器執行，這意味什麼？這意味著AI將會取代相當部分人所做的工作，這也是很多人恐慌今後會不會失業、某些行業是否會消失的憂慮所在。事實上也確實出現了這樣的苗頭：如阿里巴巴和京東的線下無人結賬超市已經開始試運行；有些餐廳實現了自動點餐和機器自動送餐的服務；地鐵、飛機、汽車等無人駕駛正在試運營；富士康智能自動化無人工廠的的出現。這都讓與之緊密相關的職業如：收銀員、餐飲服務員、駕駛員、工人等崗位面臨著被取代的危險。

然而這又是無法迴避和避免的事情，因為這是趨勢，無論是企業還是個人，只有順勢而為，認同AI、應用AI，才能生存下去，否則就會被對手的「降維攻擊」打得落花流水。

當然現在說純粹的機器決策，還為時尚早，但機器在決策中所佔的比重一定會越來越高，今後一定會有越來越多的環節會由機器來做決策。可能有人覺得，AI與之前的BI商業智能差不多嘛，其實完全是兩回事。不少企業的BI部門，它的任務是分析數據，提供決策支持，服務的核心人群是高管，而AI強調的是運營決策直接由機器決定，而不是人，這是非常重要差別。

比如淘寶有近百億件商品、上千萬個商家，如何給用戶展示商品？不可能由人來做，也做不了，只能是由AI來做。所以很多複雜的業務，在傳統形式下人是不可能完成的，只能在新的運營模式中由AI來實現決策。今後公司進行決策時可以增加一個評判標準：就是原來由人做的環節，能否被AI取代，如果能做到，就是效率的一次飛躍。

如何啟動AI

對於傳統企業向AI企業升級，曾明給出了幾點指南，我認為對於AV行業也是適用的。1、儘可能的網路化；2、儘可能地引入機器學習的效應；2、在網路擴張中，儘可能的用機器決策取代人工決策。4、能否讓自身數據與更多的不同類型的數據產生交換，能是否能創造出另外的價值。

毋庸置疑，今後會有越來越多的設備會與網路連接，直至所有。這其中也包括現有的AV設備：如投影機、平板、揚聲器、矩陣、會議系統等等都無一例外。AV網路化的意義不只是設備可以實現網路連接，設備與設備之間互聯互通，更重要的是可以通過網路獲取大量的、廣泛的數據。AI之所以稱為人工智慧，就在於它具備了從數據中挖掘知識、學習知識的能力。

此外AI要發揮作用，數據的質量和數量必須達到一定要求，如果達不到一定的規模，其AI鏈條是打不通的。如阿里巴巴早期規模達不到的時候，就很難啟動競價廣告、金融、菜鳥物流等。因此只有充足的數據才會極大提升AI設備學習人類想法和感受的效率，加速學習曲線，並提高數據分析的自動化能力和準確度。過去AV行業獲取的數據有限，而且數據樣本也並不總是真實數據，而通過網路化，可以大大緩解這方面的不足，極大的推動AI在AV的落地應用。

獲得數據後如何進行AI應用是一個難題，現在很多AV企業之所以不積極的原因之一，就是不知道如何應用。事實上很多行業都存在這個問題。AI問題的複雜性之一就在於結果的不確定性，而具備AI背景的產品經理也非常少，不能夠很好地判斷價值與方向，進而導致相關產品或項目的擱置。

這就涉及到人才引入和培養的問題，如果企業內部沒有了解AI的經理人，那快速的方法就是空降引入，同時可以嘗試鼓勵優秀的AI科學家和工程師去主導相關產品的開發，在業務的指引下，充分發揮專業人才的積極性，探索可行的方向。

在此列舉幾個可應用的環節，希望對行業有所啟發。如：AV企業可以利用AI提高生產效率和良品率。過去生產中出現問題，主要依靠人工分析尋找原因。通過AI機器學習可以以遠勝人工的速度完成這項任務，其演算法能夠篩選成千上萬的數據點以找出殘次晶元的共同特徵。同時AI還能通過測故障、找出瓶頸, 優化演算法，對供應鏈、物流工作流和布局進行了改造，使之更為高效，從而為自動化流程和決策創造出巨大效益。

此外，利用AI還可以使產品更符合用戶需求。之前的產品設計需求，主要通過人工調研、交流、訪談、各種行業預測或調查報道獲得。現在通過網路化、數據化，就有了新的玩法，可以根據產品設備傳輸回來的大量真實用戶的使用結果和記錄數據，從中尋找規律，識別出不同紀錄的可能含義以及對應的需求問題，從而提煉出需求建議和決策。

另外，AI還能用於提高銷售效率。據報道，Udacity的AI聊天銷售支持系統可以讓銷售人員效率提高54%，一次可以服務兩倍的客戶。

公司創始人Sebastian Thrun表示，他發現一些銷售人員在回復聊天時要比其他人更加高效。於是就把他們的聊天日誌作為訓練數據進行收集，有互動的被標示為成功，其他的則標示為失敗。

使用這些數據成功的銷售人員會反饋到系統中，以促進其銷售人員使用，經過1000個訓練周期，銷售人員的效率提高了54%，一次可以服務兩倍的客戶。如今AI聊天銷售支持系統已經可以實現自我迭代並可以實時給銷售人員提出提高效益的建議。

總 結

通過本文一些拋磚引玉的觀點，希望可以引發AV行業對於AI的重視，認識到這是一場變革，一個必然的趨勢。最後用一個事例來結束本文：如今中美兩國都在研發第六代戰機。那麼第六代戰機的核心技術是什麼？就是AI。

通過人工決策和AI技術的結合，一架有人的戰機可以指揮多架無人機集群聯合作戰。在AI技術的引導下，軍事上先進與落後的差距將會成為碾壓的存在，充分利用AI的自動武器將會碾壓人類操作的武器，就好比火器成熟後碾壓冷兵器一樣。火器從可用走向成熟，需要上百年，但AI的成熟，大概不需要這麼久。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！