關於人工智慧商業化的思考

自16年Alpha Go擊敗世界頂級圍棋高手之後，人工智慧得到各界的關注。相對而言，人工智慧的有趣性體現在兩點：一方面，人工智慧本身就是發展六十餘年的學科，涉及計算智能，感知智能和認知智能等；另一方面，跟「互聯網+」類似，人工智慧也可與其他行業融合，扮演著賦能的角色，讓其他行業降本增效，形成「AI+」。所以，整個人工智慧商業化是圍繞給其他行業賦能而展開的。本文從幾對英文單詞出發來探索關於人工智慧商業的思考。

1) Vertical + Horizontal

人工智慧技術的商業化是從兩個方向同時進行的，一個是Vertical（縱向），另一個是Horizotal（橫向）。

縱向是指AI技術和金融、交通、零售、製造等行進行深度融合，解決行業內問題，加速企業數字化轉型和產業升級。而橫向是橫跨不同行業，改進不同行業的業務流程，如銷售、市場、客服、人力資源等，進一步提升效率，更好的賦能，比如：銀行和電信運營商都可用智能客服來減少運營成本，不同類型公司也可採用基於人臉識別技術的智能門禁系統。

2)Criticality + Data

人工智慧在不同行業商業化發生的時間表與兩個因素有關：是否容易收集相關數據，和對於AI技術要求是否嚴格。

無人車和智慧醫療的應用場景對人工智慧的準確性要求都非常嚴格：無人車出錯了，就是交通事故；而AI看錯病了，會出醫療事故。在這些非常嚴格的場景里，AI商業化的到來肯定會晚。同樣是無人駕駛技術，但應用到封閉的倉儲物流領域，對無人叉車的要求就相對寬鬆，因為封閉的環境里安全性更容易去掌控。

另外一個重要維度是數據，機器學習演算法需要海量的數據進行訓練，數據是人工智慧商業化的原料。越容易獲取數據的行業，人工智慧商業化就更容易實現。而在互聯網行業，用戶的線上行為天然的成為機器學習演算法訓練的數據，所以人工智慧被廣泛的應用到互聯網產品中去，如：搜索、推薦、廣告等。與互聯網類似，人工智慧的商業化也會形成數據、演算法、產品三者不斷迭代的滾雪球式的閉環。數據越多，訓練出的演算法模型越好，從而產品的體驗越好，吸引更多用戶，進而收集更多的數據。

3)Value +Cost

《窮查理寶典》中，有個理論：「在手裡拿著鎚子的人看來，所有的東西都會是釘子」。因為有鎚子的關係，遇到任何問題，都會先想如何用鎚子解決。久而久之，陷入了一種思維定式。AI大熱之後，很多從業者遇到什麼事情，都考慮要用人工智慧，可能會為了人工智慧而人工智慧。

人工智慧商業化的價值（value）本質上是降本增效，給公司增加多少收入或減少多少成本。給公司增加的利潤才是AI的價值所在。如果利潤都cover不住技術成本就得不償失了。

4)Hardware + Software

軟硬結合是人工智慧商業化的一大趨勢。AI會擁有越來越多的硬體終端，對環境進行感知與交互，如：攝像頭、機器人、穿戴式設備、無人機、自動駕駛汽車等。放眼全球的AI市場，谷歌、亞馬遜、蘋果都陸續推出智能音箱新產品，語音領域的軟硬結合已經開始落地，國內公司也紛紛跟上。越來越多的AI公司會通過軟硬結合方式向外輸出AI能力。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！