曠視科技謝憶楠：用「技術+場景」雙輪驅動AI產業化

至頂網個人商用頻道 09月20日 北京消息：在剛結束的第九屆中國（天津濱海）國際生態城市論壇暨2018中國國際數字經濟創新峰會上，曠視科技副總裁謝憶楠接受採訪時表示，前兩年的人工智慧市場呈現百花齊放的局面，但現在市場趨勢冷靜，已經走入人工智慧第二階段，從早前的技術+投資開始嚮應用行業落地。

未來，AI產業化將是雙輪驅動，即是技術+場景。關於第一點技術，謝憶楠進一步解釋，這個技術要滿足兩個條件，是否能夠解決這個行業的問題，且這個問題是不是一個本質性的問題，關於第二點場景，一定是要成熟的、能被接受的場景。

此外，在曠視科技一直有一個價值觀是信仰＋務實。「曠視科技一直堅持兩件事，第一堅信人工智慧這個技術一定行，並且未來會成為一個新的底層技術；第二是人才培養，曠視的人才堅信於自己培養的體系」，謝憶楠表示這也是曠視科技的核心競爭力與優勢。

以下是曠視科技副總裁謝憶楠接受採訪的文字整理：

謝憶楠：第一，人工智慧市場確實熱度已經不像之前的高了，所以我們可以從幾個點，不管是視覺還是聽覺，向幾個確定的領域已確定的公司去聚攏。前兩年是百花齊放的局面。人工智慧已經過了一個階段，你再發育自己技術的這段時間已經過了。如果你還是以做技術為主的話就沒有太大發展了。你必須給企業或者行業帶來某些價值，這樣的話才有上升空間。所以AI有這種叫AI＋，有AI這個AI那個大家已經覺得你把人臉識別出來，你說你做了一個智能的攝像頭，然後你說你做了一個機器人，大家肯定會多問一句話你用這個機器人準備做什麼？所以我覺得人工智慧應該是到了第二階段。

謝憶楠：我們一直說AI產業化是雙輪驅動的，哪雙輪呢？一個是技術一個是場景。任何去把這個東西比如說像您說的產業化，其實都離不開這兩件事。第一件事是這個技術是不是足夠能夠解決這個行業的問題，且這個問題是不是一個本質性的問題。比如說人臉識別在金融領域裡面可能是一個本質性的問題，因為它跟身份驗證。但人臉識別在遊戲裡面，它沒有解決一個本質性的問題。你有或沒有其實無所謂。這是技術本身是不是對行業能夠解決本質性的問題。

第二個場景，這個場景不成熟。自動駕駛可能在這一兩年內的技術確實得到了飛速發展，但是一兩年內場景的需求發展其實沒有跟技術一樣。它必須得有一個交集，多少人願意說我坐在車上沒有方向盤我就敢天天坐？這個東西其實它是一個叫「體驗感」還沒到那個地步。我們現在比如把時間往回倒一百年，你跟老百姓說你把錢存在手機裡面，他們就覺得瘋了！現在大家看起來是一個非常普遍的事情。但是一百年前或者五十年前的話他就會覺得你這絕對是在騙我，怎麼能放在這麼一個小匣子裡面呢？所以數字經濟其實就是這點。數字經濟也不是你現在提和之前五十年提，它一定是到這個趨勢這個場景滿足了我們才可以提。所以任何一個AI和行業結合變成行業基本人工智慧的話都要解決兩個問題。就是你的技術你的本質，第二件事的話這個場景成不成熟，真的需要這些東西嗎？或者接收這個東西嗎？都要去問這件事情。

提問：正如您所說的其實現在AI跟某些這種行業場景的結合其實會產生巨大的這種效益也在裡面，或者價值出現。那您認為我們曠視科技在拓展這些行業的過程中我們的一個優勢是什麼？

謝憶楠：還是回到剛才講的叫技術＋場景。曠視有一個價值觀技術是信仰＋務實。當然這不是被明確列為價值觀，但這是曠視最本質的東西。曠視一直堅持兩件事，第一我們堅信人工智慧這個技術一定行，並且未來會成為一個新的底層技術。所以我們在這上面不斷做自主研發的產品。比如說我們並沒有說止於做開發平台，而是做了一套人工智慧的演算法系統。有了演算法系統你能夠向下延伸很多東西。比如說之前中國想推晶元，為什麼推不了？是因為在整個計算機這個領域裡面的話X86這些架構，這套系統都已經被佔用了，人家的知識產權。所以你再往後延伸任何晶元硬體也好，這些東西都不行。所以我們就要做最底層的那套演算法和系統，這個很關鍵！你做了這個演算法系統的話你能做兩件事情，第一件你能把演算法跟現在邊緣計算，基於每個邊緣的設備，因為它的功耗不一樣，使用不一樣，需要的演算法也不一樣。你能不能夠把這個演算法塞到演算法裡面來？所以這件事的話如果你自己不會做的，你不可能任意變化這個演算法的形態。

比如說我不可能說我把現在雲上計算的一個大的引擎塞到手機裡面。我交付的時候是不是能交付成一個組件加一個模組，或者加一個硬體，我們就是一個大的硬體。所以很多邊緣計算裡面都需要我們植入AI，這裡面最關鍵的AI晶元，AI組件一切具備AI感知能力，這就取決於之前的哪些東西。中國企業求快，所以它就會用別人開放出來的一套系統做自己的演算法。我可以解決這些東西，到最後你會發現真正落地的想去做大事的時候，這個系統是不行的。所以你就辦法做自己的晶元也好，設備也好。所以很重要的你的演算法系統是不是自己的。

第二是人才，大部分的人才其它公司的這個方法一般來講是我引進，招募空降很多高水平的人才。但曠視基本都是自己培養。一路被曠視培養成為一個合格的科學家，從一個天才。所以曠視的人才堅信於自己培養的體系。人才這件事情的話就剛才講的，AI技術非常好但也要場景理解，所以你在做演算法的過程中一定會給你最好的環境讓你感知行業，讓你成為行業的專家。這樣出來之後你可以說你是AI的演算法專家。如果沒有場景的話你的演算法只能算一個科學家，但你真的能解決這個問題嗎？不見得。所以人才這塊的話曠視是有自己的優勢的。另外一塊叫價值務實這件事情，AI到每一個行業裡面都要解決它最本質的問題，就是你有沒有給它帶來叫創新或者革命，所謂的創新革命聽起來可能很虛，實在一點的話就是降本增效。一個工廠現在物流的倉儲原來需要兩千人，現在需要三百人，效能單人的效能提高兩倍，貨品到人的時間縮短了60%，這就是效能的變化。你的AI並不一定說我為了AI而AI，而是因為你做這個AI你的指標就產生了很大的影響。所以這是我們講的所謂的新動能，因為有了技術而讓它的一些核心運營指標得到了顯著的改變。

比如說在公安領域裡面我們有破案率提高多少，我們破案時間降低了多少。在零售裡面它的評效因為做了智能零售這塊東西，評效提高多少？人效提高多少，這是人工智慧企業真正要去做的事情。而不是為了AI做AI，所以我們要堅持你到這個行業裡面要去為客戶提到最大價值，就是我們能夠為AI給你減少了最大的成本或者提升最大的效率，這件事是我們一直所堅持的一件事情。所以這個東西是一個準則，就是如果你做一個行業裡面，對企業對行業對客戶沒有價值，有些產品可能是說看上去很炫，對於行業來講的話好像解決不了什麼問題。所以這是曠視我覺得在這個行業裡面能夠叫產業公司兩個最基本的，叫戰術和思想的指引。

謝憶楠：算力如果你要單純的算力高低的話其實有錢就高了，代表了你顯卡的數量。所以我們不看這個東西。我們看效率，同樣的電耗你能帶來的效率是多少。我們整個AI裡面的模塊就是在一個智能攝像頭裡的功耗是3瓦，我們能提供的效能是什麼？每秒能夠監測出105張，這就是效率。單純的去增加算力其實不是本質的，而是在有效的算力的情況下，因為算力也代表了功耗，設備裡面對於功耗都有限制，你能不能用最低的算力和功耗去解決最大的問題，這是我們對算力的理解。

第二件事是說對於數據，數據的話其實我剛才提到一句話叫去人力化，未來我們認為演算法工程師是一個不可再生資源，或者就那麼多人你搶了就沒了。應該讓他做更本質的事情，而數據這個事情我們認為是應該可以進行批量化處理的。比如我們現在做的叫快速標註系統，比原來數據處理系統快了三倍到五倍，而正確來看的話數據在目前的三要素裡面其實是你花時間之後所產生改變最明顯的。你能不能夠讓你提高那個效率？比別人更快？你說我一個人，一個演算法工程師用一套系統就解決了別人十個標準工程師＋五個演算法工程師，我們解決數據標註的問題。整個過程中就一直是覆蓋工程師的一種方法。數據在這件事情上的話如果我們去看做一個演算法裡面最耗時間的是什麼？處理數據，處理數據的話我們叫去人力化。所以這就是曠視在數據這塊的一個短期目標。長期目標就是我們真正能夠實現小規模，那樣才是真正的人工智慧。現在我們一般不會直接講這件事情，因為它畢竟還遠著。我們應該講更實在的就是我們真正能夠實現的，能夠自動化。

謝憶楠：我們其實是一個比較開放的態度。所以我們認為在這個行業裡面的話其實你說做深的，做深並不是說每個環節都要自己做，而是說你在每一個環節裡面都有自己的合作夥伴。所以在安防裡面其實我們去看，其實我們跟阿里是合作夥伴，我們跟大華，跟很多很多行業裡面每一層最大的公司我們都是合作夥伴。所以我們對於這塊的話，我們認為是說通過技術去建立一種叫AI縱向的品牌，這裡面的方式不是說每一個裡面都要成為唯一的，而是說你在這裡面的話要賦能每一層裡面最重要的行業合作夥伴。你讓他具備了這個AI能力，這樣的話這個數據才會從上到下很通暢的下來。我們希望未來在整個行業裡面得每一層，我們都能夠實現這個目標，所以我們並不希望是說完全自己做，而是我們可以說賦能讓那些合作夥伴具備了這樣的這種叫技術的平台技術能力，這樣我們的生態才會越做越強。

謝憶楠：我們其實未來的話大概就分了AI＋LT兩件事情，我們認為AI是我們的核心，LT是落地的東西。手機汽車這兩塊是我們認為個人設備裡面最需要被賦能的。第二塊我們叫公共LT，能夠實現更好的城市狀態，更安全更通暢，然後整個通信效率更高。所以在這塊的話我們就建立第二個叫公共LT。第三塊的話叫商業LT，商業LT現在目前包括的是物流和零售，這裡面其實很簡單的一個點是說我們真正能夠從最後的消費者把這個數據直接返回到製造端，對整個供應鏈進行一個大的開放。為什麼會說有些產品會供不應求？有些是供大於求，是因為今天我在超市裡面拿的牛奶，這個數據其實完全不會被反映到後面的這個奶牛。所以突然看到某些東西價格飛漲，其他人就蜂擁而上，結果價格又跌破谷底，很多人就破產了。上面一抖下面帶動了整個產能過剩。所以你需要對產品整個流通供應鏈，在這個過程中到底什麼樣的人拿了，為什麼拿了？時間段是怎麼樣的？而前面的話這個貨運是怎麼流轉的？這個貨從剛開始拿在手裡需要多久？我能不能用最短的時間優化？這塊的數據能不能反映到上游製造商那邊。如果我們能夠動態平衡的話我們發現每一個都是平衡點，這樣的話就能夠實現社會價值的最大化的一個過程。

所以商業物聯網是我們未來認為第三塊要做的互聯網。所以對於未來我們認為中國的AI產業化其實就是AI＋LT的架構。AI作為最核心的叫「能力層」，而LT最終是落地的一件事情。AI怎麼能夠去改造我們現在整個這套城市，它就會改造所有城市的叫智能終端。智能終端包括手機、智能汽車、攝像頭、貨架，每一個大門。比如說進地鐵進車站進公司，這一系列的東西。這些東西如果說能被賦能優化我們就會發現我們出行的時候一定會選最好的方式，因為這就是實時被數據規劃好的，我們這邊開車一定也是最安全的。我們要買什麼東西一定能去買到，那邊也能提供給我最想要的。所以這是我們認為未來要實現的基礎。

提問：非常感謝謝總和我們分享AI這塊的共建，謝謝您。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！