AI赋能：技术预期与商业实践应该如何平衡？

AI赋能，技术预期与商业实践

12月16-17日，创业邦100未来独角兽峰会暨2021创业邦年会在上海举办。

本次峰会以“超越商业”为主题，邀请到了最具代表性的标杆企业、投资机构及其代表，聚焦未来独角兽的成⻓历变，解读品牌背后超越商业的社会价值，在洞察中寻找超越的力量。

此次⼤会还颁发了“创业邦年度创业者”“创业邦年度投资⼈”和“2021创业邦100未来独角兽”。同时，峰会还特别展示未来独角兽企业ESG创新案例，激励更多的企业践行社会责任。

本次峰会现场，昆仑万维总经理方汉、乐言科技创始人兼CEO沈李斌进行了名为《AI赋能，技术预期与商业实践》的主题演讲，犀利观点如下：

1、人工智能技术可以从“秒”“分”“时”的角度来理解。只要人类在5秒钟之内做出的决策行业，肯定能够被机器所替代。以分钟为量级，也会逐渐衍生出一种可替代的人工智能技术。最难的以小时为单位的大型博弈。

2、AI技术落地跟其他的软件产品落地原理一样，需要对场景有非常好的认知和理解，而不是拿着一个好的技术就能直接用起来。

3、只有靠乐言科技这种用人工智能技术红利，来对抗人口红利的国家，才是我们长期维持领先地位的目标阶段。

以下为演讲内容，由创业邦整理：

刘致雅：欢迎方总和沈总，虽然两位都已经是创业邦老朋友了，也请两位先简单做一个自我介绍吧。

方汉：我是昆仑资本的管理合伙人，昆仑资本是昆仑万维于2005年成立的独立投资机构，目前已经在股上市。我们长期关注于TNT硬科技，医疗和人工智能领域。目前投过的企业有映客、达达等一些偏向人工智能和硬科技的企业。

沈李斌：大家好，我是乐言科技CEO沈李斌。乐言科技是一家专注于人工智能，特别是认知智能领域的AI SaaS解决方案公司，业务以电商AI SaaS为主。我个人是从一名科学家转型成为企业家，之前在美国UPenn读的Ph.D.，主要攻读自然语言处理、机器学习等方向。2014年回国后，我开始做一些语音助手的产品，2016年创办了乐言科技。

刘致雅：从上世纪80年代开始，AI就一直是穿越无数周期的行业，但也面临过泡沫期。我想请教二位，现在国内的AI技术发展到了哪个阶段？能达到什么样的预期？有哪些技术是可以实现的？有哪些技术是仅存在于科幻电影中不能实现的？

沈李斌：AI在持续发展中，这几年的发展我们现在可以做一个复盘，对后续更好推动AI落地是有帮助的。什么是AI？作为科学家我还是比较较真的，现在大家说的AI其实是在说机器学习，特别是深度学习为主的技术深化在各个行业里的应用。我们听过的很多对于AI的畅想在现实生活中还没有被实现，那么回到机器学习的角度来复盘，这中间是发生了什么事情呢？我们从第二波AI浪潮去分析AI技术的演进，再对照来看现在的第三波。

现在通常在说的做AI，其实是在做机器学习这块，比如AI技术的一些主要赛道，偏应用级的，包括图像识别、语音识别，以及我们在做的自然语言处理，都是基于深度学习在做。第二代的时候我们从机器算力来说没有深度学习这样的算法，并不是真的没有算法，而是算法在当时的机器上跑不起来。

第二波我们叫做统计学习，它也是机器学习的一种，相对来说应用上对算力的要求没有那么高，而且相对来说是一个白盒的算法系统，因为是白盒所以我们可以很方便分析。当时做机器学习理论，做完算法还要做一个PAC（Probably Approximate Correctness ），就是说机器学习在样本上训练，训练之后我到相近的数据上有多大的概率是相对精确的东西。这样的算法的好处是它是白盒，在统计学上有很好的解释，物理解释是比较明确；困难是很难scale，feature多了，数据量大了很难scale。

上一波AI是什么东西呢？像谷歌、百度的搜索，大量是基于统计的或已经成熟的统计学习，那我们看到说这个大家是已经习以为常，不叫AI，但其实就是上一波我们基于统计学习实现的能够落地的AI。

这一波我们看到由于算力上来了，原先基于白盒的方法已经不能从建模角度handle大量的数据了。那我们其实是能够引入一些新的算法，比如深度学习，当初在上一波没有跑通，是因为算力不够。

那新的算法的特点是什么呢？它是黑盒的，一定程度上我其实不需要知道它的特征是什么样子，那好处是机器自己可以通过样本去学习可能有用的特征。那这样的黑盒一下子就把空间打开了，同时也把大量的数据用得非常好。所以这一波我们看到上一波没有做出来的东西，包括图像识别、语言识别在这一波算力变革里都已经有了实际落地场景。

所以再往下看，我们其实要说从机器学习角度它能做什么，不能做什么。我们谈到人工智能总感觉是隔了一层，回到机器学习角度就比较容易看明白了。但凡这个东西用机器学习的模型能很好建模、很好描述的，都是能够比较好的落地；但凡很难用机器学习来建模的，比方说人的常识就是很难建模的，这个事情跟人的常识相关了，就会变得特别特别难，像自动驾驶因为它需要做人的伦理判断，就很难做。

所以常识比较少的垂直领域比较好做，而通用AI就会比较难做。从机器学习本质来说，它是从样本上进行学习这样的过程，如果一些场景我能很方便收到大量数据就比较好做。如果交付要求比较高，没有数据的，就像这个自动驾驶特别难就是这个道理。

所以说人工智能从机器学习角度去看，很多事情会看得清楚一些。

方汉：对于我们普通人来说，可以参考李开复老师说过的一句话：“只要人类在5秒钟之内做出的决策行业，肯定会被机器所替代。”我们人类做的工作，在以秒为单位完成的工作，比如说开车以秒为单位，判断人脸你是谁以秒为单位，这些事情人工智能技术完全可以替代。

下面一个阶段是以分钟为单位的人工智能替代。比如我打一个客服电话需要几分钟，人工智能客服能根据你的思路，给你一个比较准确或者满意的回答。再比如说我们最近孵化了一家做人工智能看片的企业，一个有经验的医生通过看片子，就能诊断出你有没有生病，这也是以分钟为量级的。以分钟为量级，逐渐衍生出一种可替代的人工智能技术。

最后一个阶段是比较难的，就是人类以小时为单位的大型博弈。最简单的就是阿尔法狗，下一场围棋基本以小时为单位来绝胜负，这种人工智能是非常少见的。但也正是通过这一阶段，我们才能判断出人工智能目前处在什么阶段。

刘致雅：现在是处在“秒”的阶段，还是“分”的阶段？

方汉：我觉得“分”的阶段开始大规模出现，“秒”的阶段，人工智能已经可以解决我们日常生活当中所有的问题了。比如天天刷健康码，这是以秒为单位的。

刘致雅：AI想要发挥作用，必须落在实际的产业中才能最大化它的商业价值。想请沈总跟我们聊一聊，AI是怎么落地到商业中的？以及方总跟我们聊一聊，投资商业的逻辑是什么？

沈李斌：我们自己觉得乐言科技在把AI技术变成生产力为商家创造价值这方面还是做出了一些成绩。

可以从两个角度来谈，第一个是AI技术怎么落地？第二个是站在一家人工智能公司的角度来看这个事情。

大家常说，对于人工智能企业要去寻找落地场景太困难了，为什么呢？一定程度上AI是个功能、是一些能力，但它不是业务场景本身的一个东西。作为一家人工智能企业，乐言科技是将“把技术变成客户的业务能力”作为出发点，帮客户做业务的闭环，实现降本增效。我们做智能客服机器人也是这个考虑，它是一个完整的业务环节，能够做端到端的。

在产业实践中会发现，AI技术落地跟其他的软件产品落地原理是一样的，对场景要有非常好的认知和理解，而不是拿着一个好的技术就能用起来。事实上，我们面临的一些业务环境是非常复杂的，比如跟其他业务环节的连接，跟上下游厂商的连接都是非常复杂的。可能一开始我们的切口要小，在小的切口上我们的AI技术不一定在一开始就能解决客户100%的问题，但是能帮企业实现一定的降本增效。比如我们最初做客服机器人，这一技术刚落地的时候能够为企业节省30%的时间，我们是一种人机协同的模式，不会给客服添乱，不会发生答不出的乱回答的情况，这样先让商家把机器人用起来。然后我们在使用场景中去逐渐积累数据，模型就越来越丰满，能回答的问题越来越多，客服机器人就越来越聪明。

同时站在商业的角度去思考，继续去挖掘我们的客户需要什么，我们发现商家将机器人应用到营销环节，那我们就把服务和营销的功能整合起来。在后面的服务过程中，我们看到商家需要一个基于大数据的消费者全生命周期的整体解决方案，我们从商家角度出发，从前面曝光环节的广告投放到消费者运营链路的CDP（用AI的方式重构BI系统），逐步完成全链路电商AI SaaS解决方案的构建。

方汉：昆仑资本一直以来的投资理念也比较普通，关注能够创造社会价值，能够解决客户需求，并且具有中长期成长性的企业。

我们为什么会投资乐言科技？我讲一个不相干的数据，可能对大家会有所触动。大家知道我们一直在吃中国人口的这个红利，但这个红利在不久的将来会被印度所超过，今年印度在校大学生是3700万，而中国是3200万。这些大学生一定会转化成工程师红利与人口红利，我们中国怎么对抗人口红利丧失的情况呢？大家知道印度是客服外包的供应商，中国人口没有印度多，也没有印度年轻化，那我们靠什么拼呢？正是靠乐言科技，通过人工智能来赋能客服领域，我们才有信心说可以跟印度这样的人口大国竞争，并且我们已经比一度领先了一大步。我觉得正是靠乐言科技这种用人工智能产生技术红利，对抗人口红利的国家，这是我们长期维持领先地位的目标阶段。

本文为创业邦原创，未经授权不得转载，否则创业邦将保留向其追究法律责任的权利。如需转载或有任何疑问，请联系editor@cyzone.cn。