商汤科技杨帆：AI 落地的逐级挑战与应对之道
6 月 8 日，在 TGO 鲲鹏会主办的 GTLC 全球技术领导力峰会上，商汤科技联合创始人、副总裁，TGO 鲲鹏会北京分会会员杨帆为众多技术从业者，分享了主题《从技术突破到商业变现：AI落地的逐级挑战与应对之道》。本文根据现场分享整理，有部分删减。
我今天讲的题目叫《从技术突破到商业变现》，主要包括以下三个方面：
AI 价值
AI 发展方向
AI 公司的生存路径
大家普遍认为，AI 分三个环节：
感知
认知
决策
其实感知和认知这二者之间的边界很模糊。因为感知是凭着主观经验对一件事情做出分析和判断。而认知是经过理性的思维，然后抽象化，基于规则去做出判断。但是很难界定感知做出的判断到底有多大程度不是下意识的抽象化。
讲到 AI ，就是机器去感知或者认知这些对象。机器要认知这些对象，首先需要做表达转换，因为它的认知方式跟人不完全一样。机器认知视觉的时候首先把电磁波用数字化的方式表达出来。听觉也一样，是把声波用数字化的方式表达出来。而味觉比较特殊，我见过专门做的电子狗，其实是通过一些生物化学的反应，达到某些特定目的，比如去禁毒。我们今天的发展在触觉方面还很有限，更多的是用机器人视觉或者泛视觉的方式进行感知，然后进行反馈操作判断。
以前讲到感知类 AI 或者认知类 AI 有三大方向：计算机视觉、语音识别、自然语言处理。那么自然语言处理在哪里呢？那就不得不提文字和语言的概念了。这两者在我看来很特殊，它其实不属于上面说的感知或者感知对象，而是人的文字或语言的表达。因为文字无非是把语言用一种可视化的、可存在的形态，用纸或电子把它记录下来。文字和语言本质上是一种信息的编码方式，用作人和人之间的沟通。它既可以通过视觉的方式去进行人和机器之间的信息传输，也可以用听觉的方式，而其背后就是自然语言理解。我认为自然语言理解凌驾在感知类 AI 之上，至今还没有很好地解决，因为它信赖于特定的语境，在不同语境中词语的意思差异很大。
感知是机器如何获得信息，决策是说机器如何输出。这样就会形成一个闭环，只有形成了闭环，AI 才会有真正的价值。但这不意味着决策一定会比感知和认知更高级，输入和输出之间共同形成一个闭环，它们之间又是一个矛盾体，对输入的问题分析的越好，对它分解能力越强大，意味着对决策的要求更低。
计算机视觉类的公司估值更高，有三个主要原因：
信息含量大
信噪比低
表达形态通用
第一，所有公司都在建大规模的系统。因为这样可以有机会获得更多的数据，然后利用它完成更好的闭环迭代。第二，现在所有 AI 公司都在做芯片，因为算力永远会是制约你的瓶颈。第三是算法，怎样摆脱数据依赖是我们在算法界共同努力的方向；怎么样降低算力占用以更小的算力达到同样算法认知能力，怎么样提升对于整个业务流的优化效用，这是在算法方面的主要优化方向。
AI 商业落地的挑战：
这么多行业做什么
到底能不能做好
到底能不能挣钱
钱挣得够不够
钱能挣多久
钱挣得累不累
应对挑战的五个步骤：
第一步，需要理解需求、需要去解决问题，想清楚你的商业模式。需求最重要的基点叫做真实，第二是刚性，第三是规模化。
第二步，需要知道技术的红线在哪里。看起来一脉相承、一以贯之发展的技术，其实对于不同的用户需求，技术需求水平是不一样的。所以最终要具备技术预判力，知道技术往前发展半年之后的行业水平、行业基准线会达到什么程度，这样才能决定你要做的投入、应用、行业是否有价值。
第三步，需要具备融合创新的能力，技术的发展在今天不完全是以我为主的，更多是从需求、行业的角度倒逼出的技术发展方向。所以会面临一个问题，怎么真正的把客户需求搜集清楚，然后拆解成若干细分问题。最终我们要重新定义问题，通过融合创新加以解决。
第四步，建立有效的数据闭环。做 AI 产品会面临一个很不一样的挑战，就是在第一天就得开始思考数据闭环到底怎么建成，特别在某个特定的场景下。因为用 AI做东西，永远都会面临一个问题，技术、数据、业务这三者之间会形成一个正反馈。所以 AI要在不完美、存在很多缺陷的时候就投入使用，并需要极其高速的迭代。另外要重视数据的所有权问题，避免因数据隐私或者合规的问题导致整个业务闭环无法快速地往下演进。
第五步，行业价值要素转移。你有了好的产品之后，关键就是如何使这个产品成为你企业的核心竞争力，让你企业生存下来。技术具备很强的扩散性，大家会互相学习技术，大家的技术水平也会持续进步。但是，客户所需要的技术，不一定会持续进步。所以需要了解技术价值对行业要素分配变迁的影响，将你现有的技术优势变为壁垒优势，从而具备更强的竞争力。
黄良懿：你怎么看待 AI 技术在手机上的应用，未来 3 - 5 年会有哪些技术被我们应用，被人们所接受？
杨帆：毫无疑问，AI 将会发挥极为重要的作用。当整个社会智能化浪潮到来的时候，大家发现智能手机是站在 IoT当中最重要的设备。在智能设备最重要的，是基于摄像头挖掘出来的一系列体验。视觉在其中占据最主要的地位，基本上围绕着摄像头，从信息采集开始，到整个的成像，再到背后感知和应用，每个环节都可以找到价值的提升点。在应用侧，其实也还会有很大的挖掘空间。
黄良懿：如果传统大企业里还没有开始去拥抱 AI ，杨老师有没有建议、实践方法论让他们能拥抱 AI 呢？
杨帆：当你站在 CTO 角度，可能想的不仅仅是我能做什么，而是如何整合内外部资源来真正达到我的业务目标。所以在这个过程中，你一定会有一些外部的和内部的需要，你需要做平衡，构建自有 AI能力，保证自己核心价值不受别人的侵袭，不受别人的攻击。同时，释放一定的能力和空间留给专业空间帮助你快速提升更大的价值。 所以对于传统的企业，第一，是否能够足够快速地意识到这件事情的重要性；第二，是否足够清晰认识到在什么样的时间节点引入外部能力，在什么时间节点考虑一部分的能力自有化；第三，对于你的行业，对于你的业务而言，基于外部和自有化的边界放在什么样的位置会比较合适。我认为这三点都特别重要的。
杨帆：我觉得两点：首先，他得是一个好的产品经理。第二个，在我看来，作为 AI 的产品经理比以往的任何产品经理都更加强调他的学习能力，特别是技术侧的学习能力。我相信未来十年，AI 永远追求以新的场景、新的技术带来新的价值。所以他在整个产品产生附加值过程中，往往需要面对不成熟的产品。在这种情况下，产品经理要具有足够的技术敏感力，去把握技术和产品之间的边界，将它的成熟度把握在合适的边界上，并在产品迭代过程中要有效控制这里面所有信息的细节。所以，他需要有好的学习能力，特别是学习的欲望。