2017 年已经过半，从 2016 年开始火到现在的人工智能技术度过了热度超高的一年。据统计，过去半年共有 120 家以上的 AI 公司获得超过 230 亿元融资。很多公司都在标榜自己有 AI 技术，更多公司则在尝试如何将 AI 融进自己的产品和服务。在火热的行情背后，其实隐藏着一个不安的事实。

近两年 AI 在大众认知上的成功，开奖，绝对要归于谷歌的 AlphaGo 项目。去年和今年连续打败李世石和柯洁两大亚洲围棋高手，成功炒热人工智能这个话题。有意思的是，AlphaGo 荣升「九段」后，谷歌马上就宣布将其「退休」。除了表示谦虚，还有一个实际问题，那就是这个人工智能算法，除了能够打败围棋高手，基本不能应用于任何其他领域。AlphaGo 的命运折射的是整个 AI 行业的困境，花费高昂成本打造的 AI 解决方案无法大规模普及。

如何让 AI 实现规模化应用落地，在 To B 领域如何突破行业障碍，在大众消费层面，如何让 AI 走进普通消费者的生活，面对这些 AI 公司共同的疑问，8 月 6 日极客公园前沿社夏季会晤活动中，CMU 机器学习系副主任邢波教授与众多国内 AI 公司创始人共同探讨了人工智能的各种可能性。

AI 版 Android 系统的重要性

邢波教授认为，当我们衡量一个工业是否成熟时，通常会看相关的公司能否进行规模化的生产，这就是为什么历经百年发展的好莱坞可以被称为电影工业，而同样有近百年历史的中国电影到现在还是导演中心制的作品。虽然 AI 的概念已经有半个多世纪的历程，但其实在近几年发展才突飞猛进。不过，即便接受了全球数百亿美元的投资，AI 依然处于非常早期的发展阶段，其表现之一就是没有统一的标准，也没有统一的系统，无法制式化，无法量产。

邢波教授分享关于人工智能行业的看法

以手机行业为参考，atv，自 2007 年苹果的 iPhone 定义智能手机之后，目前只有 iOS 和谷歌的安卓两大操作系统，你很难想象一个手机厂商想卖产品的话，需要先自己写个手机系统。但其实目前的情况是，大多数 AI 公司的运作就像是本来只是想做一个手机应用，但是他必须把相关手机的硬件和软件上下游都做到——这显然有点强人所难。

如果按照 AI 产业链来划分的话，目前大部分 AI 公司的业务涉及到的是上游的任务、模型及算法，但是为了实现方案，这些应用公司还需要操心更深层次的软件实现、系统以及设备硬件的选择。这样一个情况导致的结果就是 AI 实现的成本高昂，同时一个解决方案无法实现复用，最终导致的是 AI 技术难以普及。「目前很多公司打造的 AI 系统或软硬件近似于雕琢工艺品，而不是能够进行量产，复制，和普及的高度鲁棒和易用的工业产品。」邢波教授解释道，他认为如果 AI 是一个产业的话，那么我们目前还处在「AI 的前工业化时代」。

邢波教授指出，正像安卓和 iOS 系统的确立，最终促成了移动应用的爆发，人工智能行业目前也需要一个全新的跨平台的系统。而这样一套系统应该包含从模型、算法到软件实现和操作系统层面。其功能应该包含：兼容多来源数据（如多种数据库）、兼容多种编程语言（如 TensorFlow、Python）、同时能够加载到任何硬件设备，实现跨平台 AI。

这样一套系统的出现，能够为做 AI 产业上游的公司省下大量精力和成本，他们可以专注为客户解决业务需求，在通用功能模块上实现针对用户和特别应用的专门化（如同为不同负载改装飞机，而不是重新从头设计制造飞机以致引擎），而不用担心基础设施等底层系统。同时，免除开发底层系统，也能让 AI 公司的解决方案快速迁移，实现规模化生产，促成 AI 的真正工业化落地。

图片来源：网络

AI 在 B 端的真正市场机遇

如果说 AI 是一支一飞冲天的火箭的话，那么其燃料毫无疑问就是各种海量的数据，没有大量数据，再好的算法和模型也不会起作用。由于互联网技术在近几十年的迅速发展，很多 IT 公司积累了大量数据，这也使得他们成为 AI 关注的重点。目前数据挖掘和使用最多的，就是互联网行业，但真相是，那些被目前 AI 公司忽视的传统行业如电信、能源、基础设施、制造、航空以及金融领域，蕴含的才是真正的海量数据。