【原】響鈴：從百度與IDC發(fā)布的白皮書，看超乎想象的AI大趨勢

科技向令說 2020-10-29

展開全文

有人說互聯(lián)網開始由黃金時代轉入白銀時代，但AI可能與此相反，初創(chuàng)期的“白銀時代”已經向產業(yè)應用全面落地的“黃金時代”進發(fā)。

12月20日，國際數(shù)據(jù)公司（IDC）與百度AI產業(yè)研究中心（BACC）聯(lián)合發(fā)布《百度大腦領導力白皮書》。該白皮書按官方說法意在“洞察AI趨勢，激發(fā)產業(yè)新效能”，在開篇著重預測了2019年中國AI市場發(fā)展的十大趨勢。

解構該白皮書，我們發(fā)現(xiàn)，未來AI的發(fā)展在很多地方都將超出現(xiàn)有預期。

AI帶來的便捷，將比你想得還要極致

AI給產業(yè)和生活帶來了無與倫比的便捷，而未來AI帶來的便利將比你想象的還要更進一步。

1、部署AI，代碼都不想敲？那就點幾下鼠標吧

在云計算巨頭的支撐下，企業(yè)自己部署AI即將擺脫過去那種全靠碼農一行行代碼敲出模型的境況，用少量的引導代碼就能部署完整、可用、高效的算法模型。

不過，這還沒有結束，那些對AI需求相對固定、大眾化的企業(yè)，甚至可以“懶”到連少量代碼都不用敲，直接在專業(yè)開發(fā)平臺上點幾下鼠標就能實現(xiàn)AI部署自動化，像訪問WEB一樣便捷。由此，“普惠AI”將不再是一個概念。

類似的開發(fā)平臺不斷涌現(xiàn)，典型的如谷歌AutoML、百度EasyDL等。例如，在EasyDL上，用戶可以上傳圖片、音頻、文本等原始數(shù)據(jù)，系統(tǒng)可自動訓練出合適的模型，以圖像分類為例，訓練數(shù)據(jù)每類僅需20-100張圖片，最快10分鐘可訓練完畢。

2、不光人想變得更懶，機器也是

在AI之前IT信息化已經大行其道，財務、人力等的IT化讓人可以更“懶”更輕松。但是，過去的IT信息化本質上只是把人要做的事由機器去執(zhí)行（進行了一定的流程重構）。

現(xiàn)在，智能化使得業(yè)務流程再度重構，某種程度上，機器也變得“更懶”，憑借AI模型只需要少量的步驟就能完成過去IT信息化系統(tǒng)要做的工作。

IDC預計至2023年，AI將取代50%的IT業(yè)務工作量，節(jié)省20%以上的運營成本。在已有的實踐案例中，太平洋保險和百度合作，在車險理賠環(huán)節(jié)采用AI技術（原有IT信息化支撐），每年預計將節(jié)省2-3億元運營成本。在車險理賠中，超過70%的車險理賠都是5000元以下的小額碰擦事故，而整體賠付金額只占到 20%多，這十分適合AI的介入。

3、不能隨心所欲的智能交互都是偽命題

智能音箱現(xiàn)在十分流行，它代表人機交互界面的智能化趨向，即擺脫屏幕的束縛，讓交互通過語音的方式實現(xiàn)。

人和人之間獲取和交互信息，可通過說話、讀文字、對眼神、瀏覽照片、播放視頻等多種方式，這些，正是AI加持交互的最終目標。智能音箱只是開始，那些人與機器的交互，將通過AI實現(xiàn)“隨心所欲”不被時間、設備、場所所桎梏。

在這之前，至少要先擺脫屏幕。IDC預計到2023年，支持AI 的人機交互接口將取代目前50%的基于屏幕的B2B和B2C的應用程序。在融合語音、圖像、視頻以及語義理解能力的AI能力不斷進化時，有理由相信，未來人與機器的交互將“心有靈犀”，而不是只靠冰冷的電容屏。

AI已經很聰明了？對，但它還能比你想象的聰明更多

除了產業(yè)與生活的便捷化，AI自己在也變得更“聰明”，甚至比我們想象的AI要聰明得多。

1、全能型選手馬上要成型了

李開復曾經對AI落地場景有過直白的觀點——金融行業(yè)會是最好、最先落地AI的場景。時至今日，F(xiàn)intech領域的AI應用的確大放異彩，金融風控成為AI落地的典型產品。同時，在政府行業(yè)、互聯(lián)網行業(yè)，AI近年來的實踐也突飛猛進，城市治理、政務ATM背后都有AI的身影，連我們平時點個外賣，小哥如何配送背后都存在著AI路徑優(yōu)化。

不止于此，按照IDC與百度的預測，除了上述三個行業(yè)的全面擴展，新零售、新制造、醫(yī)療領域也將成為AI市場的新增長點。這六大行業(yè)未來應用AI的3年復合增長率將超過30%。

例如，廣州婦女兒童醫(yī)療中心已于2年前開始全面探索AI的應用，包括在電子病歷系統(tǒng)中應用語音識別幫助撰寫，利用圖像識別、深度學習技術進行智能閱片輔助診斷，此外，還有病種分析、影像報告文書撰寫、智能導診、臨床輔助診斷等多個AI應用場景落地。

而這些，還只是AI的典型應用，在更多領域AI也在崛起。.

2、不只是知其然，還要知其所以然

過去及當前某些AI技術，還處在只能聽清、看清的“知其然”狀態(tài)，而信息到底想表達什么，AI其實是不懂的。就好像用AI語音聽寫一段話，它能準確地翻譯出來而不用用戶打字，但這句話究竟是什么用意AI并不知道，或者說，需要換用另一個AI算法來實現(xiàn)。

這顯然是不夠的。在IDC與百度發(fā)布的報告中，多模態(tài)計算會成為下一步的技術趨勢。

按百度高級副總裁王海峰的說法，機器智能不僅僅能夠“看清聽清”，還要能夠“看懂聽懂”。由此，融合視覺、語音、語義及情感的多模態(tài)計算成為必然，其結果，是AI更能深入理解信息背后的含義，進而更好地支撐各種應用。

例如，服務快消品行業(yè)的惠合科技接入百度 EasyDL進行陳列審核，旗下e店佳應用上傳陳列視頻，EasyDL以定制化的物體檢測能力來識別商品是什么，同時還能推演出圖片中該類型商品的陳列究竟是否符合要求。目前，該圖像識別已經應用至40000家零售門店，這背后，就是多模態(tài)計算的價值呈現(xiàn)。

3、不管什么類型數(shù)據(jù)，只要有需求AI隨時“效命”

數(shù)據(jù)是AI算法模型的原料，一個算法對應一種結構化數(shù)據(jù)，要是數(shù)據(jù)不匹配算法便不能很好運行甚至出錯。

然而，很多企業(yè)的數(shù)字化轉型過程中，物理世界到虛擬數(shù)字多數(shù)時候并不能成為結構化數(shù)據(jù)，它們類型多樣、形式復雜。例如，制造業(yè)機械維保往往有零件或組件名稱、序列號、制造商信息、維護間隔、維護日期、分包商信息、手冊和文檔的鏈接、聯(lián)系人、保修和服務合同信息等非結構化數(shù)據(jù)，十分“豐富”。

這些非結構化數(shù)據(jù)帶來龐大的AI計算需求，在它們應用到AI算法之前，需要有多模型數(shù)據(jù)庫的支撐，什么都能往里邊塞，AI通過這樣的數(shù)據(jù)庫什么都能“算”。由此，在迫切需求的支撐下，所謂多模型數(shù)據(jù)庫開始走向市場，IDC預計到2023年，多模型數(shù)據(jù)庫的支出將達到NoSQL數(shù)據(jù)庫（一種當前興起的主流數(shù)據(jù)庫形態(tài)）支出的30%。

產業(yè)化、生態(tài)化，AI的玩法還要多幾分“意外”

從AI產業(yè)化、生態(tài)化的商業(yè)玩法上看，AI的趨勢也有些令人“意外”，過去某些玩法出現(xiàn)“反轉”。

1、人人AI不再是憧憬了

IDC預計，傳統(tǒng)行業(yè)中的大中型企業(yè)到2020年行業(yè)前15%的企業(yè)都將采用機器學習。這意味著，AI不再是高高在上的時髦技術，幾年內就就將“飛入尋常百姓家”，而越是傳統(tǒng)行業(yè)就越發(fā)積極，價值體現(xiàn)也更為明顯。

空調制造巨頭美的，用圖像識別技術通過監(jiān)測空調外觀來保證空調出廠質量；專業(yè)服務制造業(yè)“檢測”的領邦智能，基于百度PaddlePaddle框架訓練深度學習模型，能夠高效準確地識別出問題零件及其種類，精度與人工檢測持平，成本節(jié)約15%以上；代工巨頭富士康更不用說，每年將收入的2%-5%用于AI的研究。目前，在模具生產中，富士康建立了基于深度學習的模型算法，實現(xiàn)刀具更換提前預警、自動補償，人力成本投入進一步減少。

目前中國正面臨著人工智能技術產業(yè)化以及傳統(tǒng)產業(yè)智能化的最佳機遇，能否抓住新機遇幫助企業(yè)建立核心競爭優(yōu)勢取決于企業(yè)如何行動。白皮書指出，百度大腦3.0技術能力已進入“多模態(tài)深度語義理解”階段，已經開放能力超140項，每日調用次數(shù)超過4000億次。除了開放AI技術能力之外，在生態(tài)方面，百度大腦推出了燎原計劃，對合作伙伴提供商業(yè)落地所需的市場與運營資源，全力支持生態(tài)共贏。在智能硬件和設備領域，百度大腦與芯片、嵌入式開發(fā)板、傳感器模組，以及閘機、門禁、機器人等廠商廣泛建立合作，幫助客戶獲得軟硬件適配更加整合的方案。百度大腦還創(chuàng)新性地推出了AI市場，為合作伙伴提供品牌營銷、產品評測、產品推薦等全套服務，旨在為合作伙伴帶來更多優(yōu)質的訂單。同時，百度大腦的行業(yè)創(chuàng)新合伙人計劃在每個細分領域最多選擇3家企業(yè)，與百度大腦聯(lián)合設計、開發(fā)，共同打造行業(yè)解決方案，推動產品落地。

2、AI不再“深居云端”，邊緣也需要“AI一下”

由于百度云等云計算玩家的引領，過去云計算應用都偏向于云端部署。不過，隨著物聯(lián)網的深度發(fā)展，靠近數(shù)據(jù)源的端側設備的AI部署將盛行起來。

用大白話說，過去是數(shù)據(jù)統(tǒng)一匯總到云端統(tǒng)一運算，現(xiàn)在，那些終端設備（例如終端攝像頭、溫度傳感器等）將進行必要的計算（物品識別、人臉識別等），云端只負責統(tǒng)籌式的數(shù)據(jù)運算。

例如，百度云的“天工”就是針對智能物聯(lián)網的云平臺產品，其主要特點之一是可以實現(xiàn)“智能邊緣”——端計算、云管理、端云融合，在工業(yè)、物流、車聯(lián)網、家居、城市等物聯(lián)網領域都能夠被應用。騰訊云、阿里云等也有類似的產品，IDC預計至 2022年，25%的物聯(lián)網端設備都將運行AI算法模型。

3、軟硬件的協(xié)作，這回不只有硬件說了算

過去，AI的計算是建立在已有的硬件基礎上，例如intel已經成型CPU，或者Nvidia本來用于畫圖或游戲的GPU。有什么硬件就用什么硬件，硬件決定軟件計算能力。

不過，這個狀況正在被改變，軟硬件的關系以后將逐步走向協(xié)同，軟件定義計算已成為芯片廠商的重要戰(zhàn)略之一，軟件及應用驅動AI專用芯片的階段也將到來。

7月，百度發(fā)布“昆侖”AI芯片，每秒運算260萬億次，這遠遠超過Nvidia的GPU進行AI運算的效能。顯然，“昆侖”的基礎架構建立在機器學習、AI應用趨勢的基礎之上。此外，華為在手機芯片中植入的NPU模塊，以及剛剛發(fā)布不久的Ascend 310獨立AI芯片，都遵循同樣的玩法。

4、所謂生態(tài)參與者越來越多，想做“平臺”挑戰(zhàn)越來越明顯

開放一直是AI大佬級企業(yè)做生態(tài)的標配，BAT皆是如此，只是開放的程度和姿態(tài)不一樣，有些啥都開放強調共贏，有些強調控制，有些只管投資收益。

做AI平臺生態(tài)過去就是籠絡一大批需要AI技術加持的企業(yè)，建立合作關系、輸出AI能力，誰能獲得的合作伙伴越多、類型越豐富，誰的生態(tài)就最“扎眼”。

然而，正如上文所說，AI技術正在向端側智能滲透，且軟硬件需要高度適配，于是平臺在整合生態(tài)的過程中，不僅僅需求合作伙伴的數(shù)量和種類，在產業(yè)鏈方面的要求更為嚴苛。以物聯(lián)網領域為例，平臺的AI生態(tài)不僅僅只有需求方（例如制造企業(yè)），還需要與傳感器、攝像頭、模組這些上游企業(yè)就AI的應用達成一致，一些時候芯片也需要改造或重建。

產業(yè)鏈上的細分產業(yè)的整合愈加重要，未來的AI生態(tài)平臺將是網狀結構的，百度等AI大佬要穩(wěn)坐釣魚臺，挑戰(zhàn)會更大，而一旦這樣的生態(tài)建立起來，護城河也將更寬更深。

【完】

曾響鈴

1鈦媒體、品途商業(yè)評論等2016年度十大作者；

2 虎嘯獎評委；

3 AI新媒體“智能相對論”創(chuàng)始人；

4 作家：【移動互聯(lián)網+ 新常態(tài)下的商業(yè)機會】等暢銷書作者；

5 《商界》《商界評論》《銷售與市場》等近十家雜志撰稿人；

6 鈦媒體、界面、虎嗅等近80家專欄作者；

7 “腦藝人”（腦力手藝人）概念提出者，現(xiàn)演變?yōu)椤白悦襟w”，成為一個行業(yè)。

8 現(xiàn)為“今日頭條問答簽約作者”、多家科技智能公司傳播顧問；

重點關注領域