馬雲馬斯克抬頭談宇宙，中國AI公司埋頭苦做單

如果用一場會議來一窺當下中國人工智能的發展現狀，8 月末的上海 WAIC （世界人工智能大會）無疑是最好的選擇。

巨頭基本到齊了。在 8 月 29 日的開幕式上，馬雲、馬化騰、馬斯克登台亮相，台下坐著李開復、沈向洋、沈南鵬；國內 AI 公司“四小龍”的創始人來了三位：湯曉鷗（商湯）、朱瓏（依圖）、周曦（雲從）。

熱度在會議開幕的兩週前就開始發酵，馬雲與馬斯克的對話成為各大媒體吸睛的噱頭，可這場萬眾矚目的交鋒，最終呈現出的內容卻如同雞同鴨講。

“雙馬激辯”現場。圖片由主辦方提供。

據 36 氪在現場的觀感，在“雙馬激辯”的後半段，討論一度進入死胡同，馬斯克想談宇宙，可馬雲想關心地球，雙方的交鋒開始變得自說自話。由於這場對話是當天上午最後一場議程，隨著對話臨近尾聲，有觀眾開始提前離場。

儘管馬雲與馬斯克的對話有些令人失望（“雙馬激辯”全文可點擊此處查看），但他們並不是 WAIC 舞台上真正的主角。

位於主會場世博中心 1 公里之外的世博展覽館，近百家國內 AI 公司集體參展，單是在這裡轉一圈，你也能嗅到人工智能在中國的新風向。

所謂“用鎚子找釘子”，場景的橫向擴張已經是 AI 公司的標準動作，這一點在大公司身上尤為突出。在阿里、騰訊、商湯的展區，動輒十幾個與 AI 相關的行業案例已然是標配，創業公司亦然。

原百度研究院院長林元慶的創業項目“愛筆智能”，已經從最初的零售行業方案延伸到景區；之前紮根政務 AI 場景的文思海輝，展示出了新項目“文思智能美裝鏡”；“四小龍”中的雲從，也從熟悉的銀行、金融場景，延伸至汽車 4S 店智能升級。

“產業落地”依然是無法避開的命題。一位 AI 公司高管告訴 36 氪，今年展館的參展企業中，諸如招行、建行、復星之類的傳統企業明顯增多了，這類企業既是 AI 方案的採購方，同時也注重捕捉技術動態，把最核心的技術掌握在自己手裡。

以銀行為代表的金融行業，是歷年 WAIC 參展的重要組成部分。拍攝：蘇建勛

在開幕式下午的論壇環節，紅杉資本全球執行合夥人沈南鵬也談到：“今天的創業公司插不插上AI的標籤已經不重要了，重要的是找到適合的應用場景，找到剛需的產品，提升產業的效率。”

這將是一個漫長的過程。從2016 年 AlphaGo 戰勝圍棋冠軍李世石，到諸如商湯這樣的獨角獸創下一年三輪的融資記錄，中國 AI 公司在估值與故事的急速狂奔後，開始在行業落地中放慢腳步。談客戶、理清需求、拿單、服務、售後……AI 技術的光環，最終仍要回歸 To B 業務的本質。

業內對 AI 的熱度正回歸理性，這從近期AI 領域的投資熱度減退可見一斑。據億歐《2019年人工智能投資市場研究報告》數據，今年1-5月，中國一級市場AI行業投資總額163.4億元人民幣，只占去年投資額的11.6%。

“當下出現的投資熱情減退現象，是因為過去人們的期待太高了，以為人工智能什麼都能做，我能夠給出的建議就是要有耐心。”哥倫比亞大學數據科學研究院（DSI）主任周以真告訴 36 氪。

加入 AI 公司的高管們

即使投資熱潮不再，但那些已經站穩腳跟的 AI 公司依然炙手可熱。資本、客戶、人才都在向它們聚攏。

在加入哥倫比亞大學之前，周以真曾在微軟擔任全球資深副總裁。久居美國的周以真這次來到中國，除了以哥大教授身份參加 WAIC 開幕以外，她還以顧問的角色，出席了AI 商業決策平台品友互動（已更名為“深演智能”）的戰略發佈會。

黃以真（圖中）、黃曉南（圖右）。圖片由深演智能提供。

數據模型是促成周以真與深演智能合作的動力之一。在周以真看來，AI 公司的發展目標，就是要建造比人更勝一籌的 AI 模型去解決簡單任務，但這一過程需要投入大量人力物力。而在廣告營銷領域從業十餘年的深演智能，目前做的正是搭建 AI 算法模型，以解決廣告主該賣什麼、在哪投放、怎麼投放等問題。

根據深演智能創始人兼 CEO 黃曉南的介紹，深演智能將計劃與哥倫比亞大學數據科學研究院（DSI）開設培訓專題。“學術界正在致力於讓建模過程自動化，以降低建模需要的人工成本。”周以真告訴36 氪。

除了利用學界的力量反哺技術，AI 公司更需要傳統 IT 的人才打磨業務。

兩個月——這是原 SAP 全球副總裁裴沵思、原 IBM 高級合夥人田小鵬履新的時間段。兩位曾在傳統 IT 巨頭任職的高管如今都有了新身份：裴沵思加入第四範式擔任總裁；田小鵬則成為了澳鵬中國區高級副總裁。

在世博展覽館，36 氪見到了剛剛結束一場分論壇的裴沵思，在 SAP 從業七年的他，曾分管過地產、交通、航空、金融等近三十個行業。而迫使裴沵思從傳統 IT 行業出走的，正是新興 AI 技術對傳統軟件廠商的衝擊。

“即使投入巨大，傳統軟件也解決不了企業的問題，因為新的進化發生了。”裴沵思對 36 氪說。他舉例到：舊思路中，為車企解決營銷問題就是上線一套 CRM ，但如今，人與人的傳播渠道；機器、IOT、製造領域的內部衝擊，已經超出了傳統軟件可以解決的範疇。

對於第四範式來說，裴沵思具備的跨行業經驗尤為可貴。從 2015 年誕生至今，金融已成為第四範式顯著的行業標籤，其研發的自動化算法平台“先知”已被銀行客戶廣泛認可。去年 12 月，第四範式公佈 C輪10 億元融資，農行、建行等五大行成為其股東。裴沵思也坦陳，目前公司超過 50%的收入來自金融行業。

因此，跨行業的增長，成為裴沵思來到第四範式的核心目標。在裴沵思的日程表裡，擠滿了“與漢堡王 CIO 午餐”、“與百勝高管開會”這樣的議程。而在裴沵思加入後，8 月下旬，永輝超市發佈公告，宣佈與第四範式成立合資公司。

儘管剛上任兩個月，第四範式與肯德基的合作已初見成效。這個被稱作“Trade Out”的場景，能讓用戶在 App 點餐時快速收到餐品推薦，“點了漢堡薯條的話，再加一對雞翅更實惠”。

“這種算法是基於用戶畫像做出來的，響應在毫秒級，最終能清楚地看到店面能有多少銷售額的增長。”裴沵思告訴 36 氪。

與裴沵思一樣，原 IBM 高級合夥人田小鵬加入澳鵬（Appen），也是看準了AI 行業中的新機會。

雖然沒有第四範式的獨角獸光環，但成立超過 20 年的澳鵬已在澳洲上市。數據標註是它的拳頭業務。一方面，澳鵬採用機器自動化標註，“視頻裡標註第一幀後，後面的幀數就可以自動追蹤”；另外，澳鵬還通過眾包覆蓋了全球 180 種語言，對諸如東莞話之類的方言都可以識別並標註。

作為一項人工智能的基礎型業務，澳鵬也身處國內 AI 公司的發展變遷。田小鵬稱：過去，客戶對於數據的要求是量大、價低；但現在，企業對用於深度學習的數據有了更高標準。

“要出海的 AI 公司（比如智能音箱）會要求語音/語義的數據更精準、語種覆蓋更廣、還要注意隱私；產業端的客戶（銀行、零售）則要提高數據的利用度，以挖掘出更多 AI 落地的需求。”田小鵬告訴 36 氪。

這些新場景、新需求，無疑成為澳鵬與田小鵬眼中的商機。雖然進入中國時間並不長，但田小鵬稱，澳鵬的客戶名單中已名列多位互聯網巨頭。“我們希望在 5 年內，達到 1 億美金的營收。”田小鵬說。

Dirty Work

相比 C 端市場的一夜暴富神話，服務 B 端的 AI 公司，注定要經歷漫長的等待。

為了找到 AI 合適切入的業務，深演智能花了近十年。在創始人黃曉南的規劃中，千人千面的廣告投放已經是老生常談，隨著客戶對於數據治理、交易評估、營銷預測等需求日益增多，深演研發出一套名為Alpha OS的操作系統，還改掉了沿用十幾年的公司名稱“品友互動”，因為“不像再被當作是投廣告的”。

作為大數據營銷領域的老兵，黃曉南對 AI 的侷限性有著現實的認識。深演智能目前在做的，是幫助品牌方進行“啤酒和紙尿褲放在一起賣會更好”、“溫度變化如何影響感冒藥銷量”的機器學習行為，黃曉南將其稱為“決策智能”。

“我們只做決策智能，不會去做人臉識別之類的感知、認知智能。AI 就不是一個創業的賽道。”黃曉南說。她對 36 氪進一步強調：“要讓 AI 發揮作用需要很多Dirty Work，都是沒人幹的活兒。”

什麼叫 Dirty Work？黃曉南不假思索就能列出幾條：先是大堆的人清洗數據，把欄位一個一個對齊，再打上標籤，還要設立作弊規則，最終為企業搭建起數據管理平台。

這些髒活、累活是 IT 升級中的基礎工作，看似瑣碎，重要程度卻如同為高樓打地基。“你可以理解為我們在養一個機器人。”黃曉南說，“我們用了八年，給這個機器人不斷喂數據、做決策、看反饋，到現在才找到合適的場景。”

這幾乎是所有 AI 公司的必經之路。從技術突破、到場景落地、再到交付實施，當 AI 創業者走出實驗室，他們既要學會直面市場無情的審視，也要接受在 AI 創業的酷炫概念背後，是枯燥無盡的Dirty Work。

實施交付則是 Dirty Work 的另一種展現。

“實驗室做出來的東西，往往只解決了一個技術問題，但不一定能解決客戶問題。”騰訊優圖實驗室總經理吳運聲對 36 氪說。

以騰訊智慧社區的場景為例，雖然在技術上能做到人臉、人體識別，但不少社區晚上的燈光十分昏暗，攝像頭無法識別抓拍人臉，這就需要在產品交付環節兼顧到補光的方案。

吳運聲還透露，為瞭解決客戶問題，優圖更多是與騰訊雲的方案綁定輸出，除了優圖主打的視覺識別以外，還整合了騰訊雲的自然語義理解、語音識別、地圖等功能。

儘管進入中國市場時間不長，但澳鵬中國已經完成了三層式的架構設計，田小鵬介紹到，目前澳鵬中國的組織底層是研發、上層是銷售市場，交付部門則被放在了架構的中心

“空有一個好的技術並不夠，客戶的實施場景是很複雜的。”田小鵬對 36 氪說。

為此，澳鵬在對接客戶時，會分層化解需求：銷售團隊帶回線索，研發團隊與數據科學家搭建模型、交付運營團隊跟進客戶需求，三方在交付的過程中不斷完善基礎平台、發掘場景，最終再把需求反哺給用戶，形成正循環。

“研發和工程系統不一樣，很多創業公司在組織設計上，會讓科學家去當銷售，讓銷售管交付，這就沒辦法生存。”田小鵬表示。

本文經授權發布，不代表36氪立場。

如若轉載請註明出處。來源出處：36氪