人工智能

人工智能技术型公司服务传统行业的机遇与挑战

与会的圆桌嘉宾分别从AI的技术和应用层面解读了AI落地的问题

2018年11月29日
  • 人工智能
  • 圆桌论坛

近日,爱分析在京举办了2018爱分析·中国人工智能高峰论坛。BC Capital董事总经理曹军波、旷视科技副总裁敖翔、同盾科技副总裁顾威、量化派副总裁谈恩华、同渡资本创始管理合伙人吴蓉晖,共同就技术型公司服务传统行业的机遇与挑战发表了精彩的见解。他们分别从AI的技术层面和应用层面,解读了AI落地的问题。爱分析联合创始人兼首席分析师张扬主持了本次圆桌讨论。

现将圆桌论坛讨论实录分享如下。

爱分析:未来的趋势是否是多种技术的融合?如果技术会融合,AI市场是否会更加集中?

曹军波:个人认为,人工智能发展到现在,体现出了软硬一体的趋势。从汽车行业来看,谷歌的Waymo估值已经达到1800亿美元,其大大降低了激光雷达方面的成本。向主机厂采购了数万辆汽车后,不仅将硬件安装上去,而且基于算法在凤凰城进行Robot Taxi的试运营。 从这一点可以看出,如果没有软硬结合的能力,应用落地的速度会慢很多。

在国内,AI行业也体现出软硬结合的趋势。很多纯技术的公司开始找硬件相关的合作方,或者吸引来自主机厂的战略投资。

综合来看,在AI的落地应用方面,在一些行业内的确有多种技术融合的趋势。

敖翔:无论是做AI视觉、AI语音或者其他,只有解决了某个完整的问题,才有存在的价值。只有根据问题决定使用什么技术、做哪些融合,才是健康可持续的商业模式。所以无论是技术融合,还是软硬一体,如果要落地,一定要出于实际诉求。

市场方面,AI发展的基础是人才、基本的机器学习能力等,这些都具备跨界合作的特性,所以我觉得会出现很大的格局改变。

谈恩华:人工智能技术的基础是数据,其上一层是特征,基于特征建模、应用算法。算法很多是公开的,数据大多不是公开的。未来,巨头企业有可能可以取得一些非公开数据,这对于创新企业而言会造成壁垒。

以搜索为例,谷歌和雅虎的技术起初是一样的,但随着谷歌的市场份额越来越大,反馈数据越来越多,最终可以占到70-80%的市场。所以从数据的角度讲,的确存在来自巨头的威胁。现在各国提出数据共享的概念,通过立法和竞争环境的改造,削弱巨头可能造成的数据壁垒,比如银行数据、征信数据的公开。

吴蓉晖:我认为信息化发展分为三个阶段,第一阶段是计算机技术的发展,第二阶段是移动互联网的发展,第三阶段是智能化的发展。虽然这三种技术处在不同时代,但是它们的发展路径非常相似,需要从两端来看,一端是技术的发展,另一端是行业应用的需求。

从行业应用的角度来讲,需求差异很大。有的行业只需要弱人工智能的支持就可以了,但是有些行业,比如自动驾驶、家庭的服务机器人,要求多种技术的交互。我认为强人工智能的需求,未来会驱动技术的融合。

顾威:虽然同盾是做软件服务的,但是我觉得人工智能的发展离不开硬件。芯片的更强的处理能力和更小的功耗是芯片设计厂商不断追求的。硬件每一个层级的提升都会帮助软件服务企业更好更快的落地应用。

同盾科技是用机器学习算法,增强传统逻辑算法和回归算法在金融场景中的应用能力。金融场景涉及到大量变量,需要使用新模型。针对弱变量分析,机器学习的能力和快速运算的能力非常重要。所以有了硬件的提升、算力的改善,再加上好的算法,才能促进AI技术在应用场景中的发展。

根据对行业的熟悉程度,不同企业会扮演不同的角色,比如芯片企业提供基础的芯片技术,视频、图像、声音等是基础研究,在这之上需要行业应用。

爱分析:同盾科技使用的新技术在行业中是否有发展空间?

顾威:针对于不同应用场景还是有机会的。同盾科技已经有五六年的发展历史,这期间的业务积累是很重要的,比如基于自然语言处理、语言识别合成、声纹识别等核心技术,同盾打造了智能语音服务平台—— “赫兹。面向银行、互金、保险、证券、互联网等客户群体,提供智能语音服务,提升客户企业智能化、信息化、数字化等综合能力,目前同盾智能语音服务平台已经为多个客户进行服务,市场空间我们非常看好。

爱分析:AI技术的落地应用会爆发在什么场景中?

谈恩华:数据是一个先决条件,因为现在普遍的监督算法必须依赖标记数据。无监督算法对数据标记的要求会小一些,但是技术还不是很成熟,主要是做聚类和分析。

AI的行业落地要看行业自身的先决条件,比如医疗的数据比较少一些,每个案例都要花很多钱,可能需要用统计方法解决问题。在线教育涉及人机交互,可以用人工智能的技术来做。另外,滴滴出行在用人工智能算法做车辆调度。我认为线上线下融合的行业比较有发展机会,纯线下的行业还需要一段时间的发展。

顾威:金融行业是首选的落地行业,行业对于人工智能的接受度比较高,而且数据的完备性比较好。其他行业的话,最近同盾科技和顺丰速运成立了合资公司,人工智能会在物流行业有很大应用,包括配送机器人、无人机、智能仓储、智能协调等。新的技术可以应用到物流的各种环节和场景中去,物流是我们同盾科技下一个要开拓的行业方向。

我们借助同盾科技积累的人工智能技术,用科技能力有效利用数据,做更好的模型、更好的算法,将其与物流场景相结合,做物流的运力风控管理,配送线路的算法优化等。

吴蓉晖:最核心的是数据,因为现在的人工智能主要是深度学习,深度学习需要大量的数据,所以应用离不开现成的大量数据的采集。根据数据的情况,安防和金融行业的落地比较快。

相比于计算机技术和移动互联网在医疗领域的应用,人工智能的应用发展比较快。影像是人工智能落地的一个很好的方向,因为有很多现存的数据可以用,而且医疗行业对于智能化的热情很高。医疗的其他方面也是有数据可以智能化的,但是发展比较滞后,因为是离散的数据,没有那么容易采集。

在医疗AI领域,目前我们只投影像相关的项目,同时也关注疾病诊断项目。我认为数据是AI发展的很大前提,也是我们寻找应用类项目时,首先会考虑的角度。

爱分析:您认为AI在工业领域的渗透是否有足够的数据基础?

吴蓉晖:工业最大的一个问题是数据的标准化程度不够,因为有不同种类、机型和品牌的设备。如果采集上来的数据不经过整理,数据之间的交互不够,离散的数据是很难应用于AI技术的。

爱分析:旷视科技如何看待AI的行业渗透,以及如何构建跨行业应用能力?

敖翔:影响AI行业渗透的因素有几个:第一,AI要能解决行业核心的问题;第二,行业理解是有壁垒的,因为具备专业知识的程度不同,从行业内部的技术做起,比技术从行业外部进入,渗透的速度更快。第三,技术影响力。第四,AI企业是否有健康的商业模式。这四个因素中最重要的是影响力。

对于旷视科技来讲,跨行业渗透最重要的是行业理解,我们很看重这方面的人才建设,吸纳有行业经验的人才进来与技术能力结合。

爱分析:旷视科技如何选择进入一个行业的时间点?

敖翔:AI赋能行业,商业模式是一个重要的考量因素。比如我们有过医疗行业的尝试,但是过程中发现项目各参与方没有共同的认知,项目利益的分配也是难题,暂时无法形成可持续的商业模式。在某些行业,按从业逻辑切入可能更直接,做了标杆项目后再赋能会更简单,技术融合度更好。

爱分析:什么时候是投资AI项目的好时机?

曹军波:个人认为,人工智能和传统互联网最大区别就是,互联网浪潮中兴起的基本上都是2C的企业,2B的发展不是很好。人工智能一开始就是2B的技术,互联网巨头凭借数据优势开始关注2B业务。

2B业务的特点是一定要提升效率、降低成本、提高利润,这跟互联网2C的模式不一样。2C业务是先做大用户规模,然后再去想商业模式。AI技术在互联网领域的应用有精准营销;在银行可以通过风控降低损失,进行风险定价;在安防领域可以减少人工成本;医疗方面,在解决数据问题的前提下,诊疗结果基本上可以达到医生的水平。

现在大家都在各个领域探索AI技术的落地场景,前提条件是数据的切实有效,商业模式的可持续性等。在出行领域,自动驾驶就是按照这个路径在发展,在数据完备的情况下,先做软硬件的融合,技术成熟之后再真正的商业应用,最终到2C领域。

AI技术的爆发还是由数据和商业模式决定。从宏观环境和技术迭代来看,2019年可能会有一些变化。一方面,5G的商业应用会给数据的生成和传输带来变化。能够更多借助5G发展的行业,AI落地的可能性更大一些。另一方面,硬件也会有发展,比如5G的手机、智能家居设备,这可能会给VRAR带来新的机会。

爱分析:AI技术以赋能的角色还是直接参与者的角色落地应用,在哪些行业AI技术有机会作为直接参与者有更大的市场空间?

敖翔:这个要依具体情况而定,如果是AI企业拖着行业发展,最好是直接参与进去。因为如果行业认知跟不上AI企业的话,无法达成有效沟通和合作,AI企业做起来会很累。如果行业对AI技术要解决什么问题很明确,比如安防,就可以全面赋能。

吴蓉晖:我觉得要看三个方面,一个是传统行业本身的特性,比如行业的市场规模有多大。有些行业如果AI企业只是赋能,很难产生收入,如果直接参与,业务量会大一点。

第二,要看垂直行业的进入门槛有多高。有的行业专业知识的壁垒很高,做技术的人进入行业后,需要积累多年的行业经验,才可能有所成就。而有些行业,比如零售行业,互联网人、技术人也能做,因为不难懂,可以一边做技术一边学习运营策略。

第三,要看团队本身有没有能力很快地学习行业知识,建立业务网络做更多的事情,而不单单是卖技术产品。这对于很多创业团队是很大的挑战。大部分团队还是偏技术型的,如果能够和商务性比较强的,或者做传统行业的人才结合,综合实力会比较好。

在投资面向医疗行业的AI创新企业的时候,我们会选择有综合能力的团队,既要有技术,又要有行业理解。如果没有行业理解,医疗行业是很难做的。单纯有行业经验的人,对技术的理解没那么深。

曹军波:我个人很同意吴总的观点,在医疗行业,技术仅仅是一方面,如果没有很强的渠道关系,业务很难实际落地。

爱分析:AI技术在供应链金融中的渗透情况如何?AI技术起到多大价值?

顾威:同盾科技的定位主要是做智能风控,辅助参与金融业务,帮助金融机构做2C业务。

供应链上的企业有很强的融资需求,比如物流链条中的车队司机、仓储、电商平台、上游批发商、下游经销商都需要资金周转。

从信用而言,我们结合各方面相关变量做风控模型来控制风险,同时也会运用保理的逻辑,考虑经营性资产的抵押,比如货品、运单等。所以我们做供应链金融的模式是将信用融资和抵押融资相结合。

谈恩华:供应链金融很有潜力,现在我们也在和一些合作方洽谈汽车方面的供应链金融业务。目前AI技术在供应链金融领域的应用主要聚焦在信用方面,另一方面是欺诈风险的监控。

就汽车的供应链金融来讲,款项是贷给供应商,供应商拥有车或者款,本质上和房贷一样,因此信用风险没有那么大,但可能会有欺诈风险。比如对于仓库中的汽车,我们可以通过安装智能摄像头、定位系统、安防系统等,控制汽车被调包、被盗的风险。所以,在供应链金融中,人工智能的机会还是很大的。

爱分析:2019AI最大的变化可能会发生在什么地方?

吴蓉晖:因为我们看应用层的项目比较多,我觉得应用永远都是比较缓慢的,尤其有些行业穿透需要时间,但是技术的发展是很快的,尤其注意到美国现在出现自学习的算法,大大的减少了AI算法对数据量的要求,从百万级别可以减到千级别,我们非常期待有这样的应用案例出来。

谈恩华:2019年我很看好消费行业和汽车行业。

顾威:物流行业中,车联网会有很大发展,也就是在车上安装很多智能设备,前面有摄像头,驾驶舱里面有摄像头,货箱里面有温控设备。把所有的信息采集起来用人工智能的算法做相关的业务场景分析,我觉得这方面的发展会很快。

另外,大众对语音技术接触比较多,比如我们会用机器人进行智能催收业务。2018年,语音技术的推广很多,发展也很快,期待语音技术在更多领域的爆发。

敖翔:2019年一定是在人多的领域,AI发展的机会更大,比如手机行业、零售行业。

曹军波:个人认为,2019年还是看基本趋势、基本条件的变化,关键节点有5G商用、边缘计算和IoT的发展等。我认为人工智能在之前的领域里面都会有更深入的发展空间,比如智能客服就是AI在营销领域的应用。

新的领域里面,可以关注一下2C业务,未来两年C端硬件会有一些变化,比如谷歌和苹果公司已经在AR方面做生态整合和硬件升级。