TMT观察网_独特视角观察TMT行业

無需贅言，在中國，幾乎被視為“新經濟”同義詞的數字經濟，對宏觀經濟的拉動作用已非常明顯：2017年中國數字經濟規模達到了27.2萬億元人民幣，同比增長20.3%，對GDP的貢獻高達32.9%，最樂觀的預計是，到2025年這一特殊拐點，數字經濟有望成為中國經濟發展的第一引擎。

在此背景下，每年貴陽數博會的如期而至，科技巨頭與創業者齊聚中國西南一隅，更像是一次對數字經濟過往成績的全面復盤，以及對可預見未來的一次全面預測——尤其擱置在最近一系列推進信息化與工業化充分整合的政策部署下，今年數博會“數化萬物，智在融合”的主題，也充分勾勒出構建“數字中國”的歷史機遇。

就在不久前，國務院發展研究中心發布了《傳統產業數字化轉型的模式和路徑》，為“數字化轉型”下了一個精準定義：“利用新一代信息技術，構建數據的采集、傳輸、存儲、處理和反饋的閉環，打通不同層級與不同行業間的數據壁壘，提高行業整體的運行效率，構建全新的數字經濟體系。”

這條路并非坦途，如何進一步充分釋放數字對經濟發展的放大、疊加和倍增作用，需要政府和企業的合力鍛造：從國家層面，必不可少的當然是更睿智的頂層設計，更豐富的數字化基礎設施建設；從企業層面，如何拿起最新的技術工具，完成對傳統領域全產業鏈條的重塑，或許將成為數字化轉型的勝負手。

令人欣喜的是，談及最新技術工具的“裝備庫”，現階段中國的確握有一手好牌——在大數據和人工智能等數字經濟的基礎設施領域，無論從技術還是數據角度，起跑線的相對公平，都將賜予中國一次難得的“領跑權”，就拿人工智能來說，盡管短時間內諸如DeepMind等對人類影響深遠的開疆拓土型公司不會在中國誕生，但若論及產業落地的速度，在大概率上，中國或許將成為先行者。

更像是對上述觀點的某種印證，不難發現，盡管今年貴陽數博會在國際化和市場化程度上明顯提高，但若論及純粹的“黑科技屬性”，相比于去年街頭賣藝式的吸睛程度（可能有些過分喧囂了），今年參展企業似乎變得“務實”許多。最典型代表就是去年憑借唇語識別獲得數博會十大黑科技稱號的海云數據，剛剛在2018數博會人工智能全球大賽-北京站奪得總冠軍的他們，盡管風頭依舊，卻并未捧出在大眾層面多么惹眼的新技術，而是展出了一整套行業業務解決方案。

事實上，分析不少科技企業從“務虛”走向“務實”，得從這一輪科技革命的兩種落地方式談起。

技術變革的兩種路徑

其實從最底層的邏輯上，正在發生的這場技術變革，一直有兩條相互交叉的技術路徑，二者彼此滲透，共同完成了對傳統行業的改造。

就拿AI領域來說，眾所周知，人工智能產業鏈分三層：最底層包括芯片和開源框架等基礎設施，這一層門檻最高，以前段時間頗為敏感的CPU和GPU為例，中國企業想趕上英偉達和高通等巨頭，攤開最激進的時間表，也需要5-10年，這一層更多依靠的是時間的陳釀，現階段還是巨頭間的內斗，先暫且不表。

中芯還在28納米苦苦掙扎時，臺積電7納米的芯片已于2017年4月開始試產

最受大眾關注的變革發生在中間層。這里群英薈萃，無論巨頭還是新貴，都致力于完善圖像識別，機器翻譯，語義識別和語音識別等通用技術——事實上，走第一種技術路徑的，也大多集中在這一層：他們親盡全力，完成上游通用技術的攻堅。選擇這一技術路線，無疑需要背后龐大的體量支撐（譬如谷歌），或者超高專注度，譬如據媒體報道，商湯科技就擁有百人級別的博士團。

而對算法的深耕，也會下沉至具體行業，迅雷創始人程浩老師就舉過兩個例子：高級駕駛輔助系統解決方案的Mobileye 成立于1999 年，直到8年后才掙到第一桶金；達芬奇手術機器人從啟動研發拿到FDA認證，花了十年時間——這并不難理解，無論自動駕駛還是機器人手術，理應需要算法上的無限精進。

算法的精進固然令人欣喜，但另一方面，更理性的觀察者，也不該被所謂“技術的純粹性”蠱惑，事實上，在大多數對“識別率小數點后幾位”沒那么敏感的行業（比如門禁時的人臉識別），算法之間的細微差別對最終結果影響不大——尤其在安防和航空等需要行業積淀的領域，算法壁壘沒有自動駕駛那么大，這些行業的AI玩家，最銳利的武器應該是“行業縱深度”和工程化能力，懂“需求”遠比懂“技術”更重要。

這就引出了另一條技術路徑：他們選擇將技術“沉下去”，選擇有限的垂直領域，然后親盡全力，深入到這些行業的五臟六腑，通過為一個個行業客戶服務和賦能，逐漸拼湊出一張詳實的知識圖譜，然后再通過知識圖譜反哺新技術與行業應用——值得一提的是，深諳這種技術路徑的公司，許多時候也會選擇AI中間層的通用技術，但由于率先捕捉到這個行業的痛點，他們得以從業務邏輯維度，完成更具效率的創新，最終在新技術與知識圖譜的雙向加持下，一舉解決行業痛點。

更“務實”的AI

說來稍顯凌亂，甚至一頭霧水，不妨以海云數據為例，剖析后一種技術路徑的落地。

這家公司以大數據可視分析起家，近年來試圖完成某種蛻變，通過AI與可視分析的融合，以及在安防等領域多年沉淀的行業知識，推出了一系列與行業結合緊密的解決方案。他們將自己最主要的業務邏輯命名為“能力服務”：通過推動上游新技術支持與政務應用深度融合，為決策層提供調度指揮頂層設計。

這種能力服務現階段的標志物，就是在數博會上頗為風光的圖易AI能力服務平臺。在這一平臺上，通過整合軟件、硬件、數據和算法，客戶可根據不同需求，用“傻瓜式”操作（全程“無代碼化”）組建自己的AI能力模塊，今后也可根據不斷增加的業務需求，更新自己的能力矩陣，像搭積木一樣，完成業務的效率提升和數據決策價值變現。

圖易6

以海云數據深耕多年的安防領域為例，基于圖易研發的“智警大腦”，已經讓不少決策機構的公共安全能力得以飛速進化。“智警大腦”已在40個細分領域內形成了200余個行業能力，且融合了語音識別和人臉識別等人工智能技術（如前所述，這些都是AI中間層的通用技術）——舉個例子，它可以通過人臉識別進入后臺，然后通過語音指令調出事故現場視頻，附近的警力、周邊卡口、情報分析情況、犯罪嫌疑人的路徑、重點嫌疑人的檔案等節點，可以瞬間通過一張圖和一張網的形式，讓公安人員實時看見，確保在事故發生后公安部門能快速處理。目前“智警大腦”已經服務了全國超過三分之一的公安市場，使公安情報分析準確率提升70%，指揮決策效率提升50%。

受益于圖易AI能力服務平臺的，還有另一個與數據決策緊密相關的領域：航空。

舉個最近的案例，作為目前國內機場規模最大的指揮大廳，白云機場運行控制大廳部署的決策指揮平臺——“白云機場可視化智能指揮決策系統”，即是由海云數據與其戰略合作伙伴廣東機場白云信息科技有限公司共同打造，雙方聯合研發了名為“啟明星”的航空大數據解決方案，后者可以將機場“三大區”(飛行區，航站區，綜合區)的各項業務數據充分整合，集合空管、氣象、交通、地圖、運營商等數據，結合大數據可視分析技術與AI技術，實現對“五大流”(飛機流，旅客流，行李流，貨物流，交通流)全區域覆蓋和全流程管控，通過分析機場當前的綜合運行態勢和各場區運行動態，對機場整體態勢進行實時可視化展現，幫助決策者通過“一張屏”了解機場整體運行狀況。

白云機場可視化智能指揮決策系統

從上述案例中不難發現，海云數據希望給客戶提供的，是一套封裝完備，體驗良好，“即插即用”的綜合解決方案，他們一直致力于推進“上游新技術支持”與“下游行業應用”的銜接——最為值得一提的是，一旦他們發現，市場上現有的AI通用技術無法滿足為客戶賦能的需求，或者無法百分百解決行業痛點，作為綜合解決方案提供者，他們也會“親自上陣”，完成從0到1的技術攻堅。

弄懂這個邏輯，你也就理解為什么他們去年看似“無心插柳”地發布了唇語識別成果（還順帶拿了去年數博會“十大黑科技”稱號），其研發初心非常簡單：解決公安大量無聲視頻中數據缺失的難題。

眾所周知，公安系統中視頻信息量頗為龐大，但大多以默片方式存在，只看得清嘴型，卻不知說些什么。針對這一行業痛點，海云數據研發的唇語識別能在最大程度上釋放視頻圖像里的信息——更重要的是，它能與大數據可視分析系統充分嫁接，讓決策者能從聲音，圖象，視頻，空間和地理信息等多重緯度，進行綜合態勢的判斷，大幅度豐富現有的公共安全大數據一站式綜合解決方案。

唇語識別技術

令人欣喜的是，類似這種“保姆級”的能力服務，海云數據的圖易平臺已在公安、司法、監察、交通、消防、軍工、智慧城市等領域均形成深度的行業應用。

所謂AI“務實”，莫過于此。

結語

當然，在我個人看來，上述兩種技術路徑，其實是兩種不同分工，談不上孰優孰劣，只有它們彼此滲透，共同進化，才是AI疆界最完整的圖景——只不過，對于更“務實”的行業客戶來說，如何利用新技術與下游應用結合，提升業務效率，真正產生效益，才是他們此刻最迫切的需求。

嗯，這么說好像稍顯“功利”，但所謂建設“數字中國”的恢弘愿景，不也正是不同行業里那些真正的務實者，基于一個個具體的問題，一點一滴拼湊起來的么？

“多研究些問題，少談些主義”，胡適這句箴言，放在AI領域，好像也同樣適用。

李北辰/文