眾所周知,人工智能發展離不開三大要素:算法、算力、大數據。

三者相輔相成的邏輯關系相信大家都有所了解:06年辛頓教授提出了深度學習算法,開創了A.I.理論界的創新突破,后續在移動互聯網的到來,促進了A.I.發展的最基礎條件“大數據”的產生。大數據和深度學習算法的雙劍合璧,再配合摩爾定律下的算力快速提升,從而輸出不同場景以及行業下的A.I.解決方案,如現在大家經常看到的人臉識別、物體識別、語音識別、語音合成等多方面的應用和成果。

人工智能發展到現如今還是一個被大數據喂養起來的一個小怪獸,而且在深度學習算法沒有明顯突破的情況下,人工智能實現自我學習能力看起來還是遙遙無期,因此對于A.I.對人類的替代性以及威脅,還遠沒有達到讓人類擔憂的地步,當前大家探討最多的就是人工智能在各個領域的應用。

特別是在今年兩會期間,人工智能多次出現在政府工作報告之后,今年更深入具體的提出了“智能+”的概念。政府工作報告提出“智能+”,即通過人工智能技術“賦能”生產性場景,打造工業互聯網平臺,提升各行各業的生產效率,創造新的市場需求,成為推動中國經濟增長的新動力。

當人工智能這個性感的時髦詞語和工業這一厚重沉悶的詞語碰撞在一起的時候。問題來了:

人工智能三大要素在這一發展趨勢之下,是否還會適用?

如果我們多留心產業A.I.的動向,就會發現從去年下半年開始,相關項目的PPT里越來越多提到行業專家、Know-How這樣的字眼。從算法問題,算力與數據問題,再到Know-How問題,本質上來說A.I.正在一步步向神秘的產業世界進發。

那么到底什么是Know-How呢?

Know-How摘錄自百度百科的內容如下:

中文譯名為:技術訣竅,最早指中世紀手工作坊師傅向徒弟傳授的技藝的總稱。現在多指從事某行業或者做某項工作,所需要的技術訣竅和專業知識。就拿汽車制造工業來說,如果說制造汽車好比烹飪佳肴,技術文件整車數模好比該佳肴的“獨門秘方”,那么Know-How就是“獨門秘方”的調配、驗證過程,這個過程是經過“世界名廚”們長時間多次反復試驗而最終形成的。Know-How正是中國古訓“授人以魚不如授人以漁”之“漁”。

理想情況下:人工智能如果要進入一個工業領域,需要一個專業的行業專家做指導,這個專家可以是一個人,也可以是一家公司,Know-How更多的類似這種中介機制的存在,確保A.I.在各個領域的應用和需求充分對接和滿足。它的好處有以下幾點:

1、控制行業差異化,從而保證工業應用效果。

深度學習的原理就是提取人類標注過的大數據中抽象化特征并反向輸送給機器,從而實現智能。但提取什么特征,提取過程中要注意哪些問題等,這些都是A.I.無法預計和預估的。比如說A.I.提升良品率問題,良品的定義到底什么?重量還是表面紋理,還是說運行振幅等。類似這個特征的定義,就是A.I.在工業應用中的Know-How點。

2.關鍵訓練數據的獲取和應用。

A.I.離不開數據,現在人工智能發展應用集中在通用數據,隨著物聯網和信息網的物信融合趨勢,導致現在數據價值密度大大增加,甚至引發了邊緣計算的趨勢現象,大數據的獲取緯度和密度都出現前所未有的加大,挑戰和機遇并存。首先工業領域里那些從未被公開的工業價值數據如何應用、如何防止泄露,其次工業應用在物信融合的趨勢,還可能發現一些新的數據緯度和價值,如何挖掘、如何應用。上述兩點都可以理解為,A.I.在工業應用的另外一個Know-How價值點。

1.嘗試在供應鏈中理解和梳理成本與價值的關系。

A.I.賦能,聽上去很好,但到底這個到底需要投入多少人力物力,什么時間能回收成本,預計能創造多大的價值,都是極大取決于行業多年應用中形成的穩定的成本價值關系。為行業應用者估算整個A.I.賦能的投入產出周期,也是Know-How的價值點所在。

2.在產業鏈賦能中加入復雜的商業博弈邏輯和關系。

A.I.賦能工業,生產能力上去了,但是有可能與供應商的連接能力減弱了。在復雜的工業鏈條中,一家企業是從管理系統、運維系統到生產系統等和上下游深度緊密纏繞在一起的,任何一個維度的變更都可能影響上下游關系,同時變更條件也受制于上下游關系。對這些關系的理解和預判,也是Know-How的價值點。

其實總結下來,Know-How能力真的是有點像是A.I.與工業之間的中介。如同我們去買二手房一樣,雖然我們都不想找中介,但是發現離開他們還真不行。想明白這一點,智能+的應用和推進落地就需要更多理性在里面:

智能+,不能快刀斬亂麻,只能循序漸進。

A.I.如果要進入垂直產業,尤其在工業領域,將會面臨非常復雜的局面。切忌求急求快,因為工業領域的龐雜和差異化,A.I.賦能的周期和成本會非常高。每個行業都是自己的Know-How點,需要逐個融合,逐個攻破。

智能+,切入點要優先考慮某些重點工業領域,比如新千億市場軌道交通領域

工業領域是一個Know-How點密集的領域,不過也是產業集群帶動效應最明顯的領域,它具備很強的購買能力和市場容量,同時如果某些工業領域數字化程度也很高的話,那么它的先天數據優勢就降低了A.I.賦能的周期、成本以及風險。比如以廣州地鐵為代表的軌道交通領域,2018年末的中央經濟工作會議提出的新基建,更是特意提出了軌道交通這一類新型的基礎建設領域,既是保增長又是穩創新的一個新模式。粵港澳大灣區的規劃綱要中也很明確地提出了,要建立“一小時生活圈”。這對整個灣區的互聯互通,無論是物流、商流、資金流的互通都有很大的價值。一小時生活圈建設,最好的模式就是軌道交通。同時軌交交通領域具備潛力非常巨大的市場空間:廣州公布軌道交通產業發展三年行動計劃中特意提到,到2021年,僅廣州市軌道交通產業規模預計就要達到1200億元,2023年實現力爭產值1800億元。在數字化方面,軌道交通也走在了前列。2019年1月在佳都科技的技術支持下,廣州地鐵線網國內首創所有閘機支持乘車碼過閘(廣州地鐵APP乘車碼、廣州地鐵乘車碼支付寶小程序、廣州地鐵乘車碼微信小程序),同時佳都科技也借助自身浸淫軌交行業多年的Know-How能力,在地鐵智能系統中實現了人臉識別、模糊圖像處理、熱力圖人數統計、行為分析等多項技術功能。據其公告顯示,3月佳都科技還中標 118億廣州地鐵新線項目,則為全自動運行系統、人臉識別售檢票系統、基于數字孿生的智能站臺系統等一批 A.I.新產品的應用,更為軌道交通領域的數字化、網絡化、智能化做好鋪墊和基礎。

擁有Know-How能力,才是智能+落地的關鍵!

在技術與場景融合的過程中,核心技術和行業 Know-How將成為企業構筑競爭壁壘的關鍵;

能否解決行業痛點、促進行業真正降本增效,關乎 A.I.企業的生存和發展。擁有Know-How,會變成某種A.I.公司的底牌。今天的A.I.公司,更多是拼大牛,拼算法獨特。這些故事可以講給投資人聽,但是在真實行業應用的時候,是否擁有的Know-How水準,會開始影響A.I.公司的融資能力與發展水準。

所以說,A.I.可以像大家常說的像水和電一樣進入每一個人的生活,但是不一定可以像水和電一樣進入每一個工廠。

讓懂A.I.的人與懂行業的人在此時盡快相識相愛,形成親密的合作關系,才是人工智能發展到現如今,在智能+新時代下,大家需要重點考慮的問題。

為什么說這是第四次工業革命?

因為工業才是一個國家的基礎,才是影響百行百業的源頭。

關鍵詞：