12月7日~10日，科技智庫甲子光年在線上舉辦2022甲子引力大會(huì)。在12月9日下午的“新一代數(shù)字基礎(chǔ)設(shè)施”專場(chǎng)上，共達(dá)地創(chuàng)始人&CEO趙叢就《AI：從巨星時(shí)代到群星時(shí)代》發(fā)表了主題演講。

以下為趙叢的演講實(shí)錄：

今年我們不止一次聽到行業(yè)里面的聲音，討論AI下半場(chǎng)該怎么走，焦慮商業(yè)化怎么兌現(xiàn)，共達(dá)地認(rèn)為以2022年轉(zhuǎn)折點(diǎn)，答案正浮出水面。

過去AI萌芽期是由先驅(qū)的科學(xué)家啟動(dòng)的，少數(shù)的企業(yè)深耕少量的應(yīng)用場(chǎng)景，最終趟出來一條路，我們認(rèn)為這個(gè)階段叫做AI的“巨星時(shí)代”。

接下來AI發(fā)展期，AI門檻持續(xù)降低，需求也開始涌現(xiàn)，但在落地和滲透率方面仍然有巨大提升空間。

下一步到了AI爆發(fā)期，需求的總量爆發(fā)式增長(zhǎng)，在各行各業(yè)廣泛應(yīng)用，AI生產(chǎn)的門檻也進(jìn)一步降低，甚至是非技術(shù)人員、產(chǎn)業(yè)里面的一線業(yè)務(wù)人員也可以參與AI創(chuàng)造過程。整個(gè)AI產(chǎn)業(yè)從市場(chǎng)規(guī)模、從業(yè)者數(shù)量上雙雙爆發(fā)，這就是我們即將進(jìn)入的AI“群星時(shí)代”。

在這里分享一下共達(dá)地對(duì)于“群星時(shí)代”三個(gè)關(guān)鍵詞的理解。第一個(gè)是“需求井噴”，新的需求不斷涌現(xiàn)，跟現(xiàn)在相比呈指數(shù)級(jí)增長(zhǎng)；第二個(gè)是“場(chǎng)景滲透”，AI進(jìn)入到千行百業(yè)，進(jìn)入到生產(chǎn)生活制造的方方面面；第三個(gè)是“共建和共創(chuàng)”，AI生產(chǎn)者不再僅限于科學(xué)家、算法工程師，而是進(jìn)一步下放到行業(yè)的業(yè)務(wù)人員的手中，就像今天每一個(gè)人都可以使用智能手機(jī)一樣。

為什么會(huì)有這個(gè)預(yù)測(cè)？因?yàn)樽鳛閺臉I(yè)者，我們第一時(shí)間觀察到動(dòng)態(tài)的數(shù)據(jù)變化。從官方數(shù)據(jù)上來看，工信部在11月份剛剛發(fā)布《國家人工智能創(chuàng)新應(yīng)用先導(dǎo)區(qū)“智賦百景”》，涉及到100個(gè)場(chǎng)景，9個(gè)大的領(lǐng)域，還有300多家單位。其中大部分應(yīng)用場(chǎng)景已經(jīng)不再是人臉車牌這些傳統(tǒng)的AI需求，而是向各行各業(yè)的業(yè)務(wù)細(xì)節(jié)場(chǎng)景當(dāng)中不斷滲透。

從行業(yè)研究數(shù)據(jù)上來看，Gartner2022年發(fā)布報(bào)告顯示，接下來5年中國人工智能軟件市場(chǎng)將從47.67億美元，增長(zhǎng)到138.58億美元，年復(fù)合增長(zhǎng)率達(dá)到28%，整個(gè)市場(chǎng)仍然有非常高的增長(zhǎng)預(yù)期。

從真實(shí)的商業(yè)化的招標(biāo)項(xiàng)目的數(shù)字統(tǒng)計(jì)來看，2022年也是關(guān)鍵轉(zhuǎn)變節(jié)點(diǎn)，全國人工智能招標(biāo)數(shù)量相較于2021年增長(zhǎng)271%。

一方面在冰山之上我們看到大量人臉、車輛、OCR的應(yīng)用場(chǎng)景，占比超過89%，而且市場(chǎng)競(jìng)爭(zhēng)非常擁擠；另一方面冰山之下仍然有10萬種長(zhǎng)尾的應(yīng)用場(chǎng)景正在逐步釋放。目前，平均每一種長(zhǎng)尾算法的供應(yīng)商不到兩家，AI在細(xì)分行業(yè)當(dāng)中的滲透率不到5%，這里面蘊(yùn)藏著巨大市場(chǎng)機(jī)會(huì)。我們?cè)诟蛻舻恼鎸?shí)交流過程當(dāng)中也能感受到AI滲透到千行百業(yè)，這里面還有非常多工作要做。

首先，誰最懂各行各業(yè)的AI需求呢？并不一定是算法科學(xué)家或者是工程師，而是在行業(yè)當(dāng)中深耕多年的從業(yè)者，他們具備我們經(jīng)常提到的這些行業(yè)Know-how。他們可能是系統(tǒng)集成商、軟件開發(fā)商、硬件設(shè)備廠商等等。他們離客戶最近，也熟悉從客戶關(guān)系、需求洞察、解決方案到項(xiàng)目實(shí)施、項(xiàng)目交付、項(xiàng)目運(yùn)維等等一整套復(fù)雜的環(huán)節(jié)，其中任何一個(gè)環(huán)節(jié)不工作，都會(huì)影響到項(xiàng)目落地的效果、效率、成本甚至可能導(dǎo)致項(xiàng)目的失敗。一個(gè)AI項(xiàng)目的落地，我們應(yīng)該把算法看作是一個(gè)技術(shù)手段，而它的目的是為了給客戶創(chuàng)造價(jià)值。

其次，有了行業(yè)Know-how，才有了算法迭代優(yōu)化的方向。站在客戶真實(shí)場(chǎng)景里面看，AI的算法沒有辦法被標(biāo)準(zhǔn)化，算法每應(yīng)用到一個(gè)新的場(chǎng)景當(dāng)中，從識(shí)別的對(duì)象到對(duì)象的距離，到環(huán)境的明暗、背景的差異，甚至是攝像頭的角度不同，都會(huì)影響算法精度的表現(xiàn)。

舉個(gè)例子，同一種火焰識(shí)別的算法，用在加油站，用在工地，用在森林防火當(dāng)中都是截然不同的，他們需要針對(duì)具體的場(chǎng)景進(jìn)行優(yōu)化和迭代，否則就沒有辦法滿足應(yīng)用場(chǎng)景的需要。這也是為什么我們看到很多算法在實(shí)驗(yàn)室當(dāng)中表現(xiàn)非常好的，但是沒有辦法用于真實(shí)的場(chǎng)景。

在真實(shí)場(chǎng)景當(dāng)中，一個(gè)場(chǎng)景可能需要M個(gè)算法不同組合，其中每一個(gè)算法又可能有N種不同的實(shí)現(xiàn)，所以真實(shí)的市場(chǎng)中需要解決的是M乘N個(gè)算法需求。而大量的開發(fā)工作對(duì)于依靠AI工程師堆工時(shí)、堆經(jīng)驗(yàn)的傳統(tǒng)算法生產(chǎn)方式是一個(gè)巨大的挑戰(zhàn)。

我們做過一項(xiàng)工作，一個(gè)算法的生產(chǎn)流程包含13個(gè)不同環(huán)節(jié)，平均從無到有去開發(fā)生產(chǎn)一個(gè)算法，再到部署到真實(shí)應(yīng)用場(chǎng)景當(dāng)中，需要3到6個(gè)月時(shí)間。這里面需要大量算法工程師開發(fā)和迭代，如果再加上算法部署到硬件，所需要調(diào)試的工作周期會(huì)更長(zhǎng)。即使在場(chǎng)景當(dāng)中落地和應(yīng)用，算力的利用率包括實(shí)際的算法精度也會(huì)有很大損耗，這也是為什么我們可以理解今天仍然有大量的AI需求沉沒在海平面以下，其中一個(gè)重要原因就是產(chǎn)業(yè)供需出現(xiàn)失衡。

AI供需失衡困境可以用天秤來表示。我們知道杠桿原理：動(dòng)力x動(dòng)力臂=阻力x阻力臂。為什么產(chǎn)能撬動(dòng)不了需求呢，因?yàn)锳I行業(yè)的動(dòng)力臂太短，阻力臂太長(zhǎng)。巨大的需求量和場(chǎng)景數(shù)量導(dǎo)致生產(chǎn)算法的難度很大，周期很長(zhǎng)，需要巨大的人力投入，而當(dāng)前AI產(chǎn)業(yè)鏈的分工以及協(xié)同并不夠充分，造成效率、成本和門檻都出現(xiàn)了問題。

但如果我們打造一個(gè)向左移動(dòng)的新支點(diǎn)，事情就會(huì)發(fā)生變化：讓右邊供給端的力臂變長(zhǎng)，即讓更多產(chǎn)業(yè)鏈玩家通過充分分工和協(xié)作產(chǎn)生更大的賦力和效率，讓算法生產(chǎn)的門檻更低，生產(chǎn)流程更標(biāo)準(zhǔn)化。基于此，行業(yè)會(huì)逐漸從垂直整合走向水平分工，大家各自做各自擅長(zhǎng)的事情，分擔(dān)產(chǎn)業(yè)鏈上細(xì)分環(huán)節(jié)上這些工作，這里新的支點(diǎn)就是這個(gè)生產(chǎn)力工具——共達(dá)地的AutoML自動(dòng)化訓(xùn)練平臺(tái)。

AutoML是用AI來代替過去AI工程師煩瑣的開發(fā)和迭代工作，讓非AI專業(yè)的業(yè)務(wù)人員也能夠輕輕松松開發(fā)和生產(chǎn)AI算法，這樣讓算法的生產(chǎn)周期、生產(chǎn)的門檻以及包括人力投入還有包括效率發(fā)生十倍速的變化。

AutoML并不是一個(gè)全新的概念，最早由谷歌提出來，現(xiàn)在很多公司也在嘗試，但是在實(shí)際功能和應(yīng)用層面有比較大的不同。

類似于自動(dòng)駕駛，我們可以將AutoML分成L1到L5五個(gè)等級(jí)，L1到L3用戶的定位主要是AI工程師，主要是幫助AI工程師減少代碼開發(fā)工作量。共達(dá)地目前在做的是L4到L5的全自動(dòng)化的算法生產(chǎn)，目的是為了讓行業(yè)的業(yè)務(wù)人員、技術(shù)小白也能夠自主開發(fā)AI算法，讓算法的生產(chǎn)權(quán)限完全放開給產(chǎn)業(yè)鏈當(dāng)中，從集成商、軟件開發(fā)商到硬件設(shè)備廠商的各個(gè)角色，讓產(chǎn)業(yè)+AI真正實(shí)現(xiàn)具備規(guī)?；涞氐幕A(chǔ)。

所以，對(duì)于產(chǎn)業(yè)鏈上不同的角色，我們也制定不同合作方式。算法需求量小、技術(shù)基礎(chǔ)比較薄弱的客戶，可以直接從共達(dá)地算法商城當(dāng)中去采購共達(dá)地算法，或者由共達(dá)地來幫助定制新的算法。我們利用AutoML平臺(tái)來為客戶生產(chǎn)算法，最快可以一周交付一個(gè)全新的算法。那對(duì)于算法需求量大，有軟件開發(fā)能力和項(xiàng)目交付能力的客戶，可以直接訂閱使用共達(dá)地平臺(tái)，讓自己業(yè)務(wù)人員輕松上手，能夠自助式的按需生產(chǎn)自己的算法。目前共達(dá)地已經(jīng)和很多行業(yè)的集成商、運(yùn)營(yíng)商、AI公司、硬件公司客戶跑通了平臺(tái)訂閱合作，并且完成了落地的應(yīng)用。

基于共達(dá)地的平臺(tái)，我們合作伙伴可以將算法的生產(chǎn)效率提升10倍，同時(shí)整體人力下降70%。比如在智慧城市應(yīng)用場(chǎng)景中，面向游商小販、違規(guī)停車、垃圾溢出等等100個(gè)算法，原本需要6個(gè)月來生產(chǎn)，實(shí)際上用共達(dá)地平臺(tái)三周就可以完成落地。

目前，共達(dá)地已經(jīng)累積300多個(gè)合作伙伴，并且產(chǎn)生2000多種不同的算法和場(chǎng)景，而千行百業(yè)的從業(yè)者不再需要學(xué)習(xí)枯燥的深度學(xué)習(xí)知識(shí)，也不做需要具備代碼能力，就可以自己能夠上手生產(chǎn)AI算法，比如行業(yè)的解決方案經(jīng)理、售前經(jīng)理、產(chǎn)品經(jīng)理等——只要能夠清晰定義AI的需求和場(chǎng)景，就可以用共達(dá)地平臺(tái)將對(duì)AI的想象變成現(xiàn)實(shí)。

共達(dá)地還是一家非常年輕的公司，我們成立于2020年，核心團(tuán)隊(duì)擁有非常豐富的AI從業(yè)經(jīng)驗(yàn)，這兩年多以來我們一直在專注AutoML這一件事情，無論從平臺(tái)應(yīng)用性、生產(chǎn)算法的精度、生產(chǎn)算法的效率，還是在商業(yè)落地方面，我們都做到行業(yè)領(lǐng)先。

上一個(gè)十年，我們一起見證了AI的技術(shù)價(jià)值和商用潛力，那么下一個(gè)十年如何去兌現(xiàn)千行百業(yè)對(duì)于AI的想象，是我們每個(gè)AI從業(yè)者的使命。這項(xiàng)使命并不只是需要AI技術(shù)人員的參與，更需要行業(yè)人員、產(chǎn)業(yè)人員以及AI上下游企業(yè)的參與，包括集成商、軟硬件廠商、行業(yè)協(xié)會(huì)、科研院所等的共同參與和共同創(chuàng)造。共達(dá)地這個(gè)名字可以解釋為共同到達(dá)目的地，因?yàn)槲覀冊(cè)谧龅氖且患?duì)整個(gè)行業(yè)有利的事情，希望可以用最開放的生態(tài)和合作伙伴一起去共建、共創(chuàng)、共同到達(dá)目的地。

最后，歡迎大家和我們一起守望AI群星閃耀時(shí)。