數據先行，迎難而“下”，這才是AI革命的正確打開方式！

智能的第一步是什么？

在鎂客網主辦的“M-TECH主題論壇”蘇州站會議中，無論是專注于前端成像芯片的眼擎科技商務總監代勇，還是致力于人臉識別研發與服務的云從科技高級副總裁孫慶凱，都不約而同得談到了一個話題：怎樣讓AI技術真正落地，為整個產業賦能？

智能的開始，源自應用場景的“數據”

提到“智能”，AI領域的標志性人物Michael I. Jordan就曾直言不諱地給出否定：“我不喜歡用‘智能’這個詞，我認為我們現在還沒造出‘智能’，也不知道‘智能’是什么。”

盡管“智能”一詞盛行，但要在真正意義上實現它，并不容易。以發展成熟的智能音箱為例，連美國官員都在吐槽其“智障”。顯然，用戶用實際態度告訴我們，現在的AI產品還沒有達到我們心中對“智能”的定義。這也導致了從去年就喊起的“AI賦能”口號遲遲未能落實。

“機器要想像人類、動物一樣智能，首先需要做的就是獲得大量知識。”Michael I. Jordan說。

眾所周知，這里的“知識”指的是有價值的數據，而它也是當前AI企業在做任何研究和產品之前所必須的“養分”。

對此，孫慶凱就在會議中特意介紹了他們的數據庫--云從大腦：

“云從大腦就是基于智力資源構建的，這些資源來源于海內外的專家資源和重要的平臺資源。如我們在美國有兩個很重要的分支機構；在國內，我們也和公安部一起合作搭建了應用平臺，并與公安部、四大行和民航總局建立了聯合實驗室。這些數據可以打造真正的 云從大腦，以用于提高識別的精準度。”

迎難而“下”，深入行業

盡管都知道數據極其重要，但是卻沒有幾家公司真正投入到數據挖掘的事業中，這一點在現有AI產業發展上表現得尤為明顯。

談及AI產業鏈上下游的企業，人們喜歡將更多的目光投射在上中游的芯片、算法大公司，因為它們代表著真正的技術和未來。甚至連AI獨角獸它們自己都常常忽視了最接近用戶、產品端的下游產業。

但隨著AI產業退去熱潮，資本也逐漸趨于冷靜，此時，注重商業化落地、AI賦能被提上了日程。2017年7月，國務院也迅速做出了反應，發布了《新一代人工智能發展規劃》，并在十九大中強調將人工智能和實體經濟深度融合。

值此之際，在行業發展上，孫慶凱結合自身企業的發展給出了建議：“只有深入行業，深入到各種應用場景中，我們才能夠真正了解行業的需求，做出真正的解決方案。對上游廠商來說，這也是真正的解決辦法。”

在這一點上，眼擎科技與云從不謀而合，它也是通過打入下游的方式，探索行業的真正需求。其產品--前端成像芯片，就是上下游交集的產物。他們通過收集和處理前端數據，并用高質的信息來優化自己的芯片設計。

“我們自己開車，有這樣的體驗：兩邊有路燈，汽車有大燈，前方的行人肯定能被駕駛員看見。但對于機器，情況就有所不同。只要機器本身的識別能力不夠，就做不到像人類一樣輕松判斷。”

而這是只有貼近前端才會發現的問題。

“這時如果不解決其在日常生活中弱光、逆光、反光燈環境的自適應成像能力問題，AI視覺產品就無法大規模落地。”代勇表示。

產業化落地，現在的首要難點在哪里？

其實前端成像只是眾多行業里一個微小應用場景。盡管大家一致認為要通過場景的應用倒逼產業的發展，但要實現技術的產業化落地，AI巨頭們不僅需要耐下心來走入行業，更要根據行業的實際發展情況找準正確的切入點。

事實是，因為發展速度的不同，監管力度的差異，各個行業（如金融、醫療、電商、教育等）正在經歷的智能化階段不盡相同，因而其數據可利用的程度也是參差不齊。

在眾多細分化場景下，金融、電商無疑是數據最為成熟的領域。無論是從監管層面，還是數據積累上，它們都足以支撐AI產品和技術的發展。以金融領域為例，中國的金融體制已經改革，并建立了一個相對完善的征信和信用體系，所以現在金融科技企業可獲取的數據幾乎是透明且相同的，因而他們的重點自然就落在了AI應用產品的探索上了。

而與此同時，醫療領域卻正在經歷一個“跑馬圈地”的階段。對此，專注于語音識別及語言處理技術的云知聲?創新事業部總經理陳吉勝就毫不避諱的指出：醫療最重要的就是數據。

“我們為了拿到相應的數據，做了很多努力，無論是跟協和醫院，還是和平安好醫生的合作，包括和平安好醫生成立合資公司，都是希望雙方在數據方面進行更深入的共享。”

至于教育，因學生的行為極其復雜，目前甚至還沒有一家公司可以找到合適的方式去定義它們，真正“智能”的教育機器人就更加無從談起。

總結

數據統計顯示，與沒有使用大數據、云計算的同行們相比，采用這些技術和移動戰略的企業發展速度要超過其53%。

當人人都想脫穎而出時，真正的AI企業們應該耐下心來投身到自己所在的行業中，去探索數據中不為人知的秘密，從而設計出真正適合人類使用的產品。

最后，記得關注微信公眾號：鎂客網（im2maker），更多干貨在等你！