219
后AI时代需要看清的两点：机器的能力已经超过人类了；人工智能的应用才刚刚开始，还在起步阶段。
AI后半场的序幕已经徐徐拉开。
一方面，AI企业的上市之路逐渐明晰；另一方面，行业的竞争也从算法精度的比拼走向了落地能力的较量。
有人说，AI技术的研发门槛越来越低，AI企业的竞争力也在逐渐下降；有人说，AI的应用还存在许多问题，难以解决真实的需求；还有人说，场景碎片化是AI企业获得高速发展的难以破除的阻碍……
究竟在AI的后半场，产业会朝着怎样的趋势发展？
带着这些问题，雷锋网AI掘金志与肖嵘博士进行了一次对话。肖嵘博士是AI技术发展的切身推动者与见证者，对AI的发展有着独到的见解。
肖嵘博士
肖嵘博士2001年加入微软亚洲研究院，从事统计学习及机器视觉方向的研究，是微软人脸识别引擎的奠基人之一，2009年被授予微软Icicle奖；2012年作为资深软件工程师，加入美国微软Bing多媒体搜索部门。
2018年，肖嵘博士回国后，担任平安产险科技中心首席AI专家，主持AI技术在保险场景的商业落地。翌年，他主持研发的OCR引擎，荣获平安集团重大创新奖。如今，肖嵘博士在云天励飞担任副总裁，负责人工智能算法研发及产品化等方面的工作。
本次访谈中，肖嵘谈到了他从科研界投身产业界的原因，外界对AI门槛降低的质疑，以及对AI企业的思考和对产业的洞见。
以下是访谈内容：
让AI创造价值，比单纯研究技术更让人激动
AI掘金志：微软亚洲研究院不仅有许多前沿的研究，在学术界享有盛名，还被誉为中国AI界的"黄埔军校"，国内不少知名AI企业的创始人或首席科学家都来自微软亚洲研究院。您为什么选择离开这个充满"光环"的地方，选择回国投身产业界？
肖嵘博士：微软亚洲研究院是微软在亚洲地区第一家基础研究机构，它在许多技术上都有前瞻性，对学术界尤其是整个中国AI技术都有非常深远的影响。比如，微软亚洲研究院在2000年就开始做人脸识别方面的研究，2003年就研发出了第一款实时人脸检测算法，这些都非常具有前瞻性。
虽然做前瞻性的研究非常有意思，但技术与行业、场景结合的过程更加有意思，而且充满了挑战。国内有非常广阔的AI应用场景，能够让过去看起来束之高阁的技术，真正走进千家万户，改变人们的生活。我觉得这是很让人激动的事情，也是一件非常有意义的事情，对我来说也是全新的挑战和尝试。
AI掘金志：能不能举几个具体的例子？哪些行业或者场景让您觉得AI在其中大有可为？
肖嵘博士：在国内，城市中的许多场景都有很大的想象空间。比如现在国内常态化的疫情防控工作，里面就有很多AI能够应用的空间。我举个最简单的例子，现在通过AI技术，能够快速找到一个确诊新冠肺炎的患者去过哪里、和哪些人有密切的接触，这是一件很了不起的事情，能够将疫情带来的影响控制在最小范围内。如果是靠人去回忆，这个信息是非常不准确的，而且外出还会遇到非常多的陌生人，如果仅仅靠人的记忆去排查，是非常低效的。
再比如在城市公共交通领域，我们要优化公共交通线路，就要知道乘客上下车情况。但如果为了要了解这信息，就要强行改变大家的习惯，让大家上下车都打卡，这是不现实的。而在AI技术的帮助下，我们可以通过RE-ID、头肩颈识别等技术，帮助巴士集团掌握公交车上的客流状况，洞察城市交通出行特征，为提升交通效率和交通服务水平，优化城市交通运力提供决策依据客群分析系统。
技术的门槛从未降低，降低的是技术应用的门槛
AI掘金志：虽然AI技术已经在各行业得到应用，但也有声音认为，现在AI的表现依然差强人意，您怎么看待这个观点？
肖嵘博士：我觉得需要看到两个点：一是机器的能力已经超过人类了；二是人工智能的应用才刚刚开始，还在起步阶段。
机器在很多方面，已经做得比人更好了。比如是现在要抓在逃人员，不需要再一帧一帧去看视频了，只要有一张图片，就能够在上亿人中快速搜索出结果，速度是在秒级甚至毫秒级的。如果是像过去一样靠人去逐一比对，效率是非常低的，而且误识率也很高。
当然，并不是说机器能够做到完美，在现有的技术水平下，也会出现识别错误或者遗漏的情况，但这跟人工搜索的结果相比，机器已经有很大的超越。
在我看来，人工智能的应用才刚刚开始。回顾历史，任何一个对人类发展有深远影响的工业化进程，刚开始的时候都是缓慢的。比如汽车刚出现的时候，速度慢、噪音大，很不受大众待见，觉得还不如马车。但是我们现在可以看到，汽车已经普及到千家万户了。对人工智能也是同理，人工智能要在实际应用中展现出更好的性能，也是要花点时间的。
AI掘金志：现在几乎每家AI公司都在谈"落地"，这已经成了AI行业的关键词，现在行业里大家很少再去比拼或讨论算法精度的问题了。有声音提到，现在人工智能技术的门槛越来越低了，您在算法方面有很深厚研究，您认同这个观点吗？
肖嵘博士：技术的门槛从来没有变低过，变低的是技术应用的门槛。
现在随着人工智能技术的发展和应用，其实我们会发现，要学的东西越来越多，这侧面说明技术并没有变得更简单，相反它需要越来越多复合的知识，从技术角度来看，它是变得越来越复杂的，而不是越来越简单。
大家觉得算法门槛变低，实际上是因为技术应用的门槛变低了。因为人工智能的工具、平台日益丰富，有了这些工具，我们就能更便捷地去应用技术。
过去，要使用GPU的计算能力，就要会CUDA编程，甚至还要有很强的数学能力，自己从底层开始去构建人工智能的能力。但是现在，我们有很多开源的工具，要使用人工智能的能力，只要调包就可以了，像是深度学习的算法，我们也不需要从头开始写了。
现在，大多数人不需要去了解这个算法是怎么实现的、怎么运行的，甚至在深度学习中很重要的梯度下降的方法，现在绝大多数人都不太需要掌握，只要调包就可以了。所以大家普遍觉得人工智能技术变得简单了。
"端云协同"，AI企业的护城河
AI掘金志：如果说AI技术正在变得越来越普世化，各行各业应用AI的门槛越来越低，大家可以通过大量开源的平台、工具、算法就能够获取到AI能力。那么AI企业未来的竞争力是否会受到影响？
肖嵘博士：这个要从两个方面来看。一方面，技术变得越来越普世化，这是必然的趋势。比如最早期的程序员，需要懂最底层的"0101"的代码，用纸带机打孔，去执行一些指令。
但因为这种方式效率太低了，后来行业中就出现了C语言、JAVA等。有了这些工具后，我们能更快捷地编程，但这是不是意味着最开始的"0101"没用呢？我认为不是的，因为只有理解这些最底层的东西，才能够对行业有深刻的认识，才更有可能在核心的能力上实现突破。所以说，真正拥有核心能力的AI企业，会越来越有竞争力。
另一方面，技术的普世化会带来新的产业分工，有的人专门负责打造工具，另外还会有大量的人负责开发和应用。负责打造核心技术和工具的可能会越来越少，负责利用场景数据做开发和应用的会越来越多。有了这样的分工，整个产业才会得到快速发展。
当然，有了分工，我们的研发成本能降到最低。一个以算法见长的企业，不需要自己做芯片，只需要找一家专业做芯片的公司合作，就可以生产出能够部署和交付的产品。但如果是要切实解决场景中存在的问题，还是需要具备全"端云协同"的能力。
比如，如果能够既懂算法，又懂芯片，那么我们就能够根据用户和场景的需要，从终端到云端去完成优化，我们可以用专用的芯片，适配自己的算法，这样不仅能够为客户带来更流畅的体验，也能把成本降下来，真正为客户带来价值。不是所有AI企业都能做到"端云协同"，能够拥有这样能力的企业，在AI时代能够建立起比较高的壁垒，保持它的竞争力。
AI掘金志：但是不同场景有不同的需求，AI企业该如何面对碎片化的市场？
肖嵘博士：场景的碎片化带来AI产品碎片化，是因为现在还没有一个完全通用、普世的人工智能产品出现。以现在的技术能力，大家还没办法打造出这样一个通用的平台或产品，但换个角度来想，我们是不是能够先实现工具和研发流程的标准化呢？
举个例子，我们可以打造一个算法训练平台，设计出一套流程和模型，无论是客户提出要识别苹果和梨子，还是要识别猫和狗，只要输入图片，平台就能够训练出相应的算法。这就好比设计出一条流水线，生产加工的过程是相同的，但最后生产的产品可以是多种多样的。
