智能+時代，人工智能發展三大要素亟需升級

摘要：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。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，成爲推動中國經濟增長的新動力。

衆所周知，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係相信大家都有所瞭解：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，後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餵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，因此對於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後，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，成爲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裏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.正在一步步向神祕的產業世界進發。

那麼到底什麼是Know-How呢？

Know-How 摘錄自百度百科的內容如下：

中文譯名爲：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。就拿汽車製造工業來說，如果說製造汽車好比烹飪佳餚，技術文件整車數模好比該佳餚的“獨門祕方”，那麼Know-How就是“獨門祕方”的調配、驗證過程，這個過程是經過“世界名廚”們長時間多次反覆試驗而最終形成的。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：

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註過的大數據中抽象化特徵並反向輸送給機器，從而實現智能。但提取什麼特徵，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，良品的定義到底什麼？重量還是表面紋理，還是說運行振幅等。類似這個特徵的定義，就是A.I.在工業應用中的Know-How點。

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，隨着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，挑戰和機遇並存。首先工業領域裏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爲，A.I.在工業應用的另外一個Know-How價值點。

嘗試在供應鏈中理解和梳理成本與價值的關係

A.I.賦能，聽上去很好，但到底這個需要投入多少人力物力，什麼時間能回收成本，預計能創造多大的價值，卻都是極大取決於行業多年應用中形成的穩定的成本價值關係。爲行業應用者估算整個A.I.賦能的投入產出週期，也是Know-How的價值點所在。

在產業鏈賦能中加入複雜的商業博弈邏輯和關係

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。在複雜的工業鏈條中，一家企業是從管理系統、運維繫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係，同時變更條件也受制於上下游關係。對這些關係的理解和預判，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裏面：

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，將會面臨非常複雜的局面。切忌求急求快，因爲工業領域的龐雜和差異化，A.I.賦能的週期和成本會非常高。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，不過也是產業集羣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，那麼它的先天數據優勢就降低了A.I.賦能的週期、成本以及風險。比如以廣州地鐵爲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：廣州公佈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），同時佳都科技也藉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、行爲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，則爲全自動運行系統、人臉識別售檢票系統、基於數字孿生的智能站臺系統等一批 A.I. 新產品的應用，更爲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

纔是智能+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 將成爲企業構築競爭壁壘的關鍵；

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。