爱吧机器人网 » 专题 > 观点 > 正文

AI产业化,比技术创新更难的是商业落地

AI产业化,比技术创新更难的,是商业落地
技术创新来自于社会发展的需求,但新技术在应用到生产生活中却经常出现这种现象,即“有了锤子,到处找钉子或者看啥都像钉子”,这就致使很多新技术创新后面临产品无法落地的尴尬局面,偏离了本来的目标。

比技术创新更难的是将新技术应用的社会生产生活中,提升整体生产力水平,创造商业应用闭环。技术创新的基础就分成两部分:一是科技项目本身基础研究;二是社会发展选择的路径和技术分支研究。

针对AI技术应用的产业化发展方向来说,AI技术前进的趋势已不可阻挡,如何在已有的生产生活场景中找到更新点,链接起来,形成新的产业网?我们认为AI技术在用户侧聚合成一个有实体的智能工具是主流方向,也是大部分企业的探索方向。

AI产业化,比技术创新更难的,是商业落地
如何让AI技术尽快落地,为社会提效赋能?社会发展选择的路径会是什么样子的?说到商业落地,我们绕不开的三个问题:市场、用户、切入点。

从AI技术应用在国内外近20年的发展历程中我们可以看到:

1)基础研究的突破影响商业变革的发展方向。

2)工业、商业及个人数据的富集方式也会对AI技术应用提出不同要求。

3)急需高效信息处理技术的领域是应用先行者和探索者。

4)个人数字终端面临变革,个人与数据的关系更加紧密,数据价值日益提升。

5)商业组织对内部个体与信息间的交互和处理效率提出了新的要求。

归结最终就是信息、信息、信息。信息商业化已在商业交往中被各种工具接收、筛选、锁定。而在经济水平发展迅猛的今天,团体的发展变革要求个人对信息的处理也要具备相同的速度和功率,转速更高的人将指引团体运转的方向。个人信息助理类工具将提上日常新要求,人们可以利用这一智能工具打破界限,完善自我。这场革命不管你接受与否,都会在你眼前展开。

AI产业化,比技术创新更难的,是商业落地
从不同的发展层面上看这场革命,会有更清晰的轮廓。

产业技术升级为B端产品提供先发机会。金融、安防、物流、制造、医疗等领域存在硬需求。堆积如山的任务需要更高效的处理方式,人力在灵活性和智能处理方式是无可置疑的,但面对快速高效和实时的要求,任务由人力完成将变成不可能。数据及模式的智能识别和处理在B端产品中已经大规模铺开,金融风险预判与评估、高价值用户识别,人脸识别与安防,物流拣货堆垛机器人,智能阅片等等技术在加速产业的信息和任务处理能力和效率。

消费升级为C端产品提供跟进机会。 个人用户消费目标不再满足于温饱和简单的吃喝玩乐。多场景、社群、竞争力和个性化是消费的新特征。能够在这些领域区分和响应个体客户需求的技术都在做产品化的落地尝试。

职场形态升级为人工智能信息助理提供切入点。职场对于竞争和效率的渴求从来没有停止过。近20多年来,职场的工作模式和协作模式因为信息技术的发展呈现翻天覆地的变化,我们已经想不起没有互联网的时候大家是怎么协同工作的了。信息量持续膨胀,来自内部的,外部的,上下游和对面竞争对手的信息都是我们需要认真分析的。我们需要一个无所不达的触手,拉取尽可能多的前沿信息,我们更需要一个懂得需求并能智能处理信息的筛子来帮我们过滤出有效、相关的信息。

先进用户、竞争和效率导向用户的挖掘是核心。敢于并且急于尝试新的生产工具的用户必然来自于先进组织、以效率为导向的组织中。这些用户有意愿也有能力去付费使用更先进的生产力工具。这些工具的特点是可以7×24小时不间断的为他获取竞情信息、行业动向、关键人物的观点和洞察等重要信息,以潜移默化、润物无声的方式构建他的认知体系,纠正信息偏差,消除信息不对称问题。

城市职场、三高用户所需提效工具是突破点。巨大的商业机会蕴含在社会生产力进步的责任中。如何在工作任务中快速提升自己的认知,降低匹配门槛和周期?如何在竞争中胜出为自己谋求更宽广的发展空间?如何在改造世界创造未来的过程中承担更多的责任?如何找到自己的知识体系的缺陷并找到快速提升的路径?被动的、按部就班的自我生长的投入产出比已经远远落后于基于新的人工智能信息助理辅助工具的效率。

AI产业化,比技术创新更难的,是商业落地
合理创造工具并利用工具可以提高我们的认知体系并为我们提效赋能,不久之后,每个人都会拥有一个《她》里的“萨曼莎”。信息技术是我们突破自我局限和改变命运的钥匙。我们需要更加智能的实体来陪伴自己完成这一奇迹般的光辉旅程。



上一篇:自食其果?程序员将因AI失业
下一篇:人工智能在企业应用的反思
精选推荐
一个让深度学习惨败的通用人工智能领域——语境处理
一个让深度学习惨败的通用人工智能领域——语境处理

[2019-11-04]  Context是指用来解释一段给定文本或语句的来源框架,我们可以翻译为上下文或语境。维基百科将context定义为:*在符号学、语言学、社会学和 ...

助力卷积神经网络时空特征学习 史上最大行人重识别视频数据集被提出
助力卷积神经网络时空特征学习 史上最大行人重识别视频数据集被提出

[2017-12-25]  本文提出了一个大型的、长序列的、用于行人重识别的视频数据集,简称LVreID。与现有的同类数据集相比,该数据集具有以下特点:1)长序列:平均每段视频序列长为200帧,包含丰......

苹果AI主管透露自动驾驶汽车项目关于机器学习方面的进展
苹果AI主管透露自动驾驶汽车项目关于机器学习方面的进展

[2017-12-11]  苹果隐秘的自动驾驶汽车项目多年来一直在转移焦点,但今年似乎正在加速。 4月份,公司获得了在加利福尼亚州进行自动驾驶汽车测试的许可证,而在6月份,苹果公司首席执行官库......

7种常见的机器人焊接类型
7种常见的机器人焊接类型

[2017-12-17]  机器人焊接是工业领域最常见的机器人应用之一,近几十年来主要由汽车行业驱动。机器人焊接在完成大批量,重复性的焊接任务时效率最高。...

搭载人工智能的太空机器人CIMON 2乘SpaceX抵达国际空间站
搭载人工智能的太空机器人CIMON 2乘SpaceX抵达国际空间站

[2019-12-09]  12月5日,搭载人工智能的太空机器人西蒙2号(CIMON 2)乘坐SpaceX火箭Dragon货运舱,从佛罗里达州卡纳维拉尔角空军基地升空,前往国际空间 ...

受大脑控制的机器人
受大脑控制的机器人

[2017-03-21]   想让机器人做我们想做的,首先,他得全面地了解我们。通常,这就意味着人类需要要付出更多。比如,教机器人复杂的人类语言或者把一项任务 ...

美国喷气推进实验室的AI驱动无人机挑战人类飞行员
美国喷气推进实验室的AI驱动无人机挑战人类飞行员

[2017-12-08]  随着无人机及其组件越来越小,效率越来越高,功能越来越强大,我们已经看到越来越多的研究开始让无人机自主飞行在半结构化的环境中,而不依赖于外部定位。 宾夕法尼亚大学在......

机器人iCub作为嵌入式AI的标准机器人研究平台的重要性
机器人iCub作为嵌入式AI的标准机器人研究平台的重要性

[2017-12-24]  机器人的研究在过去10年中得益于一个具有嵌入式人工智能(AI)的标准化开源平台——人形机器人iCub。iCub最初在意大利被创建,如今在欧洲、美国、韩国、新加坡和日本的实验室......

本周栏目热点

2017年聊天机器人未达到行业预期的3个原因

[2018-01-18]  持续几年的“聊天机器人革命”带来了巨大的期望。营销人员和未来主义者幻想着智能虚拟自主代理人,他们会比我们更好地了解我们自己,从谈话片段中收集我们的愿望,并将我们的......

【浅析】人工智能关键技术决定机器人未来

[2016-02-15]     目前的机器人已经能够胜任精确、重复性的工作,但很多时候,它还不能够灵活 ...

比尔·盖茨:AI是把双刃剑 应用来改善教育医疗

[2019-03-19]  比尔·盖茨表示,在医疗领域人工智能曾用于过滤23andMe的基因数据,发现硒元素的缺乏或可与非洲的早产现象有关。在18个月后,我们可以了解到,该项目是否会给2万多名带来更多......

[2016-01-14]     1月12日,重庆市委书记孙政才在科研机构、企业和产业园区调研时强调,要深 ...

深兰科技方林博士:人工智能自主进化成为可能

[2018-12-07]  人工智能行业在国内迎来集中研究兴盛期,研究侧重点也从观点提出期,发展到了以谷歌Alpha Go和深兰Deepblue Go为代表的机器学习、深度学习独立研究期,并在智能语音识别交互......