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
这些人型机器人是如此真实,你的肉眼几乎无法区分
这些人型机器人是如此真实,你的肉眼几乎无法区分

[2017-09-03]   我们生活在一个区分现实与幻想变得越来越困难的世界。由于机器人技术的进步,创造人工的人类正在逐渐接近完美的最终目标。我们现在看到的机器人不再只是一块发光二极管,......

谷歌大脑发布ROBEL基准 鼓励用低成本机器人训练AI系统
谷歌大脑发布ROBEL基准 鼓励用低成本机器人训练AI系统

[2019-10-11]  训练AI系统的机器人D& 39;Claw和D& 39;Kitty用于控制机器人的人工智能系统,测量其性能所使用的基准通常仅限于为工业环境设计的昂贵硬件, ...

谷歌《Nature》发论文称实现量子霸权 18亿倍速碾压世界最强超算
谷歌《Nature》发论文称实现量子霸权 18亿倍速碾压世界最强超算

[2019-10-23]  谷歌坚称自己已经取得了量子霸权——这标志着计算研究领域的一个重要里程碑。谷歌首次发布声明是在今年9月,虽然遭到竞争对手的质疑,但就 ...

麻省理工最新机器人“装配工”未来可建造太空基地
麻省理工最新机器人“装配工”未来可建造太空基地

[2019-10-17]  两个机器人原型把一系列小单元组装成大结构体麻省理工学院科研人员最近提出一种新型机器人技术,即一种小型机器人系统,能够自主地用统一规 ...

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......

人工神经网络技术解码人类行为和想象时的大脑活动信号
人工神经网络技术解码人类行为和想象时的大脑活动信号

[2017-08-23]  为搜索引擎过滤信息,棋盘游戏对弈,识别图像 人工智能在某些任务中远远超过了人类智能。来自弗莱堡由神经科学家私人讲师Tonio Ball博士领导的几个杰出的BrainLinks-Bra......

谷歌在中国成立一个新的人工智能(AI)研究中心
谷歌在中国成立一个新的人工智能(AI)研究中心

[2017-12-13]  谷歌正在中国建立一个新的人工智能(AI)研究中心,希望进一步扩展到中国,以充分利用中国高度重视的人工智能技术。人工智能是目前地球上最具竞争力的领域之一,亚马逊,微软......

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 ...

本周栏目热点

李开复:关于人工智能在中国异军突起的六大主要原因

[2017-11-07]  虽然世界各个国家都已经开始加速对人工智能行业进行布局,虽然世界各国都已经出台了各种政策表示对人工智能的支持,但是就目前的发展形势来看,中美两国在人工智能领域的发展......

[2018-02-05]  “人工智能国际主流学界所持的目标是弱人工智能,也少有人致力于强人工智能。那么,这是不是因为强人工智能‘太难’,所以大家‘退而求其次’呢?不然。事实上,绝大多数人工......

2020年中国AI基础数据服务行业发展报告

[2020-04-03]  核心摘要:目前人工智能商业化在算力、算法和技术方面基本达到阶段性成熟,想要更加落地,解决行业具体痛点, 需要大量经过标注处理的相关 ...

【业界观点】2016年工业机器人需求增速将放缓

[2016-01-19]     2015年中国工业机器人需求规模达到109亿元,同比增长16%,而2016年机器人需 ...

腾讯思享会:探讨智能社会与人类未来

[1970-01-01]    人类在享受开车的过程时,在不久的将来可能让机器开车,人类如不是理性的控制机器人,又将一场持久的大战。  以智能社会与人类未来为 ...