CES2019发布科技趋势报告：2020年全面进入数据时代

1月12日，清华大学教授邓志东在2019中国制造论坛期间向《财经》记者表示，“中国有一大批AI企业今天都在试图做原始创新，在做平台化布局，这对企业来说风险非常大。”

邓志东是清华大学智能技术与系统国家重点实验室教授，也是中国人工智能产业创新联盟专家委主任。过去几年，他走访了大量AI企业和科技公司，他也看到了这样的趋势，但并不完全认可这一模式。

进入2019年，人工智能产业仍然在泡沫和虚火中前进，过高的估值和难以匹配的收入，让全行业也开始重新思考AI产业的价值。

2018年，AI行业最明显的一个趋势是，几乎所有的公司都在往平台化方向发展：曾经主攻安防领域的视觉识别公司，都开辟了包括医疗、自动驾驶、金融等多个领域的应用；大量AI公司触角向下，推出AI芯片，底层算法架构，数据平台等；以华为为代表的科技巨头，则是直接发力全栈式的AI服务。

不少初创企业选择横向多领域扩张，或上下游布局，核心动力是能够提升估值，提升在资本市场的想象空间。“市场就是这么要求你的，你不能说你是智能音箱公司，要说你是智能交互解决方案公司，你也不能说你是安防公司，要说自己是物联网公司。”一家AI独角兽公司创始人接受《财经》记者采访时也曾表示类似观点，“这也就是行业浮躁的来源。”

邓志东认为，尽管原始创新很难有短期内的进展，但这是AI产业发展的核心动力，这应该是巨头科技公司和国家级实验室、高校的工作，“初创企业受制于资本等外部因素，很难有条件做到未来5-10年都不考虑收入问题。”

不过目前看来，巨头也要考虑收入问题。《财经》记者近期获悉，腾讯AI Lab主任张潼离职，张潼是国家千人计划专家，曾就职于IBM研究院、雅虎研究院与百度。一位腾讯人士透露，腾讯对于AI实验室已有微词，认为AI业务一直在花钱而没有创造收入。

目前中国的AI产业，原始算法、底层架构和芯片等基础技术大多来自国外，短期看来，这些基础技术很难有重大突破。中国的优势在于海量大数据和丰富的应用场景，“中国企业应该看清现实，发挥现有的优势，专注于一个具体的问题，深耕打磨，这样才能形成良性的发展。”邓志东说道。

深耕一个具体的问题，并不是指自动驾驶，或是语音交互这样的大领域，而是一个具体的场景。例如自动驾驶中，对交通信号灯、斑马线、路障、行人等不同物体的识别，需要的技术和数据是完全不同的，邓志东提到，一个有经验的团队，只解决识别交通信号灯这个问题，至少需要1年以上的时间，才能看到一些成果，想要实现超过人眼识别的水平，需要的时间更久。

不仅如此，长尾效应明显，机器识别准确率从50%提升到80%，甚至90%，并不难，再往后，每提高0.1%，都需要耗费大量的人力物力，以及长时间的打磨、训练、反复。也只有这样，才能将一项细分技术应用真正满足用户需求。

AI泡沫的产生，主要原因在于估值与收入的不匹配，近期多位接受《财经》记者采访的AI业内人士表示，目前大部分的AI公司收入仍然没有明显增长，同时，多位考察过AI企业的客户方也提到，在真正使用这些AI服务和产品时，效果和体验并不好。

其中的矛盾已经很明显，客户需求与现有的技术应用程度并不匹配，解决这一矛盾的路径也很清晰——专注细分场景打磨，但这条路苦且类，“要耐得住寂寞，耐得住各方的压力，”邓志东表示，“尤其是要能够对抗现在大环境的评价标准。”

资本的压力显而易见，需要企业能够在有限时间内带来丰厚回报。此外，主流的评价标准还包括论文发表数量，国际性奖项排名，是否有海外高校背景或知名科技公司背景等。

这些评价标准对于技术应用上，并没有太多参考价值。例如很多AI公司对外宣称的准确率高达95%以上，但这建立在完备数据的基础上，真实的应用中不可能出现完备数据场景，而是不断变化的数据场景。

“大家觉得AI是灵丹妙药，能够解决很多问题，但事实并不是这样。”邓志东说，AI技术仍然处于发展初期，虽然在过去几年进展迅猛，但每一个落地领域，都是由无数个不同的问题构成，“估值再高的公司，知名度再高的技术专家，想要将技术真正落地，都要用笨办法，但就我看到的公司里，愿意这样坚持的公司，少之又少。”