清华大学教授邓志东:AI道路清晰,但大部分人不愿坚持

《财经》记者 刘以秦/文 谢丽容/编辑  

2019年01月12日 19:05  

本文1799字,约3分钟

通用型的AI技术短期内几乎不可能实现,企业应该做的是深耕一个细分问题,不断打磨技术应用,但这条路苦且累,愿意坚持的企业少之又少

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。”