北大访问教授吴霁虹:如何把握AI产业化机遇并建立竞争优势 | CITE 2017

简介:

雷锋网(公众号:雷锋网)按:4月9日,CITE 2017第五届深圳国际电子信息博览会盛大开幕。会中科大讯飞承办了2017人工智能产业发展高峰论坛。吴霁虹教授是北京大学访问教授,创新管理学家,人工智能商业模式理论体系的创建人。会上吴霁虹教授通过七问七答分享了“如何把握AI万亿级产业全球化机遇并建立竞争优势”。她认为AI能使企业换道超车,这将是新世界中最大也是最后一个契机。通过把握八个要素——开源技术平台、核心技术创造、开放技术、平台技术操作、系统应用解决方案、商业应用、系统用户使用、场景到动态数据实现AI从技术到商业的落地,并利用Top-A价值规律,建立竞争优势。

北大访问教授吴霁虹:如何把握AI产业化机遇并建立竞争优势 | CITE 2017

以下是演讲实录,雷锋网作了不改变原意的编辑:

今天我想用七张图来揭示下一个万亿级人工产业全球化的大趋势,那么实际上我会回答七个问题,这七个问题是中外大多数企业家问过最多的问题。

AI产业化成长有什么简单规律

北大访问教授吴霁虹:如何把握AI产业化机遇并建立竞争优势 | CITE 2017

第一个问题,AI产业化成长有什么简单的规律?其实这是一个比较复杂的问题,特别是像人工智能以及信息数字的产业。如果一定要用非常简单的话来概括,那就不得不说技术成本以及商用它们之间的关系。上图是我们追踪科技产业化的一张非常简单的规律图,这张图中技术的暴涨和成本的下降有一个黄点,我们把它称作产业应用的门槛。今天我们实际上已经跨越了门槛,而我们看到的这个蓝色的商用发展曲线刚刚好是打开4G商业的大门,我们可以有非常无限的想象空间。

什么现象暗示着AI产业化将爆发?

第二个问题,什么现象能够暗示AI产业化将会爆发?很有意思的是,在很多的企业家或者投资人角度来说,通常会用投资的多少以及投资的增长来判断产业的爆发。但是事实上,全球顶尖的投资机构以及战略机构一定会分析两个非常重要的数据,一个是专利,另一个是专利的诉讼。专利是发明创新重要活动的成果,而如果专利诉讼不断增加,这表明人们可以靠技术告状赚钱了,因此这两个数据非常的关键。

AI+,互联网+,工业4.0有什么区别?

北大访问教授吴霁虹:如何把握AI产业化机遇并建立竞争优势 | CITE 2017

第三,大家困惑的就是,AI+,互联网+,工业4.0到底有什么区别?特别是很多中国企业家都在提这个问题。那么我把这个问题梳理成一张图表,这张图表可以看到,如果以商业的目标和在这些目标下的很多指标去分解不同,你就会发现它们有重叠的地方,也有不同的地方。比如,从商业目标的高效率指标上去看,工业4.0实际上是要通过信息化、自动化,还有数字化,让商业的投入和产出高效率的提升。同样这样的一个指标,我们会发现互联网实际上是要打通线上线下的连接,删除臃肿无价值的中间环节。而这样的一个指标,对于AI来讲,是要全方位、高效率的万物链接,并且真正实现个性化智能配对的需要。我想借用马云的一段话来讲,实际上今天AI可以让大多数的传统企业换道超车,而不是弯道超车。

总的来讲,我想说的是对于个人和企业在产业、在人工智能产业化而言,AI实际上是已经进入了新世界的一个最大的,也可能是最后的契机。

AI从技术到商业的生态体系中有什么价值要素

北大访问教授吴霁虹:如何把握AI产业化机遇并建立竞争优势 | CITE 2017

我的研究发现AI从技术到商业至少要有八个最必要的要素,这八个要素从开源技术平台、核心技术创造、开放技术、平台技术操作、系统应用解决方案、商业应用、系统用户使用、场景到动态数据。庆峰博士也指出其实还有一个重要要素——人才,我非常的认同,我相信人才贯穿所有的要素之中。

我想让大家从第八要素和第七要素去思考它们的逻辑关系。也就是说,可能大家都知道从第八个要素动态数据这个要素去看,只有用户行为的动态循环才有可能喂养机器学习,否则AI不可能有高智商,商业也不可能有高智能,因此这个是大家非常认同的。

从第七个要素,场景的应用来看,我认为这是AI产业化最关键的一点。从这个地方往前推,实际上有这么一个逻辑关系,也就是说在任何一个场景下的应用都需要全新的商业模式。这样的商业模式会整合第五项应用解决方案,即一个全新驱动的运营体系,那么这个运营系实际上是有大脑的机器人。请注意,很多人把机器人和有大脑的机器人混为一谈,但是两者不是一回事。接下来你就会发现,无论是2B、2C、2G,在这个系统中是离不开第四项——技术操作系统的,而AI技术的操作系统大多数都是受益于第三项——开放的技术平台。当然,所有的这一切都是需要靠第二项——核心技术创造的支持。核心技术也就是软硬件技术,包括了语音语言、图象识别、算法数据训练、专用芯片、传感器、ACT、大数据、云计算等。特别要提出的是最后一项——开源技术平台。今天AI之所以能够有指数级的发展,能够开启AI商业的大门全有赖于第一项开源硬件平台,因为开源运动几乎是一切指数级技术进步的重要推手。

商业能做什么

北大访问教授吴霁虹:如何把握AI产业化机遇并建立竞争优势 | CITE 2017

基于上个问题,我们可能就会问在全球AI生态价值体系中,商业能够做什么呢?我想我的书里面很大一部分是探讨了技术创新在战略上的作为,可以让一个默默无闻的公司变成世界级的引领者,大家有目共睹,科大讯飞就是一个惊人的奇迹。我在《未来地图》中已经对战略性作为所产生的效果有很多的论述,这里就不一一谈了。

现在我想多说一句的是场景的应用。全球范围内AI产业正在进入到衣食住行用娱健教工保十大消费领域,衣食住行用不用说,娱就是娱乐,教就是教育,健就是健康,工就是工作,保就是保户,法律。它们在不同场景下已经启用了人工智能,但是这些场景不仅仅是我下面列的这旅途加酒店,银行、会议、学校、购物中心、线上电影院、餐厅、火车、机场线上等等,都需要不同商业运营的模式和系统,而有大脑的机器人是非常重要的两个创新点,一个是AI用户解决怎么样的智能交互系统,另一个是AI能为客户公司生态进行价值分配的智能系统。这八个要素我认为是产业化非常重要的元素。

当今AI全球格局中的引领者都是谁?

北大访问教授吴霁虹:如何把握AI产业化机遇并建立竞争优势 | CITE 2017

我的研究发现,全球AI金字塔的塔尖上的创新者大约87家,并已经形成六大AI商业物种:

  • 第一是AI核心技术的创造者,企业包括谷歌、IBM、脸书,苹果、百度、科大讯飞、华为、英特尔、英伟达等等,当然还有很多一流的大学机构,伯克利多伦多、斯坦福、卡耐基等。

  • 第二就是AI神器,苹果SIRI、谷歌NOW、脸书M、亚马逊Alexa、今日头条、讯飞输入法等。

  • 第三是AI管道架构师,华为、高通、爱立信等。

  • 第四是AI商业应用引领者,亚马逊、谷歌、IBM、特斯拉、百度等。

  • 第五是AI纳米微小创业者,刚才庆峰博士的数据也表示,这个领域数量是几十万的翻倍增加,也是大众创业,一个人创业就可以成为一家全球性公司。如AI聊天助理、AI秘书等。

  • 第六个大家可能想不到,是AI数据耕种大军,是全球30多亿的网民,20多亿的社交媒体用户以及近40亿的移动用户。他们是数据的耕耘者和贡献者,他们让基于大数据的人工智能成为可能,也让AI商业化成为可能。

此外,还有一个发现,AI的六大商业引领者中大多数的引领者横跨好几类物种。这是因为AI多维工作原理的推动作用,也是因为创造和创新在今天的基础就是生态网络的进步,而不是单线条的演进。

如何建立商业竞争优势

第七个问题,发展下一个万亿级产业需要建立全新的商业竞争优势,那么怎么建立呢?用一个Top—A竞争优势,也就是技术加商业的竞争优势,可以回答这个问题,但是今天完全无法说清这个问题,这是一个可以讨论一学期的话题。

Top—A中的“T”代表的是新技术,“O”代表的是现有技术操作系统,“P”代表用户、客户的痛点,“A”代表竞争优势。那么商业的竞争焦点,实际上要处理好三个关系——新技术与客户的关系,新技术与现有系统的关系,现有系统与客户的关系。这是一个很复杂的过程。

打一个比喻,比如说无人驾驶领域,如果我只有一个好的AI技术,但是不能转化为无人驾驶的安全方案,或者虽然我的AI语音技术已经很好地为客户解决了界面安全交互的问题,但是运营系统只能在3G上运行,物联网系统是缺失的,那么这样的产品一旦在信息拥堵的条件下就很可能出现车祸,这种情况下很难真正地建立起商业竞争优势。

因此在这样的一个框架下,我们会发现,AI竞争优势的建立比任何时候都需要商业生态的伙伴。而建立商业生态伙伴,这种竞争优势必须有多级繁荣的价值理性,分享就是获得,选择就是进步,商业生态才有可能进化到更高的级别。更进一步,如果我们能够借用AI的这种特征解决商业生态的协同问题,或者是整合问题,我们就会有超级的竞争优势。

最后我想说的是,AI是没有是与非、对与错、善与恶价值观的,它可以说是我们智人的游戏。因此很多人都在担忧的一个问题——AI产业发展和人类未来的商业文明到底是走向一个人的暴富,挤压千万人的命运的不归路,还是要走向强者更强更善,弱者变强向善,茫者变清向前的多级繁荣的商业,我个人认为很大程度上取决于今天的引领者。谢谢大家。

雷锋网将会持续报道展会精彩内容,敬请关注!


本文作者:伊莉

本文转自雷锋网禁止二次转载,原文链接

相关文章
|
3月前
|
人工智能 安全 搜索推荐
北大计算机学院再登国际AI顶刊!张铭教授团队揭露医疗AI致命漏洞
【10月更文挑战第17天】北京大学计算机学院张铭教授团队在国际顶级人工智能期刊上发表重要成果,揭示了医疗AI系统中的致命漏洞——“模型反演”。该漏洞可能导致误诊和医疗事故,引起学术界和工业界的广泛关注。研究强调了医疗AI系统安全性评估的重要性。
49 1
|
27天前
|
人工智能 搜索推荐 开发者
Aurora:xAI 为 Grok AI 推出新的图像生成模型,xAI Premium 用户可无限制访问
Aurora是xAI为Grok AI助手推出的新图像生成模型,专注于生成高逼真度的图像,特别是在人物和风景图像方面。该模型支持文本到图像的生成,并能处理包括公共人物和版权形象在内的多种图像生成请求。Aurora的可用性因用户等级而异,免费用户每天能生成三张图像,而Premium用户则可享受无限制访问。
65 11
Aurora:xAI 为 Grok AI 推出新的图像生成模型,xAI Premium 用户可无限制访问
|
1月前
|
人工智能 vr&ar
GeneMAN:上海AI Lab联合北大等高校推出的3D人体模型创建框架
GeneMAN是由上海AI实验室、北京大学、南洋理工大学和上海交通大学联合推出的3D人体模型创建框架。该框架能够从单张图片中生成高保真度的3D人体模型,适用于多种应用场景,如虚拟试衣、游戏和娱乐、增强现实和虚拟现实等。
59 7
GeneMAN:上海AI Lab联合北大等高校推出的3D人体模型创建框架
|
23天前
|
机器学习/深度学习 人工智能 监控
AI视频监控技术的核心优势与实践
AI视频监控技术结合了计算机视觉、深度学习和大数据分析,能够实时分析监控画面,识别异常行为和场景变化。其核心在于从“被动记录”转型为“主动识别”,提升监控效率并减少安全隐患。主要应用场景包括泳池管理、健身器械区域、人员密度预警和异常事件检测。系统架构支持多种摄像头设备,采用边缘计算和Docker部署,具备实时性、高准确率和扩展性等优势。未来将优化复杂场景适应性和实时计算负载,进一步提高系统性能。
|
2月前
|
机器学习/深度学习 人工智能 算法
强化学习在游戏AI中的应用,从基本原理、优势、应用场景到具体实现方法,以及Python在其中的作用
本文探讨了强化学习在游戏AI中的应用,从基本原理、优势、应用场景到具体实现方法,以及Python在其中的作用,通过案例分析展示了其潜力,并讨论了面临的挑战及未来发展趋势。强化学习正为游戏AI带来新的可能性。
122 4
|
3月前
|
人工智能 安全 搜索推荐
北大计算机学院再登国际AI顶刊!张铭教授团队揭露医疗AI致命漏洞
【10月更文挑战第16天】北京大学张铭教授团队在国际顶级人工智能期刊上发表重要成果,揭示了医疗AI系统中的致命漏洞——“模型反演”。该漏洞可使攻击者通过特定数据样本误导AI诊断,引发误诊风险。此发现引起广泛关注,强调了医疗AI安全评估的重要性。
67 4
|
3月前
|
存储 人工智能 缓存
AI助理直击要害,从繁复中提炼精华——使用CDN加速访问OSS存储的图片
本案例介绍如何利用AI助理快速实现OSS存储的图片接入CDN,以加速图片访问。通过AI助理提炼关键操作步骤,避免在复杂文档中寻找解决方案。主要步骤包括开通CDN、添加加速域名、配置CNAME等。实测显示,接入CDN后图片加载时间显著缩短,验证了加速效果。此方法大幅提高了操作效率,降低了学习成本。
5491 16
|
3月前
|
数据采集 人工智能 测试技术
还在死磕AI咒语?北大-百川搞了个自动提示工程系统PAS
【10月更文挑战第4天】北京大学和百川智能研究人员开发了一种名为PAS的即插即用自动提示工程(APE)系统,利用高质量数据集训练的大型语言模型(LLMs),在基准测试中取得了显著成果,平均提升了6.09个百分点。PAS仅需9000个数据点即可实现顶尖性能,并能自主生成提示增强数据,提高了灵活性和效率。尽管存在训练数据质量和提示多样性等方面的潜在局限性,PAS仍为解决提示工程挑战提供了有前景的方法,有望提升LLM的可用性和有效性。论文详见:https://arxiv.org/abs/2407.06027。
58 3
|
4月前
|
人工智能 网络协议 Shell
内网穿透实现公网访问自己搭建的Ollma架构的AI服务器
内网穿透实现公网访问自己搭建的Ollma架构的AI服务器
100 1
|
4月前
|
人工智能 网络协议 Shell
内网穿透实现公网访问自己搭建的Ollma架构的AI服务器
内网穿透实现公网访问自己搭建的Ollma架构的AI服务器
91 0
内网穿透实现公网访问自己搭建的Ollma架构的AI服务器