從技術(shù)的發(fā)明到落地的“最后一公里”問題，是最具社會(huì)價(jià)值的命題。在人口紅利逐漸消退的今天，各行各業(yè)都面臨著人力成本居高不下，流程效率亟待待提高，拓客面不斷變窄的影響，AI 的興起帶來了一股轉(zhuǎn)型的新風(fēng)，卻仍與人們最初的期待存在著差距。

11 月 23 日，粵港澳大灣區(qū)數(shù)字經(jīng)濟(jì)研究院（International Digital Economy Academy，簡稱“IDEA”）CTO Labs 總負(fù)責(zé)人幺寶剛與氪信科技創(chuàng)始人朱明杰、 智加科技中國區(qū)總經(jīng)理容力、 翼方健數(shù)首席科學(xué)家張霖濤等 AI 產(chǎn)業(yè)界代表者共同開啟 AI 產(chǎn)業(yè)落地論壇，分享了各自在行業(yè)深耕的經(jīng)歷和思考。

以下內(nèi)容由 InfoQ 整理自現(xiàn)場速記，經(jīng)過不改變原意的刪減。

主持人： 人工智能產(chǎn)業(yè)化的時(shí)代已經(jīng)到來。但如何做“可落地”的 AI，真正體現(xiàn)出 AI 的社會(huì)效益和商業(yè)價(jià)值？在這個(gè)論壇上我們會(huì)邀請幾位來自不同領(lǐng)域的行業(yè)大咖，分享他們在 AI 落地過程的經(jīng)驗(yàn)和心得，共同探討 AI 產(chǎn)業(yè)化的挑戰(zhàn)、道路和前景。有請：

IDEA CTO Labs 總負(fù)責(zé)人幺寶剛

翼方健數(shù)首席科學(xué)家張霖濤

智加科技中國區(qū)總經(jīng)理容力

氪信科技創(chuàng)始人朱明杰

幺寶剛： 大家早上好！我在 IDEA 是負(fù)責(zé) CTO Labs 建設(shè)的，所以我對 AI 產(chǎn)業(yè)化一直非常關(guān)注。

昨天 Harry 也提到過，我們既要仰望星空又要腳踏實(shí)地，所以選擇了一個(gè)很腳踏實(shí)地的話題。

首先我介紹一下在座的三位嘉賓：

朱明杰博士是我們 CTO 工作室第一批入駐的成員，氪信科技的創(chuàng)始人，畢業(yè)于科大少年班是 MIT Take Review 評(píng)選出的 35 歲以下創(chuàng)新的 35 人之一、上海市青年拔尖人才，氪信也是首批與 IDEA 成立 CTO Labs 的企業(yè)，我們也很期待接下來把這個(gè)工作室一起建設(shè)好。

張霖濤博士，畢業(yè)于北京大學(xué)和普林斯頓大學(xué)，也是 IEEE Fellow，在翼方健數(shù)擔(dān)任首席科學(xué)家。翼方健數(shù)是我們昨天剛剛宣布的第二批工作室成員之一，也非常感謝霖濤博士的支持。

容力博士，畢業(yè)于清華大學(xué)和滑鐵盧大學(xué)，在人工智能領(lǐng)域有 20 多年的實(shí)踐經(jīng)驗(yàn)和經(jīng)歷。他現(xiàn)在是智加科技的工程高級(jí)副總監(jiān)和中國區(qū)總經(jīng)理，也是自動(dòng)駕駛領(lǐng)域，自動(dòng)駕駛領(lǐng)域一直是我們很關(guān)注的賽道，也非常希望未來有這個(gè)領(lǐng)域的 CTO 工作室成立，也期待跟容力博士一起探討未來的合作機(jī)會(huì)。

接下來請幾位嘉賓先從他們自身的業(yè)務(wù)出發(fā)，來介紹一下他們怎么定義可落地的 AI。從明杰博士開始。

朱明杰：AI 要落地，首先行業(yè)的痛點(diǎn)要足夠明顯。氪信科技是一家 AI 公司，面向落地的行業(yè)主要是金融行業(yè)。現(xiàn)在中國尤其是銀行，資產(chǎn)規(guī)模前 15 位的銀行應(yīng)該大部分都是我們的客戶。我們是幫助他們做深度數(shù)字化轉(zhuǎn)型的合作伙伴。

關(guān)于 AI 可落地這件事，首先要回答：這個(gè)行業(yè)或者這個(gè)場景為什么需要 AI？我們就拿銀行來舉例子。

2010 年以前，銀行業(yè)是跑馬圈地階段，是一個(gè)人口紅利時(shí)代，遍地是客戶。一個(gè)銀行要發(fā)展很簡單，開網(wǎng)點(diǎn)，多去超市門口發(fā)金龍魚。那時(shí)候肯定不需要什么 AI，只要多雇人，多開網(wǎng)點(diǎn)就可以。

2010 年以后，是來自于互聯(lián)網(wǎng)的創(chuàng)新的良性啟發(fā)階段，大家都去開網(wǎng)點(diǎn)，競爭有點(diǎn)飽和了。還有像螞蟻、微眾包括很多互聯(lián)網(wǎng)金融創(chuàng)新的挑戰(zhàn)。金融行業(yè)里大家為了爭奪開戶，必須要學(xué)習(xí)互聯(lián)網(wǎng)的服務(wù)方式，要圍著客戶去轉(zhuǎn)。反映到銀行身上，就是學(xué)習(xí)像余額寶一樣做一些創(chuàng)新。

現(xiàn)在行業(yè)信息基礎(chǔ)建設(shè)進(jìn)程普遍起來了，這幾年銀行可能真的很痛苦，因?yàn)橛脩艚裉觳蝗苯鹑诜?wù)，想做個(gè)轉(zhuǎn)帳和支付交易，都可以不需要銀行。而且現(xiàn)在風(fēng)險(xiǎn)越來越高，監(jiān)管越來越嚴(yán)，這就是內(nèi)卷。內(nèi)卷以后要逼著大家找一個(gè)能放大它的生產(chǎn)力的大殺器，那就是 AI。

今天你再問一家銀行需不需要 AI，他一定說需要的，因?yàn)橥袋c(diǎn)真的很強(qiáng)烈的。再舉個(gè)具體的例子：去年中國破獲的電信網(wǎng)絡(luò)詐騙案件 32 萬起，今年上半年同比增長了 60%，這個(gè)工作量和精準(zhǔn)度不是人力能包攬的。

在這種場景上，我們也可以看到 金融行業(yè)很像中國社會(huì)的代表縮影——從人口紅利開始往工程師紅利。要借助工程師的力量、AI 的力量做這件事情。 我們做的也就是落地的事情。

幺寶剛： 有一個(gè)跟進(jìn)的問題：我在物流領(lǐng)域工作過一段時(shí)間，一個(gè)大的問題是我們?nèi)ツ睦镎覚C(jī)會(huì)點(diǎn)。

當(dāng)時(shí)我們有一個(gè)非常簡單的原則，就是哪兒人多就去哪兒找機(jī)會(huì)點(diǎn)。物流行業(yè)就是人力成本，把人力降下來。這是立竿見影能看到效果的。那金融領(lǐng)域怎么找機(jī)會(huì)點(diǎn)呢？

朱明杰： 我們從 2015 年底開始創(chuàng)業(yè)面向金融行業(yè)時(shí)就提到過：真愛只能用錢表達(dá)。我們做的事情一定是客戶愿意買單的，愿意買單就是真實(shí)的痛點(diǎn)。

就像我剛才講的，現(xiàn)在電信網(wǎng)絡(luò)詐騙，它真的非常痛。因?yàn)檫@件事情如果沒有做好，用戶會(huì)來投訴，監(jiān)管又要罰款，很多時(shí)候有這種客觀的訴求存在，但又不可能靠業(yè)務(wù)人員一筆一筆查到是怎么回事，倒逼著他要想這件事情。這里面來自業(yè)務(wù)的需求在，我們就去做這件事情。

我們也定義了一個(gè)概念：有效 AI 應(yīng)用場景。 要甄別出無效或者是偽應(yīng)用場景，以免干擾我們的資源和經(jīng)歷。很幸運(yùn)的，氪信過去這五年里，跟中國頭部的金融機(jī)構(gòu)不斷探索、探討哪些領(lǐng)域是剛需的。我們梳理了大概 24 個(gè)有效 AI 應(yīng)用場景，包括信用反欺詐、反洗錢、可疑交易識(shí)別、智能營銷。

這里面有很多細(xì)分領(lǐng)域，感興趣的同志可以關(guān)注我們公司后續(xù)一些產(chǎn)品介紹，謝謝大家！

幺寶剛： 謝謝明杰博士。容力博士，從你們業(yè)務(wù)角度介紹一下什么叫可落地的 AI。

容力： 我們公司叫智加科技，是做重卡干線物流上的自動(dòng)駕駛。所謂干線物流是指長途運(yùn)輸，主要跑高速公路，做自動(dòng)駕駛，重卡是指我國拉著集裝箱的大卡車。

談到落地應(yīng)用，我們做了這幾年，深有體會(huì)。因?yàn)槲覀冏龅牟皇且粋€(gè)研究的項(xiàng)目，是要應(yīng)用在重卡上的項(xiàng)目。

基本總結(jié)，一個(gè)可以落地的人工智能技術(shù)，在我們看來有三個(gè)點(diǎn)很重要：一是選中的應(yīng)用一定要解決一個(gè)什么痛點(diǎn)或者是一個(gè)什么問題。可以是一個(gè)經(jīng)濟(jì)問題，也可以是一個(gè)社會(huì)問題，也可以既是經(jīng)濟(jì)問題也是社會(huì)問題。重卡的運(yùn)輸，是經(jīng)濟(jì) + 社會(huì)的問題。

從經(jīng)濟(jì)上來講，降本增效。未來如果能夠?qū)崿F(xiàn)無人駕駛，卡車司機(jī)這種繁重的工作，而且工資也比較高，它可以達(dá)到很高的降本增效效應(yīng)。社會(huì)效應(yīng)也是，如同以前織布機(jī)替代紡織工人一樣，帶來的是產(chǎn)業(yè)上的變化，社會(huì)效應(yīng)也很大。

二是要可以應(yīng)用。因?yàn)樯鐣?huì)上痛點(diǎn)很多，問題很多，但不是所有的問題能在看得見的未來通過技術(shù)解決的。所以我們要選擇一個(gè)技術(shù)能夠落地解決的問題。比如現(xiàn)在腦機(jī)接口，不是說不能解決，十年看不到最后的應(yīng)用成果。包括要探索人類的下一次移民的地方。這個(gè)問題很嚴(yán)重，看過《三體》的都知道，很多問題。

但我們現(xiàn)在作為一個(gè)公司，看中的是在看得見的三五年時(shí)間里能解決。

三是 Scalable。選擇一個(gè) AI 能夠解決社會(huì)或者經(jīng)濟(jì)問題，而且可應(yīng)用，還得 Scalable，這樣才能掙更多錢。我們所看中的物流市場，是萬億級(jí)的市場，市場規(guī)模非常大，國民經(jīng)濟(jì)將近 15%GDP 花在物流運(yùn)輸上。如果對物流運(yùn)輸帶來降本增效的作用，哪怕是幾個(gè)百分點(diǎn)，都是巨大的經(jīng)濟(jì)效應(yīng)。

幺寶剛： 下面有請張霖濤博士為我們分享。

張霖濤： 首先非常感謝能有這個(gè)機(jī)會(huì)跟大家分享一下我們在 AI、數(shù)據(jù)方面做的一些工作，非常榮幸能夠加入 CTO 工作室，來和 IDEA 合作，我們也 Looking forward 很多成果。

我們公司叫翼方健數(shù)，做隱私計(jì)算賽道。公司已經(jīng)有五年歷史。最近幾年隱私計(jì)算是大家比較關(guān)注的行業(yè)，我們也希望在這方面為 AI 助力。

我們公司跟其他一些隱私公司不太一樣的情況是，我們公司比較專注于醫(yī)療健康、生物信息等等行業(yè)。原因很簡單，因?yàn)槲覀児境闪⒌帽容^早，當(dāng)時(shí)其他行業(yè)都還在買數(shù)據(jù)。

所謂可落地的 AI，可能跟金融等行業(yè)不太一樣。比如金融，大家能夠看到這個(gè)數(shù)據(jù)的價(jià)值，比如能獲多少客，或者我的風(fēng)險(xiǎn)降低了多少個(gè)點(diǎn)。在有些數(shù)據(jù)使用得不是特別好的行業(yè)，比如醫(yī)療健康，這是非常傳統(tǒng)的行業(yè)，非常難啃的骨頭。怎么樣把這個(gè)技術(shù)落地，是非常有挑戰(zhàn)的事情。

醫(yī)療行業(yè)有非常大的潛力，我們稱之為有很高勢能的行業(yè)。這個(gè)地方有很大的勢能，但中間有一個(gè)壩，怎么能敲掉其中一些石頭，把這個(gè)水流下來一點(diǎn)，就會(huì)產(chǎn)生很大的經(jīng)濟(jì)效益，但你說上來就能把整快山移開，這是不太現(xiàn)實(shí)的。

我們在這個(gè)行業(yè)的思考是，用 AI 的能力幫助醫(yī)生或者幫助一些其他的醫(yī)療患者。這個(gè)功能必須要有醫(yī)院會(huì)買單或者對醫(yī)生有實(shí)實(shí)在在的價(jià)值。比如剛才說的診療醫(yī)生，如果我能做一個(gè)醫(yī)生，非常了不起。你想做一個(gè) AI 醫(yī)生，需要診療模型。這個(gè)診療模型的意思是根據(jù)你的癥狀就知道得了什么病，或者根據(jù)這些病，要得到什么藥，要建一個(gè)大的 AI 系統(tǒng)。

但這個(gè)事是非常難做的，包括 IBM 做沃森，Deep Mind 做這些，都想一下子做出來。在實(shí)際應(yīng)用中，你說“我想跟醫(yī)生說我有一個(gè)東西能代替你。”這是很難做的。我們想做一些醫(yī)生能認(rèn)可的，像病例自控。比如你做了一個(gè)診療，這個(gè)人得了胃病，但你發(fā)現(xiàn)你的病例上診斷都是肺部的，肺的 X 光等等，要么是病例寫錯(cuò)了，要么是當(dāng)時(shí)的診斷有些問題。對于醫(yī)院病例科都是非常有價(jià)值的。

另外我們還可以幫助填寫病例，叫病例助手。醫(yī)生要花二三十分鐘寫一份病例，把各種觀察記錄上去。我們能不能根據(jù)從病例中學(xué)習(xí)的一些知識(shí)，幫助醫(yī)生來填。我們發(fā)現(xiàn)用知識(shí)庫、診療模型等可以幫助客戶省非常多時(shí)間。我們在一些大的三甲醫(yī)院做測試后，發(fā)現(xiàn)很多醫(yī)生都非常歡迎這樣的產(chǎn)品，因?yàn)樗鼛歪t(yī)生省了時(shí)間。這都是業(yè)務(wù)落地的場景。

我們當(dāng)然希望最后做的技術(shù)就是做一個(gè)病例輔導(dǎo)，隨著我們能夠收集更多數(shù)據(jù)，更多的醫(yī)院 Deploy 這些系統(tǒng)，就可以訓(xùn)練出更好的模型，最后希望可以往診療方向走。

幺寶剛： 謝謝三位嘉賓對這個(gè)問題的分享。剛才有兩個(gè)點(diǎn)大家都不同程度的提到，一個(gè)是怎么樣能夠找到真正的痛點(diǎn)和需求，一個(gè)是怎么樣能夠規(guī)模化落地。

我講一下我自己遇到的一個(gè)親身體會(huì)，AI，尤其是技術(shù)型的公司，往往會(huì)針對一個(gè)具體問題，定義得很清楚，去解決這個(gè)問題。但從產(chǎn)業(yè)或者企業(yè)的角度，往往是把整個(gè)解決方案提供出來。

舉兩個(gè)物流行業(yè)實(shí)際的例子，一個(gè)是用光學(xué)識(shí)別的方法，快速識(shí)別物品要到達(dá)的地址。后來我們落地時(shí)發(fā)現(xiàn)這個(gè)數(shù)據(jù)實(shí)驗(yàn)室很準(zhǔn)，到場地不準(zhǔn)。原來是上面有一個(gè)風(fēng)扇在吹傳送帶，很薄的快遞就被吹跑了，解決的方法是把電風(fēng)扇換個(gè)位置。

另外一個(gè)例子，AGV 在場地里運(yùn)輸貨品。一到實(shí)際場地里，速度、精準(zhǔn)度都有問題，主要是因?yàn)榛覊m太大。

從企業(yè)的角度，你只給他解決一個(gè)技術(shù)上的單點(diǎn)問題可能不夠，他需要一個(gè)解決方案。我想知道，從氪信的角度，你們是會(huì)端到端把問題解決還是跟他們一起合作，把技術(shù)難點(diǎn)突破一下？

朱明杰： 氪信是第一批成立 CTO 工作室的，主要做了些什么呢？我們通過這段時(shí)間和幺寶剛老師合作，寶剛老師很多經(jīng)驗(yàn)，包括 IDEA 其他研究員豐富的經(jīng)驗(yàn)，對我們本身的工作和產(chǎn)品有很多啟發(fā)，這是很也共通的。大家面對的問題，不同行業(yè)都差不多。

剛剛寶剛老師說在物流行業(yè)遇到什么問題。在金融行業(yè)里，我們說到底提供什么東西時(shí)，一樣會(huì)遇到。

這個(gè)事情是業(yè)務(wù)和技術(shù)之間的距離，或者叫人機(jī)距離。 操作的人跟最后給他一個(gè)算法的東西，算法解決只是其中一個(gè)問題，這之間有很大的距離。業(yè)務(wù)員不懂到底怎么回事，出來一個(gè)數(shù)字或者模型，要解釋給他。尤其 AI 又是黑盒子，在金融里這個(gè)問題非常重，但在一開始時(shí)又不得不給他提供的是單點(diǎn)的技術(shù)問題。

最開始時(shí)我們什么都沒有，面對的客戶又是非常大的銀行。大金融機(jī)構(gòu)被逼到內(nèi)卷后沒有辦法，就要開始自動(dòng)決策，會(huì)拋出一些單點(diǎn)的問題讓你來解決。AI 公司都是去解決這樣的技術(shù)問題。但后面的客戶說他既不是那么熟悉數(shù)據(jù)，對業(yè)務(wù)的了解也沒那么多，還需要你去告訴他該怎么做這件事情。

我們提供的產(chǎn)品解決方案是 AI 部分要加上業(yè)務(wù)部分，所以我們把這個(gè)東西叫 AI+Professional knowledge（專業(yè)知識(shí)）+Integration（融合），簡稱“API”戰(zhàn)略。 我們過去幾年在給大客戶里做的單點(diǎn)技術(shù)問題過程中，一直在學(xué)習(xí)業(yè)務(wù)的 Know-How。把業(yè)務(wù)的 Know-How 變成內(nèi)核是 AI 的技術(shù)框架，外面加一個(gè)業(yè)務(wù)解釋層，能讓業(yè)務(wù)的人懂，而且還能預(yù)制一些業(yè)務(wù)指導(dǎo)操作的經(jīng)驗(yàn)，這樣才能把產(chǎn)品給推廣出去。

歸納下來，我們做這件事情，是需要在前期做單點(diǎn)，越到后面沉淀的東西越多，能固化下來的東西就越多。像最開始，大家拿的 AI 是電動(dòng)機(jī)，不知道能干什么，我們就去不斷向主人科普：你洗衣服怎么做的，我是不是可以幫你做一個(gè)殼？那就做成洗衣機(jī)；或者你需要做一個(gè)制冷的東西，我們可以做一個(gè)電冰箱。

客戶要的是電冰箱、電飯鍋、空調(diào)、洗衣機(jī)，不是要你的電動(dòng)機(jī)。

幺寶剛： 容力博士，自動(dòng)駕駛現(xiàn)在可以說是風(fēng)口，大家都在往這個(gè)方向投入、努力。肯定這里面有很多需求，因?yàn)樗仁墙?jīng)濟(jì)問題也是社會(huì)問題，你們?yōu)槭裁催x擇了重卡領(lǐng)域而不是乘用車領(lǐng)域？

容力： 這里一個(gè)關(guān)鍵點(diǎn)是重卡作為運(yùn)輸?shù)模凑瘴覀円郧皩W(xué)的理論，它是一個(gè)生產(chǎn)資料或者生產(chǎn)工具。它跟我們平常用的車是不一樣的，作為一個(gè)生產(chǎn)工具，你如果給它一點(diǎn)降本增效的效應(yīng)，就會(huì)讓資本家有極大的興趣。

卡車做自動(dòng)駕駛和乘用車做自動(dòng)駕駛都有一個(gè)共同點(diǎn)，現(xiàn)在技術(shù)不是完全成熟。如果在路上碰見一輛車在公開道路上開，車?yán)餂]有司機(jī)，這還是比較罕見的，只有在非常少的限定的小區(qū)域里測試可以做到。

這個(gè)技術(shù)還沒有那么成熟，但我們認(rèn)為重卡的自動(dòng)駕駛將會(huì)率先落地，率先落地的邏輯是因?yàn)槲以谀軌蛲耆サ赳{駛員實(shí)現(xiàn)之前的情況下，就帶來降本增效的效益。因?yàn)楝F(xiàn)在通過人工智能、大數(shù)據(jù)、算法，能夠讓人工智能的輔助駕駛在開卡車時(shí)比老司機(jī)還省油。

大家做過物流行業(yè)，尤其是重卡駕駛，就知道我要是做一個(gè)物流企業(yè)尤其做一個(gè)車隊(duì)，一年的費(fèi)用里，將近 25-30% 是油費(fèi)。如果通過人工智能自動(dòng)駕駛方法，比老司機(jī)能省大概 10% 的油費(fèi)。這是巨大的效益，尤其在物流行業(yè)內(nèi)卷比較嚴(yán)重的情況下。

在完全無人駕駛實(shí)現(xiàn)之前，我們目前看到中的這個(gè)賽道，用重卡做無人駕駛，今年、明年就能達(dá)到這個(gè)效益。

我們公司做現(xiàn)在的自動(dòng)駕駛卡車，是前裝量產(chǎn)，跟一汽解放合作的，今年已經(jīng)量產(chǎn)下線了。我們認(rèn)為我們過去兩年多的努力沒有白費(fèi)，現(xiàn)在能把自動(dòng)駕駛、人工智能技術(shù)落地到重卡上。如果我們?nèi)プ龀擞密嚕强雌饋砗苄愿械臇|西，比如我們做人工智能做到了比特斯拉還強(qiáng)，這一定是新聞?lì)^條 。但在我們作為公司來看，我們看中的不是上新聞?lì)^條，也不是把自動(dòng)駕駛這個(gè)技術(shù)讓大家都知道。我們是想掙錢的，這也是為什么選重卡自動(dòng)駕駛。

幺寶剛： 容力博士，你既然提到特斯拉，我必須問一句。特斯拉花了很多精力投入到 FSD（完全自動(dòng)駕駛）技術(shù)，在新聞上也做了很多這方面的宣傳。乘用車的 FSD 技術(shù)跟重卡有什么關(guān)鍵的核心上的不同？

容力： 技術(shù)本身差別不大，兩個(gè)流派：Waymo 流派、特斯拉流派的。Waymo 從收集數(shù)據(jù)開始做，大概現(xiàn)在有 600 臺(tái)車在路上跑。還有一個(gè)是特斯拉這種方式，一邊造火箭，一邊造車。火箭是星辰大海，車是現(xiàn)在就掙錢，車給大家?guī)硗票掣械捏w驗(yàn)。

在我看來和重卡相比，技術(shù)沒有太大區(qū)別。我們認(rèn)為特斯拉的路線可能是正確的，首先要讓車在路上跑，跑了才有足夠的數(shù)據(jù)，有 100 萬輛車的自動(dòng)駕駛在路上跑，最后才能說那么快能實(shí)現(xiàn) FSD。這樣的數(shù)量規(guī)模是 Waymo 這幾百臺(tái)車沒法比的。

可以說我過去受到寶剛和其他同事們的教育，一直認(rèn)為大數(shù)據(jù)，100 萬輛車的規(guī)模在路上跑，收集的各種各樣數(shù)據(jù)，這是無法用一個(gè)實(shí)驗(yàn)室里拍幾百臺(tái)車的數(shù)據(jù)能解決的。

幺寶剛： 霖濤博士，剛剛您也介紹了你們在醫(yī)療領(lǐng)域的一些具體應(yīng)用。但在我心目中翼方健數(shù)首先是一個(gè)很大的平臺(tái)公司，隱私計(jì)算也是你們很關(guān)注的領(lǐng)域。回到需求，有一個(gè)說法，說隱私計(jì)算是“AI 落地的最后一公里”，您同不同意這個(gè)說法？

張霖濤： 我當(dāng)然非常同意。我剛才說到很多 AI 應(yīng)用問題，我們不是傳統(tǒng)意義上的 AI 公司，是隱私計(jì)算公司，做數(shù)據(jù)和平臺(tái)的。

問題在于我為什么要去做 AI，隱私計(jì)算本身不一定有任何價(jià)值，價(jià)值最后還是要數(shù)據(jù)的價(jià)值，用戶覺得我需要這個(gè)東西。

像朱博士剛才談的電，我們之所以要做這些應(yīng)用，就相當(dāng)于先弄個(gè)燈泡。我怎么能告訴你說電有用，這很難。你告訴我電有用，將來怎么樣怎么樣，人家說我現(xiàn)在有什么用？你說我現(xiàn)在就能給你點(diǎn)亮燈泡。我們現(xiàn)在講的輔助診療是做這樣的事情。

我們不希望說以后你家里的電器都我包了，這不是我們的目的。我們希望電給你布好了，將來有更加專業(yè)的公司能夠把其他事情做起來， 比如醫(yī)院里有各種信息化，比如藥企就愿意用醫(yī)院的數(shù)據(jù)做藥物研發(fā)。比如保險(xiǎn)公司會(huì)愿意用醫(yī)院的數(shù)據(jù)對醫(yī)療的保險(xiǎn)做很多控費(fèi)，能夠更有選擇的進(jìn)行保單的定價(jià)等等。

像這樣事情，不一定是我們能做，當(dāng)然我們也會(huì)去聯(lián)系數(shù)據(jù)員和數(shù)據(jù)提供方。但我們也深深知道，數(shù)據(jù)全部用起來，數(shù)據(jù)的價(jià)值，這是幾十萬億的市場，肯定有很多很多公司在這個(gè) ecosystem 里大家一起貢獻(xiàn)。但最重要的事情是一開始能把這個(gè)數(shù)據(jù)先變成一個(gè)可用的情況。

所謂可用的狀態(tài)，醫(yī)院里以前信息化是各種公司的設(shè)備宕出來的數(shù)據(jù)，每一家醫(yī)院的影像設(shè)備都不是同一家公司造的。他們也無所謂，因?yàn)檫@個(gè)數(shù)據(jù)是不準(zhǔn)備給別人用的，只是萬一出了什么事需要查，就拿來用。我怎么把這個(gè)數(shù)據(jù)弄成將來被藥企、保險(xiǎn)公司用。我們需要做這個(gè)數(shù)據(jù)的治理、清理、歸一和數(shù)據(jù)標(biāo)準(zhǔn)的制定。這些事情我們都得做，而這個(gè)東西也要用很多很多 AI 的技能，因?yàn)椴豢赡苋慷加檬肿觯覀冊谶@個(gè)過程中用了很多工具。

這么多工具，難道只是為了醫(yī)療上給大家填病例嗎？不是的。后面希望把這個(gè)事情 skill 起來，需要各個(gè)其他公司的貢獻(xiàn)或者一起協(xié)作。

幺寶剛： 謝謝霖濤博士。三位嘉賓都是有科學(xué)家頭腦的創(chuàng)業(yè)者，從企業(yè)角度，企業(yè)對投入產(chǎn)出還是很在意的。在 AI 落地過程中，很多時(shí)候遇到的問題是項(xiàng)目制和規(guī)模化。怎么樣避免被困于定制化的瓶頸中？

張霖濤： 也不是，這是所有 To B、To G 業(yè)務(wù)的痛點(diǎn)，我們公司主要是 To B 和 To G，不像 To C 的業(yè)務(wù)，做一份東西所有人都能用，To B 和 To G 往往是要定制的。我們也是深刻認(rèn)識(shí)到這一點(diǎn)，其實(shí)沒有什么特別好的答案。

我們在過程中不斷地優(yōu)化自己的能力。比如像做數(shù)據(jù)清洗，第一個(gè)醫(yī)院進(jìn)去，折騰得不得了，為了折騰這些工具，就建了很多自己的工具，用 Machine learning 的方法做得更快一點(diǎn)。到第二家醫(yī)院就發(fā)現(xiàn)好多了，但又出現(xiàn)各種各樣的問題，我們又得修。等做到第十家醫(yī)院，該見過的事情都見過了，希望是這樣做。從我們過去的經(jīng)驗(yàn)來說，確實(shí)是這樣。

很多 To C 的公司也會(huì)遇到這樣的問題。第一個(gè)客戶和第二個(gè)客戶可能不一樣，但第 1000 個(gè)客戶和前面 999 個(gè)客戶已經(jīng)覆蓋得差不太多了。

容力： 對于自動(dòng)駕駛來講，第一步就想得非常清楚我們要做一個(gè)產(chǎn)品，所以非常仔細(xì)的花一些時(shí)間定義這個(gè)產(chǎn)品，包括跟一汽解放合資成立像智途公司來發(fā)布這個(gè)產(chǎn)品，包括和我們的大股東滿幫集團(tuán)，我們很早就定義了這個(gè)產(chǎn)品，按產(chǎn)品的方式做。這樣很早就規(guī)避了做項(xiàng)目，從第一個(gè)做到第十個(gè)的情況，取決于產(chǎn)業(yè)鏈最開始的建立，繞過了很多問題。

這是我們公司過去走的路。

朱明杰： 解決這個(gè)問題，最重要是產(chǎn)品化。我們這幾年的實(shí)踐下來有兩點(diǎn)心得：一是用 AI 工程化的能力解決這個(gè)問題。我直接拿一個(gè)電動(dòng)機(jī)給人，他就問你這個(gè)電動(dòng)機(jī)能不能抽水，能不能干啥，你每一個(gè)都要給他做一套。

我們的 AI 決策引擎叫“非或然引擎”，外面套了一個(gè) Pilot“業(yè)務(wù)專家駕駛艙”的殼，縮短人機(jī)交互的距離，能讓業(yè)務(wù)人員更透明的看到輸出結(jié)果和業(yè)務(wù)之間的關(guān)系。這需要跟業(yè)務(wù)場景磨煉很長時(shí)間，我們希望快速的做出“洗衣機(jī)”和標(biāo)準(zhǔn)的東西。

再者，就是跟大的頭部客戶做標(biāo)桿，跟相對小的客戶做規(guī)模化拓展。 因?yàn)橄鄬π〉目蛻糇约褐浪臉I(yè)務(wù)知識(shí)也需要依賴于你，你的 Pilot 系統(tǒng)加“非或然引擎”給他的東西能夠解決他 90% 的問題，也會(huì)更信賴你。

總結(jié)起來，還是響應(yīng)沈向洋老師的建議：躬身入局。 我們做了好幾年這樣的工作，從這兩年開始能看到一些收獲，逐漸把這個(gè)業(yè)務(wù)和形成的“非或然引擎”+Pilot 系統(tǒng)集成 API，在通用場景上把它推廣開。我們也希望以更快的速度讓更多客戶能夠用上這些東西。

幺寶剛： 我們剛剛都談了一些非常腳踏實(shí)地的話題。最后我想問一個(gè)仰望星空一點(diǎn)的問題：有一個(gè)說法是未來所有的企業(yè)都是 AI 企業(yè)。我也想請幾位暢想一下，我們離這個(gè)未來還有多遠(yuǎn)？

朱明杰：行業(yè)進(jìn)入到內(nèi)卷時(shí)代后，就不得不成為 AI 企業(yè)。 說白了就是人口紅利沒了，必須借助工程師紅利，如果工程師紅利也不能解決，可能就留給未來去解決的問題吧。

比如我就自己開一個(gè)包子鋪，不用什么 AI，只要把我家門口的生意做好就行了。但我要開一個(gè)連鎖包子鋪，要管理上千家企業(yè)，這么多流程，一定要從淺層數(shù)字化到深層數(shù)字化做到，做到這件事，必然倒逼 AI 的企業(yè)轉(zhuǎn)型。

容力： 說所有的公司都是 AI 的公司，看怎么去理解。我認(rèn)為這是一個(gè)非常非常美好的前景。對于我們在座的大家應(yīng)該是非常好的，一小部分公司會(huì)成為 AI 的公司，其他的公司不得不借助我們在座的人，這些 AI 公司，去擁抱未來。

為什么只有一小部分人才能做到真正的 AI 公司，其他的公司去仰仗我們這些公司做事呢？因?yàn)槌蔀橐粋€(gè) AI 公司并不那么容易，要有 AI 的人才、文化，還要有 AI 的胸懷。

張霖濤：我們認(rèn)為不一定所有的公司最后都是 AI 公司，但所有公司可能都是數(shù)據(jù)驅(qū)動(dòng)的公司或者數(shù)據(jù)公司。這個(gè)數(shù)據(jù)要拿出來用，需要更多的 expertise。

比如要做 AI，我們現(xiàn)在知道算法、算力、數(shù)據(jù)。不是所有的公司都有這三個(gè)能力這三個(gè)能力是非常非常少的 combination。阿里巴巴有，但隨便一個(gè)社區(qū)醫(yī)院不可能有這方面的能力。我們隱私計(jì)算做的事情是希望把這個(gè)東西 decompose。decompose 的意思是提供數(shù)據(jù)的人不一定懂算法，做算法的人不一定有數(shù)據(jù)。

像剛才說的包子鋪概念，我開一家包子鋪，有很多數(shù)據(jù)，我的客戶都是誰，每天來我這兒吃多少包子。但問題在于你這個(gè)包子鋪一共就三個(gè)員工，不可能有這樣的能力。但他有數(shù)據(jù)，如果能把這個(gè)數(shù)據(jù) expose 給別人，讓別人來用，并且在很小的摩擦，建立數(shù)據(jù)和服務(wù)，很容易做起來，這就是隱私計(jì)算希望做的事情。

做成這件事后可能就有別人來為他服務(wù)，有一個(gè)標(biāo)準(zhǔn)的應(yīng)用，把他的數(shù)據(jù)分析，說你應(yīng)該這么調(diào)你的包子餡，因?yàn)閯e人都是怎么做的，你這個(gè)怎么做的。將來可能所有公司都是數(shù)據(jù)驅(qū)動(dòng)或者 AI 的公司。

幺寶剛： 這個(gè)話題是非常大的話題，隨著技術(shù)的發(fā)展，人才的集聚，外面的大環(huán)境包括人口紅利逐漸消失，產(chǎn)業(yè)升級(jí)的需求，這個(gè)問題也變得越來越重要，我們只是在這個(gè)領(lǐng)域從不同行業(yè)、不同方法去嘗試。