深度学习“撞到南墙”了?+ 查看更多
深度学习“撞到南墙”了?
+ 查看更多
发布日期:2022-03-18 15:41


这项价值数十亿美元的技术极大地推动了当代人工智能的发展作为这项技术的先驱。2016年时,深度学习「教父」Geoffrey Hinton就说过,我们不用再培养放射科医生了。如今几年过去,AI 并没有取代任何一位放射科医生。问题出现在哪?与之类似的行业还有无人驾驶,时至今日,经过深度学习的自动驾驶系统依然无法让人类感到安心。深度学习“撞到南墙”了吗?另一方面,AI公司在商业上发展似乎也陷入瓶颈。智能语音公司纷纷加快转型步伐,谋求商业模式的突破;而更多的AI公司在发展的同时,也面临着巨大的亏损,比如国内AI四小龙中的依图科技在2年半的时间内亏损了60亿、旷视科技在三年之内亏损了127亿元、商汤科技更是3年半亏损了243亿元。为何AI公司亏损严重?AI公司的盈利期何时才能到来?



专家系统的结构


在经历了高歌猛进的飞速发展后,AI各个赛道的格局日趋明显,各个细分领域也相继迎来了第一股。在AI市场规模高速增长的同时,相关企业盈利状况并不乐观。主要原因是目前AI落地的场景过于碎片化,定制化、成本高、利润低等不利因素的影响下,亏损也就成了人工智能企业难以避免的一种常态。虽然看起来营收在逐年增长,但是需要的研发投入也在逐年增加,还未达到营收平衡的临界点。

近年来AI产业生态也正在逐步回归理性。行业参与者一方面深化AI落地,另一方面回到技术本身寻求更多突破。技术与场景的结合,将培育出更多打破原有产业边界与业态的创新型应用。未来,在细分领域有整体垂直应用的解决方案,并且形成数据闭环后,这种技术和价值壁垒将是可以持续的,也更容易获得资本的青睐。同时,同一应用场景下,多模态的技术整合比单一软件或硬件更容易找到落脚点。比如结合机器人+人工智能+医学影像+物联网+大数据等技术,只为解决群体性乳腺癌筛查这一件事,形成端到端的深度解决方案,解决的是整个小生态的问题,而不仅仅是医生辅助阅片或者单单自动扫查释放体力劳动的问题。更重要的是,基于软件和硬件的整合能自我催生源源不断的数据,这是可盈利的基础。在商业模式的选择上,每家都有自己的路径,从市场规模、客户痛点、自身优势、切入难易度,产品的匹配程度等方面都要找到。同时,对于初创企业,合理压缩估值泡沫也将有利于企业获得融资和生态的健康发展。

近几年,AI技术的发展不再仅仅强调核心算法和理论的提升,更多的是与应用场景结合,解决实际问题,实现AI技术落地。我并不认为深度学习“撞到南墙”,恰恰相反,AI研究人员正在解决深度学习“黑匣子”问题,通过可解释性AI技术来解决AI技术当前所面临的一系列问题,以实现AI技术的可持续发展。诸如智能交互、AI内容生成、虚拟人等多模态AI技术,已逐步走进了人们的视野,改变人们的生活方式。目前,已有大量的工作已被AI所取代,但人们更期待的是拟人化的AI技术。

数据、算法、算力作为AI技术的三大核心驱动力,注定了AI行业门槛较高、链路长,投入的成本远高于其它IT行业。我认为当前AI行业处于基础设施建设初步完成、AI技术即将发生重大更迭的阶段,大规模的AI应用将在未来的3年内爆发,AI公司未来可期。


“弹科技”是广东省人工智能产业协会与广东卫视《财经郎眼》围绕科技热点、行业趋势,邀请各领域的意见领袖进行点评的互动栏目。本栏目致力于为推动科技创新、科技向善提出真知灼见。