旷视科技唐文斌：你到底给谁创造了什么样的价值？

落地，是2019年AI行业的共同话题，创造价值、降本增效，成为行业共识。

作为AI头雁公司、也即将成为AI创业第一股的旷视，又是怎样看待落地这个话题的？

而作为一位技术领袖，旷视联合创始人兼CTO唐文斌，又认为当下环境下有哪些技术创新的机会？

AI

在MEET2020智能未来大会现场，作为在行业中摸爬滚打八年的实践者，唐文斌用四个字解答了人工智能落地的议题——价值创造。

要点

1、 AI落地必须回答产品经理灵魂拷问：你到底给谁创造了什么样的价值？

2、 AI的价值主要体现在三个方面：成本优化、效率提升、体验增强。

3、 AI在不同行业发展的速度不一样，有难有易，更容易发展起来的，是那些给予AI试错机会的场景。

4、 AIoT 是人工智能技术与产业深度结合的必经之路，因为硬件成本逐渐变得更低，5G让连接变得更迅捷，在这些基础之上实现非常好的IoT的连接后，就能够产生更多数据，让AI算法实现快速突破。

5、 AIoT在体系下有且仅有三种角色，分别是感知器、决策器、执行器，每个部分都有创新机会。

唐文斌演讲分享全文

谢谢大家！谢谢主持人对我们的介绍，其实AI公司做的事情并非光鲜亮丽，反而非常的实际、非常的累，所以今天我想讲点接地气的事情。

现在很多人都在讲AI，我们也可以看到AI技术确实给不同场景带来了很多应用，机器学习、深度学习都给计算机视觉、语音识别，NLP等一系列的技术提供了好的手段，使其性能有大幅度的增长。

因此，这也给不同产业带来了不一样的价值，从技术到产业落地的过程已经在实践、在发展了。

举个例子，我们现在可以通过计算机视觉帮助制造业厂商做缺陷检测，用机器人帮仓储物流行业降本增效，用AI的方式让你提前测试某款化妆品、衣服的上身效果，不用再出门去商场了。

不管是降低成本、提升效率还是增强体验，在很多场景中，AI都是用这样的方式来产生价值的。

但是这件事情并没有大家想象中的那么好。

在AI的热度之下，其实企业对AI如何落地、如何使用、如何给自己带来价值，是没有那么清楚的，落地的过程也没那么容易，这也是我一上来讲我们做的事情并没有那么光鲜，反而非常累的原因。

AI落地回归价值本身 

这是Gartner统计的阻碍企业应用AI的原因，其中包括现有员工缺乏相关的技能、对AI的作用和用途不了解、缺乏数据、系统整合起来比较麻烦、场景不清晰、战略不清晰、隐私安全保护、价值不好衡量……一大堆的问题，其中有几个问题是比较关键的。

首先，我们做一个应用产品，需要尽可能控制成本，不管是算法研发的成本，还是技术应用的成本，我们必须要算这个账。这项技术／产品地使用带来的价值增量到底有多大？如果企业不采用这项技术／产品，成本相对而言是更低还是更高？你的ROI怎么样？这是我们必须要回答的问题。

第二，当我们在一个特定场景中落地的时候，需要一个完整的解决方案。如果你的方案不完整，不能帮用户解决切实的问题，企业怎么会用起来呢？所以需要明确的落地方案。

第三，需要更多的专业人员。因为理解技术和理解场景这两种知识往往分布在不同的人群，需要两类专业人员结合到一起，才能够深入到场景当中解决行业痛点、给客户带来真正的价值。

今天我们讲AI技术讲了很多，但AI本质上只是一个技术实现手段，最终大家都要回答产品经理的灵魂拷问：

你到底应用AI在这个场景给谁创造了什么样的价值？为什么你能行？为什么是现在？

这是最根本的问题，AI带来的价值有多大？客户愿不愿意用？

对于技术公司来讲，我们也需要回答这样的问题。我们需要从价值创造的角度、从需求侧来看是不是真的解决用户的痛点，技术应用能不能成规模，我们才会选择做这样的方向。

反过来讲，我们也要考虑技术能不能满足这样的场景。

任何技术，不管是人脸识别还是自动驾驶，都必须回答一个问题：你的技术成熟吗？性能足够解决这些问题吗？

我认为自动驾驶应该是从低速到高速的发展路径，先做低速自动驾驶，再做高速自动驾驶；应该是从受限场景到开放场景；应该是从运货到运人。因为自动驾驶是一个肩负着极重社会责任责任的应用，价值极其大，最终必将被人类所征服。但是它的技术也许需要三年、五年，或者十年，甚至更长的时间才能成熟。

自动驾驶是一个价值极其大的场景，自动驾驶必将被人们所征服。

所以我们在思考任何一个场景的时候，都需要回答本质问题：

你的价值到底够不够大？

技术能不能满足用户需求？

只有这两点结合起来，才能够给这个场景真正地创造价值。

从做错了也可以补救的场景开始 

正是因为AI落地应用有需求侧的问题，有供给侧的技术问题，所以我们会看到不同的行业发展的速度不一样。有一些场景会相对简单，有些场景会相对的难。那什么场景更容易发展起来呢？我们觉得要先从你做错了也可以补救的场景开始。

举个例子，比如说我们现在做缺陷检测。缺陷检测场景的核心是“宁可错杀一千，不可放过一个”，错杀就错杀了，人工再来一遍就好了，通过人机结合的方式可以做到一个很好的体验。

此外在视觉识别的很多场景下，虽然AI只是起到辅助性的作用，但它帮助人提升效率、降低成本，在这些场景下，错误是可以补救的。所以虽然这种场景下AI的精度很重要，但它并没有那么关系重大，还有一定的容错率。

而在一些成败攸关的领域，比如自动驾驶，还有我们在做的生产制造、物流，都是一些更偏向主营业务线上的工具，我们有客户就提到：“如果你导致我的生产线停产几分钟，你就要给我相应的赔偿。”

因为任何意外停顿都会给客户的生产线带来巨大损失，在这样事关重大的场景，AI是不能出错的，否则付出的代价是很大的。

因此我们衡量AI落地领域热度的坐标系里有两个轴，一个轴是价值大不大，价值越大，这个领域越热门；另一个轴是技术行不行，技术越好，这个领域就会越热门。

所以AI可以赋能非常多的行业，但是当下这些行业还处在发展周期的不同位置上。

（编辑：应用网_阳江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!