辽源交流组

专访云脑科技创始人张本宇:AI产品面世前,我有三点纠结

只看楼主 收藏 回复
  • - -
楼主
游戏中心游戏说纠结,也不纠结,制定下的企业/产品发展思路,也有那一份坚定。只不过,市场是不会给没有面世的产品任何答案。与张本宇谈到纠结,其实也是从他角度出发,给出同行的一份明确的建议。

观察近两年的企业服务公司产品,它们不可缺少的都有两点特征:①技术的融合。云计算、数据分析、语义分析、图像识别、机器学习等技术的发展丰富了企业服务行业产品的“能力”;②提供解决方案。特别是在以技术为导向的产品中,产品不再是单一存在,多种“零部件”的组合让客户转型更加便捷和成功。

同时近期也发现行业内有一批项目重新回到视野中,提供底层技术,通用型标准化的产品和服务项目资本扩张和企业发展速度很快。人工智能企业也属于其中的一批,据CB Insights统计,2017年全球范围内有152亿美元的投资被投入到AI领域,比2016年增加141%。其中,中国公司吸引到的投资为73亿美元,占全球比重达48%。

以中国本土人工智能企业云脑科技为例,定位人工智能行业平台公司,推出了四款AI(X)产品,通过应用深度学习(RNN/CNN)、增强学习、NLP等技术,推出的行业中间件能够帮助企业降低AI技术壁垒,有效地控制风险、智能地匹配分析(AI数据处理、建模策略、集成业务)、精准地营销推广。截至目前,服务的客户包括银联智惠、上海证券交易所、浪潮软件集团、算话征信、南方电网、金立手机、实习僧、极客学院等企业。

创始人兼CEO张本宇接受了的采访,他先后工作于微软亚洲研究院,Google,Facebook,19年来专注于人工智能的研究及开发,拥有150项美国专利。我们一同从人工智能企业的发展,战略、人才、市场洞察聊起,不禁感叹,没有一尘不变的AI企业光环(优势),保持领先就需要不断克服困难,与时俱进。

纠结一:人工智能企业服务行业选择问题

云脑科技目前主要为金融、能源、通信、人力四个行业提供解决方案,谈及为何选择这四个领域时,创始人兼CEO张本宇有以下方面的考虑:

1)这几个领域本身数据化IT化的建设比较充分,数据规模相对较大,这将意味着背后的市场对AI的成熟度和需求度也比较高。

2)这几个领域的经济规模体量相对较大,有购买能力。

3)其次,他们乐于去尝试新兴IT技术,AI投入之后也会产生明显的效果。

总体来说,四个领域的扩散,不是毫无交集,而是存在很多共通性。首先从技术方向来说,核心的算法都是通用性的,他们都有一些类似的核心需求,例如这些行业本质上都是在处理序列化的数据,所以对序列化数据的学习能力是一个很强的共同点。第二点就是这些领域都有对数据和AI技术有共同的要求,第三点说隐私的保护,就是在某些层面对隐私的保护,这也是跨越行业的共性需求。张本宇解释道。

纠结二:人工智能产品定位问题

目前人工智能领域的创业可以分为两个赛道:“垂直应用型”和“通用标准型”,垂直应用的特点主要在于产品行业属性强,依据某个行业的痛点和特性定制开发。例如,有为商圈环境提供客流量统计,商户选址等等。

但是通用型的产品适用多个领域,可以理解为“一套产品,一个版本”,更偏向底层系统的搭建。张本宇认为企业提供的产品一定是针对最核心的业务痛点,例如云脑科技更希望提供N to N的BI系统,例如从它最原始的业务数据开始,用AI来优化业务环节,最后提升业务目标,所以这里面的确不会是个别需求的满足。

他透露目前云脑科技的服务周期大概是2到3个月的时间。云脑科技提出“行业中间件能够帮助企业降低AI技术壁垒”,目前看来中间件成为“通用”的基础,张本宇提到软件服务行业其实大概在二三十年前就已经提出来了,中间件相对于解决方案来说,它强调更通用和更高的可复用性,它是连接了软件系统文件方案的前端和后端,也就是说前端和后端是可以是变化的,但是中间件相对来说通用性很高,那这个概念被借鉴到了AI行业中,它实际上连接的不是简单的前端和后端,连接的是企业的业务数据和业务线。

反看解决方案更多的是包含了数据的一些处理,业务系统的紧密集成,所以导致定制化的程度要求会非常高,但是AI中间件能把行业贡献的需求抽象出来。

涉及到数据分析,就要出决策建议;涉及到营销推广,就要结果。谈到对人工智能产品以及使用效果的要求时,他提到云脑科技的产品目标一个是提高效率(业务项目效率),第二个是降低成本,例如从招聘来说,提升人岗匹配的效率就是主要目标之一。

也看到,目前服务商也在不断调整客户预期,很多技术的应用处于先帮企业建立相关意识和服务的开始阶段。可量化的指标,将是大家心里隐形的一把称。

纠结三:人工智能人才招募难问题

2018年4月,教育部在研究制定《高等学校引领人工智能创新行动计划》,并研究设立人工智能专业,进一步完善中国高校人工智能学科体系。这进一步表明人工智能人才的培养将是中国长久教育目标。不过以现状来看,人工智能公司的崛起,人才的争夺战还在继续。

张本宇提到人才目前确实是最主要的问题,例如核心工程师讲求技能,应用工程师很多时候就是说拿开源的这些框架,在一些相对成熟的问题上使用一些比较常见的算法,这一类一般认为是应用功能,但是当你涉及到的行业更多的时候,数据特点发生显著变化时,不仅是说字段维度划分变化,数据本身的分布也会发生变化,这时候很多原来这种通用的算法已经不成立,冒然使用效果必然不太好。那就需要有对这种新算法具备核心研发能力的人才。此外,算法与客户的业务系统紧密集成,AI人才需要持续不断地进行学习,目前很多人才还在不断培养,企业也在做这方面的调整。

谈及最近关注的话题,张本宇表示目前正在积极关注行业隐私和可解释性的话题。“这两个的确是目前制约技术向更多行业渗透,或者说向更多行业来发挥价值的两个障碍”。欧盟5月份新出现的数据保护新举措GDPR也在明确对模型的可解释性,似乎从这里可以看到,行业的进步空间一直都在。

不可否认的是,人工智能企业还是要以人工智能的技术为核心,提供核心的技术能力和核心的AI人员,包括AI的售前和AI的核心工程师,这是产品服务的保证。张本宇在采访过程中一直提到人工智能企业一定要考虑自己能为客户提供的“额外价值”是什么,引人深思,不盲目跟从或许是身处在其中的工作人员都应该思考的话题。



举报 | 1楼 回复

友情链接