文/东方亦落
7月11日，视觉ai公司商汤科技宣布完成了4.1亿美元的b轮融资，而估值则超过了15亿美元。创下了全球ai领域单轮融资的最高纪录，商汤科技也由此成为了全球融资额最高的ai独角兽企业。
而就在7月8日，阿里巴巴开设的无人便利店中，智能监控、刷脸支付等技术则依赖另一家视觉公司旷视科技，此前支付宝的刷脸功能也同样用了该公司的方案。
其实稍加留心，就会发现最近ai领域活动频繁。在笔者最近的文章中也多有分析，如ai作诗、ai仿人类大脑思维、ai可能致虚拟家庭产生等等。从表面来看，这都属于技术层面的事件，但若要对ai领域产生一系列活动的原因加以探究，会发现ai领域商业化进程的加快是重要的推动力。
那么，ai领域的商业化究竟是怎样的？这一进程又为何会在近年加速？在实现商业化的过程中，又会遭遇哪些方面的问题呢？
一、ai大潮下巨头纷纷进击，商业化进程加快
根据麦肯锡最近发布的报告来看，去年，美国公司占了所有ai投资的66%，排在第一位。而中国占17%，位列第二。其中有一级市场融资回暖的因素，不少优质的初创公司融资额迅速增长，吸金能力逐步强大，有些甚至已超出一些公司在a股ipo的募集金额。
不过更重要的原因，还是ai行业的迅速发展。
迄今为止，距离“人工智能之父”马文·明斯基提出“人工智能”的概念已过去60余年，但ai商业化还是迟迟未能实现。尽管其间有许多科技界巨头布局这一领域，但研究成果多被用于优化自身业务和提升效率，故而未能引起更大的变革。直到围棋界的“人机大战”使ai重新为人瞩目，人们才发现ai商业化的进程已逐渐加速。
正如凯文·凯利所言：“人工智能是下一个颠覆人类社会的东西”。据bbc预测，到2020年，全球人工智能市场规模将达到1190亿元人民币。如此看来，ai确有很大可能成为未来10年内的产业新风口。近年来最流行的一句话是：站在风口上，猪都能飞起来。何况，深耕这一领域的并不是“猪”，而是诸多科技界巨头。
ai商业化的前提到底是什么？在发展进程中，计算机运算速度加快、大数据增多，算法也更加高级。由此，ai技术逐步落地，许多科学家希望给出可行的商业化方案。此外，市场也正以商用的力量和逻辑，使得ai产品迭代加速，加快商业化进程。
上文提到的人机大战，来自于谷歌的alpha go。不过对于谷歌而言，alpha go仅仅是ai的开端。除了alpha go之外，谷歌还推出了其他的ai项目。如基于ai新搜索算法的rank brain、与福特联手研发无人驾驶汽车、将人工智能融入聊天以及google home等。最近，谷歌又将最先进的ai技术应用于谷歌地图。经过处理之后，原本的街景图像就能被转化为专业级照片。
谷歌感知团队软件工程师惠芳表示，这一项目采用了机器学习技法对深层神经网络进行强化，用以扫描加利福尼亚中数以千计的街景图像。这意味着，ai系统不仅能简单判断对错，而是变得更为主观，从而向着更深度的智能化迈进。
与谷歌相比，facebook算是后起之秀。2015年6月才在欧洲成立了ai研究中心，致力于建造能够理解大数据的ai机器。一直以来，facebook都是开源ai技术的积极分子，曾开源了拥有强大功能的深度学习工具以及三款能够互相配合的图像分割软件。
苹果则推出了以siri为代表的ai应用。以自主研发和收购的方式完成对ai的提前布局，产品覆盖面较广，涉及到图像、语音、机器学习等层面。
与以上几家巨头相比，虽然微软在1991年就已成立了专攻机器学习、人机交互、语音合成等方面的ai研究院，但在ai领域却显得十分低调。不过，这些领域却是ai的重要分支。
比如目前在中国广为人知的智能虚拟机器人小娜和小冰，以及微软收购ai调度工具genee并想要将其融入云服务office 365当中。此外，微软还将多年的技术积累开放给产业界，其目的在于打造一个ai生态圈。
国外ai领域中巨头的动作如火如荼，国内也不冷清。除了众所周知的bat之外，搜狗、华为、小米等企业也都在逐渐进入这一领域。比如搜狗的语音搜索引擎、华为的诺亚方舟实验室、小米对ai数据的采集等。
今年被看作是全球ai产品化及商业化的元年。由于中国在科技互联网领域起步较晚，故而在整体上一直落后于欧美。但在ai的商业化运用时代，中国则具备一定的实力。在第四次工业革命的浪潮中，ai是被讨论极为广泛的话题。在某个科技互联网行业繁荣的背后，往往被认为存在泡沫，ai领域也是如此。
不过，在今年的达沃斯论坛上，卡内基梅伦大学的erica r.h. fuchs教授却坚定地支持ai无泡沫的观点。她认为，ai领域是发展趋势，并且蕴含巨大潜能。在卡内基梅伦大学里，有多种形式的ai在开发中，有许多专家参与其中，并且加速商业化过程。
如此趋势自然会吸引创投界的目光。将门创投创始合伙人高欣欣在接受第一财经记者专访时表示：“我们在人工智能的投资策略上有一句话，投资于黎明前的黑暗”。也就是说，投资ai领域要看重技术落地商业场景与时间节点。那么作为ai商业化元年的2017年，无疑就是一个最好的节点。
从当前的状况来看，ai除了在自身的技术中有所突破之外，也与其它平行技术交叉并相互促进。有了互联网、大数据、物联网等技术，ai的应用范围已经延伸至医疗、金融、交通、教育等更多领域，范围更为宽广。
综上所述，可以看到ai的商业化进程正处于加速状态中，并且可能在今年进入大爆发阶段。尽管如此，ai商业化的路程中仍然会不可避免地遇到许多问题。
二、ai商业化过程中瓶颈仍在，存在风险却是未来趋势
从近年ai的发展状况来看，商业化的进程加快，相关企业也将部分相对成熟的技术应用到实际中，甚至走入消费级市场。不过，在ai逐步商业化的过程中，仍然存在瓶颈。
那么，人工智能商业化路程中的瓶颈出现在哪些方面？
第一是ai的数据量方面。尤其是在过去，人工智能计算能力差，数据量也是短板。通常来说，用户进行的每项活动都能被记录下来成为数据。关键是如何将这些数据加以利用，帮助ai更快更好地演进。
第二是对于更多应用的挖掘与构建。从最近的一些事例来看，某些ai能够替代人类工作，比如替人类在流水线上加工、替人类做服务员、替人类写新闻、替人类作诗等，而且有些ai的工作效率远高于人类。
不过，现有的ai应用场景远未能满足人类社会生活的需求，尤其是像医疗、地质勘探等专业领域，ai尚无法做到独立工作，仍需人类经验的参与、判断及评估。此外，ai概念虽逐渐向大众普及，但距全面应用尚远。而围绕人的行为轨迹，如家居、车载、可穿戴等应用场景，并形成一定规模的ai，是实现商业化较为“靠谱”的方法。
第三是技术研发水平。目前，ai的技术研发水平虽然满足了部分商业化需求，但还存在着巨大的拓展及深化空间。在ai商业化应用中，需要性价比更高的芯片及系统设计架构，以及对更广泛领域的算法训练的探索和挖掘。此外，还需要更多人才。
第四是ai的安全性问题。关于ai的警告不在少数，日前，据《财富》网站报道，埃隆·马斯克在美国州长协会举办的一个活动上，将ai描述为“我们人类文明面临的最大风险”，并呼吁政府进行监管：“人工智能是一个罕见的情况，需要我们积极主动而不是被动地进行监管。因为当我们被动地对人工智能进行监管时，已为时已晚。”
马斯克对于ai的担忧，一部分来自于其可能造成的失业和社会不稳定，但更多的是担心ai的煽动作用，如制造假新闻，甚至引起战争等等。他表示：“我肯定反对过度管制。但是，我认为，我们在人工智能上必须这样做，而且必须马上行动。”
总的来说，人工智能分为早期、中期、晚期。早期是技术研发层面的竞赛，中期是商业场景之下的竞争。早期的人工智能主要是数据的收集和算法的探索，此后是底层硬件的升级、模型算法及数据的调试，然后才是商业化及商业层面的竞争。
当下的ai产业正处于早期向中期过渡的阶段。而决定性的因素在于，谁更早从人工智能技术中获得商业利益，并形成研发与经营方面的良性循环，谁就能在中期竞争中更加迅速地前进。
就中国的情况而言，ai商业化有着巨大潜力。不过，不少企业的ai技术尚未成熟，处于基础算法层面，还需花费更多的成本、投入更多的精力以及借助技术的进步来解决这些问题。
毫无疑问的是，未来ai一定会在各行各业中体现出其价值，并真正服务于每个人。但在商业化的过程中，瓶颈和问题都是不可避免的，虽然今年被认为是ai元年，但要实现真正的ai商业化，还需等待行业的进一步成熟。