从2017年AI借助围棋大规模出圈开始算起,我们经历了这么几个阶段的变化:
第一阶段,全社会一起讨论AI到底有什么用;
第二阶段,相关产学政各方一起讨论,AI应该怎么用;
第三阶段,负责出钱和收钱的双方努力讨论,AI怎么用才能便宜点?
随着产业化的推进,公众范围对AI的探讨也随之收窄。如今,基本看不到营销号那些关于AI的惊悚标题,也很少有让业界惊喜的底层算法突破。也许有人认为AI泡沫正在破裂,AI寒冬又将到来。但在大众狂欢消退之余,却又能看到商用AI正在中国市场快速兴起。到了2021年,大部分云计算和AI供应商似乎都无暇继续讨论AI的应用场景和应用可行性,而是专注于另一个关键词:成本。
随着AI开始变成企业服务的一种,部署成本过高开始变成业界最显著的问题,而且在中国AI产业中尤甚。与其他企业IT技术不同,AI作为一种灵活多变的软件形态,需要长期投入和专业人才。这导致AI在大型科技公司或者平台型企业具有非常弹性的投资曲线,可以战略性投入,从而灵活多变地解决各种问题。但对于传统企业、中小型企业、缺乏信息化基础的企业来说,应用AI往往能在理论上解决非常重要的问题,却缺乏直接、可操作且成本可控的执行方案。
回到云计算和AI服务提供商这边,虽然面向企业卖AI理论上潜力巨大。但现实是每家客户都有大量需要定制解决的需求,往往要投入众多行业专家、算法架构师、软硬件工程师来解决一些细小问题。这样做出来的成果虽然可观,但其实只具备案例性质,缺乏推广可能。
另一方面,疫情导致美国AI行业创新缓慢,头部公司算法突破不理想。同时欧美的AI to B市场净值较高,客户数字化能力较强。谷歌云、微软云的崛起虽然都与AI息息相关,但适配的更多是大规模、分散式的企业软件市场。反而中国市场中的AI目标用户更多是政企、实体经济企业,需要一对一的AI能力与行业化的AI解决方案。
这种情况下,把AI技术推向高度工业化、标准化,就猛然间变成了中国科技界的独立任务。虽然在2019年谷歌等头部AI公司已经开始推动机器学习简单化的相关技术