人工智能的2022：技術的價值在於生產力_風聞

人工智能在2022年的境遇，就像一場過山車之旅。

年初時的蕭瑟氛圍猶在昨天，一家家人工智能企業交出慘淡的業績報告後，唱衰聲迅速瀰漫了整個行業，幾乎所有人工智能獨角獸都在被逼問何時盈利，整個市場的風頭早已被元宇宙搶去。

可到了年末的時候，外界似乎重新對人工智能燃起了興趣。火遍全球的ChatGPT頻頻成為科技媒體的焦點，再加上已經出圈的AIGC，人工智能概念再次出現井噴，重新成為資本的寵兒。

新概念誕生時的興奮與衝動，落地遇阻後的沮喪與悲觀，這場羣體悲喜劇的背後，似乎有必要追問這樣一個問題：人工智能的價值到底在哪裏，人們追逐的是奇幻的海市蜃樓，還是正在發生的現實？

終歸還是要回到生產力的話題上。

01 人工智能的廟堂與江湖

回顧人工智能的進化史，總是離不開一些有紀念意義的大事件。

比如圖靈在1950年提出了著名的“圖靈測試”，給出了判定機器是否“智能”的方法；約瑟夫·魏岑鮑姆和肯尼斯·科爾比，在1966年開發了世界第一款可人機對話的機器Eliza；傑夫·辛頓和他的兩名學生在2012年的 ImageNet圖像識別比賽上拿了冠軍，由此開啓了深度學習的黃金十年……

這樣的敍事邏輯並不讓人陌生，大多數行業都喜歡從里程碑式的事件中，定格技術不斷向前演變的瞬間，然後在機緣巧合下成為坊間討論的焦點。再聚焦一些的話，每到了年初的時候，科技巨頭們都會給出一份長長的榜單，預測下一年的技術風向標，即便有時候會夾帶一些“私貨”。

從“廟堂”的視角審視行業的變遷並沒有錯，而且在很多時候不乏合理性。就像ChatGPT與AIGC的例子，2014年誕生的對抗生產網絡GAN、2020年被OpenAI公開的GPT-3語言模型，再到千億級大模型的軍備競賽，都是AIGC一夜走紅的註腳，淋漓盡致地詮釋了前沿創新的魅力所在。

其實還有另外一個視角，即遠離“廟堂”的“江湖”。一羣“名不見經傳”的工程師，將人工智能的觸角伸到了不被關注的“角落”，不是鎂光燈下的自動駕駛，也不是話題性十足的數字人，而是紡織廠裏不為人知的質檢產線、超市裏鮮有人注意到的貨架、園區裏不曾被注意到的配電房一角……

和重人才、重學術、重投入的“廟堂”相比，“江湖”中流行的是另一種創新範式：沒有著作等身的學術大牛，只有鑽到生產車間改代碼的程序員小哥；沒有海量的大數據，卻可以拿到一手的生產數據打磨算法；錯失了沉甸甸的行業大獎，但幫助一些傳統行業解決了實實在在的問題。

或許這才是新一輪工業革命的“全貌”。就像人們記住了改良蒸汽機的瓦特，遺忘了將蒸汽機裝上火車、輪船、印染機的無名英雄們。作為第四次工業革命的核心技術，人工智能註定也會是一體兩面的景象。

所以在年末盤點的時刻，在驚人的融資數字、龐大的技術專利、現象級的新概念衝擊人們的眼球前，似乎有必要將一些注意力留給“江湖”裏的潛行者們，比起光鮮的前沿創新，落地應用同樣是人工智能不可或缺的一部分。

02 被低估的垂直場景創新

按照知名諮詢機構Gartner的説法，任何一個行業、企業，只要有場景、有積累的數據、有算力，都可以落地人工智能應用。

這樣的斷言正在不計其數的垂直場景中被驗證。也許和AIGC描繪出的誘人前景相比，人工智能在垂直場景的創新不夠“性感”，甚至場景本身就缺少話題性，隱藏的價值卻不應該被忽略。因為一些原本和人工智能毫無關聯的行業，正在技術的作用下煥發新的生機，讓外界看到了意想不到的效率提升。

其中有千億級科技巨頭的長尾化探索，有明星獨角獸的商業破局，也有一些遊離於主流視野的實力派選手。

浙江杭州的一家紡織車間裏，過去化纖絲錠的質檢全靠人眼，檢測員需要拿着強光手電筒逐錠檢查，每天最少人工檢測2500錠絲錠，許多女工進廠半個月就離職了。後來這家企業引入了百度智能雲的智能質檢，曾經的質檢女工幫助工程師在產品上標註出各類缺陷，交給人工智能進行深度學習，最終用一台台工業相機解放了質檢產線上的女工，檢驗效率相比人工質檢提高70%。

江蘇蘇州的一個辦公園區中，因為園區配套設施不夠完善，大部分服務都依賴人力，唯一的一家便利店每天要安排3名員工輪崗。雲拿科技為該園區打造了無人店解決方案，基於人工智能視覺技術提供自動結算服務，精準記錄顧客在店內的購物行為，走出閘機時能夠通過無感支付自動扣款，購物效率比傳統收銀提升了5—10倍，“拿了就走”的購物方式深受園區內顧客的好評。

山東濟南的一家三甲醫院，耗材倉庫裏還在使用條碼掃碼、記賬PC等初級工具進行管理，雖然安排專人定期盤點庫存，管理效率與賬物相符率依舊不夠理想。雲拿科技將“無人店”的技術和經驗運用在了醫藥耗材倉庫中，工作人員刷臉進入後，系統會自動確認領料單，待領物料所對應欄位上的電子價籤將自動閃爍提示，領取物料離開後，系統還會自動進行出庫處理、更新庫存數量，整體效率比傳統流程提升了400%—900%。

可以找到的例子還有很多，而且折射出了經驗複用、舉一反三的一幕。箇中原因其實並不難理解，人工智能的新浪潮已經延續了十年時間，有些在商業化落地的過程中“胎死腹中”，也有些忽略了成本優勢而曇花一現，那些默默在垂直場景中落地、生根、發芽的應用，恰恰是經住了市場需求考驗的產物。

03 技術的價值在於生產力

同時也印證了一個屢試不爽的邏輯：商業化的成敗不在於聲量大小，只有直面市場需求、創造實際價值，才有可能兑現商業潛力。

回到當下的語境裏，人工智能新概念的風靡，勢必會再次催生資本市場對於人工智能企業的信心。至少中國信息通信研究院的數據已經揭示，全球人工智能企業的數量已經超過23000家，中國的人工智能企業近4000家，2022年前8個月的融資規模仍處於較高水平，其中人機交互領域的投融資金額同比增加32%。

並非是想為市場潑冷水，而是在市場由冷轉熱時，應該多一些理性的思考，少一些跟風式的理想主義。

比如對商業藍海的認知亟待轉變。以往對藍海的認知，常常和新技術相提並論，新技術開闢了新賽道，進而出現了誘人的機會。典型的例子就是AIGC，鑑於AIGC豐富的“想象力”和驚為天人的“創作能力”，將在藝術創作、插畫、影視編輯等領域產生變革效應，不排除會衝擊傳統藝術創作者的工作崗位。

然而在確定性和不確定性的權衡中，許多人痴迷於不確定性編織的美好願景，選擇性忽略了確定性的機會。就像前面提到的無人店和無人值守領用倉的例子，人工智能與垂直場景的碰撞，早已詮釋了新技術帶來的生產力，而同樣的場景還有煙草巡檢、零售、金融、企服、教學實訓等等，填補垂直場景的空白，驅動技術的價值落地，同樣是一片藍海。

再比如對企業潛力評估的重新理解。很長一段時間裏，人工智能行業推崇的都是勇闖無人區的技術探索者，低估了另闢蹊徑在垂直領域中落地實戰的後發先至者，以至於錯失了一個又一個優質標的。

畢竟在應用的維度上，人工智能越來越像生活中的水電煤，以潤物細無聲的方式深入到大眾生活的每一個角落，身處其中的企業不應小覷。以雲拿科技為例，正是將機器視覺、深度學習、多傳感融合等技術應用於零售、醫藥、煙草等實體場景，利用場景化的行業解決方案解決真實存在的痛點，實現了別具一格的差異化創新。

不可否認的是，所有被時間沉澱下來的技術創新，無不以提升生產力為前提，或是改善生產效率、提升產品品質和體驗，或是重構商業模式、推動行業升級，最核心的指標多半是以生產效率來衡量。

作為第四次工業革命的驅動技術，人工智能自然也不會例外，真正需要外界關注的企業無外乎兩類：一類是生產力的創造者，比如“廟堂”中引領創新風向的企業；一類是生產力的驅動者，技術和場景融合將是生產力變現的必由之路。

04 寫在最後

回顧前三次工業革命的歷程，都是在不斷優化、修正、迭代中螺旋式上升，提升生產效率、降低生產成本，最後改寫了經濟增長引擎。

人工智能行業遵循着同樣的範式，能否解決長尾應用中的一系列痛點，能否降低人工智能生產要素的成本，能否跑通規模化的創新與賦能，既是洞見人工智能價值的底層邏輯，也是丈量人工智能企業的終極參考。