免费久久国产&夜夜毛片&亚洲最大无码中文字幕&国产成人无码免费视频之奶水&吴家丽查理三级做爰&国产日本亚欧在线观看

精專路線催生場景爆發

由于“四小龍”等早期AI企業創立時間比較早，當時人工智能還是一個較新的概念，因此可以利用人臉識別等通用技術在泛化層面產生許多應用，這時各行各業對該技術的熱情也比較高。

經過數輪融資和商業版圖擴張，“AI四小龍”已經在生態構建方面做到了行業領先。目前的人工智能領域還在行業的最初期，對AI后起之秀來說，還有許多條路可以走。

于是，新一代AI公司，不再走泛化路線，而是走精專路線：利用某一核心技術，抓住某一行業中的具體問題，再用AI去解決這些問題。相比于早期AI企業“拿錘子找釘子”，新一代AI公司則傾向于“根據釘子來定制錘子”。

這個過程中，選擇“釘子”對于AI企業來說非常關鍵：一方面，團隊技術背景要能夠與行業相適配；另一方面，該場景要能實現商業化。換言之，應用AI技術后，要能切實影響企業經營生產水平，并在財務回報上得到直接體現，客戶才會為此買單。

AI企業團隊的技術路線，往往與團隊成員背景密切相關。以“AI四小龍”為例，由于成立時間較早，當時的AI技術大多由國內外知名院校實驗室孵化而來。因此，其團隊成員均來自斯坦福大學、清華大學、香港中文大學等世界知名院校，或微軟亞洲研究院等世界頂尖研究機構。比如商湯就集結了來自世界名校的120余名博士生。可以說，在通用型AI技術的積累上，AI四小龍占據了先發優勢。

新一代AI初創企業創始團隊背景往往更為多樣。主要由于最早一批從實驗室走出來的專家，已經在各行業進行了一些嘗試，積累了一定行業認識和商業落地經驗，他們的技術特色將更為顯著。

在場景落地方面，正是由于不同企業的技術路線不同，哪怕面向同一場景，解決的都是不同層面的問題。

以智慧交通為例，早期AI公司更多利用人臉識別技術做人車的結構化，通過實時獲取每一輛車所在位置，起到打擊犯罪的目的；而像閃馬智能這類新一代人工智能企業，運用的是視頻異常分析技術，從而準確識別出路面上的異常行為，比如道路擁堵、交通事故、紅綠燈損壞等，從而起到城市治理、提升城市運行效率的目的。二者在技術路徑上具有較大差異。

閃馬智能創始人彭垚表示：“對于企業來說，技術特性不同，在行業中將有著不同的強勢地位。比如具備大數據AI智能分析能力的企業，它可以更多從事政務大數據相關服務，給政府層面提供決策依據，而閃馬創始團隊曾在七牛云、IBM積累了大量相關經驗，因此通過視頻異常分析賦能交管行業，是我們所擅長的。”

至于最終選擇哪個行業落地，除與技術屬性有關，還與該技術能為行業帶來的價值有關。即AI技術，能否大大好于現有方式，倘若客戶沒有明顯的體驗差距，沒有實現效率的顯著提升，那么跨越價值去談商業化則毫無意義。

彭垚表示：“AI企業倘若對場景本身認知不深刻，那么也解決不了任何社會問題。現在有一些項目，如果我們認為沒有推廣價值，沒有對這個行業效率帶來提升，我們也不會參與建設。”

紅點創投執行董事劉嵐也表示：“好的AI企業應該告訴客戶‘你們付出可接受的成本，就能夠用AI技術創造價值，并且所產生的價值能夠為你創造收入’。這時候，客戶才愿意從他的收入中拿出一部分購買解決方案。”

由此可見，對于新一代AI企業來說，選擇將自身優勢技術與具有價值的場景相結合。即以某一場景為切入口，找到場景中的最佳解，為客戶提供可以計算的價值，并借此打動客戶，成為了較為通用的發展路徑。

當技術路徑和聚焦場景已經確定，那么，在商業化的過程中，企業該如何獲取行業Knowhow？在某一場景能夠穩定輸出后，又如何向其他場景復制，從而獲得規模化盈利？

殺手級應用推動規模化

AI技術的基礎，以及商業化價值產生，底層都是數據；要深刻認知行業Knowhow，更是離不開數據。數據之于AI企業，就像燃料之于飛機，起到驅動作用。

正由于數據價值在整個人工智能鏈條中至關重要，就不難理解為何BAT、華為等企業能夠在云計算、AI、芯片等領域都能有所布局。這些巨頭公司憑借極強的滲透能力，在平臺上累積了海量數據，不僅能為自身業務創造價值；同時，其他企業需要數據時，需要接入他們的云平臺，它們從中又能獲利。

對于新一代AI企業來說，獲取數據的方式根據用途不同將有所不同。在工業場景下，企業往往需要深入現場采集數據，通過對數據質量的嚴格篩選和把控，提升分析結果的準確性。

以流程工業中的熱電行業為例，原材料投入設備中，將會產生一連串化學反應，由于反應速度非常快，生產過程難以控制。

為了提升煤炭能源轉換為汽電能源的效率，致力于熱電生產智能化的全應科技，打通了從數據生產到分析數據的全鏈條，通過構建模型不斷優化工業效率。

全應科技董事長夏建濤博士表示：“熱電行業已經具備相當完善的信息化基礎，因此熱電生產過程智能化的本質，就是深度鉆研生產數據，再用數字化的模型在數字空間重構物理空間的工業過程，這樣才能最大化發揮數據分析的價值。”

另外還有一部分企業采取“借力打力”的方式，比如閃馬智能，創始團隊成員曾是七牛云人工智能實驗室的創建者，與國內領先的云計算服務商七牛云淵源頗深。由于具備七牛云背景，閃馬團隊在早期便能擁有遠超其他計算機視覺公司的視頻數據儲備，這也為其選擇立足視頻異常分析領域提供了強力支撐。

成功獲取行業數據，只是萬里長征第一步，至于要賦能行業，則需要進一步形成“閉環數據反饋循環”。即從終端收集數據，然后訓練模型，同時場景進一步產生數據，這就形成了閉環的數據反饋循環，算法得以完善和迭代，模型將越來越準確。

要實現閉環，不同企業具體采用的技術方式有所不同。閃馬智能通過的是“ATOM深度學習平臺”，一方面該平臺支持多種數據采集的能力，包括國標攝像頭或一些標準的協議；另一方面具備七牛云、阿里云、華為云等跨平臺融合能力。當算法訓練完成，再通過另一大核心平臺VisionMind進行分發，從而形成閉環。