刚刚过去的2017年，已有各种盘点：关于技术、关于热点、关于趋势、关于资本流向、关于运营模式，很多很多……但2017年绕不开的一个词一定是AI，这个如日中天的热词烧毁了很多人的理智。伴随热词而来的是一波AI创业公司的倒闭。就在2017年的最后一个工作日，传来小目标是“先赚一个亿”的万达集团下属公司万达网科的数千员工面临解散，即将转型“AI”的消息。

　　新毅资本创始人肖鹏的犀利评论是“AI是个框，什么都往里装!”

　　评判是犀利的，有些教训是惨烈的。呼吁理性的同时，星瀚资本创始合伙人杨歌也是坚定的AI支持者。杨歌认为：不去论这是否是个“风口”，但AI时代确实正在到来。

　　杨歌将AI智能化的发展分为三个阶段，第一个阶段是互联网基础阶段，第二个是大数据积累阶段，第三个是算法的应用阶段。在过去的二十年里互联网基础已经构建得非常完整，形成了一套成熟的硬件体系、网络体系，互联网收集了大量的信息数据，它们构成了AI的基础。而算法作为底层建筑，经过这些年的频繁曝光，已然也不算神秘。

　　杨歌认为：“算法在商业化和社会化的应用方面目前还不够成熟，所以算法需要与社会化的场景进行结合。我们从硬件通信逐渐走到数字接口，得益于互联网收集了大量有效数据，走到今天，最重要的其实是建模过程，如何给商业化的场景、有商业价值的东西进行数据建模，使用AI技术进行迭代，这是未来五年之内我们认为最有发展的方向之一。“

　　AI必须要克服三大挑战

　　但杨歌也认为，尽管AI时代看起来正在到来，还必须克服以下三大挑战：

　　第一个挑战是算法的组合越来越复杂，有很多新的算法结构会让行业变得越来越复杂，越来越精细化;

　　第二个挑战是行业的技术水平和商业能力是必须具有强耦合性，比如对于互联网企业来说，无论是找钢网还是找X网，互联网技术部分并没有太大的区别。而对于AI创业企业来讲，创始人则必须要非常深度地了解关于算法的特性，这个时候才能够将技术与商业进行耦合，必须要把自己对于这个行业的理解转成算法语言，告诉算法工程师来进行实现。这个过程是非常复杂的，并不是找到一个算法工程师就可以实现的简单过程;

　　第三个挑战是关于AI的实现细节， AI建模便是一个复杂的过程，从开始的模型建立、模型的设计，算法结构的选取，超参数的调整等等，到底需要多少个神经元，需要多少个隐藏层，卷积核需要多大，这些细节都需要调整。

　　AI的三大应用方向

　　杨歌认为，现阶段并非所有的应用都适合AI。AI技术分成三个层次：基础层、技术层和应用层。AI的成功应用必须要与现阶段的技术成熟度，以及应用成熟度相结合。

　　亚马逊就是比较典型的专注于训练基础层和技术层模块的企业，基础层包括像硬件、云服务、传感、开源的一些数据模块，目前这些优势大部分还掌握在美国的大公司手中。

　　在技术层，中国这两年发展的非常快，其中有图像识别、语音识别、自然语义的识别、运动的学习和时间序列的学习，但是它离商业化的场景还有一定距离，当它训练成功的时候，可以成为一种模块来加载它的应用层。

　　第三层是应用层，现有AI的场景一般分成几类。第一类是以智能驾驶为代表的应用，表面直观，看起来非常容易理解的，但其实在应用场景中的情况非常复杂;第二类是底层结构非常清晰完整的抽象的数据模型，例如物流仓储货运的数据优化，以及企业资源管理优化，这两个方向从数据结构上来讲是非常标准的，特别适合用AI进行优化;另外还有一个方向是量化金融和智能投顾等。

　　企业级AI应用还有多远?

　　针对笔者最为关心的企业级AI应用，杨歌认为：企业级AI应用，路会显得更长。他的理论是：这些年在企业级尤其是制造业，资本对此的关注度还亟待提高。针对杨歌提到的这种现象，笔者最近采访了几个行业。

　　智能制造领域

　　企业级市场，AI的应用目前更多体现在智能制造与企业的数字化转型方面，国内领先的电视机制造商TCL 集团，对智能化业务也做了长期规划。TCL的智能化业务包括智能制造、智能工厂、智能化物流等，以及面向用户端的大数据和互联网+，从品牌到营销到售后提供多环节支持，以及提升线上营销能力，提升产品生命周期内的盈利能力。TCL集团CIO 高建雄在接受企业网D1Net采访时指出：“面对AI等科技新动态，企业需要思考这些新技术对产业的机遇及冲击，同时研究行业公司业务和信息化发展趋势，取长补短，拓展内部创新力量，快速试错。同时孵化潜力项目，推动业务升级。但新技术的应用一定是以支撑与创新企业业务为依托的。”

　　再如中船瓦锡兰的智能制造为例。据中船瓦锡兰CIO郑熠介绍，中船瓦锡兰的智能化分为六大目标，分别为产品智能化、设备智能化、生产智能化、服务智能化、物流智能化和管理智能化。郑熠指出：“我们的发展模式是从数字化、网络化，最终走向智能化。数字化是一个基础，就像造房子一样，数字化就是地基。网络化是一个手段，实现万物互联、互联互通。信息化和自动化也很关键，这些都为智能化的最终实现提供基础和方案。虽然不同的企业、不同的行业对于智能制造的理解不一样，我们对于智能制造设定的6个目标是结合了自身的实际。从在最底层的智能装备生产线，通过物联网、人机协同以及开放接口，打造坚实的基础。接着对于车间的部署以及智能物流，建设智能仓库仓储管理系统。”

　　上海普利特复合材料股份有限公司也正在建立智能工厂，并主要关注两个方向，一是以互联网、人工智能、物联网为代表的技术，被称之为工具类。上海普利特复合材料股份有限公司CIO认为技术已经成为了必备品，但真正能够产生实际效益的，却是包括产业升级、医疗健康、文化娱乐等这些有实体价值的行业。

　　由此可见，以中船瓦锡兰为代表的传统大型制造企业，尽管在智能化、AI应用方面做了一些尝试，但其智能制造的真正内涵实则是以传统信息化手段解决企业自身的业务问题，AI技术本身及AI应用的场景研究还远远不够。

　　互联网领域

　　互联网领域对AI最为热捧，在实际应用场景方面也正走在前列。但有意思的是：一边是孙正义和李开复老师挟AI以令众人的恐吓，另一边则是马云人算不如天算的各种技术探讨。但可以看到的是：无论是百度、阿里还是腾讯、京东，AI与互联网的结合场景比比皆是，笔者便经常被迫接受他们推荐给我看的衣裙、期望我看到的新闻头条以及以为我能消费得起的法拉利。

　　AI，距离我们似乎很近，但应用还稍稍有些远!但不管怎样，我们一直都身处其中!（企业网D1Net）