后AI時代需要看清的兩點：機器的能力已經超過人類了；人工智能的應用才剛剛開始，還在起步階段。
AI后半場的序幕已經徐徐拉開。
一方面，AI企業的上市之路逐漸明晰；另一方面，行業的競爭也從算法精度的比拼走向了落地能力的較量。
有人說，AI技術的研發門檻越來越低，AI企業的競爭力也在逐漸下降；有人說，AI的應用還存在許多問題，難以解決真實的需求；還有人說，場景碎片化是AI企業獲得高速發展的難以破除的阻礙……
究竟在AI的后半場，產業會朝著怎樣的趨勢發展？
帶著這些問題，雷鋒網AI掘金志與肖嶸博士進行了一次對話。肖嶸博士是AI技術發展的切身推動者與見證者，對AI的發展有著獨到的見解。
肖嶸博士2001年加入微軟亞洲研究院，從事統計學習及機器視覺方向的研究，是微軟人臉識別引擎的奠基人之一，2009年被授予微軟Icicle獎；2012年作為資深軟件工程師，加入美國微軟Bing多媒體搜索部門。
2018年，肖嶸博士回國后，擔任平安產險科技中心首席AI專家，主持AI技術在保險場景的商業落地。翌年，他主持研發的OCR引擎，榮獲平安集團重大創新獎。如今，肖嶸博士在云天勵飛擔任副總裁，負責人工智能算法研發及產品化等方面的工作。
本次訪談中，肖嶸談到了他從科研界投身產業界的原因，外界對AI門檻降低的質疑，以及對AI企業的思考和對產業的洞見。
以下是訪談內容：
讓AI創造價值，比單純研究技術更讓人激動
AI掘金志：微軟亞洲研究院不僅有許多前沿的研究，在學術界享有盛名，還被譽為中國AI界的“黃埔軍校”，國內不少知名AI企業的創始人或首席科學家都來自微軟亞洲研究院。您為什么選擇離開這個充滿“光環”的地方，選擇回國投身產業界？
肖嶸博士：微軟亞洲研究院是微軟在亞洲地區第一家基礎研究機構，它在許多技術上都有前瞻性，對學術界尤其是整個中國AI技術都有非常深遠的影響。比如，微軟亞洲研究院在2000年就開始做人臉識別方面的研究，2003年就研發出了第一款實時人臉檢測算法，這些都非常具有前瞻性。
雖然做前瞻性的研究非常有意思，但技術與行業、場景結合的過程更加有意思，而且充滿了挑戰。國內有非常廣闊的AI應用場景，能夠讓過去看起來束之高閣的技術，真正走進千家萬戶，改變人們的生活。我覺得這是很讓人激動的事情，也是一件非常有意義的事情，對我來說也是全新的挑戰和嘗試。
AI掘金志：能不能舉幾個具體的例子？哪些行業或者場景讓您覺得AI在其中大有可為？
肖嶸博士：在國內，城市中的許多場景都有很大的想象空間。比如現在國內常態化的疫情防控工作，里面就有很多AI能夠應用的空間。我舉個最簡單的例子，現在通過AI技術，能夠快速找到一個確診新冠肺炎的患者去過哪里、和哪些人有密切的接觸，這是一件很了不起的事情，能夠將疫情帶來的影響控制在最小范圍內。如果是靠人去回憶，這個信息是非常不準確的，而且外出還會遇到非常多的陌生人，如果僅僅靠人的記憶去排查，是非常低效的。
再比如在城市公共交通領域，我們要優化公共交通線路，就要知道乘客上下車情況。但如果為了要了解這信息，就要強行改變大家的習慣，讓大家上下車都打卡，這是不現實的。而在AI技術的幫助下，我們可以通過RE-ID、頭肩頸識別等技術，幫助巴士集團掌握公交車上的客流狀況，洞察城市交通出行特征，為提升交通效率和交通服務水平，優化城市交通運力提供決策依據客群分析系統。
技術的門檻從未降低，降低的是技術應用的門檻
AI掘金志：雖然AI技術已經在各行業得到應用，但也有聲音認為，現在AI的表現依然差強人意，您怎么看待這個觀點？
肖嶸博士：我覺得需要看到兩個點：一是機器的能力已經超過人類了；二是人工智能的應用才剛剛開始，還在起步階段。
機器在很多方面，已經做得比人更好了。比如是現在要抓在逃人員，不需要再一幀一幀去看視頻了，只要有一張圖片，就能夠在上億人中快速搜索出結果，速度是在秒級甚至毫秒級的。如果是像過去一樣靠人去逐一比對，效率是非常低的，而且誤識率也很高。
當然，并不是說機器能夠做到完美，在現有的技術水平下，也會出現識別錯誤或者遺漏的情況，但這跟人工搜索的結果相比，機器已經有很大的超越。
在我看來，人工智能的應用才剛剛開始。回顧歷史，任何一個對人類發展有深遠影響的工業化進程，剛開始的時候都是緩慢的。比如汽車剛出現的時候，速度慢、噪音大，很不受大眾待見，覺得還不如馬車。但是我們現在可以看到，汽車已經普及到千家萬戶了。對人工智能也是同理，人工智能要在實際應用中展現出更好的性能，也是要花點時間的。
AI掘金志：現在幾乎每家AI公司都在談“落地”，這已經成了AI行業的關鍵詞，現在行業里大家很少再去比拼或討論算法精度的問題了。有聲音提到，現在人工智能技術的門檻越來越低了，您在算法方面有很深厚研究，您認同這個觀點嗎？
肖嶸博士：技術的門檻從來沒有變低過，變低的是技術應用的門檻。
現在隨著人工智能技術的發展和應用，其實我們會發現，要學的東西越來越多，這側面說明技術并沒有變得更簡單，相反它需要越來越多復合的知識，從技術角度來看，它是變得越來越復雜的，而不是越來越簡單。
大家覺得算法門檻變低，實際上是因為技術應用的門檻變低了。因為人工智能的工具、平臺日益豐富，有了這些工具，我們就能更便捷地去應用技術。
過去，要使用GPU的計算能力，就要會CUDA編程，甚至還要有很強的數學能力，自己從底層開始去構建人工智能的能力。但是現在，我們有很多開源的工具，要使用人工智能的能力，只要調包就可以了，像是深度學習的算法，我們也不需要從頭開始寫了。
現在，大多數人不需要去了解這個算法是怎么實現的、怎么運行的，甚至在深度學習中很重要的梯度下降的方法，現在絕大多數人都不太需要掌握，只要調包就可以了。所以大家普遍覺得人工智能技術變得簡單了。
“端云協同”，AI企業的護城河
AI掘金志：如果說AI技術正在變得越來越普世化，各行各業應用AI的門檻越來越低，大家可以通過大量開源的平臺、工具、算法就能夠獲取到AI能力。那么AI企業未來的競爭力是否會受到影響？
肖嶸博士：這個要從兩個方面來看。一方面，技術變得越來越普世化，這是必然的趨勢。比如最早期的程序員，需要懂最底層的“0101”的代碼，用紙帶機打孔，去執行一些指令。
但因為這種方式效率太低了，后來行業中就出現了C語言、JAVA等。有了這些工具后，我們能更快捷地編程，但這是不是意味著最開始的“0101”沒用呢？我認為不是的，因為只有理解這些最底層的東西，才能夠對行業有深刻的認識，才更有可能在核心的能力上實現突破。所以說，真正擁有核心能力的AI企業，會越來越有競爭力。
另一方面，技術的普世化會帶來新的產業分工，有的人專門負責打造工具，另外還會有大量的人負責開發和應用。負責打造核心技術和工具的可能會越來越少，負責利用場景數據做開發和應用的會越來越多。有了這樣的分工，整個產業才會得到快速發展。
當然，有了分工，我們的研發成本能降到最低。一個以算法見長的企業，不需要自己做芯片，只需要找一家專業做芯片的公司合作，就可以生產出能夠部署和交付的產品。但如果是要切實解決場景中存在的問題，還是需要具備全“端云協同”的能力。
比如，如果能夠既懂算法，又懂芯片，那么我們就能夠根據用戶和場景的需要，從終端到云端去完成優化，我們可以用專用的芯片，適配自己的算法，這樣不僅能夠為客戶帶來更流暢的體驗，也能把成本降下來，真正為客戶帶來價值。不是所有AI企業都能做到“端云協同”，能夠擁有這樣能力的企業，在AI時代能夠建立起比較高的壁壘，保持它的競爭力。
AI掘金志：但是不同場景有不同的需求，AI企業該如何面對碎片化的市場？
肖嶸博士：場景的碎片化帶來AI產品碎片化，是因為現在還沒有一個完全通用、普世的人工智能產品出現。以現在的技術能力，大家還沒辦法打造出這樣一個通用的平臺或產品，但換個角度來想，我們是不是能夠先實現工具和研發流程的標準化呢？
舉個例子，我們可以打造一個算法訓練平臺，設計出一套流程和模型，無論是客戶提出要識別蘋果和梨子，還是要識別貓和狗，只要輸入圖片，平臺就能夠訓練出相應的算法。這就好比設計出一條流水線，生產加工的過程是相同的，但最后生產的產品可以是多種多樣的。
