圖片來源：攝圖網
編者按：本文來自銀杏財經，作者藍山 編輯吳不知，創業邦經授權轉載。
當我們提及「人工智慧」時，到底在談論些什麼？
是1956年的夏天，達特茅斯種下了「用人工智慧改變世界」的種子，還是深度學習的技術突破推動AI大爆發，抑或是人工智慧首次被寫入政府工作報告，中國的人工智慧在應用側取得了一點微不足道的優勢？
由於工作原因，我可能會在各種場合與各色人等聊到「人工智慧」，他們職業不同、年齡與價值觀各異，正因如此，每一次對話都會走向各說各話的極端，很難達成共識。
這也是當下圍繞「人工智慧」討論的一個縮影，它看起來離我們很遠，又仿佛無處不在。
這給了我新的啟發：不純粹探討技術，而是把人工智慧的各項技術突破作為一個新變量，重新去審視AI對不同行業的影響和改變。
1 AI改變普通人的生活1998年，拉裡·佩奇利用PageRank算法，建立Google。
兩年後，李彥宏用超鏈分析專利，孵化百度。
後來的故事大家都知道，前者是全球用戶訪問量最多的網站，而後者，則成為世界上最大的中文搜尋引擎。在中國，百度是為數不多的能夠把一個專有名詞變成動詞的公司之一。
2010年以前，百度的技術迭代主要圍繞「搜索框」進行，轉變發生在2009年8月。
李彥宏在當年的百度技術創新大會上提出「框計算」的概念，一言以蔽之，就是對通過用戶提交的需求進行語義分析、行為分析、人機互動和海量計算處理之後，將搜索與服務對接。
這是百度上市之後最受關注的概念，也是智能搜索的雛形。
萬億網頁、百億圖像視頻和定位數據、以及每年產生的數十億次搜索需求、近十億用戶畫像，是人工智慧算法最好的養料。
這也是為什麼AI最先應用在搜索公司的原因，在國外是谷歌，國內則是百度。
搜索之外，再沒有一家公司可以拿出萬億參數和千億樣本。
我們可以用一個小小的指標來衡量AI在搜索中的價值：在剛剛過去的2020年，得益於AI的技術加持，百度搜索結果的首條滿足率提升到58%，而這個數據在三年前是16%，兩年前漲到37%，一年前邁過了50%的關口。
二十年前搜索就是一個框，二十年後依舊如此，只不過，這個框連結的內容已大不相同。
有了語音合成技術，信息流就可以進化到看聽模式，用戶在不方便看新聞的時候聽AI 讀新聞；知識圖譜和自然語言處理的應用，可以幫助用戶更高效地找到所需信息；而我們熟悉的垃圾分類小程序，是在圖像識別的基礎上，對多種垃圾進行快速分類。
就像谷歌的AI技術早已深入到Youtube的方方面面一樣，在百度，這種融合也不再局限於移動生態。
由個人云服務衍生而來的百度網盤離不開AI，百度地圖90%以上的數據生產環節離不開AI，百度輸入法要想在流量峰值期間提供不卡頓、不出錯的語音輸入服務，同樣離不開AI。
不止於此，當你吃著小龍蝦看電視，想要換臺卻發現滿手油不好操作遙控器；周末收拾家務時想放首歌，還得先放下手中的活再洗個手擦乾……
現在，這一切都有了新的解決方案，AI讓機器學著理解人的指令，只要動動嘴，開燈、開空調、煮飯、放歌、調節目，都能實現。
當然前提是，你家的電器得支持智能家庭的入口連接，這個入口或手機，或音箱，也有人說電視（不過我不是很認同，畢竟到目前為止，我沒見過誰家電視是24小時連軸轉的）。
作為門檻最低的入口，智能音箱全球出貨量TOP5的名單裡，百度和谷歌赫然在列，還有就是亞馬遜、阿里和小米。
再把使用場景向外延伸，視覺語義化技術讓無人零售成為可能。把想要的商品拿起來掃碼，放進購物車，然後「刷臉」支付，就完成了整個購物過程，省去絕大多數排隊買單的困擾。
事實上，不僅是零售可以刷臉，就連機場，也為常用旅客開闢了人臉識別的快速通道。
但凡近兩年到訪過寶安機場的朋友都會對快速通道印象深刻，隱形的變化是機場分配機位用上了AI算法，飛深圳幾乎不用擔心遇到擺渡車大魔王了，因為廊橋停靠率極大提高。
就算你沒在機場刷過臉，便利店裡無處不在的刷臉支付總是有機會接觸到的。
在AI這條路上，過去半個多世紀都在「理論派」與「技術流」的質疑聲中踽踽前行，沒有應用場景的人工智慧，面前突然就有了一個五彩斑斕的世界。
從2017年6月的「Early Rider」開始，到2019年9月的首次無人駕駛，不管是在加州還是在中國，能真正提供沒有安全駕駛員Robotaxi服務的，一是Waymo，二是Apollo。
我們可以清晰地感受到，機器正在變得越來越聰明。
2 產業的智能化發展趨勢就像搜尋引擎的核心某個時間段被稱為大數據，某個時間段被稱為雲，最終卻又回到人工智慧一樣，驅動工業革命的技術通常具有很強的通用性，一如八年前的「網際網路+」，以及現在的「AI+」。
前者主導了長達十數年的信息化和數位化進程，而後者，開啟了智能化的新篇章。
2017年，中國有500個以上的城市和地區明確提出「智慧城市」的建設，批准了大大小小3000個以上的智慧城市項目，但實際上，這些項目大多和AI沒什麼關係，他們更像是一套糅合了城市交通、水利、建築等數據的可視化系統，與「智慧」的關係並不大。
要知道，即使按照最廣義的定義，2017年AI在應用側也就處於剛起步的水平，本質上來說，上一輪的智慧城市建設還是叫「信息城市」更合適。
但這實在不能怪頂層設計，主要是IBM在設計「智慧星球」之初就存了把過剩的企業IT基礎設施賣給政府的小九九。
直到2018年下半年，AI與城市的結合才開始提上日程，最先是一小片街區的紅綠燈改造。雖然AI控制紅綠燈只是一個單點，但如果能夠把通行效率提升15%～30%，就能為GDP貢獻2.4%～4.8%的絕對增長。
再然後是地方氣象局與企業聯合打造的AI+氣象系統，通過深度學習提升短時間內氣象預報準確率，今年我們看到西南地區一些氣象地址災害幾分鐘之內完成了快速預警，就是百度和重慶氣象局的合作項目。
雖然今天的智慧城市和電影裡的未來空間相去甚遠，但因為AI的參與，城市裡已經開始出現用機器代替人工的趨勢，不管是蘇州用機器視覺攝像頭監控水道汙染，還是寧波用AI識別違章停車、亂堆物料、違規經營，抑或是消防系統通過AI攝像頭與消防報警設備結合，預判火災情形，都是如此。
封城、隔離、封閉管理，2020年突如其來的「戰時狀態」，衝在一線的不只是不畏生死的「白衣天使」，還有在後方提供支持的AI技術團隊：
疫情期間，百度地圖推出遷徙大數據平臺、實時路況平臺，隨後及時上線發熱門診地圖、疫情小區地圖、核酸檢測機構查詢、復工地圖等多項功能，為公眾出行、社區防疫、政府決策等多方面提供指導；
阿里雲向全球免費開放AI算力，用於支持機構病毒基因測序、新藥研發、蛋白篩選等工作；
為了給居民提供出行的電子憑證，微信和支付寶上線「防疫健康碼」；
為解決機場、火車站、客運站等人員流量場所的測溫問題，百度推出AI測溫系統，並解決了因佩戴口罩及帽子造成的面部識別特徵較少的問題；
為了打通供應方與需求方的供應鏈缺口，京東成立了「應急資源信息發布平臺」，向政府、企業和公益組織免費開放；
百度開源的線性時間算法 Linearfold，將病毒全基因組二級結構預測從55分鐘縮短至27秒，這意味著我們能更快地預測病毒變化趨勢，提高疫苗研發效率……
AI在大考之中的表現，讓外界看到了AI落地的價值和產業智能化的希望。
疫情後的復工復產，百度憑藉「ACE交通引擎」在全國各地收穫著智能交通的訂單，銀川、長沙、北京、保定，最快時一日三單，8月更是拿下了廣州4.6億智能交通大項目。
而阿里、騰訊、京東和華為，今年在智慧城市上的收穫，也明顯比往年上了一個檔次。
很多屬於城市的問題，本質上還是工業的問題，比如發電。在這些系統中，已經開始運用工業模型預測和AI質檢能力，百度和國家電網、南方電網合作的無人機巡檢項目，要負責兩條中國特高壓線路、150個以上變電站以及4萬多輸電線路的監拍，累計發現隱患2000餘處、每天代替人工巡視能源線路超過7萬公裡。
而巡檢機器人一旦有了AI加成，設備儀表識別準確率就會提升到90%以上，人工巡檢工作量降低90%。負責給巡檢機器人加成的底層技術來自飛槳深度學習開源平臺。飛槳之前，開源的人工智慧作業系統有Facebook的 Pytorch、Google的TensorFlow，無一例外，都是來自大洋彼岸的科技巨頭。
在去年年末進行的IDC中國智能開發者調研中，有超7成受訪者使用開源的深度學習框架，自己訓練算法模型。
按照IDC最新公布的數據，在中國深度學習平臺市場綜合份額中，Google、百度、Facebook穩居前三，佔據70%以上市場份額。相比去年，百度的排名又上升了一位，份額與位列第一的Google相差無幾。
在中國的to B市場，百度大概是想做AI領域的Andriod，DuerOS之於智能家居、Apollo之於智能汽車，就是實證。
前者控制了超過了1.7億設備、500個以上的品牌和60個多個品類的IoT智能家居設備，而後者，則和60餘個汽車品牌的300多款車型達成了合作。
3 與新基建共舞，是AI發展的必修課技術是冰冷的，它誕生在日復一日的冷板凳裡。
不管是阿里雲還是百度AI，都經歷了漫長的爬坡期。
2020年是全球經濟被動剎車的一年，也是新基建加速落地的一年，按照IMF的預測，中國是主要經濟體中唯一實現正增長的國家，在復工復產的大背景下，AI被定義為新基建的基礎設施與社會智能化的關鍵支撐。
在「十四五規劃建議」中，「科技」一詞一共出現了36次，是絕對的高頻詞彙，而在列舉出的前沿科技中，人工智慧、量子信息和集成電路被放在前三位。
上一個在國家級戰略規劃中獲得如此重視的領域是「網際網路+」。從2015年開始，連續四年，「網際網路+」從未在政府工作報告中缺席，與此同時，網際網路在零售、物流和工業品領域的應用越來越廣泛，和教育、文化等領域的融合也進入到初級階段。
按照中國電子信息產業發展研究院的預測，我國人工智慧市場將保持30%左右的增長速度，到2021年人工智慧市場規模將突破800億元。
稍微了解下基建在中國經濟增長中的比重，就不難理解「新基建」醞釀出的龐大市場。
相比於兜售存儲、計算、CDN等資源，人工智慧讓雲計算有了解決場景化問題的可能，於是巨頭們紛紛開始提出雲計算與AI融合的構想：
百度是最早把雲計算和AI結合在一起的公司，隨後阿里雲確立了「雲計算+IoT+人工智慧」的方向，華為雲提出了「普惠AI」的概念，騰訊則推出了AI即服務的相關產品。
我們都知道，人工智慧，先有人工，再有智能。
早期的雲和AI是相互獨立的，而AI應用想要落地，首先要完成數據的收集工作、對數據進行標註，然後是數據處理並選擇對應的算法模型，再對模型進行訓練和優化後，最後試著在實際場景裡跑一跑。
這個過程需要耗費大量的人力物力和時間，且沒有捷徑可走。
巨頭尚有餘力，可對普通開發者來說，這太不經濟了。EasyDL能夠做到讓非人工智慧領域的人通過頁面拖拽操作和少量數據上傳，訓練出定製化AI模型的開發平臺，有數據顯示，這是市面上用戶認知度最高、受訪者使用頻率最高的機器學習平臺。
半個月前的百度雲智峰會，官方向外界披露了一組數據：百度智能雲AI Cloud的活躍客戶數同比增長65%；百度智能雲對外開放的AI能力已經有270多項，服務了260多萬開發者，日均調用量超過1萬億次。
在Gartner的最新報告中，騰訊雲是TOP雲廠商中增速最快的一個，而以AWS為首的3A陣營，市場份額出現些許變動的跡象。這一點，從一些細分領域就可以得到驗證：2020上半年中國的AI公有雲服務市場，算是最近的例子。
在新基建的賽道上，作為基礎設施的數據中心顯得尤為關鍵。百度最大的數據中心在山西陽泉，是國內首個伺服器規模突破10萬臺的單體數據中心，而阿里雲，去年剛剛建成了全國最大的數據中心集群，至於騰訊，也宣布要在未來5年投資5000億元布局新基建。
4 結語在賽博朋克的世界裡，科技與人文似乎總是水火不容。
百度是最早將人工智慧技術用於尋人的企業，截至2020年12月，用戶在「百度AI尋人」平臺發起的照片比對已超過39萬次，11934個家庭得以重新團聚。
後來有越來越多的企業開始把AI用於社會公益事業，包括長城的修復工程以及敦煌壁畫的數字採集工作。
這是當代人工智慧產業落地最真實的樣子，也許算法在開源數據中跑出不錯的結果，平移到真實場景之後，還是會出現偏差和錯誤。
但人工智慧從興起到幻象、再到回歸本質，那些一點一滴改變著產業智能化的革新者，總會迎來黎明前的第一絲曙光。
我們總是傾向於認為技術創新源自某位天才的靈光乍現，但當我們把時間拉長，很容易就會發現這是一個漫長的過程，很可能需要數十年乃至上百年的光陰才行。
本文為專欄作者授權創業邦發表，版權歸原作者所有。文章系作者個人觀點，不代表創業邦立場，轉載請聯繫原作者。如有任何疑問，請聯繫editor@cyzone.cn。