互联网“黄金十年”结束,微软携手各行业共建AI生态

发布时间:4个月前热度: 180 ℃评论数:

恐后,用以描述当下企业触AI 化的状态再合适不过了。在移动互联网红利见顶、资本寒冬的大背景下,人工智能为核心技术更迭被视为孕育出“下一个互联网”时代的核心生产力。


微软CEO-Satya Nadella就曾反复强调,微软正在把AI注入到其计算平台和所有产品中,以帮助所有人和组织平等地获取知识、解决最紧迫的挑战。


AI就像一张诺亚方舟的船票,所有企业都试图拥有它、抓住它。这基于一个共识:当下发生的弱人工智能正带来巨大的价值。财富普华永道对其最保守的预测是,AI 在2030年将带来的价值至少是中国GDP的20%左右。




风险、泡沫、人才与资金的争夺,让身处其中的企业每天都处在生死前线。


危险来自于多个方面。大环境来看,步入AI 领域发展的第 62 个年头,从 2006 年往后十年间积聚的创投泡沫已然破碎。训练高层神经网络算法的出现,带来了真正意义上行业商用的可能,但也让 AI 这个词被用滥,靠讲故事的方法已经行不通了,泡沫破碎,诸多投机者跑路倒台,产业背后的矛盾一一显现。


这直接导致,在强依赖资金储备的AI 赛道,企业们融资变得愈发困难起来:经过 2016 的拐点后,整个行业的融资数量、融资金额均开始下滑,2017 年跌幅高达 40% 左右。




在关乎人工智能的布局谋篇中,人才是最为核心的资产。这是一个处于突破技术瓶颈、投入应用市场的爆发前夜,没有人,遑论其他。


这也是为何微软能在AI时代继续保持其全球巨头地位的重要原因——它是人工智能人才的黄埔军校,其AI人才储备非常深,此前微软在内部新成立的AI团队,规模超5000人,但从全球来看,AI 人才的供需极端失衡,其他企业显然没有微软这样深厚的人才储备,因此对它们而言,聘请人才意味着占到企业成本的极高比重。而当前阶段,纵观整个行业来看,大部分企业在市场应用和产品化方面都处于相对初级的阶段,这意味着收入来源有限。






目前神经网络算法需要大量的数据进行训练,而绝大部分企业都不具备像微软这样高质海量的数据,这种信息的缺乏成了横亘在很多企业面前的一道难题。


幸运的是,市场格局正在发生变化,这种变化带来了解决问题的诸多契机。


在以技术为突破来改造传统行业的科技圈,对于2018年的一个普遍预判是,这会是个更依赖资源、场景优先、竞争加剧、巨头恒强的 AI 时代。 


换言之,对于绝大多数企业而言,一个更加合适的路径是找到自己的关键壁垒:应用场景。


在 2015 到 2016 年所谓精英创业的时代,企业都在做产品和技术的研发,但到 2018 年,企业们开始发现,继续重仓研发并不是个好的选择,研发某种程度上是件高投入、产出周期长的风险投资。AI 行业更甚。


而对于大多数企业而言,再好的技术需要和产业结合,因此在以“产品和服务落地”为主命题的2018年,对于企业们来说,在弄清自身业务“专攻”的前提下,“善于借力”、依赖外部资源共生,成为其“转危为机”的一大关键策略。






事实上,头部玩家也的确在“修桥搭路”、创建底层生态。以最为明显的微软为例,在Satya Nadella上任后的这几年,微软不再纠结于多年的 Windows、iOS以及Android 的系统之争,转向开放合作,这使得微软能跨平台、跨设备提供软件产品和云服务。这样的开放策略,也在资本层面为微软提升了空间,去年其股价盘中屡创新高。


如上所述,对于AI时代下的广大企业们来说,研发耗时耗力、资金人才稀缺、数据少、算法工具不强等是影响他们发展的痛点所在。 


那么像微软等巨头的开放策略,则与其形成了很好的互补。众所周知,作为最早涉猎AI 研究的一大科技巨头,微软早在上世纪初即致力于诸如语音识别、图像识别等技术的研究,也吸引了最为顶尖的学者人才,这直接奠定了微软在人工智能领域的实力地位。


另外,我们提到微软在数据量上的优势,具体而言,这可能得归功于其Bing搜索引擎,雅虎搜索引擎的前高管Larry Cornett提到Bing时曾说:“每天数以亿计的查询正是一个巨大的AI系统所需的。”


事实上,从最近的诸多动态看来,这样的开放正变得高频和完善。就在前不久,微软再次更新了其主要的三项人工智能工具:重点改进了面部识别、自定义图像分类以及理解重要实体等功能。




开发者无需构建自己的 AI 模型,其通过使用该平台数据就可以培训自己的图像分类工具。除此之外,这些分类器还可在iOS、Android以及其他设备上进行离线工作。值得一提的是,用自定义视觉服务创建的模型还可以从微软的云平台中导出,这意味着使用它们,都不会产生因给微软服务器传数据而导致的延迟问题。




Bing实体搜索服务现在已可在Azure门户上使用,这项服务使用了由知识图谱驱动的微软搜索引擎。开发人员可以基于搜索词确定最相关的实体,而Bing实体搜索还可为开发者提供这些实体的主要细节。




FaceAPI 的更新使得开发人员现在能够通过多达100万张脸来训练Face API的能力,对于那些需要智能安全系统的企业来说非常重要。






共享出行作为充分调动社会闲置运力的新兴行业,在发展过程中,一大难题便是安全验证,即需要保证司机与车、档案等充分匹配,以保护乘客,同时避免驾驶员账户被盗用。


全球知名出行巨头Uber 公司在成为数百亿美元估值独角兽的过程中,曾因为司机伤害乘客的事例,受到来自舆论的巨大压力。而后Uber决定使用人脸识别的匹配技术来解决这个问题。


作为一项关键技术,这种视觉验证必须快速、简单且稳定有效,这对技术提出了很高的要求。起初 Uber 曾短暂地考虑在内部开发这项技术,但鉴于时间和成本考虑,最终选择同微软合作。


在与 Uber 的合作过程当中,微软提供了其认知服务部分的人脸识别 API 来帮助身份匹配认证。仅仅花了三周时间,微软就协助 Uber 团队完成了 API 的集成,保证了后者 100 多万用户的流畅体验,也满足了 Uber 对于延迟时间和吞吐量的需求。


除了Uber,越来越多的企业开始选择同微软等巨头合作,三角兽等AI创业新秀、比亚迪等传统车厂,数不胜数。可以预见的是,在巨头继续开放、企业深耕场景的2018 年,这样的 AI 与产业、服务的落地将会迎来更深层次的爆发。







如同自然世界每一次完成系统重建后,狼羊厮杀下也会逐渐衍生出一种平衡。在AI 领域的第四个春天,这样的生态共建正在发生。


博弈的主要有三方势力:微软等互联网巨头、传统行业龙头以及AI 创企,他们或把握巨大的流量与数据,或牢牢占领线下应用场景和行业,或代表新兴的裂变空间。三者之间各有牵连,竞合共存。




如何将技术落地行业?如何用数据催化商业?是当下博弈最关键的问题,而进行资源的重新整合则是这场“新互联网”生态战争的本质。这就不难理解,在巨头微软的AI“四驾马车”(代理、应用、服务和基础设施)中,为何都十分强调将技术能力开放给全球的应用开发者、组织企业们,合纵连横,才能群策群力、持续领先。


在多场景融合大势所趋的今天,巨头在多元布局开疆拓土、传统龙头在谋求转型紧跟时代,而创新企业则需借力深耕、御风而行。这场生态战争,谁能快速互补、跨越产品应用的鸿沟,谁就能从混战中分得巨大蛋糕。


互联网的黄金十年结束了,但人工智能的时代才刚刚开始。从25年前微软率先用其前瞻性的战略眼光研究AI,到如今各种技术以集群形式涌现,生产力和生产关系正以前所未有的速度大步发展。


套用微软内部“人工智能重新定义微软”的理念,送给所有的优秀企业:别等着被时代抛弃,携手共进、迈入新纪元,人工智能正重新定义世界。

手机扫码访问