图片来源@视觉中国
人工智能在2022年的境遇，就像一场过山车之旅。
年初时的萧瑟氛围犹在昨天，一家家人工智能企业交出惨淡的业绩报告后，唱衰声迅速弥漫了整个行业，几乎所有人工智能独角兽都在被逼问何时盈利，整个市场的风头早已被元宇宙抢去。
(资料图片仅供参考)
可到了年末的时候，外界似乎重新对人工智能燃起了兴趣。火遍全球的ChatGPT频频成为科技媒体的焦点，再加上已经出圈的AIGC，人工智能概念再次出现井喷，重新成为资本的宠儿。
新概念诞生时的兴奋与冲动，落地遇阻后的沮丧与悲观，这场群体悲喜剧的背后，似乎有必要追问这样一个问题：人工智能的价值到底在哪里，人们追逐的是奇幻的海市蜃楼，还是正在发生的现实？
终归还是要回到生产力的话题上。
01 人工智能的庙堂与江湖回顾人工智能的进化史，总是离不开一些有纪念意义的大事件。
比如图灵在1950年提出了著名的“图灵测试”，给出了判定机器是否“智能”的方法；约瑟夫·魏岑鲍姆和肯尼斯·科尔比，在1966年开发了世界第一款可人机对话的机器Eliza；杰夫·辛顿和他的两名学生在2012年的 ImageNet图像识别比赛上拿了冠军，由此开启了深度学习的黄金十年……
这样的叙事逻辑并不让人陌生，大多数行业都喜欢从里程碑式的事件中，定格技术不断向前演变的瞬间，然后在机缘巧合下成为坊间讨论的焦点。再聚焦一些的话，每到了年初的时候，科技巨头们都会给出一份长长的榜单，预测下一年的技术风向标，即便有时候会夹带一些“私货”。
从“庙堂”的视角审视行业的变迁并没有错，而且在很多时候不乏合理性。就像ChatGPT与AIGC的例子，2014年诞生的对抗生产网络GAN、2020年被OpenAI公开的GPT-3语言模型，再到千亿级大模型的军备竞赛，都是AIGC一夜走红的注脚，淋漓尽致地诠释了前沿创新的魅力所在。
其实还有另外一个视角，即远离“庙堂”的“江湖”。一群“名不见经传”的工程师，将人工智能的触角伸到了不被关注的“角落”，不是镁光灯下的自动驾驶，也不是话题性十足的数字人，而是纺织厂里不为人知的质检产线、超市里鲜有人注意到的货架、园区里不曾被注意到的配电房一角……
和重人才、重学术、重投入的“庙堂”相比，“江湖”中流行的是另一种创新范式：没有著作等身的学术大牛，只有钻到生产车间改代码的程序员小哥；没有海量的大数据，却可以拿到一手的生产数据打磨算法；错失了沉甸甸的行业大奖，但帮助一些传统行业解决了实实在在的问题。
或许这才是新一轮工业革命的“全貌”。就像人们记住了改良蒸汽机的瓦特，遗忘了将蒸汽机装上火车、轮船、印染机的无名英雄们。作为第四次工业革命的核心技术，人工智能注定也会是一体两面的景象。
所以在年末盘点的时刻，在惊人的融资数字、庞大的技术专利、现象级的新概念冲击人们的眼球前，似乎有必要将一些注意力留给“江湖”里的潜行者们，比起光鲜的前沿创新，落地应用同样是人工智能不可或缺的一部分。
02 被低估的垂直场景创新按照知名咨询机构Gartner的说法，任何一个行业、企业，只要有场景、有积累的数据、有算力，都可以落地人工智能应用。
这样的断言正在不计其数的垂直场景中被验证。也许和AIGC描绘出的诱人前景相比，人工智能在垂直场景的创新不够“性感”，甚至场景本身就缺少话题性，隐藏的价值却不应该被忽略。因为一些原本和人工智能毫无关联的行业，正在技术的作用下焕发新的生机，让外界看到了意想不到的效率提升。
其中有千亿级科技巨头的长尾化探索，有明星独角兽的商业破局，也有一些游离于主流视野的实力派选手。
浙江杭州的一家纺织车间里，过去化纤丝锭的质检全靠人眼，检测员需要拿着强光手电筒逐锭检查，每天最少人工检测2500锭丝锭，许多女工进厂半个月就离职了。后来这家企业引入了百度智能云的智能质检，曾经的质检女工帮助工程师在产品上标注出各类缺陷，交给人工智能进行深度学习，最终用一台台工业相机解放了质检产线上的女工，检验效率相比人工质检提高70%。
江苏苏州的一个办公园区中，因为园区配套设施不够完善，大部分服务都依赖人力，唯一的一家便利店每天要安排3名员工轮岗。云拿科技为该园区打造了无人店解决方案，基于人工智能视觉技术提供自动结算服务，精准记录顾客在店内的购物行为，走出闸机时能够通过无感支付自动扣款，购物效率比传统收银提升了5—10倍，“拿了就走”的购物方式深受园区内顾客的好评。
山东济南的一家三甲医院，耗材仓库里还在使用条码扫码、记账PC等初级工具进行管理，虽然安排专人定期盘点库存，管理效率与账物相符率依旧不够理想。有企业将“无人店”的技术和经验运用在了医药耗材仓库中，工作人员刷脸进入后，系统会自动确认领料单，待领物料所对应栏位上的电子价签将自动闪烁提示，领取物料离开后，系统还会自动进行出库处理、更新库存数量，整体效率比传统流程提升了400%—900%。
可以找到的例子还有很多，而且折射出了经验复用、举一反三的一幕。个中原因其实并不难理解，人工智能的新浪潮已经延续了十年时间，有些在商业化落地的过程中“胎死腹中”，也有些忽略了成本优势而昙花一现，那些默默在垂直场景中落地、生根、发芽的应用，恰恰是经住了市场需求考验的产物。
03 技术的价值在于生产力同时也印证了一个屡试不爽的逻辑：商业化的成败不在于声量大小，只有直面市场需求、创造实际价值，才有可能兑现商业潜力。
回到当下的语境里，人工智能新概念的风靡，势必会再次催生资本市场对于人工智能企业的信心。至少中国信息通信研究院的数据已经揭示，全球人工智能企业的数量已经超过23000家，中国的人工智能企业近4000家，2022年前8个月的融资规模仍处于较高水平，其中人机交互领域的投融资金额同比增加32%。
并非是想为市场泼冷水，而是在市场由冷转热时，应该多一些理性的思考，少一些跟风式的理想主义。
比如对商业蓝海的认知亟待转变。以往对蓝海的认知，常常和新技术相提并论，新技术开辟了新赛道，进而出现了诱人的机会。典型的例子就是AIGC，鉴于AIGC丰富的“想象力”和惊为天人的“创作能力”，将在艺术创作、插画、影视编辑等领域产生变革效应，不排除会冲击传统艺术创作者的工作岗位。
然而在确定性和不确定性的权衡中，许多人痴迷于不确定性编织的美好愿景，选择性忽略了确定性的机会。就像前面提到的无人店和无人值守领用仓的例子，人工智能与垂直场景的碰撞，早已诠释了新技术带来的生产力，而同样的场景还有烟草巡检、零售、金融、企服、教学实训等等，填补垂直场景的空白，驱动技术的价值落地，同样是一片蓝海。
再比如对企业潜力评估的重新理解。很长一段时间里，人工智能行业推崇的都是勇闯无人区的技术探索者，低估了另辟蹊径在垂直领域中落地实战的后发先至者，以至于错失了一个又一个优质标的。
毕竟在应用的维度上，人工智能越来越像生活中的水电煤，以润物细无声的方式深入到大众生活的每一个角落，身处其中的企业不应小觑。以云拿科技为例，正是将机器视觉、深度学习、多传感融合等技术应用于零售、医药、烟草等实体场景，利用场景化的行业解决方案解决真实存在的痛点，实现了别具一格的差异化创新。
不可否认的是，所有被时间沉淀下来的技术创新，无不以提升生产力为前提，或是改善生产效率、提升产品品质和体验，或是重构商业模式、推动行业升级，最核心的指标多半是以生产效率来衡量。
作为第四次工业革命的驱动技术，人工智能自然也不会例外，真正需要外界关注的企业无外乎两类：一类是生产力的创造者，比如“庙堂”中引领创新风向的企业；一类是生产力的驱动者，技术和场景融合将是生产力变现的必由之路。
04 写在最后回顾前三次工业革命的历程，都是在不断优化、修正、迭代中螺旋式上升，提升生产效率、降低生产成本，最后改写了经济增长引擎。
人工智能行业遵循着同样的范式，能否解决长尾应用中的一系列痛点，能否降低人工智能生产要素的成本，能否跑通规模化的创新与赋能，既是洞见人工智能价值的底层逻辑，也是丈量人工智能企业的终极参考。
关键词： 人工智能
