香侬科技李纪为分享人工智能技术创业到商业化感受

12月10日至11日，一场聚焦全球青年科技力量的盛会在绍兴上虞落下帷幕——由浙江省委人才办、绍兴市委市政府、《麻省理工科技评论》联合主办的全球青年科技领袖峰会，同期颁出了“35岁以下科技创新35人”2020年中国榜单。会上，香侬科技创始人兼CEO李纪为带来了一场题为《从科技创业到科技商业》的分享，以下是根据现场演讲整理的内容。 “很多创业者其实是从博士毕业后直接走上创业路的。博士训练体系下，大家养成了一种百折不挠的劲头，甚至带点执拗或偏执——在科研领域，这种偏执是宝贵的素养。但到了商业场上，它就可能变成绊脚石。创业之后，如何放下那份偏执，学会随机应变，才是关键。”李纪为在开场时这样总结自己的体会。随后，他从技术、产品、用户和心态四个维度，展开了一场关于从实验室到市场的深度对话。 **技术研究与产业落地：可以彼此成就的两面** 回看历史，科技与商业之间曾经隔着漫长的距离。蒸汽机从发明到大规模应用，足足用了一个世纪。但如今，技术科研创新与产业化落地几乎同步发生，两者可以互相启发。基础科研的创新研究能为产业提供方向指引——告诉产业哪些技术可行、哪些暂时做不到，那么我们就专注做那些能做到的。反过来，产业落地过程中积累的经验和问题，也能为基础科研提供新的研究课题。 不过，紧密相连不等于没有距离。很多技术从实验室走出来，可能需要两年、五年甚至更长时间。从创业的角度看，更重要的是构建一个多层次的良性生态：既要仰望星空，考虑五年后的科研样貌——那将决定商业化的长期方向；也要脚踏实地，解决眼下的生存问题。 以人工智能为例。今天的研究者看很多AI应用时，常常觉得“不够聪明”。过去十年，深度学习带来了一些突破，把人工智能从60分的水平推到了80分。从商业落地的视角来看，真正值得做的是60分到80分之间的那部分应用——低于60分的早已被做完了，高于80分的技术目前还没到位，跳进去大概率竹篮打水一场空。 **技术落地，核心是满足用户预期** 谈到商业落地，就绕不开用户和产品。用户是产品连接技术的桥梁。做技术科研时，每个领域都有自己的衡量标准，比如人工智能里常说的“准确率”。但准确率对用户来说，只是一个冷冰冰的数字。从90%提到95%，或者从60%提到80%，用户其实感受不到差别。他们判断的依据是：这个产品是否符合我的预期？符合预期，就愿意买单；不符合，再高的技术指标也没用。 对创业者而言，最重要的抉择是：选择那些技术能力刚好能达到用户预期的产品方向，避开那些技术暂时够不到用户预期的坑。李纪为分享了他从学术界走向商业界最深的一个体会：“在学术界，越困难的问题越要死磕；但商业用户的预期，并不会因为技术难度大就降低标准。” 他举了一个无人车的例子。在码头、园区这类限定场景里，无人车技术相对简单，很容易达到用户预期。但换成市区或山路这种开放场景，技术难度陡增——可用户的预期不会变：不管什么场景，都不能出事故。所以从落地的角度，应该寻找那些技术能实现、又能满足用户预期的方向。 另外，对于技术应用的落地，有时需要不计成本去追求最好的结果。最近大火的GPT-3模型就是个典型——它用了一万块GPU，总花费超过千万美元，折合软妹币上亿元。这种“不计成本”换来了通用人工智能道路上的重要突破。但实验室和商业化的目标不同：商业上要尽可能节约成本。理想状态是两点：第一，达到用户预期；第二，在满足预期的基础上尽可能控制成本，实现收支平衡——商业的底层逻辑始终是支出小于收入。 **心态转变：从死磕到拥抱变化** “做基础科研时，讲究的是持之以恒、永不服输，很多时候没有困难也要创造困难去攀登。但做商业落地，心态要反过来——拥抱变化，落地为先。”李纪为特别强调了心态的转变。 最后，他回顾了人工智能的发展历程。过去几年，AI几乎是避不开的话题，时代呼唤理论创新。而AI本身过去五六十年起起伏伏的发展，也为从理论创新到商业落地提供了许多借鉴。 人工智能经历了三次浪潮。第一次在20世纪五六十年代，起步阶段取得了一些突破性成果，但受限于算法理论和算力，无法大规模推广。第二次在20世纪90年代，以统计计算学习为代表，AI开始从理论实验室走向实际应用，比如医疗领域。但随着应用范围扩大，缺点也暴露出来——应用领域比较狭窄。当时使用的神经网络和深度学习算法，其实今天也在用，但很多问题导致落地效果不佳。从2000年开始，技术蓬勃发展，为AI落地创造了更好条件，算法理论不断涌现和沉淀。尤其最近十年，AI领域出现了太多享誉世界的成果。一方面是因为计算机性能极大提升，另一方面基于互联网大数据，人类积累了大量算力和数据——这些因素叠加，带来了人工智能的繁荣期。 随着AI普及，我们正从信息化迈向智能化时代。在日常生活中，AI带来的便利随处可见。中国国家层面也高度重视这项技术的落地。值得强调的是，人工智能不是一项独立的技术，它具备赋能各行各业的潜力。一旦脱离具体行业，AI的优势就会大打折扣。因此，AI与行业场景的深度结合，是当前的重中之重。 AI各项技术和场景也在持续进化，形成闭环。目前，算法机制依然对数据量有重度依赖，需要足够多的行业场景来产生更多数据——这正是现有的一大瓶颈。解决这个问题，才能开启下一个人工智能时代。 李纪为最后总结了自己从技术创业走到商业化的切身感受：“归根到底是两个方面：第一，信仰技术；第二，用务实的价值观将信仰的技术真正落地。”