猎云注：“人工”+“智能”什么时候能够实现我们期待的应用场景？华创资本合伙人熊伟铭撰文，描述了他对前沿科技的展望。他提到，能够体现人工智能价值的是数据量最大的行业，既然大公司已经大量的开源算法，创业公司就可以直接应用到自己所在的行业里面，避开巨头的碾压。对于创业公司来说，最关键的依旧是行业认知能力。文章转自：华创资本（ID：ChinaGrowthCapital）。
人工智能究竟寄托了人类多大的期望？1952年手冢治虫创造阿童木原型的时候把故事时间定在了2003年，而1985年Robert Zemeckis拍摄经典科幻电影"Back to the Future"把“未来”定在了2015年10月21日。但是无论是2003年还是2015年都没有出现那种高科技场面，科技界实在是辜负了文艺工作者和大众对于人工智能和机器人的期待。那么“人工”+“智能”究竟什么时候能够实现我们期待的应用场景？华创资本合伙人熊伟铭撰文，描述了他对前沿科技的展望。
先讲一个故事。
印第安人出售手工编织的挂毯，有商人询价，印第安人回答：“一块挂毯一美元。”
于是商人希望批发：“我要100块挂毯”。
“这样的话，每个挂毯要10美元”，印第安人不情愿的回答。
“天理何在？”商人愤怒了。
“每天都重复做同样的事情，你愿意吗？”印第安人也很委屈。
有没有好的解决方案呢？当然有，那就是工业化。工业化可以完美解决商人和印第安人的问题，商人得到了规模化利润，印第安人变成了IP拥有者，避免了重复劳动，获得了版税收入，一举两得，唯一消耗的是电力。
“阿童木之父”手冢治虫
这是上一次工业革命时期的场景，而今天的人工智能革命要解放的就是消耗的电力和计算力的重复劳动者。
我们其实可以忘掉人工智能。事实是，我们差点就真的忘掉了，因为从这个概念被提出，一晃已经过去60年了。
就像我们忘掉电力、计算机、网络，甚至互联网。人工智能本身不是应用，它是基础设施的一部分，是互联网时代的“电力”，是1946年ENIAC（世界上第一台通用计算机）诞生之后计算设备的自然进阶。而计算机其实从1970年IBM S/370上市以来本质上没有什么大的改变，唯一就是不断增加计算能力和存储空间，同时降低成本和体积。在整机提高单位成本算力的同时，云计算架构也使得单位算力成本得到了显著的下降。
1970年IBM上市的S/370大型计算机
当然，尽管互联网的第一次通信交换发生在1969年，但直到1999年互联网才有了第一次大爆发。
所以，人工智能也是一样，从20世纪50年代开始学术讨论，到1997年的“人机大战”，“深蓝”才赢了人类第一盘棋，又过了将近20年，AlphaGo才赢了人类第二盘棋。1997年谷歌还没有成立，更没有云计算架构，甚至互联网数据中心还没几家像样的，所以我们才又等了20年才看到今天大规模并行计算能力在商业上的提升。
类比一下，今天的人工智能可能像1893年的交流电，而交流电原理在1832年就已经发表了。如果说爱迪生的直流电促进了电气行业的产生，那么交流电的发展，直接开启了电力行业的分布式计算和存储规模化，使得照明成为人类生活最重要的应用。
回到人工智能领域，目前最难的地方可能是我们还不知道什么应用会变成人工智能最重要的应用。很多时候，我们的期待需要很久才能变成现实，比如上世纪70年代的最强计算机应用VisualCalc变成了后来的Excel表格，而我们从SaaS创业者那里经常听到的一句话就是“我们的竞争对手是Excel”。
在IT化无所不在的今天，VisualCalc这款活跃了40多年的产品中间只是换了几个logo而已，仍然还是很多行业的必杀利器。要熬到行业SaaS和Tableau（数据可视化工具）替代Excel，我们不知道还要熬多少个十年，人工智能也是同理。
好消息是，今天的人工智能行业就像是1990年代的互联网，开源平台和工具已经非常普及，这也使得大公司甚至联合起来开源自身的人工智能开发平台，因为算法已经不再是壁垒。早期很多人工智能应用开发者和人工智能专家其实都是多年“找不到工作”的大神，他们散落在法国、加拿大和英国一些大学任教，也使得这几个许久没有科技大动静的国家忽然成为了全球人工智能领域的新宠。
最能够体现人工智能价值的是数据量最大的行业，因为在这些行业里面，人工智能能够实现从0到1的飞跃，就像谷歌收购DeepMind之后只用了几个季度就通过算法优化把6.6亿美元的成本回收了。但问题是大部分公司都没有谷歌这个级别的数据，国内的挑战可能还要多几层：众多行业的数据甚至还没有结构化，结构化的数据也没有在云端。
所以国内目前大力推动人工智能的只可能是目前的几家领头互联网公司，大量的传统行业还得老老实实的从云计算和大数据基础做起。
另外一点值得考虑的是，既然大公司已经大量的开源算法，创业公司完全没有必要在算法上花时间，反而可以直接应用到自己所在的行业里面，这样的垂直应用才有可能完全避开巨头的碾压。
比如律师行业最大的标签化平台无讼、帮助医院提升运营效率的analyticsMD、完全利用第三方计算机视觉算法来做新一代门禁的
Cloudastructure、利用人工智能一键制作产品视频说明的VideoSlick等等都是非常好的行业应用……
总部位于加州Palo Alto的AnalyticsMD为医院提供智能决策分析系统技术
这个单子我相信会在接下来的几个月会越来越长，就像著名的大数据博主Bloomberg BETA的合伙人Shivon Zilis描述的那样，机器智能3.0的行业应用也会越来越多。
Shivon Zilis发表在HBR上的机器智能2016年行业应用
前不久百度宣布公开无人车核心技术，与天下主机厂结盟。这可能是国内人工智能领域的一个放大信号：核心技术已经从早期的算法完全转移到了数据应用。也许一个无人车领域的“安卓”并不一定一开始是系统最优的，但是“开源”一定是人工智能领域的重大特征，也意味着我们很可能在未来两三年内会看到这个行业的巨大爆发，而完全不会经历早年福特或者前几年特斯拉的缓慢上量。所以，对于创业公司来说，最关键的依旧是行业认知能力。
