MEET2020 | 旷视唐文斌：你到底给谁创造了什么样的价值？这是AI产品的灵魂拷问

郭一璞 2019-12-17 12:17:24 来源：量子位

郭一璞 整理自 MEET2020智能未来大会
量子位 报道 | 公众号 QbitAI

落地，是2019年AI行业的共同话题，创造价值、降本增效，成为行业共识。

作为AI头雁公司、也即将成为AI创业第一股的旷视，又是怎样看待落地这个话题的？

而作为一位技术领袖，旷视联合创始人兼CTO唐文斌，又认为当下环境下有哪些技术创新的机会？

在MEET2020智能未来大会现场，作为在行业中摸爬滚打八年的实践者，唐文斌用四个字解答了人工智能落地的议题——价值创造。

关于MEET2020智能未来大会：量子位主办，现场20多位行业大咖分享，1000多名行业观众参与，线上有近百万从业者通过直播参与观看和互动，包括新华社在内的数十家主流媒体报道，活动整体线上总曝光量超过千万。

要点

1、 AI落地必须回答产品经理灵魂拷问：你到底给谁创造了什么样的价值？

2、 AI的价值主要体现在三个方面：成本优化、效率提升、体验增强。

3、 AI在不同行业发展的速度不一样，有难有易，更容易发展起来的，是那些给予AI试错机会的场景。

4、 AIoT 是人工智能技术与产业深度结合的必经之路，因为硬件成本逐渐变得更低，5G让连接变得更迅捷，在这些基础之上实现非常好的IoT的连接后，就能够产生更多数据，让AI算法实现快速突破。

5、 AIoT在体系下有且仅有三种角色，分别是感知器、决策器、执行器，每个部分都有创新机会。

唐文斌演讲分享全文

注：量子位在不改变原意的基础上进行了编辑整理

谢谢大家！谢谢量子位、谢谢主持人对我们的介绍，其实AI公司做的事情并非光鲜亮丽，反而非常的实际、非常的累，所以今天我想讲点接地气的事情。

现在很多人都在讲AI，我们也可以看到AI技术确实给不同场景带来了很多应用，机器学习、深度学习都给计算机视觉、语音识别，NLP等一系列的技术提供了好的手段，使其性能有大幅度的增长。

因此，这也给不同产业带来了不一样的价值，从技术到产业落地的过程已经在实践、在发展了。

举个例子，我们现在可以通过计算机视觉帮助制造业厂商做缺陷检测，用机器人帮仓储物流行业降本增效，用AI的方式让你提前测试某款化妆品、衣服的上身效果，不用再出门去商场了。

不管是降低成本、提升效率还是增强体验，在很多场景中，AI都是用这样的方式来产生价值的。

但是这件事情并没有大家想象中的那么好。

在AI的热度之下，其实企业对AI如何落地、如何使用、如何给自己带来价值，是没有那么清楚的，落地的过程也没那么容易，这也是我一上来讲我们做的事情并没有那么光鲜，反而非常累的原因。

AI落地回归价值本身

这是Gartner统计的阻碍企业应用AI的原因，其中包括现有员工缺乏相关的技能、对AI的作用和用途不了解、缺乏数据、系统整合起来比较麻烦、场景不清晰、战略不清晰、隐私安全保护、价值不好衡量……一大堆的问题，其中有几个问题是比较关键的。

首先，我们做一个应用产品，需要尽可能控制成本，不管是算法研发的成本，还是技术应用的成本，我们必须要算这个账。这项技术／产品地使用带来的价值增量到底有多大？如果企业不采用这项技术／产品，成本相对而言是更低还是更高？你的ROI怎么样？这是我们必须要回答的问题。

第二，当我们在一个特定场景中落地的时候，需要一个完整的解决方案。如果你的方案不完整，不能帮用户解决切实的问题，企业怎么会用起来呢？所以需要明确的落地方案。

第三，需要更多的专业人员。因为理解技术和理解场景这两种知识往往分布在不同的人群，需要两类专业人员结合到一起，才能够深入到场景当中解决行业痛点、给客户带来真正的价值。

今天我们讲AI技术讲了很多，但AI本质上只是一个技术实现手段，最终大家都要回答产品经理的灵魂拷问：

你到底应用AI在这个场景给谁创造了什么样的价值？为什么你能行？为什么是现在？

这是最根本的问题，AI带来的价值有多大？客户愿不愿意用？

对于技术公司来讲，我们也需要回答这样的问题。我们需要从价值创造的角度、从需求侧来看是不是真的解决用户的痛点，技术应用能不能成规模，我们才会选择做这样的方向。

反过来讲，我们也要考虑技术能不能满足这样的场景。

任何技术，不管是人脸识别还是自动驾驶，都必须回答一个问题：你的技术成熟吗？性能足够解决这些问题吗？

我认为自动驾驶应该是从低速到高速的发展路径，先做低速自动驾驶，再做高速自动驾驶；应该是从受限场景到开放场景；应该是从运货到运人。因为自动驾驶是一个肩负着极重社会责任责任的应用，价值极其大，最终必将被人类所征服。但是它的技术也许需要三年、五年，或者十年，甚至更长的时间才能成熟。

自动驾驶是一个价值极其大的场景，自动驾驶必将被人们所征服。

所以我们在思考任何一个场景的时候，都需要回答本质问题：

你的价值到底够不够大？

技术能不能满足用户需求？

只有这两点结合起来，才能够给这个场景真正地创造价值。

从做错了也可以补救的场景开始

正是因为AI落地应用有需求侧的问题，有供给侧的技术问题，所以我们会看到不同的行业发展的速度不一样。有一些场景会相对简单，有些场景会相对的难。那什么场景更容易发展起来呢？我们觉得要先从你做错了也可以补救的场景开始。

举个例子，比如说我们现在做缺陷检测。缺陷检测场景的核心是“宁可错杀一千，不可放过一个”，错杀就错杀了，人工再来一遍就好了，通过人机结合的方式可以做到一个很好的体验。

此外在视觉识别的很多场景下，虽然AI只是起到辅助性的作用，但它帮助人提升效率、降低成本，在这些场景下，错误是可以补救的。所以虽然这种场景下AI的精度很重要，但它并没有那么关系重大，还有一定的容错率。

而在一些成败攸关的领域，比如自动驾驶，还有我们在做的生产制造、物流，都是一些更偏向主营业务线上的工具，我们有客户就提到：“如果你导致我的生产线停产几分钟，你就要给我相应的赔偿。”

因为任何意外停顿都会给客户的生产线带来巨大损失，在这样事关重大的场景，AI是不能出错的，否则付出的代价是很大的。

因此我们衡量AI落地领域热度的坐标系里有两个轴，一个轴是价值大不大，价值越大，这个领域越热门；另一个轴是技术行不行，技术越好，这个领域就会越热门。

所以AI可以赋能非常多的行业，但是当下这些行业还处在发展周期的不同位置上。

现在是发展AI特别好的时机，大家都在讲AIoT，AI+IoT是特别干柴烈火的场景，因为硬件成本逐渐变得更低，5G让连接变得更迅捷，在这些基础之上实现非常好的IoT的连接后，就能够产生更多数据，让AI算法实现快速突破，新技术也就得到了更好的结合，能够被应用到各种场景中。

AIoT的三个角色：感知、决策、执行

我分享一下旷视对于AIoT的理解。我们认为整个AIoT体系下有且仅有三种角色，分别叫感知器、决策器、执行器。道理其实很简单，比如人用眼睛和耳朵做感知，用大脑做决策，用手和脚做执行，任何一个场景都是这样的闭环架构。

举个例子，比如我们有一个产品是人脸识别门禁，就是特别简单的AIoT场景。感知环节是用摄像头拍人脸；决策环节是对人脸进行判断，如果这个人是公司的员工或访客，就把门打开；执行器就是那个门。这就是非常简单的场景。

再比如我们给日本客户做了一个演示，控制很多的机械臂、传送带、AGV（自动导引车，有轮子的移动机器人），帮助仓库、工厂实现自动化。这里面的感知环节，是有很多的摄像头对货物、场景、操作者进行感知，通过IoT的方式收集设备的数据；决策环节就是决定机械臂什么时候该动，小车什么时候去哪个地方接货物、走什么路径、送到哪里去；最后是执行需要有一个好的硬件载体做执行。

感知、决策、执行，这是我们做AIoT的框架和逻辑。

AI也好，IoT也好、AIoT最终还是要回到价值，我们到底给什么场景、什么客户、在什么样的情形下带来价值。

价值主要是三个方面：成本优化、效率提升、体验增强。所以我们必须思考如何能够给客户带来这方面的价值。

因此我们判断一个场景该不该做，也是通过前面这些方式。我们要考虑ROI，要考虑给客户带来了什么样的回报，要看技术是否成熟，场景是否够大，如何能实现规模化。

现在，任何一个场景中都需要很多算法，比如说视觉识别在工业场景中的应用，可能需要上千个算法去识别不同的东西。
所以，低成本、大规模产生算法，是AI赋能得以迅速推广的关键。

那么视觉算法如何低成本实现呢？有没有批量化生产这些算法的机制？

旷视的解决之道是做了一个底层的算法平台，叫Brain++。Brain++做的事情就是通过高效的深度学习的平台，更有效、低成本地生产算法，让研究员更快生产出他们想要的算法，通过AutoML的方式，针对已经规范好的场景，自动化生成算法。

感知层的算法、决策层的优化算法、控制层的控制算法，都可以通过Brain++降低生产成本，也降低了AI应用到一个场景的成本，让AI落地到更多产业中去。

基于算法，能够形成行业的应用软件和平台软件，比如在不同场景中需要不一样的应用软件。那么这些应用软件是否有好的PaaS层、提供好的共性、提供更低成本的落地方式，关系到整个过程能否实现低成本化，实现贴近使用场景，这是非常关键的事情。

旷视在做什么呢？我们基于Brain++算法平台，深耕三个主要的应用场景。

第一个场景以手机为终端，去赋能手机，让手机具备识别人脸的能力，具备识别各种信息的能力，能够刷脸解锁，能够把照片变得更漂亮，让相机变得更智能。

第二个是城市物联网，以相机为终端，通过分析相机中的数据，让城市变得更加的便捷和安全。

最后一个场景是供应链物联网，就是前面讲的把机器人、机械臂、AGV等一系列的自动化的设备连接起来，通过视觉的方式提供完整的解决方案，给仓库、工厂降本增效。

这是我们支持的天猫超市的一个仓库，大概用了400多台机器人，来帮助天猫超市完成整个京津冀地区的发货。如果在座的各位在北京去下天猫超市的订单，很有可能是我们的机器人系统把货发给你的。

对于旷视这样的技术公司来说，AI的场景其实是有巨大机会的，因为AI作为一个很好的手段，可以给不同的场景带来不同的价值。

具体怎么去创新呢？放在刚才感知、决策、执行的框架下来看，其实每一个环节都有创新的机会，都有做出足够好的差异化产品的机会：

我们可以做出不一样的传感器，通过感知算法加上新形态的传感设备，实现更好的感知，面向更多感知维度，提高精度，实现更好的集成度。

我们也可以做更好的决策器，这能提供很大的价值，比如解决仓库里大量机器人的统一调度、统一运行问题，需要优化的算法，需要一个决策器；如何让收集来的海量数据产生对场景有价值的计算方式和业务模型，这些都是在决策器上可以做创新的点。

在执行器上，我们也可以做很多不一样的执行器、不一样的自动化的装置、不一样的设备。AI+IoT对于场景能够带来非常多的价值，旷视作为AIoT方向的践行者，我们最早从感知出发，现在从感知逐渐迈向决策、迈向执行，也希望通过这些技术方式，最终给客户创造更大的价值。

这就是我们现在在做的事情，谢谢大家。