一场疫情，让很多新玩意儿来到了你我身边——比如健康码。
眼下，健康码已然成为了所有人日常生活的必备品。基于健康码的不同颜色，可以精准地识别健康人群和风险人群，从而及时采取相关措施以实现疫情实时监测和安全复工复产。我们能做到防疫生产两不误，健康码着实功不可没。
看似简单的健康码，背后却有着强大的人工智能和大数据技术在支撑：一方面，健康码将人们有效的信息输送给机器，使机器对庞大的、人工根本无法处理的数据进行统一处理，并根据时间和环境的变化得出有效结果；另一方面，人们又能理解健康码并在适当限制内进行有效决策，并与他人形成默契。简言之，健康码就是充分利用人和机器的长处，将输入数据与知识处理有机统一，进而催生出的一种新的人机融合智能形式。
事实上，健康码仅是疫情催化下人工智能领域的众多案例之一，诸如智能监控、无人配送、远程贷款催收等一系列应用都在接连落地。不经意间，一场酝酿已久的AI商业化浪潮正在加速到来，而此时的我们，很可能正在度过一个历史性的“奇点时刻”。
一、蜕变：商业化“奇点”或已降临
作为新一代信息通信技术的重要组成部分，人工智能自1956年问世以来就一直备受追捧。在经历了半个多世纪的曲折前行后，借着2016年AlphaGo和李世石的“人机大战”，人工智能又以全新的姿态进入大众视野。
人工智能对于经济增长和商业变革的积极作用已无需多言，但若想将理论上的讨论转变为现实，让人工智能切切实实地给人们带来效益，还必须要经历一个关键环节——AI的商业化。
历史经验告诉我们，科技并不能直接推动社会进步，任何形式的新兴技术最终都需要同商业结合，以产品的形式落地，并在商业化的应用中不断更新和迭代。唯有如此，才能切实地将科学技术转化为现实生产力，让先进技术为经济发展服务，否则再多的技术专利也只能算作是“纸上谈兵”。
打个比方，如果没有商业化思维的支撑，那么蒸汽机便永远无法成为载人载物的货车与轮船，其存在的价值也将大打折扣。
人工智能，同样如此。
虽然在历史上，受技术条件、商业环境等因素所限，AI的商业化之路走得并不顺畅，两次大起大落便是证明（见下图），但今时不同往日，在突破了曾经掣肘行业发展的多个瓶颈之后，如今AI的商业化已具备了四股强劲的驱动力：
（1）算法：深度学习促使人工智能真正实现应用落地场景。
深度学习是一类模式分析方法的统称，计算机通过学习样本数据来掌握内在逻辑和规律，进而拥有对特定时间的可能结果进行预测的能力。目前，深度学习在一些领域已经能够强于人类的表现，比如在机器视觉领域，算法对物体和场景的分类和检测错误率已经低于人类，可以做到在一些场合替代人类的重复性和疲劳性工作，从而让人工智能真正实现应用场景落地成为可能。
（2）算力：AI芯片快速发展，为算法提供充足的算力支撑。
由于深度学习需要针对海量数据做出快速的训练和推断，因而计算机硬件性能成为人工智能商业化应用的重要制约因素。但快速发展的AI芯片给深度学习在云端和设备端商用提供了保障，从最初通用的CPU到并行计算能力优越的GPU，再到专为深度学习算法定制的FPGA和ASIC芯片，其算力已从每秒十亿次浮点运算数迅速提升至万亿次乃至千万亿次。
（3）数据：为人工智能算法提供丰富训练样本。
自2012年前后至今，得益于互联网、移动设备和传感器的大量普及，海量数据的生成、收集、存储、处理等问题都得到了有效解决，而数据体量的爆炸式增长又为人工智能的深度学习训练提供了极为丰富的样本，宛如为良驹的培育积攒着足量的新鲜牧草。
（4）政策：人工智能已上升至国家战略。
2017年，国务院出台了《新一代人工智能发展规划》，标志着人工智能正式上升为国家战略；工业和信息化部印发的《促进新一代人工智能产业发展三年行动计划（2018-2020年）》，进一步明确了人工智能的战略地位；2019年两会期间，“人工智能”连续三年被写入政府工作报告，并首次提出“智能+”……
值得注意的是，疫情的到来正在给AI商业化进程按下“加速键”，除了前文提到的各种AI商业化应用接连落地之外，全社会对智能化产品的认知和需求都在强化，居民日常生活更深程度的互联网化同样显著增加了数据量的积累，为进一步优化现有的人工智能以及训练其算法增添了燃料。此外，出于应对市场需求和刺激经济复苏等多方面考虑，中央定调新基建，其中的七大门类当中，至少四类都是直接与人工智能相关的内容。
占尽了天时地利与人和的AI商业化，正迎来全新的发展阶段。
二、角逐：中美AI商业化竞争
关于AI商业化，很多国家都虎视眈眈。
据不完全统计，目前全球包括美国、中国、欧盟、日本等近30个国家和地区都发布了人工智能相关的战略规划和政策部署。相比于其他国家，中美两国当前在人工智能的赛道上都处于领先地位，而二者又直接互为竞争对手。
考虑到当前中美关系的微妙处境，以及数字技术在新一轮科技革命中的重要地位，抢占人工智能风口、加速AI商业化落地已是迫在眉睫。
事实上，无论是技术研发还是商业化落地，企业都是当之无愧的绝对主体，比起政府、科研机构等其他主体，企业直面市场、贴近大众，对于市场前沿动态和商业化需求有着极为敏锐的捕捉和精准的判断，同时为了生存和盈利，企业具备与生俱来的基因与动力去不断改善配置资源、改进生产技术，并持续提升产品性能和品质。
从这个角度看，中美两国在人工智能赛道上的企业竞争，即可视为大国角逐的一个缩影，而透过代表性企业的现有成绩和布局面貌，也能在一定程度上洞悉两国的人工智能进展状况。
我们不妨以百度和谷歌为例来分别做个简要讨论，先说前者。
百度在人工智能领域耕耘已久，一直都在资金和人才方面不吝投入。凭借着搜索、地图等前端产品的多年积累，百度已经拥有了极其庞大且多维度的样本数据。而在技术上，百度从最初做搜索需要的自然语言处理、短语分析，逐渐进入到NLP、语音、深度学习、图像识别等领域，并在人工智能专利申请数量上引领行业。
从布局版图上看，百度的智能经济“倒金字塔”格局已经成型：最底层为百度大脑和飞桨，涵盖深度学习、知识图谱、语音、机器视觉等数百项AI基础能力，扮演着“动能中心”的角色；中间层为百度智能云、Apollo、如流等面向不同赛道的智能化平台，将百度的AI动能延伸至产业链和市场层面；最上层是场景化的解决方案，包括智慧城市、智慧交通、智慧金融、智慧医疗、工业互联网和智能制造等，驱动技术的商业化落地，打通人工智能产业落地的最后一环，并为产业的智能化转型升级赋能。
再说后者。
早在2011年，谷歌就已经成立了自己的AI部门，长期致力于机器学习等技术的研发，并将该技术应用至旗下的Google搜索、Google Now、Gmail等多款产品之中，还往其开源的Android手机系统中注入了卷积神经网络开发、语音识别等大量机器学习功能，以AI技术驱动产品和服务。2016年，谷歌正式宣布将战略重心从“Mobile First（移动先行）”转向“AI First（人工智能先行）。
布局策略上，谷歌采用了一套“全面开花”的打法，底层硬件、操作系统、核心算法、上层应用均有所涉及，领域则包括语音技术、云服务、无人驾驶、虚拟现实、无人机、仓储机器人、智慧医疗等等。在实践中，一方面，谷歌不遗余力地抢占用户使用场景，从互联网、移动互联网等传统业务延伸到智能家居、智能硬件、自动驾驶、机器人等，意在积累更多的样本数据信息；另一方面，谷歌注重技术研发，不断努力研发更高级别的深度学习算法，以求增强图形语音识别能力，对信息进行更深层次的加工和处理，高性能处理器TPU、开源机器学习平台TensorFlow、语音助手GoogleAssistant等产品的问世就是证明。
除了百度和谷歌外，还有很多高科技企业都在逐鹿人工智能，比如中国的阿里巴巴、腾讯、华为，美国的微软、亚马逊、苹果等等，巨头们的探索和引领，同样为AI的商业化进程提供了动力和保障。
三、解惑：AI商业化只是赔钱赚吆喝？
即便如此，市场上仍不乏质疑或是诟病的声音，只因AI商业化的盈利难题迟迟得不到解决，整个行业皆是如此。若是看公司财报，不少公司的人工智能业务似乎更像一个拖累公司业绩的包袱，而不是一棵“摇钱树”。
难道AI商业化真的只是个赔钱赚吆喝的买卖？
当然不是。归根结底，这是由人工智能的技术特点决定的。
与蒸汽机、电力、IT等技术一样，人工智能也属于通用技术的范畴。一直以来，很多人都对处在发展初期的通用技术抱有过高的预期，认为它能够在短期内迅速促进带来经济效益。然而鲜为人知的是，这种效益与通用技术的发展之间，存在着明显的滞后效应。
根据麻省理工学院数字经济倡导行动主任Erik Brynjolfsson教授的观点，这种滞后效应源自三个方面：
第一，新技术对应的存量资本积累到具有全局影响的规模，需要一个较长时间的周期；
第二，想要充分发挥出通用技术的潜力，还必须依赖于其他相关的互补式创新技术的大力发展；
第三，为了适应通用技术的发展并从中得到好处，社会组织与机构需要经历长期的内部重构和调整，包括基础设施、制度环境、人才素质等能达到与之匹配的程度。
纵观历史，IT和电力都曾经面临过类似的窘况：发展初期，资金投入了不少，却迟迟见不到回报；但实践证明，随着技术的不断成熟，其他相关的互补式创新技术都得到发展，社会组织与机构的内部重构日趋完善，IT和电力都在后来给经济生产带来了巨大的效率提升，给企业同样创造了无比丰厚的利润。
这些也很好地解释了，为什么当前的AI商业化存在盈利难题——是因为算法、算力、数据等多个方面实现了突破，才让人工智能真正成为可以同IT和电力相提并论的通用技术，算下来也就是近几年的事情，不是没有回报，只是时候未到罢了。
话虽这么说，可毕竟人工智能行业仍处于探索中前进的时期，多数领域还是无人领航、无既定规则的“无人区”，技术路线、商业模式和产业形态等方面均具有较大的不确定性，这就意味着那些不吝投入、坚守AI赛道的玩家们还在承受着巨大风险，头部企业尤其如此。而对于他们来说，当前最重要的并非立马就能让AI变现，而是尽快摸索出一条能真正“跑通”的商业模式，否则便成了时间与资源的空耗。
可喜的是，一些玩家看到了曙光。
仍以百度为例。虽然市场上有不少人质疑百度AI业务线的变现能力，但一个不能忽视的事实是，其AI收入的确是在快速增长的。有机构根据百度财报数据做过这样一番测算：剔除以搜索、信息流支持的“在线营销服务”（Online marketingservices）这一主要收入来源，再从“Others”里剥离爱奇艺等其他板块的影响，剩下的就约等于其AI商业化规模。而结果显示，2017、2018和2019三个年份，该项数值分别24.44亿元、47.04亿元和85.97亿元，年均增速高达87.6%；即便2020年的增速因疫情原因而打个对折，其规模也能超过120亿元。
不仅如此，百度的AI业务商业化已有三大分支正在得到印证，分别为小度助手、智能云和Apollo智能驾驶，我们或许可以从数据中窥探一斑：
（1）Strategy Analytics的数据显示，2020Q1小度出货量为410万台，为唯一保持增长的头部品牌，硬件销售规模大概在40~50亿元；而今年3月份，小度助手语音交互次数达到65亿次，是去年同期的近3倍，智能屏使用时间达到3个小时；
（2）据IDC报告，在中国AI公有云服务整体市场格局中，百度智能云在整体调用量、市场份额方面均名列第一，拥有业内最多的AI产品数量；
（3）研究机构Navigant Research报告显示，百度Apollo无人驾驶项目在全世界排名第四，处于全球第一梯队；而借着新基建的东风，今年前6个月时间里，百度拿下智能交通数十个项目，并在全国7个千万级订单中拿4个，市场预测这波项目收获将给Apollo带来10亿体量的收成。
接近百度的消息人士告诉笔者，未来2到3年内，小度助手、智能云和Apollo各自实现100亿元营收，并将有望撑起百度AI板块400亿美元以及公司整体千亿美元的估值。
类似的案例还有很多，不再赘述。而从行业的角度看，AI商业化前景正因为巨头的坚持和努力而变得愈发明朗，这或许是更令人期待的事情。
四、结语
前不久看到这样一段话：
“一本名叫《第七感》的书谈到，古生物学家斯蒂芬·杰·古尔德（StephenJay Gould）将物种进化过程中的突变称为‘间断平衡（punctuatedequilibrium）’，即世界从一种均衡态跳入另一种均衡态，永无回头之时……虽然古尔德所指的是恐龙的灭绝，但这一理论同样适用于思考历史。”
眼下的我们，可能正处在这个时刻。而一场酝酿已久的巨大变革，正在疫情的驱动下逐渐拉开序幕。
道阻且长，行则将至。而最难能可贵的，恰恰正是那份只争朝夕的精神和持之以恒的坚守。
