創新工場今年和全球三大管理顧問集團BCG波士頓諮詢合作了一個AI賦能產業的專題研究，我在開篇專文提到「+AI」的未來，定制化服務的需求要遠多於標準化。未來還會有這個研究的系列文章，將陸續分享給大家。

李開復：人工智慧已從「AI＋」邁向「＋AI」-- 本文来自BCG微信公眾號，經授權轉載。

我曾經預測過未來20年，AI的發展將會在中國帶來影響深遠的產業變革。這是基於在大陸，AI有著明確且豐富的落地應用場景，已經有大量的AI企業活躍於這些垂直領域，積極探索市場化的路徑。作為擅於趨勢前瞻的TechVC，創新工場已經投出了7家AI獨角獸。中國傳統行業規模巨大，正處於科技驅動的升級轉型關鍵時期，我們希望通過科技的力量，為傳統企業降本提效，推動中國實體經濟的發展。

近期，我帶領創新工場團隊與BCG波士頓諮詢旗下的亨德森智庫合作，推出「AI融合產業：‘改造者’如何促進AI普惠」系列研究，通過介紹創新工場投資的AI企業如何賦能傳統行業，探究傳統企業在應用AI過程中的關鍵要素與合作夥伴，以及傳統企業擁抱AI的範式與路徑，以期對行業企業應用AI有所啟迪。

以下為系列研究的開篇內容：

系列導讀

眾所周知，中國大陸在人工智慧（AI）領域的發展世界領先，尤其在產業應用方面，各行各業都開始嘗試在產業鏈條的不同環節應用AI，以最大化生產與服務的效率。BCG與MIT於2020年發佈的年度AI1報告調研顯示，2020年，在大陸，76%的企業都或多或少應用了AI2，而這一數值在美國是41%，在歐洲是44%。

除卻政府及資本市場的支持、充分的市場競爭與資料供給、勞動力紅利逐漸消退等因素，我們發現，有另一大因素至關重要——在這裡，人工智慧有著明確的落地應用場景，大量AI企業活躍於這些垂直場景中，充當產業中傳統企業應用AI的橋樑，我們稱之為“改造者”。“改造者”通過傳授其AI技術和垂直行業理解，極大地打破了傳統企業應用AI的瓶頸。

本系列由BCG亨德森智庫與創新工場董事長兼首席執行官李開復博士帶領的創新工場團隊共同推出，圍繞「AI融合產業：‘改造者’如何促進AI普惠」的課題，我們致力於探究傳統企業在應用AI過程中的關鍵要素與合作夥伴，以及傳統企業擁抱AI的範式與路徑，以期對行業企業應用AI有所啟迪。

創新工場由李開復博士創辦于2009年9月，作為國內頂尖的科技型創業投資機構，創新工場深耕在人工智慧&前沿科技、自動化、B2B企業服務、醫療、消費、互聯網等領域，並不斷探索與創新，致力於打造集創業平臺、資金支援、投後服務等的全方位生態投資服務平臺。

對談實錄

Q1
我們知道您接觸過非常多的人工智慧企業，您認為當前人工智慧的應用和發展呈現出什麼樣的趨勢？

李博士：起初，發展通用性人工智慧技術的企業有很大的規模優勢，因為只有少數企業掌握圖像識別、語音辨識等技術。比如，在圖像識別領域可能只有商湯科技和曠視科技這樣的頭部企業具備顯著的技術優勢，他們天然能夠佔據更大的市場份額。

但是橫向的、通用性的技術正在快速地大眾化（commoditize），越來越多的企業逐漸掌握相關技術。以圖像識別為例，攝像頭公司、物聯網設備公司，甚至醫療器械公司都開始具備這項能力。在過去，企業僅利用技術層的優勢就能夠攫取價值，如今這變得不再容易。AI已經從「AI＋」的黑科技發明期邁向「＋AI」的應用為王階段。「AI＋」仍會有價值，但「＋AI」則能創造更大的經濟貢獻。更何況科技巨頭可以迅速地以價格、規模等優勢搶佔市場。總而言之，能夠攻破一項技術或平臺的方式太多了。

當然，在特定領域有特殊技術優勢或重大突破的企業依然能夠變現其技術優勢的價值，只不過它們能夠領先市場的時間視窗相比於過去也可能會更短，這些企業需要思考除了技術突破之外，如何能夠迅速地找到落地場景，進而探索市場化的路徑。

與橫向通用技術相對的，垂直的、行業特定的技術解決方案更能夠建立壁壘。在我看來，各個垂直行業都會出現垂直技術企業的爆發機會。中國企業不像美國企業，比如在企業管理軟體方面，由於美國企業標準化程度更高、數位化基礎更強，科技巨頭更容易整合服務，而中國企業，特別是傳統企業行業各有特點，需求各異，要非標得多、碎片化得多，可直接嵌入AI解決方案的現成平臺並不多。中國傳統行業規模巨大，正處於科技驅動的升級轉型關鍵時期，AI、自動化等平臺技術將為其降本增效，創造出巨大的經濟價值。在這個過程中，垂直、特定的行業技術解決方案有望在企業服務賽道上 “彎道超車”，汽車、銀行等各行各業都可能湧現出全新的、垂直的、創新式的行業特定的AI解決方案。所以說，「＋AI」的未來，定制化服務的需求要遠多於標準化。

那麼定制化的服務如何定價？技術企業需要深入到行業當中、業務流程當中，識別人工智慧能夠實現的、替代的價值。中國的AI企業每天都在反覆運算，它們剛開始時可能擁有某種通用技術，然後再根據具體的商業問題和場景不斷定制化——思考這項技術能為製造業，又或者醫療健康行業帶來什麼改變？該如何銷售、銷售給誰？在企業中，誰有興趣買？又是誰在做購買決策？與之相應地，AI企業需要再調整其商業模式。

Q2
我們理解人工智慧技術企業需要更深入到垂直行業中去，那另一方面，傳統企業又應當如何應用AI？

李博士：當前大量中國傳統企業在爭先恐後地應用AI，或者嘗試應用AI，就像在電氣時代誰沒有應用電力就會被自然淘汰一樣。尤其是在保險、零售、電商等行業，企業不及時擁抱AI可能就會被新的AI玩家顛覆，或者被應用了AI的競爭對手顛覆——每一次AlphaGo、AlphaFold的突破都會加劇企業的這種焦慮感。另外在經濟下行期，企業也有提升生產管理效率和節降成本的需求，需要尋求像流程機器人之類的自動化的解決方案。

在我看來，傳統企業需要滿足以下三方面的要素，才能夠有效地應用AI：

■ 開明的決策者。技術的應用會給傳統的企業運作模式甚至業務模式帶來顛覆，需要開明、堅定的決策者在整個企業組織中一以貫之地推動變革，來應對可能出現的各類阻力和反對的聲音。

■ 切實可行的計畫。找到可落地的速贏點並付諸實踐，借此向員工展示AI應用的巨大價值與潛力。比起一上來就全面鋪開，尋找單點進行突破顯然更加容易，這一單點最好是非爭議性的、非業務核心的、風險較低的，從這一單點再慢慢地向整個業務流程延展，通過單點速贏逐漸增加員工對AI的理解和信任。

■ 數據。企業需要有高品質的、與業務緊密相關的標識資料以及回饋閉環，將企業不同部門或子業務緊密相連。我們見到過太多失敗的AI應用專案都是敗在資料上，因為企業缺乏高品質的資料。

■ 要點回顧

1
當前，大量行業通用性的人工智慧技術均面臨迅速的大眾化，而垂直行業領域的專識變得更加重要，垂直領域的AI應用成為大勢所趨。

2
傳統企業需要抓住時間視窗，憑藉多年深耕行業的經驗積累，在AI技術企業追趕行業知識的檔口自我顛覆、自我革命。

在BCG看來，傳統企業擁抱AI有多種方式：自建AI能力，與科技企業形成合作或合資企業，以及在這個系列中我們將重點探討的——與AI技術企業合作形成垂直行業生態圈等等。

《身體記憶比大腦學習更可靠》

這是一本”找感受度”的書

當你要教一個小朋友騎腳車, 游泳, 或是任何技能時, 會鉅細彌遺地把所有執行方法交代清楚才讓他們開始嘗試嗎？ 又或者說, 每一個人都會騎腳踏車, 但是隨便找一個人描述一下他們怎麼可以一遍前進一邊維持平恆其實是有困難的

在近代, 絕大多數的學校教育都遵行的笛卡爾”我思故我在” 的身心二元論： 人類的心智是由大腦發展出來的, 而身體只是智慧的一個載體. 因此所有學校教育全力注重在語文數學社會之類的理論課程上, 體育課的時間相對被壓縮. 因為人們相信使用統計化與系統化的學習, 可以有效地提升邏輯與辯思能力, 這也是被認為是未來人類發展的主要方式

從傳說笛卡爾製造了一個女兒的機器人開始, 人類就開始醉心於人工智能的開發. 而過去幾年, 機器首先在西洋棋盤上擊敗了人類之後, 最新的技術AlphaGo也在數年前連續三次完勝人類的圍棋冠軍柯潔！ 至此, 人工智能的新紀元降臨, 電腦的運算速度與儲存資訊量是人類所遙不可及的！

完了完了, “機械公敵”的電影世界要成真了..

可是真的是這樣嗎？

我們在街上可以看見越來越多裝配有輔助駕駛的車子, 但是不管什麼品牌的車商, 一開始信誓旦旦的跨下海口他們可以在幾年知道製造出第五級自動駕駛的汽車商 (100%不需要人類), 在過去幾年之中紛紛宣布： 要達到這個目標比他們想像中的困難 (但是只有馬斯克對此還表示出非常大的信心)

在自動駕駛系統中, 設計師把所有的汽車動作透過數據而模組化, 讓它們可以經過運算而在路上控制車體的動作. 但是最大的困難就是在不管是任何道路之中的實際情況是瞬息萬變的, 包含突然改變的風速, 掉落的障礙物, 無預警闖入小動物等等, 這些都與在有固定範圍以及明確規則下的棋盤內不同. 所以我們知道, 將一個醫療機器人放在手機製作的生產線上一定會出現大問題, 因為外在環境已經改變了, 與在電腦內原先預設的演算程式不一樣, 工作人員除了改造外形之外, 也需要重新設計所有軟體

當你聞到了一個熟悉的麵包味道, 回憶會馬上把你拉回兒時放學時經過一家麵包店的情景; 當你看到了前男/女友留下來的一個小物品時, 腦中馬上會浮現在當初在相處時對於這個東西的回憶; 當你聽到了一首流行老歌時, 時空在瞬時間會轉換回到學生時代, 可以讓你徜徉其中不可自拔

我們所認知的世界, 除了先經過大腦的思考與分析之外, 也靠我們其他的感官所汲取的資訊同時輸入所建構起來, 這就是”體驗”. 身體的感知能力, 就是記憶的中心. 在學習時, 讓全身的感官同時參與, 就可以幫我們打造更多層次的大腦地題, 這也是我們在運動時常常提到的”本體感覺”. 我們的五感 (視覺, 聽覺, 觸覺, 味覺與嗅覺) 從身體各處接收到無數資訊後, 轉化為電位傳回中樞神經系統, 而形成了第六感： 直覺

有的時候迷路時, 你會很自然地知道要往哪一個方向轉彎; 在很短時間內要做一個決定時, 你當下會不假思索地做出選擇; 甚至是你可以下意識的分辨出你眼前的這個人是否在說謊. 這些都是直覺, 而直覺靠的就是所有感官經驗的累績. 這不是透過系統模組化與運算就可以做得到的

書中有提到好幾個例子： 華爾街的金融顧問僅僅使用統計分析的數字來決定未來的投資方向, 但是到最後對於市場的預測往往與實際上有很大的落差; 一些消費用品的廣告鎖定了特定的目標族群, 但是經常發現與與想像中買氣完全不一致. 因為第一, 數據呈現的是一個平均值, 無法表明一些誤差的來源, 第二, 冷冰冰的統計結果沒有情感, 無法體現消費者實際市場上瞬息萬變的思考模式

在我個人的記憶力就有一個印相很深的例子： 在某一年, 我服務的某一間公司很大器的砸重金買了上海地鐵二號線一個月的廣告, 二號線總長度接近70公里. 他們在車廂內所有的拉環上都貼上了健身房的廣告, 主打： 在每一站的出口都會有一間xx健身房！ 他們希望透過這一波宣傳來大力提昇該月的來訪數. 結果, 隔一個月開高層會議時, 發現前一個月花了大筆鈔票的過靠成效幾乎等於零… 那個月市場部總監被臭幹到差點從樓上跳下去…

可是為什麼會這樣？ 因為假如實際每天坐地鐵通勤的人都會知道, 沒人真的去看拉環上寫的是什麼, 所有人都是瘋狂低頭滑手機！ 而偏偏當初做這個決定的人, 每天都是開車上下班, 就算有搭乘地鐵, 也只有偶一為之, 所以無法真正的掌握實際狀況

打不死的蟑螂, 存在在地球上的歷史比人類還久, 時至今日, 他們唯一的天敵就是拖鞋. 而我們都有過滿屋子追著小強跑的經驗, 有的時候快把家都翻過來了還不一定打得到牠們, 更別說牠們給你來一了一個更大的驚喜, 飛了起來！！！

蟑螂的大腦只有一百萬的神經元, 而人類卻有一千億個. 但是牠們的腳上卻有無數的知覺接收器官, 可以接收外在的溫度, 壓力, 以及物體移動. 其實另外一個更好的例子就是章魚 (有興趣的可以看一下’’我的章魚老師”)

人類有模仿的本能, 之前1977年的一個實驗就發現出生僅12天的嬰兒的表情就會隨著在他們面前實驗人員的改變而改變. 所以當我們在學習一個新事物的時候, 必須要有一位效仿的對象可以讓我們就近觀察. 在細看他們的過程當中, 我們很自然的會使用上我們所有的感官去做揣摩, 進步是最快的. 所以在每一行業之內, 要最快進入狀況就是找一位師傅或是前輩, 除學習他們的知識以外, 也是吸取他們的技巧與經驗

在看這本書時我一直聯想到我們的這個圈子..

運動也是一樣, 你怎麼可能從書本的圖片就學會怎麼臥推？ 你要如何從影片中就學會怎麼深蹲？ 這些學習的方式正如人工智能一樣, 把運動分段, 模組化, 但是這些方式無法與你互動, 無法及時給你口令與指導

商業健身房的經理主管每一天瘋狂的開會逼業績, 指責教練為什麼會員約不來? 預約數太少? 他們有沒有實際在健身房中與會員聊過天, 觀察過每一個時段人流的改變？ 了解一下目前的環境是否存在一些什麼問題？

有些教練不斷的進修, 認為這樣可以不斷的提升他們的專業度. 但是卻無法理解為什麼自己都這麼苦口婆心了, 會員還是無動於衷？ 但是真的願意放慢角度來好好發揮同理心體會一下會員真正想法的教練也不多

因此, 過去我們都把人腦視為一個精密運算的電腦, 但是現在看來, 遠遠不足夠, 還要搭配身體的力行, 強化所有感知與智慧緊密搭配, 才是進步最快的方式

我非常同意功能性訓練大師Michael Boyle的主張： 他完全不建議在健身房內放鏡子. 確實, 在運動時如果我們過度依賴視覺, 反而會削弱其他感官訊息的輸入. 所謂的”本體感覺”, 就是我們可以掌控到我們的身體在什麼速度下, 輸出了多少力量？ 移動了多少的距離？ 關節與肌肉如何相互的影響？

我覺得這一本書可以讓我們重新的檢視我們學習或是教學的邏輯, 走出過去侷限我們的思考框架, 任何事情使用理智的分析建構固然重要, 但是身體在學習過程中的各種體驗也是不可或缺的, get your hands dirty, 讓我們實際將自身的所有的體驗與大腦連結, 創造出一個更加全面的身心成長！

開發出 AlphaGo 的實驗室「DeepMind」，在上個月底宣布開發出 #AlphaFold 的AI軟體，能藉由胺基酸序列預測出蛋白質的 3D 立體結構。
　
而這個技術上的突破，也不免讓人懷疑從事相關研究的科學家，是否就此失業了呢？不過人類真的有可能輕易被 AI 取代嗎？
　
延伸閱讀：
我們與《魔鬼終結者》的距離，AI 真的會成為人類的威脅嗎？
https://pansci.asia/archives/172968