大数据和人工智能发展的思考

10月12日，第七届中国智能产业高峰论坛在佛山开幕，在第一天的主论坛上，北京拓尔思信息技术股份有限公司副董事长、总裁施水才发表了主题为《大数据和人工智能发展的思考》的精彩演讲。

在演讲中，施水才先生从自身多年大数据技术和服务领导者角色的角度，介绍了旗下利用大数据技术推出的数据增值服务平台，并得出了数据信息知识智能智慧的价值提升路径。从大数据、云服务到人工智能，施水才为嘉宾铺设了一条如何利用大数据去实现人工智能增值的道路，有很大的参考价值。

以下是施水才先生的演讲整理稿：

大家上午好。非常感谢中国人工智能学会邀请我在大会上做分享报告。今天我想给大家分享一下对于大数据和人工智能产业的发展思考。

我想讲的第一点是我认为把大数据和人工智能产业进行一些比对，把这两个事情放到一起比对是非常有意义的。第二点想讲的，到底我们是人工智能+行业，还是行业+人工智能，谈一下我的理解和认识，第三点我觉得我们需要突破人工智能现在非常强调3个要素，就是计算能力、数据和算法，我认为对于未来人工智能的研究和应用，仅有这三点是不够的，应该有其他重要的因素需要加进来。第四点我想探讨的是我们现在在人工智能的几个方向里面，哪一些还有大的机会，来让我们创新、创业、赚钱，最后讲一讲我们自己基于NLP平台的一些人工智能应用实践。

大数据和人工智能产业的对比

对比大数据和人工智能产业的发展是有启发的。因为人工智能的发展和数据密不可分，而且目前人工智能发展所取得的成就大部分和大数据密切相关，因此观察大数据产业的发展对人工智能产业发展很有意义，同时我们认为数据驱动的商业（DataDrivenBusiness）比智能驱动的商业更符合产业的本质，实际上大数据产业的落地能力是强于人工智能的，所以大数据产业发展中出现的问题对人工智能产业发展很有意义。

大数据的发展有几个方面对人工智能的发展有启发。包括数据的重要性，数据质量的重要性，应用场景的重要性，行业知识的重要性、政策法规的重要性，以及变现的模式的参考意义。大数据从2010年在美国白宫首先开始制定一些政策，到2012年我们国家开始热起来，这几年出台了很多政策规范，甚至搞了很多园区，但是我们现在发现整个大数据产业仍然处于非常早期的阶段。为什么这么说？第一，它在哪些方面推动了产业的变革？第二，谁赚到钱了？现在基本上只有互联网的大公司通过推荐精准化营销、电子商务等等赚到钱了，但是我们大量从事产业大数据的企业大部分还在烧钱，行业也没有从大数据中收益和发生大的产业变革，仍然处于非常早期阶段。人工智能也是一样的，大部分的AI企业仍处于投资和烧钱的阶段。

再细化一下，我们看看影响整个大数据产业发展的4个要素：数据开放、技术研发、产业生态、法律法规。总体上讲，目前大数据产业发展非常早期，仍然是大数据投资和创业的良机，在产业生态上主要的特征是垄断和新的数据孤岛，大数据创业公司仍需3-5年才能实现规模盈利，大部分在持续的烧钱，2017-2018年产业整合趋势明显。在数据方面，互联网大企业的数据霸权主义、政府数据公开的艰难（在国际上很落后，60名开外），行业和企业数据的难以获得以及灰色数据灰色产业链，以及个人隐私问题都非常的突出，我们国家每年数据交易的市场是500个亿以上，但是合法的只有10%左右，90%都是灰色数据链，所以导致最近公安查，说很多大公司被抓起来了，个人隐私问题非常突出，要破解数据的魔咒，需要在法律法规和产业生态两个角度去破局。

除了数据及数据的质量外，应用场景是非常重要的，大数据的4个V不重要，Hadoop/Spark不重要，重要的是应用场景，那么对AI来说也是一样的，因为实际上我们看到大数据和AI的热门应用领域实际上重合度很高：金融、健康医疗、教育、在线广告、情报分析应用场景和行业密切相关，主要是垂直化和行业化，一旦进入行业，你就会发现，很多问题来了，所以我们说人工智能发展仅仅强调数据、算力、算法是不够的。

政策法律也非常重要，在互联网时代，我们国家互联网发展为什么快？其中一条人多，人口红利，还有一条非常重要规则没那么严，政府和行业对互联网的支持比较多，企业层面有时甚至有点蔑视规则。但是大数据和人工智能时代，像互联网早期那样野蛮发展已经行不通了。现在数据开放和隐私保护，从个人隐私到人身安全，工业机器人维修，因为搞不好会死人的。

小节一下，通过对比大数据和人工智能产业的发展，我们可以得到如何几个结论：人工智能产业仍处于非常早期的阶段；数据的重要性不容置疑，但问题多多；应用才是驱动力；垂直行业才是大部分参与者的机会所在。

人工智能+行业or行业+人工智能

今天想和大家分享的第二点是关于到底是人工智能+行业还是行业+人工智能。我的基本看法是行业+人工智能仍然是智能产业发展的主流。我们觉得行业+人工智能可能占到90%，人工智能+行业可能只占到10%。区别在哪里？人工智能+行业是创造新模式，更多表现在以前这个行业不成熟，或者没有现有的很好的商业模式，比如像自动驾驶；而行业+人工智能是对用人工智能技术对行业进行变革和改造，要么降低成本，要么提高决策和管理水平。比如法律啊、教育啊、金融啊。很对AI的新技术在消费领域和工业领域的应用也不一样，比如消费领域的人脸识别、美颜相机在工业领域可能是身份认证、银行开户、安防监控、商业分析；消费领域的语音识别和输入法技术可能是智能客服应用，深度学习和图像识别在工业领域可能是智能分拣和安检应用。

如果90%的机会在于行业+人工智能，那么钱、数据和算法就是不是决定性的因素，如果钱是决定性的因素，那未来也就不会有什么创新了。行业知识和行业专家是壁垒，所以说大公司压迫下的创业公司仍具有广阔的空间，那么那些行业将实现AI爆发或者说受到冲击最大呢？刚才李德毅院士说的很好，四个行业，制造业、教育、金融、医疗，我非常认同，我觉得最关键的是要看两点，一个是行业本身的成长空间，就是说是否足够大，是否未来有成长性，另一个是这个行业是否依赖于人的经验和知识，依赖越大的，被人工智能取代的需求就越大，比如医生，主要是专家太少。我们投资过的一个项目，是病理切片癌症诊断，据说全国能看病医生也就不到1万个，而合格的专家只有不到500个，你看需求多大，大数据和人工智能可以解决这个问题，IBMWatson的思路也是一样的。另外就是律师和金融行业的人，主要是太贵，律师一小时多少钱，金融行业动不动几百万，其实你用了大数据和人工智能后发现，其实他们不值这么多钱。刚才李院士说制造业我国使用机器人的数量远远落后韩国日本等，主要原因我觉得还是成本问题，所以我认为最紧迫的可能不是家政机器人之类的，而是取代高成本的人力以及人力不够的行业。

人工智能产业还有一个特点比较鲜明的。就是他是Embedded，嵌入式的，所以可以说AI技术是一种EnablingTechnology。未来所有的企业都应该是AI企业，所以你看现在包括Google百度都说自己是AIAllIn。

人工智能的三要素问题