张发恩:区别还是很大的。做 AI 的公司比如商汤、旷视、科大讯飞等等,创新奇智体量来讲比他们稍微小一些,但是我们的增长速度却很快。创新奇智从成立到 2018 年年底,也就半年多的时间,我们的合同收入就超过一个亿了,所以我们商业化速度是非常快的。从业务增长的速度上讲,很多独角兽 AI 公司第一年的时候也很少有这样的速度。
颖奇:您的个人经历大概是怎样的呢?又是怎么加入到这样快速发展的创新奇智的?
张发恩:我 2007 年从中科院毕业,然后去微软做 Office,当时主要是做 Office Link,就是现在的 Skype。2010 年年底我去了 Google,在 Google 五年多,主要做搜索和知识图谱。2015 年底去了百度,任百度云技术委员会主席。那个时候基本上就在做 to B 的业务了,涉及大数据、人工智能、机器学习平台等等,推进百度云与人工智能的深度结合,开创「ABC 一体机」,将百度的人工智能技术赋能给客户。然后我 2018 年 3 月来到创新奇智。
张发恩:我们有一个概念叫做 AI 1.0 和 AI 2.0。AI 1.0,大多是博士创业,更多的会关注论文、科学家、项目、专利,是以技术来定义公司的业务。AI 2.0 是以业务来驱动技术,或者说是以业务为导向,技术再跟上。但这并不代表我们不重视技术创新,我们也会重视论文,但一定是以实体行业为导向的论文创新。发表的论文应该可以创新性地解决一些商业化落地中的难题,而不是一堆学者在没有商业场景的情况下自己去找出一些前沿的学术问题去解决。
颖奇:这跟我们现在做的事情一样,ONES 也是一个 to B 公司,有产研和销售部门。销售部门要了解客户需求,然后再去影响产研应该做什么样的产品。关于创新奇智是如何利用 AI 服务客户的,能否请您举个例子说明一下?
张发恩:我们的客户目前有 100 多家,零售行业有玛氏、雀巢、永辉、嘉士伯等等,我们用深度学习视觉去赋能它们。比如雀巢或者嘉士伯,典型的场景就是帮它们去识别超市货架上的商品陈列。零售公司会有很多一线巡店的业务代表,业务代表需要知道商品在货架的陈列情况。他们传统的操作方式是去一个一个地数商品在货架的数量,然后记到工作簿中,效率和准确率都很低,也不利于品牌方对数据的统计,严重时会因为一线数据统计错误而误导营销决策。针对这种情况,我们推出渠道陈列解决方案,业务代表只需用手机对着货架拍照,通过 AI 技术自动识别商品名称和陈列情况,实时返回到客户端,并且可以生成报表。
颖奇:是否有一些可以量化的数字能够说明 AI 带来的影响?
张发恩:原来一个业务代表一天可以做 5-10 家店左右,因为路上还有通勤时间,还会受店面陈列和面积的影响。现在 AI 落地后,业务代表去现场拍照片就可以走了,基本上是原来 3 倍的效率。另外还有一个因素,原来人工抄写的时候,人会抄错,也可能会自己编写信息去作弊。而商超货架的陈列情况是对快消品牌很重要的一个价值点。我们的算法当中有防作弊和防翻拍检测,业务代表需要自己在门店前进行拍照签到,如果是虚假照片,我们的技术也是能识别出来的,这样最大程度确保了终端执行情况。对客户来讲,AI 可以节省人力,提高质量和效率。
创新奇智的自我进化
颖奇:您觉得中美之间,在 AI 的具体应用上有怎样的区别?
张发恩:我觉得中美之间在人工智能领域其实有非常大的区别。美国是典型的技术创新、算法创新为主。中国的 AI 产业,尤其是进入 AI 2.0 时代以后,就更加务实了,注重模式创新、商业创新。所以今天很多好的算法还是出自于美国,但是真正把这些好的算法应用到行业或者模式当中,还是中国做得好。这两个谁优谁劣在今天很难说,是处于产业链的不同层次的。
颖奇:中国明显是更注重 AI 的应用。您认为创新奇智作为一家与产业相关的 to B 公司,最大的风险在哪里?
张发恩:目前我认为最大的风险是客户拥抱 AI 的信心和耐心。有些传统的公司不相信 AI,信心就是一个风险点;耐心是说,AI 落地的过程,不是一蹴而就的,而是一个润物细无声的缓慢发生的过程。每天进步一点点,一百天以后,结果就大不一样了,所以这个时候要有耐心。有些传统公司,一没信心,或者有信心的时候没有耐心。AI 方案上了一个月发现效果不明显,就开始怀疑 AI 的价值。我觉得最大的风险是来自于这里,而不是来自于 AI 公司。其实我们要去赋能行业的时候,我们心里就做好了要深入了解这个行业的准备。我们是有信心和耐心的,但是客户也要有。所以今天我们很多策略也是优先去找头部客户,然后树立典型,树立标杆。