李根發(fā)自凹非寺
量子位報道 | 公眾號 QbitAI

編者按：這是創(chuàng)新工場董事長李開復(fù)在2019上海世界人工智能大會上的主論壇演講。

此前對于AI開啟的行業(yè)賦能，已經(jīng)被很多次闡釋、驗證并不斷產(chǎn)出成果。

但對于“AI+”的發(fā)展路徑、邏輯和未來，在李開復(fù)之前還沒有人有過如此大道至簡式的分析。

或許跟李開復(fù)的履歷和現(xiàn)在密不可分。他是80年代的計算機博士，論文成果就是AI領(lǐng)域的研究，是懂AI的科學家。

他又先后任職微軟、谷歌等巨頭，完整經(jīng)歷了IT、互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)的演進，是繼往開來的產(chǎn)業(yè)變遷一線參與者。

現(xiàn)在AI復(fù)興以來，他創(chuàng)辦的投資機構(gòu)創(chuàng)新工場已投資60家AI公司，其中獨角獸就有5家。以及思考著作《AI未來》，在中美都成暢銷讀物，后又被印成多國語言，周游列國AI。

所以這一次“AI+”4時代的思考，更是真正頂級全球視野之下的分析。

參考這個邏輯，或許還能解答另一個問題：

AI公司如何發(fā)展？又會往哪里去？

原演講題為《“AI+”時代的到來》，小標題為后添加：

尊敬的陳市長、王部長，各位嘉賓，今天我要講的題目是《“AI+”時代的到來》。“互聯(lián)網(wǎng)+”曾經(jīng)是一個非常普遍的口號，今天我們要講的是“AI+”。

“AI+”是什么意思？我們可以看到在過去的每一波浪潮當中，我剛剛從日內(nèi)瓦回來，和施瓦布教授（達沃斯世界經(jīng)濟論壇發(fā)起人）交流，我們看到的是第四次工業(yè)革命在過去的蒸汽機、電氣化、信息通信技術(shù)和互聯(lián)網(wǎng)基礎(chǔ)上，AI將帶來第四次工業(yè)革命，AI在各種不同行業(yè)都有應(yīng)用。

AI演進4浪潮

在我的書《AI未來》當中，我們描述了四波“AI浪潮”：

AI是數(shù)據(jù)驅(qū)動，海量的數(shù)據(jù)是AI成功的要素，所以第一波浪潮一定是互聯(lián)網(wǎng)數(shù)據(jù)的這一波。

第二波浪潮是金融和很多其他的有標準化產(chǎn)品機會的各種領(lǐng)域，所謂的商業(yè)智能化，數(shù)據(jù)倉庫。

第三波浪潮是AI將有眼睛、耳朵還有更多傳感器可以聽到，感受到人類更多的信息。

第四波浪潮AI將能夠動，有手有腳，有輪子，在制造方面，在機器人方面，在無人駕駛方面將帶來很大價值。所以它將重塑各個行業(yè)。

從互聯(lián)網(wǎng)進入商業(yè)，進入實體世界，進入全自動的智能化，我們可以看到，下面的各個領(lǐng)域幾乎涵蓋了人類社會的所有的商業(yè)領(lǐng)域。所以“AI+”就是把AI賦能到這四波浪潮當中的一個機會。

另外我們學術(shù)界朋友談的一個重要話題就是深度學習是不是走到底了？我們做科研的人是不是該啟動新的科研課題？這個答案是肯定的。因為深度學習進入了成熟期，我們在產(chǎn)業(yè)界開始使用它，但是在學術(shù)界確實需要再發(fā)明更多更好的技術(shù)。

這個話題的另外一面在于，雖然說我們在學術(shù)界要發(fā)明更多更好的技術(shù)，取代深度學習的技術(shù)，但是這是不可預(yù)期的，因為科學發(fā)明無法預(yù)期什么時候發(fā)生。但是非常確定的是在工業(yè)界和產(chǎn)業(yè)界，我們把深度學習發(fā)揚光大還有非常大的機會。

一個研究告訴我們，AI在傳統(tǒng)行業(yè)的滲透率只有4%，如果說我們對比前兩次巨大的革命，我們今天的AI的普及狀態(tài)就和當年的“黃頁”是一樣的。“黃頁”大家都知道吧，馬云先生的第一次創(chuàng)業(yè)就是“中國黃頁”，那個時候互聯(lián)網(wǎng)普及率就只有4%。

這一方面意味著AI應(yīng)用還非常少，另一方面意味著，未來發(fā)展的機會非常大。雖然我們看到AI在安防等領(lǐng)域有一些落地，但實際上我們只要問周圍的企業(yè)家朋友，你的公司有沒有全面使用AI，我相信96%的回答是“No”。

“AI+”4階段

如果說從我們投資角度來劃分AI的四個時代，我認為分為：AI技術(shù)時代、AI B2B時代，AI＋傳統(tǒng)企業(yè)時代、以及 AI 無處不在的時代。

最開始AI是很難的，只掌握在非常頂級的博士手中。慢慢的它越來越好用了，最近在創(chuàng)新工場我們做了一次培訓，僅僅4周的時間，我們招了600個當屆的學生，讓他們做出了包括無人駕駛、對話機器人等頂級應(yīng)用。這意味著AI門坎在下降，AI技術(shù)平臺越來越好用，所以AI普及帶來了更多工程師，他們可以賦能更多行業(yè)，這是驅(qū)動的一個重要力量。

回到四個AI的階段，我們可以和互聯(lián)網(wǎng)時代對比。

我們記得20多年前，互聯(lián)網(wǎng)貌似是一個黑科技，當時雅虎等都是讓人不可想象的技術(shù)，這些技術(shù)大家非常快的掌握了，我們開始買Web Server等互聯(lián)網(wǎng)內(nèi)部服務(wù)器的一些軟件。

再下面各個公司就建立了互聯(lián)網(wǎng)部門，有了互聯(lián)網(wǎng)專家來幫助公司尋找方向。當時我在微軟，我們就建立了一個互聯(lián)網(wǎng)部門，專門教公司的人怎么切入互聯(lián)網(wǎng)，但是這個部門很快解散了，因為互聯(lián)網(wǎng)無處不在。隨著技術(shù)的普及，一定會從黑科技走向一個無所不在的過程?，F(xiàn)在我們正處于第二和第三個階段中間。

什么是黑科技時代呢？我非常有幸98年在微軟中國研究院（現(xiàn)微軟亞洲研究院），帶了一批我的同事們做了中國最早的AI的科研人員。在2005年，又帶了一批非常優(yōu)秀的工程師做了很多好的AI工作。

非常有幸，我在黑科技的時代接觸到了很多偉大的公司，包括很多在座的朋友們，當時是一個以科研為主，以博士主導(dǎo)，把AI技術(shù)作為切入點，再去尋找商業(yè)應(yīng)用的第一個階段。

第二個階段是AI公司開始做2B產(chǎn)品，比如說保險、銀行、客服、金融、教育領(lǐng)域能做什么產(chǎn)品，教育產(chǎn)品能賣給學校，金融產(chǎn)品賣給保險公司五世或者銀行，包括我們投的第四范式、曠視科技、追一科技、迅策科技等等，他們都是行業(yè)的產(chǎn)品的領(lǐng)跑者。

非常有幸，創(chuàng)新工場投出了60家AI公司，其中有5家獨角獸，未來一年還會有3-4家獨角獸誕生。這是第二階段，把AI做成產(chǎn)品，變成2B的應(yīng)用。

第三個階段，普華永道認為2030年AI將給全世界帶來大約100萬億人民幣的GDP提升。在中國，我們看到大約是在200萬億人民幣左右，其中40萬億左右是AI賦能達到的，遠遠超過其他國家。

一方面這是一個巨大的機會，所以要賦能AI的各主要傳統(tǒng)行業(yè)。但是話說回來了，我們想想今天的AI獨角獸，包括我們投的5家，包括今天早上的商湯科技，包括在座的科大訊飛等等的公司，都是很偉大的AI公司，但是這些公司一年就是幾十億的收入，如果說我們在國內(nèi)要創(chuàng)造50萬億的價值，這絕對不是再去創(chuàng)1萬家公司可以帶來的。

這些AI公司會繼續(xù)創(chuàng)造價值，但是更大的價值一定是要把AI價值賦能傳統(tǒng)行業(yè)，如果說2030年我們是傳統(tǒng)行業(yè)是近200萬億規(guī)模，我們只要在這個基礎(chǔ)提升20%、30%、40%，就可以達到50萬億的規(guī)模，50萬億的價值一定是來自于AI賦能傳統(tǒng)行業(yè)，一定不是來自于黑科技，這是一個巨大的差別。

AI賦能傳統(tǒng)行業(yè)三種模式

AI怎么去賦能傳統(tǒng)行業(yè)呢？我這里有三種模式。

第一種是優(yōu)化賦能，也就是說你的公司的所有的運營一點不變，但是我用AI幫助大數(shù)據(jù)賺更多錢，省更多錢。

第二種模式是流程化賦能，也就是說要改改賦能模式，幫你創(chuàng)造更大價值。

第三種模式是重構(gòu)顛覆整個產(chǎn)業(yè)。

這里我有六個例子來介紹這三個不同的方式：

第一個是BPO的例子。

就是在企業(yè)級應(yīng)用服務(wù)當中，我們做了很多外包，簡單來說，所有外包給印度的工作都可以外包給AI，現(xiàn)在有一個新技術(shù)叫RPA，就是把一個軟件放到你的機器上，學你做的事情，過一會兒，10%、20%、30%就不需要人做了，機器就可以做了。

這個對產(chǎn)業(yè)的節(jié)省成本是巨大的。我們可以看到的一些BPO的例子，包括在財務(wù)、法務(wù)、人力資源方面節(jié)省重復(fù)性的白領(lǐng)勞動，可以節(jié)省最多91.2%的成本。

另外一個例子就是呼叫中心，用語音識別的技術(shù)和最新的語音識別加自然語言處理的技術(shù)，可以處理80%打來的客服電話，而且它的客戶滿意度是超過人可以提供的，這是我們投資的追一科技所做到的。

再講一下流程的智能化。在零售合作伙伴身上，我們用AI來預(yù)測銷售，每一個產(chǎn)品在每家商店，每一天可以賣掉多少，它有海量的數(shù)據(jù)進來，可以做非常精準的預(yù)測，降低了它的倉儲，對接到它的物流，不但帶來了倉儲物流節(jié)省的錢，人員培訓的錢，它的店長都可以AI化，一個公司擴張找店長是非常困難的，店長現(xiàn)在也可以AI化了。

這隊對一些零售類的公司應(yīng)該是上億的價值。這個我們就可以明顯看到AI賦能傳統(tǒng)產(chǎn)業(yè)帶來的價值是超過一個AI公司本身的。

再比如說用AI了解傳統(tǒng)數(shù)據(jù)。左邊是用AI來做衛(wèi)星數(shù)據(jù)，了解地面上農(nóng)作物的溫度和濕度，預(yù)測每年的產(chǎn)量和價錢。各種植物等等。右邊的例子是更加精確的用太陽的高度和陰影的強度來預(yù)算那些儲油罐里面有多少油。這些在沒有AI的時候是不能做到的，這些只是冰山的一角，后面還有更多的機會。

下面一個例子就是投資了，我們知道很多投資都是靠人和基金來做的，你去買基金可能有100種選擇，1000種選擇，但是是千人一面的。而且不是針對你的風險承受能力來定制的。

未來AI基金會有各種收入，剛剛講到油的收入、農(nóng)產(chǎn)品的收入，對每個公司的股票可以做精準的預(yù)知。對于每個公司今天的士氣，一個分析員是不可能做到的，但是如果說我們可以把社交媒體上，每個人屬于每個公司，他今天發(fā)出來的社交媒體信息是高興的還是不高興的，把這個作為一個員工情緒的指數(shù)再輸給AI，用AI判斷這個股票是應(yīng)該買還是應(yīng)該賣呢？

這個例子我可以講一千個例子給你，因為一個基金經(jīng)理決策只是靠幾十個，幾百個因素，幾千個因素，而AI可以用無限的數(shù)據(jù)，無限的因素，而且針對千人千面做出更高回報的投資。

美國頂級量化基金有兩家，已經(jīng)達到了600億美金的規(guī)模，已經(jīng)超過了人的回報。未來這個取代會比人更好，在二級市場股票基金一定會更好，因為它對海量的數(shù)據(jù)分析能力一定遠遠超過人。

最后一個更加神奇的例子，制藥。

今天的制藥是靠化學、生物專家去拍腦袋想一些疑難雜癥用什么新方法來治療，未來我們可以用生成化學的方法，再加上AI自然語言處理和對抗網(wǎng)絡(luò)去尋找哪些可能的藥的新分子是可能可以最快通過動物試驗和臨床試驗的。根據(jù)我們初步的看法，對一個藥的發(fā)明可以加快4倍，整個制藥行業(yè)也被重構(gòu)了。

對于一個傳統(tǒng)行業(yè)，AI賦能價值是巨大的，傳統(tǒng)行業(yè)面臨各種挑戰(zhàn)，主要的挑戰(zhàn)是AI行業(yè)怎么懂AI賦能在哪里，他們怎么去找AI專家？

這一點我們也有我們了想法，創(chuàng)新工場和我們的子公司創(chuàng)新奇智現(xiàn)在對8個領(lǐng)域提出解決方案，這些專家怎么介入呢？我們希望扮演的角色不只是VC投資公司，我們希望成為傳統(tǒng)企業(yè)的首席AI官，我們會進來幫助每個傳統(tǒng)企業(yè)分析在你各個部門里面，哪一個部門用AI可以產(chǎn)生最大價值。