AI正在瘋狂尋找Know-How
Know-How,指的是工匠時代師傅對徒弟口傳心授的“行業(yè)秘訣”,之于AI行業(yè)來說,Know-How也是至關(guān)重要的。
行業(yè)AI、產(chǎn)業(yè)AI、產(chǎn)業(yè)互聯(lián)網(wǎng),這些詞在今天都已經(jīng)變成了熱門詞匯。在流量紅利差不多吃干凈之后,科技企業(yè)需要向產(chǎn)業(yè)走,這是今天大部分科技公司的共識。然而產(chǎn)業(yè)市場不同于消費者市場的一個核心區(qū)別在于,每個行業(yè)之間實在是有太多不同。
能源行業(yè)的要求跟教育行業(yè)的要求顯然不一樣,而一套智能技術(shù)解決方案打天下,顯然也是不靠譜的。如果我們多留心產(chǎn)業(yè)AI的動向,就會發(fā)現(xiàn)從去年下半年開始,相關(guān)項目的PPT里正在越來越多提到行業(yè)專家、Know-How這樣的字眼。
在AI公司開始不斷強調(diào)Know-How的重要性,呼喚擁有Know-How的公司參與到AI產(chǎn)業(yè)化進展中的時候,也許我們應(yīng)該從頭爬梳一下這個問題——
行業(yè)專家到底如何與AI算法與算力的提供商合作,缺乏行業(yè)專家又給AI進入垂直行業(yè)帶來了哪些阻礙?
讓我們來看看AI圈里大廠的夢中情人、創(chuàng)業(yè)公司的救命稻草,神秘的Know-How,到底是個什么情況。
產(chǎn)業(yè)AI的無形之墻
所謂Know-How,是指工匠時代那些師傅對徒弟口傳心授的“行業(yè)秘訣”。到了機械大生產(chǎn)時代,Know-How雖然看似被信息爆炸沖刷地越來越透明。但在日益精細化的行業(yè)分割,以及眾多產(chǎn)業(yè)各自攀爬科技樹的大形勢下,Know-How反而在經(jīng)濟實體中不斷沉淀與積累。
比如說,汽車、船舶就是坐擁大量Know-How節(jié)點的產(chǎn)業(yè)。即使在基礎(chǔ)技術(shù)不難復(fù)制,行業(yè)供應(yīng)鏈比較透明的情況下。汽車和船只的生產(chǎn)水準(zhǔn)依舊難以復(fù)制,原因之一就在于其中的“秘密”太多了。
Know-How可以被理解為一種能力、一種資源,也可以是被稱作行業(yè)專家的人。在投資行業(yè)中,Know-How也被看作一個創(chuàng)業(yè)項目的評分標(biāo)準(zhǔn)之一——假如某汽車電商的創(chuàng)始人是浸淫汽車產(chǎn)業(yè)幾十年的老油條,那么BP上往往會寫著我們有Know-How。
而在AI主導(dǎo)的數(shù)據(jù)與網(wǎng)絡(luò)智能化技術(shù),希望進入產(chǎn)業(yè)中時,Know-How恰好將變得極為重要。
所謂行業(yè)AI或者產(chǎn)業(yè)AI,能夠提高勞動生產(chǎn)率的本質(zhì)原因之一,在于可以利用機器學(xué)習(xí)技術(shù),實現(xiàn)數(shù)據(jù)分析與再挖掘,讓AI將原本粗放生長的環(huán)節(jié)數(shù)據(jù)重新整合,重新求得一些產(chǎn)業(yè)效率的最優(yōu)解。比如計算原料投入比例、倉儲擺放規(guī)律、產(chǎn)業(yè)流程重塑等等。
此外,AI的另一個功能是為產(chǎn)業(yè)端提供語音和視覺的能力,比如園區(qū)語音導(dǎo)覽、基于機器視覺的質(zhì)量檢測等等。
劃個重點,這些AI能力需要從方方面面的復(fù)雜細節(jié)進入已有產(chǎn)業(yè)實體當(dāng)中。但是到底如何進入,進入需要注意哪些難以預(yù)料的問題,何時能收回技術(shù)迭代成本——這些答案都掌握在Know-How手中。
拿著算法和算力以及PPT的AI,在進入細分產(chǎn)業(yè)時,尤其是工業(yè)屬性相對較強的產(chǎn)業(yè),都難免遇到這種尷尬。AI雖然聽上去靠譜,但沒有“產(chǎn)業(yè)帶路黨”的幫助卻寸步難行。
更顯著的問題來自于人才儲備。
一般來說,AI算法工程師注意研究深度學(xué)習(xí)的訓(xùn)練部署等相關(guān)內(nèi)容。真實的邏輯,細節(jié)點的AI化方案,企業(yè)的性價比估算,產(chǎn)業(yè)智能化的彈性生長,這些都不在算法架構(gòu)師或者AI開發(fā)者日常的考慮范圍中。
而產(chǎn)業(yè)專家則對產(chǎn)業(yè)周期了如指掌,卻很難有經(jīng)歷和機會去學(xué)習(xí)和了解AI相關(guān)的內(nèi)容。最終導(dǎo)致產(chǎn)業(yè)AI變成了各說各話,難以相互了解的兩個鄰居。
而相比較而言,今天AI這端是相對透明的,真正的產(chǎn)業(yè)鏈合作壓力,就來到了AI公司尋找產(chǎn)業(yè)Know-How這邊。
在我們了解到的很多實際AI產(chǎn)業(yè)融合案例中,會發(fā)現(xiàn)往往產(chǎn)業(yè)專家發(fā)現(xiàn)的問題,都不在AI以及數(shù)據(jù)智能技術(shù)的常規(guī)視野中。一個好問題的發(fā)現(xiàn),往往預(yù)示著一個新產(chǎn)業(yè)空間的打開。
歸根結(jié)底,缺乏專業(yè)知識以及專業(yè)人才,正在成為限制AI落地產(chǎn)業(yè)市場的無形之墻。這個稀缺既不是技術(shù)問題也不是市場問題,但卻實際制約著AI的腳步。
Know-How如何工作
理想情況下,機器學(xué)習(xí)等技術(shù)進入某家工廠、某個企業(yè)時,需要一名合格的Know-How或者Know-How公司來提供一下幫助。從而確保通用的AI技術(shù)與差異化的企業(yè)需求實現(xiàn)對接。
- 尋找和控制AI工作中的行業(yè)差異化。機器學(xué)習(xí)的工作模式是提取抽象化特征并反向輸送給機器,從而實現(xiàn)智能。但是到底提取什么特征,提取過程中有哪些問題,工作中又有哪些不合理性,這些都是AI開發(fā)者難以預(yù)料的。比如說著名的AI提升良品率問題,到底什么是良品,每個產(chǎn)業(yè)的定義都是不同的。這個定義,就是Know-How需要提供的差異化節(jié)點。
- 關(guān)鍵訓(xùn)練數(shù)據(jù)。AI離不開數(shù)據(jù),然而通用數(shù)據(jù)雖然多,方向卻相對單薄,往往缺乏產(chǎn)業(yè)化的實際潛力。而不公開的行業(yè)價值數(shù)據(jù)在哪里呢?這也是Know-How型人才和公司的價值所在。
- 成本與價值的理解。用AI總是聽上去很好,但到底這個價值不菲的東西應(yīng)該投入多少人力物力,什么時候收回成本,未來能創(chuàng)造多少價值,卻都是極大取決于行業(yè)利潤比的。為行業(yè)應(yīng)用者估算整個投入產(chǎn)出周期,也就成為了Know-How的職責(zé)。
- 產(chǎn)業(yè)鏈的理解。今天還有一種情況,就是自己的企業(yè)系統(tǒng)AI了,生產(chǎn)能力上去了,與供應(yīng)商的連接能力反而減弱了。在復(fù)雜的產(chǎn)業(yè)鏈中,一家企業(yè)從管理系統(tǒng)、運維系統(tǒng)到生產(chǎn)系統(tǒng)的更新,都將影響并且受制于產(chǎn)業(yè)上下游關(guān)系。對這些關(guān)系的理解和預(yù)判,對于企業(yè)技術(shù)決策來說是至關(guān)重要的,而其把握能力也在Know-How手中。
這樣來看,好像Know-How有點像是AI與行業(yè)間的中介。很多時候我們都不想找中介,結(jié)果發(fā)現(xiàn)不找他們問題更多,效率更差。那么對于AI來說,到底誰是今天的Know-How呢?
誰是AI需要的準(zhǔn)Know-how?
充當(dāng)AI帶路黨的重任,顯然是那些可以接觸行業(yè)核心數(shù)據(jù),并且理解行業(yè)技術(shù)體系、供需關(guān)系的人、部門與第三方企業(yè)。一般來說,有這樣幾種Know-How可以被AI公司利用,結(jié)成緊密的生態(tài)聯(lián)盟,搭建AI進入產(chǎn)業(yè)的通道:
- 企業(yè)的IT部門。一家非互聯(lián)網(wǎng)領(lǐng)域企業(yè)的IT部門,經(jīng)常看起來像是負(fù)責(zé)修網(wǎng)的。然而在長時間錘煉下,類似部門往往積累下了對行業(yè)需求的獨特理解,并且積攢了大量可以被機器學(xué)習(xí)系統(tǒng)利用的關(guān)鍵數(shù)據(jù)。一家企業(yè)開始運用AI技術(shù)拓展生產(chǎn)系統(tǒng),往往也會以IT部門為主導(dǎo)。
- 技術(shù)業(yè)務(wù)骨干。很多實體經(jīng)濟與傳統(tǒng)企業(yè)中,都有非常資深高水準(zhǔn)的技術(shù)專業(yè)人才。他們不僅擁有著本行業(yè)的知識,事實上往往也對新技術(shù)抱有關(guān)注度和熱情,同時也有再學(xué)習(xí)的能力。這些人才的充沛利用,可以作為AI進入行業(yè)中解決融入問題的關(guān)鍵。同時,以行業(yè)技術(shù)骨干為受眾,培養(yǎng)高級產(chǎn)業(yè)AI融合人才,也已經(jīng)成為了科技巨頭關(guān)注的目標(biāo)。
- 成熟的行業(yè)技術(shù)服務(wù)商。在汽車、能源、冶金等領(lǐng)域,看似體量不大,但具備全球覆蓋能力的技術(shù)服務(wù)商大量存在。在巨頭企業(yè)的背后,有成千上萬家專門技術(shù)解決方案提供者在工作著。以這些供應(yīng)鏈企業(yè)為突破點釋放AI紅利,可以作為很多產(chǎn)業(yè)AI的發(fā)展模式。
- 數(shù)據(jù)和咨詢服務(wù)提供者。另一方面,很多行業(yè)還存在著為數(shù)眾多的戰(zhàn)略咨詢和產(chǎn)業(yè)數(shù)據(jù)服務(wù)機構(gòu)。這些企業(yè)圍繞著生產(chǎn)數(shù)據(jù)釋放價值,積累了大量企業(yè)需求與真實想法。如果能有效加以利用,也可以作為AI與企業(yè)對接的出口。
當(dāng)然,Know-How們還有非常多的身份和存在可能。但總體而言,尋找這些人,利用這些人,在今天的AI領(lǐng)域還僅僅是個開始。服務(wù)企業(yè)是相當(dāng)困難、充滿變數(shù)的市場。先覺醒一部分幫手,對于AI來說是一個必然趨勢。
Know-How的稀少,導(dǎo)致了什么?
科技巨頭們紛紛注意到了Know-How的重要性,開始搭建自己的Know-How生態(tài),加之產(chǎn)業(yè)AI命題實際上處在初級階段,行業(yè)的接受度還非常有限。
讓為AI提供服務(wù)的Know-How整體處在供小于求的階段。而Know-How的稀少,則讓產(chǎn)業(yè)AI發(fā)展必然經(jīng)歷這樣幾個趨勢:
- 重點產(chǎn)業(yè)開始率先發(fā)展AI。我們都在說AI進入百行百業(yè)。然而顯然AI是不可能同時進入一百個行業(yè)的。數(shù)字化程度高、Know-How資源儲備充分、IT基礎(chǔ)好的產(chǎn)業(yè)更有可能率先發(fā)展產(chǎn)業(yè)AI生態(tài)。目前來看,汽車、零售、制造、互聯(lián)網(wǎng)等幾個行業(yè)擁有更好的AI化基礎(chǔ)。
- AI進入垂直產(chǎn)業(yè),尤其在工業(yè)領(lǐng)域,將會面臨非常復(fù)雜的局面。由于工業(yè)領(lǐng)域的龐雜和差異化廣泛,AI技術(shù)進入的周期和成本會非常高。Know-How的復(fù)雜性也讓工業(yè)領(lǐng)域很難出現(xiàn)快刀斬亂麻的智能化進程,只能徐徐圖之。
- 擁有Know-How,會變成某種AI創(chuàng)業(yè)公司的底牌。今天的AI創(chuàng)業(yè)公司,更多是拼大牛,拼算法獨特性。這些故事會成為投資人眼中最性感的部分,而在垂直產(chǎn)業(yè)準(zhǔn)入門檻問題不斷暴露出來后,企業(yè)擁有的Know-How水準(zhǔn),會開始影響AI創(chuàng)業(yè)公司的融資能力與發(fā)展水準(zhǔn)。同時具備Know-How能力也將成為創(chuàng)業(yè)公司與科技巨頭、算力提供商的生態(tài)合作籌碼。
- 講案例,講故事將變得異常重要。尋找Know-How是一個差異化很大的繁雜任務(wù),進而讓企業(yè)認(rèn)識到行業(yè)差異化AI解決方案的存在與合理性,也是一件復(fù)雜的差事。這種情況下,AI企業(yè)的選擇只能是珍惜已有案例,好好拆解其中邏輯,加大宣傳力度,讓更多產(chǎn)業(yè)關(guān)系者認(rèn)識到合作可能,加強自身的Know-How主動吸引力。因此AI進入產(chǎn)業(yè)的這個周期,基本一定是案例為王的。
從算法問題,算力與數(shù)據(jù)問題,再到Know-How問題,本質(zhì)上來說AI正在一步步向神秘的產(chǎn)業(yè)世界進發(fā)。
本質(zhì)上來說,AI是一種將直接影響到產(chǎn)業(yè)生產(chǎn)步驟,像煤與電一樣影響工業(yè)生產(chǎn)的新生技術(shù)。
讓懂AI的人與懂行業(yè)的人在此時盡快認(rèn)識,甚至相互形成吸引力,是AI發(fā)展中不可或缺的一個環(huán)節(jié)。
作者:腦極體,微信公眾號:腦極體
本文由 @腦極體 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可,禁止轉(zhuǎn)載
題圖來源于 Unsplash,基于CC0協(xié)議
思路清晰,總體介紹,行業(yè)具體內(nèi)容,又都存在不同,很棒的文章,mark