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。

1. 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。
2. 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。
3. 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)。
4. 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：

1. 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)。
2. 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)。
3. 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。
4. 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：

1. 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)。
2. 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。
3. 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。
4. 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