12月7日~10日，科技智库甲子光年在线上举办2022甲子引力大会。在12月9日下午的“新一代数字基础设施”专场上，共达地创始人&CEO赵丛就《AI：从巨星时代到群星时代》发表了主题演讲。
以下为赵丛的演讲实录：
今年我们不止一次听到行业里面的声音，讨论AI下半场该怎么走，焦虑商业化怎么兑现，共达地认为以2022年转折点，答案正浮出水面。
过去AI萌芽期是由先驱的科学家启动的，少数的企业深耕少量的应用场景，最终趟出来一条路，我们认为这个阶段叫做AI的“巨星时代”。
接下来AI发展期，AI门槛持续降低，需求也开始涌现，但在落地和渗透率方面仍然有巨大提升空间。
下一步到了AI爆发期，需求的总量爆发式增长，在各行各业广泛应用，AI生产的门槛也进一步降低，甚至是非技术人员、产业里面的一线业务人员也可以参与AI创造过程。整个AI产业从市场规模、从业者数量上双双爆发，这就是我们即将进入的AI“群星时代”。
在这里分享一下共达地对于“群星时代”三个关键词的理解。第一个是“需求井喷”，新的需求不断涌现，跟现在相比呈指数级增长;第二个是“场景渗透”，AI进入到千行百业，进入到生产生活制造的方方面面;第三个是“共建和共创”，AI生产者不再仅限于科学家、算法工程师，而是进一步下放到行业的业务人员的手中，就像今天每一个人都可以使用智能手机一样。
为什么会有这个预测?因为作为从业者，我们第一时间观察到动态的数据变化。从官方数据上来看，工信部在11月份刚刚发布《国家人工智能创新应用先导区“智赋百景”》，涉及到100个场景，9个大的领域，还有300多家单位。其中大部分应用场景已经不再是人脸车牌这些传统的AI需求，而是向各行各业的业务细节场景当中不断渗透。
从行业研究数据上来看，Gartner2022年发布报告显示，接下来5年中国人工智能软件市场将从47.67亿美元，增长到138.58亿美元，年复合增长率达到28%，整个市场仍然有非常高的增长预期。
从真实的商业化的招标项目的数字统计来看，2022年也是关键转变节点，全国人工智能招标数量相较于2021年增长271%。
一方面在冰山之上我们看到大量人脸、车辆、OCR的应用场景，占比超过89%，而且市场竞争非常拥挤;另一方面冰山之下仍然有10万种长尾的应用场景正在逐步释放。目前，平均每一种长尾算法的供应商不到两家，AI在细分行业当中的渗透率不到5%，这里面蕴藏着巨大市场机会。我们在跟客户的真实交流过程当中也能感受到AI渗透到千行百业，这里面还有非常多工作要做。
首先，谁最懂各行各业的AI需求呢?并不一定是算法科学家或者是工程师，而是在行业当中深耕多年的从业者，他们具备我们经常提到的这些行业Know-how。他们可能是系统集成商、软件开发商、硬件设备厂商等等。他们离客户最近，也熟悉从客户关系、需求洞察、解决方案到项目实施、项目交付、项目运维等等一整套复杂的环节，其中任何一个环节不工作，都会影响到项目落地的效果、效率、成本甚至可能导致项目的失败。一个AI项目的落地，我们应该把算法看作是一个技术手段，而它的目的是为了给客户创造价值。
其次，有了行业Know-how，才有了算法迭代优化的方向。站在客户真实场景里面看，AI的算法没有办法被标准化，算法每应用到一个新的场景当中，从识别的对象到对象的距离，到环境的明暗、背景的差异，甚至是摄像头的角度不同，都会影响算法精度的表现。
举个例子，同一种火焰识别的算法，用在加油站，用在工地，用在森林防火当中都是截然不同的，他们需要针对具体的场景进行优化和迭代，否则就没有办法满足应用场景的需要。这也是为什么我们看到很多算法在实验室当中表现非常好的，但是没有办法用于真实的场景。
在真实场景当中，一个场景可能需要M个算法不同组合，其中每一个算法又可能有N种不同的实现，所以真实的市场中需要解决的是M乘N个算法需求。而大量的开发工作对于依靠AI工程师堆工时、堆经验的传统算法生产方式是一个巨大的挑战。
我们做过一项工作，一个算法的生产流程包含13个不同环节，平均从无到有去开发生产一个算法，再到部署到真实应用场景当中，需要3到6个月时间。这里面需要大量算法工程师开发和迭代，如果再加上算法部署到硬件，所需要调试的工作周期会更长。即使在场景当中落地和应用，算力的利用率包括实际的算法精度也会有很大损耗，这也是为什么我们可以理解今天仍然有大量的AI需求沉没在海平面以下，其中一个重要原因就是产业供需出现失衡。
AI供需失衡困境可以用天秤来表示。我们知道杠杆原理：动力x动力臂=阻力x阻力臂。为什么产能撬动不了需求呢，因为AI行业的动力臂太短，阻力臂太长。巨大的需求量和场景数量导致生产算法的难度很大，周期很长，需要巨大的人力投入，而当前AI产业链的分工以及协同并不够充分，造成效率、成本和门槛都出现了问题。
但如果我们打造一个向左移动的新支点，事情就会发生变化：让右边供给端的力臂变长，即让更多产业链玩家通过充分分工和协作产生更大的赋力和效率，让算法生产的门槛更低，生产流程更标准化。基于此，行业会逐渐从垂直整合走向水平分工，大家各自做各自擅长的事情，分担产业链上细分环节上这些工作，这里新的支点就是这个生产力工具——共达地的AutoML自动化训练平台。
AutoML是用AI来代替过去AI工程师烦琐的开发和迭代工作，让非AI专业的业务人员也能够轻轻松松开发和生产AI算法，这样让算法的生产周期、生产的门槛以及包括人力投入还有包括效率发生十倍速的变化。
AutoML并不是一个全新的概念，最早由谷歌提出来，现在很多公司也在尝试，但是在实际功能和应用层面有比较大的不同。
类似于自动驾驶，我们可以将AutoML分成L1到L5五个等级，L1到L3用户的定位主要是AI工程师，主要是帮助AI工程师减少代码开发工作量。共达地目前在做的是L4到L5的全自动化的算法生产，目的是为了让行业的业务人员、技术小白也能够自主开发AI算法，让算法的生产权限完全放开给产业链当中，从集成商、软件开发商到硬件设备厂商的各个角色，让产业+AI真正实现具备规模化落地的基础。
所以，对于产业链上不同的角色，我们也制定不同合作方式。算法需求量小、技术基础比较薄弱的客户，可以直接从共达地算法商城当中去采购共达地算法，或者由共达地来帮助定制新的算法。我们利用AutoML平台来为客户生产算法，最快可以一周交付一个全新的算法。那对于算法需求量大，有软件开发能力和项目交付能力的客户，可以直接订阅使用共达地平台，让自己业务人员轻松上手，能够自助式的按需生产自己的算法。目前共达地已经和很多行业的集成商、运营商、AI公司、硬件公司客户跑通了平台订阅合作，并且完成了落地的应用。
基于共达地的平台，我们合作伙伴可以将算法的生产效率提升10倍，同时整体人力下降70%。比如在智慧城市应用场景中，面向游商小贩、违规停车、垃圾溢出等等100个算法，原本需要6个月来生产，实际上用共达地平台三周就可以完成落地。
目前，共达地已经累积300多个合作伙伴，并且产生2000多种不同的算法和场景，而千行百业的从业者不再需要学习枯燥的深度学习知识，也不做需要具备代码能力，就可以自己能够上手生产AI算法，比如行业的解决方案经理、售前经理、产品经理等——只要能够清晰定义AI的需求和场景，就可以用共达地平台将对AI的想象变成现实。
共达地还是一家非常年轻的公司，我们成立于2020年，核心团队拥有非常丰富的AI从业经验，这两年多以来我们一直在专注AutoML这一件事情，无论从平台应用性、生产算法的精度、生产算法的效率，还是在商业落地方面，我们都做到行业领先。
上一个十年，我们一起见证了AI的技术价值和商用潜力，那么下一个十年如何去兑现千行百业对于AI的想象，是我们每个AI从业者的使命。这项使命并不只是需要AI技术人员的参与，更需要行业人员、产业人员以及AI上下游企业的参与，包括集成商、软硬件厂商、行业协会、科研院所等的共同参与和共同创造。共达地这个名字可以解释为共同到达目的地，因为我们在做的是一件对整个行业有利的事情，希望可以用最开放的生态和合作伙伴一起去共建、共创、共同到达目的地。
最后，欢迎大家和我们一起守望AI群星闪耀时。
(来源：新视线)
