圖片來自“123rf.com.cn”

先來想想未來。

未來的企業(yè)應(yīng)用特征是社會化商業(yè)、網(wǎng)絡(luò)連接、數(shù)據(jù)智能

未來的信息化場景是企業(yè)互聯(lián)網(wǎng)-產(chǎn)業(yè)互聯(lián)網(wǎng)-社會化商業(yè)

未來的信息化產(chǎn)品體系是產(chǎn)業(yè)互聯(lián)網(wǎng)云服務(wù)、中臺與平臺、企業(yè)級云ERP

未來的數(shù)字化場景是智能零售、智能倉儲物流運(yùn)輸、智能車間、智能辦公、智能城市

未來的數(shù)字化產(chǎn)品體系是智能硬件芯片、智能OS、IoT物聯(lián)網(wǎng)接入平臺、可視屏音箱助手

未來的中臺與平臺：

1.網(wǎng)絡(luò)連接：互聯(lián)網(wǎng)服務(wù)連接平臺、物聯(lián)網(wǎng)連接平臺、SaaS服務(wù)連接平臺、ERP集成平臺

2.數(shù)據(jù)：數(shù)據(jù)中臺、大數(shù)據(jù)技術(shù)平臺

3.智能：人工智能技術(shù)平臺、人工智能應(yīng)用中臺

未來的技術(shù)棧是：

用戶交互層：傳感器、人工智能視覺識別/語音交互

邏輯層：Open API Mesh、人工智能關(guān)聯(lián)推薦算法

數(shù)據(jù)層：人工智能精準(zhǔn)搜索/關(guān)系圖譜、區(qū)塊鏈

未來商業(yè)模式：

1.IT服務(wù)：云訂閱服務(wù)、智能硬件

2.金融服務(wù)：大數(shù)據(jù)+AI驅(qū)動的金融信貸服務(wù)、大數(shù)據(jù)+AI驅(qū)動的金融科技服務(wù)（聚合支付服務(wù)、反欺詐服務(wù)、信用服務(wù)、實(shí)時(shí)風(fēng)控服務(wù)）

3.業(yè)務(wù)服務(wù)：大數(shù)據(jù)+AI驅(qū)動的：社會化財(cái)稅自動化服務(wù)、社會化用工調(diào)度服務(wù)、社會化營銷數(shù)字化服務(wù)、社會化供應(yīng)鏈資源調(diào)度服務(wù)

看，從客戶需求，到產(chǎn)品，到技術(shù)，到商業(yè)模式，全不一樣了。面對未來，不管是中國BAT互聯(lián)網(wǎng)公司，還是中國企業(yè)軟件公司，還是國外的企業(yè)軟件巨頭公司，還是實(shí)業(yè)企業(yè)的科技公司，大家全都同一個(gè)起跑線，全都懵逼探索，就看誰從研究、戰(zhàn)略合作、資本融資與投資并購、組織與人才、激勵多方組合，誰能做到：選準(zhǔn)、做對、跑得快，誰就能贏得未來。

01、筑底

人工智能專業(yè)發(fā)展了60年，一共折翼兩次。一次是剛剛發(fā)展起來，想通用解決問題，太樂觀，當(dāng)然折翼。一次是90年代，吸收了第一次的經(jīng)驗(yàn)教訓(xùn)不搞通用了，專門做細(xì)分專業(yè)領(lǐng)域的專業(yè)系統(tǒng)，但太依賴專業(yè)領(lǐng)域知識加工，還是沒法做成商業(yè)。

如何不強(qiáng)依賴專業(yè)領(lǐng)域知識呢？嘿嘿嘿，這就是這一次的發(fā)力重點(diǎn)：深度學(xué)習(xí)。這會對上層視覺識別、語音交互、自然語言處理三大應(yīng)用領(lǐng)域都有加持助推效能。

而在深度學(xué)習(xí)領(lǐng)域，Google收購的英國DeepMind公司在這塊有兩個(gè)重大突破：神經(jīng)網(wǎng)絡(luò)（質(zhì)量）、TransFormer（性能）。所以，各種CNN（卷積神經(jīng)網(wǎng)絡(luò)）、MTCNN（多任務(wù)卷積神經(jīng)網(wǎng)絡(luò)）、RNN（循環(huán)神經(jīng)網(wǎng)絡(luò)）、DNN（深度神經(jīng)網(wǎng)絡(luò)）、ResNet（深度殘差網(wǎng)絡(luò)）、LSTM（時(shí)間序列長短期記憶網(wǎng)絡(luò)）、GAN（生成式對抗網(wǎng)絡(luò)）。

模型改進(jìn):大規(guī)模無監(jiān)督模型GPT-2，并且結(jié)合了Attention機(jī)制，頗適合圖像生成質(zhì)量優(yōu)化。

算法改進(jìn)：如BERT算法，頗適合NLP訓(xùn)練質(zhì)量優(yōu)化。

當(dāng)然，這些網(wǎng)絡(luò)結(jié)構(gòu)、算法、模型、機(jī)制都已經(jīng)被開源成深度學(xué)習(xí)平臺，這讓高深的人工智能走入普通IT公司：

Google：Tensorflow/Koras

Facebook：Caffe/Pytorch

微軟：CNTK/DMTK

AWS：MXNet

OpenAI：Open AI（目前尚無完全開源）

Apache：OpenNLP

百度：PaddlePaddle

Salesforce：TransmogrifAI

除了在算法模型平臺層有開源外，在其他幾個(gè)方面也湊在了一起：

算力芯片層：英偉達(dá)借助區(qū)塊鏈比特幣大風(fēng)發(fā)展起來專用芯片GPU，也可用于人工智能。Google發(fā)布了TPU。

算力資源層：AWS、Azure云計(jì)算廠商都提供了人工智能訓(xùn)練所需的IaaS服務(wù)，正好適合人工智能訓(xùn)練這種波峰波谷的工作。

數(shù)據(jù)存儲層：AWS、Azure云計(jì)算廠商都提供了云分布式對象存儲服務(wù)、大數(shù)據(jù)存儲平臺、大數(shù)據(jù)計(jì)算平臺

數(shù)據(jù)集層：4G、智能手機(jī)/高清攝像頭、照片相冊云盤這三樣的普及，讓圖像數(shù)據(jù)積累快速膨脹。

所以說，這是學(xué)術(shù)界（算法模型）、工程界（開源）、云計(jì)算、智能手機(jī)移動互聯(lián)網(wǎng)四者疊加的效果。所以，為啥這次學(xué)術(shù)界的人紛紛加入產(chǎn)業(yè)界，就是因?yàn)檫@個(gè)原因，沒有數(shù)據(jù)沒有算力沒有應(yīng)用場景，就沒法改進(jìn)算法模型。

02、開源

開源是個(gè)好東西。

我這里就是列了一些通用的、大面的。至于更詳細(xì)的，大家可以看：paperswithcode這個(gè)網(wǎng)站，浩如煙海的論文和代碼，你想要的都在這里。

一、視覺

OpenCV(Intel) DeepDream (Google)

人臉識別：InSightFace

物體檢測：Detectron（Facebook）

二、語音

語音到文字：wav2Letter（Facebook）

語音識別：kaldi（約翰霍普金斯大）

文字到語音：VoiceLoop（Facebook）、Merlin（英國愛丁堡大學(xué)）

三、NLP

搜索：Apache的Nutch、Luence、ElasticSearch

關(guān)聯(lián)推薦：PredictionIO (Salesforce)  關(guān)聯(lián)推薦算法庫LibRec (中國東北大學(xué))

對話系統(tǒng)：如DeepPavlov（莫斯科物理學(xué)院）、ParlAI（Facebook）、Texar（卡耐基梅隆大學(xué)）

通用NLP：Pytext（Facebook）、OpenNLP（Apache）、Spacy、AllenNLP、NLTK（賓夕法尼亞大學(xué)）、CoreNLP（斯坦福大學(xué)）、HaNLP（中國哈工大）、FastNLP（中國復(fù)旦大學(xué)）

四、深度學(xué)習(xí)

深度學(xué)習(xí)：Tensorflow/Koras（Google）、Coffe/Pytorch（Facebook）、微軟CNTK/DMTK、AWS的MXNet、百度的PaddlePaddle。Salesforce還針對Tensorflow出了一套簡化封裝的流水線TransmogrifAI

增強(qiáng)學(xué)習(xí)：Dopamine（Google）

五、機(jī)器學(xué)習(xí)/數(shù)據(jù)挖掘

算法庫：Spark MLlib、Numpy、Pandas

04、鴻溝

最早我們寫應(yīng)用，是UI、邏輯、數(shù)據(jù)一體化，如DBaseIII。

后來出現(xiàn)了大型關(guān)系數(shù)據(jù)庫，我們才有了C/S結(jié)構(gòu)，數(shù)據(jù)和應(yīng)用分離。這是VB、PB、Delphi的輝煌時(shí)期。

后來又有了組件、容器中間件，所以我們才有了三層結(jié)構(gòu)：UI層、業(yè)務(wù)邏輯層、數(shù)據(jù)層三者物理分離，而且三個(gè)層使用的技術(shù)也都不一樣。尤其是出現(xiàn)了多端的時(shí)候，萬金油程序員終于頂不住了，開始分離出專門的前端程序員（Web/移動App/小程序）。在數(shù)據(jù)層也是對象存儲、SQL、NOSQL、數(shù)據(jù)倉庫、大數(shù)據(jù)計(jì)算平臺各種技術(shù)組合，就出現(xiàn)了數(shù)據(jù)層的專門程序員。反而業(yè)務(wù)邏輯層的技術(shù)變化并不大，編程語言也基本就是JAVA了。

但人工智能的出現(xiàn)，讓業(yè)務(wù)邏輯層開始發(fā)生翻天覆地變化。如何讓新技術(shù)從研究到研發(fā)逐環(huán)節(jié)培育轉(zhuǎn)移？如何讓新技術(shù)從原型到創(chuàng)新產(chǎn)品到核心產(chǎn)品逐層吸收應(yīng)用？

對于前沿技術(shù)，最佳的研發(fā)組織分工應(yīng)該是：

1. 戰(zhàn)略合作：云計(jì)算廠商合作、開源社區(qū)界合作、學(xué)術(shù)界合作。從云計(jì)算廠商來看，微軟Azure很牛，開源社區(qū)Google很牛，學(xué)術(shù)界看了看香港很牛，港大、香港理工大、香港科技大、香港中文大學(xué)、香港城市大學(xué)都是榜上有名的。看來布局大灣區(qū)很有必要。

2. 科學(xué)家研究實(shí)驗(yàn)室：戰(zhàn)略合作、論文閱讀理解、技術(shù)平臺選擇、原型算法原型模型原型應(yīng)用快速突破驗(yàn)證

3. 技術(shù)平臺研發(fā)中心：人工智能技術(shù)平臺正式研發(fā)、與科學(xué)家研究實(shí)驗(yàn)室合作開發(fā)技術(shù)算法模型、對人工智能應(yīng)用平臺暴露簡化后的API

4. 應(yīng)用平臺研發(fā)中心：開發(fā)人工智能應(yīng)用平臺、與應(yīng)用雅畈中心合作開發(fā)應(yīng)用算法模型、通過Open API平臺對外暴露簡化后的API

5. 應(yīng)用研發(fā)中心：微調(diào)節(jié)應(yīng)用模型、調(diào)用Open API平臺的一個(gè)API就直接應(yīng)用了人工智能能力

6. 大客戶定制研發(fā)中心：微調(diào)節(jié)應(yīng)用模型

最佳的研發(fā)流程應(yīng)該是：

第一步 科學(xué)家研究實(shí)驗(yàn)室（特種部隊(duì)尖刀連）：搭建快而臟的原型，快速技術(shù)+應(yīng)用驗(yàn)證應(yīng)用價(jià)值場景、技術(shù)使用性和技術(shù)成熟度，然后把成果轉(zhuǎn)移給創(chuàng)新產(chǎn)品研發(fā)中心

第二步 創(chuàng)新產(chǎn)品研發(fā)中心：創(chuàng)新產(chǎn)品研發(fā)中心接到成果，當(dāng)做最佳實(shí)踐案例進(jìn)行產(chǎn)品分析，然后對新技術(shù)模塊、新產(chǎn)品模塊，按照產(chǎn)品管理流程與質(zhì)量保證進(jìn)行正式的微服務(wù)化設(shè)計(jì)（如可擴(kuò)展、可定制、高性能、高可用、可實(shí)施、可運(yùn)維）

第三步 核心產(chǎn)品研發(fā)中心：在創(chuàng)新產(chǎn)品商業(yè)推廣一年后，核心產(chǎn)品研發(fā)中心對核心產(chǎn)品進(jìn)行新技術(shù)的吸收與利用，升級核心產(chǎn)品