AI发展基因论：“弱功利性”给阿里AI带来了什么？
-
- -
一边，是AI之父图灵将登上50英镑纸币；另一边，是不久前Google“技惊四座、震动全球”的打电话AI Duplex被纽约时报扒出人工“伪装”，成功的预订操作主要依靠人工冒充完成。
AI总是让人又喜又惊，有时候还有些“意外”。
一向被认为“商业”属性很浓、在AI上不太出彩的阿里，最近1个月似乎在集中“爆发”，一方面连续获得5个世界大赛冠军，包括在被称为人工智能世界杯的WebVision上，击败全世界150多支参赛队伍；
另一方面又在具体技术上实现突破，例如6月底，其宣布攻克了心血管识别技术，0.5秒识别单根血管，20秒识别完整冠脉树，“速度比起传统手段提升了近百倍”。
自从两年前成立达摩院，阿里AI一直少有声量，远不如其他互联网巨头甚至中小创业者那么博眼球，集中的技术势能表达不得不说让人意外。
事实上，粗略统计，阿里在AI前沿技术研究上已经累计获得了40多项世界第一。
为什么阿里的AI会先“影遁”再走向台前、“一次性”走到领先位置？这与AI发展的“基因”密切相关。
“商业太成功掩盖技术的光芒”与“AI基因论”
两年前，阿里巴巴CTO、花名“行癫”的张建锋曾说，“阿里的商业做得太成功，掩盖了技术的光芒”。
现在，阿里“突然”树立起人工智能技术上的引领者形象，回看这句话有了三层含义：
商业太成功导致大众对阿里AI技术的一面并不足够关注，如同聚光灯背后的黑色区域；
阿里的AI技术本来是“有光芒”的，现在看来“光芒”还不小；
阿里当年并不在乎技术的光芒是否能显现出来，所以即便被掩盖了，也不表现出很着急的样子，而到了现在，这个光芒大到了能“克服”商业聚光灯而被大众看到的程度。
从这些含义也可以看出，阿里AI定位和发展过程如此特殊，都呈现某种“弱功利性”的特征。
“基因论”在分析同一个业务竞争时往往很有价值。以功利取向作为标尺，商业公司发展AI在基因上大体分为三类：强功利性、弱功利性、一般功利性：
押宝型：强功利性，AI是企业的全部或者转型升级的依托
2011年，巴菲特120多亿美元投资了IBM，到了2016年底，巴菲特持有的股份大幅下降到8.6%，当时的IBM营收已经连续第20个季度下跌，创下15年来营收新低。
在这种情况下，2015年，IBM成立独立的Watson Health部门，收购多家医疗数据公司盯住AI医疗。显然，对IBM而言，AI是强功利性的，承载了蓝色巨人走出困境的希望。
同样的基因也出现在Google的AI身上。PC和移动端基于搜索构建的信息分发垄断地位受到信息流、短视频和社交网络等新媒体形态的严重挑战，2018年三季度、2019年一季度Google的营收皆不达预期，引发股价剧烈震荡，亚马逊广告业务的快速增长已经在威胁Google的老本行。
与此同时，Google的移动新业务、硬件业务也纷纷折戟沉沙。
这个过程中Google在不断加码AI，Waymo、Duplex等明星应用产品横空出世，押宝AI意图明显。
在“强功利性”下，AI必须能在十分有限的时间里创造支撑企业发展的商业价值。
战略型：弱功利性，AI不承担企业太多商业期许，只是企业应对未来的一种储备
与押宝型完全相反，AI不需要很早就与商业价值捆绑，至少企业不指望AI活着。
这些企业之所以要发展AI，都是为了大时代做储备，阿里AI就是如此。
2018财年，阿里巴巴集团收入达3768.44亿元，年度自由现金流总计达到158亿美元，淘宝天猫新增超1亿用户；阿里云已经跻身全球云计算巨头行列，而独立的蚂蚁金服估值更是达到1500亿美元。
阿里真的不需要AI那点东西创造的商业价值来撑场面，它需要做的只是把AI做好，为未来可能的变局做准备，而这种定调，即“弱功利性”。
从“达摩院”的定位也能看出，“一家致力于探索科技未知，以人类愿景为驱动力的研究院”，研究中心、联合实验室、AIR计划加上大量“学术咨询委员会成员”，与其他AI平台的后脑相比，虽然达摩院仍然以场景应用为导向，但在强调技术与应用的双向结合基础之上，却有着浓浓的去功利化之感。
如果类比的话，同样是电商+云的亚马逊，虽然其AI与阿里一样迅猛发展，但在根本上也呈现“弱功利性”，全球第一的市值并不靠AI，也不在短期内指望AI带来多大价值。
补充型：一般功利性，AI是企业发展战略的必要补充
AI对企业不可或缺，但也不至于影响到企业生死存亡，最典型当属腾讯。
在产业互联网大旗下，出于合作伙伴的智能需求，腾讯不能缺失AI环节但AI并不起决定作用，它只是腾讯的一项赋能资源。
马化腾多次在公开场合表示腾讯要大力发展AI，但总体而言腾讯AI布局的动作仍然比较迟缓。腾讯AI Lab、优图实验室、WeChat AI实验室，统一的AI后脑也尚未形成。
“腾讯觅影”这样的优质AI项目显示腾讯正积极投入AI建设，但并不狂热。
与腾讯类似的是微软，自印度人萨提亚成为CEO后，微软凭借Azure的出色表现挽回颓势重回巅峰，再次成为全球第三大企业。
云计算无疑是微软的关键重头戏，但AI也是与云无缝搭档、不可或缺的要素。
技术的弱功利性带来“自由”，AI更能够“蓄能”
盘点了AI发展的“基因”，更能够理解“弱功利性”下阿里AI令人意外的突然冒出。
“弱功利性”下阿里AI赢得了更宽松的发展环境，少有商业化压力的AI技术积累更能够形成专注技术本身的“蓄能”过程。
而同时，阿里并不急着让达摩院为阿里做出多大的商业价值贡献（尽管长期肯定需要），就算技术不断进步，也并不急着通过各种信息渠道发声，最终结果就是公众认知里的阿里AI突然爆发。
这种爆发，有三个“蓄能”式的原因：
场景应用是“目的”更是“结果”
在AlphaGo出世前，Watson一直是人工智能的代名词。然而，当IBM面临转型压力时，Watson被抽调了医疗一个领域进行集中发展。
可惜的是，太过于强调商业价值，Watson Health在成立后匆忙陷入商业应用。
一方面，Watson Health在技术完备度上不具备多个数据体之间建立连接的能力，例如肿瘤学的模型不理解心脏病，无法在临床环境很好地应用；另一方面，由于模型不够完善，Watson Health只能被喂食“整理好的”数据，应用过程必须有大量人力投入。
最终，Watson Health在2018年宣布裁掉50%-70%的员工，宣告失败。
场景应用一定要是AI技术的“目的”，否则AI就失去了现实价值。但是，实现这个目的显然不能在技术尚未完全成熟时强行上线。从大量“教训”来看，让技术自然发展、最终自然连接应用，“场景应用”成为“结果”更符合AI落地的需求。
至少，我们不会再看到Google捧了自己的Duplex一整年，投入商用最后被扒皮这样的事了。
毫无疑问，在“弱功利性”下，场景应用成为“结果”更具备可行性。
以阿里AI为例，虽然它仍然以“目的”（场景应用）为导向，但是，达摩院的科研似乎更看重技术与应用的双向结合，而不是从场景到技术的单向过程。
虽然都有实践反哺AI的必要过程，但阿里的AI技术不被应用需求所倒逼，可以从容等到技术足够成熟才进行广泛应用，它的逻辑和那些盯着商业化的“肥肉”再想着怎么把技术贴上去的企业并不一样。
与星巴克的合作中，阿里小蜜接管星巴克客服体系，为消费者提供自助开卡、自助激活、自助开发票、自助客服等24小时秒级服务；
在与山东淄博市的合作中，阿里的"AI卫星遥感影像分析"技术，在淄博市5965平方公里土地上进行违章建
友情链接