算法|一流科技CEO袁进辉:人工智能产业化困局和机遇 | 量子位·视点分享回顾( 六 )



算法|一流科技CEO袁进辉:人工智能产业化困局和机遇 | 量子位·视点分享回顾
文章图片

最早人们做信息系统时没有数据库 , 每个信息系统都要单独基于文件系统去研发 , 后来有人发现不同的信息系统里面有些结构化数据是通用的 , 增删查改有固定的套路 , 用关系代数就能描述 , 关系型数据库就出来了 。
如果垂直行业的每家公司都自己去做一套数据库 , 都要付出很大的研发成本 , 而且每一家企业都可能做得不太好 , 就逐渐地出现了专门做数据库的企业 。
我们会发现 , 在每个垂直的行业场景里面有类似的业务需求 , 需要搭建各种信息系统 。 这个信息系统从哪采购?有两个渠道 , 一个是专门做数据库的企业 , 一个是做数据库和用户特定需求结合的信息系统集成 , 比如财务、人力、供应链等 , 这样的中间企业出现了很多 。
专做数据库的出现了一些大企业 , 比如Oracle、IBM、微软 , 现在数据库开始往云原生的数据仓库发展 , 中间的集成商也出现了标准化的机会 , 原来一套软件都是用授权的方式到各个企业去卖 , 可能涉及到一些定制化 , 用户的粘性也不够强 。 现在 , 如果所有客户业务都上云 , 它可以在云上提供标准化的产品和服务 , 这个时候出现了做垂直应用集成的比较大的SaaS企业 。
按照数据库产业的发展历程 , 实际上分了三层 , AI会不会也分这么三层?我们可以看到 , 前几年最活跃的是AI算法供应商层 , 非常像数据库领域 , SaaS出现之前的系统信息的集成商 , 壁垒较低 , 也不够标准化 , 有朝一日 , 是不是也能实现标准化 , 实现AI as a service的模式 。

算法|一流科技CEO袁进辉:人工智能产业化困局和机遇 | 量子位·视点分享回顾
文章图片

以前整个行业忽视的是最底层的标准化基础设施 , 但随着中间算法供应商模式受阻 , 以及标准化行程的演进 , 最近一年越来越受到关注 , 人工智能产业格局的趋势越来越明朗 。
观点总结最后 , 总结一下我的观点:
1、 深度学习的本质是提供了一种黑盒建模的方式 。 正是因为黑盒特性 , 才可以标准化 , 才能在任何地方都能用;如果它是可解释的白盒 , 也就意味着它和每个领域相关 , 标准化程度可能就降低了 。
2、相对于传统机器学习 ,深度学习最大的进步就是标准化 , 标准化带来了产业化的机会 。 它的局限性是什么?需要预先给定合适的假设空间 , 否则就可能出现像钥匙掉在黑暗处 , 却在路灯下寻找的尴尬 。
3、站在数据编程软件2.0的角度 ,AI是一个技术革命 , 不是一个泡沫 。
4、 未来的AI产业格局 , 很可能向数据库这种分层的专业化分工趋势发展 。 所以 , 我们相信会出现标准化的基础设施的市场机会 , 这种机会在前几年算法集成大红大紫的背景下被人们忽略掉了 。

推荐阅读