他深耕人工智能近20年，他手握151項(xiàng)人工智能專利，他先后就職于微軟亞洲研究院、Google、Facebook等世界頂尖企業(yè)，他是少有的集學(xué)術(shù)、工程、商業(yè)于一身的人工智能科學(xué)家。他就是張本宇，云腦科技的創(chuàng)始人兼CEO。曾被創(chuàng)新工場(chǎng)AI工程院副院長(zhǎng)王詠剛評(píng)為“人工智能華人科學(xué)家中排名前10位大牛之一”。

本周，圖靈派、財(cái)鏈社CEO林云燕依約采訪了張本宇，雙方進(jìn)行了一場(chǎng)人工智能技術(shù)與商業(yè)落地之間的對(duì)話。

張本宇，云腦科技創(chuàng)始人兼CEO，北京大學(xué)計(jì)算機(jī)系95級(jí)本科／人工智能碩士，先后工作于微軟亞洲研究院，Google，F(xiàn)acebook，19年來專注于人工智能的研究及開發(fā)。他曾發(fā)起／領(lǐng)導(dǎo)Microsoft adCenter Lab，Microsoft SILK，Google AdWords Quality，Google Now，F(xiàn)acebook Search，F(xiàn)acebook Search Ads，F(xiàn)acebook Feed Ads等多項(xiàng)核心技術(shù)及系統(tǒng)。張本宇申請(qǐng)及授予了151項(xiàng)美國(guó)專利，于國(guó)際一流期刊及會(huì)議上發(fā)表的45篇論文，目前已有8000+引用。

關(guān)于技術(shù)與商業(yè)落地之間的差距

林云燕：當(dāng)前前沿科技落地時(shí)普遍存在一個(gè)問題，就是懂技術(shù)的人不懂業(yè)務(wù)，懂業(yè)務(wù)的人不懂技術(shù)，這導(dǎo)致很多傳統(tǒng)行業(yè)的企業(yè)對(duì)新技術(shù)往往采取觀望的態(tài)度，而新興技術(shù)企業(yè)又不能提供很好的落地解決方案。您對(duì)技術(shù)與商業(yè)落地之間的差距是怎么看的？

張本宇：我認(rèn)為這是一個(gè)普遍現(xiàn)象，但也不全都是這樣。在不同的傳統(tǒng)行業(yè)，尤其一些大型的標(biāo)桿客戶那里，他們一般對(duì)新技術(shù)的這種開放程度相對(duì)來說會(huì)比中間規(guī)模的客戶要好一些，比如說銀行、保險(xiǎn)、或制造行業(yè)。例如富士康對(duì)人工智能的開放程度就很高，他們甚至還建立起自己的基金來投資人工智能的創(chuàng)業(yè)項(xiàng)目。這說明大公司、大企業(yè)對(duì)人工智能對(duì)行業(yè)可能帶來的變革有一定程度的認(rèn)識(shí)。

相應(yīng)地，我們也制定了自己的策略。首先我們自己的人工智能團(tuán)隊(duì)在對(duì)接方向上主要會(huì)先尋找頭部的客戶，因?yàn)樗麄儗?duì)新技術(shù)的開放程度比較高。其次，他們的市場(chǎng)規(guī)模比較大，可以迅速地幫助消費(fèi)者和客戶理解技術(shù)的典型應(yīng)用是什么，典型場(chǎng)景是什么。

林云燕：也就是說大企業(yè)更愿意去嘗試新生技術(shù)，可以理解為是因?yàn)樗麄兊捏w量比較大，新技術(shù)對(duì)他們?cè)诮当驹鲂夏軒砀蟮淖饔茫鴮?duì)于小企業(yè)產(chǎn)生的影響反而比較小？

張本宇：是的，一個(gè)技術(shù)的應(yīng)用都有一定的前提投入。當(dāng)企業(yè)的體量很大的時(shí)候，后期的盈利很快就可以把前期的投入賺回來，但一個(gè)中小型企業(yè)的試錯(cuò)成本和試錯(cuò)風(fēng)險(xiǎn)就比較大。因此，可能一項(xiàng)技術(shù)還在研發(fā)早期不夠成熟，大企業(yè)反而可以承擔(dān)試錯(cuò)的成本，他們是能夠承受得起的。

關(guān)于商業(yè)需求對(duì)技術(shù)的反哺

林云燕：在為客戶服務(wù)的過程中，是否客戶的需求對(duì)現(xiàn)有的人工智能技術(shù)的發(fā)展和迭代產(chǎn)生了正反饋？因?yàn)樵谝婚_始有很多時(shí)候我們往往習(xí)慣從自身技術(shù)能力出發(fā)思考問題，云腦在這方面有什么印象比較深刻的案例？

張本宇：其實(shí)是有的，就像比如說金融行業(yè)對(duì)很多模型是有很強(qiáng)的需求，其實(shí)很多時(shí)候在互聯(lián)網(wǎng)行業(yè)里不一定能看到，像AI模型的可解釋性。舉個(gè)例子來說，貸款，上個(gè)月的模型對(duì)這個(gè)用戶是拒絕貸款，那么新的技術(shù)應(yīng)用于相關(guān)領(lǐng)域，不能說馬上就把這個(gè)客戶定位成一個(gè)可貸款的用戶，這個(gè)有一定的穩(wěn)定性的要求。這就會(huì)聚焦在一些個(gè)體的行為上，不是說看一些客戶群體的指標(biāo)。比如說原來在谷歌或Facebook的廣告推薦，很多時(shí)候針對(duì)的是用戶群體，但是在教育行業(yè)、金融行業(yè)很多時(shí)候需要細(xì)致到一個(gè)個(gè)體，針對(duì)某一個(gè)用戶為什么做出了某一個(gè)決策，為什么拒絕，為什么這個(gè)學(xué)生現(xiàn)在需要做這樣的問題，都需要有一定的可以解釋的機(jī)制。

林云燕：也就是以往AI可能會(huì)從大樣本的角度去做宏觀的模型設(shè)計(jì)，但在某些場(chǎng)景是要具體到某一個(gè)個(gè)體的。

張本宇：是的，在某些領(lǐng)域模型對(duì)于個(gè)體要給出決策的可解釋性，但決策是不穩(wěn)定的，模型經(jīng)常要訓(xùn)練。但是決策本身是否穩(wěn)定，人可能無法接受今天是這樣，明天又是那樣，這樣對(duì)一個(gè)客戶來說整個(gè)商業(yè)邏輯上是不成立的。行業(yè)給我們的反饋就是讓我們?cè)鯓影鸭夹g(shù)做得更好。

林云燕：可以理解為每個(gè)行業(yè)都有自己的特征，我們的技術(shù)如果不跟具體的應(yīng)用場(chǎng)景相結(jié)合的話是很難有好的反饋回來的。沒有這種反饋，技術(shù)團(tuán)隊(duì)對(duì)于行業(yè)的真正需求就很難感知到。

張本宇：對(duì)，在實(shí)驗(yàn)室里，我們接觸到的都是公開的數(shù)據(jù)集，不同的數(shù)據(jù)集涉及的都比較寬泛，不會(huì)十分細(xì)致，也就無法具體了解到客戶關(guān)心的是什么。另外一方面我們拿到需求之后，要把它抽象成一個(gè)AI的問題，而不是用特別工程化的方式來解決問題，用人為的方式做調(diào)整。我們會(huì)對(duì)應(yīng)問題考慮，某些問題對(duì)應(yīng)的是AI的模型可解釋性，某些需求對(duì)應(yīng)的是AI的穩(wěn)定性，這樣一個(gè)問題解決之后就可以很快應(yīng)用到別的場(chǎng)景上。

林云燕：也就是通過反饋回來的一個(gè)個(gè)例，抽象成普遍性的問題來解決？

張本宇：是的，反饋個(gè)例抽象成普遍問題，而不是僅僅做成一個(gè)“特例”。

林云燕：云腦在客戶落地，產(chǎn)業(yè)結(jié)合的時(shí)候，經(jīng)歷過哪些比較困難或痛苦的時(shí)刻嗎？

張本宇：痛苦的時(shí)候肯定會(huì)有，有的時(shí)候項(xiàng)目推進(jìn)會(huì)順利一些，有的時(shí)候會(huì)比較慢一些，這些都在我們的預(yù)估和可承受范圍之內(nèi)，沒有特別出乎意料的事情。大面上的心理預(yù)期都有，在團(tuán)隊(duì)的擴(kuò)張的速度和節(jié)奏上有很多有意思的事情，比如現(xiàn)在不一定能找到足夠多的小伙伴。

關(guān)于2B市場(chǎng)的開拓困境

林云燕：頭部客戶往往有著強(qiáng)大的議價(jià)能力，您怎么看待科技公司與頭部客戶之間的這種選擇與被選擇的關(guān)系的？

張本宇：實(shí)際上這是一種雙方面的滲透，有些人可能不是這個(gè)行業(yè)的專家，但是他們本身也會(huì)對(duì)新技術(shù)很感興趣，包括一些物聯(lián)網(wǎng)和大數(shù)據(jù)的技術(shù)，客戶也希望應(yīng)用新的技術(shù)。雖然比例上可能沒那么高，但是中國(guó)的企業(yè)基數(shù)很大，所以相當(dāng)一部分產(chǎn)品側(cè)的客戶不懂技術(shù)，但是對(duì)于新技術(shù)還是很有熱情的。另外就是很多技術(shù)專家也會(huì)相對(duì)專注著眼于某一個(gè)特定的行業(yè)，他也會(huì)去理解這個(gè)行業(yè)。專家也需要有一定的行業(yè)經(jīng)驗(yàn)，一定的積淀才能更好地為行業(yè)提供技術(shù)支持。

林云燕：我們知道大型客戶訂單金額大，但需求偏向定制化，整個(gè)產(chǎn)品的研發(fā)周期也比較長(zhǎng)，小客戶雖然額度小，但可以通過標(biāo)準(zhǔn)化的產(chǎn)品來解決，并且客戶數(shù)量基數(shù)比較大，云腦現(xiàn)目前在2B業(yè)務(wù)的開拓上你們是怎么做權(quán)衡和定位的？

張本宇：大B小B這兩方面我們是都會(huì)兼顧的，因?yàn)檫@本身反應(yīng)的是一個(gè)議價(jià)能力的強(qiáng)弱。大的客戶議價(jià)能力會(huì)比較強(qiáng)一些，但他們議價(jià)能力強(qiáng)是有原因的，因?yàn)樗麄兡芨玫貛椭覀兝斫膺@個(gè)行業(yè)的需求。雖然產(chǎn)品服務(wù)的實(shí)現(xiàn)是一個(gè)偏定制化的實(shí)現(xiàn)，但他們的需求有很強(qiáng)的行業(yè)代表性，這也有助于我們研發(fā)標(biāo)準(zhǔn)化的產(chǎn)品、為中小型客戶提供技術(shù)產(chǎn)品。

如何看待AI開放平臺(tái)和技術(shù)賦能產(chǎn)業(yè)？

林云燕：科技巨頭都在把自己的AI能力開放出來，賦能產(chǎn)業(yè)，也就可以降低了企業(yè)應(yīng)用AI的門檻，以及創(chuàng)業(yè)企業(yè)的技術(shù)門檻，這對(duì)于包括云腦在內(nèi)的眾多AI領(lǐng)域的服務(wù)商來說有什么影響或沖擊嗎？

張本宇：對(duì)行業(yè)來講這是一件好事，包括我們。我們現(xiàn)在也會(huì)使用谷歌開源的人工智能學(xué)習(xí)系統(tǒng)TensorFlow，我們會(huì)基于開源技術(shù)做一些個(gè)性化的優(yōu)化，這也幫我們節(jié)省了很多的工作量。開源的工具都是基礎(chǔ)性的工具，提供什么樣的數(shù)據(jù)、如何定義優(yōu)化的目標(biāo)是什么，這就需要我們這樣的團(tuán)隊(duì)把開源工具變成可使用的產(chǎn)品。這個(gè)差距就是我們所說的“打造行業(yè)與人工智能之間的橋梁”，這橋梁的意義是始終存在的，這樣也有助于客戶把需求定向到統(tǒng)一框架上。

林云燕：也就是說開源工具提供的是基本框架，不足以解決行業(yè)的問題，而要解決相關(guān)問題就還需要我們企業(yè)根據(jù)需求定制開發(fā)。

張本宇：是的，開源數(shù)據(jù)只是提供了一個(gè)工具，但對(duì)于滿足產(chǎn)品需求，落實(shí)到場(chǎng)景需求，還有很大的差距。

林云燕：之前國(guó)內(nèi)某知名人工智能團(tuán)隊(duì)遇到一個(gè)比較有意思的事情，百度提供的AI開放平臺(tái)做出來的效果比他們基于百度平臺(tái)做出的效果還要好，但他們還不敢完全把相關(guān)數(shù)據(jù)放到百度的平臺(tái)上，他們擔(dān)心數(shù)據(jù)會(huì)泄露，這個(gè)您怎么看呢？

張本宇：開放平臺(tái)是兩方面的，一方面是代碼的開放，另一方面是云計(jì)算平臺(tái)的開放。公有云的環(huán)境確實(shí)有很多用戶尤其是大客戶是不太愿意接受的，他們都會(huì)盡量做出一個(gè)私有云或混合云來進(jìn)行存儲(chǔ)。也是為了數(shù)據(jù)安全，頭部客戶都有自己的數(shù)據(jù)倉(cāng)庫(kù)，他們自己的數(shù)據(jù)處理都是比較規(guī)范的，他們自己也不是特別愿意把數(shù)據(jù)遷移到公有云上去。

林云燕：我們知道最近這幾年AI之所以能得到高速發(fā)展，是因?yàn)橛辛舜髷?shù)據(jù)等條件的具備。如果以現(xiàn)有的發(fā)展情況來看，是否還會(huì)因?yàn)槟骋环矫娴臈l件具備而給人工智能技術(shù)帶來重大的飛躍？

張本宇：現(xiàn)在大數(shù)據(jù)相對(duì)于問題的規(guī)模和復(fù)雜度，可能始終是一個(gè)短板。之前我們只需要把圖片分清楚里面是什么物體就可以了，但現(xiàn)在進(jìn)化到要從圖片中分析出被遮擋的物體，有很多物體還要?jiǎng)澐智昂蟮潯囊曈X來說，人每天要不間斷地看十幾個(gè)小時(shí)，分辨率是遠(yuǎn)高于現(xiàn)在模型的分辨率的，所以很難說AI和人眼哪個(gè)接觸的數(shù)據(jù)更多。AI現(xiàn)在一天的圖片學(xué)習(xí)量也就是幾千上萬張圖片，而人接觸到的世界信息則可能遠(yuǎn)高于這個(gè)數(shù)字。

林云燕：也就是說大數(shù)據(jù)某種程度上并不是完備的。

張本宇：是的，這完全取決于要解決問題的復(fù)雜程度，比如做一個(gè)完美的股票預(yù)測(cè)，這個(gè)數(shù)據(jù)量肯定是不足的。

林云燕：現(xiàn)在很多解決方案在企業(yè)落地的時(shí)候經(jīng)常會(huì)遇到這樣的問題，有數(shù)據(jù)，但數(shù)據(jù)不完備，但這些企業(yè)也想應(yīng)用大數(shù)據(jù)人工智能技術(shù)，但真正應(yīng)用的時(shí)候發(fā)現(xiàn)很難直接落地。這種情況你們是否遇到過呢？

張本宇：這個(gè)要看具體的情況，舉個(gè)例子說：圖片質(zhì)量檢查，數(shù)據(jù)中會(huì)有標(biāo)記出來比如產(chǎn)品的X光圖，會(huì)分析出哪里有問題，但實(shí)際上標(biāo)注的區(qū)域不同的標(biāo)注源的隨意性很大，有些標(biāo)注的問題區(qū)域很大，有些就很小。提供數(shù)據(jù)的企業(yè)會(huì)說：“我們提供了數(shù)據(jù)。”但這個(gè)數(shù)據(jù)是不足的，在算法層面上就需要更精確、更規(guī)則化，讓我們的模型能更好的分辨。很多時(shí)候客戶提供的數(shù)據(jù)和算法使用起來很舒服的數(shù)據(jù)之間是有很大的差別的，這就需要我們?cè)趯?shí)際案例中做根據(jù)具體的問題找對(duì)應(yīng)的解決方案。

林云燕：您是怎么看待技術(shù)的中立性的？比如之前Google曝出將相關(guān)技術(shù)用于軍事等領(lǐng)域，結(jié)果引起了很多人不滿，大眾比較難以接受這樣的事情，像這種現(xiàn)象您是怎么看的？

張本宇：技術(shù)是中性的，核技術(shù)的研究原動(dòng)力就是軍事。這個(gè)事是否要完全禁止現(xiàn)在不太好判斷，完全禁止不太可能，除非大家都遵守，否則就是防君子不防小人了。而且相關(guān)的約束到底是好事還是壞事還不能確定，完全取決于誰去用相關(guān)技術(shù)，一個(gè)團(tuán)隊(duì)不研發(fā)，不代表另一個(gè)團(tuán)隊(duì)不會(huì)研發(fā)。現(xiàn)在很多行為的動(dòng)機(jī)是好的，但結(jié)果卻尚未可知。

對(duì)人工智能創(chuàng)業(yè)者的寄語(yǔ)

林云燕：人工智能行業(yè)現(xiàn)在真正盈利的企業(yè)還不多，作為這個(gè)領(lǐng)域的先行者，您對(duì)人工智能的創(chuàng)業(yè)者有什么樣的建議？

張本宇：AI創(chuàng)業(yè)是一件很辛苦的事情，尤其是AI屬于技術(shù)創(chuàng)業(yè)，就更要做好相對(duì)長(zhǎng)期投入的準(zhǔn)備。人工智能不像爆款游戲或現(xiàn)象級(jí)的商業(yè)模式可以很快地發(fā)展和爆炸增長(zhǎng)，因?yàn)榧夹g(shù)有自己的發(fā)展規(guī)律，不存在一個(gè)簡(jiǎn)單快速的方式，創(chuàng)業(yè)者要做好打持久戰(zhàn)的準(zhǔn)備。

其次，會(huì)碰到很多在實(shí)驗(yàn)室或特定行業(yè)里碰不到的問題，但這些問題是真實(shí)存在且有原因的，并非通過一個(gè)算法就屏蔽了這個(gè)問題。需求是存在的，存在即有合理性，創(chuàng)業(yè)者需要對(duì)需求有較好的認(rèn)知。

林云燕：我們注意到云腦在2017年一直在擴(kuò)張中國(guó)的團(tuán)隊(duì)，我想了解一下，云腦在全球下一步是有一個(gè)什么樣的布局？

張本宇：我們還是會(huì)相對(duì)來說扎根中國(guó)市場(chǎng)，但整個(gè)經(jīng)濟(jì)還是全球化的經(jīng)濟(jì)，很多需求還會(huì)是全球化的需求，我們會(huì)根據(jù)需求來判斷市場(chǎng)和發(fā)展方向。

關(guān)于“對(duì)話未來”專訪欄目

“對(duì)話未來”是科技媒體圖靈派推出的一檔專訪欄目，由圖靈派及財(cái)鏈社CEO林云燕女士發(fā)起，聚焦在ABCD（A——AI人工智能、B——Blockchain區(qū)塊鏈、C——Cloud云計(jì)算、D——Data大數(shù)據(jù)，以及IOT物聯(lián)網(wǎng)）等前沿科技領(lǐng)域，專注跟蹤及采訪科技領(lǐng)域領(lǐng)軍人物，致力于將精深的科技傳播給廣大受眾，并鼓勵(lì)年輕人參與科學(xué)技術(shù)的研究，用科技改變生活，創(chuàng)造美好未來。

我們的座右銘是：相信科技、相信未來，我們都是圖靈派。

林云燕女士擁有多次科技公司創(chuàng)業(yè)經(jīng)歷，專注于科技領(lǐng)域研究近十年，曾先后涉足大數(shù)據(jù)、信息安全、區(qū)塊鏈等領(lǐng)域，有豐富的科技行業(yè)從業(yè)經(jīng)驗(yàn)和專業(yè)背景，擁有哈爾濱工業(yè)大學(xué)計(jì)算機(jī)學(xué)士學(xué)位和長(zhǎng)江商學(xué)院工商管理碩士學(xué)位。

【本文為投資家網(wǎng)原創(chuàng)文章，轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系投資家網(wǎng)，違規(guī)轉(zhuǎn)載，法律必究。】