天云數(shù)據(jù)CEO雷濤：從軟件到數(shù)件，AI生態(tài)如何建立自己的“Android”？| 量子位·視點分享回顧

liming 2022-03-23 15:31:40 來源：量子位

視點 發(fā)自 凹非寺

量子位 公眾號 QbitAI

技術的市場千變萬化。

首先在算法上摩爾定律失效，大規(guī)模分布式大規(guī)模協(xié)同算力開始產生新的變化；

其次，互聯(lián)網(wǎng)帶來數(shù)據(jù)實時性的需求，爆發(fā)第三波數(shù)據(jù)紅利；

最后，算法重構世界，在今天的數(shù)字經(jīng)濟中，很多基于經(jīng)驗、規(guī)則流程的商業(yè)實踐，甚至是一些物理的公理定理，都開始讓位于數(shù)據(jù)和算法所訓練生成的新的知識。

從燈泡螺口到電源插座，如何看待被錯誤定義的人工智能？從感知到認知，AI還需要多久才能觸及生產核心？從軟件到數(shù)件，AI生態(tài)該如何建立自己“Android”？

就這些話題，天云數(shù)據(jù)CEO雷濤在「量子位·視點」直播中分享了他的從業(yè)經(jīng)驗和觀點。

以下根據(jù)分享內容整理：

螺口插頭的啟示，人臉識別是否代表人工智能產業(yè)？

十九世紀末的英國倫敦，見證了最早插座的誕生。Thomas Tayler Smith在1882年為他的電路連接器（Electric-Circuit Connection）申請了專利。他聲稱他的發(fā)明能夠使導體快速安全地與線路或主線連接。三年后，Smith以同樣的發(fā)明在美國申請了專利。與現(xiàn)在能夠直接安裝在墻壁上的電源插座不同的是，在插座發(fā)明初期，它們必須被連接在電燈的底座上。

那么，電燈的底座螺口插頭是否就代表對電的正確認知？對于‘人造飛行器’的追尋，是在萊特兄弟和其他人停止模仿鳥并開始了了解空氣動力學以后才成功的。

人工智能走入產業(yè)后，可以分為感知智能、認知智能和行為智能，后兩者更與生產力相對應。

人類跨越知識生產的歷程：試錯經(jīng)驗－理論推演－仿真計算－數(shù)據(jù)原生

數(shù)字經(jīng)濟的本質是能將信息轉化為有效知識。讓數(shù)據(jù)在數(shù)字經(jīng)濟的價值流動中實現(xiàn)了數(shù)據(jù)(data)-信息(information)-知識(knowledge)-智慧(wisdom)的價值生產鏈條。

知識生產共經(jīng)歷了四個階段。

第一階段，科學實驗生產新知識。遠古時候，知識往往從實踐之中生產，鉆木取火和伽利略的比薩斜塔實驗是最典型代表。

第二階段，理論推理生產新知識。這個階段，知識從公理公式中生產，牛頓微積分是典型代表。

第三階段，仿真計算生產新知識。仿真計算基于已知對物理世界仿真建模，知識從規(guī)模計算中生產。

第四階段，數(shù)字原生生產新知識。這個階段的核心是面向答案求解不確定過程，知識從海量數(shù)據(jù)關聯(lián)中生產。

數(shù)據(jù)孿生是我們試圖用已有的認知和知識結構，去解決虛擬數(shù)字世界里的問題，用我們的知識白盒構建一個模型，做高性能計算去推理。而數(shù)字原生是生產人類認知之外的新知識。就像AlphaGo從黑白落子的行為數(shù)據(jù)中，面向答案(輸贏)學習中間不確定性的過程，生產出新的知識。

從IT到DT，是彎道超車還是切換賽道？

DT對IT是斷崖式洗牌。首先在算法上摩爾定律失效，大規(guī)模分布式大規(guī)模協(xié)同算力開始產生新的變化；其次，互聯(lián)網(wǎng)帶來數(shù)據(jù)實時性的需求，爆發(fā)第三波數(shù)據(jù)紅利；最后，算法重構重構世界，在今天的數(shù)字經(jīng)濟中，很多基于我們經(jīng)驗規(guī)則流程的商業(yè)實踐，甚至一些物理的公理定理，都開始讓位于數(shù)據(jù)和算法所訓練生成的新的知識。

流程驅動的業(yè)務就像“樂高玩具”，可以拼湊出來的一雙運動鞋，就像Java代碼可復用。IT時代構建好系統(tǒng)以后，輸出數(shù)據(jù)和程序得到商業(yè)結果。比如辦公軟件，OA、ERP、BOSS、MIS、財務管理、計費 ……

數(shù)據(jù)驅動的業(yè)務更像是“3D打印”鞋的生產，3D掃描腳的形態(tài)以后打印出一雙鞋，DataML面向目標ML。DT時代是輸入輸出一體化，將數(shù)據(jù)、程序和商業(yè)結果一起輸入，通過智能化系統(tǒng)來生產出程序，比如推薦系統(tǒng)、打車系統(tǒng)、無人駕駛、金融定價……

面向新一代的數(shù)據(jù)智能，單純的IT流程已經(jīng)走不通了，雖然現(xiàn)在流程驅動仍是主流，但DT一定是對IT的深刻洗牌。而且這中間沒有任何演進路徑，面向資源服務的虛擬化被這種面向服務的容器化替代，面向數(shù)據(jù)可視化、面向分析的BI操作被面向執(zhí)行的AI所替代。

數(shù)據(jù)作為新興的生產資料成為核心的驅動力，一個新興的數(shù)據(jù)驅動的世界將帶來巨大的產業(yè)升級和產業(yè)變化，是一個巨大的產業(yè)升級和產業(yè)變化，這種變化跟汽車行業(yè)很類似，燃油車和電車、激光雷達和無人駕駛電池重組技術，一系列的組件都發(fā)生了根本性變化。

數(shù)據(jù)AI “可解釋”的突破不在AI技術本身，在于它面向的問題能否突破傳統(tǒng)認知參照系。第一次工業(yè)革命以機器代替手工勞動，是一次技術變革，也是對人類認知的突破。

2020年時，在某大型股份制商業(yè)銀行項目實踐中，天云數(shù)據(jù)普通員工就可寫上千個數(shù)據(jù)流程知識包，釋放捆綁在代碼上機械腦力勞動的智力工作者。

從軟件到數(shù)件，AI生態(tài)如何建立自己的“Android”？

移動互聯(lián)時代有安卓，AI生態(tài)也需要自己的“Android”，使數(shù)據(jù)資產價值化，高速生產知識包賦能各行各業(yè)。

以往的商業(yè)決策多基于經(jīng)驗、規(guī)則、流程，數(shù)字化以后復雜問題被清晰的界定和量化，算法解構、重構商業(yè)實踐，即AI PaaS平臺成為產業(yè)升級基石。

天云數(shù)據(jù)是魔力象限圖“認知層”第一象限公司。AI PaaS是認知層AI模型流水線生產平臺。

某大型石油AI認知平臺項目，天云數(shù)據(jù)AI PaaS平臺以2個月構建12個石油應用模型PK掉IBM和微軟的2年2個應用模型。模型產出效率更高且模型更健康。不僅提高了模型生產的效率，也批量化地解決石油勘探、開發(fā)、運輸?shù)纫幌盗猩a問題。

DT時代的熊彼得增長模式，用一個函數(shù)公式來表達即Y=f(x)。以金融為例，輸入大量消費者的行為數(shù)據(jù)(x)與資金交易的結果數(shù)據(jù)y，通過數(shù)據(jù)庫和AI PaaS平臺的加工，得到反欺詐風險評估的模型f。這個映射關系f可以復制擴張，作為新的生產要素推動信息產業(yè)變革。

天云數(shù)據(jù)AI賦能產業(yè)，成功橫向打穿行業(yè)的底座。電是對能源的一次封裝，AI是對知識的封裝和移動，而且是更深刻的一次變革。

每一次巨大財富的出現(xiàn)，都是時間空間維度的打開。互聯(lián)網(wǎng)打破空間約束，挖掘了空間財富創(chuàng)造了Google、Facebook、Apple、Amazon等巨頭神話。

人工智能是一項具有顛覆性力量的技術，將打破時間約束挖掘時間財富，重構商業(yè)實踐。

天云數(shù)據(jù)所打造的“數(shù)字原生”一站式服務平臺，是真正基于科學第一性原理建立的全產業(yè)服務鏈平臺，可以驅動任何實體產業(yè)轉型，成為用軟件和數(shù)字化驅動的新型產業(yè)。系統(tǒng)化的把實體經(jīng)濟轉化為數(shù)字經(jīng)濟，進而全方位的驅動經(jīng)濟加速發(fā)展。以后人類不只能駕駛250馬力的汽車，還可以駕馭25000腦力的AI在數(shù)萬線索維度上進行預測。

關于量子位·視點

量子位發(fā)起的CEO/CTO系列分享活動，不定期邀請AI創(chuàng)業(yè)公司CEO或CTO，分享企業(yè)最新戰(zhàn)略、最新技術、最新產品，與廣大AI從業(yè)者、愛好者探討人工智能的技術理論與產業(yè)實踐，歡迎大家多多關注~

最后，需要觀看直播回放的小伙伴，戳視頻可觀看：

— 完 —

量子位 QbitAI · 頭條號簽約

關注我們，第一時間獲知前沿科技動態(tài)