創新工場和BCG咨詢合作的「+AI改造者」系列:看看無人機技術起家的極飛,如何賦能農業生產全環節,提升全球農業生產效率。
改造者系列:農業「+AI」全環節守護新疆棉花
近期,創新工場聯合BCG波士頓咨詢旗下亨德森智庫,推出「AI融合產業:『改造者』如何促進AI普惠」系列研究。人工智能在中國大陸有著明確的落地應用場景,大量的AI企業活躍於這些垂直場景中,我們定義這些企業為「改造者」。「改造者」通過傳授其AI技術和垂直行業理解,極大地打破了傳統企業應用AI的瓶頸。
作為擅於趨勢前瞻的TechVC,創新工場長期看好AI領域,深入佈局,至今已經投出了7只AI獨角獸。在系列研究中,我們采訪了數家創新系AI企業,通過這些「改造者」的視角,探究傳統企業擁抱AI的範式與路徑。
創新工場投資的極飛科技是一家致力於未來農業的AI科技公司,極飛將無人機、機器人和傳感器部署在稻田、麥田和棉花田裏,用技術賦能農業中的播種、農藥噴灑、栽種管理、甚至天氣監測環節。用於作物噴灑的極飛科技R150農業無人車已經被推廣到了英國,應用在蘋果、草莓、黑莓等多種經濟作物的種植流程中。
在采訪中,極飛科技聯合創始人龔檟欽表示,AI在農業的應用才剛剛開始,未來極飛會探索更多AI和農業的融合,例如用AI來賦能優化作物模型(crop modelling),幫助識別作物生長過程中的不確定因素,從而實現提前預警和判斷。以下:
■系列導讀
本系列由BCG亨德森智庫與創新工場董事長兼首席執行官李開復博士帶領的創新工場團隊共同推出,圍繞「AI融合產業:『改造者』1如何促進AI普惠」的課題,我們致力於探究傳統企業在應用AI過程中的關鍵要素與合作夥伴,以及傳統企業擁抱AI的範式與路徑。
在農業領域,隨著機器自動化、機器視覺、物聯網等技術的發展,農業的提質增效和轉型升級也被不斷加速。以極飛科技為代表的一批農業科技企業,通過無人機、智慧農業系統等科技賦能,使得傳統的農業勞動更加高效、環保、節能。
1 「改造者」通過傳授其AI技術和垂直行業理解,極大地削弱了傳統企業應用AI的瓶頸,充當產業中傳統企業應用AI的橋樑。「改造者」包括AI企業與成功轉型AI的傳統企業。
■本期受訪嘉賓:龔檟欽
極飛科技將無人機、機器人、自動駕駛、人工智能、物聯網等技術帶進農業生產,通過構建無人化智慧農業生態,讓農業進入自動化、精准高效的 4.0時代。
龔檟欽是極飛科技聯合創始人,2018年福布斯中國「30 under 30」封面人物。龔檟欽曾任鳳凰衛視特約海外記者、國家地理製片人。龔檟欽先生擁有悉尼大學學士學位、巴黎九大與清華大學聯合博士學位在讀。
■對談實錄
Q1:極飛科技最早以無人機技術起家,後來為何選擇進入農業這一垂直領域?
龔檟欽:極飛科技以無人機航模控制器起家,最開始的時候我們曾嘗試過把無人機技術帶到電力巡線、安防、南極科考、物流等諸多領域,但很多領域的應用很難市場化,比如物流或電力巡線在當時都受到市場規模和法律法規的制約,難以發揮無人化技術的最大價值。
2013年9月,由於機緣巧合,極飛科技開始探索農業這一領域的無人機應用。我們發現,有客戶購買極飛的飛控之後進行改裝,拿到新疆去做航拍,還有許多人看到極飛之後在考慮用無人機做農藥噴灑。於是當月我們也一起走訪了新疆。9月正值棉田收穫期,我們卻看到大量農民背著藥箱,忍受著刺鼻的氣味在噴灑農藥,原因就在於新疆已經請不到采棉工了,需要農民噴灑脫葉劑來保證棉花同步成熟,再由大型采棉機統一采收。但是人工噴灑脫葉劑的效率非常低下,而用拖拉機噴灑又會軋壞棉花導致減產。
當時的新疆不僅缺乏采棉工,連噴灑脫葉劑的人工也請不到了。隨著城鎮化的發展,大量人口從農村流入城市,從前每年秋天新疆會有六七十萬人坐著綠皮火車從四川、河南、陝西來采棉花,如今這樣的畫面已難以再現。新疆出現了勞動力供給的缺口,而這也正是機器和技術能夠賦能的地方,就采棉催熟而言,要求脫葉劑的噴灑量不高,無人機這種空中飛行的機器有著天然的優勢——能夠在空中精准、均勻地噴灑,很大程度上減少人力並提高效率。不只是采摘,從播種到收穫的全流程中,機器人能高效地完成許多任務,包括播種、施肥、除草、除蟲等等,無人機能夠極大地提升農業生產效率,尤其在生產期較短的地域迅速提高單位時間的產量。由此,無人機能為農民釋放更多產能,一個人能管理的農田更大,即技術賦能土地規模化集中,而土地規模化之後農民對機器的需求也更大,從而進入「技術加速資源有效整合」的正向循環。
目前,極飛科技的無人機已經覆蓋了新疆機采棉面積的一半以上2,從棉花延伸到了水稻、小麥等需要大量人工的作物,從新疆延伸到了東北、雲南等全國大部分地域。
我們一直相信,當腦海裏有一項技術的時候,你要為技術選擇一個行業,選擇用技術來做什麼事。
2截至2020年10月,極飛科技農業無人機棉花脫葉劑作業面積占新疆機采棉面積的一半以上。
Q2:極飛在賦能農業的過程中是否遇到過什麼挑戰?極飛是如何應對的?
龔檟欽:在工業裏,規模化生產的工廠是工業自動化的天然載體,但在農業裏,農戶的規模差異很大,許多農戶的農田本身很小,對於機器應用能帶來的成本優化是無感的,這就涉及到「技術下鄉的微觀載體是誰」的問題。
極飛最早發現了這樣一群人,他們是縣城裏做婚慶攝影的攝影師,隨著航拍變得越來越容易,他們面臨著更加激烈的競爭。但是農民不會用無人機,極飛就請這些攝影師,或者說飛手,去幫農民打農藥。飛手發現農業用無人機的頻次高得多,市場又大,農民與他們之間也存在著比較大的技術差距,於是這些飛手們便成為了極飛下鄉的第一批「用戶」,架起農民和農業科技之間的橋樑。
過了一段時間後,這批飛手開始感到困惑,他們並不懂農業、不懂種植,也無法識別農藥的真假,於是另一批群體出現了——農資店。農資店主往往很懂農戶,很清楚周邊農戶種植的作物種類、規模,也有農戶的熟人網絡,由農資店來推銷無人機、提供打藥服務等,就會容易得多。農資店就這麼成為了極飛的「經銷商」。
兩三年後,隨著無人機、無人車等設備的滲透更高、覆蓋範圍更大,農戶開始出現對無人機維修的售後需求,農機商便成了我們的夥伴。農機商有更大的店面,有展廳、有維修車間,就像是汽車的4S店。他們也懂農業、有銷售團隊和培訓團隊,農機商就成了極飛「更大型的經銷商」。
到這裡,整個產業鏈已經連接上了,商業模式被驗證了——農機商可以幫我們推廣農機,農資店、無人機飛手可以幫助培訓。對極飛來說,分銷商就是農機商,經銷商就是農資商和飛手。
Q3:極飛自然衍生的渠道網絡非常有趣,從更大的農業產業鏈角度來看,極飛如何賦能農業產業鏈中的傳統企業?
龔檟欽:農業產業鏈中的企業可以簡化為三大類:作物科學公司、農業技術公司、食品與供應鏈公司。作物科學公司包括拜耳、中化等,研究農藥、化肥、種子,負責為農業提供生產資料。食品與供應鏈公司包括拼多多、百果園、盒馬等,把農產品變為商品,進行流通並銷售。農業技術公司負責農產品、農作物的生長管理,通過技術來幫助農業提升效率,極飛就屬於這一類。我們有一個說法是極飛幫助了農產品進行「光合作用」,通過抵抗農業生產過程中由於氣候、資本、勞動力等多方因素導致的不確定性。
農業技術公司位於另兩類公司中間,起到連接上下游的作用。比如作物科學公司想知道種子的生產效果、農藥的效果,可以通過極飛的種植管理記錄來做調研,從而優化下一代產品。比如農產品超市想采購無過量農藥的水果,可以調取極飛植保服務記錄來識別更高品質的水果供應商。可以看出,除了提升效率之外,極飛還提升了農業的透明度和可追溯性。相應地,在終端也會產生更高的價值回報,農民能獲得更多收入,消費者願意為此買單。
Q4:極飛對未來的發展規劃是什麼?會繼續深耕農業還是拓展更多行業應用?
龔檟欽:極飛選擇深耕農業,因為對於已經有七年技術和經驗積累的我們來說,再造更多其他類型的農業機器人、無人機,或者結合材料科學、結構設計優化農業機械,再或者把AI演算法嵌入農業機器,並不會太困難,但別的行業企業要進入農業是很難的,農業的行業壁壘還是很高的。
而且,在農業中AI的應用剛剛開始,未來我們可以探索更多AI和農業的融合,比如用AI來賦能優化作物模型(crop modelling),幫助識別作物生長過程中的不確定因素,從而實現提前預警和判斷;又比如探索作物科學,用深度學習來挖掘作物性狀,再通過優化生長管理極大地提升作物產量或品質,這些都是未來的方向。
■要點回顧
1、在垂直產業生態中,AI企業大可以自建網絡,根據協同性和互補性來決定網絡中的生態夥伴。隨著佈局下沉和戰線拉長,構建網絡並不會容易,AI企業需要從挑戰中找尋機遇,用更縱深的網絡推動AI與產業持續交織。
2、AI企業能幫助傳統行業「化不確定為確定」,極大地提升給定資源條件下的生產效率,加速「光合作用」。而傳統企業應當主動與AI企業共同暢想未來,重新想像AI將為行業帶來什麼價值和機遇。
3、AI企業可以在垂直領域中探索將業務與AI以及生物、材料等諸多技術進行融合,持續深耕垂直領域。
「機器學習深度學習差異」的推薦目錄:
機器學習深度學習差異 在 Facebook 的最佳解答
創新工場和BCG諮詢合作的「+AI改造者」系列:創新工場投資的Insilico Medicine,看AI新藥研發平臺如何賦能傳統藥企,一起進行“AI+生命科學”的顛覆式創新!
改造者系列:AI醫藥的下一站是長壽 -- 本文来自BCG微信公眾號,經授權轉載。
近期,創新工場聯合BCG波士頓咨詢旗下亨德森智庫,推出「AI融合產業:『改造者』如何促進AI普惠」系列研究。人工智能在中國大陸有著明確的落地應用場景,大量的AI企業活躍於這些垂直場景中,我們定義這些企業為「改造者」。「改造者」通過傳授其AI技術和垂直行業理解,極大地打破了傳統企業應用AI的瓶頸。
作為擅於趨勢前瞻的TechVC,創新工場長期看好AI領域,深入佈局,至今已經投出了7只AI獨角獸。在系列研究中,我們采訪了數家創新系AI企業,通過這些「改造者」的視角,探究傳統企業擁抱AI的範式與路徑。
創新工場投資的英矽智能(Insilico Medicine)是一家由人工智能驅動的全球領先生物技術公司,通過發明和迭代人工智能藥物研發平臺,變革創新藥物和療法的發現方式。
英矽智能的AI藥物研發平臺已經證明了自己的能力:在今年2月和8月,半年的時間內,先後公佈了兩種臨床前候選藥物,分別用於治療特發性肺纖維化和腎臟纖維化。
在采訪中,英矽智能創始人兼首席執行官Alex Zhavoronkov博士表示,AI醫藥企業的下一個重要問題將是如何更好地理解生物學和跨物種生物學,長壽業或者抗衰老技術將會是未來的方向。以下:
■系列導讀
本系列由BCG亨德森智庫與創新工場董事長兼首席執行官李開復博士帶領的創新工場團隊共同推出,圍繞「AI融合產業:『改造者』1如何促進AI普惠」的課題,我們致力於探究傳統企業在應用AI過程中的關鍵要素與合作夥伴,以及傳統企業擁抱AI的範式與路徑。
AI製藥領域於2014年左右興起,在2018—2020年間全面爆發。AI能夠快速識別大量樣本中的客觀規律,加速尋找和測試潛在靶點的過程。「有了AI,我們50個人可以做到的事情,比得上一個典型的製藥公司5000人所做的事情」,英矽智能創始人Alex Zhavoronkov在「未來呼嘯而來」一書中如是分享。2
1 「改造者」 通過傳授其AI技術和垂直行業理解,極大地打破了傳統企業應用AI的瓶頸,充當產業中傳統企業應用AI的橋樑。「改造者」包括AI企業與成功轉型AI的傳統企業。
2「未來呼嘯而來」,彼得·戴曼迪斯(Peter H.Diamandis)和史蒂芬·科特勒(Steven Kotler)著。
■本期受訪嘉賓:Alex Zhavoronkov
英矽智能(Insilico Medicine)是一家由人工智能驅動的全球領先生物技術公司,通過發明和迭代人工智能藥物研發平臺,變革創新藥物和療法的發現方式,加速研發進程,為癌症、纖維化、抗感染、免疫和抗衰老等未被滿足的臨床治療需求提供創新的藥物和療法方案。
Alex Zhavoronkov是英矽智能的創始人兼首席執行官。他擁有皇后大學學士學位,約翰·霍普金斯大學生物技術碩士學位,以及莫斯科國立大學物理和數學博士學位。
■對談實錄
Q1 英矽智能原來在美國創立,後來為什麼選擇遷至中國?
Alex:中國構建了一套完善的體系和土壤,吸引創業企業、大型企業紛紛入駐。中國大陸多樣化的投資者,包括傳統藥企、科技巨頭、PE/VC等各類投資者,能將最優質的AI人才、CRO、藥企融合在一起。投資者能為初創企業提供資質牌照、幫助招聘、企業管理和宣傳等等。英矽還與許多學校開展了合作研究,擁有豐富的內部研發管線。中國完整的生態夥伴體系使得像我們這樣的企業能夠迅速擴大研發規模,甚至與大藥廠競爭。
Q2 英矽智能和輝瑞、安斯泰來、楊森製藥等諸多藥企都有合作,在和大型藥企合作的過程中有什麼心得或者經驗?
Alex:創新型的AI生物技術公司按照創立時間可以分為三大類:2014年之前成立、2014年—2015年左右成立、最近5年成立。2014年之前成立的企業通常不運用深度學習(deep learning),或者不具備向藥企提供解決方案所需的行業知識。2014—2015年間成立的企業則創立的正是時候,生成式對抗網絡(Generative Adversarial Network)出現,AI製藥開始興起。同時,許多藥企缺乏AI的專業知識和AI團隊,如果想要獲取AI方面的知識和技能,就必須與初創企業合作。作為交換,那時候的藥企也通常願意向初創企業提供資料和各類資源。英矽智能很幸運,創立時間(2014)正處於大藥企對外部合作最為開放和寬鬆的時期。而最近幾年成立的企業就沒那麼幸運了,很多藥企已經開始自建AI團隊、自研AI應用,只有具備非常特定細分領域AI技術的初創企業才有可能成功撬動藥企,與之建立合作。
然而據我的觀察,儘管許多大藥企都建有自己的AI部門和數據科學家團隊,但他們並沒有足夠強的AI能力——他們往往缺乏具備足夠AI知識的團隊。以生物醫藥方面的論文發表為例,在2014—2019年間,英矽智能發佈了上百篇AI相關的論文,然而發表AI論文數量最多的藥企阿斯利康則只有65篇,位列其次的諾華有54篇。
藥企往往也不知道從何處開始應用AI,而這正是AI初創公司能夠創造價值的地方。但是,在AI初創公司開始接觸藥企和銷售方案之前,首先要充分理解大型藥企錯綜複雜的組織架構和部門分工,針對不同部門銷售定制化的模塊,而非從一開始就銷售整體性、綜合性的解決方案。這是因為藥企內部通常很難有一個部門能夠處理所有的模塊,部門之間的協同往往沒有那麼強。因此,AI初創公司在提供解決方案的時候也要靈活地劃分模塊,對症下藥,英矽智能通常一次只銷售一個模塊。
儘管銷售是模塊化的,AI初創公司需要具備端到端、全鏈路的解決方案。英矽根據不同的研發週期,設計了三大AI平臺——新藥靶點發現平臺、分子生成和設計平臺、臨床試驗預測平臺。據我們瞭解,中國還沒有任何一家同行,同時擁有生成生物學和生成化學兩大AI平臺,能把靶點發現和小分子化合物生成有機結合在一起的公司很少。此外,英矽智能的AI系統可以用軟件形式呈現,藥企可以自行操作,用自己的數據運算測試。這些都為我們創造了差異化的優勢。
最後,對於藥企而言,如果想要應用綜合的AI解決方案,需要有整體性的戰略為引領。咨詢公司可以充當整合各部門組織、統籌整體戰略的角色,AI企業可以選擇與之合作。
Q3 在您看來,未來AI醫藥領域的發展趨勢是什麼?
Alex:在未來,最重要的不是AI技術,而是如何將AI和行業特定的實驗數據或模型結合。現在市場上已經充滿了各種各樣的技術企業,他們在不斷精進演算法模型和數據。未來的競技不會是關乎演算法或者算力,而是新的商業模式或者應用AI的新方式。
AI初創公司需要積累足夠的行業專識,理解藥企的需求,學習藥企的經驗,並向藥企證明自己提供的模塊能夠在真實的商業環境下應用,並且模塊之間能夠很好地兼容,能融入業務流程,且符合監管要求。比如機器學習加速了藥物識別,但還有很多步驟和流程並不能被加速或跨越:實驗論文不能被跨越,你依然需要向藥物監管部門提供大量實驗數據和模型來證明研究的有效性;實驗中的生物過程不能被加速,你依然需要等待生物體自然的新陳代謝和細胞活動,你也不可能直接從大鼠實驗跨越到人類實驗。而這些都涉及到更細分的新技術問題。
所以,對於AI醫藥企業而言,下一個重要的問題將是如何能夠更好地理解生物學?如何理解跨物種生物學?正因如此,我判斷長壽業或者抗衰老技術將會是未來的方向,即如何運用AI來監督和追蹤生命體在漫長時間裡無數細微的實時變化,來創建數字孿生(digital twin),進行跨物種比較、跨疾病模型比較。我相信AI是説明我們更好地認識生命體的最佳工具。
■要點回顧
1、中國的資本環境天然地聚集了垂直產業領域的優質企業,幫助AI初創公司,即「改造者」,迅速汲取經驗、擴大規模,加速行業創新與賦能。
2、在與垂直行業企業合作時,「改造者」既要有端到端的解決方案,也要有靈活、敏捷的銷售和服務模式。端到端、全鏈路的方案有助於「改造者」更靈活地根據傳統企業的需求組合方案,能夠擴大服務範圍和客群,提升「改造者」的競爭優勢。
3、未來最重要的不是AI技術,而是如何將AI與行業特定的實驗數據或模型結合。限制因素並不是演算法或者算力,而是新的商業模式或者應用AI的方式來實現行業定制化。
機器學習深度學習差異 在 Facebook 的最讚貼文
創新工場和BCG波士頓諮詢合作的「+AI改造者」系列:創新工場投資的追一科技,用領先的「數位員工」解決方案幫傳統企業降本提效。
改造者系列:傳統企業應用AI別想「短平快」 -- 本文来自BCG微信公眾號,經授權轉載。
近期,創新工場聯合BCG波士頓咨詢旗下亨德森智庫,推出「AI融合產業:『改造者』如何促進AI普惠」系列研究。人工智慧在大陸有著明確的落地應用場景,大量的AI企業活躍於這些垂直場景中,我們定義這些企業為「改造者」。「改造者」通過傳授其AI技術和垂直行業理解,極大地打破了傳統企業應用AI的瓶頸。
作為擅於趨勢前瞻的TechVC,創新工場長期看好AI領域,深入佈局,至今已經投出了7只AI獨角獸。在系列研究中,我們采訪了數家創新系AI企業,通過這些「改造者」的視角,探究傳統企業擁抱AI的範式與路徑。
隨著當前人口紅利趨弱,企業的用工成本增加,「數位員工」存在大量的市場需求。成立於2016年的追一科技,通過其核心的AI語義分析技術,幫助傳統企業利用人工智慧技術解決勞動力短缺的問題,實現降本提效。
在采訪中,追一科技首席戰略官成捷認為,傳統企業應該扭轉AI應用「短平快」的認知,投入時間和精力去梳理和構建特定於AI的業務流程,以達到正向的循環。
■系列導讀
本系列由BCG亨德森智庫與創新工場董事長兼首席執行官李開復博士帶領的創新工場團隊共同推出,圍繞「AI融合產業:『改造者』如何促進AI普惠」的課題,我們致力於探究傳統企業在應用AI過程中的關鍵要素與合作夥伴,以及傳統企業擁抱AI的範式與路徑。
在企業服務領域,AI企業,即「改造者」,能夠最直接地賦能企業提升管理效率與節降成本。追一科技便是這一賽道的佼佼者之一,借助自然語言處理技術,其「AI數位員工」可以勝任線上客服專員、行銷專員、資料質檢員、銷售上崗培訓師、反洗錢專家等崗位。
■本期受訪嘉賓:成捷
追一科技是「AI數位員工」提供商,主攻深度學習和自然語言處理,提供智慧語義、語音和視覺的AI全棧服務。追一科技的AI數位員工智慧平臺與業務場景深度融合,提供不同類型的AI數位員工,滿足企業和政府使用者服務、行銷、運營、 辦公等多種場景的智慧化升級需求,幫助他們降本提效,改善用戶體驗,驅動創新和增長。
成捷是追一科技首席戰略官。在此之前,他曾任職于麥肯錫與騰訊。成捷先生擁有清華大學學士學位與加州理工大學博士學位。
■對談實錄
Q1:追一科技為何選擇幫助傳統企業應用AI?
成博士:追一科技的定位是「AI數位員工」服務商,本質上是智慧軟件,面向企業提供AI企業軟件來説明其降本增效。當前,隨著人口紅利趨弱,企業用工成本水漲船高,員工的流動性也在增加,市場上存在大量對於智慧客服、行銷、內部溝通等的需求,企業希望由機器解決勞動力短缺問題,並為企業降本。而追一的核心AI能力是語義分析,即機器如何像真人一樣理解和表達文本資訊,再結合創始人團隊的企業服務背景,恰好能夠滿足我們稱之為「數字員工」的市場需求。追一的語音、視頻應用能夠滿足銀行、運營商等企業線上交互管道上海量的對話交互需求,涉及行銷和業務辦理等,幾乎等同于傳統呼叫中心上千乃至上萬的人工。
同時,我們也看到近些年大量企業在推進資訊化建設、雲建設,企業數位化的基礎在不斷成熟。許多企業已經積累了大量結構化或非結構化的資料,但並不知道如何應用,不知道如何從海量資料中提煉洞察。追一可以説明他們通過資料分析來實現更精細化的運營,從而提升人的產能。以保險電銷為例,通過對銷售人員的資料分析,追一能夠提煉高績效員工值得借鑒的話術和知識點,標準化後以輔助推廣培訓。
Q2:在賦能傳統企業應用AI的過程中,追一遇到過哪些挑戰?又是如何應對的?
成博士:AI火爆之後,大部分企業的心態是先投資一部分進行嘗試,其中有些企業成功地體驗到了AI的成效,於是自發地持續梳理其業務流程、構建並優化知識庫,進入了一個正向循環,投入產出比也合理,逐漸能夠覆蓋到更多場景和業務部門。
而有些企業原本對AI的預期是「隨插即用」,期待AI能在短期之內帶來巨大改變,他們應用AI的效果往往就無法達到預期,也很難將AI的效用發揮到最大,往往在一次采購之後就沒有下文了。AI企業要扭轉傳統企業認為AI「短平快」的認知,投入時間和精力去梳理和構建特定於AI的業務流程,才能步入正向的循環。
其次,許多較早開始應用AI的企業組織規模都很大,涉及到很多不同的部門——分條線、分版塊、分職能等。如何能夠協調大型企業多部門之間不同的利益和訴求,這對於AI應用而言是另一大難點。以銀行為例,總行負責智慧化建設的IT或科技部門往往考慮更有整體性的、大量部門可以通用的、長期的解決方案,且看中綜合性和可持續性更強的供應商。而業務部門往往偏好更迅速、更精准的解決方案,傾向于先行自行采購。AI企業就需要平衡和兼顧雙方的需求。我判斷在中長期會有多流匯聚的趨勢,即企業的科技部門會統籌AI智慧化建設的規劃以及技術合作夥伴的選取,總部科技部門和一線業務部門會一同系統性地梳理需求。
同時,在業務梳理過程中,AI企業也需要增進其對行業的理解,從而幫助傳統企業梳理出哪些業務或場景更有AI價值、更容易落地,以塑造短期速贏。追一在進入每個行業時都需要花大量時間瞭解業務流程,建立行業知識庫。
最後,AI不像ERP之類的傳統軟體系統,沒有成熟的全鏈路玩家,還處在比較初級的階段,因此端到端的、定制化的AI服務是稀缺資源且具差異化優勢——系統實施上,大型企業系統多,往往也不標準化,十分消耗人力;知識庫定制上,不同企業的業務流程不同、知識不同,需要定制知識庫;軟體功能定制方面,不同規模、業務類型的企業依然存在不同的需求;哪怕在部署之後,AI企業依然需要持續優化場景,根據交互的效果持續優化業務流程,並試圖拓展新的場景。
Q3:如何理解追一「開放共贏的生態合作體系」?
成博士:追一對各類企業都秉持著開放合作的心態,我們識別了四大類合作夥伴——平臺夥伴、行業夥伴、區域夥伴和咨詢夥伴。
1. 平臺夥伴包括騰訊雲、華為雲等企業,平臺夥伴能夠提供基礎設施,起到「鋪電線」的作用。憑藉平臺夥伴強大的客戶資源和銷售網路,追一能夠觸達更多的終端客戶。而追一能在平臺夥伴通用性的基礎設施之上提供特定垂直領域的解決方案,使面向客戶的解決方案更好落地實施。
2. 行業夥伴指特定行業領域的資訊科技企業,他們相比其他夥伴有更深的行業理解以及更多行業內的客戶資源,也願意在科技方面進行嘗試。追一可以與行業夥伴共同拓展行業內的科技解決方案。
3. 區域夥伴指在當地有較強商務關係、對當地市場瞭解較深入的夥伴。
4. 咨詢夥伴則能夠提供整合咨詢服務,在數位化咨詢、財務咨詢等細分方向擁有豐富的咨詢經驗。
追一在生態合作中除了能夠提供行業定制化的技術方案之外,還可以分享和拓展渠道資源,幫助系統集成商、ISV增收。長遠來看,追一希望把產品服務做得更加標準化,可供他人調用,也可以在自有平臺上集成協力廠商產品和服務。
Q4:你認為未來AI企業的發展趨勢是什麼?
成博士:大趨勢一定是行業越做越深、場景越做越精,提供整體性的行業AI解決方案。這也是追一未來發展的優先事項。
此外,AI企業還應當繼續推進技術普惠,在當前AI大多只在大型企業使用,而未來應當覆蓋更多中小規模的企業。AI企業能做的是把大客戶的主流需求打磨好、標準化,大量復用從頭部企業積累的垂直領域專識,再在過程中逐步建立跨行業復用的能力。
■要點回顧
1.「人工智慧即服務」(AI-as-a-service)依然處於初級階段,還沒有成熟的全鏈路玩家,因此端到端的、定制化的AI服務能夠打造差異化的競爭優勢。
2. 傳統企業需要抓住時間窗口,憑藉多年深耕行業的經驗積累,在AI技術企業追趕行業知識的檔口自我顛覆、自我革命。
3. 對「改造者」而言,「先縱後橫」不失為可行的策略——欲實現持續穩定的AI發展,需要長期深耕垂直領域,持續積累行業know-how,並將縱深積累標準化,以複製到更多的垂直行業。
機器學習深度學習差異 在 深度學習類神經網路差異在PTT/Dcard完整相關資訊 - 小文青生活 的推薦與評價
深度學習 類神經網路差異-2021-05-20 | 輕鬆健身去2021年5月20日· 近年來深度學習的基礎皆來至於類神經網路的演算法,以下先簡單介紹此算法。 類... tw機器學習的衰頹 ... ... <看更多>
機器學習深度學習差異 在 深度學習類神經網路差異在PTT/Dcard完整相關資訊 - 小文青生活 的推薦與評價
深度學習 類神經網路差異-2021-05-20 | 輕鬆健身去2021年5月20日· 近年來深度學習的基礎皆來至於類神經網路的演算法,以下先簡單介紹此算法。 類... tw機器學習的衰頹 ... ... <看更多>
機器學習深度學習差異 在 全民coding, profile picture - Facebook 的推薦與評價
你知道:#AI人工智慧、#機器學習、#深度學習此三者的差異嗎? 區別三者最簡易的方法,可比喻為同心圓: AI 人工智慧是半徑最大的同心圓, ... ... <看更多>