今天商汤上市，几经周折，总算上市成功。

嗯，据现场的小伙伴说，答谢晚宴其实给我留了位置，可惜因为疫情，无法去现场合影，否则又多了一些吹牛装逼的题材。

那么现在市场上也有很多不同观点，有人认为AI是革命性的未来，也有人认为AI是一厢情愿的泡沫。也有很多人问我这个问题，今天，分享一些我的观点给大家。

友情提醒，本文不涉及任何投资建议。

李彦宏很早就决定全力投入AI，在百度还能维持中概股市值前三的时候，后来有业内大佬在新加坡约我咖啡局，问我怎么看百度的AI业务，我说蛮好的，对方颇不以为然，说好在哪里，我说，嗯，给中国AI行业培养了很多人才。

实事求是的说，中国AI产业的创业团队，大概有半壁江山是百度系跑出来的，但遗憾的是，能够成功跑上岸的，暂时还看不到。

这就带来一个很严峻的问题，AI是不是真的就是泡沫和噱头，AI在市场上到底只是故事还是真有未来。

顺便说一下，deepmind宣布2020年扭亏为盈，给行业打了一剂强心针，但其盈利的构成并未公布，仍然成谜，有分析师猜测是其母公司alphabet调高了deepind一些项目的内部结算价格，从而让deepmind产生了盈利的财务数据的，但面对真实的市场环境，其商业模式还没有得到验证。

以上，是现实中看到的一些状况，下面陈述一下我的观点。

第一：AI技术改变人类这件事，已经发生了，不是将来时，而是进行时。

我旧文也说过，你去机场，你去酒店，你登陆网银，你发起转账，人脸识别，已经很普及了。张学友演唱会能抓逃犯，也是AI技术普及的结果。

小小的一个手机摄像头，一个拍照美化功能，背后也是强大的AI技术在支撑。

影视作品，游戏作品中的各种真真假假的场景，动作设计，AI技术也被广泛使用。

金融风控和信用评估，广告投放自动优化，电商自动推荐算法，外卖，叫车软件的各种派单策略，我们常用的各种应用里，其实都有不同级别的AI技术在支撑。

AI技术已经深入融入我们的日常生活。

自动驾驶其实也已经并不遥远。

认为AI只是噱头，是炒作的，不要谈未来，看清现实就知道，这玩意已经和我们的生活紧密相关。

第二：AI 无法单独支撑业务和应用，需要载体。

当我们谈AI的时候，这只是一个技术领域，其实这个词背后所指的也很宽泛，实际上不同的AI公司，往往也只专注某一个或某几个细分领域，比如有的只做风控，有的只做图像和视频处理，有的只做语音拟合，有的只做推荐策略，有的只做自动驾驶相关等等等等。

所以我们哪怕每天都在用AI，也很少有人知道，都在哪些场合，用到了谁家的AI技术。对于大部分普通人来说，AI没有外在露出，没有感知。

这就造成两个结果。其一，大部分哪怕每天都在使用，也不认为AI正在改变自己的生活。其二，AI的商业模式，往往存在受制于人的状况，或者说，市场再大，和你关系也不大的感觉。

这也就是纯粹做AI的公司，总是很难证明自己的商业模式，可以创造一个巨大的市场空间。

有点像什么，早期的百度，为新浪，搜狐等门户网站提供搜索技术，赚点可怜的技术服务费，就算公司规模很小，都赚不回研发成本，更看不到增长空间，即便如此，还会被巨头欠费。

这里我引用一个信息，DeepMind的团队有上千人，但核心科学家并不多，更多的是工程团队，为什么？因为工程团队才能让技术真正落地到实际应用中，把技术变成商业效益。

第三：AI的技术价值，其实被高估了。

不好意思，这句话说出来有些伤人，从商业角度，也许一个成功的AI企业，并不需要顶尖技术专家。

首先，这个世界上有极少数顶尖的AI技术专家，他们引领时代，争夺图灵奖，在nature杂志发表论文，在各大算法竞赛上独霸头筹。

是的，很了不起。

此外，还有为数不少的一流AI技术专家，他们也许达不到顶尖技术专家这样的突破性成就，但是至少，他们能无障碍阅读nature最新AI技术论文，能无障碍的理解和改写最先进的AI算法程序。

在工程化实现角度来说，顶尖技术专家和一流技术专家的时间差，最多六个月，甚至更短。如果顶尖技术专家缺乏工程化的能力和相关团队，甚至还不如一流技术专家能更快的实现技术落地。

那你说，保持领先难道不牛逼么？

在一定阈值以内，保持领先是很牛逼的，但超过一定阈值，对不起，这个领先性的价值就被弱化了。

我举个例子，alphago 横空出世的时候，震惊世界，但他们的论文被很多一流高手看到了，很多借鉴相同算法的AI程序层出不穷，那么alphago 退出江湖后，绝艺，星阵，leelazero，以及基于leela的一堆第三方AI，都已经显著超越了最优秀的人类棋手。

那么作为人类棋手的陪练，日本棋手，中国棋手，韩国棋手，会基于获取难度，各自选择不同的AI程序。

现在，棋手的成绩提高，很大程度决定于他们和AI的对练和学习的过程，是的，热衷于和AI对练的确可以提高棋手的计算力和战斗力。但是，问题来了，棋手的战斗力提升，和他们选择的AI程序，关系很大么，很遗憾，目前看，选择不同的AI程序，对棋手的提高，不会带来特别大的区别。

为什么，因为都已经远远超越人类最高水平了，这就是我说的，超过阈值之后，其实选择谁都可以。

在某个阈值以内，领先的价值是巨大的，在某个阈值以外，领先的价值会迅速弱化，如果我们把围棋AI比喻为某种商业AI技术，把棋手比喻为某些需要这些AI技术的商家，我们就能理解，商家的确需要这样的AI，但是在一定的阈值之上，选择不同的，其实影响没那么大。

所以，只要某领域内的有关AI技术超过阈值，一流高手和顶尖高手，做出来的东西，对应用方而言，其实几乎没区别。

顺便说一句，关于数据，AI是不是很吃数据，是不是谁掌握了数据就掌握了未来？在一定阈值之内，看上去是的，超过一定阈值，数据的价值也会极速弱化。

所以，很尴尬的一种发展可能性是，顶尖技术高手探索技术边界，一流技术高手配合工程及商业团队摘取商业果实。

对，就像特斯拉和爱迪生。

当然，还有一种可能，就是知识产权，利用知识产权，锁定技术价值，但目前看上去，对AI策略和算法，似乎并没有特别的知识产权保护及索赔的案例。

特别是，很多AI科技巨头发paper的热情，丝毫不亚于学术机构。

所以这就是现状，相关技术正在广泛被应用，但背后的科技公司，却仍然入不敷出，艰难发展。而且，在相对成熟的领域（也就是超过应用阈值的领域），任何一个拥有一流人才的小团队，都可以快速复制一份接近最先进的技术，与市场领先者并驾齐驱。

那么，对于AI巨头来说，如何才能突破困局，脱颖而出呢。

其一，资源整合能力和工程能力。

需要更好的理解客户，理解产业，理解需求，更好的将技术与工程实践，以及领域内的其他资源整合起来。商业的拓展需要技术，但仅有技术肯定是不够的。

说难听点，就是要做一些粗活，重活，才能把行业落地做下去。单纯卖算法，卖策略，提供技术方案，很容易被替代。

简单说就是，客户需要的不是技术指标最好的方案，而是能解决问题的技术方案里，最好用的那个。

其二，产品化。

说简单点就是撸着袖子自己下场。

典型案例就是新加坡的领创集团，给金融业务服务商提供风控AI技术，能赚几个钱，自己直接拿牌照下场做金融业务。

或者自己直接产品化，直接进入C端。或者退一步，投资孵化产品化团队，技术和资源入股。

其三，知识产权平台。

参照 ARM，形成知识产权壁垒，通过授权获益。

我能想到的大体如此，当然，这事仁者见仁智者见智，也许会有不同意见，各自保留，懒得争论。

最后，正如你看到的，本文不做任何投资建议。

想了想还是啰嗦几句，针对可能的疑问，还是老规矩，重在逻辑。

为什么超过阈值之后，AI的技术价值会被弱化。

其实是因为，干扰因素会超过AI的技术因素，导致技术因素的差异无法被感知。

举例而言，对于围棋AI来说，也许围棋AI甲可以碾压围棋AI乙，但影响棋手成长的，还包括棋手的智力水平，理解力和用功程度，当围棋AI甲和乙都足以碾压职业棋手的时候，那么二者算法差异对职业棋手技术打磨的影响，就已经远弱于棋手自身因素的影响，无法被有效感知。

再比如，我们说自动驾驶，我拍脑袋说一个阈值，可能未必准确，比如说，自动驾驶AI的安全性，超过人类平均水平10倍，可能就是一个阈值。那么很多人会说，越安全越有价值不是么？是的，但安全并不仅仅是算法因素对不对。比如各种传感器的灵敏度和稳定性，汽车刚性结构，承载AI的硬件设备的故障率等等，在某个阈值之上，你会发现影响安全的因素中，算法优势和其他因素相比，成为相对小的变数，那么这时候，这个算法优势就很难被感知。

这也就回到了前面提到的，比如以自动驾驶为例，整体安全性的保障，工程能力和资源整合能力就变得尤为重要。如何设计具有足够冗余保障的传感系统，如何在硬件配置上建立足够优秀的备份和灾难应急能力，当算法能力超出一定阈值之上的时候，这些能力的作用和价值就超过了算法本身。

当然，在阈值以内，算法的价值是很容易被感知的。这个不赘述了，所以别抬杠，很多技术领域AI目前暂时还没达到阈值，比如自动驾驶，但是我们要有这个逻辑判断力，知道技术超过阈值之后，会有完全不同的竞争重心。