（1）

上周在一个微信群里大家讨论某国际巨头为啥产品中没有太多AI应用，而多的是20年前的机器学习。众人从各个角度发散了观点：

市场角度：该巨头的目标客户市场主要是世界500强巨型大型企业客户，这些世界500强都是几十年上百年的巨型企业，他们在该巨头的产品领域内不太需要AI。

技术角度：可能这些大型巨型企业也需要AI，但这些大型巨型企业客户，不会选择该巨头的AI产品，而是选择专门的AI厂商。

应用角度：搞企业内部-管理型应用，都不太需要AI。这就一杆子说AI，只要是企业的内部的管控型的应用，不管企业大中小，都一般用不上AI。

架构角度：AI应用，重点重在交付，需要大量的数据采集-数据清洗-数据标注-数据建模-模型训练-模型观测-模型调优，不适合做成标准产品，而更适合在一个个具体的客户项目中个性化解决。

数据角度：该巨头还是软件模式为重，没有海量数据，做不成AI应用。另外在欧美还存在数据隐私、内控风险、商业伦理的问题。

客户角度：欧美的企业客户重点要的是AI平台工具，不需要具体的AI应用，客户会去找服务伙伴拿AI平台工具去联合搞自己适合的AI应用。而中国企业客户重点要的是具体的AI应用，而不要一个AI平台工具。

（2）

我也讲了我的观点：

数据服务，要独立，成业务

智能服务，要嵌入到业务中，不能独立存在。如果独立存在了，那就和中国的独立AI厂商一样，成了项目公司。

另外，我还有两个观点：

数据服务，在SaaS模式下才能做成。软件模式下，做不成。

智能服务，只有在产业级应用、社会级应用才不得不被迫强制刚需，在企业级，不怎么需要或不需要。

（3）

虽然计算机的发明一开始是由军事弹道计算需求而产生的，但是电脑的先驱三巨头：图灵、香农、冯诺依曼，科学家的的想法是想做成真正的电子脑子：和人脑一样的电子脑子。所以图灵发明了图灵测试、香农发明了自动寻径机械老鼠、冯诺依曼发明了博弈论。他们都想着电脑装上摄像头麦克风以及工业手臂，就可以看、听和说、写、移动行走、思考。这就是人工智能。所以人工智能一般指的都是通用应用赛道：视觉、语音、自然语言处理。而这三个应用赛道，其实就两类：识别和生成。而支撑人工智能实现的技术，目前使用的都是数学方法驱动的机器学习和深度学习。所以大家不要把人工智能想的太天花乱坠了。

很多人听人工智能，是在这次从2015年开始的第三次人工智能热潮，是从AlphaGo战胜世界围棋冠军李世石开始。其实，人工智能热潮已经流行了两次热潮，每次热十年冷十年，这一个周期就是二十年。人工智能从1956年夏季研讨会开始，经历了60多年，就是这样三波热潮冷潮二十年二十年就过来了。而且，其实每次人工智能热潮都有一次下棋比赛。比如第二次人工智能热潮是90年代IBM深蓝人工智能和国际象棋世界冠军卡斯帕罗夫比赛。比如第一次人工智能热潮是70年代KASSA人工智能和当时的国际象棋世界冠军斯帕斯基比赛。所以下棋比赛，这是人工智能的常规操盘套路。

而这第三次人工智能热潮，其实不是2015年开始的。流行的深度学习算法，也是80-90年代就产生的。只是因为2009年斯坦福教授李飞飞受谷歌支持，用谷歌海量的钱和海量的数据，做成了一个海量图片数据集ImageNet，而且2012年辛顿教授团队参加ImageNet比赛，用80-90年代的算法尝试了一下，没想到获得很高的比赛分数，整个业界恍然大悟：原来海量算力和海量数据就能简单粗暴地提高效果啊。所以这第三次人工智能热潮，就是比谁数据海量、比谁算力海量。尤其是2017年底Google发明了Transformer，精巧算法更没用了，大家更都一致走向暴力美学，巅峰就是2020年OpenAI发布的预训练模型GPT-3。从此后，业界玩的都是调优了。整个业界都停滞了下来。教授们纷纷又从企业回归到了学校。

大家看着第三次人工智能热潮的兴起就能明白，导火索就是ImageNet这个海量图片数据集。所以这第三次人工智能热潮的主赛道也主要在于视觉，而不是语音和自然语言处理。所以中国产生了视觉四小龙。过去，大家的热点在于视觉识别，四小龙搞的主要就是人脸识别。而现在，大家的热点从识别转向了生成，现在欧美最火的就是AI生成（AI画画）。这些热点和企业内部应用需要，不搭。