宇视科技副总裁闫夏卿：AI 下半场

10月27日，由雷锋网& AI掘金志主办的「全球AI芯片·城市智能峰会」，在深圳大中华喜来登酒店盛大召开。

延续雷锋网大会一贯的高水准、高人气，「全球AI芯片·城市智能峰会」以“城市视觉计算再进化”为主题，全面聚焦城市视觉与城市算力领域，是业内首个围绕“算法+算力”展开的大型智能城市论坛。

峰会邀请到了极具代表性的14位业内知名专家，世界顶尖人工智能科学家、芯片创业大牛、产业巨头首席技术高管、明星投资人齐聚，为行业资深从业者们分享前瞻的技术研究与商业模式方法论。

在大会下午环节，宇视科技副总裁闫夏卿发表了题为《AI 下半场》的精彩演讲。

闫夏卿表示，AI 的上下半场主要有三大转变：一、从对“AI 无所不能”的科幻式理解，转变成了“AI 无所不在”的应用趋势；二、从“AI 即算法”的粗暴理解，转变成了“AI=算法+算力+产品+应用+工程”的综合立体式理解；三、从对技术指标层面的角逐，转变成了应用体验层面的较量。他认为，对AI的讨论深入到细节和工程层面，才是行业走向成熟的标志。

闫夏卿表示，我们现在往往很难对一家 AI 公司进行定位，因为算法公司在做芯片，芯片公司也在做算法。但这不会是一种常态，未来整个行业一定会走向开放和产业链的形态，上下游将会形成更好的分工和协作关系。这个过程需要全行业的共同努力，需要大家做出更加深入的探讨。

从技术维度来看，闫夏卿表示AI技术要取得进一步发展和突破，接下来还有许多难点需要突破：1.低数据量、无监督自学习技术的突破；2.人类常识性只是在AI上的重建的突破；3.行业共建算法生态体系的可能性。这将会是一个漫长的过程，我们要保持耐心。

以下是闫夏卿的全部演讲内容，雷锋网做了不改变原意的整理与编辑：

我今天的演讲题目叫《AI下半场》，顾名思义，有下半场就一定有上半场。我认为中国AI行业经过3-4年的高速发展，已经到了一个临界点。站在这个临界点，我们应该回顾过去3-4年里行业发生了些什么，并以此为基础展望未来3-4年会出现哪些新的变化。这就是我今天想要为大家分享的内容。

我今天的演讲并不会聚焦在某一个产品或技术上，而是会从更加综合的角度来探讨AI行业的发展。一方面，我认为AI行业已经进入到了下半场，应该更多关注整体性的问题，而不只是局部问题。另一方面，宇视是一家行业中下游厂商，最贴近用户，所以我们更愿意从用户体验的角度来看待AI行业的过去与未来。

对比AI行业的上、下半场，有哪些变化呢？我觉得主要有三个维度：

一、从对“AI 无所不能”的科幻式理解，转变成了“AI 无所不在”的应用趋势。

过去3-4年时间里，AI是整个社会非常热门的话题，被推到了一个很高的位置。但中早期，我们对AI的理解是科幻式和玄学式的，觉得AI在工作和生活中无所不能。但到AI行业的下半场，大家的关注点已经有所变化，很少再就AI本身做原生性的研究和探讨，而是更关注实际应用，比如AI应用在哪些细分领域产生了怎样的价值。

不知不觉，我们日常生活中的许多体验已经在AI的作用下得到了优化和改善。比如用手机自拍，里面有AI算法的加持；比如办理酒店入住或过机场安检，人脸识别大幅提升了效率……所有这一切都在悄悄告诉我们一个事实，当大众不再把AI当做一个神话般的概念来讨论时，才是AI下半场真正的开始。

二、从“AI 即算法”的粗暴理解，转变成了“AI=算法+算力+产品+应用+工程”的综合立体式理解。

早期，在大家眼中AI基本等同于算法。换言之，只有做算法的团队或公司才有资格给自己贴上AI的标签。但今天，我们的认知已经发生了转变。即便最典型的AI公司——CV四小龙，也不再仅仅局限于算法等原生性问题的研究，而是拓展到了产品、应用和用户体验的维度。与此同时，原来偏中下游的硬件厂商也逐步开始了算法方面的布局。上下游间彼此交叉渗透已经成了当前AI行业的基本趋势。

但这并不重要，重要的是，对于用户来说真正能产生价值的AI是什么样的。我认为它不仅仅是算法，而应该包括“算法+算力+产品+应用+工程”等更多与实际应用相关的维度。

三、从对技术指标层面的角逐，转变成了应用体验层面的较量。

AI上半场，我们非常关注各种指标。无论是算法PK还是真实场景的应用，我们都热衷于讲我有几个9（90%、99%或者99.9%）。实际上，未来多一个9或者两个9并不会大幅改善用户体验，这种情况下我们该怎么做呢？我预判，未来大家的关注点会更加侧重于应用细节。

去年年初我们曾经旗帜鲜明地讲过一句话，“进入细节与工程，才是AI走向成熟的开始”，今天仍然可以自信地这样讲。我相信，未来我们会更多探讨AI技术的更迭将在具体使用场景中发挥怎样的价值，而不是泛泛地去讨论芯片的算力又增加了多少。这些表层现象背后其实还有很多深层次的东西。

再来看看AI架构的演进。为什么我特别希望跟大家探讨一下架构？前面提到，AI已经步入了工程化和细节化的阶段，到这个阶段后，纯粹技术点上的差别——比如多几种算法，算法处理能力高多少——已经不再是最重要的因素。评价一个产品成功与否，最后还是要看它的使用价值。无数历史经验和教训告诉我们，好的技术不一定好用，不一定会产生最大的价值。纯技术角度之外，影响最大的因素是价格，而价格取决于你是在什么体系架构中解决问题的。

回顾历史，IT、通信、计算机相关的技术都经历了螺旋式上升的架构演进，我认为这个规律也会在AI行业得到印证。主要有三个维度：

一是从集中到分散，再到“集中+分散”的演进。

以安防行业为例，最近一年多时间，我们关注的重心是如何把计算集群或训练中心的芯片算力转移到前端摄像机或者其他泛物联网前端。这意味着AI的架构正在从中心侧向边缘侧转移。到2020年后，大家也许会发现一个很有趣的现象，一夜之间几乎所有主流前端硬件厂商都拥有了全系列的基于AI的前端产品。

但AI架构的演进是不是到这就结束了呢？显然不是。最终的AI架构应该是“集中+分散”的体系，映射到产品侧就是“云+端”融合的体系。这个体系的出现，对原有的云端和终端测都会提出许多新的要求。

二是从通用到专用，再到高阶通用的演进。

过去我们看科幻电影，留下深刻印象的往往不是医疗或安防的专门软件，而是那些无所不能的大反派，它们像人类大脑一样，没有清晰的知识体系边界。最开始我们也认为AI就应该是这样的，它是对人类大脑最好的仿生，但这实际上很难实现。现在我们看到的AI产品和应用都是非常具象地聚焦在某一个具体问题上，我认为这是AI架构演进过程中的一种妥协，是AI走向实用化的必经之路。它最终仍然会慢慢回归到高阶通用的方向去，只是需要比较长的时间，可能是三五年，也可能更久。

三是从集群到终端，再到芯片/模组的演进。

芯片模组化引发的产业结构变化，与AI架构的演进也是相通的。整个产业正逐渐从云端向终端移动，慢慢进入到上游体系。我们今天看到的AI芯片技术的迭代，是整个AI架构进入成熟阶段的开始。

过去几十年，摩尔定律在计算机的软、硬件发展中起到了决定性作用。那么，AI领域是否也存在一个类似于摩尔定律的周期规律呢？它的周期是18个月还是多少？这一规律又将如何带动产业的发展？我觉得这是一个很有意思的命题，值得深思。

从行业格局来看，AI上半场大家关注最多的是独角兽。这很正常，因为一个产业刚刚发育，需要资本的加持和助力。所以大家会津津乐道独角兽的表现，关注明星企业发展中的细节。这个过程中，很少有人真正关注过产品与服务在用户侧的演进脉络，以及对用户的影响。我们认为，“产品与服务”五个字非常重要，只有整个行业的重心转移到这五个字上后，才是真正意义上新时代的开始。

AI上半场，大家分不清楚各自的角色：做算法的也在做产品，做产品的也在做芯片……如果行业始终保持这样一种混沌的态势，说明它是不成熟的。我认为产业走向成熟的标志是分工和分层，因为没有任何一家企业可以在完整产业链的每一个环节都做到最好。

未来，行业的关注点会从“某个企业发展的怎么样”，转向“产业链应该分割成几段，段与段之间怎样衔接”“每一段里有哪些有实力的选手，他们的关系是什么”。这才是行业走向成熟的标注。

当行业从混沌通吃走向产业链分工，势必意味着整个体系要从封闭走向开放。可以简单类比互联网的发展，互联网发展到今天通过IP协议连接着每个人，让我们受益其中。AI是一个全新的时代，它势必也会呼唤类似的能够让产业各个要素和玩家合理有序挂接其中，且让大家相互受益的架构。所以我认为，AI未来一定会走向开放。但到底应该怎么开放？目前行业讨论的还不够。

开始接地气是AI变得更好的开始。什么才是接地气的AI？它应该有产品、服务和细节，而不是仅仅是关注指标。它应该连接应用，关注用户的实际体验。

宇视的身份是厂商，所以我们会把更多精力和能力放到产品实现、技术架构和用户体验等层面。2015年，宇视在北京首批发布了完整的基于AI边缘的服务器产品——昆仑系列。今天，我们已经拥有了非常完整的、覆盖前端和后端，能够用不同算法解决不同业务领域问题的产品序列。

系统架构上，我们强调四个点——富前台、强中台、大后台、海终端。我们的核心理念是从“可视智慧物联”到“AIOT全景数智物联”，这是一次全面升级。

关于AI技术的下一步走向，我们有三个判断：

一、低数据量、无监督自学习技术的突破。

深度学习今天已经不再是难题，成了每个人都能踏上去的台阶。但在这样的背景下，仍在存在许多跟实际应用高度关联且亟待优化的地方，比如低数据量、无监督自学习技术的突破。

二、人类常识性知识在AI上的重建的突破。

AI的很多能力并不是常识，而是基于海量数据分析得出的结论，这是它相对人类的优势所在。但反过来，人类的常识性知识要在AI上重建却非常困难。

三、行业共建算法生态体系的可能性。

现在算法领域大家还是各自为战，每个人都认为自己有一手绝活。但我认为，未来我们还可以在共通、共享、共同优化方面走出一条不一样的路。

我们不妨从历史辩证唯物主义的角度来对AI做一个思考。现在大家把AI看得很重、捧得很高，但它的价值和意义是什么？和历史上其他重要的技术节点有什么不同？这里，我试图做一个总结。

转化能量、优化工具和传递信息是人类发明历史的三条路径，所有突破和更新都离不开这三条路径。

先说转化能量。举个例子，蒸汽机、太阳能归根结底就是改变了能量的转化效率。未来人类能源革命上极其重要的可控核聚变也是在解决这个问题。

再看工具的优化。从最原始的铁器，到当前最热门的量子计算，都是优化工具的路径上演进。

最后，信息传递。从中国古代四大发明的印刷术到互联网，解决的都是传递信息的问题。

循着这三条路径，我们试图给AI下一个定义。AI到底什么？是这三条路径上的哪一种突破和提升？我们发现很难把它单独归到某一个类别中去，换句话说，它是无所不在无所不能的。从这个意义上来说，AI并不是某条主线上的一个点，而是三条主线上共同的一个面。它应该是基础中的基础，作用于各行各业。

也就是说，AI是使能体系，使某个行业更有能力，同时它也是基础科学，不能光靠某一个行业去牵引。它既有学术的层面，也有应用和共生的层面，所有这一切最终要形成一个完整的闭环。

今天大家经常有一种感觉。我们谈论技术是经常热血沸腾，但说到具体应用时却有种大炮打蚊子的感觉。我们用了这么多卷积神经网络，最后解决的都是很小的问题，就像计算机刚发明的时候一样。但人类文明发展的曲线都是先平缓后陡峭的，进入后半段文明的演进将非常迅速，而且是看不到上限的。如果我们站在“AI是使能体系，是基础科学”的角度来思考，就应该对它抱有更多耐心。我希望大家对AI的关注点能更多回到它的基础理解和认知，而不仅仅是那些最热门的东西，让AI回归本质。

以下是问答环节：

Q：在刚刚过去的AI上半场，您认为AI四小龙里哪一家做的最好？

A：我觉得都做得不错。如果非要说哪一家做得最好，我觉得可以用这样一句话来回答：谁能率先完成从算法到“算法+算力+产品+工程+实际应用”的进化，谁就是做得最好的。

Q：那么在AI下半场，AI四小龙要想在安防业务上超过宇视，还缺少哪些条件？

A：我觉得不存在谁超越谁，因为大家过去扮演的角色虽然有交叉，但并不完全一样。

我相信任何一个行业从发展到成熟都会经历几个阶段：第一阶段是培育阶段，我们需要呼唤更多新人来突破原有的思维局限；第二阶段是规模化和产业化阶段，产业中规模比较大或基础比较雄厚的玩家会逐渐形成优势。

但正如我刚才所说，AI是一个非常完整的体系，每个人都有自己的位置，大家都挤在同一个位置上并不是好事。另外，在真正完整、开放、有产业链特征的体系中，不存在谁超过了谁或谁被谁超过的命题。最好的状态是大家找到各自的位置，共同为用户提供价值。

关于全球AI芯片·城市智能峰会

「全球AI芯片·城市智能峰会」是雷锋网 & AI掘金志安防团队继「中国人工智能安防峰会」、「CCF-GAIR视觉智能论坛」后，全力打造的又一大品牌活动。

在上述三大论坛中，组委会先后邀请到了高文、Demetri Terzopoulos、权龙、华先胜、贾佳亚、孙剑、颜水成、田奇、程浩、张鹏国、浦世亮、殷俊、余虎、李子青、申省梅、王晓刚、杨帆、陈宁、温浩、陈瑞军、张永谦、肖洪波、胡大鹏等在产学两界享有盛誉的权威专家。

论坛内容围绕「摄像机」这一介质入口展开，覆盖AI安防产品、图像与视觉智能算法、视频芯片&服务器、投融资、商业模式等多个维度的主题，旨在打造业内最完整的智能城市论坛体系。

雷峰网原创文章，未经授权禁止转载。详情见转载须知。