文｜腦極體
2018年，恨不得每個(gè)人都想到AI行業(yè)來。等到2022年，這件事可能就要被打上一個(gè)大大的問號(hào)。
不久之前，美國(guó)招聘平臺(tái)Dice發(fā)布的數(shù)據(jù)報(bào)告顯示，2021年美國(guó)人工智能相關(guān)崗位出現(xiàn)了大幅度的薪資下降。機(jī)器學(xué)習(xí)、自然語(yǔ)言處理和人工智能這三領(lǐng)域的薪資分別降低了2.1%、7.8%和8.9%，降幅超過11739美元。這是從深度學(xué)習(xí)引發(fā)AI熱潮之后美國(guó)AI行業(yè)首次全面降薪。而如果大家關(guān)注AI行業(yè)與AI崗位，會(huì)發(fā)現(xiàn)類似事件早已在中國(guó)AI領(lǐng)域蔓延了出來。
從2019年下半年開始，似乎隔三岔五就能聽到某家AI公司，或者一些互聯(lián)網(wǎng)大廠AI部門傳來“壞消息”。降薪，加班嚴(yán)重，上市困難，大牛出走，等等不一而足。2021下半年，各大AI公司開始頻繁出現(xiàn)裁員和裁撤AI部門的傳聞。對(duì)比幾年前互聯(lián)網(wǎng)公司裁員，AI瘋狂吸納人才的情況，讓人不免唏噓。
究竟是AI泡沫破裂，價(jià)值回歸，還是歷史上的“AI寒冬”卷土重來？
科技市場(chǎng)正在上演，并大概率持續(xù)發(fā)酵的AI大退卻，它的真實(shí)內(nèi)核究竟是什么？
各種不順的AI，寒冬真的來了嗎？
從1951年達(dá)特茅斯會(huì)議開始算起，AI的發(fā)展歷史上經(jīng)歷過兩次著名的“寒冬”。這兩次事件給AI產(chǎn)業(yè)帶來的影響甚至可以說是毀滅性的。所以當(dāng)AI技術(shù)又一次出現(xiàn)問題時(shí)，人們的第一反應(yīng)就是，寒冬是否又一次降臨了？
而從這兩年國(guó)內(nèi)AI行業(yè)的發(fā)展情況來看，原本烈火烹油的發(fā)展勢(shì)頭確實(shí)遭遇了諸多“水逆”。首先我們能看到當(dāng)初由學(xué)界投身產(chǎn)業(yè)界的各位AI大神，開始重新思考發(fā)展計(jì)劃。
2019年，騰訊AI Lab主任張潼離職加盟創(chuàng)新工場(chǎng)，出任港科大和創(chuàng)新工場(chǎng)聯(lián)合實(shí)驗(yàn)室主任，并兼任科研合伙人。2020年7月，曠視南京研究院創(chuàng)始院長(zhǎng)魏秀參離職。緊接著，字節(jié)跳動(dòng)副總裁、AI Lab主任馬維英離職，加入清華大學(xué)智能產(chǎn)業(yè)研究院。
進(jìn)入到2021年，產(chǎn)業(yè)界的AI專家與技術(shù)領(lǐng)軍者加快了重回學(xué)界，或者投身創(chuàng)業(yè)的腳步。2021年8月，字節(jié)跳動(dòng)AI Lab總監(jiān)李磊離職，加入加州大學(xué)圣巴巴拉分校。11月，螞蟻金服原副總裁兼首席數(shù)據(jù)科學(xué)家漆遠(yuǎn)加盟復(fù)旦大學(xué)，擔(dān)任復(fù)旦人工智能創(chuàng)新與產(chǎn)業(yè)研究院院長(zhǎng)。
伴隨著學(xué)界人才回歸，曾經(jīng)備受資本熱捧的AI公司也陸續(xù)出現(xiàn)麻煩。首當(dāng)其沖，松鼠AI，比特大陸這樣充滿爭(zhēng)議的AI公司出現(xiàn)問題，爆出各種裁員、降薪的“瓜”。而AI四小龍這樣的公司，也在資本與效益的漩渦中掙扎。加班、降薪，上市困難，上市后頻繁被問詢等問題連續(xù)出現(xiàn)。外界對(duì)這類公司持續(xù)走高的研發(fā)投入和艱難開拓的商業(yè)市場(chǎng)充斥著懷疑。
接下來，互聯(lián)網(wǎng)大廠的AI項(xiàng)目也受到了影響，行業(yè)普遍的高薪神話開始破滅。伴隨著AI項(xiàng)目收益少，做AI上升前景渺茫等爭(zhēng)議，不少互聯(lián)網(wǎng)大廠開始出現(xiàn)了收縮AI項(xiàng)目，對(duì)AI部門進(jìn)行裁員的消息。
然而在一片壞消息的開始出現(xiàn)的同時(shí)，國(guó)內(nèi)AI市場(chǎng)的框架競(jìng)賽、大模型競(jìng)賽接連浮出水面。AI與垂直行業(yè)結(jié)合的方法逐漸豐富了起來，全視覺自動(dòng)駕駛、生物計(jì)算等新興AI機(jī)遇開始受到關(guān)注。
與歷史上的“AI寒冬”不同，今天AI行業(yè)面對(duì)的更多是效益低下問題，部分人才和企業(yè)和資本逐漸失去了耐心，選擇了退出這場(chǎng)燒錢競(jìng)賽。而歷史上的AI寒冬，更多表現(xiàn)為對(duì)AI階段性核心技術(shù)路線的徹底否定，以及新的技術(shù)機(jī)遇將AI排擠出主流視野。前者表現(xiàn)為1973年《萊特希爾報(bào)告》的發(fā)布，后者代表是PC淘汰了專家計(jì)算機(jī)路線。
既然與真正意義上的“AI寒冬”有所不同，那么今天AI產(chǎn)業(yè)表現(xiàn)出的退卻和不順利，內(nèi)核究竟是什么？
核心癥結(jié)，在于算法經(jīng)濟(jì)的失效
既然今天的情況是，有的企業(yè)AI發(fā)展不順，裁員降薪，有的發(fā)展還算順利，依舊在持續(xù)進(jìn)行產(chǎn)品技術(shù)升級(jí)；很多AI大牛選擇及時(shí)止損，回歸學(xué)界，但也有很多學(xué)界投身產(chǎn)業(yè)的人才發(fā)展順利，并且依舊有人繼續(xù)加入。那么就需要分析一下，究竟是什么造成了AI行業(yè)“進(jìn)”與“退”的同步出現(xiàn)。
仔細(xì)看看會(huì)發(fā)現(xiàn)，出現(xiàn)“水逆”的AI公司或者項(xiàng)目，大概分為三類：
1.以人臉識(shí)別、機(jī)器視覺、語(yǔ)音識(shí)別這類基礎(chǔ)AI算法為業(yè)務(wù)核心的算法公司，在安防市場(chǎng)飽和、政府訂單接近瓶頸時(shí)失去了商業(yè)活力。
2.互聯(lián)網(wǎng)公司的AI部門，本質(zhì)是用AI能力服務(wù)自己的產(chǎn)品體系，順便還想將AI變現(xiàn)。但缺乏B端的開拓性技術(shù)和能力，基本盤是想從算法公司那里搶生意。
3.把AI當(dāng)作噱頭的一些公司，比如AI挖礦，AI教育，AI健身。這類公司也吸納了不少AI人才，在AI無法引起資本興趣后大概率草草收?qǐng)觥?/p>
這三類企業(yè)的共同點(diǎn)，在于他們的商品和賣點(diǎn)都集中在AI算法。算法當(dāng)然是AI的核心，但卻不能是AI的全貌?；A(chǔ)的語(yǔ)音、語(yǔ)義與機(jī)器視覺算法種類并不多，能夠解決的大體是比較基礎(chǔ)的識(shí)別問題。這類AI算法確實(shí)可以滿足C端和B端場(chǎng)景中的一些需求，比如城市安防與公共交通系統(tǒng)中的人臉識(shí)別，卻無法滿足企業(yè)對(duì)“智能”的差異化需求。
當(dāng)提供基礎(chǔ)AI算法的企業(yè)越來越多，簡(jiǎn)單算法能夠滿足的市場(chǎng)不斷飽和，這種算法經(jīng)濟(jì)也將快速枯竭。幾年時(shí)間里，AI算法調(diào)用從幾毛錢一次下降到了幾分錢，進(jìn)一步變成了算法白送，支付流量費(fèi)用就行。當(dāng)算法變得越發(fā)廉價(jià)而充沛，不再是稀缺產(chǎn)品，依舊把產(chǎn)業(yè)重心放在算法上的企業(yè)也就陷入了困境。
當(dāng)然，我們可以看到每家AI企業(yè)在今天都絕不僅僅提供基礎(chǔ)算法，而是有花樣繁復(fù)的產(chǎn)品架構(gòu)和技術(shù)思路。但讓這些技術(shù)從PPT中走下來，變成真正的企業(yè)服務(wù)市場(chǎng)份額，期間需要跨過的門檻非常之多。
當(dāng)算法經(jīng)濟(jì)逐漸失效，企業(yè)又沒有成本、決心和能力走向差異化、定制化，解決方案式交付的企業(yè)市場(chǎng)，當(dāng)然就只能收縮AI業(yè)務(wù)，至少可以不再負(fù)擔(dān)AI人才的高職與高薪。
換句話說，AI正在經(jīng)歷的后退，不是AI沒用了，而是一大部分AI企業(yè)賣的東西太簡(jiǎn)單了。提到智慧城市永遠(yuǎn)都是安防，提到工業(yè)恒久不變的是質(zhì)檢，提到互聯(lián)網(wǎng)就是美顏和語(yǔ)音助手、智能推薦。這些場(chǎng)景都缺乏發(fā)展縱深，已經(jīng)出現(xiàn)供給飽和，難以形成進(jìn)一步發(fā)展的動(dòng)力。有人說AI行業(yè)是PPT天下無敵，demo差強(qiáng)人意，走到市場(chǎng)賠光家底。如果不能把AI變成高溢價(jià)的軟件產(chǎn)品與服務(wù)，那么確實(shí)很可能如此。
這也是為什么，我們?nèi)缃窈苌倏吹紸I基礎(chǔ)算法的更新，卻依舊能看到AI產(chǎn)品層面的升級(jí)。大模型、開發(fā)框架、求解器、簡(jiǎn)單機(jī)器學(xué)習(xí)，這些平臺(tái)都指向一個(gè)方向：逃離算法經(jīng)濟(jì)，走向標(biāo)準(zhǔn)化的高溢價(jià)軟件。
AI問題，本質(zhì)是成本問題
或許有人會(huì)說，我們能看到AI企業(yè)跟各個(gè)行業(yè)的結(jié)合啊，有那么多非常精彩的案例，怎么能說AI公司始終停留在賣算法呢？
確實(shí)如此，如果只看發(fā)布會(huì)和PPT的話，AI與行業(yè)，與企業(yè)市場(chǎng)的融合可謂豐富多彩。其中每個(gè)案例帶來的價(jià)值，如果放到全國(guó)或者全球的行業(yè)市場(chǎng)存量中，都是蔚為大觀的市場(chǎng)份額。
可問題是，AI企業(yè)究竟是用了多大的成本完成了這些案例？它們真的具有可復(fù)制性嗎？
這就是AI目前階段最大的問題，技術(shù)服務(wù)商在脫離簡(jiǎn)單低價(jià)的算法經(jīng)濟(jì)，擁抱高溢價(jià)的行業(yè)市場(chǎng)時(shí)，本身將面臨巨大的綜合成本。
首先，AI的最大成本依舊是人才成本。目前很多相對(duì)溢價(jià)較高的AI項(xiàng)目，都需要技術(shù)提供商調(diào)動(dòng)大量專家進(jìn)行現(xiàn)場(chǎng)，支持甚至長(zhǎng)期駐場(chǎng)。很多簡(jiǎn)單的參數(shù)調(diào)優(yōu)都需要博士級(jí)別的人才來完成。這些人才首先薪資極高，同時(shí)本質(zhì)上更像學(xué)者而非一線工程師。他們來到行業(yè)一線有著巨大的溝通成本。如果長(zhǎng)期依靠高水準(zhǔn)人才的堆積來實(shí)現(xiàn)案例成功，那么AI不可能規(guī)?；瘡?fù)制。
另一方面，定制化的AI模型也需要更復(fù)雜的訓(xùn)練環(huán)境和更長(zhǎng)的訓(xùn)練周期。這牽扯出高昂的AI硬件成本。目前，訓(xùn)練一個(gè)相對(duì)復(fù)雜的機(jī)器視覺模型，往往需要大量GPU進(jìn)行數(shù)月甚至一年的訓(xùn)練。其硬件租賃成本就可能達(dá)到幾百萬(wàn)，甚至上千萬(wàn)美元。這樣的硬件成本無論是技術(shù)服務(wù)商還是最終用戶都難以負(fù)擔(dān)。
AI的另一項(xiàng)成本壓力，來自效益回報(bào)的模糊性。大部分AI企業(yè)和業(yè)務(wù)部，都是技術(shù)為主，缺乏企業(yè)市場(chǎng)服務(wù)經(jīng)驗(yàn)。因此很難判斷哪個(gè)行業(yè)，哪種產(chǎn)品能夠帶來準(zhǔn)確的市場(chǎng)回饋。因此經(jīng)常出現(xiàn)大量試錯(cuò)成本，以及內(nèi)部的市場(chǎng)關(guān)系內(nèi)卷內(nèi)耗，繼而導(dǎo)致大量成本浪費(fèi)在對(duì)市場(chǎng)的模糊認(rèn)知中。
AI企業(yè)不可能長(zhǎng)期忍受一位AI大牛帶著十幾位博士，用數(shù)月時(shí)間才解決了某家企業(yè)的AI需求。只有把開發(fā)成本降低，實(shí)現(xiàn)服務(wù)標(biāo)準(zhǔn)化、行業(yè)案例可復(fù)用，AI作為一種企業(yè)服務(wù)技術(shù)才真正有市場(chǎng)可言。預(yù)訓(xùn)練大模型一次訓(xùn)練，多次復(fù)用的邏輯；模型開發(fā)平臺(tái)的簡(jiǎn)單化自動(dòng)化，都是為了以產(chǎn)品能力實(shí)現(xiàn)成本降低的目標(biāo)。
從目前情況來看，AI依舊是新一輪技術(shù)變革中最具確定性的核心技術(shù)。但想要讓它煥發(fā)價(jià)值，企業(yè)首先要能夠跑贏成本壓力。而這場(chǎng)與成本賽跑的過程中，必定要倒下眾多企業(yè)，吹破無數(shù)泡沫。美國(guó)企業(yè)在上世紀(jì)八九十年代完成了全球IT軟件的商業(yè)收割，當(dāng)時(shí)也是重度投入，群雄混戰(zhàn)，最后大規(guī)模洗牌。在企業(yè)搶占AI時(shí)代的軟件基座的戰(zhàn)略空間中，也必須沖破層層成本障礙。而最后一定是寡頭作為底層平臺(tái)活下來。
與成本賽跑的輸贏，取決于AI企業(yè)的三重要素：
1.有沒有錢來持續(xù)投入，中小型公司會(huì)直接困死在這一步。降薪裁員等問題也多由此而引發(fā)。
2.有沒有意愿持續(xù)投入。這種意愿包括成本意愿和市場(chǎng)意愿。把一門新技術(shù)帶到具體行業(yè)是件很難的事，甚至將會(huì)完全改變了企業(yè)原本的業(yè)務(wù)性質(zhì)和工作習(xí)慣，期間必然有諸多困難。華為成立行業(yè)軍團(tuán)需要從最高層進(jìn)行垂直指揮，就是為了降低這件事的意愿成本。
3.能不能找到技術(shù)方法，對(duì)AI的持續(xù)投入，前提是企業(yè)需要明確到底在什么情況下能看到市場(chǎng)轉(zhuǎn)機(jī)，而這就需要技術(shù)能力強(qiáng)大，技術(shù)路徑.準(zhǔn)確。大模型，AI與知識(shí)結(jié)合，深度學(xué)習(xí)框架的工具化，是目前最具代表性的三條產(chǎn)品化之路。
當(dāng)時(shí)間來到2022年，我們能看到很多優(yōu)秀的AI產(chǎn)品和AI技術(shù)思路持續(xù)迸發(fā)，同時(shí)也看到吃老本的AI企業(yè)與業(yè)務(wù)部門正在退卻。
漲潮的時(shí)候，大家都只想盡快把船放到水里。
潮漲潮退之間，船才有前進(jìn)的可能。
我們看到AI企業(yè)的退卻，或許才是AI行業(yè)的前進(jìn)。