圖片來自“123rf.com.cn”

先來想想未來。

未來的企業(yè)應用特征是社會化商業(yè)、網(wǎng)絡(luò)連接、數(shù)據(jù)智能

未來的信息化場景是企業(yè)互聯(lián)網(wǎng)-產(chǎn)業(yè)互聯(lián)網(wǎng)-社會化商業(yè)

未來的信息化產(chǎn)品體系是產(chǎn)業(yè)互聯(lián)網(wǎng)云服務、中臺與平臺、企業(yè)級云ERP

未來的數(shù)字化場景是智能零售、智能倉儲物流運輸、智能車間、智能辦公、智能城市

未來的數(shù)字化產(chǎn)品體系是智能硬件芯片、智能OS、IoT物聯(lián)網(wǎng)接入平臺、可視屏音箱助手

未來的中臺與平臺：

1.網(wǎng)絡(luò)連接：互聯(lián)網(wǎng)服務連接平臺、物聯(lián)網(wǎng)連接平臺、SaaS服務連接平臺、ERP集成平臺

2.數(shù)據(jù)：數(shù)據(jù)中臺、大數(shù)據(jù)技術(shù)平臺

3.智能：人工智能技術(shù)平臺、人工智能應用中臺

未來的技術(shù)棧是：

用戶交互層：傳感器、人工智能視覺識別/語音交互

邏輯層：Open API Mesh、人工智能關(guān)聯(lián)推薦算法

數(shù)據(jù)層：人工智能精準搜索/關(guān)系圖譜、區(qū)塊鏈

未來商業(yè)模式：

1.IT服務：云訂閱服務、智能硬件

2.金融服務：大數(shù)據(jù)+AI驅(qū)動的金融信貸服務、大數(shù)據(jù)+AI驅(qū)動的金融科技服務（聚合支付服務、反欺詐服務、信用服務、實時風控服務）

3.業(yè)務服務：大數(shù)據(jù)+AI驅(qū)動的：社會化財稅自動化服務、社會化用工調(diào)度服務、社會化營銷數(shù)字化服務、社會化供應鏈資源調(diào)度服務

看，從客戶需求，到產(chǎn)品，到技術(shù)，到商業(yè)模式，全不一樣了。面對未來，不管是中國BAT互聯(lián)網(wǎng)公司，還是中國企業(yè)軟件公司，還是國外的企業(yè)軟件巨頭公司，還是實業(yè)企業(yè)的科技公司，大家全都同一個起跑線，全都懵逼探索，就看誰從研究、戰(zhàn)略合作、資本融資與投資并購、組織與人才、激勵多方組合，誰能做到：選準、做對、跑得快，誰就能贏得未來。

01、筑底

人工智能專業(yè)發(fā)展了60年，一共折翼兩次。一次是剛剛發(fā)展起來，想通用解決問題，太樂觀，當然折翼。一次是90年代，吸收了第一次的經(jīng)驗教訓不搞通用了，專門做細分專業(yè)領(lǐng)域的專業(yè)系統(tǒng)，但太依賴專業(yè)領(lǐng)域知識加工，還是沒法做成商業(yè)。

如何不強依賴專業(yè)領(lǐng)域知識呢？嘿嘿嘿，這就是這一次的發(fā)力重點：深度學習。這會對上層視覺識別、語音交互、自然語言處理三大應用領(lǐng)域都有加持助推效能。

而在深度學習領(lǐng)域，Google收購的英國DeepMind公司在這塊有兩個重大突破：神經(jīng)網(wǎng)絡(luò)（質(zhì)量）、TransFormer（性能）。所以，各種CNN（卷積神經(jīng)網(wǎng)絡(luò)）、MTCNN（多任務卷積神經(jīng)網(wǎng)絡(luò)）、RNN（循環(huán)神經(jīng)網(wǎng)絡(luò)）、DNN（深度神經(jīng)網(wǎng)絡(luò)）、ResNet（深度殘差網(wǎng)絡(luò)）、LSTM（時間序列長短期記憶網(wǎng)絡(luò)）、GAN（生成式對抗網(wǎng)絡(luò)）。

模型改進:大規(guī)模無監(jiān)督模型GPT-2，并且結(jié)合了Attention機制，頗適合圖像生成質(zhì)量優(yōu)化。

算法改進：如BERT算法，頗適合NLP訓練質(zhì)量優(yōu)化。

當然，這些網(wǎng)絡(luò)結(jié)構(gòu)、算法、模型、機制都已經(jīng)被開源成深度學習平臺，這讓高深的人工智能走入普通IT公司：

Google：Tensorflow/Koras

Facebook：Caffe/Pytorch

微軟：CNTK/DMTK

AWS：MXNet

OpenAI：Open AI（目前尚無完全開源）

Apache：OpenNLP

百度：PaddlePaddle

Salesforce：TransmogrifAI

除了在算法模型平臺層有開源外，在其他幾個方面也湊在了一起：

算力芯片層：英偉達借助區(qū)塊鏈比特幣大風發(fā)展起來專用芯片GPU，也可用于人工智能。Google發(fā)布了TPU。

算力資源層：AWS、Azure云計算廠商都提供了人工智能訓練所需的IaaS服務，正好適合人工智能訓練這種波峰波谷的工作。

數(shù)據(jù)存儲層：AWS、Azure云計算廠商都提供了云分布式對象存儲服務、大數(shù)據(jù)存儲平臺、大數(shù)據(jù)計算平臺

數(shù)據(jù)集層：4G、智能手機/高清攝像頭、照片相冊云盤這三樣的普及，讓圖像數(shù)據(jù)積累快速膨脹。

所以說，這是學術(shù)界（算法模型）、工程界（開源）、云計算、智能手機移動互聯(lián)網(wǎng)四者疊加的效果。所以，為啥這次學術(shù)界的人紛紛加入產(chǎn)業(yè)界，就是因為這個原因，沒有數(shù)據(jù)沒有算力沒有應用場景，就沒法改進算法模型。

02、開源

開源是個好東西。

我這里就是列了一些通用的、大面的。至于更詳細的，大家可以看：paperswithcode這個網(wǎng)站，浩如煙海的論文和代碼，你想要的都在這里。

一、視覺

OpenCV(Intel) DeepDream (Google)

人臉識別：InSightFace

物體檢測：Detectron（Facebook）

二、語音

語音到文字：wav2Letter（Facebook）

語音識別：kaldi（約翰霍普金斯大）

文字到語音：VoiceLoop（Facebook）、Merlin（英國愛丁堡大學）

三、NLP

搜索：Apache的Nutch、Luence、ElasticSearch

關(guān)聯(lián)推薦：PredictionIO (Salesforce)  關(guān)聯(lián)推薦算法庫LibRec (中國東北大學)

對話系統(tǒng)：如DeepPavlov（莫斯科物理學院）、ParlAI（Facebook）、Texar（卡耐基梅隆大學）

通用NLP：Pytext（Facebook）、OpenNLP（Apache）、Spacy、AllenNLP、NLTK（賓夕法尼亞大學）、CoreNLP（斯坦福大學）、HaNLP（中國哈工大）、FastNLP（中國復旦大學）

四、深度學習

深度學習：Tensorflow/Koras（Google）、Coffe/Pytorch（Facebook）、微軟CNTK/DMTK、AWS的MXNet、百度的PaddlePaddle。Salesforce還針對Tensorflow出了一套簡化封裝的流水線TransmogrifAI

增強學習：Dopamine（Google）

五、機器學習/數(shù)據(jù)挖掘

算法庫：Spark MLlib、Numpy、Pandas

04、鴻溝

最早我們寫應用，是UI、邏輯、數(shù)據(jù)一體化，如DBaseIII。

后來出現(xiàn)了大型關(guān)系數(shù)據(jù)庫，我們才有了C/S結(jié)構(gòu)，數(shù)據(jù)和應用分離。這是VB、PB、Delphi的輝煌時期。

后來又有了組件、容器中間件，所以我們才有了三層結(jié)構(gòu)：UI層、業(yè)務邏輯層、數(shù)據(jù)層三者物理分離，而且三個層使用的技術(shù)也都不一樣。尤其是出現(xiàn)了多端的時候，萬金油程序員終于頂不住了，開始分離出專門的前端程序員（Web/移動App/小程序）。在數(shù)據(jù)層也是對象存儲、SQL、NOSQL、數(shù)據(jù)倉庫、大數(shù)據(jù)計算平臺各種技術(shù)組合，就出現(xiàn)了數(shù)據(jù)層的專門程序員。反而業(yè)務邏輯層的技術(shù)變化并不大，編程語言也基本就是JAVA了。

但人工智能的出現(xiàn)，讓業(yè)務邏輯層開始發(fā)生翻天覆地變化。如何讓新技術(shù)從研究到研發(fā)逐環(huán)節(jié)培育轉(zhuǎn)移？如何讓新技術(shù)從原型到創(chuàng)新產(chǎn)品到核心產(chǎn)品逐層吸收應用？

對于前沿技術(shù)，最佳的研發(fā)組織分工應該是：

1. 戰(zhàn)略合作：云計算廠商合作、開源社區(qū)界合作、學術(shù)界合作。從云計算廠商來看，微軟Azure很牛，開源社區(qū)Google很牛，學術(shù)界看了看香港很牛，港大、香港理工大、香港科技大、香港中文大學、香港城市大學都是榜上有名的?？磥聿季执鬄硡^(qū)很有必要。

2. 科學家研究實驗室：戰(zhàn)略合作、論文閱讀理解、技術(shù)平臺選擇、原型算法原型模型原型應用快速突破驗證

3. 技術(shù)平臺研發(fā)中心：人工智能技術(shù)平臺正式研發(fā)、與科學家研究實驗室合作開發(fā)技術(shù)算法模型、對人工智能應用平臺暴露簡化后的API

4. 應用平臺研發(fā)中心：開發(fā)人工智能應用平臺、與應用雅畈中心合作開發(fā)應用算法模型、通過Open API平臺對外暴露簡化后的API

5. 應用研發(fā)中心：微調(diào)節(jié)應用模型、調(diào)用Open API平臺的一個API就直接應用了人工智能能力

6. 大客戶定制研發(fā)中心：微調(diào)節(jié)應用模型

最佳的研發(fā)流程應該是：

第一步 科學家研究實驗室（特種部隊尖刀連）：搭建快而臟的原型，快速技術(shù)+應用驗證應用價值場景、技術(shù)使用性和技術(shù)成熟度，然后把成果轉(zhuǎn)移給創(chuàng)新產(chǎn)品研發(fā)中心

第二步 創(chuàng)新產(chǎn)品研發(fā)中心：創(chuàng)新產(chǎn)品研發(fā)中心接到成果，當做最佳實踐案例進行產(chǎn)品分析，然后對新技術(shù)模塊、新產(chǎn)品模塊，按照產(chǎn)品管理流程與質(zhì)量保證進行正式的微服務化設(shè)計（如可擴展、可定制、高性能、高可用、可實施、可運維）

第三步 核心產(chǎn)品研發(fā)中心：在創(chuàng)新產(chǎn)品商業(yè)推廣一年后，核心產(chǎn)品研發(fā)中心對核心產(chǎn)品進行新技術(shù)的吸收與利用，升級核心產(chǎn)品