深度學習是不是走到底了？是不是該啟動新的科研課題？答案是肯定的。不過要發明更多更好的技術取代深度學習，是不可預期的；因為科學發明無法預期何時發生。目前非常確定的是，在工業界和產業界，繼續把深度學習發揚光大仍有很大的機會。
研究顯示，人工智能（AI）在傳統行業的滲透率只有4%，這意味著AI在傳統行業還存在著很多機會。雖然AI在安防等領域落地，但96%的企業還沒有全面使用AI。對比前兩次技術革命，今天AI的普及狀態就和當年互聯網的“中國黃頁”是一樣的。直至如今AI應用還非常少。
如果從投資角度來劃分AI的時代，我認為可分為黑科技時代、B2B時代、“AI+”時代和AI無處不在的時代。現在我們正處于第二和第三個時代之間。
黑科技時代以科研為主，是一批優秀的博士和工程師以AI技術為切入點，去尋找商業應用的一個階段；在B2B時代，AI公司開始做2B產品和應用，把AI教育應用兜售給學校、金融產品賣給銀行或保險公司。
至于“AI+”時代，頂級會計師事務所之一普華永道認為，到2030年AI將給全世界帶來大約100萬億元的GDP提升。在中國，傳統行業規模大約是200萬億元，其中40萬億元左右是在AI賦能下創造的，遠超其他國家。這是一個巨大的機會，所以要讓AI賦能各主要傳統行業。
如今的AI獨角獸，如商湯科技、科大訊飛等公司，它們一年約有幾十億元的收入。如果要在國內創造50萬億元的價值，是不是要再去創辦1萬家公司？并不是。已經存在的AI公司會繼續創造價值，而更大的機會一定是把AI價值賦能傳統行業。我認為，未來50萬億的價值一定來自于AI對傳統行業的賦能，而不是來自于黑科技，這是巨大的差別。
那么，AI如何賦能傳統行業？我認為有三種模式。
第一種是優化賦能，即公司的運營不變，用AI幫助公司賺錢或省錢，典型的例子就是商務流程外包（BPO）。現在有一個新技術叫做“機器人流程自動化”（RPA），可以讓機器通過學習完成人力的部分工作。這對產業的成本節約是巨大的。比如一些財務、法務、人力資源方面的BPO，都可以通過RPA實現，有數據顯示最多可節省91.2%的成本。再如呼叫中心，語音識別和自然語言處理技術可以處理80%的客服電話。
第二種模式是流程化賦能，它通過改革商業模式，創造更大價值。這在零售領域比較明顯。比如，通過海量數據，用AI精準預測銷售，可以降低倉儲和物流成本，同時節約人員培訓成本。再如，用AI去解讀傳統數據。利用衛星數據，AI可以了解地面上農作物的溫濕度等條件，從而預測年產量和預期價格。這在沒有AI的時候是難以想象的，這還只是冰山一角。
第三種模式是重構或說是顛覆產業。比如投資，一個基金經理的投資決策靠幾十個、幾百個因素，但AI可以利用無限的數據，實現千人千面的投資，獲取更高回報。在這個領域，美國頂級量化基金已有兩家做到了600億美元的規模。我認為未來AI在二級市場的表現一定會更好，因為它對海量數據的分析能力遠超人類。另外一個更加神奇的例子是制藥。今天的制藥是靠化學家、生物學家的靈感想一些新方法來應對疑難雜癥，未來我們可以用生成化學的方法，再加上自然語言處理和生成對抗網絡，去尋找可能的有效因子。根據我的初步看法，未來AI可以使新藥的發明加快4倍，整個制藥行業將被重構。
對于傳統行業，AI賦能的價值是巨大的。但傳統行業也因此面臨各種挑戰，主要是傳統行業怎么發現AI的賦能點，去哪里找AI專家。未來創新工場以及我們的子公司創新奇智希望成為傳統企業的“首席AI官”，幫助傳統企業分析如何利用AI賦能，并提供技術和源代碼。下一步，我們還計劃直接投資傳統行業的公司，用AI的力量為其賦能。因為，我們可以明顯看到AI賦能傳統產業帶來的價值，很快會超過一個AI公司本身的價值。
摘自《中國科學報》
