資本寒冬的呼聲吵了許多年，每年都嚷著今后三年會是最寒冷的三年，然而事實是過去數個年頭的寒冬里面呼聲雖高，企業發展卻并未像想象中那么艱難。但對于即已來領的這一波資本嚴寒來說，2019年卻極有可能成為真正意義上的未來最為寒冷三年的肇始。

回顧2018年，自四月份爆出中興事件以來，原本便不是特別活躍的資本市場在中美貿易摩擦一觸即發的高壓之下運轉速度變得更低了，大部分頭部基金都選擇握緊錢袋子觀望。從創業公司的增長情況也生動反映了這一現狀：2018年1-9月我國新增1245家創業公司，相較于2015年新增20895家，2016年新增12012家，乃至2017年新增6672家，2018年前9個月新增1245家的企業數量確實有些尷尬。2018年底，ofo等共享出行泡沫的破裂，企業接連走向倒閉等現象的發生更是迫使政府也不得不開展所得稅優惠政策來激發活力，穩定市場發展。

對于長期以來被炒得虛火過旺、泡沫嚴重的人工智能領域來說，當下時期資本市場進一步收緊的情況下，其未來發展情況如何？近日，筆者專訪了創新工場人工智能工程院執行院長王詠剛，就當下時期人工智能企業乃至全行業發展等問題進行了交流，或許透過這些談話內容，將為行業進步帶來些許啟示。

經濟下行時期，人工智能創新創業更以價值為導向

經過前幾年密集的資本布局以及巨頭搶灘，人工智能領域本來可以投資的機會已經少了許多，在經濟增長趨緩的趨勢下2018年整個私募股權投資領域的AI投資事件降低了不少。

在王詠剛看來，在整體經濟下行的大趨勢下，人工智能作為經濟大環境中的一部分，現階段創業投資機會減少也正常，符合整個經濟周期的變化規律。之前，在資本推動時期，不少掛著“人工智能”的企業只注重論文、數據以及概念炒作；當下，資本市場更務實更理性，人工智能企業為了生存極有可能會更加重視技術與實際的商用需求、現實場景的結合，這反而有利于促進人工智能工業化進程，進一步加快技術落地，從這個角度來看，這反而是一項“利好”。

以醫療AI為例，早期醫療AI領域出現了大量基于視覺、圖像識別、智能診斷的技術，但是卻很少有創業機構會去關心這些技術未來是否能夠成為一個具體的產品，它未來在整個醫療體系當中將會處于怎樣的一個位置，能夠提供何種價值，是否能優化和完善整個醫療體系，為其帶來應有的價值。此外，對于這些技術，未來的買單方可以分為醫生個人、醫院、醫保體系等多個維度，如何滿足不同買單方各自的運用需求，很多企業考慮得也不是很到位。總的來說，大多數醫療AI企業早期討論更多的還是技術識圖的準確率、數據量等，仍然是屬于比較淺層次的AI運用。

回歸到解決具體的問題之上，經濟下行時期，企業為了發展更該盡快的實現自我造血能力，這就需要把之前淺層次的數據分析等方面的能力沉淀下來，繼續做深化，回歸到具體的行業深處去尋找能夠結合實際需求的價值結合點，最終落地并且能夠長期走下去。

差異化優勢的存在，人工智能仍然有許多機會

盡管當下我國整體經濟增長趨緩，但鑒于中國極具特色的經濟結構，綜合各方要素來看，當下時期我國人工智能產業發展也存在著多層次多方面的機會。

一個月前，創新工場管理合伙人汪華在談到資本寒冬和經濟周期時對我國經濟結構的特殊性做了分析，提出了中國式“經濟魔方”的概念。在王詠剛看來，汪華所談的“經濟魔方”是基于中國當下經濟結構的差異化形態而提出的。

從橫向上來說，我國不同地域之間，一二線城市與三四線城市之間，城市與區域村鎮之間，它們在地域發展層面都存在著極大的差異。在縱向上，不僅僅在智能化層面，甚至于在電子化、數字化層面不同行業領域間也存在著巨大差距。這種差異在國內高中低收入人群、不同地域、行業之間的交叉在不同層面之上形成了許多可以利用技術手段改造升級的新機會，拼多多、貝店等公司的出現便是基于這樣的條件而形成的。

同樣以醫療診療為例，目前國內三甲醫院與普通醫院、以及三四級城市之間的醫院、鄉鎮衛生所等診療機構之間所存在的診療水平差距是非常巨大的，這種差異性導致了我國醫療資源分布極其不均衡，如果能通過人工智能等技術手段助力醫療行業升級變革，實現將三甲醫院的醫療水平下放一部分到普通城市醫院，無論是從商業層面還是社會意義層面都將會是一件非常有意義的事情。

醫療行業之外，目前國內在家居建材、教育、零售等不同行業的不同區域之間都存在著巨大的差異性，這使得未來以AI為代表的系列新技術在彌補國內差異化經濟發展的過程當中存在著大量的機會。

面對國內市場依然存在的大量機會，創業機構該從哪些方向突破成為了一個值得思考的問題。在王詠剛看來，真正的人工智能創業不外乎以下兩種模式。

AI+紅利平臺：這一模式更加側重于通過AI技術服務C端客戶，人工智能創業不能是單純的技術創業，未來絕大多數的創業都是需要先有平臺，后有人群的機會，然后才有場景、技術的機會。這一模式通過把AI技術引入到流量平臺上來提升平臺的服務效率，增強C端用戶體驗，走的是B2C模式。

AI+垂直行業：將AI技術深入的嵌入到不同行業的具體業務流程當中，起到一個核心的作用，細化到如何幫助企業降本增效，主要面對的服務對象是B端和G端政府客戶。對比中美AI領域發展現狀，王詠剛認為當下時期國內科技機構需要靜下心來看這一領域的機會，學習借鑒IBM、salesforce等機構運用AI來解決實際問題的經驗。

對比我國與發達國家AI產業現狀發現，歐美等國對于用戶數據高度重視，且非常注重數據保護。國外數據保護的政策在一定程度上維護了用戶的數據安全性，但是又加劇了用于訓練AI算法、數據挖掘等數據的獲取難度。所以在一定層面上，國內相對開放的數據政策使得我國人工智能產業在發展過程擁有了相當大的自由度，仍然有許多機會。

中美競爭關鍵看人才，我國AI人才培育需要新模式

經濟下行時期我國AI產業發展依然有多方面的機會，這其中，產業發展的競爭問題也成為了一個值得思考的問題。近年來，在人工智能領域，進入中美兩國“平行宇宙“時代。但是從最關鍵的人才儲備層面來看，我國人工智能領域專業人才仍匱乏，急需改變現狀。

提及我國人工智能產業人才現狀，王詠剛表示，目前中國人工智能領域仍缺乏頂尖AI學術領袖，頂尖AI科研與美國仍有不小的差距。但是除了尖端科研人才之外，國內以工程運用為導向的中間層AI人才儲備充裕：一方面，以微軟亞洲研究院為代表的國外知名企業研究所針對中國市場培養了一批優質的種子人才；另一方面，多家國外高校、研究所等機構也為中國培養了一批優秀的歸國學子，這些人才共同構成了國內整體的AI人才生態，并且已經成為了我國AI產業的中堅力量，在質量以及數量上都不容小覷。

現階段AI產業發展也已經逐步從前期的科研探索階段走向“應用為王“的階段，正是以工程運用為主的中間層人才施展拳腳的最好時機，這使得我國在與美國的產業發展競爭當中站穩了腳跟。此外，中國復雜的的經濟結構以及政府大力支持也都為我國AI產業的發展奠定了堅實基礎。

除了頂層科研人員以及中堅層AI人才隊伍現狀的介紹之外，王詠剛還分析了未來新一代AI人才培養方面的相關見解。

首先，以高校為主培養出來的尖端人才來看，由于國外崇尚學術自由，更強調課題研究者實際運用能力，這使得它們所培養出來的學生在實際運用過程中解決問題、發現問題的能力更強，而且在創新性科研突破方面的優勢更加明顯。反觀國內，中國高等教育機構培養出的學生理論基礎扎實，但實操能力仍需要提高。多因素導致國內外頂尖高校培養出來的學生之間存在著許多知識以及技能點之上的差異。

其次，到了再往下的工程師培訓階段，目前國內大多數培訓機構的培訓情況同質化現象嚴重，而且大多打著一個速成的旗號相互跟風炒作，讓人錯覺任何人只要接受培訓便可以快速轉型成為一個合格的AI人才，但事實是大多數通過這樣的培訓走出來的學員也只能是一個初級的AI從業者，離真正的“入門級“還有一定距離。

王詠剛認為，現階段社會上大多數機構對于AI人才的培養重數量而不重質量。其實在真正的工作場景當中，一個能夠主動解決問題的AI人才勝過一百個普通人員，企業在招人的時候也更愿意以高價聘請前者而不是低價聘請后者。盡管近兩年我國在相關人才培養方面做了許多努力，但是現階段為了適應更快的智能化產業升級的浪潮，我國AI人才培育需要探索更多的新模式，比如更注重“產學研“結合。

產學研一體，以賽事助推構建AI人才生態

在適應智能化產業升級的眾多AI人才培養模式當中，創新工場人工智能工程院提出的以研究院、培訓、社區、大賽四要素綜合而成的模式在AI人才培育方面做出了新嘗試和貢獻。

王詠剛介紹，作為定位“VC+AI”的創新工場的重要組成部分，創新工場人工智能工程院在一定層面上擔起了創新工場行業研究或者戰略咨詢的角色，在深入研究行業的同時為公司內部輸送一線信息。對于AI人才培養而言，工程院在了解企業用工方對于真正的AI人才需求的基礎之上提煉出基本的AI人才素質，并參與設定相應的技能培訓課程。課程設定結束之后工程院將會以嚴格的準入資格考核考生，組建師資隊伍進行培訓，鼓勵受培訓對象將所學成果運用到實際生活當中，解決真實問題，最終依據實踐結果給出評分。

在具體的業務模式上，創新工場人工智能工程院人才培養板塊的業務主要由DeeCamp人工智能訓練營，AIChallenger全球AI挑戰賽等兩大部分組成。

DeeCamp人工智能訓練營：由創新工場于2017年發起，旨在提升高校AI人才在行業應用中的實踐案例經驗，同時推進產學研深度結合。該項目于2018年被教育部選作為“中國高校人工智能人才國際培養計劃”兩個組成部分之一的學生培訓營。培養計劃包含部高校教師AI培訓班和高校學生DeeCampAI訓練營兩部分，分別針對高校老師和在校學生進行培訓。

據悉，2017、2018年兩屆DeeCamp吸引了超過全球600所高校的8，000人報名，最終來自85所大學的336名AI人才入選，接受李開復、吳恩達、JohnHopcroft領銜的頂尖學術與產業專家講授的超30門專業課，以及進行超10個頂尖AI公司設立并輔導的19個實踐課題，準入難度可見一斑。

AIChallenger全球AI挑戰賽：作為創新工場發起并聯合產業、學術和政府機構舉辦的，面向全球人工智能人才的開放數據集和編程競賽平臺，致力于滿足AI人才成長對高質量豐富數據集的需求，推動AI在科研與商業領域結合來解決真實世界的問題。在剛結束不久的2018年AIChallenger決賽過程中，大賽吸引了來自全球超過1萬支團隊參賽，平臺用戶累計超過30000名，覆蓋81個國家超過1000所高校和公司。

從實際比賽的結果來看，2018年AIChallenger競賽中，比如無論是美圖公司的短視頻實時分類競賽，還是搜狗的機器閱讀理解競賽、機器翻譯競賽，都出現了一批優質的參賽成果。其中，尤以美團點評的無人駕駛競賽的選手取得成果最為突出。據王詠剛介紹，此次無人駕駛競賽所用的比賽數據其實在之前全球計算機視覺及模式識別領域頂級學術會議CVPR的一個比賽上已經用過，但由于賽制的原因，當時這個數據更多的是被用去做學術性質的算法準確度提升，并不注重與實際運用場景的結合。而在本次大賽上，參賽團隊不僅關注準確度，而且還結合實際運用場景進行開發，最后冠軍隊的成果不僅在準確度上超過其他選手，而且在效率上更遠高于其他選手四倍以上。這一成果得到了自動駕駛領域資深人士、前滴滴研究院院長何曉飛教授的贊賞，稱其達到了世界級工業水平。

談到工程院在AI人才培養方面的可借鑒經驗，王詠剛說，結合實際運用、解決真實生活場景中的問題是AIChallenger設置的出發點，也是企業對AI人才提出最為關鍵的考核指標，2018年AIChallenger無人駕駛競賽的實例證明了兼容學術精確度與現實場景需求的技術也能夠做出非常優秀的成績。此外，參賽隊伍的高規格嚴選模式以及賽前輔導，賽中支持等方面也為最終的結果加分不少。

據悉，目前DeeCamp人工智能訓練營以及AIChallenger全球AI挑戰賽兩項業務均屬于非營利類項目，王詠剛表示，這兩項業務的開展主要是致力于搭建一個貫穿產業、教學、科研三者合一的有機生態，涵蓋人才、資本等多方因素，搭建工業界與科研界的有效結合場景，共同推進我國AI產業進步。