从 「AI 崇拜」到 「AI 落地」，投资逻辑正在迭代

摘要

新一代的 AI 「独角兽」，该有什么样的气质？

最近跟一些投资人聊天，大家普遍认为 AI 行业经过之前两年的热潮，今年会发生比较明显的变化。过去大家关注的重点，几乎都集中在了 AI 的技术积累上，但今年所有人都在问「你的 AI 怎么落地？」。

在这样的环境变化之下，很多 AI 创业公司可能会面临比较大的考验，像一些估值很高的公司在去冲刺科创板的时候，被质疑最多的问题就是「估值倒挂」——它们的技术实力虽然确实很强，但却还没有通过充分释放自己解决问题、创造价值的能力来证明自己。

不过另一个方面，有一些公司的价值却也在慢慢突显出来，比如最近 AI 行业最大一笔金额的融资，是明略科技拿到了腾讯领投的 20 亿元人民币。在我看来，这笔融资不只是说明了这家公司的价值，背后更反映出了整个产业对 AI 价值体系思考的变化和延展，开启了从「AI 崇拜」到「AI 落地」的进程转换。

因为 AI 技术在相当长的一段时间内都没法达到理想的完美状态，比如人脸识别的精度还到不了 100%，所以 AI 要落地，就必须兼容技术长期的进步过程，想办法利用它当前阶段的能力去创造价值。像明略科技这种不追求单一 AI 技术的精度、而把「AI 落地」作为自己业务重心的公司，在今天能得到资本的认可就有了它的必然性。

最近我刚好跟明略科技的创始人吴明辉有过一次交流，他提出了几个特别值得思考的观点：

• 要打通「感知智能」和「认知智能」
• AI 应该兼容「数学式学习」和「物理式学习」
• AI 落地必须是「白盒子」
• 好的 AI 产品需要 IQ、EQ 双高
• 人机协同遵循「HAO 模型」

经过吴明辉的允许，我把我们这次的交流分享给大家（以下内容经过必要的删减和编辑）。

明略科技创始人吴明辉

一家与众不同的 AI「独角兽」公司

张鹏：AI 这几年很热，在这个大赛道上，明略一直很低调，但其实已经是一家独角兽公司了，和其他公司相比，明略与众不同的点是什么？

吴明辉：我创业一直秉承着一个理念：大赛道要看，但同时也要有自己的独特定位。

我们是从做大数据业务开始的，之前整个团队对数据就有很多年的经验积累。我们知道在这一轮 AI 的新浪潮里，所有机器学习的算法一定要有数据才能做迭代。但是我们又看到绝大多数耳熟能详的 AI「独角兽」公司，几乎一股脑钻到图像识别领域里去了，在做「感知智能」层面的事情，如果我们也去挤这个独木桥，可能并不是一件创新的事情。

明略跟其他公司最大的区别在于，我们并不寻求在单一技术上的突破，不追求一定要把算法的准确率从 80% 提升到 95%，而是把多种 AI 技术结合在一起使用，这个时候实际的效果反而能快速提升。

所以我们选择先把数据做好，然后直接跳到「认知智能」层面去做，同时把「感知智能」和「认知智能」打通，再加上大数据，最终给行业客户交付有效的产品。

我们之前没有很高调，没有参加什么 PK、刷分，因为那不是我们的特长，我们真正的特长是给行业做人工智能交付。

张鹏：我的理解是说，科技公司可能有不同种类，有一些做技术研发，去提升技术的准确度，然后降低技术的成本，还有一些考虑的是怎么利用技术在现阶段的能力去解决问题、创造价值。明略给自己的定位其实是后一种。

现在大家都知道「AI」这个词，但是 AI 到底是什么，怎么定义先进的 AI，还有 AI 未来要走向什么样的目标，这个好像没有人能说得特别清楚，整个社会的认知也不是特别统一。

在「感知智能」层面，中国有很多优秀的公司，那 AI 再往下走，什么是下一级台阶？是不是你刚才演讲的时候说的「要让 AI 从感知一个东西到理解一个东西」？

吴明辉：确实是这样的。这个过程就好像爬行动物出现的时候，它们有很好的感知系统和运动系统，有感知就直接运动了，但是这个过程里没有思考，是应激反应。哺乳动物出现之后，大脑里出现了新皮层，于是认知系统出现了。AI 能力的升级，真的特别像我们人的「智能」迭代，有从「感知」到「认知」这么一个过程。

「认知」有什么作用？举个例子，公安系统去识别一个人的时候，准确率不可能 100%，有的时候只有 70% 或者 80%，这样把他放到一个庞大的数据库里去比对，发现相似度在 80% 以上的可能就有上万人。这个时候只靠 AI 的「感知」能力就没有多大作用了，因为不可能把一万个人全抓过来审讯。

怎么办？那就需要对这一万个人做理解，要知道哪些人有前科，哪些人有不在场证明，还有哪些人正好跟受害人有利益冲突等等，这些都是基于「知识图谱」才能做到的。所以明略之前花了大量的时间做「知识图谱」，再跟前面的「感知智能」结合起来，才可以提高办案效率。

当然了，「理解」完了之后还要有「分析」，否则警察在使用这个产品的时候会很复杂，所以我们也在做帮助客户「分析」的系统和引擎，这是 AI 往下走的第三个层次。第四个层次是「决策」；到最后就要落实到行动上了，行动才真正产生价值。

AI 要迈上的「五级台阶」

从「黑盒子」到「白盒子」

张鹏：行业「知识图谱」的沉淀，本质上就是在前期就做了人机分工，因为行业知识是人沉淀下来的，这相当于给予了机器方法论，让它能更好地去运用算力理解数据。你能不能再具体解释一下，机器到底怎么结合「知识图谱」产生更大的价值？

吴明辉：人类的学习方式有两种，一种是物理式学习，一种是数学式学习。物理式学习是每天试错，试错以后就会有反馈，有了反馈才有进步。数学式学习就不是试错了，而是直接学习知识、进行思考。

今天以深度学习为代表的「感知智能」用的就是物理式学习，不断地标注样本就是在告诉它，这个是对的，那个是错的。而基于行业「知识图谱」的「认知智能」，用的是数学式学习，你给它知识和一些条条框框，告诉它这个事不能做，那个事可以做。

能把这两种学习模式综合到一起的人，一定是最厉害的。他不能只试错而不学习先进经验，但是只学习先进经验，自己却没有真正地落地实践也是不行的。

机器的学习模式也应该是这样。它们去帮公安破案的时候，识别人脸肯定是通过样本标注，但是在去帮助机器制造业维修故障的时候，就会有大量的专家知识在里面，因为专家的经验能告诉它，什么样的原因会引发这种故障，后面的情况会怎么发展。所以怎么把人类的知识经验赋能给 AI，这是「知识图谱」要解决的问题。

张鹏：我觉得我们之前理解的 AI 比较狭隘，认为深度学习就是一个「黑盒子」，准确率还可以，但是不知道怎么算出来的，我们只能接受结果。听完你讲的这些，我觉得明略更像是在推动一个「白盒子」，虽然还是要用到机器的算力，但要真正得出结果，还是要用到人积累的经验和沉淀下来的行业「知识图谱」，这些结合起来才能真正发生作用。不知道我的这个理解对不对？

吴明辉：您的这个理解挺正确的。我补充一句，我们首先也要使用「黑盒子」，不过最终呈现出来的一套解决方案是「白盒子」。公安系统破案的时候要用到人脸识别，这是识别过程是解释不清的「黑盒子」，但是把人抓出来之后，你不能只说一句「他是坏人」，还要给大家一个解释，这个解释必须基于严密的逻辑系统之上，这里需要呈现出来的就是「白盒子」。还有人和机器之间的协作要能互相理解，这也需要「白盒子」。

好的 AI 产品需要有高情商

张鹏：AI 的发展刚刚开始，今天的这波热潮，其实是推动机器和人怎么更好协作的一个新起点，这种协作要一层一层往上迈。从这个角度来看，大家也能更好地理解为什么明略在做的事情还蛮有意义的。

你刚才说明略并不单纯追求算法准确率的提升，哪怕它的精度不是那么高的时候，你们也能想办法让它产生作用，这具体是靠什么去实现的？

吴明辉：需要有两个方面的工作。第一件事情是要使用多种维度的数据，就像一个优秀的老刑警，他绝对不只是看一个维度的数据，他还要看人走路的步态、眼神、穿着等等。有经验的老刑警一眼就能作出一个综合判断，这个人是不是贼。多模态人工智能，结合更多维度的数据，就有可能提升整个的综合效率。

第二个方面的工作，是要让人和机器之间互相理解、互相认同和互相妥协，因为我们需要的是有温度、有情感，有情商的产品，这是非常复杂的一件事情。

我们投资过一家企业，他们做了一个在酒店里提供服务的机器人，它最大的痛点是怎么坐电梯，如果电梯里有人挡在门口怎么办，总不能硬挤上去吧？它设计得就特别友好，碰到这个场景它会说话，「对不起，我是机器人，年纪小、腿脚不灵，麻烦让让路」，所以这个机器人的情商就特别高。

这和我们在日常生活里跟人的交往是一样的，如果一个人智商很高，但是情商不行，你可能也不会喜欢和他合作。所以怎么让 AI 产品智商和情商双高，这是产品经理需要好好思考的事情，并且因为这个产品是一群人要用的，所以要考虑的还是群体心理。

张鹏：一般大家说 AI 都是觉得它 IQ 挺高的，算力强，但是 EQ 这件事以前还真没有怎么去想过。

吴明辉：机器人的 EQ 跟人的 EQ 很像，可以用类似的评估方法。它表现出来的第一个特点是当它解决不了某个问题的时候，愿意去寻求其他的方法，而不是在一个点上钻牛角尖，这也就是前边讲的通过多模态技术可以去提高这个产品的 EQ。

第二个特点是当它解决不了问题的时候，会把这个问题做拆解，分成一部分它自己能解决的，不能解决的另一部分再还给人，让人帮着它解决。我们做的人机协同系统要解决的就是这个问题，到底人和机器怎么分工。

张鹏：未来我们要找到跟 AI 真正的协作方式，而不是把所有事情都扔给它，因为它不能解决所有问题。

吴明辉：是的。比如在破案的过程里，如果只使用「感知智能」技术，那 90% 的工作还是人在做；如果融入认知、理解、分析、决策这种模型进去，人的工作量可能就降到了 20% 或 30%，但还是要人机协作，至少去抓捕嫌疑人的时候，还是需要人去做的。

图 | 视觉中国

人和机器协同构成新型「组织智能」

张鹏：要有共同的理解才能有更紧密的协作，你之前提过一个「HAO 模型」，这里面包括人的智能（Human Intelligence）、机器的智能（Artificial Intelligence），最后还有组织的智能（Organization Intelligence），这个组织的智能怎么理解？

吴明辉：「HAO」这个概念，是我跟我们的首席科学家吴信东一起提出来的。我们是 To B 的公司，服务的企业和组织里有很多人，之前是人和人的协作形成组织智慧，但在今天这个人机协作的时代，这里面就不光只有人了，而是人和机器形成了一个新的组织形式，大家基于各自的特长重新分工。

在这个组织里，人是最灵活的一个组成部分，但效率却不是最高的，人在做大规模存储和计算的时候，肯定拼不过计算机。所以基于这样一些特点，这个组织里的分工，既有人的感知系统、认知系统和行动系统，也有机器的感知系统、认知系统和像机械臂这样的行动系统，这些共同组成了一个完整的系统。

这里面最关键的一点是，人的认知系统和机器的认知系统要能打通，如果他们之间不能互相理解，就实现不了协同。

张鹏：这是未来提升生产力非常重要的一个方向。如果只是把机器当成工具，那还是得有很多人熟练地去使用它，但在你的定义里，机器对于人来说已经不只是工具了。明略把「创造人机同行的美好世界」当成自己重要的愿景去推动，背后肯定做了很多的思考。

吴明辉：是的。人工智能在世界上会扮演越来越重要的角色，这是未来挡不住的趋势，但是如果机器做的所有工作都是「黑盒子」，人对它无法管控，那也是不行的。我们创造 AI 的初衷是要帮助人生活得更好，它去做的事情都是我们人不想做或者做不到的事情，而且它确实做得比人好，我觉得这才是「人机同行的美好世界」。

张鹏：本质上还是要让 AI、让机器能更好地跟人共振，它能发挥它的优势，但是人自己的优势也要保持。同时即便是机器做它有优势的事情，背后仍然要附加人类积累的知识和沟通技巧，这样才是完整的，否则它就还只是一个效率比较高的工具而已。所以要成为伙伴、要人机同行，就要从最初的感知到认知，去做理解，再去决策，推动创新，这是一级一级台阶往上走的。

吴明辉：单纯从企业经营的角度来说，如果你设计出来的产品无法实现人机协同，而机器又没有办法独立完成一个完整的任务，那这个产品是不可能商业化的。

张鹏：过去大家都很喜欢谈黑科技，现在我觉得黑科技不一定是最酷的，能把科技真正应用得更广，让更多的人能受惠于这个科技、创造最大的价值，这才是最酷的。在这样一个务实、意义重大但是也很难的事情上，明略有了一个好的起点能够继续往前走。