AI的颠覆性究竟在哪里？无人驾驶技术的发展会改变房地产产业？最稀缺的AI资源居然是……？大公司争相成立的研究院，真的有效吗？

在《大V开8》的录制间里，未来图灵对话美团点评技术学院院长刘江，听他从资深从业者的角度分析AI的前路。

下面根据刘江原话做了不改变原意的整理：

▎AI的颠覆性还没有完全显示出来

我有一个观点是，AI对于科技行业，尤其是互联网IT行业来讲，还没有显现出它真正的颠覆性。

这个潜力是有的，但是怎么让整个行业格局发生大的变化，目前来讲还没有看出来。

这个颠覆性——比如说iPhone智能手机的发布。那之前市场份额靠前的手机厂商是诺基亚、摩托拉、黑莓，之后短短几年内就基本都不行了，现在份额最高的公司是苹果、三星、华为。

iPhone发布给整个手机产业的格局带去了巨大的变化，是真正产业性的颠覆。

这也可以说是移动互联网的颠覆性，现在AI从某种意义上来看其颠覆性还没有完全显现出来，只能看到一些很明显的方向，比如无人驾驶。

当然AI的发展也取决于谷歌、苹果、亚马逊这些巨头，我们从行业里感觉，前几年这些公司的负责人会比较焦虑，怕AI起来以后自己会被干掉，或者对手掌握得更好，但是这几年发现，AI更像是锦上添花的事：在很多原来的方向上它更多的作用是提升效率，而不是引起特别大的模式的改变。

不能否认AI的颠覆性，但是怎么颠覆，至少目前还没有看出来。

比如语音识别，亚马逊的Echo加Alexa模式，已经出货数千万台，但跟手机的量还差得很远，而且语音有天然的限制，就是隐私性不好，很多时候你说话不愿意让别人听到，这就限制了使用条件。

一个技术是不是真正带有颠覆性，一定要从用户界面去着手，而不是看这个技术本身是不是很厉害。比如现在热炒的量子计算，实际上离实用还非常遥远。

AI的布局有两个层面。

一个层面是底层技术。比较大的互联网公司都在布局底层技术，争夺人才。因为顶尖人才还是比较少的，而且非常多的人都是在海外，现在能看到很多海外的华人科学家，无论是工业界还是学术界，都开始加盟国内的大公司，这是一个很明显的趋势。

另外现在比较稀缺的是怎么用技术解决具体问题，甚至创造一个新的方向，现在大家都不是很清楚到底能在哪些方面真正发力，把已经有的技术用在比较擅长的领域。最关键还是说，你怎么能够创造一些能落地的，真正提升效率和用户体验的东西。

▎AlphaGo技术本身对谷歌业务辅助有限

AlphaGo背后的公司叫DeepMind，被谷歌收购了，它总体来讲应该是赔钱的，除了公司本身运营，还养了很多科学家，薪水也很高。但AlphaGo这个项目起了很好的市场公关作用，影响很大。

这个技术本身对谷歌业务实际上是没有多大用处，但它会把研究的算法用在某些项目上，比如优化采暖，就可能给他节省几千万甚至上亿的支出，这是DeepMind对谷歌的一个直接价值。

谷歌大脑、X实验室，也做了很多很炫的项目，实际上那些项目最后都不挣钱，但是除了很好的技术成果，给它各个业务带来效果提升，就已经完全覆盖了所有之前他们自身，甚至其它项目，包括无人车的成本。

所以从这个角度讲，AI在数据驱动的这些行业产生的实际价值已经很大。

而且AI它不是孤立的，互联网、大数据、云计算实际上是一个自然的演进。如果你的业务都不是数据驱动的，AI其实不太好用，所以对企业管理者来说，还是要提升企业的信息化水平。

▎无人驾驶汽车会改变城市规划

可以想象一下，无人驾驶汽车成为主流后社会会变成什么样子，它会影响很多行业。

无人驾驶汽车可以理解为自己在路上跑的机器人，到时候自己家里的车利用率会极低，因为家庭拥有汽车是没有必要的，就像摩拜、ofo这些共享单车兴起后，很少会有人买自行车。

所以整个社会的汽车保有量不会增长甚至会下降，因为我们现在汽车总的应用率太低了，大部分都停在停车位上，所以汽车产业的需求会下降。

最可怕的是，无人驾驶汽车天然应该是网络化服务，它甚至可以主动来找你。所以这种网约车服务加上无人驾驶技术能够形成更强的优势。现在Uber、滴滴、美团点评也都在做。

到时候原来500强里的很多公司可能会退出历史舞台。如果这些车都是新能源驱动，就会影响石化行业。

再进一步，道路就不需要这么多，因为系统都是遵守道路行驶规定的，加上统一调度，堵车现象可以解决。

不堵车以后，出行效率大幅提升，整个房地产，包括整个城市规划都会有巨大的变化。

大家从这一点能看出来，AI在某一点突破的影响是非常之大的。

▎AI人才缺的是天才产品经理

总体来讲，中国的IT技术人才是比较优秀的，但是质量比较高的人才供给不足。因为现在整个的计算机科学相关专业的教学还比较老，离产业需求比较远的。这就造成了企业需要的学校都不教，学生能达到企业要求基本上都是自学的，现在薪水高也跟这有直接关系。

从全世界范围来看，中国的人才储备还是不错的，因为整个理工科的高等教育基数特别大。

当然最精尖的机器学习人才比较少，因为在五年甚至十年前，这些专业非常冷门，工作都不好找，所以供给自然是不高的。

另外，人工智能人才大家更多关注科学家，这也有Hinton那一拨人的影响，从边缘学科变成当红主流，其实，真正核心搞深度学习的人数量不多。

我是觉得AI要能够对社会产生更大的影响，其实更稀缺的资源是懂AI的产品经理。

如果没有乔布斯这样的人，移动互联网的到来可能会晚若干年。这种人有天才的预见性，而且对人性、用户体验和用户的需求有非常强的判断，这是很难学的。

现在算法工程师供给总量其实不小，但是光靠这些人实际不能作出很大的事情，因为必须要有人去想清楚。

AI科学家和算法工程师他拿着锤子，会敲钉子，但是那个钉子在哪怎么敲，需要产品经理去想。

所以现在其实最稀缺的人，是真正懂得AI，能发现问题，解决问题，真正做出一个产品的人。

像Amazon的Echo面世之前，大家也不会想到这个东西能够做这么多事情，是这样一个体验，它背后的Alexa可以支撑更多的智能家居场景，最早提出这个概念的人是最稀缺的。

从这个方面来说，AI不是电能，是核能。我们都知道核能很厉害，但是怎么用好，怎么克服一系列的附加问题都还要去探讨。

▎研究院模式会被看好吗？

现在很多公司为了吸引科学家，会单独成立研究院把科学家聚合为单独的部门，但这种做法在历史上没有太成功的案例，尤其是在IT行业。

历史上最有名的实验室是电信运营商AT&T做的贝尔实验室，还有施乐公司的PARC，最近有微软研究院，这些研究院对公司业务带来的价值可能不见得能够赚回公司投入的成本。

甚至贝尔实验室和PARC最有价值的成果最后都被别人公司拿去发财——苹果和微软的Windows，是PARC研究院做出来的技术。但对施乐公司没有什么用处，施乐没有在这上面赚到一分钱，还在走下坡路，贝尔实验室背后的朗讯也不是一个很强的公司。

微软研究院当然也产生了非常多的成果，但是微软实际上真正战略转型，包括AI云做得很好，也不是研究院主要带来的科技成果。

当然这些研究院，给社会带来的价值是不可低估的，甚至不可估量的。所以这些公司在有财力的情况下吸引更多的科学家，给予更大的投入，是一个好事情。

但也希望能在这一块有一些冷静的思考，其实更成功的模式，也许是把科学家和产品团队混合在一起效果会更好。

​