|
8月18日，“2022商業案例創新論壇”在上海浦東圓滿舉辦。云知聲聯合創始人/創新事業部總裁陳吉勝受邀參加了此次論壇，并進行了主題演講。精彩演講受到線上線下觀眾的一致共鳴與思考。 以下為陳吉勝精彩演講精華整理： 01 AI時代B端企業需要的人才模型是什么？ 十年TO C,十年TO B. 隨著社會逐漸進入AI時代，AI在C端與B端的應用逐漸形成溫差。 在C端，海量手機用戶不斷貢獻數據，快速迭代，促進C端AI的機器學習越來越有效，應用越來越豐富。 人都被手機給Hooked了，我曾經看過一個數據，就是抖音，由于用戶能天天刷，所以可能差不多幾百毫秒，刷抖音這個人的用戶模型被更新一次了，也就是機器在使用和學習。 而B端，由于目前生產設備和工作流程中產生的數據相比C端比較有限，也比較離散，目前AI應用不如C端有效。 這是為什么呢？ 原則上來說，無論是B端還是C端，人工智能的三駕馬車（算力、算法、大數據）都已備齊。 算力，據2022中國算力大會透露，截至今年6月底，中國在用數據中心機架總規模超過590萬標準機架，服務器規模約2000萬臺，算力總規模排名全球第二； 算法；以深度學習為代表的感知類的算法，比如說圖像，或者是聽覺，這個其實已經是超過了人的眼睛和耳朵了。 大數據，在中國，互聯網、物聯網，線上/線下采集的數據非常普遍。 那么，既然這些底層的能力，都是具備的，為什么AI在C端與B端之間依然會存在溫差？ 其實根源在于B端場景化的應用不夠。毛主席曾經說過：任何不已結婚為目的的談戀愛都是在耍流氓。AI應用也是一樣，所有不以實際場景應用為目的的AI技術研究都是空中樓閣。 B端客戶，由于行業的專業性，導致每個行業，甚至每一家企業之間都存在著很多KNOEHOW，表現在B端服務商方面就是碎片化，我們要為這個行業定制一下，為那個客戶定制一下。所以，理解碎片化場景下的know-how是B端應用AI需要解決的核心問題，而這也引出了我們的主題， AI時代，B端企業需要的人才模型是什么？對AI廠商來說，需要能夠充分理解碎片化場景下，行業的know-how，并能夠迅速判斷是否可以引入AI投入的通用人才；對B端客戶來說，需要既了解自身know-how，也懂得AI技術的應用邊界，應用方法，在公開資料和對應廠商有限支持下即可將AI能力和自身特殊問題相結合，能夠解決實際問題的專業人才； 針對這個結論，陳總用一個具體的案例做了生動說明； “我們曾給一個全球TOP級的客戶做過一個不掙錢的案例，乍一聽需求很簡單，就是用AI方式來實現生產線上每塊模組的質量檢查，從而替代人工降本增效，或者說緩解找不到愿意做這件事情的工人的窘況。但就是這個很簡單的需求，初期我們雙方卻都經歷了一段比較焦灼的溝通期。為什么？ 首先，云知聲是一家AI公司，我們是坐在辦公室里寫代碼的，我們的開發人員搞算法、搞模型訓練很專業，但他們不懂生產線，不懂模組怎樣算壞，怎樣不算壞。而對方的人，對自己的AI應用邊界不了解，對應用方法等也不清楚，但是他們對自己的問題清楚。所以，在前期的時候，大家經過幾輪溝通，發現經常會有一些‘不知道自己不知道’以及‘互相不知道自己不知道’的情況，這是很可怕的事情。 所以，我們把人派到工廠，和老師傅請教，現場觀摩。也給對方普及一些AI的基本常識。內部開玩笑這是云知聲的一次上山下鄉。但也正是我們的挽起袖子卷起褲管進工廠，不僅讓這次的項目成功交付，也讓我們對AI 時代下，B端企業的究竟需要怎樣的人才有了重新思考。” 02 AI時代 B端應用人才的分層次培養思考 如上邊所講，我們對AI時代，B端企業需要的人才模型有了一定的認識。。 即對于AI公司來說，通才的價值大于培養專才，因為是通用技術型的公司，所以更需要的公司方案人員，銷售人員，技術人員，可以利用涉獵的較廣的知識面，對問題是否適合AI做判斷。 對于B端客戶來說，需要既了解自身know-how，也懂得AI技術的應用邊界，可將AI能力和自身特殊問題相結合，能夠解決實際問題的專業人才； 我曾經和我的客戶有過一個交流，彼此都認為，如果客戶方面有專業的人才來做實際AI應用的話，大家雙贏。因為客戶方本身就清楚Know—how，那他們只是需要有一個非常標準的工具，或者是對AI的應用邊界也比較熟悉，然后去訓練這個模型。有自己相應的人員可以標注，基礎數據處理、分類等。本身就已經是這個行業里的人了，所以只是需要對一線的技術人員進行相應的培訓，讓他們掌握AI的能力，即B端客戶對應的培養方案是專才大于通才。 國內有大大小小的AI公司，研究開發型的人才在各個公司都有，但是應用和實用的人才，即能夠把AI基礎的東西用起來，用于自己的生產過程里，這些人是少的。所以，未來AI人才的培養方向，我覺得是提高AI產業鏈中，應用型以及實用性的人才數量。 做應用型和實用型的人才，他們應該掌握什么？上來了解各種CNN、DNN，沒有太大的必要。但是掌握各種模型訓練的框架這很重要，因為一旦掌握多種主流深度學習算法以及多種深度學習框架，就能實際利用國內各個專門企業、單位已經搭建的超算中心，將B端企業已有的數據進行訓練和計算，解決實際問題，保障人工智能相關應用快速、高效的規模化產出和穩定運行。真正促進AI在B端應用中的大幅增長。 總結：基礎理論沒有大的突破情況下， 應用人才的規模和質量是競爭的關鍵因素之一 最后，我想與大家分享幾個目前熱門的新聞。 一是印度的人口明年超過中國，我們領先了五千年，終于讓出了這一位置。 二是越南成為世界工廠？越南的工資確實很便宜，對我們是很有壓力； 三是美國通過了CHIP&Science ACT（芯片法案） 最后是德國稱:要降低對中國經濟依賴。 我們面臨的競爭很大，但是我們依然有贏得機會。 AI時代，大家早已經脫離了拼刺刀的階段。當下，大家面臨的挑戰，是如何用AI的力量去提升日漸需求復雜的千行百業產值，并促進降本增效。 原交大院士，現在的深圳大學校長曾說過：最近三十年左右，不要說中國，哈佛MIT也沒有搞出什么基本的理論突破，我們更多的是驗證量子理論，驗證愛因斯坦的論斷。那就說明我們在基礎理論下，我們的應用以及我們的一些技術上的改進最重要的，技術上的改進從目前來看，很多時候需要天才，但是應用不需要，需要一直成本可控的應用大軍，這才是我們致勝的關鍵點。 所以，基礎理論沒有大的突破情況下，應對當前競爭的關鍵因素，是打造一支大規模高素質的AI應用隊伍。 |
