企业挑战：如何落地

在工作态度上，陆奇常说：“Head above cloud，Feet on ground”，就是脑袋要在云端之上，才能看得远，看得清，但是你的脚必须要踩在坚实的大地上，一步一步向前迈进。

做人工智能事业要跨越的第一个障碍就是如何落地。人工智能意味着一个非常大的改变，时间会很长。要落地的话，首先必须找到非常好的、实际的用户体验，就是能给用户带来实际效益；其次，场景必须清楚，智能助手也好，无人驾驶汽车也好，信息找人也好，一定要有实际的用户体验价值；最后，还要找到商业模式，不然就没有可持续性。

所以重要的挑战在于，是否能够找到落地的用户体验和实现用户价值的场景，然后找到适合的商业模式，建立一个创新的循环。即数据—知识—用户体验—新的数据。找到这样一个循环往复的流，人工智能事业就可以像滚雪球一样往前滚。

最重要的是每个公司的CEO（首席执行官）一定要重视人工智能，这是起步。然后必须投入一定的资源，包括雇用真正懂人工智能的人和能帮助做决策的人。公司可能是做零售业的，可能是做制造业的，也可能是做旅游业的，要按照自身业务的情况制定有效的智能化战略，然后坚决执行。要赋予执行者足够的权力，通过有效的战略分解，把智能化落实到具体业务上。

我们不妨以“工作引擎”模式来分解人工智能战略的落实步骤。

首先，要根据人工智能浪潮的推进方向，重新梳理企业的定位，根据企业要在人工智能时代抓住的机会，设置新的发展方向，确定崭新的使命和愿景。

其次，根据企业新的定位制定智能化战略蓝图。这就需要企业领导层对公司在即将到来的人工智能浪潮中的愿景进行定位，对“进入什么”和“退出什么”做出取舍，进行投注。

在制定“进出”决策时要遵循一定的原则。硅谷咨询专家Geoffrey Moore（杰弗里·摩尔）的层次结构框架是评估人工智能浪潮的一个很好的例子，其中的关键是进入高增长的类别，跳出低增长的类别。人工智能浪潮将创造新的、有巨大增长潜力的类别，如无人驾驶汽车、机器人、回声设备、对话系统；同时，人工智能也可能给某些行业带来阻碍，因为新的人工智能驱动产品可以用某些方式取代原来的在位者，如新的人工智能硬件+软件堆栈可以使基于旧的HW堆栈的投资受损。一个好的做法是制定包含新的高增长类别、重新增长类别和逆风类别的完整列表，以便领导层可以做出系统性和原则性的决定。

接下来是对产品的出发点做出区分，如产品是否“拥有价值和无与伦比”。需要强调的是，在人工智能时代，企业能否保持差异化，关键在于是否拥有独特的数据资产（它带来独特的知识）。

下一步是理解不确定性、风险/回报和时间表，以进行投注和管理进程。“地平线模型”是一个良好的框架，可以用于制定决策和组织投资组合。大致做法如下：H1时段（未来18个月）围绕目前的核心业务展开；H2时段（未来18~36个月）投资于创造盈利引擎；H3时段（未来36个月+）致力于具有更大潜力但风险更高的长期投注。人工智能浪潮提供了一个非常丰富的H2时段和H3时段的机会，一些人工智能投资甚至可以帮助提升H1时段。总的来说，人工智能处于非常早期的阶段，有很多未知数和不确定性。要想真正深入理解人工智能，有原则性和务实地做出决定非常重要。

在企业人工智能战略的执行阶段，首先要坚持“结构完整性”原则，即在产品体验、技术架构以及商业模式上要连贯一致。如果你正朝ICS（服务器/客户端架构）方向改变，或者投资于“自治系统”，那么技术决策需要与产品和商业决策同步。

其次是企业要紧跟人工智能浪潮的技术路线图，与当前飞速发展的深度学习技术同步是必不可少的。

对于人工智能行业的领军企业而言，就需要可以改变世界的愿景、世界级的技术远见、强大的科研团队和研究议程，这些需要与我们的企业愿景智能技术的呈现和产品开发相一致。DeepMind、谷歌、百度以及一些积极进取的先驱企业都表现出这个共同模式。

在这个阶段，更新研究机制也是必不可少的步骤。因为，传统上，IT行业以及学术界并不擅长将研究成果商业化。最近的OtherLab或OpenAI以及其他一些人工智能的初创企业正在积极招聘研究团队，这是一个新的趋势。有许多工作需要各类组织（大学、早期生态系统、大型企业、培训和研发机构）协同制定出结构化的和可持续的解决方案。

投资力度是企业亟须考量的重要因素。随着智能革命的不断深入，人才争夺战不断升级，导致发展人工智能的成本不断提高。一些初创企业能够筹集大量资金，是因为长期的投资回报是非常巨大的（高风险/高回报）。制定投资规划的关键在于排列资源的优先次序以及一个能够反映人工智能风险的深思熟虑的决策过程。

所有客观条件逐渐汇聚之后，人就成为决定性因素，其中领导才能是一个深远且难得的要素。鉴于人工智能浪潮基于与以往完全不同的核心技术（以神经计算为核心），它需要高层管理团队的高级管理能力。同时，人工智能驱动的新兴行业是如此多样化和跨学科（从基因学到机器人，凡是你可以想到的），因此企业需要一个具备创新精神的人（虽然这并不容易，因为今天的社会生活在很多领域都是非常专业化的）。微软研究院首席研究员Bill Buxton（比尔·巴克斯顿）提供了解决方案，即为高级管理层建立一个充满创新精神的团队。

值得指出的是，人工智能创新飞轮的核心是数据—知识—用户体验—新的数据的反馈循环。对这个反馈循环的容量和速度进行优化是规划中非常重要的一环。

最后要强调的是，居于战略核心的是基于当前的现状和推断积极设定目标，以及展开可以实现目标的行动。