口述 :蔣濤、孟巖
來源: AI100社區
陸奇說，這個時代終將是技術驅動的。作為程序猿們，也該考慮考慮怎么轉型AI的事兒了。但是，AI時代真的是一場泡沫嗎？轉型AI，機會和問題又在哪里？
AI時代的開發者，面對的究竟是百萬年薪，還是虛假繁榮？首先，你得了解這個AI時代到底有什么特點，機會在哪里，以及最大的需求是什么，以及如果轉型，會遇到的問題和技術實操。
7月15日，在AI100社區的沙龍上，極客幫創始合伙人 & CSDN創始人蔣濤，以及CSDN副總裁孟巖，跟現場眾多程序員們聊了聊開發者轉型和AI時代的那些事兒。而這，或許對每個開發者而言，都值得借鑒和思考。黑智現摘錄如下。
01
蔣濤：AI時代，B端比C端更有機會
這幾年我也在做投資，從一個比較宏觀的角度給大家講一下，就是說為什么人工智能這么重要。
上上周，百度開了一個開發者大會，叫Create大會，是由史以來中國最像開發者大會的開發者大會。
為什么像開發者大會？
因為有很多大會打著開發者大會的名義，其實都是在推銷自己的東西，并沒有真正提供給開發者實際的資源。
第二個也沒有建立所謂的開發者生態，因為我們開發者生態都是建立在國外的公司的基礎上。
百度這場會含義還是非常深的，也是陸奇去作為百度的二號人物，第一次大的亮相，他講了一句話：未來屬于創作者，AI的未來屬于開發者，開發者成功才是百度真正的成功，這句話有一定的邏輯關系，我后面給大家解讀一下，為什么開發者變得這么的重要，然后AI為什么成為百度的一個重要的基石。
PC時代回顧
首先讓我們來回顧一下歷史。
歷史上，最大的開發者大會是微軟1992年開的，為什么？
因為這是PC時代，PC時代最核心的是入口就是操作系統，或者是Windows的桌面，它是建立在X86因特爾的芯片技術上。圍繞著這個，我們才有了PC時代，也誕生了開發者的時代。
他們為開發者做了什么東西？
在PC時代，我們看最大的一個公司，出現了幾類：
一個是行業，公司百億級別，如IBM，Oracle，SAP，他們為企業提供信息化的軟件和工具，包括數據庫、ERP，還有做外包，因為各個行業都需要信息化。
另外一個就是C端的業務，服務個人。在個人市場只產生了兩類大的公司：
一類是做游戲的，暴雪公司，EA，這是PC游戲行業，也是非常大的一個產業。
還有一類是工具廠商，如圖像工具Adobe。
移動互聯網時代
接著我們迎來了移動互聯網時代，大家都開始找入口，一開始是門戶，后來發現不是門戶。
比如，一開始最厲害的是新浪，三大門戶，還有網易。
后來隨著時間的發展，發現最重要的入口是搜索引擎。谷歌和百度等掌握了絕大部分流量的分發權。
電商也是很大一塊入口。比如淘寶，58同城，大家一般都直接去到淘寶，而不是用百度搜索，因此不會被百度卡了脖子。
這是整個PC互聯網的發展，這時候我們開發者在做什么呢？
他們在建立各種各樣的網站，但是你的網站呢，很重要一點是要服務這些C端的用戶。
第二個，可能要做好跟搜索引擎之間的關聯。
這是PC互聯網，到了移動互聯網，才是一個開發者大顯身手的時候。
到了移動互聯網時候，入口變成了APPSTORE，就是說你做一個應用，原來是關健詞搜索，現在是你的應用名字比較重要，你的應用名字能不能在用戶之間建立它的認知。
微信作為一個巨大的入口，對開發者沒起什么作用，倒是對內容起到一個巨大的作用，不少內容生產者立足微信做創業。
因為PC互聯網跟人的連接還是比較遠一點，而手機是隨身攜帶的，因此移動支付發展起來。
跟生活比較貼近的，如做天氣的APP，也發展得很好，因為它跟生活連在一起，就可以接入更多的服務。
現在APP已極大豐富，APPSTORE上有150萬個APP，你現在需要分走用戶的注意力比較難了，基本上能做的都被大家做了一遍。
第二個用戶沒有增長了，獲得新用戶的成本越來越高。
這是整個APP移動互聯網時代。
AI時代
今天什么百度要提出這么一個戰略？
因為百度發現，它在移動互聯網的時候抓瞎了，因為它不是入口，入口變成APPSTORE、變成微信，變成小米手機，手機成為一個入口，還有應用寶商店，騰訊開了個應用寶，百度買了個91也不是很成功，所以在移動互聯網上，百度就Miss掉。
Miss掉以后，O2O戰略也不是很成功，這次他們下了很大的決心要做AI的OS，做AI的生態。
那AI的OS是什么呢？
以后所有的東西都要和互聯網連接。攝像機可以連網，攝像機帶人臉識別。攝像機識別以后，怎么跟你互動呢？
百度提了一個口號叫喚醒萬物，你說Hello索尼攝像機，它就知道是在叫它。這個大概三年內就會發生，這就是說，語音會作為一個入口。
有了入口以后，后面是什么？
你把它喚醒了，它得和你進行交互，它得有算法在背后，而這個算法是要靠大量的硬件驅動。
百度認為，未來的每個行業，每個硬件都可能變智能，而智能化一定要有一個核心的OS來驅動它，所以這就是一個是入口。
但是現在這個生態剛剛開始，機會在哪里呢？
第一個你要做C端的應用，還是很有挑戰的，因為現在做人工智能的應用，要有數據，沒有數據你的算法就沒有辦法做出精確度。
那么數據在哪？
數據都在BAT手上，他們有大量的數據，有一大堆C端的公司，他們每天都產生大量的數據，餓了嗎，滴滴，摩拜等。有了信息，他就能判斷你的意圖。
比如，現在亞馬遜在美國就能根據你過去的購買記錄，預測你會喜歡什么樣的書，于是它會提前把書送到你家。你回家就能看到5本新書，想看就留下，不想看就退。
所以在C端，實際上我們的機會就不是很大了，因為這些公司手上的數據太大了。其實在B端，AI時代產業B端布局會比移動互聯網更大。
AI時代，B端機會更大
為什么這么說B端機會更大呢？
我來詳細解釋一下。
移動互聯網大量解決的是C端的問題，而B端有很多問題沒有解決，B端也面臨巨大的變革，他們做了第一步的信息化，但是他們沒有把業務進行重構，但是人工智能來了以后，會有一個非常大重構的機會。
這其中最大的重構就是無人駕駛汽車，這是一個上萬億美金的市場，圍繞著它配套的產業，光售后就有八千億，如果汽車都變成無人駕駛了，現有的很多服務都會瓦解。
所以我們看到有很多大的公司在這里面下重注。
這是從投資角度看到的一個非常大的機會。
深度學習可以做什么
那從整個產業的角度，人工智能為什么現在變得這么熱？
當然第一個原因是阿法狗在去年打敗了李世石。
實際上，真正歷史性的轉折點在2012年。
在2012年Imagenet比賽中，深度學習的使用，將識別錯誤率大大降低，引起了人們的關注。
也就是說，原來人工智能技術被一道墻堵住了，過不去，進步很小，但是采用深度學習后，這個墻相當于被鑿開了一個窟窿。下圖中紫色代表采用深度學習，藍色代表傳統方式，可以看出其中的跨越式的變化。
如下圖，計算機采用深度學習可以做到精確的識別，把這張圖描述出來。
我們常說代碼時代結束了，其實它指的不是所有代碼，而是原來我們是用各種各樣的規則和技術，現在可以用深度學習，用神經網絡來建立模型，用以取代原來人工設立的規則。
這是很大的一個不同，而且這個技術不是說只是用在識別領域，它可以用在非常多，以及看起來很小的領域。
這是Google發布的數據源，展示出自己內部哪些項目用到了深度學習。
從2012年開始，他們就開始用，一開始幾個項目，到2015年Q3已經有1200個項目使用深度學習。到2016年，已經有2700個。目前Google內部的所有項目，80%以上都用到了深度學習來改進。
比較小的地方，大家意想不到的地方，比如做縮略圖的時候作，同比例放縮就看不清楚人了，所以用深度學習技術來改進。
如上圖，圖片里有人頭，當你同比例縮小的時候，就有點看不清了，不方便瀏覽。于是，我就可以用深度學習來識別頭像，以此在縮放的時候，做一個調整，讓人像看起來吐出一些方便查找。
還有做壓縮，利用這個技術，還可以再壓縮30%，因為機器會學習，知道哪里更重要，壓縮的時候主要內容保持質量，其他次要內容進一步壓縮。
現在我們已經進入到新應用時代。
圖片上這個人是深度學習的網紅，原來在Open ?AI，剛剛跳槽到特斯拉做無人駕駛的首席科學家。
他曾經拿托爾斯泰的作品來做一個學習，用機器去模擬，程序只有幾百行，但就能讓機器創造出來作品，雖然還達不到托爾斯泰的水平。
很多行業，都面臨著這個巨大的挑戰。
圍棋行業已經被顛覆了，后面還有律師、金融，包括程序員，美國已經有不只一家公司做自動化編程，取代程序員的一部分工作。
上圖是調用了Google的API做識別，這個人是斯坦福機器人研究室的一個博士，花一百美金左右買了這些設備，就做出來原來需要花50萬美金的東西。這說明什么，說明智能應用時代是真的來臨了。
這是來自YC的分析圖。從上圖可以看出，學術界的突破在2012年，從2014年起進入創業高峰期，2017年進入爆發期。
AI現在被我們捧得非常熱，但是要很好地解決我們實際面臨的困難和問題，達到大家期望，還需要經歷一個過程，我們把它分三個階段。
AI發展的三個階段
目前還是算法紅利期。現在大家都下重注去挖算法的優秀人才，年薪開到上千萬美金，這是一個優秀算法掌舵的時代。
學術界的進步對我們非常重要，因為論文的一個突破就可能帶來技術上應用上的一個大突破，一個快速發展期。
不過這個階段很快會穩定下來，變成局部很小的改進，不再是大的突破。
這之后是工程技術期，會在2到3年后到來，這個時期就可以真正去做出各行各業的應用，而且對這些行業會產生比較大的價值。
再后面才是平臺，誰擁有最多的數據，誰就擁有最大的商業資源，誰就更強大。
我記得我很早時，跟微軟談事的時候，他們內部就說過，我們公司沒有10億美金以上收入的項目，都不會列入我們的計劃。
但是無人駕駛他們是可以殺進去的，這是一百億一千億的市場，但是我們可以在很多行業都找到這樣的機會往里去切入，但是等到這個市場變得非常巨大的時候，你不一定打得過平臺，或者你要先把這個平臺要做的事做好，才有空間。
現在AI是同樣的情況，我們可以調用誰呢？
Google是在這個領域做得最好，百度是目前最大，我把他們做了個對比，開放的能力大家可以去看一下，包括百度推的語音喚醒，Google現在還沒有。視頻內容比較分析，就是一個視頻封面，我剛才講，你怎么去選視頻里面的哪一幀，作為你封面的展示頁，百度也把它公布出來了，這些都是他們很大的積累了。
所以呢，這些技術的豐富，包括框架的成熟，就像安卓1.0時代，2.0時代，也不太成熟，我大概是3.0參加了Google ?IO大會，那時候才有了點氣象，也不是像現在這樣，安卓一定會勝利，大概是在4.0的時候會確定。
02
孟巖：人工智能的泡沫與啤酒
著名財經作家吳曉波最近發表了一篇文章，《為什么新科技的風口總火不過一年》，在文章中引用了Garner技術發展曲線，他認為人工智能目前處在第一波峰的頂點，那么很顯然，馬上就會面臨泡沫的崩潰。如果他的判斷是正確的，那么這將是第三次人工智能的泡沫破滅。
人工智能產業有沒有泡沫？
作為財經作家，吳曉波非常的博學，而且也特別的聰明，他能夠很快的從一個現象當中抓住足以引爆輿論的點。但從專業角度分析的話，這個判斷有問點題。從這幅圖上來看，無人機、機器人和物聯網已經開始爬坡了。
那問題來了，如果無人機、機器人和物聯網即將邁上迅速成長的階梯，你怎么可能想象人工智能會崩潰呢？因為無人機，機器人本身就是人工智能的應用平臺，而物聯網則是大數據的最大來源，會有力的推動人工智能的發展。大家要理解，在無人機、機器人、物聯網這樣的技術浪潮當中，人工智能將扮演很重要的角色。
所以我直接說我的觀點，人工智能目前沒有泡沫。
具體的分析一下。
第一，本輪人工智能技術的紅利還沒有吃完。今天人工智能的熱潮，是技術上主要是深度學習的突破引發的。深度學習理論上的突破是2006年，所以大家會問一個問題，11年過去了，深度學習的紅利是不是已經吃完了？
我們來看，這張圖是吳恩達在一本書叫 Machine Learning Yearn的書里面一幅著名的插圖，縱坐標是算法的表現，橫坐標數據量。從這個圖中你可以看到，對于大規模的神經網絡來說，數據量越大，它的性能就會越高，也可以說它的能力越強。
我問過在這方面非常頂尖的專家，目前有沒有看到頂點？他告訴我說，他們有人已經做到上萬層的深度神經網絡，還是沒有看到這個頂點在哪里。深度學習它的紅利是很厚的，目前還遠遠沒有吃完。這是第一點。
第二件事情，最近DeepMind公布了兩分鐘的Video，他們利用深度增強學習，教會虛擬空間的木偶走路、跳躍、跨越，甚至在漂浮的木條上保持平衡和跳躍。
這些木偶并不知道什么叫走路，僅僅是給它目標，給他激勵，他就自己學會了走路，自己學會了跨越障礙物，甚至可能在一些復雜情況下比人的表現要好得多。這充分展現了深度學習的潛力。
所以我們不需要看每天 arXiv 上那么多的論文，就從這些新聞事件上來看，都可以得出結論，這一代技術的紅利還遠遠沒有被吃光。
另外，我們不能光看技術，還要看這個產業。
這個是來自麥肯錫的一個報告，2013年到2016年里面，AI這個領域獲得的外部投資增加了3倍，2016年的總規模達到了260億到390億美金之多。投資的效應是累積的，這些投資將會對 AI 的發展產生很大的拉動。
一個重點的行業是自動駕駛。同樣來自麥肯錫的報告，預測從2015年到2010年，自動駕駛和半自動駕駛車輛的數量將從100萬上升到1000萬臺。汽車這是一個幾萬億美元的產業，單單只要考慮這一個產業的轉型，對于 AI 就足以產生巨大的牽引力。
所以我完全不擔心這次 AI 的泡沫會崩潰。
今天的 AI 整體是什么水平呢？如果你反推，從現實需求出發來對 AI 提要求，你會發現，它有很多事情確實做不到。但是如果你正推，從AI今天已經具備的能力出發，來看看我們能夠解決什么問題，你會發現，在今天的AI的能力范圍之內，已經可以解決很多問題，可以激發很多行業的變革。
所以如果你們認為AI有泡沫，我告訴你，泡沫只會來的更兇猛，這是第一個問題，AI是不是有泡沫？我的回答很明確，AI沒有泡沫。
人工智能人才薪資虛高嗎？
第二個問題，人工智能的人才薪資是不是虛高。PingWest 最近發表了一篇文章，作者花了很大的功夫去做調研，寫出來一篇強文，題目是《百萬年薪的人的泡沫與人工智能的虛假繁榮》。文章寫得很棒，我讀了好幾遍，也推薦所有人都去看。
這個文章的核心意思，是說現在很多 AI 的人才在市場上拿到高薪，但是卻沒有為企業賺到錢。有些掛著高級學術頭銜的人，跑到企業里先拿個高薪爽幾年，然后可能拍拍屁股就回學術圈了。
我們怎么看待這個問題。
首先，AI 和數據科學人才的高薪是個全球現象，他們現在就是在享受薪資溢價，這個是事實。我接觸的很多 AI 界的人也是這么看。
我們看一下美國的情況。
在美國，AI、機器人，機器學習與數據科學人才薪資水平目前快速增長中。你如果是程序員，你的薪資平均水平是九萬一千美金，不過圖中代表眾數（mode）的那根柱子靠左，說明更多的人是略低于這個水平的。
這說明少數的超高薪的程序員把多數低工資的程序員給平均了。而算法工程師，尤其是數據科學家，他們整體收入水平很高，均值十三萬美元，而且圖中代表眾數的那個柱字偏右，說明超過這個收入的人群在他們整個這個人群當中也是多數。
在招聘網站上，把 AI 方面人才的廣告掛出去，5天時間招不到人，顯著高于其他職業。意味著什么？供不應求。這個是美國的情況。
英國是全球人工智能的另一個中心。從2014年開始，英國的AI人才需求迅速的直線的上升，就是需求量迅速的上揚。
然后看印度，他們對程序員和機器學習專家的收入做了一個對比。結果呢，機器學習專家的收入不僅始終高于開發者，而且差距還越拉越大。
我們再從另外一個側面來看一下，我們知道這個AI開發者使用的主力語言主要是Python。
這是從2005年到2016年，這三個語言薪資水平之間的一個對比，排在上面的是遙遙領先的是Java，它在整個企業應用，電子商務開發的地位，很難被撼動，目前它的薪資是排名第一的。
排名第二名的是世界上最好的語言，PHP，這個語言跟Java一直是并駕齊驅，保持不是很大的一個差距，但是到2014年，15年之后，出現了一個死亡交叉，Python語言在收入上開始超過PHP，我相信Python開發者的薪資水平超過是Java是遲早的事情，在最近兩三年之內就會發生。
中國會怎樣呢？大家看這幅圖，也來自麥肯錫，在世界地圖上藍色越深的地方，當前勞動力當中可以被機器和人工智能取代的比例越高。
墨西哥、玻利維亞、秘魯這些國家，它整個自動化程度很低，所以有大量的手工工作都是可以被機器所取代的，他們是深藍色。然后呢，像美國、加拿大、澳洲這樣的國家，他們的自動化程度很高，所以他能夠被機器所取代的工作的比例并不是特別高，所以是淺色的。
你看我們中國呢，是比較深的，是49%到51%，就是在我們中國的話，AI和自動化取代人力是非常有潛力的。所以呢，我認為在未來的相當長的時間里面，中國的做AI的這幫人，都將參與到一場勞動力替代當中，而且是占據優勢地位的一方，享受高薪是必然的。
但是剛才那篇文章里所說的薪資泡沫也很確鑿，因為我們看到呢，很多的企業，現在花了很多的錢去雇了一些一流的博士碩士，但是 AI 這個產業的規模還沒有起來，這些高薪基本上是靠投資人撐著，這合理不合理？
我認為事情的本質是人才結構的問題。這張圖是我和蔣總討論了很久以后我們列出來，其實一個成熟的，在未來5年以后真正賺到很多錢的人工智能企業，它的人才結構應該是這個樣子的，應該是AI專家學者，機器學習的博士們，資深專家比較多；然后呢，應該有一大堆AI的機器學習工程師，AI的產品經理、架構師在這里。
更重要的底下有大批的開發者，數據工程師，運維人員，行業人員，這是一個合理的結構。
但是實際情況，目前市場上獨立的人工智能初創企業，普遍嚴重缺乏優秀的產品、工程和運維人才。有些公司非常得意的宣傳說，你看我的團隊里，一流名校博士占百分之多少，比 Google、Facebook、微軟高多了。
但其實這樣的構成恰恰有問題，這種團隊的工程化、產品化能力會成為瓶頸，從而制約他們賺錢的能力。很簡單，用戶只會為產品和服務買單，不會為論文、算法和你們的學位買單。正是這樣的反差，讓一部分人覺得這里頭有泡沫。
那么怎么辦呢？我主張不要著急，把這個事情交給市場。投資者不傻，他們很清楚，現在我們處在算法紅利期，算法領域還不斷的有突破，所以我們先把懂算法的人找來，花錢養著他，先把論文看懂，先突破，往前突破。
但是算法紅利期還有個兩三年可能就要結束了。這不是說算法不會有進步了，還是會有很大的進步，但是呢，從算法的突破，到工具化，這個轉化路徑現在變得很順暢，兩三年之后會更順暢。
如果你有一個算法突破，發表論文出來，很短的時間內，幾個月，甚至幾周內，Github 上會有實現出來，甚至你可能會看到百度、谷歌把新的算法放在自己的開放API里面，這就意味著，企業競爭主要拼的就是工程能力和產品能力了。到那個時候，整個 AI 產業里的薪資水平會有更合理的分布。
我說一下我的結論。所謂的人才泡沫問題，只是一個暫時性的現象，是發展的一個必然過程，不需要擔心。
數據科學向左，人工智能向右
我再說第三個問題，選擇方向的問題。
我們現在叫廣義 AI，其實里面大致包含兩個工作性質差別挺大的方向。一個是商業分析與優化，一個是智能產品與解決方案。
兩者主要的不同是誰來做決策，人做決策還是算法做決策，這個決定了自動化程度的高低。
商業分析與優化技術的應用的周期當中，人仍然在里面扮演很重要的角色，數據分析是用來輔助人類決策的，自動化水平受到人的決策的制約，不會太高。
另外一個方向叫做智能產品和解決方案，自動駕駛、掃地機器人、自動廣告投放系統，都是這類。整個產品的執行過程基本上是完整的，很少需要有人干預，決策主要由機器來完成，自動化程度接近 100%。
大家很快會面臨方向上的選擇，你是走左分支，還是走右分支，這件事情你們要好好的想一想。左邊這一支走下去，你可能會成為數據分析師、數據科學家、CDO。右邊這一支走下去，你應該會成為 AI 工程師、AI 產品經理，CTO。
走左分支，你的關鍵是獲得高質量的業務數據。在中國，這個事情難度很大。
這個是最近的一個全球數據開放度調查，美國排名第8，中國排名第93。如果你們想走左分支，盡可能加入到一些具有數據訪問特權的機構，否則想在中國想低價拿到別人的數據是很難的。
那么怎樣選擇行業呢？麥肯錫給了六個原則，
第一，數字化高度成熟；
第二，業務規模巨大；
第三能夠把AI用在自己的核心業務里邊，而不是一些邊緣業務；
第四，它能夠同時的去接納多項科技，不僅僅是AI，可能還有區塊鏈，還有物聯網，還有其他的科技，都能夠去接納；
第五，它更加注重增量，而不是存量；
第六，領導對AI的應用有強有力的支持。
選擇方向的時候，用這六把尺子來量一量，就會有一個大致的判斷。這是麥肯錫的一個行業分析，排在第一名的，叫做高科技和電信，就是它各個領域里面綠的比較多，如果你們在這個領域做AI比較容易。
今天大部分在互聯網領域里，你們可能在這個領域里面做AI比較容易，因為數據也比較全，各方面的支持也比較到位，人的意識到位。
隨后分別是汽車和生產線、金融、電力、娛樂傳媒、零售等行業。我們現在很多人都在談醫療的大數據，醫療的AI化，但是其實呢，這個行業的準備度是不足的，做這個方向，要克服很大的難度。
其他的行業不一一解釋了，謝謝大家。
