云知声副总裁受邀出席“2022商业案例创新论坛 “引爆全场他讲了什么？

　　8月18日，“2022商业案例创新论坛”在上海浦东举办。云知声联合创始人/创新事业部总裁陈吉胜受邀参加了此次论坛，并进行了主题演讲。精彩演讲受到线上线下观众的一致共鸣与思考。

　　在C端，海量手机用户不断贡献数据，快速迭代，促进C端AI的机器学习越来越有效，应用越来越丰富。

　　人都被手机给Hooked了，我曾经看过一个数据，就是抖音，由于用户能天天刷，所以可能差不多几百毫秒，刷抖音这个人的用户模型被更新一次了，也就是机器在使用和学习。

　　而B端，由于目前生产设备和工作流程中产生的数据相比C端比较有限，也比较离散，目前AI应用不如C端有效。

　　算力，据2022中国算力大会透露，截至今年6月底，中国在用数据中心机架总规模超过590万标准机架，服务器规模约2000万台，算力总规模排名全球第二；

　　算法；以深度学习为代表的感知类的算法，比如说图像，或者是听觉，这个其实已经是超过了人的眼睛和耳朵了。

　　其实根源在于B端场景化的应用不够。毛主席曾经说过：任何不已结婚为目的的谈恋爱都是在耍流氓。AI应用也是一样，所有不以实际场景应用为目的的AI技术研究都是空中楼阁。

　　B端客户，由于行业的专业性，导致每个行业，甚至每一家企业之间都存在着很多KNOEHOW，表现在B端服务商方面就是碎片化，我们要为这个行业定制一下，为那个客户定制一下。所以，理解碎片化场景下的know-how是B端应用AI需要解决的核心问题，而这也引出了我们的主题，

　　AI时代，B端企业需要的人才模型是什么？对AI厂商来说，需要能够充分理解碎片化场景下，行业的know-how，并能够迅速判断是否可以引入AI投入的通用人才；对B端客户来说，需要既了解自身know-how，也懂得AI技术的应用边界，应用方法，在公开资料和对应厂商有限支持下即可将AI能力和自身特殊问题相结合，能够解决实际问题的专业人才；

　　“我们曾给一个全球TOP级的客户做过一个不挣钱的案例，乍一听需求很简单，就是用AI方式来实现生产线上每块模组的质量检查，从而替代人工降本增效，或者说缓解找不到愿意做这件事情的工人的窘况。但就是这个很简单的需求，初期我们双方却都经历了一段比较焦灼的沟通期。为什么？

　　首先，云知声是一家AI公司，我们是坐在办公室里写代码的，我们的开发人员搞算法、搞模型训练很专业，但他们不懂生产线，不懂模组怎样算坏，怎样不算坏。而对方的人，对自己的AI应用边界不了解，对应用方法等也不清楚，但是他们对自己的问题清楚。所以，在前期的时候，大家经过几轮沟通，发现经常会有一些‘不知道自己不知道’以及‘互相不知道自己不知道’的情况，这是很可怕的事情。

　　所以，我们把人派到工厂，和老师傅请教，现场观摩。也给对方普及一些AI的基本常识。内部开玩笑这是云知声的一次上山下乡。但也正是我们的挽起袖子卷起裤管进工厂，不仅让这次的项目成功交付，也让我们对AI 时代下，B端企业的究竟需要怎样的人才有了重新思考。”

　　即对于AI公司来说，通才的价值大于培养专才，因为是通用技术型的公司，所以更需要的公司方案人员，销售人员，技术人员，可以利用涉猎的较广的知识面，对问题是否适合AI做判断。

　　对于B端客户来说，需要既了解自身know-how，也懂得AI技术的应用边界，可将AI能力和自身特殊问题相结合，能够解决实际问题的专业人才；

　　我曾经和我的客户有过一个交流，彼此都认为，如果客户方面有专业的人才来做实际AI应用的话，大家双赢。因为客户方本身就清楚Know—how，那他们只是需要有一个非常标准的工具，或者是对AI的应用边界也比较熟悉，然后去训练这个模型。有自己相应的人员可以标注，基础数据处理、分类等。本身就已经是这个行业里的人了，所以只是需要对一线的技术人员进行相应的培训，让他们掌握AI的能力，即B端客户对应的培养方案是专才大于通才。

　　国内有大大小小的AI公司，研究开发型的人才在各个公司都有，但是应用和实用的人才，即能够把AI基础的东西用起来，用于自己的生产过程里，这些人是少的。所以，未来AI人才的培养方向，我觉得是提高AI产业链中，应用型以及实用性的人才数量。

　　做应用型和实用型的人才，他们应该掌握什么？上来了解各种CNN、DNN，没有太大的必要。但是掌握各种模型训练的框架这很重要，因为一旦掌握多种主流深度学习算法以及多种深度学习框架，就能实际利用国内各个专门企业、单位已经搭建的超算中心，将B端企业已有的数据进行训练和计算，解决实际问题，保障人工智能相关应用快速、高效的规模化产出和稳定运行。真正促进AI在B端应用中的大幅增长。

　　AI时代，大家早已经脱离了拼刺刀的阶段。当下，大家面临的挑战，是如何用AI的力量去提升日渐需求复杂的千行百业产值，并促进降本增效。

　　原交大院士，现在的深圳大学校长曾说过：最近三十年左右，不要说中国，哈佛MIT也没有搞出什么基本的理论突破，我们更多的是验证量子理论，验证爱因斯坦的论断。那就说明我们在基础理论下，我们的应用以及我们的一些技术上的改进最重要的，技术上的改进从目前来看，很多时候需要天才，但是应用不需要，需要一直成本可控的应用大军，这才是我们致胜的关键点。

　　所以，基础理论没有大的突破情况下，应对当前竞争的关键因素，是打造一支大规模高素质的AI应用队伍。

　　特别提醒：本网信息来自于互联网，目的在于传递更多信息，并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，并请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益，请及时联系我们，本站将会在24小时内处理完毕。