「ai」天云数据CEO雷涛：从软件到数件，AI生态如何建立自己的“Android”？

量子位真实性核验

认证：数码产品优质原创作者

发布时间：2022-03-22 23:03 来源：什么值得买

浏览量：1905 1062次收藏

分类：数码产品人工智能

本文有1777个文字，大小约为8KB，预计阅读时间5分钟

原文标题：天云数据CEO雷涛：从软件到数件，AI生态如何建立自己的“Android”？

技术的市场千变万化。

首先在算法上摩尔定律失效，大规模分布式大规模协同算力开始产生新的变化；

其次，互联网带来数据实时性的需求，爆发第三波数据红利；

最后，算法重构世界，在今天的数字经济中，很多基于经验、规则流程的商业实践，甚至是一些物理的公理定理，都开始让位于数据和算法所训练生成的新的知识。

从灯泡螺口到电源插座，如何看待被错误定义的人工智能？从感知到认知，AI 还需要多久才能触及生产核心？从软件到数件，AI 生态该如何建立自己 "Android"？

就这些话题，天云数据 CEO 雷涛在「量子位 · 视点」直播中分享了他的从业经验和观点。

以下根据分享内容整理：

螺口插头的启示，人脸识别是否代表人工智能产业？

十九世纪末的英国伦敦，见证了最早插座的诞生。Thomas Tayler Smith 在 1882 年为他的电路连接器（Electric-Circuit Connection）申请了专利。他声称他的发明能够使导体快速安全地与线路或主线连接。三年后，Smith 以同样的发明在美国申请了专利。与现在能够直接安装在墙壁上的电源插座不同的是，在插座发明初期，它们必须被连接在电灯的底座上。

那么，电灯的底座螺口插头是否就代表对电的正确认知？对于‘人造飞行器’的追寻，是在莱特兄弟和其他人停止模仿鸟并开始了了解空气动力学以后才成功的。

人工智能走入产业后，可以分为感知智能、认知智能和行为智能，后两者更与生产力相对应。

人类跨越知识生产的历程：试错经验－理论推演－仿真计算－数据原生

数字经济的本质是能将信息转化为有效知识。让数据在数字经济的价值流动中实现了数据 ( data ) -信息 ( information ) -知识 ( knowledge ) -智慧 ( wisdom ) 的价值生产链条。

知识生产共经历了四个阶段。

第一阶段，科学实验生产新知识。远古时候，知识往往从实践之中生产，钻木取火和伽利略的比萨斜塔实验是最典型代表。

第二阶段，理论推理生产新知识。这个阶段，知识从公理公式中生产，牛顿微积分是典型代表。

第三阶段，仿真计算生产新知识。仿真计算基于已知对物理世界仿真建模，知识从规模计算中生产。

第四阶段，数字原生生产新知识。这个阶段的核心是面向答案求解不确定过程，知识从海量数据关联中生产。

数据孪生是我们试图用已有的认知和知识结构，去解决虚拟数字世界里的问题，用我们的知识白盒构建一个模型，做高性能计算去推理。而数字原生是生产人类认知之外的新知识。就像 AlphaGo 从黑白落子的行为数据中，面向答案 ( 输赢 ) 学习中间不确定性的过程，生产出新的知识。

从 IT 到 DT，是弯道超车还是切换赛道？

DT 对 IT 是断崖式洗牌。首先在算法上摩尔定律失效，大规模分布式大规模协同算力开始产生新的变化；其次，互联网带来数据实时性的需求，爆发第三波数据红利；最后，算法重构重构世界，在今天的数字经济中，很多基于我们经验规则流程的商业实践，甚至一些物理的公理定理，都开始让位于数据和算法所训练生成的新的知识。

流程驱动的业务就像 " 乐高玩具 "，可以拼凑出来的一双运动鞋，就像 Java 代码可复用。IT 时代构建好系统以后，输出数据和程序得到商业结果。比如办公软件，OA、ERP、BOSS、MIS、财务管理、计费 ……

数据驱动的业务更像是 "3D 打印 " 鞋的生产，3D 扫描脚的形态以后打印出一双鞋，DataML 面向目标 ML。DT 时代是输入输出一体化，将数据、程序和商业结果一起输入，通过智能化系统来生产出程序，比如推荐系统、打车系统、无人驾驶、金融定价……

面向新一代的数据智能，单纯的 IT 流程已经走不通了，虽然现在流程驱动仍是主流，但 DT 一定是对 IT 的深刻洗牌。而且这中间没有任何演进路径，面向资源服务的虚拟化被这种面向服务的容器化替代，面向数据可视化、面向分析的 BI 操作被面向执行的 AI 所替代。

数据作为新兴的生产资料成为核心的驱动力，一个新兴的数据驱动的世界将带来巨大的产业升级和产业变化，是一个巨大的产业升级和产业变化，这种变化跟汽车行业很类似，燃油车和电车、激光雷达和无人驾驶电池重组技术，一系列的组件都发生了根本性变化。

数据 AI " 可解释 " 的突破不在 AI 技术本身，在于它面向的问题能否突破传统认知参照系。第一次工业革命以机器代替手工劳动，是一次技术变革，也是对人类认知的突破。

2020 年时，在某大型股份制商业银行项目实践中，天云数据普通员工就可写上千个数据流程知识包，释放捆绑在代码上机械脑力劳动的智力工作者。

从软件到数件，AI 生态如何建立自己的 "Android"？

移动互联时代有安卓，AI 生态也需要自己的 "Android"，使数据资产价值化，高速生产知识包赋能各行各业。

以往的商业决策多基于经验、规则、流程，数字化以后复杂问题被清晰的界定和量化，算法解构、重构商业实践，即 AI PaaS 平台成为产业升级基石。

天云数据是魔力象限图 " 认知层 " 第一象限公司。AI PaaS 是认知层 AI 模型流水线生产平台。

某大型石油 AI 认知平台项目，天云数据 AI PaaS 平台以 2 个月构建 12 个石油应用模型 PK 掉 IBM 和微软的 2 年 2 个应用模型。模型产出效率更高且模型更健康。不仅提高了模型生产的效率，也批量化地解决石油勘探、开发、运输等一系列生产问题。

DT 时代的熊彼得增长模式，用一个函数公式来表达即 Y=f ( x ) 。以金融为例，输入大量消费者的行为数据 ( x ) 与资金交易的结果数据 y，通过数据库和 AI PaaS 平台的加工，得到反欺诈风险评估的模型 f。这个映射关系 f 可以复制扩张，作为新的生产要素推动信息产业变革。

天云数据 AI 赋能产业，成功横向打穿行业的底座。电是对能源的一次封装，AI 是对知识的封装和移动，而且是更深刻的一次变革。

每一次巨大财富的出现，都是时间空间维度的打开。互联网打破空间约束，挖掘了空间财富创造了 Google、Facebook、Apple、Amazon 等巨头神话。

人工智能是一项具有颠覆性力量的技术，将打破时间约束挖掘时间财富，重构商业实践。

天云数据所打造的" 数字原生 "一站式服务平台，是真正基于科学第一性原理建立的全产业服务链平台，可以驱动任何实体产业转型，成为用软件和数字化驱动的新型产业。系统化的把实体经济转化为数字经济，进而全方位的驱动经济加速发展。以后人类不只能驾驶 250 马力的汽车，还可以驾驭 25000 脑力的 AI 在数万线索维度上进行预测。