抗疫与财报碰撞出百度AI一幅什么图景？

抗疫与财报碰撞出百度AI一幅什么图景？原创

曾响铃

3人赞赏了该文章 510次浏览编辑于2020年02月29日 19:50:50

疫情照出了AI的底色，无论是直面病毒的药物、疫苗研发，还是群防群控的新技术应用，这次抗疫之战AI都投下了浓墨重彩的一笔。

某种程度上，虽然不希望这样——但疫情已经成为AI的一次检阅式。而恰恰在这个时候，对AI的另一重检阅——巨头们的财报又与疫情同时进行。

最近的，是2月28日百度发布2019年Q4财报，显示百度Q4营收289亿元，净利润92亿元，同比增长95%，2019年全年营收为1074亿元。

其中，尤为值得注意的是，李彦宏强调了“百度智能新业务在2019年取得了长足的进步”、“凭借先进的人工智能技术，我们在智能设备、智能交通和企业云解决方案上建立了领先的地位”，这说明百度AI在获得长足发展的同时对百度营收的潜在贡献有了很大的提升。

一边是抗疫展现出AI的技术能力和落地价值，另一边是以财报的方式直观呈现AI的发展现实，巨头AI在同一时间段被双重考验，而百度的案例或也说明AI已经打破量、质、速“不可能三角”这一行业根本矛盾，摆脱AI爆发的根本性发展束缚。

2020回望AI：量、质、速“不可能三角”一直存在

AI的发展无非有三个表征：

量，代表AI涉猎的场景广度以及AI规模体量；

质，代表AI在场景深耕的深度；

速，代表AI多场景快速布局、快速适应市场新需求的平台化能力。

然而，量、质、速无法同时体现、总是至少要放弃一项的“不可能三角”是行业过去长期存在的现实：

那些有量+质表现的，往往缺乏对市场的快速适应能力。

比如，某传统AI巨头在语音语义领域功底深厚，体量庞大，A股市值也证明了这一点，但是，该巨头在近些年想要涉猎医疗、营销、司法等领域却进展缓慢，“结硬寨，打呆仗”跟不上快节奏场景的要求。

那些有量+速表现的，往往因为场景浅难以在各方面形成领先优势。

这主要体现在某些新兴平台型AI企业身上，本身作为互联网科技巨头，在AI趋势和浪潮面前试图实现智能制造、智能客服、智慧零售等从零起步一次到位，乍看体系全，却缺乏场景内深度应用的能力。

最后，那些有质+速表现的，往往难以在体量上有进一步提升，只能做AI时代的“弄潮儿”，凭借敏锐的市场需求把控做到“小富即安”，综合能力弱，不是AI发展的引导力量。

“不可能三角”只是“现实”而非一定是“问题”，但是，那些率先打破了“不可能三角”的AI企业则一定会获得无短板式的全面协同优势。

从AI防疫与背后的AI能力体系，看打破“不可能三角”的“三部曲”

按照冰山理论，任何看得到东西，背后可能都有庞大的关联内容。

疫情中的AI应用一定是AI能力体系支撑的结果，而此次疫情的多方面、深度、快速应用，本身就反映了“量、质、速”无法统一的问题已经被百度这样的AI巨头解决。

解决针对病毒的AI药物筛选（提供算力算法）、智能外呼机器人、抗疫医疗翻译、网格化防群控、时空大数据……这是百度AI应用场景多样化的表现；像是智能外呼机器人快速部署、快速上线这样的动作，又从一个个点（例如，外呼机器人的本质是AI对话机器人）反应了百度在垂直领域的场景技术深度，以及应对特殊需求的快速处置能力。

而这样的能力体系，又与财报中AI的表现相契合。从打破“不可能三角”的角度看，百度做了这三件事：

1、技术积累与沉淀，解决“速”的不协调问题

“量+质”与“速”冲突，就像是厚实的身躯不够灵活。

而事实上，只要力量和技巧足够，“姚明也可以身手矫捷”。量+质只是堆积式的沉淀，其结果就是面向新场景、新需求难以有灵活的应对。

这意味着在量+质基础上解决“速”的问题，要求量与质必须建立在前瞻性认知基础上。

这从百度案例上也能看出来。不久前，全球最大的企业增长咨询公司Frost & Sullivan弗若斯特沙利文发布《2019年中美人工智能产业及厂商对比白皮书》，百度凭借强大的技术储备、广泛的AI布局、完备的AI生态，在综合AI技术实力和综合AI落地实力两个维度都处于领先地位，位居全球前四，在中国AI厂商中综合实力第一，这是量+质的直接证明；

而另一方面，2月初，AAAI 2020全球大会上百度28篇论文被收录，较2019年提升近一倍，这些论文大多数涉及机器学习、自然语言处理、计算机视觉等前沿研究，表明百度的量与质始终被超前的认知引导。

从这个意义上看，也就不难理解百度AI疫情中表现的那些全新需求的适应力，除了上文提到的智能外呼机器人等应用，还有业内开源首个口罩人脸检测及分类模型（检测所有戴口罩或未戴口罩的人脸、判断是否佩戴口罩，开发者和厂商可以通过免费开源的AI模型，快速完成软件开发）、医疗领域定制化翻译产品等，都是快速适应新场景、新需求的体现。

2、主动理解场景与业务，让“质”的提升伴随AI发展全程

“量+速”与“质”冲突，直白地说，摊子铺得太大，过于求市场、求步伐，而导致技术及场景没有沉下去，浮于表面。

解决这个矛盾，首先要的是长周期的沉淀和积累，这是时间给百度等AI企业塑造的天然屏障；

另一方面，也需要AI平台在快速拓展的过程中主动理解场景与业务。

同样在百度AI案例中，可以看到其一直在各种垂直场景进行技术深拓，例如2019年末的机器学习领域顶级会议NeurIPS 2019上，百度入选8篇论文，并且在大会举办的机器学习大赛中蝉联冠军，大会公开资料显示，300支队伍仅3支队伍完成最后的挑战，此外，百度还在其中自己举办了自然语言处理的专题研讨会。

在疫情中，百度免费开放线性时间算法 LinearFold 以及世界上现有最快的 RNA 结构预测网站，助力病毒RNA检测提速120倍，亦是AI助力科研的场景深化表现。

与此同时，“质”还可以表现在基础设施的强化上，例如百度的AI 芯片“昆仑”以及搭载该芯片的云服务器，保证了AI 推理和训练性能，而这种“质”反过来又能通过加速AI 技术与各行各业深度融合方式来推动“量+速”的提升，这恰恰是很多新兴AI平台不具备的。

3、用“质”与“速”让“量”变成一件不必刻意的事

客观地说，有“质+速”而没有“量”的创业企业有很多，有些也过得不错。但是，对AI行业的主要力量AI平台而言，量是必不可少的。

只不过，从案例来看，对“量”的追求并不一定要成为一件刻意的事，只要上文提到的那些关于“速”、“质”的内容做上去了，量反而变成一件自然而然、水到渠成的事。

1月中旬，国际商业管理权威媒体《哈佛商业评论》发布“2019全球AI公司五强”，谷歌、苹果公司、微软、百度和亚马逊分列1-5名，位列第四的百度成为唯一上榜的中国企业。

公开资料看，百度大脑AI开放平台对外开放240项核心AI能力，日均调用量突破1万亿次，语音能力引擎日均调用量超过100亿次，百度方面称语音、人脸、NLP、OCR等调用量都位居中国首位。

即便如今有这样的体量和多元场景应用，但无论从什么角度看，百度都不是那种快速求成的AI平台型企业。作为最早的AI布局者，百度AI的发展经历了漫长的静默期，量的发展始终不是百度AI先于场景耕耘和快速布局能力考虑的事，时候到了，量也就自然形成了，财报的重点关注是一种可预期的自然结果，这种心态反而最终消解了“不可能三角”。