來源：搜狐科技

Gartner發布，“企業機構需要在2021年深挖的重要戰略科技趨勢”，其中對人工智能（AI）的判斷是工程化。

這是否意味著，只要IT工程師省力，AI算法就能做成美圖秀秀？月薪十萬算法工程師的KPI能轉交給月薪一萬的工程師，還能保質保量？

論文、學術、科研，是AI陳年舊事；交付、服務、質量，是AI商業主流。

在日本三菱銀行，員工出差結束，掏出手機拍一下發票，按住語音鍵，說一句：“ 這是拜訪某位甲方，從北京出差到上海的機票。”

貼發票，煩死；丟發票，虧死。暗藏的不止技術，還有出差報銷機器人。

機器人是為人類服務的工具，以目前的技術，機器人還無法做到隨心所欲，但是機器人也有所擅長。計算機圍棋程序AlphaGo戰勝人類高手之后，極大地喚起了世人對人工智能的關注與興趣，一些媒體借機把人工智能渲染到幾乎是科幻的地步。

更有甚者，直接把科幻電影當事實來描述人工智能技術，宣傳“今日之科幻，就是明天的現實”，以致社會上有些人對人工智能產生不必要的擔心與恐懼。

中國科學院自動化研究所復雜系統管理與控制國家重點實驗室主任王飛躍博士在科普演講中談道：“ 現在的機器人，連開門都費勁，你還擔心它今天搶了你的工作？”

他提出，“將來一定是人和機器一起工作，不是物理機器人，而是軟件定義的知識機器人。手機就是它的雛形。”手機也是原始形態的人與機器，人和手機難舍難分，根本離不開。

AI的槽點之一是用起來成本高昂，定制化工程復雜。但是，AI工程化是象棋里的楚河漢界，AI獨角獸化身為卒，只能前進，不能后退。隨后，深度學習算法紅利消耗殆盡，以AI算法起家的頭部科技公司，紛紛邁向更具戰略意義的新征程。從某種意義上講，都在“拼命”尋找AI工程化的“捷徑”。

路很難走，投資人的耐心耗盡，燒了幾年研發投入，留給創業團隊的時間不多了。需求從明確變為模糊和復雜，用奇思妙想找需求，憑經驗找需求。

此時，分析需求和解決問題被分化成兩個重要問題，沒有價值的需求不能成為目標。不能創造價值的解決方案就是笑話。無法復制、無法規模化的產品需求都要放棄。

AI，進入到下一個競爭周期。也可以說這是AI的第二步，AI工程學是其中一個特征。

AI工程學，可以理解為通過視覺、語音等感知技術和自然語言理解等認知技術閉環，將技術行業化、場景化。AI工程學也可以理解為，平臺、算法、產品、解決方案的模塊化、通用化，將以往由技術和產品為主的應用變成解決方案為主，實現快速調用，部署，修改。

正如汽車工業中工業化、流水線生產的理念，用AI工程學的方法解決AI生產力快速提升的目標。利用AI工程學提升10倍效率，行業化、場景化后，實現行業價值閉環。

這些枯燥的描述也意味著，AI顧不上說俏皮話了，留下的都是畢恭畢敬的“商務風”，因為是企業級服務。此時，AI獨角獸既有共同點，也有不同的戰略選擇。

政策層面，2019年，中央全面深化改革委員會第七次會議指出：“構建數據驅動、人機協同、跨界融合、共創分析的智能經濟形態。”而美國也在AI戰略中提出：研發有效的人機協同方法，創建增強人類潛能的AI系統。現實層面，人機協同是目標，但誰也沒達到，現在的階段最多算人機交互，人機融合。

部分產業專家的共識是，隨著更多行業與AI深入地結合，AI廣泛存在，將以人機協同的方式嵌入到所有業務流程中，就像現在的互聯網一樣。

現在，人只有斷網的時候才會感知互聯網的存在，打開手機、電腦就是聯網的，有些電子設備要終身聯網才有意義。

現在，沒有純粹的互聯網行業，每個行業都必須與互聯網結合。直播的美女主播自我介紹的時候，不會說自己是干互聯網的，但是沒互聯網能干直播嗎？

互聯網是無感存在的，而AI未來也是如此。AI發展到一定程度也會達到這個里程，人機協同是一個重要的，并不可能回避的形式。

羅馬城不是一天建成的，智能之城也是。

那什么是人機協同系統呢？

通行的說法是，人機協同系統作為中間件，將行業專家知識結構化，服務行業用戶，用戶反饋修正信息到人機協同系統，再協調專家改進系統方案。用好人工智能，要懂行業，懂業務。

細致地講，人工智能在深入行業的時候，行業專業知識與經驗必不可少。比如醫療，主要矛盾是稀缺的專家資源與海量的病患需求。

比如疫情期間，我們都希望有更多的“鐘南山”來服務大家，但是很遺憾，鐘南山只有一個。

但將來我們就可以依靠人機協同平臺把“鐘南山”的知識技能模型化、自動化，自動判斷過濾90%以上診療信息，集中處理10%的關鍵性問題。

使醫療專家的服務能力擴大10倍以上，那我們就有1千個1萬個鐘南山，讓普通醫生在醫學領域上得到AI提供的專業能力。

醫生和AI配合，不是AI取代醫生，而是醫生有了AI助理。

所有人都能從中獲益。類似的矛盾遍布在教育、金融領域，從校長助理、教師助理，到行長助理、柜員助理。機器人有知識，人機協同的空間很大。

也有人認為，這是人工智能第三浪潮，主要特征是人機協同關鍵技術成熟，通過新一代人機交互體驗，實現智能化內容的高效生成，極大釋放生產能力，提升生產效率。

AI將以助手協同的方式幫助創造者，極大釋放創造力，極大提高生產效率，實現產品和服務內容的極大豐富。

2020年8月18日，云從科技正式向廣東證監局提交了上市輔導登記，有望年底登陸A股科創板。我們來觀察兩個云從科技的合同。

2020年10月15日，從廣州公共資源交易中心獲悉，云從科技中標廣州市南沙區衛生健康局中山大學附屬第一（南沙）醫院信息基礎設施與智能化管控平臺建設項目，標的額3.12億元。

細看這兩個高額標的，“ 解決方案”和“ 平臺建設”是關鍵詞。單純的算法合同很難、也不會有這個量級的合同金額，養不活團隊，更別說創造利潤。

以云從科技為例，短短5年，在銀行和民用樞紐機場達到了AI技術的市占率第一，業務覆蓋400余家銀行14.7萬網點、30個省級行政區公安、80余家機場，實現銀行日均比對2.16億次、公安戰果超5萬起、機場日均服務旅客200萬人次。

億次、萬人，都是服務規模化的特征。需求被拉動，技術產品化，工程規模化。

機會仍有，但是人工智能僅靠算法商業化，成長為大公司的大門已經變窄了。頭部廠商的優勢非常明顯，因為解決方案和平臺建設，不是十幾個人的硅谷車庫創業公司，算法團隊套一家集成商合力能夠完成的。

觀察醫院的智能化合同內容：“通過人機協同平臺以及云從超腦為該項目建設AI智慧中樞，提供人機交互、融合、共創能力。

項目將從醫院弱電系統全面接入物聯網，與視覺網絡融合，通過云從超腦AI決策反向控制，實現建筑全感知、綠色節能、看病全流程一臉通、尋人尋車的智能化監管。”

可以說，這是一個大包大攬的整體化合同。醫院的供電、中央調控、網絡、決策，甚至節能、車輛，全部能夠裝進去。

人機協同操作系統是松耦合結構，沒有松耦合，公司的所有精力都被綁在定制化的死胡同里。AI工程化有很多種辦法，現行通用做法是，做到標準化的API和連接一切設備。

它和AI操作系統的區別，或者說獨特之處是，除了基于深度學習的人工智能外，還加入了結構化的專家知識，比如海關專家、公安專家。

人機的路線有三個階段：人機交互，人機融合，人機共創。

沿著人機的路線，云從科技會進化成一家人機協同操作系統和解決方案公司。也誠如公司介紹所講，云從科技企業戰略，人機協同體系以實現“定義智慧生活，提升人類潛能”。

理解人機協同，對理解人工智能發展非常重要。2020年11月，倡導人機協同的周曦博士，與71歲的馬克·雷波特在線上不期而遇。

雷波特是世界第一的機器人公司波士頓動力的創始人，ATLAS、SPOT、HANDLE都是大明星機器人。

周曦博士是人工智能獨角獸云從科技的創始人。

可以說，云從科技和波士頓動力兩家公司均是所在領域的佼佼者。在創始人的對話中，周曦博士給機器人點贊，他談道：“波士頓動力的機器人非常棒，它可以跳躍、翻轉，延展了人的四肢，讓我們去到去不了的地方，或者幫人類做一些危險的工作。”

那人工智能和機器人的關系是什么？

周曦博士認為，人類的動作是有邊界的，思維卻沒有邊界。人工智能跟機器人的關系是，波士頓動力的機器人相當于人的軀干和四肢，人工智能相當于大腦，疊加在一起才能產生更大的效果。我們的智能，要看得見、聽得懂、能思考。

疫情中涌現出大量需要做智能化分析的地方，我們清楚地認識到，技術沒有達到完美，甚至差得特別遠，現在仍然處于很早期。

但是，每次的科技進步都是一個效率的提升，都是對人的延展。我們做人工智能不應該拋掉人的智慧來做，要延展人的智慧，我們有鐘南山院士，可是他一個人可能忙不過來。我們復制一萬份他的智慧，這是人工智能想要發展的方向，把人的智慧延展出去。