極視角聯合創始人羅韻：移動互聯網促進AI再跳躍，技術紅利始終存在

【獵雲網（微信：ilieyun）深圳】4月17日報道（文/鮑伯君）

4月17日，以「進擊?融合」為主題的《獵雲網&AI星球2018年度人工智慧產業峰會》，在深圳大中華希爾頓酒店隆重召開。此次峰會由獵雲網&AI星球主辦，銳視角、獵雲資本、獵雲財經、創頭條、蜂巢協辦。上百位人工智慧行業頂級專家、知名投資人和精英創業者到場，與會共同交流現今國內人工智慧行業發展的創新變革與機遇，旨在促進行業整體向前發展。峰會現場乾貨滿滿，座無虛席。

現場，由松禾資本合伙人汪洋主持，愛啃蘿蔔機器人CEO佘元博、極視角聯合創始人羅韻、SpeakIn勢必可贏科技COO易鵬宇、馭勢科技首席生態官邱巍，以及慧拓智能機器有限公司CEO曹東璞就「融合裂變，預見AI技術創新下一幕」展開圓桌討論。

羅韻表示，人工智慧這個領域，移動互聯網是很好的趨勢。它讓人能夠慢慢去把科技平民化，同設備交互變得更加簡單。而且，通過移動互聯網的作用，我們積累了大量的數據。這樣，我們就能進一步地思考，怎麼樣把數據加以利用起來，進而服務到更多的人群。

過往的移動互聯網或者O2O，可能更聚焦的是線上的場景。但是，AI是很好的從線上轉線下或者讓線下賦能的手段。

此外，主持人還問道：關於入局者過多，現在是否仍存有技術紅利。關於這一點，羅韻回答道，技術紅利依然存在。如果技術紅利是有周期性的，它幫我們很好地解決一個問題。當紅利退去的時候，我們更重要的考慮是，這個產品，我們本質上要用它來解決的是什麼問題？技術本身有紅利，但是，技術層面接觸不到的，是我們了解到的行業裡面具體的需求，或者是每個行業裡面的具體場景怎麼樣與AI結合，去實現產業的升級。

此外，她還提到，我們對AI是持有剛需的，但是，當下是無法判斷這個需求是否真實存在。因此，我們可以從以下兩點找到突破口：是否有數據基礎，技術本身能否很好地解決問題。

以下為演講實錄，獵雲網整理刪改：

汪洋：大家好！今天非常高興參加獵雲網在深圳舉行的活動，我是松禾資本的汪洋。論壇的第一個環節，我想請台上的嘉賓各自介紹一下自己的公司和情況。

羅韻：大家好，我是深圳極視角聯合創始人羅韻，同時也是技術合伙人。我們公司在2015年落地深圳，目前主要的研發方向是人工智慧領域的計算機視覺。我們搭建了一個基於AI的人工智慧平台，平台上下載了接近200種人工智慧的演算法，大家也可以理解為，我們公司做的是人工智慧領域的APP Store，我們提供的人工智慧解決方案有近百種。也可以理解為，我們公司做的是橫向領域，在給每個傳統領域，甚至落地行業去做技術服務，去實現AI真正的賦能。

汪洋： 大家都知道人工智慧這兩年特別火，人工智慧不是新鮮的東西。人工智慧的研究大概有60多年歷史，從最早的文本研究到上世紀90年代，大家都知道當時IBM深藍機器人擊敗國際象棋大師。上世紀90年代之後到最近的2015年，這20多年的時間裡面，人工智慧並不是很活躍。也就是在2015年之後才真的掀起了一波熱潮，所以我想問一下，人工智慧為什麼最近幾年一下子變得活躍起來，變成風口上的豬？

羅韻：我覺得人工智慧這個領域，移動互聯網是很好的趨勢，它讓人慢慢知道可以用科技的手段去完成生活化的事情，並且通過移動互聯網讓人們去習慣生活和智能設備之間如此親近。移動互聯網前期的作用，使得我們有了大量的數據，有了數據之後便產生了對數據的思考：怎麼樣利用起來，進而服務到更多的人。

移動互聯網其實是對AI起到了很好的前期市場教育作用。從技術層面上來看，以前的伺服器、設備等基礎設施沒有如今這麼完善。發展到近兩年，雲服務使得整個基礎設施變得完善。第三方面，我覺得是在於，從創業者的角度來看，可能過往的移動互聯網或者O2O，可能更聚焦於線上的場景，在線的場景。有了在線場景，大家就會慢慢地思考線下的場景怎麼辦，AI也是很好的從線上轉線下或者讓線下賦能的手段，正好是這三方面都起到了很好的推進作用，才使得這兩年的AI技術突然火爆起來。

汪洋：現在， 很多人工智慧項目還是有紅利的，包括做項目投資都非常關心技術的情況。你們怎麼看待技術紅利在人工智慧創業領域的優勢，這個優勢能夠持續多久？後面人工智慧的門檻變得越來越高，那人工智慧創業對於創業者的核心競爭力是什麼？

羅韻：我是承認的，肯定是有技術紅利的。我覺得很正常，在當下發展階段裡面產生的好技術，我們利用技術很好地去完成一件事情。如果技術紅利是有周期性的，它幫我們很好地解決一個問題。當紅利退去的時候，我們更重要的考慮是，這個產品，我們本質上要用它來解決的是什麼問題？可能這樣的回歸才能保持人工智慧下的競爭力。這也是我們目前做的一些解決方案。技術本身有紅利，但是技術層面接觸不到的是，我們了解到的行業裡面具體的需求，或者是每個行業裡面的具體場景怎麼樣與AI結合，去實現產業的升級。真正可以把紅利利用起來的是，一定要把技術怎樣利用以及解決什麼問題給思考好。

另一方面，我們都離不開AI，剛才也一直有提到，我們會判斷有些需求是不是偽需求，當下確定不了。但是有兩個點是很好的判斷，需要他們有一定的數據基礎，如果本身的數據基礎不是那麼充足，那這個技術的落地就存在很大的困難。另一方面，技術本身有沒有定義好它能解決的問題，我們思考的是怎麼樣去解決這個問題，有多少可以用AI解決。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！