專訪張本宇：ToB賽道從不擔心站隊BAT AI隱私問題不是非黑即白

關注網易智能，聚焦AI大事件，讀懂下一個大時代！

期號| AI英雄總第87期

「很多傳統公司看不懂人工智慧，很多人工智慧公司又不懂需求，雲腦科技想成為橋樑，行業中間件就是關注其中的長期價值」。

雲腦科技CEO張本宇一句話概括了正在從事的工作，他曾就職於微軟亞洲研究院、Google和Facebook，在AI方面手握150項美國專利，曾發起和領導Microsoft adCenter Lab，Microsoft SILK，Google AdWords Quality，Google Now，Facebook Search，Facebook Search Ads，Facebook Feed Ads等多項核心技術及系統的研發。

2015年，這位AI大牛帶隊在矽谷創立雲腦科技，他們在深度學習（RNN/CNN）、增強學習、NLP、知識圖譜領域均擁有實踐經驗，推出了四款AI（X）產品，覆蓋通信行業、金融監管、人才教育、能源製造四個領域。目前在中美兩地建立了60人的研發團隊，美國團隊負責核心演算法研發，中國團隊除了技術研發會直接和行業客戶進行對接。

ToB賽道無需擔心站隊BAT

率先提出做傳統和AI之間橋樑

金融和手機IoT是張本宇最看重的兩個賽道，他告訴網易智能，目前雲腦在金融方面的實踐，主要側重在監管方面，因為從國內外的大環境來看，特別是對證券的監管會變得越來越重要，而這實際上對監管機構和被監管機構都提出了新的挑戰。

「監管機構怎樣提高監管效率，怎樣能夠在不妨礙創新的情況下做好管理，這是他們要回答的問題，被監管機構需要知道怎樣去降低被監管風險和成本。另外，他在做創新的時候，如何做好風險控制，避免監管導致他們承擔政策風險，所以，兩方面都有非常強的需求」。張本宇解釋道。

對於雲腦科技而言，面對如此龐大的數據量也存在挑戰，首先是模型的可解釋性，得知道為什麼這樣一個事情被認為是不合規或者是風險成本比較高的措施或者事件，同樣，他這樣運營是怎樣影響到後續發展的，比如股票的異常波動，這些都需要模型本身能夠解釋為什麼，而不是僅僅給出一個答案，相對於傳統互聯網的應用場景，這是本質的區別。

張本宇表示，除了模型的可解釋性，全行業還需要應對數據的隱私、模型的隱私安全保護等方面的問題，所以，他們在矽谷成立團隊之後一直在「修鍊內功」，主要進行了為期一年的研發工作，直到2017年才打算建設國內團隊並且進行商業布局。

目前，他們推出了雲腦Deepro深度學習計算平台，內置多種深度學習演算法，具備高性能、高吞吐量的特性；並且基於實時增量數據和預測結果反饋，生成的數據模型具有自學習能力，可適應於多種不同類型的業務領域，據張本宇介紹，他們還提出了「行業中間件」的概念，這可以理解成是一種AI的行業平台，舉個例子，從機器學習來說，有卷積神經網路、循環神經網路，還有一些新的神經網路的變種，但這些離客戶真正想解決的問題還有非常大的差距，這個時候就需要一個行業平台來解決問題，橋接AI技術和行業需求之間比較大的gap。

在張本宇看來，他並不擔心AI公司站不站隊的問題，因為BAT雖然在to C市場非常強大，但在企業服務市場並沒有那麼強的影響力，放眼西方科技圈，他認為雲腦科技同樣具備很大的機會，谷歌既是客戶，又是基礎服務提供商，既是運動員，又是裁判員，本質上是to C的企業，並不會把技術能力變成一個平台，提供給他所覆蓋的行業，雖然谷歌Cloud上面有一些AI能力的封裝，但其實這個和to B市場是矛盾的，to B市場更希望專有雲或私有雲的方式，特別是和數據相關的客戶。

「過去十幾年、二十年，AI的大部分應用場景是在互聯網，Google、Facebook、Amazon、Microsoft，但要走出來服務更多的企業客戶，其實還有很多問題需要解決，並不是把最好的演算法拿出來就可以work」。張本宇如是說。

AI時代的數據安全和隱私問題存在權衡點

並不是非黑即白

Facebook「隱私門」的爆發，讓整個科技界都感到了危機。

數據安全和用戶隱私問題成為科技行業的焦點，隨之而來的是美國加州新的隱私保護法和歐盟更加嚴厲的GDPR法律，你只要為這裡的用戶提供服務，就必須遵守法律要求。

與此同時，張本宇向網易智能分析了國內的情況，他認為我國2016年就通過的《網路安全法》其實是非常嚴格的，GDPR對公司層面進行罰款，而《網路安全法》是直接追究個人的刑事責任，所以從法律的嚴格程度來講，國內的法律比歐盟還要嚴，不過，我們對公司的限制還是小了點，售賣50條個人數據就可以入刑，入罪門檻太低的話，反而有可能導致沒有入罪門檻，下一步應該加強對公司層面的限制。

「其實數據隱私並不是非黑即，魚和熊掌不可兼得的，這中間可以找到權衡點」，張本宇認為，除了法律層面的制約，在產品和技術方面也可以做出突破。

他舉例道，一方面是從產品設計的角度，給用戶更多的知情權和選擇權，另外一方面，我們可以通過技術更好的隱私保護，但還不影響對人工智慧模型的訓練或者使用。

「現在的問題是大家在隱私保護或者數據利用的角度有兩個極端，要麼完全不用，非常好地保護了隱私，但對用戶體驗有所傷害，要麼把數據用在提高用戶體驗，但對隱私沒有任何保護，這是兩個極端，但是，這兩個極端中間可以有隱私保護的參數來控制，在什麼樣隱私保護程度下能提高多少用戶體驗，把更精細的可控性創造出來，這樣就避免去讓用戶做一個1或者0的選擇。因為1和0對於用戶來說可能都不是最優的選擇。」張本宇說。

社會和技術的進步會解決「AI威脅」問題

我們不能因噎廢食

談及目前雲腦科技正在解決中的難題，張本宇透露，第一，模型的效率，計算效率和數據效率。第二，模型安全和其它方面的安全性，這是他們正要去解決的問題，也是他們的客戶遇到的難題，或者說AI要做行業落地的時候都會碰到的問題。

他談到，因為很多場景不像Google、Facebook那樣有足夠多的競爭資源，在一個受限的資源環境下面，怎樣能夠儘可能保留模型的效率，降低它對計算機的要求，還有數據的效率問題。此外，模型安全、隱私安全，包括別的防對抗攻擊的安全，圖像方面的對抗攻擊大家都比較了解，但別的應用場景下也會有對抗攻擊的風險。

這是他們正在努力解決的行業問題，當然，還有一個問題同樣緊迫。

AI威脅、AI倫理是每次面對人工智慧大牛不得不提的環節，張本宇認為技術能夠做什麼事情來減少個體對技術的擔心非常重要，技術本身是中性的，你要完全禁止某一項事情，其實也阻擋不了想幹壞事的人，禁的是君子，禁不了小人。

對於谷歌、微軟、亞馬遜的國防軍事訂單遭到抵制，可能因為品牌的風險足夠大，所以他們可能會相對保守一些，進行妥協，但他相信技術本身還是要發展的，我們不能因噎廢食。

本文來自網易智能，創業家系授權發布，略經編輯修改，版權歸作者所有，內容僅代表作者獨立觀點。[ 下載創業家APP，讀懂中國最賺錢的7000種生意 ]

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！