他深耕人工智能近20年，他手握151項人工智能專利，他先后就職于微軟亞洲研究院、Google、Facebook等世界頂尖企業，他是少有的集學術、工程、商業于一身的人工智能科學家。他就是張本宇，云腦科技的創始人兼CEO。曾被創新工場AI工程院副院長王詠剛評為“人工智能華人科學家中排名前10位大牛之一”。

本周，圖靈派、財鏈社CEO林云燕依約采訪了張本宇，雙方進行了一場人工智能技術與商業落地之間的對話。

張本宇，云腦科技創始人兼CEO，北京大學計算機系95級本科／人工智能碩士，先后工作于微軟亞洲研究院，Google，Facebook，19年來專注于人工智能的研究及開發。他曾發起／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。張本宇申請及授予了151項美國專利，于國際一流期刊及會議上發表的45篇論文，目前已有8000+引用。

關于技術與商業落地之間的差距

林云燕：當前前沿科技落地時普遍存在一個問題，就是懂技術的人不懂業務，懂業務的人不懂技術，這導致很多傳統行業的企業對新技術往往采取觀望的態度，而新興技術企業又不能提供很好的落地解決方案。您對技術與商業落地之間的差距是怎么看的？

張本宇：我認為這是一個普遍現象，但也不全都是這樣。在不同的傳統行業，尤其一些大型的標桿客戶那里，他們一般對新技術的這種開放程度相對來說會比中間規模的客戶要好一些，比如說銀行、保險、或制造行業。例如富士康對人工智能的開放程度就很高，他們甚至還建立起自己的基金來投資人工智能的創業項目。這說明大公司、大企業對人工智能對行業可能帶來的變革有一定程度的認識。

相應地，我們也制定了自己的策略。首先我們自己的人工智能團隊在對接方向上主要會先尋找頭部的客戶，因為他們對新技術的開放程度比較高。其次，他們的市場規模比較大，可以迅速地幫助消費者和客戶理解技術的典型應用是什么，典型場景是什么。

林云燕：也就是說大企業更愿意去嘗試新生技術，可以理解為是因為他們的體量比較大，新技術對他們在降本增效上能帶來更大的作用，而對于小企業產生的影響反而比較小？

張本宇：是的，一個技術的應用都有一定的前提投入。當企業的體量很大的時候，后期的盈利很快就可以把前期的投入賺回來，但一個中小型企業的試錯成本和試錯風險就比較大。因此，可能一項技術還在研發早期不夠成熟，大企業反而可以承擔試錯的成本，他們是能夠承受得起的。

關于商業需求對技術的反哺

林云燕：在為客戶服務的過程中，是否客戶的需求對現有的人工智能技術的發展和迭代產生了正反饋？因為在一開始有很多時候我們往往習慣從自身技術能力出發思考問題，云腦在這方面有什么印象比較深刻的案例？

張本宇：其實是有的，就像比如說金融行業對很多模型是有很強的需求，其實很多時候在互聯網行業里不一定能看到，像AI模型的可解釋性。舉個例子來說，貸款，上個月的模型對這個用戶是拒絕貸款，那么新的技術應用于相關領域，不能說馬上就把這個客戶定位成一個可貸款的用戶，這個有一定的穩定性的要求。這就會聚焦在一些個體的行為上，不是說看一些客戶群體的指標。比如說原來在谷歌或Facebook的廣告推薦，很多時候針對的是用戶群體，但是在教育行業、金融行業很多時候需要細致到一個個體，針對某一個用戶為什么做出了某一個決策，為什么拒絕，為什么這個學生現在需要做這樣的問題，都需要有一定的可以解釋的機制。

林云燕：也就是以往AI可能會從大樣本的角度去做宏觀的模型設計，但在某些場景是要具體到某一個個體的。

張本宇：是的，在某些領域模型對于個體要給出決策的可解釋性，但決策是不穩定的，模型經常要訓練。但是決策本身是否穩定，人可能無法接受今天是這樣，明天又是那樣，這樣對一個客戶來說整個商業邏輯上是不成立的。行業給我們的反饋就是讓我們怎樣把技術做得更好。

林云燕：可以理解為每個行業都有自己的特征，我們的技術如果不跟具體的應用場景相結合的話是很難有好的反饋回來的。沒有這種反饋，技術團隊對于行業的真正需求就很難感知到。

張本宇：對，在實驗室里，我們接觸到的都是公開的數據集，不同的數據集涉及的都比較寬泛，不會十分細致，也就無法具體了解到客戶關心的是什么。另外一方面我們拿到需求之后，要把它抽象成一個AI的問題，而不是用特別工程化的方式來解決問題，用人為的方式做調整。我們會對應問題考慮，某些問題對應的是AI的模型可解釋性，某些需求對應的是AI的穩定性，這樣一個問題解決之后就可以很快應用到別的場景上。

林云燕：也就是通過反饋回來的一個個例，抽象成普遍性的問題來解決？

張本宇：是的，反饋個例抽象成普遍問題，而不是僅僅做成一個“特例”。

林云燕：云腦在客戶落地，產業結合的時候，經歷過哪些比較困難或痛苦的時刻嗎？

張本宇：痛苦的時候肯定會有，有的時候項目推進會順利一些，有的時候會比較慢一些，這些都在我們的預估和可承受范圍之內，沒有特別出乎意料的事情。大面上的心理預期都有，在團隊的擴張的速度和節奏上有很多有意思的事情，比如現在不一定能找到足夠多的小伙伴。

關于2B市場的開拓困境

林云燕：頭部客戶往往有著強大的議價能力，您怎么看待科技公司與頭部客戶之間的這種選擇與被選擇的關系的？

張本宇：實際上這是一種雙方面的滲透，有些人可能不是這個行業的專家，但是他們本身也會對新技術很感興趣，包括一些物聯網和大數據的技術，客戶也希望應用新的技術。雖然比例上可能沒那么高，但是中國的企業基數很大，所以相當一部分產品側的客戶不懂技術，但是對于新技術還是很有熱情的。另外就是很多技術專家也會相對專注著眼于某一個特定的行業，他也會去理解這個行業。專家也需要有一定的行業經驗，一定的積淀才能更好地為行業提供技術支持。

林云燕：我們知道大型客戶訂單金額大，但需求偏向定制化，整個產品的研發周期也比較長，小客戶雖然額度小，但可以通過標準化的產品來解決，并且客戶數量基數比較大，云腦現目前在2B業務的開拓上你們是怎么做權衡和定位的？

張本宇：大B小B這兩方面我們是都會兼顧的，因為這本身反應的是一個議價能力的強弱。大的客戶議價能力會比較強一些，但他們議價能力強是有原因的，因為他們能更好地幫助我們理解這個行業的需求。雖然產品服務的實現是一個偏定制化的實現，但他們的需求有很強的行業代表性，這也有助于我們研發標準化的產品、為中小型客戶提供技術產品。

如何看待AI開放平臺和技術賦能產業？

林云燕：科技巨頭都在把自己的AI能力開放出來，賦能產業，也就可以降低了企業應用AI的門檻，以及創業企業的技術門檻，這對于包括云腦在內的眾多AI領域的服務商來說有什么影響或沖擊嗎？

張本宇：對行業來講這是一件好事，包括我們。我們現在也會使用谷歌開源的人工智能學習系統TensorFlow，我們會基于開源技術做一些個性化的優化，這也幫我們節省了很多的工作量。開源的工具都是基礎性的工具，提供什么樣的數據、如何定義優化的目標是什么，這就需要我們這樣的團隊把開源工具變成可使用的產品。這個差距就是我們所說的“打造行業與人工智能之間的橋梁”，這橋梁的意義是始終存在的，這樣也有助于客戶把需求定向到統一框架上。

林云燕：也就是說開源工具提供的是基本框架，不足以解決行業的問題，而要解決相關問題就還需要我們企業根據需求定制開發。

張本宇：是的，開源數據只是提供了一個工具，但對于滿足產品需求，落實到場景需求，還有很大的差距。

林云燕：之前國內某知名人工智能團隊遇到一個比較有意思的事情，百度提供的AI開放平臺做出來的效果比他們基于百度平臺做出的效果還要好，但他們還不敢完全把相關數據放到百度的平臺上，他們擔心數據會泄露，這個您怎么看呢？

張本宇：開放平臺是兩方面的，一方面是代碼的開放，另一方面是云計算平臺的開放。公有云的環境確實有很多用戶尤其是大客戶是不太愿意接受的，他們都會盡量做出一個私有云或混合云來進行存儲。也是為了數據安全，頭部客戶都有自己的數據倉庫，他們自己的數據處理都是比較規范的，他們自己也不是特別愿意把數據遷移到公有云上去。

林云燕：我們知道最近這幾年AI之所以能得到高速發展，是因為有了大數據等條件的具備。如果以現有的發展情況來看，是否還會因為某一方面的條件具備而給人工智能技術帶來重大的飛躍？

張本宇：現在大數據相對于問題的規模和復雜度，可能始終是一個短板。之前我們只需要把圖片分清楚里面是什么物體就可以了，但現在進化到要從圖片中分析出被遮擋的物體，有很多物體還要劃分前后禎。從視覺來說，人每天要不間斷地看十幾個小時，分辨率是遠高于現在模型的分辨率的，所以很難說AI和人眼哪個接觸的數據更多。AI現在一天的圖片學習量也就是幾千上萬張圖片，而人接觸到的世界信息則可能遠高于這個數字。

林云燕：也就是說大數據某種程度上并不是完備的。

張本宇：是的，這完全取決于要解決問題的復雜程度，比如做一個完美的股票預測，這個數據量肯定是不足的。

林云燕：現在很多解決方案在企業落地的時候經常會遇到這樣的問題，有數據，但數據不完備，但這些企業也想應用大數據人工智能技術，但真正應用的時候發現很難直接落地。這種情況你們是否遇到過呢？

張本宇：這個要看具體的情況，舉個例子說：圖片質量檢查，數據中會有標記出來比如產品的X光圖，會分析出哪里有問題，但實際上標注的區域不同的標注源的隨意性很大，有些標注的問題區域很大，有些就很小。提供數據的企業會說：“我們提供了數據。”但這個數據是不足的，在算法層面上就需要更精確、更規則化，讓我們的模型能更好的分辨。很多時候客戶提供的數據和算法使用起來很舒服的數據之間是有很大的差別的，這就需要我們在實際案例中做根據具體的問題找對應的解決方案。

林云燕：您是怎么看待技術的中立性的？比如之前Google曝出將相關技術用于軍事等領域，結果引起了很多人不滿，大眾比較難以接受這樣的事情，像這種現象您是怎么看的？

張本宇：技術是中性的，核技術的研究原動力就是軍事。這個事是否要完全禁止現在不太好判斷，完全禁止不太可能，除非大家都遵守，否則就是防君子不防小人了。而且相關的約束到底是好事還是壞事還不能確定，完全取決于誰去用相關技術，一個團隊不研發，不代表另一個團隊不會研發。現在很多行為的動機是好的，但結果卻尚未可知。

對人工智能創業者的寄語

林云燕：人工智能行業現在真正盈利的企業還不多，作為這個領域的先行者，您對人工智能的創業者有什么樣的建議？

張本宇：AI創業是一件很辛苦的事情，尤其是AI屬于技術創業，就更要做好相對長期投入的準備。人工智能不像爆款游戲或現象級的商業模式可以很快地發展和爆炸增長，因為技術有自己的發展規律，不存在一個簡單快速的方式，創業者要做好打持久戰的準備。

其次，會碰到很多在實驗室或特定行業里碰不到的問題，但這些問題是真實存在且有原因的，并非通過一個算法就屏蔽了這個問題。需求是存在的，存在即有合理性，創業者需要對需求有較好的認知。

林云燕：我們注意到云腦在2017年一直在擴張中國的團隊，我想了解一下，云腦在全球下一步是有一個什么樣的布局？

張本宇：我們還是會相對來說扎根中國市場，但整個經濟還是全球化的經濟，很多需求還會是全球化的需求，我們會根據需求來判斷市場和發展方向。

關于“對話未來”專訪欄目

“對話未來”是科技媒體圖靈派推出的一檔專訪欄目，由圖靈派及財鏈社CEO林云燕女士發起，聚焦在ABCD（A——AI人工智能、B——Blockchain區塊鏈、C——Cloud云計算、D——Data大數據，以及IOT物聯網）等前沿科技領域，專注跟蹤及采訪科技領域領軍人物，致力于將精深的科技傳播給廣大受眾，并鼓勵年輕人參與科學技術的研究，用科技改變生活，創造美好未來。

我們的座右銘是：相信科技、相信未來，我們都是圖靈派。

林云燕女士擁有多次科技公司創業經歷，專注于科技領域研究近十年，曾先后涉足大數據、信息安全、區塊鏈等領域，有豐富的科技行業從業經驗和專業背景，擁有哈爾濱工業大學計算機學士學位和長江商學院工商管理碩士學位。

【本文為投資家網原創文章，轉載或內容合作請聯系投資家網，違規轉載，法律必究。】