對話 CTO | 聽創新奇智 CTO 張發恩講 AI 企業的技術與商業節奏
創新奇智是一家人工智能商業公司，脫胎于創新工場人工智能工程院，天然有著技術、商業邏輯和經驗的三重積累。從 2018 年 3 月正式成立，到 2018 年年底半年多的時間，創新奇智完成了超過 1 億元的收入，遠超同類公司創業第一年時的商業化水平。在 CTO 張發恩看來，這得益于創新奇智對技術方向的思考。
創新奇智提出了 AI 1.0 和 AI 2.0 的概念。AI 1.0 指從技術出發定義業務的模式，而 AI 2.0 則是從業務出發，反向驅動技術。「我們叫雙輪驅動，一個輪子是技術產品，一個輪子是行業場景，二者并重，缺一不可」。
但在果斷的商業化落地過程中，創新奇智也不可避免地遇到了一些困難。張發恩認為，幫助傳統企業完成 AI 數字化轉型最大的挑戰在于信心和耐心。AI 的賦能需要一個過程，并非一蹴而就，不僅僅傳統企業需要有信心與耐心，提供解決方案的 AI 公司也需要做好準備，一步一步地加深對陌生行業的理解。
從創新工場走出的創新奇智
穎奇：非常感謝創新奇智 CTO 張發恩接受我們的采訪。首先能否請您介紹一下創新奇智的大致情況和關注方向？
張發恩：創新奇智于 2018 年 3 月成立，到現在也才一年多的時間。但是成立之前，創新奇智是有比較深的淵源背景的，創新奇智脫胎于創新工場人工智能工程院。創新工場歷史就很悠久了，是 2009 年李開復老師創立的，在 2016 年的時候開復老師又設立了創新工場人工智能工程院。由此創新工場就變成了 VC+AI 的公司，既有投資，也有自己的研究部門。人工智能工程院運行了一年多以后，大家覺得人工智能一定要落地到場景當中，所以要加快速度，要商業化。如果成立一個獨立的實體公司，可能會運營得更好，于是就有了創新奇智。
穎奇：相當于是創新工場的子公司？
張發恩：對。2018 年 3 月創新奇智成立的時候，創新工場人工智能工程院的三十幾個人，就一同來到了新的公司。成立以后公司發展速度非常快，我們今天的規模大概在三百人左右。公司從初期建立的時候就基本確定了人工智能主要賦能的方向，就是零售、制造和金融。我們聚焦在這三個方向，把我們的產品、解決方案落地到當中去。
穎奇：目前在 AI 領域有很多做解決方案的公司，那么創新奇智與行業內其他公司的區別是什么？
張發恩：區別還是很大的。做 AI 的公司比如商湯、曠視、科大訊飛等等，創新奇智體量來講比他們稍微小一些，但是我們的增長速度卻很快。創新奇智從成立到 2018 年年底，也就半年多的時間，我們的合同收入就超過一個億了，所以我們商業化速度是非常快的。從業務增長的速度上講，很多獨角獸 AI 公司第一年的時候也很少有這樣的速度。
穎奇：您的個人經歷大概是怎樣的呢？又是怎么加入到這樣快速發展的創新奇智的？
張發恩：我 2007 年從中科院畢業，然后去微軟做 Office，當時主要是做 Office Link，就是現在的 Skype。2010 年年底我去了 Google，在 Google 五年多，主要做搜索和知識圖譜。2015 年底去了百度，任百度云技術委員會主席。那個時候基本上就在做 to B 的業務了，涉及大數據、人工智能、機器學習平臺等等，推進百度云與人工智能的深度結合，開創「ABC 一體機」，將百度的人工智能技術賦能給客戶。然后我 2018 年 3 月來到創新奇智。
穎奇：作為創新奇智的 CTO，您對行業內的工程師是否有什么建議呢？
張發恩：第一，技術一定要過硬。CTO 一定是從一線的技術工程師慢慢走過來的。CTO 一定要有非常強的技術能力，否則很有可能會決策失誤，盲目上馬一些有重大風險的項目或者技術。我最近還在公司從頭到尾的跟 PyTorch，包括所有的技術文檔以及內部實現，源代碼我也還在跟。這段時間 PyTorch 比較流行，但是我原來主要是用 Caffe 和 TensorFlow。作為一個 CTO，我還是要去學 PyTorch，它的應用、設計思路，關鍵模塊的設計和源代碼等等。
第二，要有商業認知，要嘗試去理解商業邏輯。CTO 不是一個技術人員，也不是技術 leader，而是一個連接公司技術以及商業的橋梁和紐帶。
第三，要有耐心和耐力，要沉得住氣，要經過一定時間的歷練。時間的積累會讓一個人變得沉穩，讓一個人在面對壓力的時候不慌亂。
我覺得 CTO 的背后就是，技術的深度+產品商業的深度+豐富的經驗經歷。
AI 2.0 客戶價值導向的技術創新
穎奇：創新奇智是如何用技術驅動業務發展的？
張發恩：我們有一個概念叫做 AI 1.0 和 AI 2.0。AI 1.0，大多是博士創業，更多的會關注論文、科學家、項目、專利，是以技術來定義公司的業務。AI 2.0 是以業務來驅動技術，或者說是以業務為導向，技術再跟上。但這并不代表我們不重視技術創新，我們也會重視論文，但一定是以實體行業為導向的論文創新。發表的論文應該可以創新性地解決一些商業化落地中的難題，而不是一堆學者在沒有商業場景的情況下自己去找出一些前沿的學術問題去解決。
穎奇：就是商業目標導向，客戶需求導向。
張發恩：對。創新奇智將其稱之為雙輪驅動。一個輪子是技術產品，一個輪子是行業場景，二者并重，缺一不可。
穎奇：這跟我們現在做的事情一樣，我們也是一個 to B 公司，有產研和銷售部門。銷售部門要了解客戶需求，然后再去影響產研應該做什么樣的產品。關于創新奇智是如何利用 AI 服務客戶的，能否請您舉個例子說明一下？
張發恩：我們的客戶目前有 100 多家，零售行業有瑪氏、雀巢、永輝、嘉士伯等等，我們用深度學習視覺去賦能它們。比如雀巢或者嘉士伯，典型的場景就是幫它們去識別超市貨架上的商品陳列。零售公司會有很多一線巡店的業務代表，業務代表需要知道商品在貨架的陳列情況。他們傳統的操作方式是去一個一個地數商品在貨架的數量，然后記到工作簿中，效率和準確率都很低，也不利于品牌方對數據的統計，嚴重時會因為一線數據統計錯誤而誤導營銷決策。針對這種情況，我們推出渠道陳列解決方案，業務代表只需用手機對著貨架拍照，通過 AI 技術自動識別商品名稱和陳列情況，實時返回到客戶端，并且可以生成報表。
穎奇：是否有一些可以量化的數字能夠說明 AI 帶來的影響？
張發恩：原來一個業務代表一天可以做 5-10 家店左右，因為路上還有通勤時間，還會受店面陳列和面積的影響。現在 AI 落地后，業務代表去現場拍照片就可以走了，基本上是原來 3 倍的效率。另外還有一個因素，原來人工抄寫的時候，人會抄錯，也可能會自己編寫信息去作弊。而商超貨架的陳列情況是對快消品牌很重要的一個價值點。我們的算法當中有防作弊和防翻拍檢測，業務代表需要自己在門店前進行拍照簽到，如果是虛假照片，我們的技術也是能識別出來的，這樣最大程度確保了終端執行情況。對客戶來講，AI 可以節省人力，提高質量和效率。
創新奇智的自我進化
穎奇：您覺得中美之間，在 AI 的具體應用上有怎樣的區別？
張發恩：我覺得中美之間在人工智能領域其實有非常大的區別。美國是典型的技術創新、算法創新為主。中國的 AI 產業，尤其是進入 AI 2.0 時代以后，就更加務實了，注重模式創新、商業創新。所以今天很多好的算法還是出自于美國，但是真正把這些好的算法應用到行業或者模式當中，還是中國做得好。這兩個誰優誰劣在今天很難說，是處于產業鏈的不同層次的。
穎奇：中國明顯是更注重 AI 的應用。您認為創新奇智作為一家與產業相關的 to B 公司，最大的風險在哪里？
張發恩：目前我認為最大的風險是客戶擁抱 AI 的信心和耐心。有些傳統的公司不相信 AI，信心就是一個風險點；耐心是說，AI 落地的過程，不是一蹴而就的，而是一個潤物細無聲的緩慢發生的過程。每天進步一點點，一百天以后，結果就大不一樣了，所以這個時候要有耐心。有些傳統公司，一沒信心，或者有信心的時候沒有耐心。AI 方案上了一個月發現效果不明顯，就開始懷疑 AI 的價值。我覺得最大的風險是來自于這里，而不是來自于 AI 公司。其實我們要去賦能行業的時候，我們心里就做好了要深入了解這個行業的準備。我們是有信心和耐心的，但是客戶也要有。所以今天我們很多策略也是優先去找頭部客戶，然后樹立典型，樹立標桿。
穎奇：創新奇智目前的商業模式是怎樣的？
張發恩：從創新奇智的角度來講，我們有自己的一套商業發展邏輯。一開始我們用 AI 去賦能一個行業的時候，這個行業對于我們來說是相對陌生的。所以首先我們會做項目，做項目的時候一定會調研清楚，它未來是否可以規模化，是否可以去復制。所以一個行業中的前 1-3 個可能都是項目，但是會越做越輕松。然后我們接下來會進入第二個階段，就是產品階段。我們會抽象出行業共性的部分，變成一個通用的產品，然后把產品銷售給客戶。銷售到一定程度的時候，我們就要建立平臺了。如果用傳統軟件來類比的話，比如用友、金蝶等等，是能清晰看到它們的發展路徑的。用友、金蝶一開始先開發一套 ERP 系統軟件給一個公司。開發多了以后發現 ERP 是通用的，然后就賣 License，這個過程就是賣產品。現在用友、金蝶在做用友云、金蝶云，就變成了平臺，所有的客戶都用平臺的標準產品。AI 也是這樣一個思路，從我的角度去看，我在規劃公司的技術和產品的時候，也會沿著這個思路去做。先做項目，再做產品，再做平臺。
穎奇：比如說我們已經有非常好的產品，然后就可以把這個產品上云，或者提供另外一個更加容易獲取的方式，就會有更多客戶了。最后能否請您推薦幾本您認為比較好的書給大家？
張發恩：我很喜歡李航老師寫的《統計學習方法》，這是一本寫法非常嚴謹，但是又不失系統和靈活的書，是一本難得的統計機器學習的好材料。開復老師的《AI · 未來》是從更高層面去講 AI，是入門一點或者說是了解產業的，也是一本不錯的書。
穎奇：今天有很多收獲，非常感謝您的分享。
