5月24日，腾讯“云+未来”峰会继续在广州进行，在上午的“AI 专场”中，腾讯优图实验室杰出科学家贾佳亚首个开场，对AI 产业的发展趋势，以及腾讯在医疗、内容、自动驾驶等产业的 AI 落地进行阐述。

在加入腾讯前，贾佳亚曾与微软研究院、谷歌、高通、英特尔、Adobe等图像和人工智能研究机构开展过联合研究工作，而在加入腾讯后，除了负责计算机视觉、机器学习等人工智能领域的研究外，在贾佳亚的职责中，探索“人工智能与各种应用场景结合”是极其重要的一环。

贾佳亚以个人经历谈到了 AI 在过去一年的变化。从2013年至今，AI 从“深度学习”等晦涩的名词逐渐在产业落地，他发现不论是大楼内部还是烤红薯的壁炉，都开始在温度控制等方面用到 AI ，这种技术落地的速度让 AI 与普通人的距离越来越近。

如何甄别“真假 AI ”是他谈到的第一个议题。在贾佳亚看来，2013年之后，AI 在场景、行业、任务、技术层面有飞跃式的提升，大家都在说自己做人工智能，但如果没有基于深度学习进行训练和测试的结果和场景，就不应该称之为“真AI”。

随着 AI 的迅速落地，行业产生了另一个看似矛盾的现象：算法的开源让人们学习 AI 的门槛降低，但在产业层面，AI 的发展依旧具备明显的壁垒效应。

贾佳亚将其归结为三点原因：

首先是计算资源。2015年以前，不少 AI 研发团队还在利用通用的计算资源做运算，如今，每个部门都会有自己专有的计算资源，以减少功耗，加快速度以及增加准确率，这会是接下来的发展中一个重大趋势。

其次是计算平台和框架。市面上虽然有开源学习框架供 AI 爱好者学习，但专业的 AI 团队一定会有自己的业务强优化编程平台，并用非常低的功耗实现高速得出训练结果的能力。

最后是人才。在 AI 诞生之前，大家会认为AI研发是极少数研发人员主导的小数据、小模型研发样本。而在2017年，除了大量的技术人员之外，有了更多底层编程人员开始做算法调优，AI 人才的金字塔开始变得稳固和庞大。

“如果一个团队已经有先发优势，想成为后起之秀，必须以更快的速度积累人才、积累框架、积累行业经验，这也是为什么在产业层面会越来越具有壁垒效应。”贾佳亚表示。

以下为腾讯优图实验室杰出科学家贾佳亚在腾讯“云+峰会”的演讲实录，经钛媒体编辑后发布：

贾佳亚：大家早上好，我所在的部门是腾讯优图实验室，今天我想给大家介绍一下，过去一年我们看到的 AI 进程是如何变化的。

AI 正同我们生活有越来越密切的联系。举个例子，大家出去买楼，售楼小姐会说，我们的大楼温度控制都是用AI设计的；有一次我去买一个烤红薯，大爷说我们烤红薯温度也是AI控制的，肯定比别的地方的烤红薯好吃。

这让我感受到，从去年以来，我们有越来越多的机会接触 AI 名词，这也意味着现在必须回归本源，想一想如何定义AI。

首先给出一个概念：真 AI。

2013年之后，AI 在场景、行业、任务、技术层面有飞跃式的提升，大家都在说自己做人工智能，但如果没有基于深度学习进行训练和测试的结果和场景，就不应该称之为“真AI”。

以工业自动化场景为例，传统工业自动化是希望在生产中尽量实现流程自动，用机器辅助流水线，尽量减少人工干预，这并没有涉及到智能这一块，即使大家有非常先进的机器人做制造，但最后一个零件生产出去合不合格，绝大部分还是依赖于人做判定。

而在AI时代，我们可以打通工业自动化的最后一环，让所有判定、决策都由机器实现，这就是AI自动化在自动检测产品以及改进自动生产精度上面的表现。

还有医疗。在两年前，医疗可能还是一个实验室产品，大家都说我们在实验室做了某一个技术，希望帮助某一类病种得到检测上的提升，但没有人敢说这种技术可以实际投入使用。

从去年开始，我们发现医疗开始走出实验室，走入医院和医生身边。每个医生都有机会接触智能技术，并对诊断和判断带来新的帮助。

还有非常重要的一个部分：海量线上内容自动处理。

之前讲线下内容，比如一张图片里有什么可以吸引你的目光，它有没有社交价值，能不能通过审核，能不能给小朋友看，都需要大量的人去观察和检测。但现在除了一些特殊问题，所有线上检测都可以实现自动化。

目前技术最前沿的 AI 应用在自动驾驶。通过这几年的投入，我们对道路行人的判定、包括有多少辆车、司机的驾驶意图，都可以通过深度学习完成，在技术层面上看，很多AI 应用已经超越了人。

除了场景之外，对于研发人员而言，整个技术研发的历程同样在演化中。

首先是计算资源。2015年之前，我们在深度学习或者其他的研发过程中，只需要2-4GPU计算卡就能供一个人完成检测识别内容，但是到2017年，我们需要的资源从2-4张计算卡变成200-400张计算卡。

另外，我们也不仅仅是利用一些通用的计算资源做运算，而是每个团队，每个部门都会有自己专有的计算资源，以减少功耗，加快速度以及增加准确率，这会是接下来的发展中一个重大趋势。

第二个维度是计算平台和框架。

2015年，市面上出现了公有的开源学习框架，虽然比较粗糙，但可以供广大AI爱好者来使用；到了去年，市场又出现了很多编程平台，解释性语言已经被广泛应用起来；而从今年开始，每个真正做AI的研发团队，一定会有自己的业务强优化编程平台，这意味着会用非常低的功耗实现高速得出训练结果的能力。

第三个维度是人才。2015年，大家会认为AI研发是极少数研发人员主导的小数据、小模型研发样本。而在2017年，除了大量的技术人员之外，我们发现有了很多底层编程人员开始做算法调优，AI 人才的金字塔开始变得稳固和庞大。

最后给大家说一下我的总结：AI在技术普及层面民主化——人们学习AI的门槛开始变低，网上有无数在线教材和开源代码，用户可以自行构建 AI 系统——这是民主化的进程，但这并没有令人工智能发展进入白热化的阶段。

相反，我们发现在产业层面，人工智能的发展上反而具备了壁垒效应。为什么？就是我之前讲的三个因素，每个人工智能团队要发展，必须充分考虑计算资源，计算平台，要构建自己的私有计算平台，必须有非常强有力的人才储备。

如果一个团队已经有先发优势，想成为后起之秀，必须以更快的速度积累人才、积累框架、积累行业经验，这非常不容易，也是为什么在产业层面会越来越具有壁垒效应。

举个例子，大家想买一辆汽车很容易，因为汽车产业很成熟，但是如果想进入汽车行业，自己开一个厂，再造一批汽车，这就很难。

最后，我们优图实验室和腾讯其他团队希望能开放自己的技术给所有客户，相信会有一天，卖红薯的大爷能用上了“真·AI”技术提高烤红薯的质量。谢谢大家。（本文首发钛媒体，整理/苏建勋）