兩會“智慧+”接棒“網際網路+”：當智慧小程式成為AI的起跳板

最近在北京舉行的十三屆全國人大二次會議上，政府工作報告中提出了一個非常重要的概念——智慧+。在近年的兩會上，人工智慧已經被提及了三次。2017年，人工智慧被首次寫入到政府工作報告中，表述為“加快培育壯大新興產業。加快新材料、人工智慧、積體電路、生物製藥、第五代行動通訊等技術研發和轉化，做大做強產業叢集。”

2018年的政府工作報告中指出，“發展壯大新動能。做大做強新興產業叢集，實施大資料發展行動，加強新一代人工智慧研發應用，在醫療、養老、教育、文化、體育等多領域推進‘網際網路+’。發展智慧產業，擴充智慧生活。”

今年“智慧+”接棒“網際網路+”，也意味著中國人工智慧即將開啟和網際網路一樣的規模化落地之路。

從落地到規模化落地：“向電看齊”的AI

規模化落地，其實是一個很有趣的關鍵詞。現如今在高鐵站、飛機場隨處可見人臉識別閘機，拿起電話聯絡某個商家，也經常能聽到AI客服的聲音。總的來說人工智慧在我們的生活中並不稀缺。

但“落地”和“規模化落地”之間，卻還差了十萬八千里。

哪些基礎技術能稱得上是“規模化落地”呢?往近了說是網際網路，往遠了說是電力。

只要有WiFi、有4G訊號，普通人就能在朋友圈裡做微商做得風聲水起。只需幾步操作，大小企業都能註冊微博、公眾號、資訊平臺向外發聲。這是網際網路規模化落地後帶來的效應。

至於電力，更是插上插頭就能獲取，幾乎為整個世界供能。

可以說規模化落地並不取決於一項基礎技術的應用廣度和密度，更多的還是獲取技術能力的難易程度。

如今我們身邊雖然不缺乏人工智慧的落地案例，但人工智慧能力的獲取，還是相對困難的。假如一家小企業想要在某項業務上應用圖片識別，先要收集、標註、清晰資料，然後組建自己的計算叢集訓練模型演算法，很可能還需要高薪聘請機器學習方面的專業人才。

這樣的獲取方式，是很難實現技術基礎化，也很難實現規模化落地的。

人工智慧本身就是一項底層技術，“智慧+”更旨在和“網際網路+”一樣，與各行各業碰撞出火花。因此人工智慧的規模化落地應當與電力看齊，即插即用、一鍵獲取才是最理想的狀態。

我們也能看到科技企業確實在這一方向努力，越來越多的技術企業將API與雲服務打包提供，甚至還有一些企業推出了硬體化的人臉識別一體機。

在一系列對於人工智慧規模化落地的嘗試中，智慧小程式是個非常有趣的現象。

推導核心原料：AI落地途中的小程式們

自從百度率先提出智慧小程式的概念之後，市場上立刻出現了一系列相關的應用案例。

最典型的就是在百度與長隆野生動物園AI-Park的合作中，雙方聯合開發了“長隆AR動物園”智慧小程式。結合百度的影像識別、語音生成、AR渲染等能力，為使用者提供步行AR導航、拍照識圖解說、AR相機合影等功能。

如此一來，長隆野生動物園作為傳統企業，幾乎不需要任何學習成本和開發成本，就能夠為自己的使用者提供智慧化的遊覽體驗。

不光百度，騰訊在去年也推出了多媒體AI平臺，以小程式的方式將AI技術以“老照片上色”、“智慧剪裁”、“粵語翻譯”等方式開放給使用者。

要說智慧小程式是否真的對人工智慧規模化落地有所促進，百度去年Q4財報中的資料可見一斑。資料顯示，在2018年12月，智慧小程式月活使用者達到1.47億，環比增長30%。目前，百度智慧小程式的服務已經深入到政策民生、娛樂、資訊等23個大行業，覆蓋262個細分領域。

也就是說，在去年有二百餘個細分領域透過智慧小程式的方式，完成了人工智慧能力的獲取。毫無疑問，智慧小程式正在成為人工智慧規模化落地路途上的有力推助。

在這種現象背後，我們可以嘗試去推導智慧小程式形成強大推助力的核心原料。

第一點是分散化的技術需求。

在中國網際網路產業發展相當完善的今天，一項新基礎技術的接入一定是後繼式的，而不是重新來過。這就意味著AI技術不僅僅要平地起高山，創造出全新的產品模式，也要大量填補那些非核心的、分散化的技術需求。

比如一家農場可能只想利用影像識別來自動檢測農產品的成熟程度，又比如一家遊樂園只想應用上語音生成技術來進行講解。這些海量的分散化技術需求既簡單又多樣化，並不能支撐起完整的開發鏈條，那種從建伺服器和招人開始的AI開發顯然是不適用的。

如此一來，智慧小程式自身擁有豐富而成熟的API介面，以及充足的技術產品化能力，可以讓企業使用者直接零成本應用上一些輕量級的AI技術，恰好填補了AI開發鏈以外的空白。

第二點是不同企業間的能力互補。

我們可以看到應用智慧小程式的不僅有長隆野生動物園這樣的傳統企業，同樣也有攜程這樣的科技網際網路企業。

我們知道攜程自身也是擁有AI技術能力的，但攜程的AI技術大多集中在智慧推薦、興趣探知等方面。與百度智慧小程式合作後，百度卻可以利用語音識別技術實現App內對攜程智慧小程式的語音喚起，幫助攜程開啟了更大的流量入口。

人工智慧規模化落地的另一個重點，就是術業有專攻。企業必然要重點關注與自身業務關聯最密切的技術，至於其他AI能力的獲取，就可以以智慧小程式為橋樑。何況像百度這樣將智慧小程式入口嵌入自身產品之中的模式，也能放大AI技術對於使用者流量的吸引能力，給予企業更多支援。

最後一點是智慧小程式的敏捷特性。

AI技術和其他技術之間有一點不同，那就是AI技術有著極強的成長性。幾個月前人們還在說谷歌的BERT模型將改變NLP發展，很快BERT就又被OpenAI的新模型擠下王座了。

在現實場景，解決問題所需的技術也在不斷變化。就拿嘈雜環境中的語音識別來說，也許今天需要利用唇語識別，明天就發現多模態識別可以實現更好的效果。對於大多數企業來說，在AI技術上不斷試錯就已經是不能承受之重，更別提緊跟技術發展的潮流了。

但智慧小程式背後的科技巨頭，尤其是百度這樣企業，恰好有保持AI技術不斷創新的能力。這種能力結合上智慧小程式敏捷、輕量可擴充的特性，可以降低企業的試錯成本，也有利於企業可以更快享受最新的AI技術成果。

總體來說，智慧小程式對於人工智慧規模化落地的最大幫助就在於，將“分工”這件事做到了極致。透過對自身AI技術底蘊的產品化輸出，去滿足那些淺層卻普遍的技術需求。

其實“規模化落地”的關鍵就在於此，那些有充足技術認知和資本的企業可以很容易接入AI，也必將接入AI。但更多企業對於AI的瞭解並不多，也沒有足夠的能力去進行所謂的“AI轉型”，給這些企業一次嘗試的機會，他們便能擦出智慧+的火花，可如果沒有智慧小程式這樣的模式，這些企業可能最終會落後於時代。

模式與科技創新的更迭前夜：與人工智慧互相成就

其實不僅智慧小程式在幫助人工智慧更加快速的落地和普及，人工智慧和小程式之間也是一種“互相成就”的關係。

小程式、輕應用的概念從2016年就開始推廣於市場，從業者高度期待不說，甚至還一早就出現了“小程式開發培訓”的產業鏈。可幾年之間小程式一直沒有激起太大浪花，甚至有些高高舉起的意思。

直到近年來在小程式中引入智慧技術，推出了類似愛奇藝說唱這樣的智慧小程式，才再次吸引了使用者和行業雙重參與。

產業化應用之外，智慧小程式還有很高的普適工具屬性，可以被用來改造市政、醫療、教育等等很多領域。例如百度與北大國際醫院聯合推出的AI分診助手，結合了百度自己的自然語言理解能力、知識圖譜構建能力和北大國際醫院的專業醫療知識，幫助使用者們更清楚的認知自己的病情。還有被百度CEO李彥宏分享過的AI尋人，也是利用人臉比對技術來快速實現失蹤人口對比找尋。

這些小程式之所以有價值，就是因為承擔了AI技術下達應用場景的作用。

這種現象，或許預示了中國科技企業“模式創新”和“科技創新”之間的更迭。同樣的服務從PC移植到App，開啟了一個激盪宏大的移動網際網路時代。可再將同樣的服務從App移植到H5，卻並沒有那麼誘人。所謂的無需下載、不被打擾，也不能觸碰到使用者的核心需求。

唯有像智慧小程式這樣，新的模式伴隨新的技術一齊出現時，才能給行業和使用者提供足夠的應用價值。

相信在這種現象之下，未來會有越來越多的小程式去實現自己的“智慧+”，以及未來可能會出現的，替代小程式的全新應用模式，同樣將結合新的技術手段一起進入市場。