元初智能葛钊含：不做「系统的奴隶」企业数字化转型需要「活AI」

在上个月刚结束的2021世界人工智能大会上，很多行业外人士感叹今年的WAIC“不酷了”，曾经令人眼花缭乱的黑科技如今变得“平平无奇”。

事实上从2016年至今，人工智能赛道早已不复当年的狂热；风口仍在，但资本更加冷静务实，唯有强壁垒、能真正落地的AI公司才能突出重围。

元初智能洞悉了AI行业落地难拓展难的瓶颈，立志打通这最后一公里，实现AI大规模落地。作为2019年才进入赛道的“后来”者，元初智能能否做到“居上”呢？

我们有幸和元初智能联合人葛钊含做了一次专访，了解到她对人工智能行业现状的思考，以及元初智能对此提出的新的解答。

一、金融人眼中的智能化“真相”

众所周知，金融行业由于良好的数据基础和基于大规模数据的业务特性，一直以来都被视作最适合人工智能应用落地的领域之一。

《IDC创新者：AI驱动金融行业智能决策（2020）》报告指出，从AI应用渗透率来看，目前金融行业头部企业渗透率达75%以上，第二梯队企业超过50%，第三梯队企业约在30%左右，是AI应用渗透率排名TOP3的行业。

作为在国际大投行摸爬滚打多年的资深金融人，元初智能联合创始人葛钊含就曾切身经历业务操作方式从早期的纸质文件到办公自动化工具、再到各类智能化处理流程演变的全过程。但她却向我们透露了她眼中的智能化真相：“我们发现这些只是让我们从纸质的‘奴隶’变成了系统的‘奴隶’。”

事实上，使用门槛高正是企业部署AI智能化应用所面临的主要障碍之一。这是因为多数智能化系统都采用特定的符号标准，导致业务人员在使用过程中经常因为一些技术细节造成工作流程受阻。“以前我们通常自我感觉是智商很高的人，但是天天给IT打电话，说你看这个系统又报不上去了，IT人员来了一看说，你把系统的符号搞错了。”葛钊含笑着举例说。

高门槛也就意味着企业需要更多相关技术人才。据艾瑞咨询《2020年中国人工智能产业研究报告（Ⅲ）公开版》报告显示，51.2%的企业表示缺乏AI专业人才是AI应用实施中的一大阻碍，占据问题榜首位。

而48.8%的企业表示缺乏高质量的数据是AI落地的另一大阻力。我们知道，人工智能的核心价值是通过特定算法模型分析已知数据，体现价值的前提是存在大量标准化数据，这就需要企业耗费大量的人工开展数据的收集、整理、标注工作。

值得一提的是，针对现代企业数据高频变化的场景，模型迭代频率也需要极大提高，这不仅会导致人力和维护成本的剧增，还会将企业置于系统崩盘的风险之下。

“所以大家经常吐槽，人工智能到最后只是把人放到后面的智能。而我们需要的，是真正零门槛建模、模型迭代速度超过数据变化速度、后续运维极简的‘活的’AI。”葛钊含总结道。

二、活AI+全行业，解决AI大规模落地最后一公里

2015年，AlphaGO战胜围棋世界冠军李世石这一载入人类史册的大事件，带火了围绕人工智能的各类创业项目，尤其以被称为“融资机器”的AI四小龙为代表。作为19年才入局的后起之秀，元初智能“解决AI大规模落地”的差异化定位，既来自于对行业痛点的清醒认识，也来自于世界领先的先进技术。

“虽然这么说有点凡尔赛，但确实我们最大的困难在于技术过于先进导致了大家的将信将疑。”葛钊含半开玩笑地说道。

元初智能联合创始人葛钊含

之所以能建立自然语言处理、智能图像处理、智能分析预测三项全流程拟人平台，实现快速跨行业全场景落地，是因为元初智能自主研发了一系列围绕“活AI”的独有专利技术。

首先，在掣肘AI项目启动的初始数据问题上，元初智能的“初始小样本”技术拥有持续自学习的功能，模型能随着后续数据的更新自动优化，让原本需要一次性投入的海量数据简化为几个；

其次，在项目运行、维护环节，元初智能的“实时AI”技术实现了传统机器学习做不到的边推理边训练功能，让模型随着数据和业务规则的变化实时地进行迭代升级，一方面能满足业务数据及规则随时变化的场景；另一方面也能节省后续运营端的大量人力成本；

最后，针对企业缺乏数据科学家和AI工程师的问题，元初智能的自动机器学习（AutoML）将机器学习的部分工作自动化，并贯穿从真正零门槛建模到模型训练发布迭代的全流程，让不懂技术的业务人员也可以独立完成AI项目，真正做到“无门槛”落地。

如此，企业在实际应用中落地AI项目的启动、运行、维护等各环节的障碍都被一一扫除。正如葛钊含所言，“其实企业数字化转型真正的成功，在于它所有的节点、所有的流程都能自动地智能化起来。”

然而元初智能的“雄心壮志”不止于此。在行业路径上，和大多数从BFSI等垂直细分行业切入的AI公司不同，元初智能从一开始就“霸气十足”地将客户画像定位在全行业。

事实上，由于各个行业的know-how有着高壁垒，AI算法须与行业知识结合才能走入具体场景、解决企业个性化的痛点问题，这也是人工智能行业在落地时重度依赖知识图谱的成因。而任何一个行业的知识背景与业务逻辑的沉淀都非一日之功，因此可以说AI公司们选择深耕某一垂直行业更多是因为技术所限。

对此，元初智能采用自研的Backbone模型代替传统的行业知识图谱，能做到利用行业的公开数据且无需任何标注，在一周甚至几天内快速建立行业知识，以此实现强大的跨场景和跨行业能力。同时，凭借强大的跨语言能力，Backbone模型支持同时处理多种语言，解决现代企业跨国业务问题。

超轻部署、快速实施、跨场景跨行业，可以说，元初智能具备了重塑行业的力量。

三、商业落地，前瞻布局

就在上月，2021世界人工智能大会在上海召开。在“投融资主题论坛”上，上海国有资本投资有限公司总裁戴敏敏发表演讲表示，近三年来，全球AI投融资市场趋于冷静、成熟和应用导向。从数据上来看，全球新成立AI企业数量从2017年的峰值5000家，下降到了去年的不到800家。

2015-2020全球新投资AI企业数量

戴敏敏还提到，中国AI投融资市场从2016年至今，大致经历了三个阶段：2016-2017年是“兴起”阶段，资本和创业者主要关注技术和标准；2017-2018年人工智能上升为国家战略，各地企业、高校、政府的参与让AI行业出现一波高潮；而2019-2020年进入第三阶段，投融资市场开始更加注重AI技术与应用场景、传统产业的融合。

也就是说，经过纯技术占位的“概念”阶段后，现在资本更倾向商业落地价值更大的AI公司。如果不能在商业化进程上奋起直追，提供真正切中企业需求的产品方案，就难以得到资本和市场认可。

对此，元初智能颇有信心。“我们的壁垒并不在于一味堆砌先进的技术，而是针对市场需求开发出了核心产品。客户给我们的，通常都是他在其他所有的供应商那儿试过、且大家无法做到的。”

据了解，目前元初智能已经服务了多行业的头部客户，成功塑造了众多行业龙头标杆案例，元初的客户不但包括国内头部券商、银行、互联网、先进制造企业；同时凭借产品的多语言处理能力，元初更将扩张渠道延伸至海外市场，成功拿下多家包括世界顶级金融机构、国际矿业巨头、国际油气大厂在内的世界五百强客户。

从客户反馈来看，元初智能用实际成果证明了活AI的产品优势。葛钊含向我们透露，行业中大多数供应商的“高光时刻”是POC开箱环节，模型准确率最高，而在后续的运行中，由于数据、规则和操作流程的变化，模型的偏离度会逐渐加大。“我们的产品反而会随着数据的多样性和模型自我迭代能力的提升，准确率呈现一个非常漂亮的上扬曲线，这是客户对我们非常认可的重要原因。”

纵观半导体、5G等科技领域行业领先企业的发展脉络，可以发现，除了商业价值的实现，着眼长远的前瞻性布局是企业在市场变化中确保业务延续和塑造领先优势的核心因素。

上世纪90年代，ARM公司成立初期处理器出货量停滞不前，受资金短缺所迫，ARM创造出轻资产的芯片设计授权模式，又瞄准被当时的芯片巨头忽视的移动端市场，最终成为全球移动芯片的主流架构；2009年正值3G时代末尾，据中国进入4G商用时代还有4年，华为却极前瞻地决定启动5G研究，如今华为已拥有全球最多的5G专利技术，其5G设备领先全球12-18个月。

相关报告显示，人工智能产业从15年萌芽到2019年进入起步期用时4年，预计到格局成熟阶段需要10年时间，因此2019年~2029年将是人工智能产业竞争的重要窗口期。目前人工智能行业的商业模式还处于不断摸索和丰富的阶段，尚未形成定局，一如90年代的移动芯片和十年前的5G行业。

元初智能深谙长远布局、成为行业基础性产品的重要性。据葛钊含介绍，沿着破解企业智能化转型困境的企服道路，未来元初智能将依托基于自然语言处理、智能图像处理、精准分析预测三大核心引擎构成的底层PaaS，快速累积多个行业的不同场景，打造链接各类商业数字化场景的AI平台，通过“平台+行业应用”的模式反向集成包含头部客户、腰部及长尾客户、机构及个人开发者、合作伙伴等在内的完整生态，形成网络效应，最终成为企业智能化转型的基础设施。

对于元初智能来说，“重塑行业”并不是一句不自量力的空话，而是具备技术和商业可行性的切实理想。我们有理由期待，元初智能不仅作为一家公司，而且作为AI行业生态中心的未来图景。