香侬科技李纪为：从科技创业到科技商业，这四个要素缺一不可

dolcnews

作者：DeepTech深科技
12 月 10 日 - 11 日，由浙江省委人才办、绍兴市委市政府、《麻省理工科技评论》主办的全球青年科技领袖峰会暨《麻省理工科技评论》中国 “35 岁以下科技创新 35 人” 颁奖典礼在绍兴上虞举行。“35 岁以下科技创新 35 人” 2020 年中国榜单正式发布。

会上，香侬科技创始人兼 CEO 李纪为发表了以《从科技创业到科技商业》为主题的演讲，以下为经过整理后的演讲实录：



“很多创业者都是在博士毕业后走上了创业之路，在博士的训练体系下养成了百折不挠的品质，还有一些执拗或者偏执，偏执其实在科研领域是很宝贵的素养。但这种偏执在商业上会遇到很多问题，创业之后要想解除这种偏执，随机应变是非常重要的。” 谈及创业，李纪为在演讲中表达了他的想法。此外，他还从技术、产品、用户和心态四个方面谈了自己的看法。

技术研究与产业落地，两者可以相辅相成

从技术方面来看，曾经的年代科技和商业距离很远，例如蒸汽机的发明足足用了一个世纪才落地。如今技术科研创新和产业化落地变的很紧密，两者可以相辅相成，基础科研的创新研究可以为产业落地提供指导作用，可以告诉产业什么科技可以做、什么做不了，因此我们做那些可以做到的科技就可以了。与此同时，产业落地也可为基础科研的创新研究提供很多指导意义。

两者虽然是紧密相连，但并不代表两者没有距离。很多时候一项技术最终走出实验室需要两年、五年或者更长的时间。所以从创业角度看，更重要的是要建立起多层次的良性学术研究和产业发展生态。

首先我们需要考虑五年后的科研样貌，这将决定整个商业化的未来。与此同时，我们要考虑当下，这关乎公司能否生存。以人工智能为例，今天的行业研究者在看诸多人工智能应用时，会感觉这些应用不太聪明或者不智能。过去十年，基于深度学习有了一些突破，人工智能从曾经的 60 分推到 80 分，商业落地的角度探寻 60 分到 80 分之间的应用，低于 60 分早就被人做完了，高于 80 的其实技术上并没有达到，最终会竹篮打水一场空。

技术应用需要满足用户预期

当我们涉及到商业落地，一定离不开两个词 —— 用户和产品，用户是产品连接技术的桥梁，当我们谈论我们平时之前做技术科研的时候，我相信每个科研领域都有各自对技术的衡量标准。

比如说人工智能领域经常谈到的准确率，准确率代表一个模型和一项技术达到准确的程度。从用户角度想，准确率这个词其实是一个冷冰冰的概念，用户大概知道什么是准确率，但是并不能明确感觉到。从 90% 提到 95%，从 60% 提到 80%，到底对用户体验有什么提升？用户通过对产品的预期进行判断，一个产品或一项技术符合了预期他们才会去买。那么作为创业者，最重要的是选择那些技术符合用户预期的产品，避开达不到用户预期的产品。



李纪为还向大家分享了他从学术界走向商业界最重要的感受，“在学术界里面，对于很困难的问题我们一定要解决，但其实商业用户的预期很多时候并不会因为技术难度的改变而改变。”

他给大家举了一个无人车的例子，无人车在类似于码头和园区这种特定场景下，背后的技术是相对简单的，很容易就能达到。相反，如果我们去看一些开放场景的无人车应用，比如说在市区或者在山路，这个技术本身是很难的，但从用户角度来说不会因为技术难与否而改变预期。“我们对无人车的预期是，不管在任何场景下都不能发生事故。从本身落地的角度，我们应该寻找技术可以达到的，满足用户预期的商业落地的方向。”

另外，李纪为还提出，对于技术应用的落地，更重要的是不计成本去获得最好的结果。以最近风靡一时的 GPT-3 模型为例，GPT-3 为人们敞开了通向通用人工智能的一个道路。就背后成本来说，GPT-3 模型动用了一万块 GPU，整个花销超过了千万美金，合计超过了一亿元，这是不计成本获得最好结果的典型例子。



“实验室与商业化的目标可能不太一样，商业上会尽可能节约成本。如果看图中这两句话，有一定的相关性，也有一定的不同。”

商业的情况可能需要两点，第一点是需要达到用户的预期；第二点是在满足用户预期的情况下尽可能地节约成本，达到收支平衡，因为商业背后的逻辑还是支出要小于收入。

保持良好心态，拥抱商业变化

“我还想谈的一点是心态，在做基础科研的研究时，讲究的是持之以恒、永不服输，很多情况下没有困难也要创造困难努力攀登，而在商业化落地上则要拥抱变化落地为先。”

最后李纪为提到了人工智能时代，在过去几年人工智能是避不开的概念，时代在呼唤理论的创新，如果看人工智能过去起起伏伏五六十年的发展，其实也给我们本身从理论创新到商业落地提供了很多借鉴意义。

人工智能发展总共经历了三次浪潮，第一次大概在二十世纪五六十年代，那个时候人工智能刚刚起步，取得了突破性的成果，当时由于算法的理论和算力的制约人工智能无法大规模推广。到了二十世纪九十年代，则是以统计计算学习为代表的时代，人工智能开始逐渐从理论实验室的创新走向实际的应用，比如在医疗等领域。



随着应用范围的扩大缺点也暴露出来，比如应用领域比较狭窄。现在大家使用的机器神经网络和深度学习的算法，那个时代就已经有了，但很多问题导致当时没有很好的落地效果。从 2000 年开始，随着技术的蓬勃发展，也为人工智能提供了更好落地的基本条件，这个时期算法理论不断出现和沉淀，尤其在最近十年，人工智能领域出现了太多的享誉世界的成果，一方面是因为计算机性能得到了极大提升，另一方面基于互联网大数据的发展，人类积累了大量资源算力和数据，这些结合起来就出现了人工智能的繁荣期。

其实随着人工智能的普及，我们正在逐渐从信息化走向智能化的时代，我们能够在平时的生活中真真切切体会到人工智能带来的诸多便利，在很多场景下都能看到人工智能的身影。中国国家层面也尤其重视这项技术的落地，而人工智能也并不是一项独立的技术，它具有赋能各行各业的潜力。与此同时，当你脱离了各行各业，人工智能本身的优势也会大打折扣，因此人工智能和行业场景深度的结合就是重中之重。

人工智能各项技术和场景也在持续进化形成闭环，目前人工智能的算法机制依然对数据量有重度依赖，需要有足够多的行业场景去产生更多的数据，这也是现有的一个问题，我们需要解决这些问题才能开启下一个人工智能时代。

最后李纪为谈到了他从技术创业走到商业化的切身感受，“我自己认为主要还是两方面，首先要信仰技术，同时要有务实的价值观将我们信仰的技术进行实际落地。”