「对话 CTO」是极客公园的一档最新专栏，以技术人的视角聊聊研发管理者的发展和成长。
我们特别邀请到了企业级研发管理工具 ONES 的创始人&CEO 王颖奇作为特邀访谈者。王颖奇曾参与金山软件 WPS、金山毒霸等大型软件的核心开发工作；2011 年创立了正点科技，旗下产品正点闹钟、正点日历在全球用户过亿；2014 年，王颖奇在知名美元基金晨兴资本任 EIR，并以个人身份参与十余家公司的管理咨询工作；2015 年，王颖奇创立 ONES，致力于提供企业级研发管理工具及解决方案。
创新奇智是一家人工智能商业公司，脱胎于创新工场人工智能工程院，天然有着技术、商业逻辑和经验的三重积累。从 2018 年 3 月正式成立，到 2018 年年底半年多的时间，创新奇智完成了超过 1 亿元的收入，远超同类公司创业第一年时的商业化水平。在 CTO 张发恩看来，这得益于创新奇智对技术方向的思考。
创新奇智提出了 AI 1.0 和 AI 2.0 的概念。AI 1.0 指从技术出发定义业务的模式，而 AI 2.0 则是从业务出发，反向驱动技术。「我们叫双轮驱动，一个轮子是技术产品，一个轮子是行业场景，二者并重，缺一不可」。
但在果断的商业化落地过程中，创新奇智也不可避免地遇到了一些困难。张发恩认为，帮助传统企业完成 AI 数字化转型最大的挑战在于信心和耐心。AI 的赋能需要一个过程，并非一蹴而就，不仅仅传统企业需要有信心与耐心，提供解决方案的 AI 公司也需要做好准备，一步一步地加深对陌生行业的理解。
从创新工场走出的创新奇智
颖奇：非常感谢创新奇智 CTO 张发恩接受我们的采访。首先能否请您介绍一下创新奇智的大致情况和关注方向？
张发恩：创新奇智于 2018 年 3 月成立，到现在也才一年多的时间。但是成立之前，创新奇智是有比较深的渊源背景的，创新奇智脱胎于创新工场人工智能工程院。创新工场历史就很悠久了，是 2009 年李开复老师创立的，在 2016 年的时候开复老师又设立了创新工场人工智能工程院。由此创新工场就变成了 VC+AI 的公司，既有投资，也有自己的研究部门。人工智能工程院运行了一年多以后，大家觉得人工智能一定要落地到场景当中，所以要加快速度，要商业化。如果成立一个独立的实体公司，可能会运营得更好，于是就有了创新奇智。
颖奇：相当于是创新工场的子公司？
张发恩：对。2018 年 3 月创新奇智成立的时候，创新工场人工智能工程院的三十几个人，就一同来到了新的公司。成立以后公司发展速度非常快，我们今天的规模大概在三百人左右。公司从初期建立的时候就基本确定了人工智能主要赋能的方向，就是零售、制造和金融。我们聚焦在这三个方向，把我们的产品、解决方案落地到当中去。
颖奇：目前在 AI 领域有很多做解决方案的公司，那么创新奇智与行业内其他公司的区别是什么？
张发恩：区别还是很大的。做 AI 的公司比如商汤、旷视、科大讯飞等等，创新奇智体量来讲比他们稍微小一些，但是我们的增长速度却很快。创新奇智从成立到 2018 年年底，也就半年多的时间，我们的合同收入就超过一个亿了，所以我们商业化速度是非常快的。从业务增长的速度上讲，很多独角兽 AI 公司第一年的时候也很少有这样的速度。
颖奇：您的个人经历大概是怎样的呢？又是怎么加入到这样快速发展的创新奇智的？
张发恩：我 2007 年从中科院毕业，然后去微软做 Office，当时主要是做 Office Link，就是现在的 Skype。2010 年年底我去了 Google，在 Google 五年多，主要做搜索和知识图谱。2015 年底去了百度，任百度云技术委员会主席。那个时候基本上就在做 to B 的业务了，涉及大数据、人工智能、机器学习平台等等，推进百度云与人工智能的深度结合，开创「ABC 一体机」，将百度的人工智能技术赋能给客户。然后我 2018 年 3 月来到创新奇智。
颖奇：作为创新奇智的 CTO，您对行业内的工程师是否有什么建议呢？
张发恩：第一，技术一定要过硬。CTO 一定是从一线的技术工程师慢慢走过来的。CTO 一定要有非常强的技术能力，否则很有可能会决策失误，盲目上马一些有重大风险的项目或者技术。我最近还在公司从头到尾的跟 PyTorch，包括所有的技术文档以及内部实现，源代码我也还在跟。这段时间 PyTorch 比较流行，但是我原来主要是用 Caffe 和 TensorFlow。作为一个 CTO，我还是要去学 PyTorch，它的应用、设计思路，关键模块的设计和源代码等等。
第二，要有商业认知，要尝试去理解商业逻辑。CTO 不是一个技术人员，也不是技术 leader，而是一个连接公司技术以及商业的桥梁和纽带。
第三，要有耐心和耐力，要沉得住气，要经过一定时间的历练。时间的积累会让一个人变得沉稳，让一个人在面对压力的时候不慌乱。
我觉得 CTO 的背后就是，技术的深度+产品商业的深度+丰富的经验经历。
AI 2.0，客户价值导向的技术创新
颖奇：创新奇智是如何用技术驱动业务发展的？
张发恩：我们有一个概念叫做 AI 1.0 和 AI 2.0。AI 1.0，大多是博士创业，更多的会关注论文、科学家、项目、专利，是以技术来定义公司的业务。AI 2.0 是以业务来驱动技术，或者说是以业务为导向，技术再跟上。但这并不代表我们不重视技术创新，我们也会重视论文，但一定是以实体行业为导向的论文创新。发表的论文应该可以创新性地解决一些商业化落地中的难题，而不是一堆学者在没有商业场景的情况下自己去找出一些前沿的学术问题去解决。
颖奇：就是商业目标导向，客户需求导向。
张发恩：对。创新奇智将其称之为双轮驱动。一个轮子是技术产品，一个轮子是行业场景，二者并重，缺一不可。
颖奇：这跟我们现在做的事情一样，ONES 也是一个 to B 公司，有产研和销售部门。销售部门要了解客户需求，然后再去影响产研应该做什么样的产品。关于创新奇智是如何利用 AI 服务客户的，能否请您举个例子说明一下？
张发恩：我们的客户目前有 100 多家，零售行业有玛氏、雀巢、永辉、嘉士伯等等，我们用深度学习视觉去赋能它们。比如雀巢或者嘉士伯，典型的场景就是帮它们去识别超市货架上的商品陈列。零售公司会有很多一线巡店的业务代表，业务代表需要知道商品在货架的陈列情况。他们传统的操作方式是去一个一个地数商品在货架的数量，然后记到工作簿中，效率和准确率都很低，也不利于品牌方对数据的统计，严重时会因为一线数据统计错误而误导营销决策。针对这种情况，我们推出渠道陈列解决方案，业务代表只需用手机对着货架拍照，通过 AI 技术自动识别商品名称和陈列情况，实时返回到客户端，并且可以生成报表。
颖奇：是否有一些可以量化的数字能够说明 AI 带来的影响？
张发恩：原来一个业务代表一天可以做 5-10 家店左右，因为路上还有通勤时间，还会受店面陈列和面积的影响。现在 AI 落地后，业务代表去现场拍照片就可以走了，基本上是原来 3 倍的效率。另外还有一个因素，原来人工抄写的时候，人会抄错，也可能会自己编写信息去作弊。而商超货架的陈列情况是对快消品牌很重要的一个价值点。我们的算法当中有防作弊和防翻拍检测，业务代表需要自己在门店前进行拍照签到，如果是虚假照片，我们的技术也是能识别出来的，这样最大程度确保了终端执行情况。对客户来讲，AI 可以节省人力，提高质量和效率。
创新奇智的自我进化
颖奇：您觉得中美之间，在 AI 的具体应用上有怎样的区别？
张发恩：我觉得中美之间在人工智能领域其实有非常大的区别。美国是典型的技术创新、算法创新为主。中国的 AI 产业，尤其是进入 AI 2.0 时代以后，就更加务实了，注重模式创新、商业创新。所以今天很多好的算法还是出自于美国，但是真正把这些好的算法应用到行业或者模式当中，还是中国做得好。这两个谁优谁劣在今天很难说，是处于产业链的不同层次的。
颖奇：中国明显是更注重 AI 的应用。您认为创新奇智作为一家与产业相关的 to B 公司，最大的风险在哪里？
张发恩：目前我认为最大的风险是客户拥抱 AI 的信心和耐心。有些传统的公司不相信 AI，信心就是一个风险点；耐心是说，AI 落地的过程，不是一蹴而就的，而是一个润物细无声的缓慢发生的过程。每天进步一点点，一百天以后，结果就大不一样了，所以这个时候要有耐心。有些传统公司，一没信心，或者有信心的时候没有耐心。AI 方案上了一个月发现效果不明显，就开始怀疑 AI 的价值。我觉得最大的风险是来自于这里，而不是来自于 AI 公司。其实我们要去赋能行业的时候，我们心里就做好了要深入了解这个行业的准备。我们是有信心和耐心的，但是客户也要有。所以今天我们很多策略也是优先去找头部客户，然后树立典型，树立标杆。
颖奇：创新奇智目前的商业模式是怎样的？
张发恩：从创新奇智的角度来讲，我们有自己的一套商业发展逻辑。一开始我们用 AI 去赋能一个行业的时候，这个行业对于我们来说是相对陌生的。所以首先我们会做项目，做项目的时候一定会调研清楚，它未来是否可以规模化，是否可以去复制。所以一个行业中的前 1-3 个可能都是项目，但是会越做越轻松。然后我们接下来会进入第二个阶段，就是产品阶段。我们会抽象出行业共性的部分，变成一个通用的产品，然后把产品销售给客户。销售到一定程度的时候，我们就要建立平台了。如果用传统软件来类比的话，比如用友、金蝶等等，是能清晰看到它们的发展路径的。用友、金蝶一开始先开发一套 ERP 系统软件给一个公司。开发多了以后发现 ERP 是通用的，然后就卖 License，这个过程就是卖产品。现在用友、金蝶在做用友云、金蝶云，就变成了平台，所有的客户都用平台的标准产品。AI 也是这样一个思路，从我的角度去看，我在规划公司的技术和产品的时候，也会沿着这个思路去做。先做项目，再做产品，再做平台。
颖奇：比如说我们已经有非常好的产品，然后就可以把这个产品上云，或者提供另外一个更加容易获取的方式，就会有更多客户了。最后能否请您推荐几本您认为比较好的书给大家？
张发恩：我很喜欢李航老师写的《统计学习方法》，这是一本写法非常严谨，但是又不失系统和灵活的书，是一本难得的统计机器学习的好材料。开复老师的《AI · 未来》是从更高层面去讲 AI，是入门一点或者说是了解产业的，也是一本不错的书。
颖奇：今天有很多收获，非常感谢您的分享。
本文作者：王颖奇
联系方式：wangyingqi@gmail.com
