作者：CapeAnalytics公司的首席执行官兼联合创始人Ryan Kottenstette
利用机器学习和AI从庞大数据集获取信息是几十年来最大的技术机遇。这十年来，Facebook、谷歌和优步等科技巨头从初创公司和研究型大学四处招募人才，打造了世界上最顶尖的一些AI团队。
然而，我们并没有看到AI在IT行业以外带来应有的影响。遗憾的是，由于IT行业竞相争夺AI人才，其他行业受到了连带影响、进展缓慢，这个问题却很少受到关注。
在过去这五年，硅谷90%的AI初创公司已被领先的科技公司收购。这些收购基本上与产品是否成功无关：这些公司常常处于早期阶段，它们的产品要么被收购方束之高搁，要么其技术作为一项功能融入到另一种核心产品中。除了个别几个例子外，这项策略旨在先将人才拉拢进来，之后搞清楚如何处理他们。
从微观层面来看，这是整个科技创新生态系统界一个很合理的策略。领先的科技公司有能力、有现金、有规模来利用这些人才和技术专长，以便将来开发出利润丰厚的产品。至于风险投资家（VC），他们觉得以较高的价格投资于处于早期阶段的AI公司来得更稳妥，因为就算无法打造成一家大公司，收购有利可图的技术或技术雄厚的团队可以在将来提供保障。最后，管理团队可能抵不住早期收购要约的诱惑，这些收购要约开出的价码比产品成熟度或市场吸引力不相上下，但不是以AI为中心的公司高多了。
不过在AI这场军备竞赛中，最关键的不仅仅是领先一步，更在于让竞争对手得不到AI人才，因而丧失竞争力。虽然科技公司争相承诺未来会推出基于AI的产品，但是它们不仅与竞争对手抢人才，还与整个经济的其他行业抢人才。
从宏观层面来看，这种人才囤积战略让AI本可以对全球经济和整个社会带来的影响力基本上丧失殆尽。美国五大领先科技公司（苹果、Alphabet、微软、亚马逊和Facebook）的总收入占美国GDP总量的近5%。不过这些科技巨头在大肆收购公司，引导这些公司专注于研发，而不是针对特定的非科技行业问题开发现在就能带来影响力的AI应用。
一些人认为，老牌科技企业最适合把针对特定行业的解决方案付诸应用。只要看看云计算及多少行业运用云计算来提高生产力，AI和数据服务也许会出现同样一幕。我认为这一幕不可能很快出现，原因有两个：
（1）科技公司基本上心系切身利益，
（2）最好的AI解决方案是围绕某个特定的问题和工作流程设计的。
这已经可以从几个方面来印证：
今天，你的Facebook照片会自动被标记。这是一项核心的功能改进，旨在加强客户参与度。由于利用机器学习扫描更广泛的用户画像（profile）信息，从谷歌、Netflix到亚马逊，各大网站上的产品推荐越来越可能促使客户加大购买力度。这两个例子表明了各大科技公司的核心需求，不太可能转化为面向其他行业的相关产品。就我个人而言，我认为那么多杰出的AI人才致力于相对逐步地改进功能是一件憾事。
如果基于AI的产品和公司致力于将AI应用于科技行业以外的行业，面临大好机会。
其次，科技公司在打造AI员工队伍，作为其moonshot（疯狂或不太可能实现的项目）和试验实验室的一部分，专注于利用技术重塑传统行业，夯实有望实现这个目标的核心知识产权和研究。历史表明，科技公司着手重塑整个类别时，许多公司通常最初以失败告终（想想Webvan或马克·安德森的LoudCloud）。老牌企业的反应常常不够快（想想Safeway对Webvan的反应，以及IBM或惠普对LoudCloud的反应）。
最后，一股新的颠覆性力量最终在一二十年后成功（不妨考虑在食品杂货领域的亚马逊，以及云计算领域的AWS或Opsware）。在这个竞技舞台，消费者和科技公司最终获胜，各大老牌企业原本处于竞争的有利地位，却因一开始就埋下隐患的人才和技术差距而被赶超。
即使某些具体的项目失败，老牌科技公司的研究实验室也助于招募人才：它们吸引AI人才进来，让他们可以继续从事研究，并大肆宣传，进一步表明科技公司是从事研究的最佳去处（你享用免费的午餐和晚餐！）。
这种情况的最终结果是，今天，AI人才和技术基本上与科技行业外面的公司无缘。像保险公司这些老牌企业不会因计算机能够赢得围棋比赛而看到经营收入有所改进。这令人遗憾，因为虽然行业应用似乎不那么“具有颠覆性”，但它们本该在更短的时间内带来大得多的影响力。
那么，其他行业领导者能做些什么呢？传统行业必须积极应对，否则有可能错过下一个十年的创新，将来推动这波创新的主要是AI和数据分析技术。这意味着（1）确认什么面临风险，（2）创造环境，以吸引、留住和重视需要的那类人才，（3）积极寻求AI人才。
我们已开始在几个方面看到实际行动：
由于自动驾驶汽车描绘的大好前景，汽车业面临生死攸关的风险。通用汽车公司首席技术官乔恩·劳克纳（Jon Lauckner）做出了几个大胆的举措，包括斥资10亿美元收购Cruise，往Lyft投资5亿美元。福特和德尔福也积极收购Argo AI和NuTomony等公司。
农业也是个经典的例子，表明认识到什么面临风险后行动起来：近五年出现了两起重大的AI收购。孟山都收购ClimateCorporation，进一步致力于数据驱动的未来：到时它可以为农民提供农作物种植方面的定制信息和建议。去年，约翰迪尔收购Blue River Technology，在此基础上更进了一步：拖拉机在田野中穿行时，可以利用计算机视觉技术，实时提供每株秧苗的定制信息，并采取相应的跟进措施。
可以肯定的是，获得人才绝不是老牌企业唯一的前进之道，不过打造核心人才、技术和商业模式确保未来取得成功对于传统老牌企业来说颇具挑战性。
Netflix是少数几个成功案例之一，它通过创新，从靠DVD发家的公司一路转型成为流媒体巨头。不过这是个痛苦的转变，需要长远的眼光，经历了蚕食原先产品的销售额和股价暴跌75%后，这家公司的命运才迎来了巨变。
眼下，如果基于AI的产品和科技行业致力于将AI运用于科技行业以外的行业，面临大好机遇，中短期的竞争相对较少――各大科技公司的moonshot表现好坏不一，主要着眼于遥远的未来。与此同时，老牌企业历来未能充分利用重大的技术转型，除了上述少数例子外，除非公司采取积极主动的措施，否则历史似乎很可能会重演。
联系客服
