年关岁末，各种各样的总结和展望开始多了起来。
这两天的热门话题之一，是BAT三家的AI布局统计和对比，各种各样的文章都在从不同角度讨论三家的优势劣势和各自特点，拼生态、拼场景、拼用户心智，各种各样的观点蜂拥而来。
但这里想说的是，很可能在产业图谱之外，我们其实忽略了AI领域真正比拼的东西：作为一种不断前进，始终处于探索中的技术，AI产业间的核心竞争力，其实始终都在学术研究能力上。
如何构建从实验室到商业场景的最快速通道，如何让产学真正一体化，或许才是AI时代争夺战的源点——这也是BAT到欧美巨头，纷纷重注打造实验室的原因。
而有意思的是，AI实验室这个我们平时看不见，却又左右占据的地方，如今也在迎来新的变化。美国时间1月18日，百度研究院宣布进行全面升级，新增“商业智能实验室”和“机器人与自动驾驶实验室”。并且有三位人工智能领域的资深科学家：Kenneth Ward Church博士、浣军博士、雄辉博士加入其中。
其中最引人注目的，大概要属Kenneth Ward Church博士加入百度。Ken博士早在1979年就在最负盛名的人工智能会议IJCAI上发表过论文，是NLP领域的国际顶级学者之一，其《钟摆荡太远》已经被翻译成多种文字。
这个信息背后，或许隐含着对AI产业一种全新的观察可能：从实验室技术到商业化落地，可以比我们想象中更快、更有针对性和效率。
我们知道，百度研究院连接学术和产业端的战略由来已久。现任百度研究院院长王海峰博士，更是作为国际AI领军人物和NLP学术领域代表，为百度的“翻身仗”贡献良多。学术端的输血，可以说是百度乃至泛AI产业得以成立的重要支柱。
所以说，AI巨头的实验室之战，绝对较产业前端的生态大战不遑多让。
重剑无锋：为什么AI无法离开实验室？
从谷歌收购DeepMind这个“教授组成的公司”，然后用AlphaGo一鸣惊人，就已经能够让我们看出优质的研发实验室对于AI这个新技术有多么重要。
而从本质逻辑上来看，相比于PC和移动互联网、物联网时代，AI是一种史无前例要求企业与实验室紧密合作、共生共长的技术类别。其实这很好理解，传统的互联网硬件技术，从研发到投入产业周期，实现商业落地，往往需要几年的时间。当我们拿到某个产品的时候，它在实验室中的开发可能已经过去了很久很久。这种情况下，企业可以采取各种方式获得技术，而自己打造实验室投入研发，其实是相对不经济的一种选择。
但在AI时代，这种现象近乎被完全改写。以深度学习为例，在平台、算力和数据系统的基础之上，无论高校还是企业的实验室，做出来的研发成果近乎可以在产业端即插即用。甚至很多实验室中打造的非功利技术，都已经是非常好的行业解决方案。
这也是为什么大公司纷纷在AI时×××始热衷于发论文、参加技术比赛。因为在AI的世界中，算法就是资源，模型就是壁垒，而且各自技术资源是可以积累叠加的，不会出现相互抵消和排斥的情况。
而对于企业来说，显然最有效能够加强实验室价值的方式，就是有目的、有选择的进行针对性课题、研究方向，甚至专属实验室打造。虽然在今天的AI世界，以学术为目的导向的泛化实验室还是标配，但以应对专门议题，强调商业化可能的专属实验室，显然是未来人工智能发展的必然路径。
百度研究院的新升级，意义就在于传达出了这样一种可能：聚合专门人才，依托学术固有优势，去解决针对性问题。这样的AI企业实验室在世界范围内还非常稀少，百度研究院的升级，其实是一种相对前瞻性的探索。
之前有人将百度AIG总负责人、百度研究院院长王海峰归入“工程派”，甚至称其与“学术派”不和，但从这次加盟的三位学界大咖可以明显感受到，王海峰并不是只看重落地，反而是非常重视人工智能基础技术研究的。而王海峰作为领导者的这种产学相加的战略思维，也恰恰是百度AI得以快速发展的重要原因。
毕竟当我们太习惯互联网圈子里用“赋能”、“生态”等等美好词汇编织的“花拳绣腿”或者“万箭齐发”，往往有可能忽略掉，AI是一个科研能力密集型指向的产业。在识别、理解、判断等基础能力上，AI的好坏肉眼可知。所以学术端能拿出什么，能否快速将其释放到产业端，其实是AI的运输生死线。
这条输送线没有那么多门门道道可讲，但是重剑无锋，它能决定一家AI公司最终到达的高度。无论是BAT还是谷歌、Facebook、微软，全都在重仓大牛，抢夺人才，不遗余力的发论文跑测试，就是这个道理。
这场比试，从一开始就是“从学术能力到商业化”的简单白刃战，从来没有赶个风口割把韭菜的可能。
而百度研究院的升级动作，让我们看到了一些有意思的可能。
百度已经在下一个赛点
百度研究院的这次升级，有意思的地方在于，新成立的两个研究室不是以学科和地缘来命名，而是直接作用于解决专属问题。其中商业智能实验室主要研究用于新兴数据密集型应用的高效数据分析技术，而机器人与自动驾驶实验室则目标成为机器人技术，特别是自动驾驶技术方面的世界级行业实验室。
不难发现，这两个研究室都与百度的产业布局息息相关。一方面无人驾驶必然迎来大年，Apollo和百度将迎来爆发的最好时机；另一方面商业AI技术正在进入多元需求与全球联动的新产业发展周期，两方面都可以说是百度在商业化上今天最好的切入点。
但要知道，能够打造专注商业落地的顶级AI实验室并非易事。
显而易见的是，阿里的达摩院、腾讯研究院，以及最近引发热议、刚刚成立的谷歌AI中国中心，都还没有整个实验室高度目标产业化的例子。这是为什么呢？
以谷歌AI中国中心为例，它在目前的情况下，主要作用是三点：重仓人才、建立世界研究矩阵的流通、铺满各领域研发赛道。
对于大部分AI企业来讲，这三件事都是今天的主要战略目标。其背后的原因在于，由于AI复兴速度远比想象中更快，对于没有长期积累这一领域的企业来说，AI很大程度还是新生事物。而研发端是最吃力，同时也最需要重视人才资源的。那么比较容易的方式，当然是仿照大学与研究机构设置企业实验室类别，高效吸引人才加入。
而百度的优势，在于深度学习研究院在2013年就已经设立完成，其后相继布局了大数据实验室和专注吸收美国前沿科技成果的硅谷AI实验室。体系化的AI实验室布局完成早期积累，并且随着自身平台与研发生态的不断发展，设置针对商业战略目标的专属实验室也是水到渠成的一件事。
近期，《时代周刊》亚洲版封面刊登了题为《百度李彦宏帮助中国走向 21 世纪》的文章，介绍了百度和李彦宏在推动中国人工智能领域的贡献。回顾整个百度AI的发展路径，会发现从早期开始打造实验室系统，加强企业对科学家的信任和依赖，是百度走在AI前沿的重要砝码之一。到今天为止，百度研究院形成了5大实验室、7位国际顶级科学家的完整AI实验室体系，更多不是靠对风口的无限加注，而是逐渐孕育出的水到渠成。
要知道，一个国际顶级AI实验室的成立，绝不是拍脑门就可以成立的。而是关乎背后各种资源、体系化输出能力、研发能力的一整套价值支撑。当大家还在补课AI的时候，百度研究院却已经可以凭借先发身位走入实验室到商业场景的高效流通中，这是值得中国AI产业骄傲的。
尤其是从实验室端口开始布局的无人驾驶研发体系，在今天世界范围内或许也缺少绝对对标样本。
真·产学一体，会让我们见识AI的未来
在英国政府与图灵研究院发布的《2017AI产业报告》中，曾经指出过这样一个问题：今天整个AI产业中，最急切需要的，是学术与产业多个端口之间的流通与聚合能力。
这听起来像是句空话，但仔细想想却会发现，这正是今天的中国所需要的。
长期以来，中国互联网都太依赖于用户存量和商业模式驱动的产业上升速度，形成了对所谓对“风口”的迷信。
这种“风口来了猪也能飞”的奇怪心理，必然是与实验室文化中“探索先于得到”的科学精神背道而驰的。
长时间对实验室价值与文化的认知缺失，让我们在“微创新”的诡异道路上走了太远，甚至形成了习惯。
不信的话，不妨看看近几天专家们给直播答题按上的各种理论解释，或者看看最近突然火爆起来的“区块链思想”。这些东西今天很火，火到莫名其妙，但是我相信三个月之后，绝大部分人应该不会再记得什么“撒币”。
遗憾的是，AI是无法复制这套逻辑的。很多跟风做“智障音箱”的，已经让我们看到了AI对真实技术的要求。放眼世界，AI绝不是某种风口，而是真实技术解决方案和研发条件驱动下的产业繁荣。快速的技术迭代、长效的学术突破，才构成了今天AI世界的主流。
所以说，这个领域是没什么风口可拼的。高频率、直接化的产学输送能力，才是接下来比拼的重点。而如何让AI的学术世界与商业世界相结合，找到最准确和紧密的契合点，则是AI商业化的核心驱动引擎。
百度研究院的升级，或许不仅展示了百度自身在AI学术能力上的积累与体系化，更关键的是展示了百度对AI战略的前瞻和坚持。
不管怎么样，接下来更频繁、更高速的AI产学一体化联动，会让我们逐渐认识到AI的真正价值。它不是一个风口，而是一种不断去探索和解决问题的技术方式。
实验室这个词，将会无数次出现在我们接下来的AI探险里。
原文地址：http://blog.51cto.com/naojiti/2063467