這兩天的熱門話題之一，是BAT三家的AI布局統計和對比，各種各樣的文章都在從不同角度討論三家的優勢劣勢和各自特點，拼生態、拼場景、拼用戶心智，各種各樣的觀點蜂擁而來。

但這裏想說的是，很可能在產業圖譜之外，我們其實忽略了AI領域真正比拼的東西：作為一種不斷前進，始終處於探索中的技術，AI產業間的核心競爭力，其實始終都在學術研究能力上。

如何構建從實驗室到商業場景的最快速通道，如何讓產學真正一體化，或許才是AI時代爭奪戰的源點——這也是BAT到歐美巨頭，紛紛重註打造實驗室的原因。

而有意思的是，AI實驗室這個我們平時看不見，卻又左右占據的地方，如今也在迎來新的變化。美國時間1月18日，百度研究院宣布進行全面升級，新增“商業智能實驗室”和“機器人與自動駕駛實驗室”。並且有三位人工智能領域的資深科學家：Kenneth Ward Church博士、浣軍博士、雄輝博士加入其中。

其中最引人註目的，大概要屬Kenneth Ward Church博士加入百度。Ken博士早在1979年就在最負盛名的人工智能會議IJCAI上發表過論文，是NLP領域的國際頂級學者之一，其《鐘擺蕩太遠》已經被翻譯成多種文字。

這個信息背後，或許隱含著對AI產業一種全新的觀察可能：從實驗室技術到商業化落地，可以比我們想象中更快、更有針對性和效率。

我們知道，百度研究院連接學術和產業端的戰略由來已久。現任百度研究院院長王海峰博士，更是作為國際AI領軍人物和NLP學術領域代表，為百度的“翻身仗”貢獻良多。學術端的輸血，可以說是百度乃至泛AI產業得以成立的重要支柱。

所以說，AI巨頭的實驗室之戰，絕對較產業前端的生態大戰不遑多讓。

重劍無鋒：為什麽AI無法離開實驗室？

從谷歌收購DeepMind這個“教授組成的公司”，然後用AlphaGo一鳴驚人，就已經能夠讓我們看出優質的研發實驗室對於AI這個新技術有多麽重要。

而從本質邏輯上來看，相比於PC和移動互聯網、物聯網時代，AI是一種史無前例要求企業與實驗室緊密合作、共生共長的技術類別。其實這很好理解，傳統的互聯網硬件技術，從研發到投入產業周期，實現商業落地，往往需要幾年的時間。當我們拿到某個產品的時候，它在實驗室中的開發可能已經過去了很久很久。這種情況下，企業可以采取各種方式獲得技術，而自己打造實驗室投入研發，其實是相對不經濟的一種選擇。

但在AI時代，這種現象近乎被完全改寫。以深度學習為例，在平臺、算力和數據系統的基礎之上，無論高校還是企業的實驗室，做出來的研發成果近乎可以在產業端即插即用。甚至很多實驗室中打造的非功利技術，都已經是非常好的行業解決方案。

這也是為什麽大公司紛紛在AI時×××始熱衷於發論文、參加技術比賽。因為在AI的世界中，算法就是資源，模型就是壁壘，而且各自技術資源是可以積累疊加的，不會出現相互抵消和排斥的情況。

而對於企業來說，顯然最有效能夠加強實驗室價值的方式，就是有目的、有選擇的進行針對性課題、研究方向，甚至專屬實驗室打造。雖然在今天的AI世界，以學術為目的導向的泛化實驗室還是標配，但以應對專門議題，強調商業化可能的專屬實驗室，顯然是未來人工智能發展的必然路徑。

百度研究院的新升級，意義就在於傳達出了這樣一種可能：聚合專門人才，依托學術固有優勢，去解決針對性問題。這樣的AI企業實驗室在世界範圍內還非常稀少，百度研究院的升級，其實是一種相對前瞻性的探索。

之前有人將百度AIG總負責人、百度研究院院長王海峰歸入“工程派”，甚至稱其與“學術派”不和，但從這次加盟的三位學界大咖可以明顯感受到，王海峰並不是只看重落地，反而是非常重視人工智能基礎技術研究的。而王海峰作為領導者的這種產學相加的戰略思維，也恰恰是百度AI得以快速發展的重要原因。

畢竟當我們太習慣互聯網圈子裏用“賦能”、“生態”等等美好詞匯編織的“花拳繡腿”或者“萬箭齊發”，往往有可能忽略掉，AI是一個科研能力密集型指向的產業。在識別、理解、判斷等基礎能力上，AI的好壞肉眼可知。所以學術端能拿出什麽，能否快速將其釋放到產業端，其實是AI的運輸生死線。

這條輸送線沒有那麽多門門道道可講，但是重劍無鋒，它能決定一家AI公司最終到達的高度。無論是BAT還是谷歌、Facebook、微軟，全都在重倉大牛，搶奪人才，不遺余力的發論文跑測試，就是這個道理。

這場比試，從一開始就是“從學術能力到商業化”的簡單白刃戰，從來沒有趕個風口割把韭菜的可能。

而百度研究院的升級動作，讓我們看到了一些有意思的可能。

百度已經在下一個賽點

百度研究院的這次升級，有意思的地方在於，新成立的兩個研究室不是以學科和地緣來命名，而是直接作用於解決專屬問題。其中商業智能實驗室主要研究用於新興數據密集型應用的高效數據分析技術，而機器人與自動駕駛實驗室則目標成為機器人技術，特別是自動駕駛技術方面的世界級行業實驗室。

不難發現，這兩個研究室都與百度的產業布局息息相關。一方面無人駕駛必然迎來大年，Apollo和百度將迎來爆發的最好時機；另一方面商業AI技術正在進入多元需求與全球聯動的新產業發展周期，兩方面都可以說是百度在商業化上今天最好的切入點。

但要知道，能夠打造專註商業落地的頂級AI實驗室並非易事。

顯而易見的是，阿裏的達摩院、騰訊研究院，以及最近引發熱議、剛剛成立的谷歌AI中國中心，都還沒有整個實驗室高度目標產業化的例子。這是為什麽呢？

以谷歌AI中國中心為例，它在目前的情況下，主要作用是三點：重倉人才、建立世界研究矩陣的流通、鋪滿各領域研發賽道。

對於大部分AI企業來講，這三件事都是今天的主要戰略目標。其背後的原因在於，由於AI復興速度遠比想象中更快，對於沒有長期積累這一領域的企業來說，AI很大程度還是新生事物。而研發端是最吃力，同時也最需要重視人才資源的。那麽比較容易的方式，當然是仿照大學與研究機構設置企業實驗室類別，高效吸引人才加入。

而百度的優勢，在於深度學習研究院在2013年就已經設立完成，其後相繼布局了大數據實驗室和專註吸收美國前沿科技成果的矽谷AI實驗室。體系化的AI實驗室布局完成早期積累，並且隨著自身平臺與研發生態的不斷發展，設置針對商業戰略目標的專屬實驗室也是水到渠成的一件事。

近期，《時代周刊》亞洲版封面刊登了題為《百度李彥宏幫助中國走向 21 世紀》的文章，介紹了百度和李彥宏在推動中國人工智能領域的貢獻。回顧整個百度AI的發展路徑，會發現從早期開始打造實驗室系統，加強企業對科學家的信任和依賴，是百度走在AI前沿的重要砝碼之一。到今天為止，百度研究院形成了5大實驗室、7位國際頂級科學家的完整AI實驗室體系，更多不是靠對風口的無限加註，而是逐漸孕育出的水到渠成。

要知道，一個國際頂級AI實驗室的成立，絕不是拍腦門就可以成立的。而是關乎背後各種資源、體系化輸出能力、研發能力的一整套價值支撐。當大家還在補課AI的時候，百度研究院卻已經可以憑借先發身位走入實驗室到商業場景的高效流通中，這是值得中國AI產業驕傲的。

尤其是從實驗室端口開始布局的無人駕駛研發體系，在今天世界範圍內或許也缺少絕對對標樣本。

真·產學一體，會讓我們見識AI的未來

在英國政府與圖靈研究院發布的《2017AI產業報告》中，曾經指出過這樣一個問題：今天整個AI產業中，最急切需要的，是學術與產業多個端口之間的流通與聚合能力。

這聽起來像是句空話，但仔細想想卻會發現，這正是今天的中國所需要的。

長期以來，中國互聯網都太依賴於用戶存量和商業模式驅動的產業上升速度，形成了對所謂對“風口”的迷信。

這種“風口來了豬也能飛”的奇怪心理，必然是與實驗室文化中“探索先於得到”的科學精神背道而馳的。

長時間對實驗室價值與文化的認知缺失，讓我們在“微創新”的詭異道路上走了太遠，甚至形成了習慣。

不信的話，不妨看看近幾天專家們給直播答題按上的各種理論解釋，或者看看最近突然火爆起來的“區塊鏈思想”。這些東西今天很火，火到莫名其妙，但是我相信三個月之後，絕大部分人應該不會再記得什麽“撒幣”。

遺憾的是，AI是無法復制這套邏輯的。很多跟風做“智障音箱”的，已經讓我們看到了AI對真實技術的要求。放眼世界，AI絕不是某種風口，而是真實技術解決方案和研發條件驅動下的產業繁榮。快速的技術叠代、長效的學術突破，才構成了今天AI世界的主流。

所以說，這個領域是沒什麽風口可拼的。高頻率、直接化的產學輸送能力，才是接下來比拼的重點。而如何讓AI的學術世界與商業世界相結合，找到最準確和緊密的契合點，則是AI商業化的核心驅動引擎。

百度研究院的升級，或許不僅展示了百度自身在AI學術能力上的積累與體系化，更關鍵的是展示了百度對AI戰略的前瞻和堅持。

不管怎麽樣，接下來更頻繁、更高速的AI產學一體化聯動，會讓我們逐漸認識到AI的真正價值。它不是一個風口，而是一種不斷去探索和解決問題的技術方式。

實驗室這個詞，將會無數次出現在我們接下來的AI探險裏。

王海峰領銜百度研究院升級，巨頭AI戰正式跨入下一幕