人工智能有多種分類方式，其中一種是按照作用體與容錯率來區分。把人工智能分為物理領域與虛擬領域，而二者又各自有關鍵與非關鍵的區別。
這種分類模式雖然邊界十分模糊，而且按照應用場景來區別會造成內在技術的含混化。但就商業應用來說卻是相對有價值的。
要知道，雖然大量輿論關注點都集中在關鍵領域AI上，比如無人駕駛、人工智能醫療，以及金融的AI化。但關鍵領域AI的商業化還有相當遙遠的距離，非關鍵領域顯然是能夠更快進入市場實現商業轉化的方式。
比如信息流推薦、智能語音輸入、人臉識別等技術，都是非關鍵領域AI快速進入應用階段的例子。但物理領域的非關鍵AI顯然沒有它在虛擬領域那么火爆。受到的關注度遠遠不可同日而語。
尤其市場上眾多所謂的“智能硬件”，都是把交互系統放置在硬件里就稱之為“智能”。這些偽AI事實上破壞了普通用戶對AI+物理化硬件的基本認知。
但反過來想想，這些虛張聲勢的智能硬件也給已十分擁擠的AI市場搭建了一個空白窗。目前小公司和創業團隊想要躋身AI領域，這可能是最好的機會之一。
什么是物理領域的非關鍵型AI？
首先可以來重新思考一下，到底什么是物理領域的非關鍵型AI。有個挺出名的例子，是說無人駕駛汽車是AI關鍵領域應用，而掃地機器人就是非關鍵型AI。因為無人駕駛決不能出錯，哪怕十萬分之一的錯誤率都是大事。而掃地機器人無所謂，保持一定的出錯率其實還顯得挺萌的。
這個說法大體不錯，但要注意，絕不是所有掃地機器人都是AI的，就像也有學者提出了無人駕駛可以去AI化一樣。只有利用了AI的核心算法來為機器或硬件提供學習、處理和判斷的邏輯支撐，才算是真正的物理AI產品。
應該是在14年之后，智能家居和智能穿戴設備就被市場熱捧了起來。但此智能非彼智能，用手機控制空調、把智能手環收錄的數據導入簡單算法，都只能算是移動計算設備的延展，并沒有改變其工具性和無自主智能的基礎特征。
所以，絕不是能連WIFI，有交互選項就是AI產品。
那么如何定義AI+硬件的基本特征呢？首先要保證的，是硬件本身具備根據數據自我學習，并輸出獨立結果的能力。比如機器人可以根據視覺數據，判斷物體的擺放位置，從而輸出獨立的抓取方案和操作方法。
其次是要保證AI算法與硬件之間有足夠的協調性，機械部分能夠反映出AI給出的推導結果。否則機器只是能想到卻做不到，那就又變成一臺計算設備了。
綜合這幾點，其實不難發現整個物理領域的AI應用其實并沒有多少。但這個市場的應用場景，遠比關鍵型應用要廣闊的多。
機器人的背面，不止是物聯網：真正的機會在于讓生活更多
由于長時間以來的人類的認知習慣和藝術作品反復洗腦，再提起人工智能的時候，大家不由自主就會聯想到機器人——并且這種聯想多數時候都不友好。
無論如何，經過長時間以來機器人領域和人工智能領域的獨立發展，雖然人工智能還沒有幫助機器人成為終結者，但機器人技術已經為AI+物理硬件提供了大把想象空間。
而在機器人技術提供機械領域的實現方式時，物聯網也在快速發展，提供了硬件設備進行運算、傳輸、多元交互的基礎。在這兩種技術的共同支撐下，物理領域的AI應用已經有很好的進化基礎。
我們可以嘗試舉幾個例子，看看AI在物理應用中有那些進化空間。
1、家電：智能家居提出了很多年，但一直沒有打開真正的消費風口。很大程度上是因為消費者不知道這些“智能”能做什么。加入了芯片、系統和網絡端口的家電，依舊無法提供本質功能上的改變，這讓智能化命題被推向了雞肋。這也是上文所說中，算法與硬件無法協調的問題。
舉例來說，大部分人不需要用手機去操作洗衣機，或者在洗衣機上看球賽，但卻需要洗衣機準確地洗滌衣物死角，自行判斷洗滌時間和洗滌劑種類與數理——機器視覺技術或許可以做到這些。
2、玩具：AI+玩具好像一直都是相對尷尬的話題，但其實AI的判斷和感知對于玩具或者游戲設備來說可應用領域是相當廣泛的。無論是兒童陪伴型玩具對兒童成長資料的收集和處理、競技型玩具適應主人和成長出個體風格的能力，甚至通過AI讓VR一體機適應人眼，都是具有廣泛潛力的“小技術”。
3、安全設備：AI解決安全話題的可能也很多，比如智能鎖、AI旅行箱等等。深度識別技術可以更好的判斷出主人的身份，甚至通過語音、生物特征等多種方式操作安全設備。這讓安全度提升的同時也避免了眾多特殊情況中的尷尬。
4、運動器材和健康：根據帕金森病人手部抖動情況設計的智能防抖勺曾經風靡一時。雖然技術不成熟導致其真正應用價值還不大。但根據硬件來收集病人或者運動者數據，從而提供個性化解決方案的邏輯卻是被證明過的。
5、野外作業：目前，無人機領域的AI應用更多都是在圖像拍攝的領域中。但其實無論是野外水下探測器、野外探測車還是無人機，都可以利用AI提供更多的判斷和處理能力。最近沸沸揚揚的無人機影響民航事件，其實也是一個可以用AI技術來處理的小問題。
綜上所述，物理領域的AI應用，真正價值不在于讓你用手機操作空調這種“提供更多選擇”，或者在冰箱上買雞蛋這樣“集合更多功能”。真正的機會，在于用AI驅動硬件去通過數據的處理和算法判斷，完成人類沒有想到，或者想到也做不到的東西。
就像智能手機提供了支付、社交、娛樂、O2O等等傳統手機無法提供的服務。同樣的邏輯，AI硬件不應該是去節約什么生活時間和生活成本，而應該是讓生活更多。
大公司壟斷下，物理領域滴淌出了為數不多的AI創業機會
有一個非常殘忍的話題，是眾多創業者和投資者不愿意面對的。那就是AI說到底絕對是大公司的游戲，無論在國內還是世界范圍里。
要知道，AI創業對數據體量的要求、核心技術的要求都是在歷次互聯網技術革命中最高的。而且在被全世界視為確定未來的條件下，AI核心硬件、算法、人才，甚至話語解釋權都必然被快速瓜分。關鍵領域的AI應用，和搜索、資訊、翻譯這樣的用戶導向AI應用，都是大公司之間火拼的戰場。
這些戰場上，可不會留給創業者喘息的余地。于是物理領域的非關鍵型應用很可能成為一個有效的“后路”。對于有志于AI的小公司和創業者來說，這個領域至少有如下優點：
1、垂直場景眾多且限定性強：作為一種哲學思考演化來的技術方案，AI可能作用的領域非常多。尤其在不依靠平臺和流量的物理領域，應用場景近乎是無限的。這就給垂直型創業提供了機會，至少不必快速面對大公司的傾軋。
2、容錯率帶來的核心技術需求降低：AI的容錯率是一個金字塔型的游戲，就像無人駕駛技術，大公司和車企可以去豪賭用十年換來容錯率百分之幾的下降，但創業者顯然不行。因此在容錯率較高，甚至可以把犯錯當賣萌的領域小公司生存空間和入場機會會比較大。
3、打開市場的速度可能很快：AI是一種新的思考模式，巧妙運用后它可以改變很多硬件或者機械給人的常識性認知。這讓產品通過快速改變消費者認知來撬動市場成為了可能。
4、退出通道相對良性：如今和接下來一段時間的AI商業世界，大公司收購創業項目完成布局必然是主旋律。而這給繞道物理領域的創業者提供了很多推出機會，其實這對于大多數創業者都很重要。
5、開源平臺正在降低門檻：雖然核心技術與生產能力掌握在金字塔高層，但深度學習等領域的開源平臺卻在不斷涌現。大公司需要的是AI創業者生態，而物理領域顯然是掌握算法的互聯網巨頭不會輕易涉足的。
6、結合制造業能夠加強壁壘：緊接上面這條，AI的核心玩家都是互聯網公司與ICT公司，他們的弱勢在于對制造業的疏遠。而通過制造業和AI的結合，也是創業者加強自身產業壁壘的有效方式。
說了這么多，其實核心很簡單：AI不是美好世界，而是一場殘酷的叢林戰。想要分未來的一杯羹，就要從各種縫隙里鉆到未來。
案例與啟示
最后，我想提到一個很出名的機器人創業公司，美國的Rethink Robotics。這家公司的Baxter協作機器人解決方案，致力于提高工業生產效率，其在機器人領域非常出名。
但有意思的是，推出的幾年間Baxter真正的市場推進并不好。社交媒體上很多聲音都表示，這個一臉呆萌像的家伙真正能做的事非常少。工廠買了簡直不知道干什么。反而它在科研機構、高校、創業者群落當中口碑很好，很多愿意高價買回去純粹研究。
為什么說物理領域的“非關鍵型”AI，才是今天的最好機會？
這是因為，Baxter建立了一個開源硬件平臺。其他開發者可以根據其它平臺相對容易的編輯自己的機器人系統和人機交互方式，解決垂直場景中的各種問題。
這個邏輯在接下來的AI+硬件領域或許也成立。基于開源平臺，進行更垂直領域產品的研發，結合各自獨特的需求和硬件生產能力，或許是打開AI創業通道的某種可行方案。
AI全面顛覆人類生活的畫面也許僅僅是個時間問題。但在那一幕來臨之前，逐漸讓更多人適應AI、感受到AI的存在，才是今天的“史詩級任務”。
迎接AI的到來，也許就像追女孩。或許如今還沒法買“無人駕駛”、“量子計算”這樣的豪車別墅，當然一上來就談這些也多少有點怪怪的。但寫個情書買個小禮物說不定還可以——物理領域非關鍵型AI的價值正在于此。
責任編輯：黃焱林
