0
雷鋒網按：AI圈向來有個傳統，傾向將不同的人按界分類為工業界、學術界等。但真的要給肖京打標簽時，我卻犯了糊涂。
“做人工智能，一定要尊重業務。”
你很難想到，上面這句話是從平安集團首席科學家肖京口中說出的。
他身上流著純正的AI學術派血統，至今已發表學術論文102篇，擁有美國授權專利101項、中國發明專利109項。
去年10月21日，他還獲得了第九屆吳文俊人工智能杰出貢獻獎，該獎項被認為是中國AI領域的最高榮譽。
但，肖京所說的每一句話，卻與往日里AI的陽春白雪模樣格格不入。
一場一個小時三十七分鐘的對話里，他總共提起了15次「價值」、20次「落地」。
本科畢業于中國科學技術大學的肖京，碩士被保送至中科院自動化研究所，師從原科技部副部長馬頌德。
1999年碩士畢業后，肖京前往卡耐基梅隆大學計算機系讀博，拜美國工程院院士金出武雄(Takeo Kanade)教授門下，主攻計算機視覺領域。
讀博時期的肖京，在美國AI圈就已站穩腳跟。他所參與研發的AI技術被應用于當時美國的生物醫藥、電影特效、機器人等領域。
名校、名師、名人環繞的他，畢業之時自然也少不了名企們拋來的橄欖枝。
而后，他在一眾工作offer中翻了愛普生的牌子，領導其美國算法團隊，從事包括醫療、輔助駕駛、3D打印等領域的算法開發。
愛普生呆了八年后，如常人一樣，肖京也想體驗下不同的人生，于是跳出來去了微軟，帶領一個團隊負責微軟搜索引擎的算法研發。
微軟期間，他發覺AI經過市場多年教育，落地環境已經比較成熟，有比較多的方案可用于幫助傳統產業降本增效。
出于對技術的理解和對產業的思考，他開始考慮選擇一家大型的傳統公司，以實現技術抱負。
2015年3月，他離職微軟，入職平安，任平安集團首席科學家，集團執委。
過去五年多時間，肖京幫助平安集團從無到有，建立起一支兩千余人的人工智能專家團隊，奠定了整個平安集團人工智能底層技術和應用的基石。
同時，他所主持研發的“平安腦”大數據智能引擎，融合了圖計算、對抗神經網絡、弱監督學習等最新科研成果，在金融、醫療、智慧城市等領域已廣泛落地。
今天的肖京，像似一個身經百戰、擒敵無數的軍師，深居幕布之后，手握技術權杖，指引著平安AI帝國日夜鏖戰、爭打江山。
故事好看，總因為背后人物身上散發的無限弧光。
多年之后，肖京會如何評價他的兩位人生導師？他又如何管理一支兩千多人的AI研究團隊，并平衡好AI學術研究與產業落地的關系......太多問題尚還無解。
藉由此，第五屆CCF-GAIR峰會期間，雷鋒網與肖京進行了一次深度對話。本次訪談中，肖京談到了他的求學歷程、兩位導師，以及對AI的思考，對產業的洞見。
以下是訪談內容：
雷鋒網：你是如何走上人工智能研究道路的？你求學的那個時期，人工智能的研究應用應該沒有今天這么地蓬勃。
肖京：我在部隊大院里面長大，對于我來說，部隊大院有一個特別好的地方在于，那時候雖然經濟不是很發達，但我們每周都有電影看，甚至包括海外的大片。
我小時候最喜歡也是印象最深的一部電影叫做《未來世界》，它是《西部世界》的續集，當中有非常多機器人的場景。也是從那時候起，我對機器人產生了比較濃厚的興趣。
上了大學之后，我自然就選擇了中科大自動化專業，因為它是機器人領域非常重要的一個技術方向。
1995年，我本科即將畢業，已決定保送到中國科學院讀碩士，因此可以選擇到科學院做本科畢業設計。與時任自動化所模式識別國家重點實驗室主任的馬頌德老師請教后，選擇了計算機視覺、模式識別作為研究方向。
1999年，我碩士畢業后，去了美國卡耐基梅隆大學讀博士，在金出武雄(Takeo Kanade)老師教導下做計算機視覺，也就一直做到了現在。
雷鋒網：現在想想，興趣、天賦與職業剛好相匹配，是不是一件特別幸福的事兒？
肖京：也許我別的天賦更好呢，也許我更適合當個喜劇演員呢，誰知道呢。（笑）
雷鋒網：能否聊聊你的碩士導師馬頌德老師，他是一個什么樣的人？和他一起做AI研究，印象最深的一件事是什么？
肖京：馬頌德老師是那種工作特別嚴謹、特別細致的人。
我當年讀碩士的時候，馬頌德老師已經是中科院自動化所所長了，后面很快又到科技部當副部長。
那時候他要負責的工作其實挺多的，但他帶學生仍然很細致。我當年研究的方向之一是航空圖像中的線性目標識別，比如公路、橋梁等。
有次他和我討論一個問題：兩個線段如果隔開了，如何判斷它們屬于同一條路還是不同的路？這看似簡單，實際上是挺復雜的優化問題。
馬老師和我一起推導公式，討論角度應該怎么計算，角度放到模型里怎么優化等。這件事我印象特別深，很多專事教學的老師都不一定能夠做到這么細致。
同時，他也是一個特別熱愛學習的人。你應該想不到，馬老師現在每天還在堅持讀論文，并時常和學生們討論相關技術。他和張正友博士合著的《計算機視覺》已經成為視覺領域的經典教材。
馬頌德老師對我個人的發展幫助特別大，他幫我找到了學習的路徑和方向，也正是因為他，讓我相信人工智能這個行業一定會有非常好的發展前景。
雷鋒網：你的博士導師金出武雄老師呢？2017年你在參加雷鋒網第二屆CCF-GAIR的時候，金出武雄老師已經在前一天結束了演講安排，但第二天他還是來到了現場，站在后面看完你的演講，并不時嘴角上揚，看到這一幕我還挺感動的。
肖京：我知道這件事，這也是他一直保持的工作習慣和生活態度，他參加任何學術論壇，只要時間允許都會多聽聽、多看看。
和馬頌德老師一樣，金出武雄老師也是一個比較細致的人，同時他還是一個非常追求實用性的人。
他不是那種非常傳統的、偏理論研究的科學家，他會要求你把東西做出來。他經常和學生說，做技術、做系統一定要實用，發論文式的研究不可取。
我印象最深的一件事是，我那時候做一個通過三維重建實現人臉跟蹤的課題，但目標對象總是跟著跟著就跟丟了，一直都找不到問題的根源，也比較苦惱。
他后面和我說，遇到問題不要緊，沉下心來設計測試用例，從手工就能計算出結果的最簡單用例開始，一步步找到問題。之后，他就和我一起設計用例、看代碼、找漏洞、做測試，熬了一個晚上，終于找到并解決了問題。
問題解決之后，他很開心，那時候辦公室中間有個活動區域，里面有個臺球桌，他和我打了一局臺球。（作為卡耐基梅隆大學計算機學院機器人研究所的創始人兼所長，臺球水平一般，被我險勝了。）
金出武雄老師和我說，很多人可以徹夜玩游戲打牌，但那只是純體力，不算什么。能夠長時間不間斷地思考問題，才是從事科研工作重要的能力，那叫智慧體力。他說他最長連續72個小時沒睡覺，持續思考當時碰到的一個視覺研究問題。對此我非常佩服。
我讀博士的那幾年，他已經50多歲，基本每天早上2點才離開辦公室，6~7點又在辦公室了，午飯都是他妻子送來的，這樣保證科研工作不被打斷。
雷鋒網：你覺得金出武雄老師一直這么拼的驅動力是什么？
肖京：對科學的熱愛和對生活的態度。
有一年的圣誕節，我們去他辦公室開會，旁邊辦公室有個日本訪問學者在工作。老師夸獎說每次來辦公室，不管什么時間，都看到他在那里工作。我隨口說了一句，“這樣的人沒有生活了呀。”
金出武雄老師說，你是科研人員，科研不就是你的生活嗎？
他覺得，你只要選擇了科研這條路，你就更應該努力去學習，你來讀博士肯定是因為有一個問題尚未解決，如果都沒問題了，那就不會再來讀書了，早就畢業了。
還有一個特別有意思的事情，金出武雄老師還很擅長做木工，他在日本蓋了個房子，里面很多設計或家具制作都是他參與設計甚至自己完成的。
雷鋒網：馬頌德老師、金出武雄老師身上有什么共性嗎？他們的AI研究方法論對現如今的行業發展都具哪些指導意義？
肖京：特別拔尖的人往往有相似的地方。
首先，他們對自己所做的事都非常熱愛，其次做事極其認真、分析問題特別縝密，考慮問題也非常全面。
另外，他們都不是那種喜歡講大道理的人，他們都比較追崇實用性和動手能力，不提倡單純為了出論文而做科研。
雷鋒網：你跟馬頌德老師和金出武雄老師學習的是計算機視覺，但現在從事的AI研究線，覆蓋范疇遠遠超出了視覺，這是怎么做到的？AI研究者如何才能把自己研究的邊界無限擴大？
肖京：我本科學自動控制，碩士、博士研究計算機視覺模式識別，底層其實都是優化算法和機器學習相關的技能。
畢業后我在愛普生做了8年，領導他們在美國研究院的算法團隊，這是日本一家大型綜合科技企業，相關業務包括打印機、投影儀、精密儀器、傳感器、機器手臂等，所涉及的知識領域包括各種傳感器信號的數據分析、檢測、識別、決策、及相關的應用。
之后在微軟Bing做互聯網廣告搜索，又積累了不少互聯網大數據分析挖掘及應用方面的經驗。
然后回國到了平安，平安業務場景非常多元，從金融到醫療到智慧城市等，目前我也做了快六年時間。
這么多年下來，基于底層的學術底子，我基本在各行各業都做過，也確實對人工智能技術在各個場景的應用實踐都比較熟悉。
雷鋒網：所以一方面是經歷足、一方面是天分好，對嗎？畢竟絕大部分人一輩子做好一個領域都比較吃力。
肖京：沒有沒有，主要還是機遇好，遇上了好時代。
雷鋒網：對于一些年輕的AI從業者們來說，你是推薦他們在一行做深做透，還是趁著年輕多看看。
肖京：一開始肯定要做深，基礎打好了、骨架硬實了，后面的事情都是觸類旁通的，基礎理論和發現、分析、解決問題的方法論都是相通的。
雷鋒網：這些年輕的AI從業者們怎么保持敏銳的技術嗅覺并堅持下去？有時候方向走錯了，還一直在錯誤地堅持著，是一件比較尷尬的事。
肖京：所以需要靠譜的導師。除了自己的天賦和努力外，還要善于借助外力，善于向別人學習。
我經常跟年輕同事說，我們老祖宗很多總結是非常有道理的。比如“三人行必有我師焉“，即便這個人比你差，也有很多值得學習的地方，一定要善于發現別人的長處并學習。再比如”吾日三省吾身“，要定期給自己留一些時間，反思過去這段時間的事情并總結、沉淀。
至于怎么堅持，除了熱愛之外，有必要在每一個階段都設定一個學習目標，這個學習榜樣會督促引導你成長。
雷鋒網：你現在的學習榜樣是誰？
肖京：太多了。我現在所做工作的認知水平和學習熱情，如果能夠達到馬頌德老師、金出武雄老師一半的高度，我就很知足了。
雷鋒網：你覺得自己在學術造詣或職業成就方面還沒有超過他們嗎？
肖京：差得太遠，不是一個層級。
雷鋒網：有人說，未來AI就像水電一樣無處不在，也有人說它只是一個技術工具掀不起大風浪，你怎么看？
肖京：我不太愛用這類名詞比喻，做技術還是要務實，要以結果為導向。
人工智能未來會無處不在，整個社會肯定會走向數字化經營的大方向，數字化的底座就是人工智能。
雷鋒網：那么未來到底是“AI＋”，還是“＋AI”？技術公司好像比較信奉前者，傳統公司比較鐘意后面這種說法。
肖京：其實我一直很好奇為什么有人會去爭論這個。只是不同的說法，實際工作內容有什么區別呢？
雷鋒網：在傳統行業做AI賦能這么多年，金融也好、醫療也罷，你遇到的最難解決的問題是什么？
肖京：最大的挑戰還是怎么把業務和技術結合好，怎么把技術方案變成業務方案，真正做進去，重構業務生產或服務的流程。
有的問題看上去很簡單，比如業務中多年積累的大量寶貴經驗和知識，如何能和機器學習算法結合好，并形成規范標準的機制，實際上還沒有很有效的方法。
雷鋒網：為什么會出現這種情況？
肖京：人工智能的發展可以分為弱人工智能、強人工智能、和超人工智能三個階段。
目前人工智能處在弱人工智能階段，這意味著它只是某些方面比人強，而有些方面還差得很遠，它的能力是有限的。
現階段的人工智能技術主要是基于聯結主義的大數據關聯分析，在基于符號主義的因果推理方面能力還很弱，這樣就很難將基于知識經驗的推理和基于機器學習的分析挖掘結合好。
因此我認為，如何將基于大數據的機器學習關聯分析和小數據知識經驗的表達及推理結合好，是現階段比較重要的研究方向。
雷鋒網：這么多年下來，技術的陽春白雪和落地的下里巴人好像很難得到較好地平衡，這是個無解命題嗎？
肖京：是有解的，只是需要時間。
金出武雄老師曾經和我們講過，學術或產業的科研創新應該“像外行一樣思考，像專家一樣實踐”。
針對待解決的問題，不要被自己的專業思維所束縛，而應該跳出盒子去，在充分開放的空間中自由探索思考。一旦發現并確定了創新的方向，就要像專家一樣通過專業的分析，制定縝密的落地方案，并高效嚴謹地實施。
從事AI技術研發及創新應用多年，越發覺得這個說法特別正確。
AI落地應用，一定要尊重業務。技術人員要到一線去，深入了解業務、熟悉場景，明晰技術的優點與不足，讓技術和業務達到最優的融合，才能形成行之有效的業務解決方案，產生實際業務價值。
雷鋒網：這個道理其他技術公司的專家不懂嗎？好像很多人都平衡得不太好。
肖京：一部分是真的不清楚。他們太過高估自己的技術能力，從而輕視了現實中落地的殘酷性。AI落地方案不止跟技術能力相關，還涉及到業務流程的重構，往往需要具備良好的完整性。
如果某個業務流程的重構需要解決100個技術問題，你的方案覆蓋了其中98個，客戶仍大有可能不用你的方案。因為還有2個問題你無法解決，客戶就必須再找其他供應商。與其這么麻煩，倒不如直接找一家能夠解決全部問題的廠商，省錢又省力。
還有一部分是缺乏條件，比如自身沒有業務，接觸了解業務的機會有限，久而久之就成了一家中間技術模塊提供商，沒有完整的業務方案，純技術產品看上去各項技術指標都很好，但客戶既不能直接用，也不知道如何融入業務流程，成為“四不像”產品。
雷鋒網：這類中小型AI初創公司的生存空間在哪里？
肖京：我的建議是不要做平臺。做平臺就意味著產品線要拉長，覆蓋面要鋪廣，這樣必然做不深、做不透，對業務一知半解、對場景似懂非懂，用戶很難用你的東西。
建議找到一個好的垂直領域，做深做透、做厚做實，提供深入場景的、完整的技術＋業務解決方案。
雷鋒網：如果不做平臺，企業成長就相對較慢，這也是一些高估值AI公司比較難取舍的問題。
肖京：那就看他們選擇的垂直領域是不是夠大，能不能擴展、復制。一步一個腳印來做，更加踏實。
雷鋒網：方不方便透露三個你覺得未來商業潛力較大的場景？
肖京：數字化經營是大勢所趨。金融、醫療、工業互聯網等都是有潛力的方向。
雷鋒網：醫療等領域不少AI公司也在做，但走得好像都挺辛苦的。
肖京：主要還沒有建立合適的商業模式，和目前醫療體系業務流程的融合做得也還不夠好，大多數方案還比較孤立，沒有真正成體系地做到診療等業務流程中去。
但這個領域發展很快，在一些需求場景上AI技術已經在發揮很好的效果，一系列結合業務流程的方案已經得到有效的應用。
雷鋒網：有技術沒場景、有場景不盈利，這會是未來AI應用的通病嗎？
肖京：不能說是通病，但人工智能的落地的確沒有那么容易。
技術上，數據、算法、算力都得到位，需要具備底層信息化能力；業務上，落地場景需要熟悉；其次，場景還在不斷迭代，很多有效方案上線之后還會遇到一堆各種各樣的問題，這就要求方案也要能不斷地快速迭代。
另一方面，從技術到產品，再到平臺，到有用戶流量，到有收入，再到有利潤，本來就有個發展過程，因此需要時間積累也是正常的。
雷鋒網：有人說，2020年AI技術公司的分水嶺就會出現，強者會恒強，弱者會愈弱，你認可這個觀點嗎？
肖京：這種現象其實從去年就已經開始出現。
今明兩年，如果AI公司還沒有規模化業務落地，還不能產生實際業務價值，那么生存空間就會比較有限，市場就不足以支撐目前這么多的AI公司。
AI的發展歷經兩起兩落，目前迎來第三次興起。前兩次夭折的原因就在于期望過高泡沫過大，沒有產生足以支撐行業發展的商業價值。
雷鋒網：這一次夭折的概率大嗎？
肖京：這一次與前兩次最大的不同在于：AI已經在互聯網和移動應用等領域產生了非常大的商業價值，并且逐漸深入其它傳統行業，產生越來越重要的業務價值。數字化經營已成為市場共識。
目前AI的問題在于，在金融、醫療、智慧城市、工業互聯網等領域，人工智能的應用價值能不能產生爆炸性的效果，從而可以支撐行業繼續保持高速發展。做不到的話，行業降溫是必然的，但不至于死掉。
雷鋒網：你在美讀博的那個時期，比較熱門的AI研究方向有哪些？
肖京：當時我們卡耐基梅隆大學計算機學院下分為好幾個研究所，包括機器人研究所、語言技術研究所、人機交互研究所、機器學習研究所等。
卡耐基梅隆計算機學院是全美最好的計算機學院之一，當時設置的所有專業都是最核心或快速發展的研究方向。
雷鋒網：無論是從深度還是廣度上看，你求學時期的美國AI研究相較中國都遙遙領先。目前中美在人工智能這塊差距懸殊大嗎？
肖京：人工智能是非常大的領域，是自然科學和社會科學的交叉學科。我們可以從三個方面看人工智能的發展：科學（Science）、技術（Technology）及應用（Application）。
Science可以理解為基礎理論部分，比如腦科學、應用數學、計算機科學等。歐美長期保持領先，畢竟大部分工作都是他們發起并完成的。我國的基礎研究雖仍有差距，但正在努力追趕。
如近期丘成桐老師在北京成立的應用數學研究所、蒲慕明老師在上海從事的腦科學研究等，中國的基礎科研未來十年預期會有很大進展。
Technology包括芯片、底層基礎軟件、及算法和算法框架的研發。這個領域我國整體上也是落后的，但近些年發展很快，與領先水平的差距在快速縮小中。
底層硬件和基礎軟件的研發是系統工程，需要更大規模的集中投入，一些中國企業在AI芯片和基礎軟件上努力攻關，取得了不錯的進展，當然全面突破取得行業領先水平尚待時日。
在算法研發上國內進步很快，盡管還缺乏重大突破性的原創成果，改進型的算法創新已經具備相當大的規模，比如相關領域學術論文的數量已經達到前列。
Application方面，我們做得非常好，在相當一部分業務領域，可以說中國在AI應用上已經名列前茅。人工智能是個賦能的工具，本身不構成獨立的產業，需要依托于其他產業去實現三提兩降，推進這些行業實現數字化經營，從而產生額外的業務價值。這就需要人口、場景、生態等市場大環境的支持，而中國在這方面具有較好的優勢。
總結來說：我們開創性的成果還比較欠缺，改進型、應用型的工作做得不錯，差距仍然很大，處于努力高速追趕中。
雷鋒網：為什么會出現這種現象？AI應用方面，中國大膽一些、包容一些，歐美那邊審慎一些嗎？
肖京：我覺得不是審慎，是市場環境造成的。
西方很多傳統行業處于相當成熟、穩定的狀態，市場競爭的壓力不大，因而他們沒有很大的動力來推動變革。而我們國家的市場競爭非常激烈，企業面臨巨大的壓力與挑戰，具備較強的技術升級意愿，因而對科技賦能有強烈的需求。
以車險續保為例，北美的頭部保險公司的自然續保率往往可以達到90%以上，甚至95%以上。也就是說，他們什么也不用做，客戶就會自行一年年續繳保費。甚至有家公司提到，他們曾經嘗試研發移動應用去增強客戶黏度，結果發現續保率還下降了，原因在于客戶線上活躍后會更積極地比較不同公司的同類產品，反而容易受廣告等影響換簽到其它公司。
國內市場完全不一樣，市場平均續保率只有不到50%，競爭極其激烈，必須積極利用科技從服務質量、風控水平、營銷能力、運營效率等方面全方位提高市場競爭力。這無形之中驅動中國企業不斷嘗試創新和變革，也為科技帶來了機遇。
雷鋒網：底層技術儲備不足、上層應用全球領先，未來AI的發展到底更偏技術驅動還是業務驅動？
肖京：兩個都需要。如果未來國際關系緩和，基本沒有太大問題；如果未來國際關系趨緊，很多底層技術、框架用不了了，你的業務是難以進行的。
另外說一點，中國AI研發應用的發展速度之快讓人驚訝，這是全球任何地方都不可比擬的。
1998年我第一次出國參加ICPR（國際模式識別大會），基本沒有中國人，吃飯間隙，旁邊一個日本人問我來自哪里，當他知道我是大陸人時，他驚訝不已：“中國大陸也有做這個領域研究的？”
現在再去看ICPR，可能一半以上的參會者都是中國人。
雷鋒網：這是好現象嗎？
肖京：不是沒有一點壞處，但一定是個好現象。
說明我們很重視這個領域，發展速度比人家快，人才培養也多很多。科研環境也越來越好。比如我在國內讀碩士的時候，看論文大多通過訂閱雜志，審稿和出版周期很長，一般看到的時候都已經發表很長時間了。
要知道計算機領域最新的工作一般是通過會議發表的，那時候國內網絡還不發達，我們又遠不如國外同行可以參加那么多國際會議，因此對最新進展的了解，我們比國外同行慢很多。現在這個時間差已經不存在了，只要勤奮努力就好，這方面我們不會有任何問題。
雷鋒網：中國這些年在人工智能領域的確投入了不少心力，不少高校都開始設立人工智能學院了。
肖京：我一直認為，中國這些年發展這么快，一個重要原因在于我們的大學培養了大量的高素質人才，并進入各行各業使得我國勞動力的整體素質和能力水平得到大幅提升，從而推動了相關產業快速向前發展。
人工智能領域也會是這樣。因此對于近期很多高校開始設立的人工智能學院，我認為是很好的事情。高校培養出來的不一定都是最頂級的精英或科學家，相反，高校應該以教授廣大學生基礎科學技術知識以及培養他們發現、分析、解決問題的能力為核心目標。
這些學生畢業后，基于學到的知識和能力，在各自的崗位上將人工智能技術應用到具體的業務中去，夯實各行各業實現數字化智能化經營的基礎，這對整個AI領域的產業化發展是多有裨益的。
任何一個技術領域或產業的發展都不是靠幾個科學家、思想家去演演講就能推動的。
雷鋒網：你覺得接下來有哪些重點學術理論或對金融、醫療等行業產生比較大的影響。
肖京：前面提到過人工智能是多個學科的交叉，很多科學技術領域的進展都會對金融、醫療等行業的智能化產生影響，比如腦科學、應用數學、量子計算、AI算法、AI芯片等。
不過從學術理論到產業應用有其必要的發展歷程，不是簡簡單單就能一蹴而就的。就像設計師畫出一張設計圖，還需要轉化成適用于施工的施工圖，才能實際落地實施。
比如最近的熱門話題GPT-3，展示了一系列令人興奮的AI技術能力和應用潛力，但還不足以構成實際有效的業務落地方案。
因此金融醫療行業的智能化，也需要技術人員和業務緊密結合，將學術理論上的突破轉化成可以實際賦能業務的落地方案，才能真正實現價值。
除了AI基礎理論和技術上的突破，我覺得如何將基于知識經驗的表達推理和基于機器學習的分析挖掘結合好，是現階段很重要的研究方向，這方面的技術突破會對傳統產業的智能化產生很大的影響。
另一方面，學術研究也不是一定要追求爆炸性的產業應用，往往是經過長期積累沉淀，水到渠成。
雷鋒網：這個觀點還是蠻新穎的，那么對于一些正在學習人工智能或者未來想要從事這一塊的年輕人，你有什么經驗可以給到他們嗎？
肖京：認認真真學習，掌握基礎知識，培養技術能力；扎扎實實做事，有效積累產業落地的實戰經驗。
行業發展已經逐漸進入去粗求精的務實階段，但在人工智能相關話題仍常被熱炒的情況下，更要保持冷靜清醒認真務實，不急于求成，踏實前行。
雷鋒網：你在平安主要負責的工作方向有哪些？
肖京：構建并完善數據平臺、工具平臺、AI模型平臺等中后層平臺；賦能金融、醫療、智慧城市等集團核心業務；創新孵化新科技業務模式。
雷鋒網：目前最大的工作重心放在哪一塊？
肖京：完善中后層平臺和賦能核心業務。
雷鋒網：平安現在的AI技術好像還是以服務內部為主？
肖京：平安所有的技術一開始都會在內部場景中孵化、迭代、優化，形成標準成熟的方案能力后，也會選擇性地對外輸出。
譬如，我們會通過金融壹賬通，將一些金融科技能力輸出給各級金融機構，包括歐美東南亞等海外地區；通過智慧城市，將醫療科技或城市治理技術等能力輸出給各級政府、企業、醫療機構等單位。
雷鋒網：加入平安也有近六年時間了，這期間你覺得自己做出最自豪的產品是什么？
肖京：我們做了一個系統叫做平安腦智能引擎，它是整個平安智能化核心驅動引擎，所有的業務應用都會建立在這個引擎之上。
與絕大部分平臺不同，這是一個整體方案引擎，業務與技術是相互結合的，包括底層數據平臺、算法工具平臺、模型產品平臺、業務方案中臺、前端應用方案等，形成了語音對話機器人、歐拉圖譜風險評估系統、圖像識別車險閃賠系統、多模態身份認證系統、克瑞斯數字經營分析平臺、愛德服務機器人等一系列智能化產品，全面高效賦能集團各業務單位完善智能化建設。
雷鋒網：這個平臺的能力后期會不會對外輸出，還是會一直服務平安內部？
肖京：整個平安腦智能引擎目前應該不會對外輸出。主要原因之一在于數據平臺是其中一個部分，而平安作為大型綜合金融機構，保障核心系統及數據的安全隱私是首要責任之一。
但是平安腦的一些能力和產品會通過金融壹賬通、智慧城市等單位對外輸出。同時我們也加入了一些開放開源聯盟，并且獲批了科技部新一代人工智能開放創新普惠金融平臺，積極向全行業和社會分享我們的智能化成果。
雷鋒網：對于平安腦智能引擎的構建，你最上心的部分是哪一塊？
肖京：業務方案中臺。這是從技術研發成果和業務應用流程有效融合的眾多方案中抽象濃縮得到的精華。有了它，我們的智能化能力就從小米加步槍升級到了火箭炮，可以規模化地快速覆蓋海量業務場景。
雷鋒網：除了平安腦智能引擎，你覺得平安的人工智能研究相較其他科技巨頭有哪些優勢？
肖京：首先是數據優勢。平安是一家全牌照金融機構，在數據廣度和深度上是一般互聯網或高科技公司無法比擬的；同時，相對互聯網或高科技企業，平安多年大規模的實際業務積累，形成了高度精準和真實全面的數據，繼而能通過AI解決方案推出更符合客戶需求的產品和服務。
第二是專家優勢。平安通過在金融、醫療領域的31年深耕，在各個領域都積累了大量的業務專家，具備獨特的優勢。
第三是場景優勢。平安作為全牌照的綜合金融服務集團，擁有全世界最豐富的金融和醫療應用場景。而絕大多數科技公司不具備這樣的應用條件，需要通過第三方合作的模式來促進應用落地。
同時，集團執行力強，有利于高效迭代快速形成完善的解決方案。而大多數科技公司并不具備豐富的應用場景，要想驗證技術效果，需要與業務公司磋商。從說服他們合作到最后的應用，需要經歷很復雜的磨合過程，在得到甜蜜成果之前，這個過程會充滿辛酸，絕不是一件容易的事情。
實際上沒有豐富的類似磨合經歷的技術團隊，最后的落地能力是要打個巨大問號的。
在技術層面，平安的綜合性優勢比較明顯，經過多年的建設，平安擁有上萬技術人才，搭建了強大的金融等級的基礎架構及云平臺，包括深度學習集群的集團大數據管理及分析平臺，及平安腦智能引擎。
當然，金融和醫療是兩塊非常大的蛋糕，有極其眾多的技術應用的機會。科技公司聚焦深耕某一垂直領域，會有機會形成獨特的差異化優勢。
雷鋒網：平安的AI業務邊界在哪里？還是完全沒有邊界？
肖京：在技術能力上，盡管人工智能已經在很多領域得到應用并產生價值，但目前對人腦的功能結構、認知機理等方面了解尚淺，在認知決策等智能領域能力尚弱，總體上仍處于“弱人工智能”的階段，僅在計算智能上占據絕對優勢，所以業務上肯定還是有邊界的，需要找到最符合自己的能力邊界的事情去做。
在智能技術的應用上，更應該有邊界，并不是只要技術能做到的地方就可以應用，而是要制定完善的標準規范，以合理管控人工智能技術應用，避免其誤用、濫用、及惡用。
治理規范應秉持以人為本、人類自治、安全可控、公平公正、和公開透明的倫理準則。通過研發可信AI技術，從整體視角解釋AI的決策過程，判斷并糾正可能發生的錯誤，讓AI技術變得更加可靠、安全、負責。在賦能行業服務生態的過程中，也應該避免技術導致的偏見與歧視。
具體來說，要做到底層管好數據，充分保護隱私和安全，中層實現算法可靠透明可解釋，前端應用遵守遵循人類的價值觀和倫理道德。
雷鋒網：目前平安的技術升級，最缺哪方面的AI人才？
肖京：最缺乏交叉學科的復合型人才，即既精通技術又了解業務的人；另外優秀的中高層管理人員也比較缺乏。
雷鋒網：這樣的人很少嗎？
肖京：特別優秀的比較難找。
雷鋒網：你怎么評價當下的AI圈？
肖京：發展數字經濟是國家戰略，企業的數字化經營是大勢所趨，而AI賦能是其成功的關鍵，相信人工智能技術的研發和產業智能化一定會繼續保持迅猛發展的勢頭。
同時，據統計中國跟人工智能相關的公司已接近100萬，最近一年就新增了21萬，也存在一些炒作過熱的情況。
相比AI企業的規模，市場上真正在業務賦能方面看到的實際效果還較為有限。因此我們還是要保持冷靜清醒認真務實，不急于求成盲目冒進，而是踏實前行。
另外，AI賦能業務，算法、算力、數據、場景、業務理解都是非常重要的。其中算法能力和水平是核心競爭力，僅依賴開源軟件調調參數，難以達到行業的領先水平。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
