代表胡国平：AI泡沫对头部企业影响小 未来最大机会在教育行业

还有一个非常重要的领域，叫万物互联时代的智能硬件，所有的家电、家居实现人工智能技术落地，把机器变得更聪明，可以听懂人说的话，看懂人的手势表情等。

AI泡沫影响

《21世纪》：前几年市场就在谈论AI泡沫，2020年，你认为泡沫还在么？

两会期间，全国人大代表、科大讯飞董事长刘庆峰提交的五份书面建议，分别涉及智慧教育、公共卫生、智慧办公、民办高校、税收政策等热点问题。

胡国平：2019年下半年，人工智能企业要想再融资其实已经变得有难度了。

围绕人工智能应用、技术研发和科大讯飞自身企业发展话题，5月28日，科大讯飞联合创始人、高级副总裁、研究院院长胡国平接受了21世纪经济报道记者专访。

在人工智能比较热的时候，有很多本来第二、第三梯队的公司挤进来，但实际上不太可能有那么多公司同时去做比如人脸识别、医疗影像等。对于头部公司来说，还没有到泡沫的程度。

《21世纪》：今年刘庆峰两会建议更聚焦于人工智能的具体应用，背景是什么？

《21世纪》：科大讯飞受到过市场中泡沫的影响吗？

《21世纪》：你的一个身份是认知智能国家重点实验室主任，当前实验室进行哪些前沿研究？

胡国平：从客观上还是会有影响。包括自己的心态、人工智能人才的一些价码等。我们的基本判断是，去年下半年之后，相对更加理性一点，比如人才价码上涨的幅度在放缓。

《21世纪》：科大讯飞上市也有12年了，上市之后对你来说有什么不一样吗？

《21世纪》：你认为哪一个应用可能成为最大的增长点？

胡国平：其实对公司来说影响还是会大一点。我们自己内部有个说法，叫有钱没钱一个样。从自己的工作状态、繁忙程度，以及对技术和产品的追求来说，我觉得没什么影响。

如果要说“最”，我个人认为是教育。因为从参与整个行业的人数来说，教育是最大的。每个人都希望学习效率明显的提升，希望有个性化、虚拟化的辅导老师。

讯飞业务方向

来源：21世纪经济报道

《21世纪》：2019年公司To C业务占比约36%，比上年提升约4个点，未来是否会继续提高To C业务占比？

胡国平：我们对To C发展还是比较有信心，而且已经看到了比较明确的发展潜力。但不会把占比定为努力的目标。

胡国平：首先，近年来人工智能行业化、场景化的趋势更加明显；越来越多的公司把人工智能和具体的行业和场景结合。第二，原来人们用软件实现的服务，现在慢慢出现一些相应的硬件，比如专门的讯飞智能录音笔、讯飞翻译机。第三是芯片化，是从行业角度，中国在人工智能相关的芯片等基础领域的研发有了加强。第四，疫情影响，人工智能在医疗方面的应用和价值被急速加大，包括用智医助理电话机器人，用人工智能外呼的方式实现疫情的随访、排查、复工情况调查等。

一个是智能硬件相关的产品，我们做了更多场景化的细分产品，全系列产品的铺开，使得用户对讯飞相关的智能硬件单品，有更好的认可。我们也会继续去做用户量级更大的一些产品，包括耳机等。

现在人工智能最基本的框架，都叫基于深度学习。但对一些行业应用来说，不可解释性的人工智能的应用落地还是有很大障碍。比如，在医疗领域，机器告诉医生病情结论，但不告诉医生是因为什么原因，那医生在采信机器结果时就会有很大的心理压力。这方面我们做了很多工作，就是要给出推理的过程。

第二个是通过人工智能技术的API，提供开发者相关的人工智能技术的调用服务。云端调用服务的模式，一个比较大的好处是，使用这些人工智能技术的厂商成本是很低的，但因为规模化效应，使得本身API经济成为一个持续增长的收入来源。

原标题：专访科大讯飞高级副总裁、研究院院长胡国平：AI泡沫对头部企业影响小 未来最大机会在教育行业

《21世纪》：如何看待投入和业绩的关系？公司研发投入是否会因业绩波动受到影响？

增长点猜想

胡国平：深度学习技术，可以用于语音合成、语音识别、图像识别、翻译等所有的行业；当语音识别做好了，可以在面向To C的智能录音笔、庭审会议、语音电子病历上用。通过这一产业架构，使得投入产出会比单独做一个技术、一个产品的公司要高。

在人工智能领域也有明显的“28原则”，只要做到了头部，投入产出比是可以保障的。

在疫情背景下，人工智能应用本身也是市场关注的焦点。

至于业绩波动，可能会有影响，但我觉得讯飞有一个独特的优势。讯飞对核心技术的持续领先追求和投入非常坚决，公司的决策层、股东都非常支持。而且刚才说 “28原则”，到目前为止，我们确实领先了30%-40%，并获得了比较好的回报。

胡国平：离不开衣食住行，更多是这些应用方面的场景化，往纵深方向发展。比如现在人工智能技术可以达到基层医生的水平，那未来能不能达到二甲医院的水平，能不能和医生有更好的互动？这些领域的应用产值未来还会有比较大的发展，而从影响来说我估计目前仅实现了5%左右。

（作者：张赛男 编辑：李新江）

胡国平：简单地说，我们研究的一个非常重要的方向，就是怎样让深度学习和人工专家的配合过程中实现可解释性。

责任编辑：杨亚龙