王咏刚《AI的产品化和工程化挑战》

一、引言

• AI的产品化和工程化是前沿科研成果向具体商业化场景落地的必由之路。总的来说，AI商业化落地存在两大难题：一是产品化和商业化路径如何实现；二是科研算法如何向工程领域转化。要解决真实世界的AI问题，首先，要学习如何将最好的AI技术转化为最有价值的产品，其次，要做好AI技术的工程实现与工程部署。

（一）产品视角

• 如何认识AI的产品化路径，如何理解不同类型的市场和用户，如何设计有价值的AI产品。

（二）工程视角

• 如何从工程视角实现AI产品，典型的、与AI相关的系统架构有哪些，典型的设计模式有哪些。

二、从AI科研到AI商业化

• 今天，“如何实现AI商业化落地”是一个被反复讨论甚至被不断质疑的话题。一方面，AI在许多场景和平台上实现了巨大的商业价值—Google、Facebook、Amazon、阿里和腾讯等公司早已在搜索引擎、广告推荐、商品推荐等领域，熟练并广泛地使用了机器学习，同时创造了巨大的营收。另一方面，大批怀着科技改造世界的美好梦想，在医疗、金融、制造、零售、能源、交通和仓储等垂直领