8月18日，“2022商业案例创新论坛”在上海浦东圆满举办。云知声联合创始人/创新事业部总裁陈吉胜受邀参加了此次论坛，并进行了主题演讲。精彩演讲受到线上线下观众的一致共鸣与思考。
以下为陈吉胜精彩演讲精华整理：
01 AI时代 B端企业需要的人才模型是什么？
十年TO C,十年TO B.
随着社会逐渐进入AI时代，AI在C端与B端的应用逐渐形成温差。
在C端，海量手机用户不断贡献数据，快速迭代，促进C端AI的机器学习越来越有效，应用越来越丰富。
人都被手机给Hooked了，我曾经看过一个数据，就是抖音，由于用户能天天刷，所以可能差不多几百毫秒，刷抖音这个人的用户模型被更新一次了，也就是机器在使用和学习。
而B端，由于目前生产设备和工作流程中产生的数据相比C端比较有限，也比较离散，目前AI应用不如C端有效。
这是为什么呢？
原则上来说，无论是B端还是C端，人工智能的三驾马车（算力、算法、大数据）都已备齐。
算力，据2022中国算力大会透露，截至今年6月底，中国在用数据中心机架总规模超过590万标准机架，服务器规模约2000万台，算力总规模排名全球第二；
算法；以深度学习为代表的感知类的算法，比如说图像，或者是听觉，这个其实已经是超过了人的眼睛和耳朵了。
大数据，在中国，互联网、物联网，线上/线下采集的数据非常普遍。
那么，既然这些底层的能力，都是具备的，为什么AI在C端与B端之间依然会存在温差？
其实根源在于B端场景化的应用不够。毛主席曾经说过：任何不已结婚为目的的谈恋爱都是在耍流氓。AI应用也是一样，所有不以实际场景应用为目的的AI技术研究都是空中楼阁。
B端客户，由于行业的专业性，导致每个行业，甚至每一家企业之间都存在着很多KNOEHOW，表现在B端服务商方面就是碎片化，我们要为这个行业定制一下，为那个客户定制一下。所以，理解碎片化场景下的know-how是B端应用AI需要解决的核心问题，而这也引出了我们的主题，
AI时代，B端企业需要的人才模型是什么？对AI厂商来说，需要能够充分理解碎片化场景下，行业的know-how，并能够迅速判断是否可以引入AI投入的通用人才；对B端客户来说，需要既了解自身know-how，也懂得AI技术的应用边界，应用方法，在公开资料和对应厂商有限支持下即可将AI能力和自身特殊问题相结合，能够解决实际问题的专业人才；
针对这个结论，陈总用一个具体的案例做了生动说明；
“我们曾给一个全球TOP级的客户做过一个不挣钱的案例，乍一听需求很简单，就是用AI方式来实现生产线上每块模组的质量检查，从而替代人工降本增效，或者说缓解找不到愿意做这件事情的工人的窘况。但就是这个很简单的需求，初期我们双方却都经历了一段比较焦灼的沟通期。为什么？
首先，云知声是一家AI公司，我们是坐在办公室里写代码的，我们的开发人员搞算法、搞模型训练很专业，但他们不懂生产线，不懂模组怎样算坏，怎样不算坏。而对方的人，对自己的AI应用边界不了解，对应用方法等也不清楚，但是他们对自己的问题清楚。所以，在前期的时候，大家经过几轮沟通，发现经常会有一些‘不知道自己不知道’以及‘互相不知道自己不知道’的情况，这是很可怕的事情。
所以，我们把人派到工厂，和老师傅请教，现场观摩。也给对方普及一些AI的基本常识。内部开玩笑这是云知声的一次上山下乡。但也正是我们的挽起袖子卷起裤管进工厂，不仅让这次的项目成功交付，也让我们对AI 时代下，B端企业的究竟需要怎样的人才有了重新思考。”
02 AI时代 B端应用人才的分层次培养思考
如上边所讲，我们对AI时代，B端企业需要的人才模型有了一定的认识。。
即对于AI公司来说，通才的价值大于培养专才，因为是通用技术型的公司，所以更需要的公司方案人员，销售人员，技术人员，可以利用涉猎的较广的知识面，对问题是否适合AI做判断。
对于B端客户来说，需要既了解自身know-how，也懂得AI技术的应用边界，可将AI能力和自身特殊问题相结合，能够解决实际问题的专业人才；
我曾经和我的客户有过一个交流，彼此都认为，如果客户方面有专业的人才来做实际AI应用的话，大家双赢。因为客户方本身就清楚Know—how，那他们只是需要有一个非常标准的工具，或者是对AI的应用边界也比较熟悉，然后去训练这个模型。有自己相应的人员可以标注，基础数据处理、分类等。本身就已经是这个行业里的人了，所以只是需要对一线的技术人员进行相应的培训，让他们掌握AI的能力，即B端客户对应的培养方案是专才大于通才。
国内有大大小小的AI公司，研究开发型的人才在各个公司都有，但是应用和实用的人才，即能够把AI基础的东西用起来，用于自己的生产过程里，这些人是少的。所以，未来AI人才的培养方向，我觉得是提高AI产业链中，应用型以及实用性的人才数量。
做应用型和实用型的人才，他们应该掌握什么？上来了解各种CNN、DNN，没有太大的必要。但是掌握各种模型训练的框架这很重要，因为一旦掌握多种主流深度学习算法以及多种深度学习框架，就能实际利用国内各个专门企业、单位已经搭建的超算中心，将B端企业已有的数据进行训练和计算，解决实际问题，保障人工智能相关应用快速、高效的规模化产出和稳定运行。真正促进AI在B端应用中的大幅增长。
总结：基础理论没有大的突破情况下，
应用人才的规模和质量是竞争的关键因素之一
最后，我想与大家分享几个目前热门的新闻。
一是印度的人口明年超过中国，我们领先了五千年，终于让出了这一位置。
二是越南成为世界工厂？越南的工资确实很便宜，对我们是很有压力；
三是美国通过了CHIP&Science ACT（芯片法案）
最后是德国称:要降低对中国经济依赖。
我们面临的竞争很大，但是我们依然有赢得机会。
AI时代，大家早已经脱离了拼刺刀的阶段。当下，大家面临的挑战，是如何用AI的力量去提升日渐需求复杂的千行百业产值，并促进降本增效。
原交大院士，现在的深圳大学校长曾说过：最近三十年左右，不要说中国，哈佛MIT也没有搞出什么基本的理论突破，我们更多的是验证量子理论，验证爱因斯坦的论断。那就说明我们在基础理论下，我们的应用以及我们的一些技术上的改进最重要的，技术上的改进从目前来看，很多时候需要天才，但是应用不需要，需要一直成本可控的应用大军，这才是我们致胜的关键点。
所以，基础理论没有大的突破情况下，应对当前竞争的关键因素，是打造一支大规模高素质的AI应用队伍。
