【老王科技|谁能撑起百度的「钱袋子」？】( 四 ) 百度不断丰富其AI商业化落地标准：要有

在底层对接各种不同来源和形式的数据，上层支撑不同业务场景。知识中台面向企业的智能应用包括智能知识库、行业知识图谱以及企业搜索、智能推荐、智能问答、知识推送等。百度与浦发银行联合推出的“金融数字人” ，背后便有知识中台的作用。
目前， AI在互联网、金融、零售等行业逐渐落地，工业、农业等领域也在持续摸索。
吴甜分析， AI产业化的问题，一开始在于相互不理解。经过几年探索，有了一些改善，但AI在整个产业中的渗透率并不高，甚至大量行业的渗透率很低， AI落地的广度和深度还有待提升。
主要表现在四个方面：第一， AI有大量技术积累，技术栈本身深且广，面对具体行业会遇到各种各样的问题，以多技术深度融合的方式对接不同场景需求，才能更好地解决实际问题，这需要不短时间的沉淀积累。第二，既懂AI算法又懂行业应用的复合型人才短缺，或者从这个角度看问题的意识与能力还需要大力加强。第三， AI技术落地整个链条比较长，需要打通生态链，比如从数据、硬件、技术到系统集成，这不是某一家企业可以完成的，需要社会精细化分工，逐渐磨合。第四，数据与产业安全问题需要加速解决。尤其在金融等行业，涉及大量个人隐私数据，与公共安全相关的机构、企业等数字化、智能化的程度还没有达到最完美的状态，而且数据呈现出分散性、地域性等，这在一定程度上影响AI基础数据平台作用的进一步发挥。
另外，对于包括百度在内的互联网巨头来说，长期以来更懂C端用户， AI产业化落地中，相对传统IT厂商，流程化管理不足。
很多ToB企业将华为的“铁三角”奉为圭臬。任正非曾这样描述：一是让听得见炮声的人来决策；二是以客户经理、解决方案专家、交付专家组成的工作小组，形成面向客户的“铁三角”作战单元；三是一线的作战，要从客户经理的单兵作战转变为小团队作战。
李硕直言，他团队的很多人才是从华为、IBM和埃森哲等加入的，他们确实在向华为学习，学习在商务和交付层面，做到像传统IT公司一样可靠。不过，不能邯郸学步，只学皮毛，对应华为铁三角，李硕推崇双轮驱动。
一方面，面对市场机会，销售和解决方案团队可以驱动产品技术团队。此前，百度没有商务驱动的基因，都是产品技术驱动。但是，规则也很清楚，商务驱动的商务就要负责，从头跟到尾，保证产品的成熟、交付。
另一种就是产品驱动，尤其是在人工智能领域，普通销售比较难理解人工智能在哪里能产生价值、哪里不能。比如在工业质检领域，起初都是李硕带着产品经理说服客户尝试的。
李硕认为， AI产业化过程中不能采用铁三角决策的原因在于，面对很多不确定性场景和风险，三个职能角色很容易2︰1投票否掉一个机会。他更鼓励团队敢于担当，要么做销售与解决方案的担当，要么做产品技术的担当，双方争执不下时，有一个人拍桌子说这事儿我干了，这样可以往前走得更快。
目前，百度方面不愿意透露AI产业化的收入规模，但从其财报中也可窥得一斑，其AI与云很难完全割裂。 2019年3月，百度在2018年第四季度财报中，首次单独晒出云业务成绩单，该季营收11亿元，是2017年同期的两倍多。 2018年，百度云位列国内公有云第五名， 2019年第一季度成为第四。
王海峰认为，人工智能正将人类社会带入智能时代。移动互联网之后，百度正在经受一个新命题的考验。