“我们这些做人工智能研究的人，可以在自己的圈子里活得非常开心，每年发表大量论文，互相之间都觉得自己的东西很有用。但是任何一个技术真正产生实际产业价值，一定有很长的路要走。”微软亚洲研究院副院长刘铁岩日前在接受在内的采访时如此表示。

　　AI不是空中楼阁，它在很多现实领域可以创造价值，而门槛在于跨界共创。就AI研究者而言，人工智能技术要想与其他行业产生良好互动，需要具备两个条件，一是学术研究的本质，二是平台性。

　　抱着探索目的是智能化转型跨界合作成功的一个基本前提，大平台心态带来公平性、公允性。在跨界中，原创技术和行业知识都重要，从科研角度简单照猫画虎或带来误导。

　　刘铁岩说，对于作为AI用户的企业、行业而言，也必须认知到人工智能工具不是拿来开箱即用的，而是要结合业务特点做深入的定制化和共创。“如果客户有这个认知和耐心，我相信人工智能落地会比今天好得多。”

　　至于AI在哪些行业的跨界性更大，刘铁岩表示，技术本身具有跨界性，在其他领域有应用的可能性。“但我们去关心一个技术的跨界，不如去关心一个技术创造过程的跨界。”也许研究者为AI落地医疗与AI落地金融所创造的工具完全不一样，但刘铁岩相信，创造的过程具有很大的借鉴价值。

　　刘铁岩被国际学术界公认为“排序学习”领域代表人物，他是国际电子电气工程师学会院士（IEEE Fellow），美国计算机学会杰出会员，卡内基梅隆大学兼职教授，诺丁汉大学荣誉教授，清华大学、中国科学技术大学、南开大学兼职教授、博士生导师，在深度学习、增强学习、分布式机器学习等方面发表了百余篇学术论文。

　　简单使用AI工具并不会轻易创造产业价值，门槛在于跨界

　　“人工智能为企业带来实实在在价值的例子比比皆是。”

　　刘铁岩对包括澎湃新闻在内的记者表示，AI不是空中楼阁，它在很多现实领域有价值，并且可以创造价值。但只是简单使用一些AI工具或算法，是不会轻易创造产业价值的，门槛在于跨界共创。

　　“我们这些做人工智能研究的人，可以在自己的圈子里活得非常开心，每年发表大量论文，互相之间都觉得自己的东西很有用。但是任何一个技术真正产生实际产业价值，一定有很长的路要走。”

　　这是学界和业界都必须要认知到的事实，人工智能学者要走出去跟企业、跟基础学科的科学界合作。企业、行业也必须认知到人工智能工具不是拿来开箱即用的，而是要结合业务特点做深入的定制化和共创。

　　“如果客户有这个认知和耐心，我相信人工智能落地会比今天好得多。”之所以如此感慨，是因为“很多客户希望开箱即用”，“当打开箱子发现不那么好用时，就会出现所谓的排斥感、冷淡感，AI历史上的几次寒冬、几次春天都已经重复了多少次。”

　　刘铁岩说，AI技术一直在强劲增长，“我自己身处于人工智能研究圈里，我能够感受到我们的创新从来没有停止过，而且每一年都会有大量新的研究成果发表，有很多亮眼的工作。”实际上并不是AI技术不行，只是大家的期望值不恰当。没有付出，只是等着收获，这会导致AI落地迟缓。

　　他曾多次用运动员和裁判员来比喻跨界合作的心态。“企业必须抱着运动员的心态来做事，而不是裁判员的心态。他们必须能够真正下场，知道这是我们共同的比赛，成功需要双方的努力。”

　　“这个心态太重要了。”刘铁岩说，完全不同的态度导致的跨界结果一定是大相径庭的。

　　2017年，微软亚洲研究院“创新汇”成立，目标是以微软亚洲研究院的科研智慧和微软的创新技术为基础，与不同行业、不同领域的现实需求接轨。

　　那时候，“创新汇”就有帮助企业数字化、智能化转型的强烈决心。4年过去，与各行各业的跨界合作让刘铁岩觉得，一个企业是否真的勇敢，愿意开放地拥抱不熟悉的领域也非常重要。“参与 ‘创新汇’的这些企业都抱着一个很开放的心态，才会跟我们去共创、去跨界。”

　　他认为，好的智能化转型需要有一群既懂行业又懂AI的人，并且不只是抱着为一家企业或一个业务去获得利益、减少成本这样的小目标，而是对行业产生推动，最终实现数字化转型。“虽然身在企业，但是胸怀行业、胸怀天下，转型过程中这一点非常重要。”

　　至于哪些行业的跨界性更大，刘铁岩表示，技术本身具有跨界性，在其他领域有应用的可能性。“但我们去关心一个技术的跨界，不如去关心一个技术创造过程的跨界。”也许研究者为AI落地医疗与AI落地金融所创造的工具完全不一样，但刘铁岩相信，创造的过程具有很大的借鉴价值。

　　原创技术和行业知识都重要，从科研角度简单照猫画虎或带来误导

　　就AI研究者而言，人工智能技术要想与其他行业产生良好的互动，在刘铁岩看来，需要具备两个条件，一是学术研究的本质，二是平台性。

　　所谓学术研究的本质，也就是抱着探索的目的，而不是追求利益的目的，这是使得智能化转型跨界合作成功的一个基本前提。

　　“如果我们是一个商业性的公司，追求的是利益，而不是学术的推进、研究的发展，那么很快就会变成技术外包。我们帮助企业解决了某个问题，创造了一些商业价值，他们也为此付费，大家就Happy Ending，也可能会一拍两散，再找下一个用户。”但要想真正改变一个行业，刘铁岩认为需要有持续的决心，而绝不是做一两个商业案例。

　　所谓平台性，他认为，只有具备大平台的心态，才能做到赋能其他行业并取得成功。“如果我们本身是在某一个行业里，不是一个平台公司，可能就只希望获得直接的商业回报链条，没有公平性、公允性，也就不会把很多先进的技术写成论文、做开源项目跟大家分享。”

　　“探索研究的心态和平台的心态，它们两个碰在一起就有可能跟行业碰撞出火花。”刘铁岩表示，人工智能企业如果缺乏了其中一个，跨界合作这条路就不会走得太长。

　　在探索中，现阶段的AI跨界合作，是技术原创性更重要还是行业知识更重要？刘铁岩认为，这两件事都重要。

　　去年，微软亚洲研究院发布了AI量化投资开源平台“微矿 Qlib”，它涵盖了量化投资的全过程，为用户的AI算法提供高性能的底层基础架构，从框架设计上让用户可以更容易地应用AI算法来辅助解决量化投资的各个关键问题。

　　对于金融从业者来说，Qlib平台降低了使用AI算法的门槛，其内部集成了AI算法在金融场景下的十几个使用样例以供参考，为金融业提供了一个适应AI算法的高性能基础设施和数据、模型管理平台。

　　刘铁岩说，在开发Qlib开源项目时，团队发现了很多让人大跌眼镜的现状。“有很多学术机构在做跟投资有关的研究，你会看到各种论文，里面甚至有很多天文数字。”

　　比如随便一个模型就带来了超过100％的超额收益；再比如回测过程中根本没有考虑到涨停、跌停的情况，没有考虑到最小交易量的限制。

　　“如果不把行业里的规则考虑进去，仿真是没有意义的，你想做出1000％的超额收益都能做得到。”刘铁岩表示，在AI跨界合作中，他们意识到有大量技术陷阱存在。如果对行业知识储备不够，就有可能做出不切实际的成果。

　　AI落地其他行业也是一样的道理，如果不深入理解其他行业的门道、规则和知识，而是简单从科学研究角度照猫画虎，就很有可能带来误导。