有時候科技圈的巨頭們就像比弗利山莊的名媛，一個干了點什么剩下的就要立刻跟風，否則就會在晚宴party上成為笑柄。至于新的潮流是否真的適合自己，恐怕還要排在后一位。就比如在這兩年的AI風潮上，從海外的微軟、谷歌、FB，到國內(nèi)的BAT，無一不扛起大旗沖鋒陷陣。
可AI究竟是一種舊貌換新顏的普遍性改變，還是一種不具有普適性的新“風格”，恐怕還有待進一步的觀察。在巨頭vs AI的風潮中，就有很多企業(yè)的AI之路是沒那么順遂的，其中聯(lián)想就是一個典型案例。人們對聯(lián)想AI轉(zhuǎn)型的第一印象，大多都來自2017年年中CEO楊元慶在聯(lián)想全球創(chuàng)新科技大會采訪時提到的：“賭上身家性命進入AI領域。”
如今已經(jīng)過去將近兩年，我們不妨來看看，聯(lián)想AI究竟有哪些進展？
2017年的滿手好牌
很多人認為聯(lián)想AI的開始來自楊元慶在2017年的表態(tài)，實際上聯(lián)想在AI上的布局要更早。在2016年年底，原來就任于微軟亞洲研究院的芮勇博士入職聯(lián)想就任CTO，就是一個很明顯的信號。微軟亞洲研究院一直有AI界的“黃埔軍校”之稱，李開復、張亞勤、王海峰等等出現(xiàn)在中國AI產(chǎn)業(yè)上的一連串名字，都來自于微軟亞洲研究院。
芮勇博士加入聯(lián)想研究院不僅僅是一個信號，也集成了聯(lián)想轉(zhuǎn)型AI的很多條件。其實和很多巨頭一樣，聯(lián)想轉(zhuǎn)型AI是擁有很多先天優(yōu)勢的。例如作為系統(tǒng)廠商，聯(lián)想有強大的算力支撐。而作為PC廠商和曾經(jīng)的手機廠商，聯(lián)想在數(shù)據(jù)資源上應該也并不匱乏。加之在2017年，楊元慶曾經(jīng)表示過，將在人工智能、大數(shù)據(jù)、物聯(lián)網(wǎng)領域投入12萬美元的資金?？梢哉f聯(lián)想雖然沒有做軟件的BAT有那么充足的數(shù)據(jù)資源和技術試驗場景，但相比其他硬件或傳統(tǒng)企業(yè)也綽綽有余。
何況芮勇博士的加入，意味著聯(lián)想有機會將重量級的人才鏈納入囊中。在聯(lián)想就職期間，芮勇博士還成了國際計算機學會ACM的Fellow，可見其在AI學術界的影響力并沒有改變。媒體稱，芮勇博士在加入聯(lián)想后，為聯(lián)想研究院聚攏了超過100位的人工智能專家隊伍。
人才、算力、資本，擁有這三張牌的聯(lián)想，本來應該是供給AI生長的沃土。那么聯(lián)想從2016年年底至今，在AI方面都有哪些成就呢？
慌慌張張，匆匆忙忙：聯(lián)想AI的兩年時光
和很多巨頭一樣，聯(lián)想在AI方面屬于“多管齊下”，我們可以以今年的CES為截止線，從技術、產(chǎn)品、平臺三個角度來看看聯(lián)想在過去兩年中都做了什么。
從技術能力來看，聯(lián)想在AI上并非一無所成。在2017年，聯(lián)想研究院人工智能實驗室的針對醫(yī)療項目的計算機視覺團隊E－h(huán)ealth參加了全球肝臟腫瘤分割識別全球大賽，拿到了全球第一名。第二年，同樣是E－h(huán)ealth團隊推出的智能醫(yī)療圖像輔助診斷系統(tǒng)獲得了中國計算機學會“科學技術獎科技進步優(yōu)秀獎”。
相比很多大廠來說，這已經(jīng)能稱得上是不錯的成就。從產(chǎn)品而言，聯(lián)想也推出了屬于自己的硬件。除了比較常見的智能音箱之外，聯(lián)想還將SLAM技術與計算機視覺技術應用到AR之中，在2017年的Tech World上，聯(lián)想研究院展示了自己所研發(fā)的晨星 AR（daystAR） 眼鏡原型。同樣在2017年，聯(lián)想和星球大戰(zhàn)IP合作推出了AR沉浸體驗設備聯(lián)想Mirage。這一點在如今看來，是很多廠商仍然沒有做到的。
至于平臺，聯(lián)想最知名的作品應該是企業(yè)級人工智能平臺LeapAI。和大多數(shù)面向企業(yè)的人工智能平臺一樣，LeapAI通過云端向企業(yè)提供人工智能的數(shù)據(jù)處理、算法模型的開發(fā)供給、算力資源管理和應用服務，幫助企業(yè)以更低的成本實現(xiàn)人工智能轉(zhuǎn)型。乍一看，聯(lián)想似乎準備充足，布局全面。那么為什么至今還沒有聽到太多聲響呢？
其中原因或許在于，聯(lián)想看似充足全面的布局，卻又處處存有短處。
從單純的技術角度來看，聯(lián)想選擇了醫(yī)療影像這個很容易做出成就，卻又應用面較狹隘的領域。對于醫(yī)療影像，尤其是聯(lián)想所做的肝臟腫瘤分割識別來說，本身存有大量的研究空間，每一種疾病的影響圖像，都可以通過海量標注數(shù)據(jù)輔以大量算力來得出結(jié)果。然而這種模型又不具有通用性，除了用來得獎以外，在短期內(nèi)很難預見到其他效用。
至于產(chǎn)品，甚至成為了聯(lián)想最大的短板。
12下一頁>（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。 ）
