从2017年AI借助围棋大规模出圈开始算起，我们经历了这么几个阶段的变化：

　　第一阶段，全社会一起讨论AI到底有什么用;

　　第二阶段，相关产学政各方一起讨论，AI应该怎么用;

　　第三阶段，负责出钱和收钱的双方努力讨论，AI怎么用才能便宜点?

　　随着产业化的推进，公众范围对AI的探讨也随之收窄。如今，基本看不到营销号那些关于AI的惊悚标题，也很少有让业界惊喜的底层算法突破。也许有人认为AI泡沫正在破裂，AI寒冬又将到来。但在大众狂欢消退之余，却又能看到商用AI正在中国市场快速兴起。到了2021年，大部分云计算和AI供应商似乎都无暇继续讨论AI的应用场景和应用可行性，而是专注于另一个关键词：成本。

　　随着AI开始变成企业服务的一种，部署成本过高开始变成业界最显著的问题，而且在中国AI产业中尤甚。与其他企业IT技术不同，AI作为一种灵活多变的软件形态，需要长期投入和专业人才。这导致AI在大型科技公司或者平台型企业具有非常弹性的投资曲线，可以战略性投入，从而灵活多变地解决各种问题。但对于传统企业、中小型企业、缺乏信息化基础的企业来说，应用AI往往能在理论上解决非常重要的问题，却缺乏直接、可操作且成本可控的执行方案。

　　回到云计算和AI服务提供商这边，虽然面向企业卖AI理论上潜力巨大。但现实是每家客户都有大量需要定制解决的需求，往往要投入众多行业专家、算法架构师、软硬件工程师来解决一些细小问题。这样做出来的成果虽然可观，但其实只具备案例性质，缺乏推广可能。

　　另一方面，疫情导致美国AI行业创新缓慢，头部公司算法突破不理想。同时欧美的AI to B市场净值较高，客户数字化能力较强。谷歌云、微软云的崛起虽然都与AI息息相关，但适配的更多是大规模、分散式的企业软件市场。反而中国市场中的AI目标用户更多是政企、实体经济企业，需要一对一的AI能力与行业化的AI解决方案。

　　这种情况下，把AI技术推向高度工业化、标准化，就猛然间变成了中国科技界的独立任务。虽然在2019年谷歌等头部AI公司已经开始推动机器学习简单化的相关技术，但其目标更多集中在所谓“AI民主化”，而非今天中国云计算与AI厂商面向的大规模AI部署与工业级AI场景。

　　不夸张地说，低成本的AI工业化，已经成为目前中国AI产业的主线任务，但相关分析却并不充沛。本文希望讨论一下中国AI工业化这条赛道的几种产品逻辑，以及代表案例、商业模型。由于各家厂商的命名方案与产品标准并不统一，为免误会这里选择隐去具体的厂商与技术名称。但将相关技术逻辑带入到几家大厂，不难发现聚焦程度已经不低。