看过东野圭吾《神探伽利略》系列的朋友，可能对主角汤川学钟爱速溶咖啡钟爱印象深刻。看似廉价、低端的速溶咖啡，其实凝结了喷雾干燥等20世纪初人类科学与工业能力的精髓。也正是速溶咖啡的出现，才让咖啡大规模生产、运输、存储成为可能。

　　如果说，深度学习是人类发现了咖啡这种饮料;那么中国AI正在努力完成的，就是炮制出一杯进击的速溶咖啡。

　　真正的咖啡时代，或许更可能开启于后者。

　　行业知识图谱

　　对于大部分企业用户来说，AI提供的都是机器视觉、NLP体系下的几种固定能力。基于这些能力衍生出企业的定制化变体复杂度很高。但有一种AI技术却很容易与企业和行业的特殊需求进行适配，那就是知识图谱。

　　知识图谱的技术逻辑是将一些知识进行人为关联，从而在调用A知识时驱动B知识，从而达成近乎“智能”的效果。这并不是多么新颖的技术，甚至早已机器学习诞生前，知识图谱已经在很多领域有了广泛应用。今天在搜索引擎和电商产品中的相关推荐功能，很大一部分都依靠知识图谱来完成。

　　在AI to B的应用中，一个巨大问题在于企业处在特定行业里。每个行业不同的知识，或者说经验，决定了应用AI的需求不同、成本各异。比如说，安防场景需要的AI识别，就和质检场景大相径庭。

　　因此一种新的AI产品服务模式，是技术供应商上升为行业信息化服务商，主动打造符合具体行业需求的知识图谱产品。比如工业知识图谱里可能包含分拣、质检、产品流程等方方面面，当工业识别解决方案与之结合，AI就不仅能够完成单点任务，还可以依据行业知识图谱完成一定程度的复杂需求，比如知识推理、知识预测等等。

　　类似的行业知识图谱拥有广泛的应用可能性，无论是在工业、能源这样注重“经验”的场景，还是金融、物流这样看重“数据关系”的领域。另外，行业知识图谱也可以帮助AI打入那些通识类算法难以奏效的行业，比如说油气勘探、生物医药等等。最重要的是，如果云计算厂商提供有效的行业知识图谱服务，那么就可以免除一个个订单去给企业做知识、经验适配，从而降低人工成本。

　　但行业知识图谱的问题在于，行业知识是一个非常抽象、难以标准化的版图。每个行业有多少知识可以取公约数也是个问题。因此市面上的类似服务，都大体集中在金融、能源、工业质检等几个基础板块，难以细化到更具体、小众的行业。并且行业知识图谱已经极大改变了云计算、AI供应商的角色，使其从算法等基础能力提供商变成了行业咨询、行业数字化解决方案提供商，这对商业模式和行业认可也提出了挑战。