传统上，人们去看喜剧戏，买张票就进去了，是“售票-买票-进入验票”的过程。几年前，西班牙有一家喜剧俱乐部，在座位后面装上了摄像头进行人脸识别，在后端用大数据、人工智能来计算，观众笑一次记一次费，不笑不付钱。这就变成了“进入-记录－结果付费”。

10月11日，北京大学访问教授、未来地图人工智能商业化实验室(AI Business Lab)联合创始人吴霁虹受邀出席在山西朔州怀仁市举行的“仁AI智行——2019·中国怀仁二次元经济与人工智能峰会”，并以观看喜剧作为案例开始了她的演讲。此次峰会由嘉宾大学联合主办。

“一个AI解决方案带来了订票方式、入场验票流程、商家定价策略、客户支付方式、剧目创作方式、政府税收、人们消费品质的七大变革。”吴霁虹说。

作为一门有着较高理解门槛的技术，人工智能对普通人来说有些高深莫测。但在吴霁虹看来，人工智能并不难理解：技术固然重要，但如果技术不能够商业化、形成产品，就很难让大众享受到人工智能的普惠。

吴霁虹认为，要想普及人工智能，理解人工智能的商业化，其实就是从身边的事情开始。看喜剧的案例也可以复制到其他的C端、B端应用。理解人工智能商业化，只要抓住两个要点：人工智能能够解决真实问题——是否有效；人工智能解决真实问题——是否高效，是否是低成本、可规模化的。

人工智能的概念于1956年在达特茅斯夏季讨论会上被首次提出，至今已经有60多年的历史。从2016年以来，深度学习、语音识别、图像识别等人工智能技术高速发展，人工智能在正在有效、高效地为数字政府、金融、汽车、医疗，以及零售、制造业等产业服务，并在商业化上呈现出全智能、全领域、全场景的趋势。

为什么在喜剧收费方面，人工智能比人类做得更好？吴霁虹解释，AI在人类认知进步中（感知、传输、存储、处理、决策、传输、执行）的每一项都在超越人类。

以决策为例，人工智能从理解、分析到最后判断、做出决策，需要算法、架构、数据训练、机器学习、深度学习，甚至联邦学习，来共同实现帮助人类决策和管理。全智能在商业的应用能够使AI从用户的需求识别，到公司的决策、经营、管理，再到商业生态供应链的整合，实现比人类更有效、更高效的结果。“全智能可以赋能人类超级能力。”吴霁虹说。

在写作《未来地图》这本书时，吴霁虹将人工智能产业的规模定义为万亿级。但目前，已经有很多人认为这个规模应该是百万亿级的新经济规模，包括前端的衣食住行用、娱教健医工十大消费领域，以及这些领域所带来的后端供应链。以亚马逊Go无人商店为例，前端消费者只需要进行进、拿、出三个动作，而背后的人工智能系统则赋能了600万家生态供应商。仅这样一个平台，就已经是万亿级的规模。而在矿业、电力等重工业实现人工智能产业化后，其经济规模将更庞大。以英美资源集团为例，采用AI机器手挖煤、运煤后，集团将年收入从100亿美元提升到了260亿美元，而员工人数则从近20万人下降到了6.9万人。

从矿业到电力、钢铁、新能源、农业，人工智能正在进行全领域的颠覆。吴霁虹表示：“解决这些问题需要考虑全场景。”每个领域需要解决的问题都是不一样的，单就农业领域来说，可能就会有上万个场景的解决方案。而在消费领域，可能会有数千万个应用场景。

尽管人工智能已经在全领域、全场景进行全智能的颠覆，但趋势终归是趋势。对于矿业、农业等传统产业而言，要想拥抱人工智能的技术红利，仍然有很大的难度。

对此，吴霁虹也为传统产业提出了产业升级的路径。她表示，人工智能商业化的标准化路径至少有三步，无论是2C还是2B，首先要定位成为AI合伙人，第二是用AI解决实际问题，第三是创造AI的商业模式。

“未来20年，人类就开始分化成泛人类和新人类。而泛人类最终是要被淘汰的，新人类是创造AI，或者驾驭、管理AI，但大多数人是AI的合作者。”吴霁虹说。成为AI的合伙人是最重要的定位，只有具备拥抱人工智能的意识，才能够真正解决问题。

使用AI解决实际问题，需要政府和企业的共同努力。除了关注民生，吴霁虹建议，政府还要建立基于AI的宏观经济预测体系，包括GDP地图、企业价值地图等，市长在坐车时就能一目了然。政府效率的提高，能够提高当地经济发展的效率，并节省大量政务经费。据咨询公司德勤的报告数据显示，通过自动化计算机执行的常规任务，全球政府每年最低可节省9670万个小时和33亿美元，最高可节省12亿个小时和411亿美元。

 对于企业来说，借助AI解决的核心问题就是减少不确定性，增加正确性。 “在商业模式上，企业要换道超车，而不是弯道超车，必须要建立全新的竞争优势。”吴霁虹强调。针对技术能力较弱的企业来说，要建立基于AI的商业模式，就要把需求端的创新方案和供给侧后端的创新方案用大数据、云计算、云端一体化来进行整合，进行商业的管理和运营。