AI发展基因论：弱功利性下阿里AI“第一”炼成记(4)

而同时，阿里并不急着让达摩院为阿里做出多大的商业价值贡献（尽管长期肯定需要），就算技术不断进步，也并不急着通过各种信息渠道发声，最终结果就是公众认知里的阿里AI突然爆发。
这种爆发，有三个“蓄能”式的原因：
1、场景应用是“目的”更是“结果”
在AlphaGo出世前，Watson一直是人工智能的代名词。然而，当IBM面临转型压力时，Watson被抽调了医疗一个领域进行集中发展。
可惜的是，太过于强调商业价值，Watson Health在成立后匆忙陷入商业应用。
一方面，Watson Health在技术完备度上不具备多个数据体之间建立连接的能力，例如肿瘤学的模型不理解心脏病，无法在临床环境很好地应用；另一方面，由于模型不够完善，Watson Health只能被喂食“整理好的”数据，应用过程必须有大量人力投入。
最终，Watson Health在2018年宣布裁掉50%-70%的员工，宣告失败。
场景应用一定要是AI技术的“目的”，否则AI就失去了现实价值。但是，实现这个目的显然不能在技术尚未完全成熟时强行上线。从大量“教训”来看，让技术自然发展、最终自然连接应用，“场景应用”成为“结果”更符合AI落地的需求。
至少，我们不会再看到Google捧了自己的Duplex一整年，投入商用最后被扒皮这样的事了。

毫无疑问，在“弱功利性”下，场景应用成为“结果”更具备可行性。
以阿里AI为例，虽然它仍然以“目的”（场景应用）为导向，但是，达摩院的科研似乎更看重技术与应用的双向结合，而不是从场景到技术的单向过程。
虽然都有实践反哺AI的必要过程，但阿里的AI技术不被应用需求所倒逼，可以从容等到技术足够成熟才进行广泛应用，它的逻辑和那些盯着商业化的“肥肉”再想着怎么把技术贴上去的企业并不一样。