挑戰小米：但說好的樂視AI智能電視去哪兒了？
0
說到誰是挑戰新一輪具備AI功能的智能電視的競爭，從之前小米與樂視在智能電視市場的小米數回合的競爭看，無論是但說電視Soundbar、分體電視，樂視曲面屏電視，去兒還是挑戰從實際產品的發布和上市時間看，樂視總是小米慢小米一步，最典型的但說電視表現就是樂視的曲面屏電視，為了搶在小米之前發布，樂視倉促之下竟然發布了個工程樣機版，去兒半年之后才量產，挑戰這也是小米為何業內有樂視在智能電視跟風、模仿，但說電視甚至是樂視抄襲小米智能電視的說法。
其實不僅是去兒在智能電視產品的發布和上市時間滯后于小米才引得業內上述說法，由于人所共知的樂視以資本運作為主的方式，使得其重心和資源并不會全力投注于產品的研發，但其又需要資本市場營銷的噱頭，所以跟風、模仿，甚至是抄襲就成為成本最低且有效的方式，同時又對外掩飾了其在研發上不如小米和采取生產代工方式，不易于產品品控的事實，但這些在讓業內屢屢質疑樂視在智能電視產業和市場除了不計成本和贏利的價格戰外，在與小米較量時還有什么優勢，并將這種質疑自然延伸到了新一輪的智能電視大戰中。
需要說明的是，此次小米引發的新一輪智能電視大戰與之前業內認為的智能電視不同，而是真正基于當下流行的AI（人工智能）理念、基礎、技術并將其引入到電視形成真正產品的綜合實力的比拼。基于此，我們來看看小米和樂視在新一輪的真正具備AI的智能電視的比拼中的現實情況。
小米對于人工智能的觀點是：產品+大數據+機器學習。也就是說，小米的人工智能的理念或者說基礎是緊密結合智能手機、智能硬件等產品。相比之下，盡管樂視總是在提自己的大生態概念，但從其先后力推智能手機、智能電視、樂視盒子等諸多硬件產品看，其所謂大生態的背后其實依然需要硬件的支撐，甚至在當下的作用要遠遠大于其生態，這也很容易理解，從樂視核心競爭力的內容看，其始終未能進入中國視頻網站的三甲之列，這個時候，硬件本身就顯得尤為重要。而眾所周知的事實是AI（包括基于AI硬件的技術）的基礎是硬件的品類及由此帶來的用戶基數所產生的大數據。道理很簡單，人工智能需要機器大量的學習用戶行為，需要至少來自億級的用戶數據樣本和數據，這是基礎的基礎。
業內知道，目前小米的硬件品類和銷量要遠遠高于樂視是不爭的事實，畢竟樂視電視全部的累計銷量才700萬臺，加上手機等其他終端也才千萬級，跟小米幾億（單單紅米系列手機的累積銷量就已經過億，智能手環銷量更是在全球可穿戴設備中位列第三）的用戶不可同等量齊觀，更為重要的是，由于小米硬件品牌眾多，不僅在用戶數據的數量，在來源上也呈現出多樣性，這些均為其智能電視中的AI奠定了基礎。
其實在這里我們不妨以當今最為火爆的亞馬遜Echo與谷歌最近發布的Google Hpme為例來看看用戶數據的重要性。據分析稱，盡管亞馬遜的Echo目前在智能硬件產品中名列前茅，但鑒于谷歌詠有整整10年積累的龐大搜索多樣性數據，這意味著當用戶通過Google Home進行查詢時，其將提供更好、更快以及更精確的結果，并會借此最終戰勝亞馬遜的Echo。
當然除了基本的大數據來源和基礎外，數據背后的基于AI的基礎設施和處理、分析及學習能力也是決定AI技術高低的關鍵。
據了解，目前小米的數據處理包括底層架構層的Hadoop基礎平臺以及數據工廠，向上基礎能力層的機器學習（深度學習）、視覺識別、NLP自然語言處理和語音識別等，再向上的大數據層則包括業務數據、用戶畫像和內容池，高級能力則有商業智能、搜索、推薦、智能問答和圖像等，最終對接各類小米智能硬件產品。而具體到小米的深度學習平臺，在硬件層是公有云和本地數據中心的GPU機器，GPU集群管理采用的是Kubernetes+Docker、深度學習任務管理采用的是TensorFlow，存儲服務則采用HBase/HDFS系統、計算服務采用的是Spark/Storm/MR系統，對接到智能助手、云相冊、廣告、金融和搜索推薦等小米業務。由此看，小米已經具備了AI發展所需的基礎設施和技術能力。不知業內看到這些作何感想？Hadoop、Kubernetes+Docker、TensorFlow、HBase/HDFS、Spark/Storm/MR等均是當下AI領域中熱門的技術和系統，且是從前端、后端及應用的有機集成，是系統化的AI發展策略和路徑。
相比之下，我們鮮見樂視向外界透露其與AI相關的信息，而從樂視賈躍亭一向處事高調和資本運作模式（需要高調）看，這不得不讓業內質疑樂視智能電視背后的AI到底是光說不練，還是既不說也不練？即樂視根本就缺乏結合自身業務的AI的理念、技術和支撐及清晰的發展路徑。既然如此，智能電視中的AI從何而來？即便是推出了所謂具備AI的智能電視，其中AI的含金量能有多高？
提及相關信息的透露，我們在此需要補充說明的是，今年8月14日，小米萬韶華博士成功地在FDDB人臉檢測準確率榜上使用新算法(基于深度卷積網絡：Faster RCNN Bootstrapped by Hard Negative Mining)排名第一（FDDB是由馬薩諸塞大學計算機系維護的全球權威的人臉檢測評測平臺，其官網曾在第一時間證實了小米研發人員獲得全球第一的消息），而眾所周知的是，人臉檢測技術是很多技術與應用的基礎，既需要大量數據，也需要強大的算法與其匹配。
當然小米今天在AI領域取得今天的進展絕非是一日之功，早在6年前，小米就已經涉足AI的研發，2013年，小米電視便在人工智能領域展開了研發與探索，通過構建很多隱層的人工神經網絡模型，從海量的影視數據中不斷學習，形成了一個多層的深層結構，在圖片識別、語音識別、語義理解、意圖分析等人工智能領域取得了顯著成效。可見對于AI是個厚積薄發的領域，需要的是創新和積淀。相比之下，樂視在AI領域幾乎沒有任何的技術積淀（2014年才推出智能手機和電視）。
如果說之前在Soundbar、分體電視，曲面屏電視，樂視更易模仿，甚至抄襲小米智能電視加之樂視慣用的“說”而給業內造成樂視與小米電視旗鼓相當的錯覺，那么到了新一輪真正具備AI功能的智能電視的較量，就如前述，AI需要的是龐大的用戶基數及數據、數據的統計、分析、學習能力和相關AI基礎設施的支撐和技術的積淀，是系統化的AI（不僅是簡單某個標榜AI名詞的技術），絕非簡單的跟風和模仿就可以實現的。也許正是意識到這種差距，樂視是不是刻意讓AI在此次美國發布的智能電視中消失了？