写在前面

【WeThinkIn出品】栏目专注于分享Rocky的最新思考与经验总结，包含但不限于技术领域。欢迎大家一起交流学习💪

这篇文章发布的时候，应该已经是2023年了。在这里Rocky祝大家元旦快乐！

2022年，全球局势，疫情，新经济周期等不同维度的因素影响着大家生活的方方面面。Rocky回想这一年里经历的事和走过的路，既不轻松，也不认怂，相信这也正是2022年的魅力所在。

作为2022年的年度总结文章，Rocky力求以最真实，最深刻，最从容的方式，向大家呈现Rocky最核心的思考，判断以及经验感悟，希望能与大家共勉。

So，enjoy（与本文的BGM一起食用更佳哦）：

正文开始

----【目录先行】----

年度总结与感悟（业务，竞赛，研究）
对AI行业的思考和判断
未来的注意力布局
新年愿景

年度总结与感悟（业务，竞赛，研究）

再过两个月，Rocky就将正式工作两年了。校园中饮酒高歌说文章的情景犹如昨日，不得不感叹光阴似箭，Rocky越来越感觉到时间的珍贵。

也希望和WeThinkIn一路同行的小伙伴们，能将时间都投入到自己热爱的事业中，并且不断的微调提升我们的投如产出比，在新的一年里能从容使用时间，能够持续成长！

过去的一年里，还是比较充实的，Rocky一直督促自己前进，依然有持续的对自己思考的压迫，就像学生时代创业时一样。

接下来，Rocky将从业务，竞赛以及研究这三个方面展开，谈谈自己的经验感悟：

业务侧

Rocky在业务侧最大的成长是，从单模块到算法解决方案的视角转换。Rocky将业务主要分为核心现金流业务，创新业务以及demo/一次性外包业务。

依托核心现金流业务可以梳理算法解决方案的整体开发与交付流程；通过创新业务可以扩展技术栈，协同上下游部门，获取增量空间。而demo/一次性外包业务是需要我们尽量规避的。

在未来的整个趋势中，不计成本的扩大规模来获取市场占有率的逻辑已经不成立了，各个公司会更重视现金流，所以在核心现金流业务的支持下，适当进行创新业务的探索，会更务实，更从容。

学生时期，Rocky在互联网大厂，AI独角兽，传统科技公司，国有企业里进行AI项目的开发与落地。而现在有了近两年的正式工作经验后，Rocky开始回顾当初的这些经历，有了很多新的思考，原本很多的困惑到现在都想通了。

在互联网大厂，传统科技公司以及国有企业，使用AI赋能原本的现金流业务与平台是最有价值的，因为很显然，纯AI研究院不但巨量烧钱且并不带来现金流回报，这个在新经济周期中是致命的。

Rocky这边总结了业务侧的整个算法解决方案架构，不同维度的公司按照这个逻辑走都是可以用AI赋能的：

竞赛侧

2022年Rocky多次参加算法竞赛，都是在CVPR，AAAI以及Kaggle等平台上举办的CV方向Competitions，也多次获得了冠军和top1%成绩，并在这些平台中与大家进行了学术交流和探讨。

在算法竞赛的厮杀过程中，Rocky也总结了一套算法竞赛方法论，在这里分享给大家：

赛题分析，问题定义。如何提炼赛题核心，并进行建模非常关键。
数据EDA（Exploratory Data Analysis）。磨刀不误砍柴工，对数据进行分析挖掘，有时往往能发现一些优化方向，对数据整体特征也会有较好的把握。
模型baseline设计&&优化。一般选择该细分领域的SOTA模型或者竞赛打榜热门模型做baseline入场；再针对竞赛赛题的特点对模型结构进行针对性的优化。
数据工程。针对赛题特点对数据进行增强，包括线下增强和线上增强等。
设计前处理和后处理。通过一些前处理算法与后处理算法对模型进行更多的约束，提升模型综合性能。
优化方法的消融实验。高效的消融实验非常重要，因为深度学习模型训练时间一般较久，如果一个实验跑一周的话在竞赛中是完全不行的。
线上结果反馈，根据线上结果倒逼1-6步的推进，从而形成正向的优化循环。
竞赛过程保持良好的心态。竞赛短则1-2个月，长则半年，不同的竞赛时间段都需要保持一个合适的心态，在竞赛前期不要放松，在竞赛中期不要焦躁，在竞赛后期冲刺时保持心态平稳。
竞赛所在细分领域的奇技Trick。这些Trick往往非常有效，且历经时间的考验。

当然的，完成竞赛不是最终的目的，将竞赛成果与思考向业务侧和研究侧进行迁移，才会更加有价值。并且顶级算法竞赛的冠军成绩也有助于公司AI影响力的提升。

研究侧

2022年Rocky也发表了一篇paper，撰写了多篇专利，算是对AI安全这个研究方向入了一个门吧，还有很多需要学习成长的地方。在这里Rocky也浅谈一下在工业界科研的一些感悟。

首先，我们需要有工业界科研的大局观。工业界科研与学生时代的科研完全不同，因为公司里所有工作会与绩效挂钩，研究也不例外。我们不能像在学校那样，花一年甚至两年的时间去进行研究，甚至一天中花在研究的时间也只能占工作时间的20%-30%左右，我们更需要在业务侧去沉淀与成长。

加上人工智能再次遇到理论发展瓶颈，坦率来说只靠发paper来融资的模式或者发paper拉拉二级市场股价的模式都已经一去不复返了。在这个大背景下，工业界科研是一个需要对投入产出比进行不断微调的事。

因此，从业务、竞赛中找问题，进行拓展研究，并及时将阶段性成果反馈到业务与竞赛中，彼此之间相辅相成，互相促进，不再只拘泥于发paper，而是顺势而为，用创业逻辑来平衡期望。这是Rocky与自己和解的一种方式。

对AI行业的思考和判断

Rocky认为，未来在新的环境里，增长模式已经发生本质变化，牺牲当前现金流来换取规模增长的模式已经不符合当前实际，造血能力重新成为企业的经营焦点，AI行业也不例外。

在AI行业中，虽然出现越来越多fancy的模型与算法，并且有持续大量的顶会论文发表，但整体来看AI公司本身的产品化能力和营收增长以及利润率并没有那么强，一直无法在C端推出高市场占有率的产品。

于此同时，工业界，学术界，投资机构以及从业者对AI的可能性都有了一个比较务实的判断，一切都回归理性了。那么，2023年，将是业界持续降本增效，持续优化的一年，各个公司都会求稳和落地优先。

AI需求整体上存在碎片化严重，毛利较低的情况。AI赋能万物的逻辑也会在现实的“汪洋”中漂浮不定，因为每个行业都有非常复杂的业务逻辑和生态链，AI技术最多只能代替其中的某一个环节，并且依然存在很多限制条件。

Rocky的判断是，很多自动驾驶方案公司可能会转型成扫地机器人公司，很多纯AI公司可能会成为碎片需求算法API公司，各个相关公司中的边缘部门和纯AI研究院可能会全线收缩和优化。

现在行业正处于一个充满不确定的、需要做出改变的时刻，但同时也充满机会的时刻。如何决策，如何做出合理规划，如何建立完备的思考模型，将对未来产生至关重要的作用。

未来的注意力布局

Rocky认为，未来AI行业应该从技术维度向市场维度进行转换，从而更好地看待行业问题。有差异化市场空间，能走通现金流闭环，再不断加深技术护城河，是更务实的一种模式。Rocky这里主要将市场分为成熟前的市场，正在成熟的市场以及成熟的市场三个视角。

成熟前的市场主要包括元宇宙等概念型产业，正在成熟的市场包括AIGC，数字人，自动驾驶，AI安全，AI平台等不断发展落地型产业，成熟的市场包括安防，教育等稳中求变型产业。

以成熟市场为支撑，不断深入梳理业务开发逻辑与商业闭环，并将成功经验逐步向正在成熟的市场拓展，并在宏观战略角度持续关注成熟前的市场动向，以上就是Rocky未来的注意力布局，也希望能给大家带来一些思考与启发。

当然的，将战略升到最高维，未来Rocky也会坚定不移的持续聚焦中国，看好中国。

新年愿景

2023年，WeThinkIn依旧会秉持宁缺毋滥的原则，尽量保持周更，将Rocky最新的思考与感悟，通过文章的形式记录下来，分享给大家，也送给自己。
总结这一年多的文章撰写与公众号运营经验，Rocky重新梳理了WeThinkIn宇宙的栏目序列，合并了一些栏目，也增加了一些新栏目，后续的文章也会从这些栏目视角出发去进行撰写：