老实说，TMD过得很悲壮的。感觉像做了一场恶梦。我还经常以为现在才是2018年的新春，放佛2018年没有来过一样。

    如何才能活得明白？

    人生总是一段段的，每一段时间的对感悟都不一样。生日，是一个人来到世上的纪念日；有时候，他也会让你反思：你来到人间这些年，你活明白了吗？

    很多人，从学生时代开始不断努力，刻苦求学，过着穷学生的生活；毕业后努力工作，在一家大公司当螺丝钉，节衣缩食攒钱买房付首付，买车，还车贷、房贷，给父母养老钱，存钱给孩子更好的教育，到头来发现房子两套小的，车子有点旧，手上没啥余钱就退休了，等着领养老金过日子。

   30岁的时候，还有10年的时间可以大刀阔斧的奔袭，等40了，心态就会不一样了，到50岁、60岁了在商业上基本就是守成了，关心公益、慈善，健身，提携青年。

    想要活得明白，就得抓紧时间。

    信仰，激情，血性、劲悍、坚韧、力行。

                  外包？

    刚开春的时候，外包项目还很多的，我的很多外包项目都是公众号找过来的，我印象很深刻的有这些：智慧校园的，智慧小区的，自动驾驶嵌入式目标检测的，智慧零售的，搞导购车的，还有啥智慧建筑行业啦，七七八八的，有些就是试探性的需求，有些是真实的需求。

    搞AI的，刚入行的或者外行会觉得这东西很简单的，不就是拿些开源代码过来跑一下么？需求再多我也能抓住。

    认真做你会发现，首先，数据集长的不一样。发论文的开源代码都是规整的公开数据集，检测识别的物种跟实际的需要也不一样，需要标注训练集。训练集的标注也是需要算法工程师把控的，标签不干净你的模型也学不来。其次，数据集不一样，方法也要不一样，算法也要针对性的做调整优化。简单把论文里的算法拿过来套效果很差的。最后，发论文的代码都是些demo，你要做成一个稳定服务的产品还有很长的路要走，还需要不断debug。

    AI这个行业很奇葩的。刷几个比赛，哇塞世界冠军，事实上，在商业社会里，搞AI的技术服务商本质上是一个弱势的外包服务商。包括商汤、旷视这种。所以旷视都战略规划转型了。

    AI这个外衣光鲜的行业，事实上，脱去投资人和媒体记者加在身上的皇帝的新装，这个行业的奇葩事太多。

    第一，算法的服务价格压得是很低的。一方面，学术界的算法落地，需要现实的真实数据来不断优化，所以很多AI服务商都是低价格甚至免费来抢落地场景的，很多公司都是只要能够让他驻场开发，调试算法，就觉得成功了一半，蜂拥而至，这个是算法的层面；另一方面，从商业角度来讲，TOB的项目需要有样板间，你得拿出几个成熟像样的落地案例，才能打开市场和局面，所以先前的项目你就别想挣钱；还有一方面，如果说数据是企业的基石，那么AI更是企业的核心，这家企业连AI都外包给你做了，他这个决定其实是非常慎重的。

    第二，AI=>API，AI就是个P。有些搞算法的，一旦中了几篇顶会paper，就觉得自己算法非常牛逼，非常自信能够在商业世界里成功。事实上，这只是万里长征走完了第一步。首先，你提供一个API，数据集不一样，精度就不一样的，通用型的需求也许能解决，但AI落地关系到的因素太多。其次，一个API不是一个商业模式，你没有给人提供一个完整的服务，一个完整的产品包括：APP开发，后端架构，前端界面，数据库优化，高并发调度，而算法服务，只是这个里面的一个小模块，虽然他是很核心的东西，结果外面的产品是别人做的，数据的入口在产品研发的手上，你提供的算法跟终端用户根本不在一个世界。你的回报也是非常低的。最后，产品的核心是解决问题，学术界那些刷榜的算法实战起来并不一定奏效，而且一两个百分点的精度，对产品落地的效果影响很小。

    有一天晚上，项目上线。上线后报了不少bug。吭哧吭哧搞了个通宵，总算顺利交付了。哎，想想就身心俱疲。项目资金本来就少，还要做得很稳定漂亮。

必须寻找新的出路。（未完待续）