5年過去,曾經(jīng)擊敗了人類的AI,在走入商業(yè)世界的過程中卻并不那么順利。

當(dāng)人工智能走出實(shí)驗(yàn)室,走進(jìn)生產(chǎn)車間等實(shí)際場景的過程中,依然面臨著巨大挑戰(zhàn)。

AI泡沫本質(zhì)上是價(jià)值支撐不足

與巨頭創(chuàng)始人或投資人對AI的種種暢想形成鮮明對比的是,智能場景往往只存在企業(yè)的PPT里。

之所以要一邊燒別人的錢,一邊拿別人的錢去燒,本質(zhì)是AI公司的實(shí)際業(yè)務(wù)撐不起估值。

落地慢、場景窄、商業(yè)化需要時(shí)間,拿了大額融資的AI公司要撐起估值,回應(yīng)資本的期待,只能靠投資別的企業(yè)來完成。

從當(dāng)前資本市場的情況來看,人工智能的大風(fēng)依然強(qiáng)勁,但相比此前在輿論場的一呼百應(yīng),AI概念的嚴(yán)肅性已經(jīng)在很大程度上被消解,AI泡沫的論調(diào)頻頻出現(xiàn)。

AI泡沫論的出現(xiàn),很大程度和廠商的浮夸營銷有關(guān)。當(dāng)各種產(chǎn)品的宣傳物料上寫的全是[AI],卻沒幾個(gè)讓人真正感受到技術(shù)的作用,很難不讓人覺得這是個(gè)偽風(fēng)口。

國內(nèi)企業(yè)AI落地現(xiàn)狀

根據(jù)埃森哲《中國企業(yè)人工智能應(yīng)用之道》面對全球企業(yè)高管的調(diào)研顯示:高達(dá)79%的中國企業(yè)高管認(rèn)為,他們必須借助人工智能來實(shí)現(xiàn)業(yè)務(wù)增長目標(biāo)。

但其中,有52%的中國企業(yè)高管人員坦言,人工智能試點(diǎn)容易,但當(dāng)設(shè)法將人工智能推廣至全企業(yè)時(shí),難度較大。

高質(zhì)量數(shù)據(jù)缺乏、行業(yè)壁壘高、應(yīng)用場景不清晰是當(dāng)前人工智能與行業(yè)深度融合的主要瓶頸,應(yīng)用場景難融合也意味著AI企業(yè)落地難。

①我國人力資源充裕,很多傳統(tǒng)行業(yè)的數(shù)字化意愿并不強(qiáng)烈。到了AI時(shí)代,企業(yè)的數(shù)據(jù)基礎(chǔ)不扎實(shí),也就難以承載起上層的智能化轉(zhuǎn)型。

②如今算力需求呈現(xiàn)指數(shù)級增長,而無論是算力設(shè)備的購置費(fèi)用還是技術(shù)人員對算法優(yōu)化的時(shí)間、人員和金錢的巨大投入。

④數(shù)據(jù)是制約AI成功落地的一大因素。如果缺少統(tǒng)一、標(biāo)準(zhǔn)化、高質(zhì)量的數(shù)據(jù),AI應(yīng)用可能就是無米之炊、無源之水。

AI讓企業(yè)開始習(xí)慣于大量依賴機(jī)器幫忙做決策。在這個(gè)過程中會(huì)帶來隱私保護(hù)、AI可信度、倫理和社會(huì)的問題等,這些都是AI在落地過程中需要解決的。

大多數(shù)企業(yè)的AI創(chuàng)新都是點(diǎn)狀的、實(shí)驗(yàn)性質(zhì)的、局部的創(chuàng)新,缺少規(guī)?；?、商業(yè)化、運(yùn)行態(tài)的布局。

因此,人工智能在互聯(lián)網(wǎng)領(lǐng)域的攻城掠地有多順利,在實(shí)體經(jīng)濟(jì)中的落地就有多困難。

AI落地的行業(yè)場景化應(yīng)用

各行業(yè)當(dāng)下面臨的痛點(diǎn)有所不同,如金融行業(yè)面臨成本壓力、產(chǎn)品服務(wù)單一、交易欺詐等;醫(yī)療與教育行業(yè)資源分配不均的問題突出;

也就是說,人工智能需求廣闊,其商業(yè)模式是滲透到各行各業(yè),提高行業(yè)效率。這一進(jìn)程需要時(shí)間和持續(xù)投入,但也是生產(chǎn)力迭代趨勢。

未來還是要結(jié)合場景和用戶體驗(yàn)去重新設(shè)計(jì),用 AI 本身的方式思考,才會(huì)產(chǎn)生真正的 AI 應(yīng)用。

未來,可以肯定的是人工智能將能夠在特定領(lǐng)域?qū)崿F(xiàn)快速突破,而企業(yè)需要從自身所處的商業(yè)、工業(yè)和生存環(huán)境中選擇恰當(dāng)?shù)慕嵌?去定義特定場景,從而讓人工智能可以針對性突破并解決問題。

目前AI技術(shù)正處于普及爆發(fā)的前夜

2018年,AI領(lǐng)域投資事件共410起,投資總額1078億元。人工智能逐漸擠滿了幾乎中國所有的主流投資機(jī)構(gòu)和產(chǎn)業(yè)資本。

資本華麗登臺(tái)的另一面是,AI落地的過程不太優(yōu)美。數(shù)據(jù)顯示,2017年,90%以上AI企業(yè)處于虧損階段,商業(yè)化落地成為眾多人工智能企業(yè)發(fā)展的痛點(diǎn)。

AI將成為未來企業(yè)發(fā)展的一個(gè)必選項(xiàng)和企業(yè)的關(guān)鍵競爭力,這是毋庸置疑的。

對于各個(gè)公司、行業(yè)和國家來說,人工智能將是未來幾十年里最大的商業(yè)機(jī)會(huì)。

預(yù)計(jì)從現(xiàn)在到2030年,人工智能的發(fā)展將使全球GDP增長14%,相當(dāng)于對世界經(jīng)濟(jì)額外貢獻(xiàn)了15．7萬億美元,其中AI將帶動(dòng)中國GDP增加7萬億美元。

商業(yè)落地呼喚標(biāo)準(zhǔn)配套

只有把應(yīng)用做起來,底層AI芯片、軟件技術(shù)才能夠在應(yīng)用過程中更扎實(shí)。

人工智能端到端完成一個(gè)項(xiàng)目落地至少需要3—6個(gè)月的時(shí)間,整個(gè)過程存在一定的復(fù)雜性,需要有一系列選型方案的指南。

以前產(chǎn)業(yè)界更側(cè)重于算法,近幾年算法開始和工程開源齊頭并進(jìn),業(yè)內(nèi)越來越重視軟硬件協(xié)同發(fā)展,人工智能與大數(shù)據(jù)、云計(jì)算等新型信息技術(shù)融合越來越深入。

今年7月發(fā)布的《人工智能標(biāo)準(zhǔn)化白皮書(2021版)》中指出,深度學(xué)習(xí)框架依賴的生態(tài)建設(shè)、測試體系不夠全面是我國人工智能產(chǎn)業(yè)發(fā)展目前遇到的兩大問題。

我國深度學(xué)習(xí)框架起步較晚,在算法、芯片、終端和場景應(yīng)用方面尚未擺脫對國外深度學(xué)習(xí)框架的依賴。

然而,國內(nèi)人工智能測試體系尚未形成,現(xiàn)有測試基準(zhǔn)的測試內(nèi)容和模型高度重復(fù),還未形成成熟的功能、性能測試基準(zhǔn),這將制約人工智能產(chǎn)品打開市場、獲得市場信任度。

國內(nèi)AI標(biāo)準(zhǔn)化進(jìn)程加速

規(guī)范標(biāo)準(zhǔn)也是國內(nèi)人工智能現(xiàn)階段發(fā)展的關(guān)鍵詞之一。賽迪顧問統(tǒng)計(jì)數(shù)據(jù)顯示,2019年,中國人工智能產(chǎn)業(yè)規(guī)模達(dá)到1291．4億元,同比增速為30．8%。

預(yù)計(jì)到2022年,中國人工智能產(chǎn)業(yè)規(guī)模達(dá)到2621．5億元。

國內(nèi)人工智能產(chǎn)業(yè)高速發(fā)展,場景應(yīng)用逐漸豐富化,隨著產(chǎn)業(yè)復(fù)雜度的提高,相關(guān)標(biāo)準(zhǔn)也亟待解決配套問題。

在2020年7月印發(fā)了《國家新一代人工智能標(biāo)準(zhǔn)體系建設(shè)指南》;同年12月,智用研究院、百度、浪潮聯(lián)合發(fā)布面向產(chǎn)業(yè)應(yīng)用的人工智能開源評測基準(zhǔn)AI-Rank。

人工智能技術(shù)落地的關(guān)鍵環(huán)節(jié)

①技術(shù)的突破:一家成功的人工智能公司必須有一定的技術(shù)積累和壁壘。

②場景的探索:找到一個(gè)商業(yè)上可行、可拓展性良好,并且技術(shù)上可實(shí)現(xiàn)的場景是非常困難的,很多優(yōu)秀的技術(shù)公司都在這個(gè)環(huán)節(jié)投入了大量的精力。

③團(tuán)隊(duì)的建設(shè)和成長:起步階段頂尖的技術(shù)和商業(yè)團(tuán)隊(duì)的搭建需要大量工作,快速成長的過程中人員不斷擴(kuò)充也會(huì)帶來各種問題,如何增效降本、保持創(chuàng)新風(fēng)氣很關(guān)鍵。

④標(biāo)準(zhǔn)制定:對具體行業(yè)具體場景下的人工智能技術(shù)應(yīng)用進(jìn)行規(guī)范化、標(biāo)準(zhǔn)化,保證整個(gè)行業(yè)的生態(tài)健康發(fā)展。