前言:

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。

當人工智能走出實驗室,走進生產(chǎn)車間等實際場景的過程中,依然面臨著巨大挑戰(zhàn)。

作者 | 方文

AI泡沫本質(zhì)上是價值支撐不足

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公司的實際業(yè)務撐不起估值。

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

從當前資本市場的情況來看,人工智能的大風依然強勁,但相比此前在輿論場的一呼百應,AI概念的嚴肅性已經(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。當各種產(chǎn)品的宣傳物料上寫的全是[AI],卻沒幾個讓人真正感受到技術的作用,很難不讓人覺得這是個偽風口。

國內(nèi)企業(yè)AI落地現(xiàn)狀

根據(jù)埃森哲《中國企業(yè)人工智能應用之道》面對全球企業(yè)高管的調(diào)研顯示:高達79%的中國企業(yè)高管認為,他們必須借助人工智能來實現(xiàn)業(yè)務增長目標。

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

高質(zhì)量數(shù)據(jù)缺乏、行業(yè)壁壘高、應用場景不清晰是當前人工智能與行業(yè)深度融合的主要瓶頸,應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)字化意愿并不強烈。到了AI時代,企業(yè)的數(shù)據(jù)基礎不扎實,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,而無論是算力設備的購置費用還是技術人員對算法優(yōu)化的時間、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、標準化、高質(zhì)量的數(shù)據(jù),AI應用可能就是無米之炊、無源之水。

AI讓企業(yè)開始習慣于大量依賴機器幫忙做決策。在這個過程中會帶來隱私保護、AI可信度、倫理和社會的問題等,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)新都是點狀的、實驗性質(zhì)的、局部的創(chuàng)新,缺少規(guī)�；�、商業(yè)化、運行態(tài)的布局。

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

AI落地的行業(yè)場景化應用

各行業(yè)當下面臨的痛點有所不同,如金融行業(yè)面臨成本壓力、產(chǎn)品服務單一、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。這一進程需要時間和持續(xù)投入,但也是生產(chǎn)力迭代趨勢。

未來還是要結(jié)合場景和用戶體驗去重新設計,用 AI 本身的方式思考,才會產(chǎn)生真正的 AI 應用。

未來,可以肯定的是人工智能將能夠在特定領域?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?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技術正處于普及爆發(fā)的前夜

2018年,AI領域投資事件共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構(gòu)和產(chǎn)業(yè)資本。

資本華麗登臺的另一面是,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。

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

對于各個公司、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)機會。

預計從現(xiàn)在到2030年,人工智能的發(fā)展將使全球GDP增長14%,相當于對世界經(jīng)濟額外貢獻了15．7萬億美元,其中AI將帶動中國GDP增加7萬億美元。

商業(yè)落地呼喚標準配套

只有把應用做起來,底層AI芯片、軟件技術才能夠在應用過程中更扎實。

人工智能端到端完成一個項目落地至少需要3—6個月的時間,整個過程存在一定的復雜性,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,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)、云計算等新型信息技術融合越來越深入。

今年7月發(fā)布的《人工智能標準化白皮書(2021版)》中指出,深度學習框架依賴的生態(tài)建設、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。

我國深度學習框架起步較晚,在算法、芯片、終端和場景應用方面尚未擺脫對國外深度學習框架的依賴。

然而,國內(nèi)人工智能測試體系尚未形成,現(xiàn)有測試基準的測試內(nèi)容和模型高度重復,還未形成成熟的功能、性能測試基準,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標準化進程加速

規(guī)范標準也是國內(nèi)人工智能現(xiàn)階段發(fā)展的關鍵詞之一。賽迪顧問統(tǒng)計數(shù)據(jù)顯示,2019年,中國人工智能產(chǎn)業(yè)規(guī)模達到1291．4億元,同比增速為30．8%。

預計到2022年,中國人工智能產(chǎn)業(yè)規(guī)模達到2621．5億元。

國內(nèi)人工智能產(chǎn)業(yè)高速發(fā)展,場景應用逐漸豐富化,隨著產(chǎn)業(yè)復雜度的提高,相關標準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準體系建設指南》;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)應用的人工智能開源評測基準AI-Rank。

人工智能技術落地的關鍵環(huán)節(jié)

①技術的突破:一家成功的人工智能公司必須有一定的技術積累和壁壘。

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

③團隊的建設和成長:起步階段頂尖的技術和商業(yè)團隊的搭建需要大量工作,快速成長的過程中人員不斷擴充也會帶來各種問題,如何增效降本、保持創(chuàng)新風氣很關鍵。

④標準制定:對具體行業(yè)具體場景下的人工智能技術應用進行規(guī)范化、標準化,保證整個行業(yè)的生態(tài)健康發(fā)展。

結(jié)尾:

科技創(chuàng)新的發(fā)展軌跡從來都不是線性的,總會需要一個從蓄力到爆發(fā)、從量變到質(zhì)變的過程。關于AI的故事,才剛剛開始。

部分資料參考:虎嗅APP:《該讓AI落地了》,鎂客網(wǎng):《真正落地的AI應用應該是什么樣?》,智東西:《一個AI平臺背后的AI產(chǎn)業(yè)落地真相!專訪大華股份AI掌舵人殷俊》,機器之心:《從1到N,AI落地現(xiàn)在進行時》,第一財經(jīng):《中科智云CEO:傳統(tǒng)行業(yè)需求碎片化,AI落地挑戰(zhàn)很大》,澎湃新聞:《專訪上海人工智能研究院CTO:探索新基建下的AI技術落地》,鈦媒體APP:《AI面臨產(chǎn)業(yè)大考:落地雖難,但產(chǎn)業(yè)化路徑已日漸清晰》,科技日報:《李開復:農(nóng)業(yè)是AI落地的最好場景》,人人都是產(chǎn)品經(jīng)理:《盲目崇拜不可取,AI需要落地》

本公眾號所刊發(fā)稿件及圖片來源于網(wǎng)絡,僅用于交流使用,如有侵權(quán)請聯(lián)系回復,我們收到信息后會在24小時內(nèi)處理。