人工智能应用落地怎样走出困境

【产业链图谱 | 人工智能产业链图谱_人工智能产业链全景图】

【研究报告 | 人工智能行业研究报告】

       近几年的人工智能技术在不断推进，人工智能产品也在进入人们的视野。但是技术的不断更迭背后是技术的应用落地难问题，在发展科技的过程中，怎样将科技进步体现为实用价值也是需要引起重视的问题。

　　当前人工智能产业状况

　　无论是谷歌、苹果、阿里、腾讯等巨头，还是众多创业公司，都在围绕人工智能下苦工。成果自然是显著的，人工智能技术在深度学习的加持下有了长足的进步。而从国家层面看，去年7月国务院发布《新一代人工智能发展规划》。在纲要中就提出：到2030年，使中国成为世界主要人工智能创新中心。

　　技术突飞猛进、国家政策支持，怎么看人工智能都站在了风口上。而且在中国发展人工智能又有着得天独厚的条件：深度学习算法模型的训练需要大规模数据集，中国各行业沉淀着大量数据。为此，很多人工智能企业都将中国当做人工智能商业落地的主战场。

　　但事与愿违的是，技术实力并不等于变现能力，技术领先也不一定就具有商业价值。《2018中国人工智能商业落地研究报告》中还包括了一份“2018中国人工智能商业落地100强榜单”，这份榜单凸显出当下中国人工智能商业落地之痛。

　　2018年预计营业收入在10亿以上的人工智能企业只有8家，绝大部分企业年营业收入不足2亿。此外，2017年中国AI商业落地100强创业公司累计产生的收入不足100亿元，90%以上的AI企业亏损。按照此前的各种数据预测，文娱、数码、制造等多个行业的人工智能潜在产值都在数千亿乃至上万亿元左右，但现实却是如此的残酷。

　　AI巨头表态会把技术做精

　　商汤科技徐持衡认为，开放和免费的环境对行业整体来说大有裨益，能帮助大众从不同行业角度去理解人工智能的价值。“这个价值在于大数据，让人工智能服务行业，更好去执行‘1+1+X’行业生态的打造”。商汤科技一直坚持“1+1+X”的模式，即“通过最核心的最新的技术，加上产品和解决方案的包装，再跟行业做深度的捆绑”。他表示，未来商汤将致力于“把技术做精做细，让深度学习不断从云走向端，更好服务每一个人。”

　　云从科技的副总裁孙庆凯认为，2018年将是人工智能洗牌的一年，相对于更重科研的商汤，云从 “更实际一点”，短期内仍将集中于金融和安防领域，因为“我们有比较好的基础，未来还会尝试转向航空方向的发展”。他强调，“对投资人的回报，最重要的是能生存和挣钱，所以还是真正把技术应用到实际的客户的需求上去”，所以云从未来会秉持“AI+行业、AI+需求和AI+场景”的原则，继续努力。

　　汇医慧影CMO高荣强认为，让人工智能场景化落地并且具有商业化的能力是很重要的，关键在于把人工智能的整个体系有效地融入到每一个诊疗流程中。“其他人工智能公司还没有意识到，是因为他们的用户数量还不够多。我们的医院用户达到800家，需求是非常明显的。”

　　对于多数公司免费提供人工智能产品的现状，高荣强直言：“免费提供确实能让人工智能的概念迅速渗透各个行业，但医疗领域相对传统和保守。免费提供的产品也会使市场鱼龙混杂，而在医疗领域最为金贵的是使用成本。如果我们免费提供好的技术的话，反而会让医疗专家不太信任。我们有好的技术，就不怕价格战。”

　　人工智能应用落地问题及发展建议

　　基础研究与实践联系不紧密，要统筹协调促进研发资源聚合。在研发方面，我国人工智能研发主力集中于科研院所(国外主要集中于大企业)，并且研究力量比较分散，研发经费也呈现撒胡椒面式的碎片化，这难以聚集力量解决重点问题。可借鉴美国成立国防高级研究计划局、Google X实验室、Facebook人工智能研究院的经验，成立我国人工智能国家实验室和人工智能产学研协同创新中心，打通政产学研用各环节，促进研发资源聚合。

　　针对数据孤岛和数据碎片化问题，可建立开放共享的大数据公共资源。由于数据表示与语义的异构性、数据的开放性等问题，导致人工智能在落地过程中出现种种问题。在异构性方面，由于许多行业的数据积累在数据标准规范上缺乏预先定义可广泛适用的元数据描述，其数据集远未达到可充分发挥人工智能技术潜能的程度。在开放性方面，一些企业从商业利益出发限制了数据的共享和流转，监管部门出于安全考虑对人工智能应用提出了更为严格的要求。因此，解决高质量大数据短缺问题是人工智能应用落地的关键，未来需要在整合异构数据源、建立一些开放共享的大数据公共资源库等方面多做努力。

　　缺乏完整的产业生态体系，应围绕特定应用场景开发定制AI芯片。目前，我国仍然缺乏完整的人工智能产业生态，特别在基础硬件(芯片)领域。未来应加快补齐基础层软硬件短板，可围绕一些特定应用场景(如智能手机、无人机、智能驾驶、服务机器人等)，从硬件实现角度颠覆性地突破类脑神经芯片，如深度卷积神经网络芯片等。

　　缺乏顶尖级创新型资深人才，可借助互联网实现AI技术教育泛化。根据LinkedIn发布的《全球AI领域人才报告》，2017年第一季度全球人工智能人才超过190万人，其中美国拥有85万以上，中国拥有约5万。美国人才多集中于人工智能基础层和技术层，而我国多集中于应用层，并且同时掌握实践能力和理论能力的研究人员比较稀缺。未来，应增强我国人才自身造血能力，可考虑借助互联网让人工智能教育实现泛化(如借鉴国外大规模在线教育Coursera等)，降低个体获得人工智能前沿技术的门槛。

人工智能的概念走红后，多家互联网巨头纷纷入局，掀起价格战甚至是免费战，比如百度率先以免费手段去推广普及人脸识别、语音识别模式。对此各创业公司表示不畏价格战，更注重企业的自我完善。

      随着人工智能成为人们的关注热点，现在的互联网公司也开始了新的一轮竞争，以争夺竞争市场为竞争的主要目的，除了市场份额之外，提高科技技术的精准和技术性也是一个重要课题。