AI的产业化之路

图片来自“特定授权”国际数据公司发布的最新报告《中国人工智能软件与应用跟踪》。报告显示，2018年中国人工智能市场规模达到17.6亿美元，到2021，约75%的企业应用将使用人工智能；到2022年，中国人工智能市场规模将达到98.4亿美元。人工智能到底是什么？我相信每个人心中都有一定的疑虑。谈到人工智能，人们首先想到的是未来的机器人，它可以像人类一样独立思考，模仿人类的行为，帮助人类解决问题。如果从人工智能未来的最终发展方向来看，这种认知不是问题，因为这是机器开发的最终目标。但在人工智能产业发展的道路上，如此深刻的思考和认知都依附于人工智能，这让它变得过于神秘。2019年11月，在长江商学院举行的以“祛魅人工智能，让技术回归理性”为主题的成立大会上，从更实际、更简单的角度阐述了人工智能的发展和理解。通过人工智能只是服务业应用的基本工具属性这一事实，探讨了人工智能产业化道路上的基本问题。人工智能正在遍地开花，其成熟度还早在2019年。Gartner发布了人工智能技术的最新成熟度曲线，也揭示了人工智能行业的发展现状和实际应用。当一项典型的新技术出现时，人们对它的最初期望会迅速增加。达到顶峰后，会产生行业泡沫，然后热度会回落到本质。最后，它将进入一个合理的增长期，并发展成为一个成熟的行业。这是许多行业无法摆脱的曲线现象。

从2019年技术成熟度曲线的发展趋势来看，情感AI和机器学习正处于快速增长期；生物芯片技术、人工智能服务平台、边缘人工智能、无人驾驶L5都处于预期峰值的泡沫区；计算机视觉和自动驾驶L4已经从高峰期开始衰落，并逐渐回归商业发展的本质。从技术的具体应用和实施所需的时间来看，在2-5年的短期内，边缘分析和边缘人工智能，以及5G部署和实施的加速，是最早实现商业化实施的技术；人工智能服务平台、机器学习和生物芯片技术至少需要5-10年才能实现真正成熟的发展；目前，最受关注和广泛认可的自动驾驶技术需要十多年甚至更长的时间才能最终应用。从上面可以看出，人工智能的产业化是一条漫长的道路，任何技术的成熟和应用都不是一蹴而就的。其中，一些公司为了炒作概念，跟上发展趋势，追求快速商业化和货币化，随意将一些产品或技术贴上人工智能开发的标签，形成伪人工智能局面。这对人工智能行业的投资和人工智能企业的发展都是不健康的。软银中国合伙人宋安澜博士表示，“人工智能催生了许多新的行业，从0到1，但与此同时，人工智能对现有行业的影响是从1到无穷大。”因此，在人工智能行业的发展中，行业投资者和商业领袖需要不断认识到人工智能的工具属性，确定真正的人工智能技术的发展路径，实现人工智能从0到1到N的全面发展。在实施人工智能转型时，不能缺少数据和责任。当人工智能在实践中应用时，许多人将人工智能等同于数字化，但事实上，两者是共同驱动关系的。人工智能作为数字化转型中非常强大的工具，加速了行业的数字化转型；

在行业数字化发展的过程中，人工智能技术将得到衍生或推广。在人工智能转型的实施中，数据是一个重要的底层支撑。是否有足够的数据，是否能够可视化，是否具备利用数据进行决策的基本条件，决定了人工智能能否全面成功落地。其中，足够的数据并不一定意味着大量的数据积累。在这些海量数据中，哪些数据是真实有效的，哪些数据经过分析后能够产生有效价值，这一点至关重要。尽管互联网的发展带来了数据量的爆炸式增长，但真正可以用于机器学习的分析数据是极其宝贵的。因此，可视化数据和结构化数据变得非常关键。数据的使用还涉及另一个敏感问题，即“隐私”。无论是企业还是个人，数据使用的安全性、隐私性和合规性都至关重要。任何企业或个人都不希望自己的数据被自由采纳或公开出售。人工智能的转化是基于数据的，数据的收集是基于被收集个人的信任。在这个过程中，人工智能企业的责任是不能缺少的。实体行业的人工智能之路，机遇与问题并存，”TCL企业首席技术官孙莉表示，“当人工智能应用于传统企业的各种产品和场景时，需要大量的支持工程，如边缘计算框架、工程优化和SaaS系统。而且，每个应用场景都需要定制化的算法、产品芯片、算力等，如何找到更好的工程实践，贡献产品溢价，是一个非常重要的课题。传统行业在面对人工智能的趋势时，都在不断探索和结合。在可预见的未来，转型带来的问题和痛苦对企业来说是不可避免的。传统行业有固定的生产模式、配套的产业链和相应的销售渠道，但在智能化背景下，传统行业的生产效率、受众和后续服务似乎明显不足。但立即转向人工智能并为新的生态系统赋能是不现实的，这甚至可能使传统企业陷入困境。因此，传统企业在开发人工智能时普遍面临以下问题：1。如何建立自己的人工智能团队，评估人工智能可以通过人工智能人才带来的商机和影响，实现企业道路上的转型2。企业的内部运营需要大量的云服务。如何有效利用人工智能技术提高内部运营效率3。如何利用人工智能技术实现企业服务人群的精准覆盖和潜在受众扩展4。如何在产品销售后系统地收集数据并将其转化为数据资产，促进人工智能反馈产品体验，如何围绕产品系统地构建智能连接技术，如云平台、数据中心、人工智能平台等5。如何构建整个营销和售后服务链的数字化平台，利用人工智能更好地服务用户，提高企业运营效率。对于人工智能的产业化来说，成熟的技术是首要需要面对的问题，其次是如何更好地将技术与产业融合，真正实现人工智能产业化发展。随着人才政策和教育体系的完善，人工智能所需技术人才的短缺将得到进一步补充。至于人工智能在行业中的赋能，还需要实施更多的技术实践和解决方案。通过人工智能创业公司，他们可以不断明确自己的商业模式，丰富自己的商业落地场景。

标签：大众

汽车资讯热门资讯