前言:
5年过去,曾经击败了人类的AI,在走入商业世界的过程中却并不那么顺利。
当人工智能走出实验室,走进生产车间等实际场景的过程中,依然面临着巨大挑战。
AI泡沫本质上是价值支撑不足
与巨头创始人或投资人对AI的种种畅想形成鲜明对比的是,智能场景往往只存在企业的PPT里。
之所以要一边烧别人的钱,一边拿别人的钱去烧,本质是AI公司的实际业务撑不起估值。
落地慢、场景窄、商业化需要时间,拿了大额融资的AI公司要撑起估值,回应资本的期待,只能靠投资别的企业来完成。
从当前资本市场的情况来看,人工智能的大风依然强劲,但相比此前在舆论场的一呼百应,AI概念的严肃性已经在很大程度上被消解,AI泡沫的论调频频出现。
AI泡沫论的出现,很大程度和厂商的浮夸营销有关。当各种产品的宣传物料上写的全是[AI],却没几个让人真正感受到技术的作用,很难不让人觉得这是个伪风口。
国内企业AI落地现状
根据埃森哲《中国企业人工智能应用之道》面对全球企业高管的调研显示:高达79%的中国企业高管认为,他们必须借助人工智能来实现业务增长目标。
但其中,有52%的中国企业高管人员坦言,人工智能试点容易,但当设法将人工智能推广至全企业时,难度较大。
高质量数据缺乏、行业壁垒高、应用场景不清晰是当前人工智能与行业深度融合的主要瓶颈,应用场景难融合也意味着AI企业落地难。
①我国人力资源充裕,很多传统行业的数字化意愿并不强烈。到了AI时代,企业的数据基础不扎实,也就难以承载起上层的智能化转型。
②如今算力需求呈现指数级增长,而无论是算力设备的购置费用还是技术人员对算法优化的时间、人员和金钱的巨大投入。
④数据是制约AI成功落地的一大因素。如果缺少统一、标准化、高质量的数据,AI应用可能就是无米之炊、无源之水。
AI让企业开始习惯于大量依赖机器帮忙做决策。在这个过程中会带来隐私保护、AI可信度、伦理和社会的问题等,这些都是AI在落地过程中需要解决的。
大多数企业的AI创新都是点状的、实验性质的、局部的创新,缺少规模化、商业化、运行态的布局。
因此,人工智能在互联网领域的攻城掠地有多顺利,在实体经济中的落地就有多困难。
AI落地的行业场景化应用
各行业当下面临的痛点有所不同,如金融行业面临成本压力、产品服务单一、交易欺诈等;医疗与教育行业资源分配不均的问题突出;
也就是说,人工智能需求广阔,其商业模式是渗透到各行各业,提高行业效率。这一进程需要时间和持续投入,但也是生产力迭代趋势。
未来还是要结合场景和用户体验去重新设计,用 AI 本身的方式思考,才会产生真正的 AI 应用。
未来,可以肯定的是人工智能将能够在特定领域实现快速突破,而企业需要从自身所处的商业、工业和生存环境中选择恰当的角度,去定义特定场景,从而让人工智能可以针对性突破并解决问题。
目前AI技术正处于普及爆发的前夜
2018年,AI领域投资事件共410起,投资总额1078亿元。人工智能逐渐挤满了几乎中国所有的主流投资机构和产业资本。
资本华丽登台的另一面是,AI落地的过程不太优美。数据显示,2017年,90%以上AI企业处于亏损阶段,商业化落地成为众多人工智能企业发展的痛点。
AI将成为未来企业发展的一个必选项和企业的关键竞争力,这是毋庸置疑的。
对于各个公司、行业和国家来说,人工智能将是未来几十年里最大的商业机会。
预计从现在到2030年,人工智能的发展将使全球GDP增长14%,相当于对世界经济额外贡献了15．7万亿美元,其中AI将带动中国GDP增加7万亿美元。
商业落地呼唤标准配套
只有把应用做起来,底层AI芯片、软件技术才能够在应用过程中更扎实。
人工智能端到端完成一个项目落地至少需要3—6个月的时间,整个过程存在一定的复杂性,需要有一系列选型方案的指南。
以前产业界更侧重于算法,近几年算法开始和工程开源齐头并进,业内越来越重视软硬件协同发展,人工智能与大数据、云计算等新型信息技术融合越来越深入。
今年7月发布的《人工智能标准化白皮书(2021版)》中指出,深度学习框架依赖的生态建设、测试体系不够全面是我国人工智能产业发展目前遇到的两大问题。
我国深度学习框架起步较晚,在算法、芯片、终端和场景应用方面尚未摆脱对国外深度学习框架的依赖。
然而,国内人工智能测试体系尚未形成,现有测试基准的测试内容和模型高度重复,还未形成成熟的功能、性能测试基准,这将制约人工智能产品打开市场、获得市场信任度。
国内AI标准化进程加速
规范标准也是国内人工智能现阶段发展的关键词之一。赛迪顾问统计数据显示,2019年,中国人工智能产业规模达到1291．4亿元,同比增速为30．8%。
预计到2022年,中国人工智能产业规模达到2621．5亿元。
国内人工智能产业高速发展,场景应用逐渐丰富化,随着产业复杂度的提高,相关标准也亟待解决配套问题。
在2020年7月印发了《国家新一代人工智能标准体系建设指南》;同年12月,智用研究院、百度、浪潮联合发布面向产业应用的人工智能开源评测基准AI-Rank。
人工智能技术落地的关键环节
①技术的突破:一家成功的人工智能公司必须有一定的技术积累和壁垒。
②场景的探索:找到一个商业上可行、可拓展性良好,并且技术上可实现的场景是非常困难的,很多优秀的技术公司都在这个环节投入了大量的精力。
③团队的建设和成长:起步阶段顶尖的技术和商业团队的搭建需要大量工作,快速成长的过程中人员不断扩充也会带来各种问题,如何增效降本、保持创新风气很关键。
④标准制定:对具体行业具体场景下的人工智能技术应用进行规范化、标准化,保证整个行业的生态健康发展。
结尾:
科技创新的发展轨迹从来都不是线性的,总会需要一个从蓄力到爆发、从量变到质变的过程。关于AI的故事,才刚刚开始。
部分资料参考:虎嗅APP:《该让AI落地了》,镁客网:《真正落地的AI应用应该是什么样?》,智东西:《一个AI平台背后的AI产业落地真相!专访大华股份AI掌舵人殷俊》,机器之心:《从1到N,AI落地现在进行时》,第一财经:《中科智云CEO:传统行业需求碎片化,AI落地挑战很大》,澎湃新闻:《专访上海人工智能研究院CTO:探索新基建下的AI技术落地》,钛媒体APP:《AI面临产业大考:落地虽难,但产业化路径已日渐清晰》,科技日报:《李开复:农业是AI落地的最好场景》,人人都是产品经理:《盲目崇拜不可取,AI需要落地》
