2020年 人工智能在走向产业落地的过程中将面临一系列的挑战

近年来，由于技术与业务需求之间的鸿沟，人工智能在走向产业落地的过程中面临了一系列的挑战。企业在应用AI技术推进产品业务转型升级的过程中，必须要了解这些问题并加以升级。爱分析在近日发布了《人工智能2020：落地挑战与应对》。报告回顾了人工智能的行业概况，并结合实践案例分析了人工智能技术，给产业带来的具体价值创造盒各行业落地进展盒未来应用趋势。以此帮助企业推动人工智能的价值落地。

新商业与新经济模式的诞生

历史上任何一次新技术的爆发，都带来了超乎想象的新商业与新经济模式。从最近的一次看，90年代互联网发展初期，我们没有预料到商业社会将如此大规模的被影响和改变。互联网的影响开始于媒体，纽约时报、华尔街日报等媒体通过网站更新新闻，最终全媒体行业都开始面临转型压力。后来消费者逐渐通过网络阅读、看电影等。互联网对商业社会的影响有一个过程，人工智能时代也是一样。

当前，国内诞生了诸如商汤科技、旷视科技、极链科技、依图科技等人工智能初创企业，这些企业针对金融、医疗、内容审核、广告、零售、自动驾驶等行业都了产生很大的影响。目前，一些与计算机视觉相关的应用，比如在视频内容审核方面，已经产生了比较大的变化。比如国内目前内容审核技术比较突出的极链科技，推出了全栈式智能内容安全审核引擎神眼系统，为人类审核员进行减负。

在人工智能算法依赖大数据训练的阶段，产值大的行业会发展的更好。如果一个行业应用人工智能产生的价值够大，会有人愿意出钱标注数据。以金融领域的人工智能应用为例，在基金管理和辅助股票分析方面，技术公司与金融公司各有所长。一些基金公司也有数据科学家的团队，有些做的是比较传统的数据挖掘，还不是很了解深度学习等人工智能技术。

有着数十年经验的基金公司更擅长判断一只股票是否值得投资，哪些市场信息具有参考价值。而人工智能技术公司没有这方面的知识积累，但拥有先进的人工智能技术储备。通过业务公司与技术公司的合作，基金经理可以在人工智能的帮助下更好的分析市场。例如，一家上市公司称由于春节较晚而影响了这一季度的销售额，分析师需要就春节对销售额的影响做一个分析和历史对比，分析这是公司的借口还是真实情况。每个上市公司都会有季报，内容几页到几十页的不等，要做很细的分析，除了看现在的，还要把去年、前年、甚至大前年的数据做对比，这么细的分析单靠人是不可能的，一个分析师要分析几十家公司，不可能每一份季报都看的非常细，这方面可以由人工智能来辅助分析。

当前人工智能的商业模式挑战

人工智能走向产业应用的过程中，从向企业和个人用户提供人工智能产品服务的角度，企业要进入某一个垂直领域缺乏的是相关领域的数据和知识。如果与医院合作，技术企业如果没有经验丰富的医生，无法判断医学影像的数据是否正确。而人工智能缺乏相关专业知识和经验，在出错的时候也无法判断是由于标注错误还是由于图像不够清晰造成。技术企业与垂直行业互动的时候，需要让行业理解，人工智能不是超人类智慧，无法做到提供给机器一个数据库就可以得到想要的结果，这是目前双方合作前面对的挑战之一。

正如软银创始人孙正义说的，“跟上人工智能带来的时代颠覆需要真正的专注。”人工智能已经经过了学术研究阶段，正处于现实应用阶段。未来将被广泛应用到企业的商业模式、医疗保健以及交通运输中。

从目前人工智能技术的发展趋势来看，未来人工智能对于商业模式的影响在以下几个方面有所体现：

第一：个性化服务将得到快速发展。随着人工智能产品的大面积采用，一个重要的结果就是生产力水平的大幅度提升，这会使得人们在进行消费时有了更多的选择，产品将逐渐从批量生产转向个性化生产。

第二：产业链将得到整合和压缩。人工智能产品的应用将全面实现产业链的整合，不仅会进一步压缩商品流通过程中的中间环节，同时也会高效率整合生产环节的产业链，从而全面提升生产效率。未来在人工智能技术的推动下，产品的生产和流程环节中的传统人力岗位将逐渐减少，这也会在很大程度上降低产品的生产和流通成本。

第三：研发费用占比将逐渐提升。在人工智能技术的推动下，企业更多的资源将向研发领域倾斜，产品创新能力将是未来企业谋求更大发展的核心能力，所以研发费用的占比未来将持续攀升。

虽然人工智能技术未来的发展前景非常广阔，但是目前人工智能技术依然处在发展的初期，而且由于人工智能技术对于应用场景有较多的挑战，所以人工智能产品的全面应用还需要很长一段时间。

中美人工智能不同的发展机遇

中美人工智能应用的不同发展路径人工智能在不同国家的发展，与当地的产业发展特点相关，取决于技术与当地产业的结合。以金融业为例，中美有两个主要差异，第一，在技术应用方面，美国金融市场竞争比较激烈，很多银行早就习惯通过技术手段竞争。一个金融公司里10％的员工是IT和技术员工，在中国，这个比例大概是3％－4％。在美国，人工智能在金融方面的应用相对走的更往前，很多对冲基金是通过机器学习、数据挖掘，量化基金通过程序来管理基金。

与美国比，中国的技术相对早期。另一方面，两国在金融领域的监管法规有一定差异。在美国，没有太多监管限制通过开发程序管理基金，只要敢冒险，自负盈亏，相比之下中国则整体相对谨慎。在其他应用领域，中美也呈现出各自的特点。对于中美两国，人口红利都在消失，但两国人工智能应用很有可能先在各自比较发达的产业中得到发展。未来中国先把这些技术做成熟以后，也可能将技术应用到其他国家去。

传统行业尤其是企业的最高领导需要对人工智能有更客观的认识，尽可能去接触和理解人工智能可以做什么。毕竟有些技术还没到成熟的阶段。目前有很多人工智能在线课程和书，也有很多免费的网上平台鼓励大家去尝试，这个门槛正越来越低。

当前，人工智能浪潮类似互联网初期，无论企业规模大小，任何时候进入AI领域都不嫌早。企业最终将在人工智能的应用下而大幅提升生产效率。大型企业内部本身有IT部门，资源也多一些，有条件去研究AI，可以选择是自己做还是去寻求外部帮助，小企业则可能需要找人做。大小企业的思考模式和基本逻辑相同，只是具体的操作方式不同。关于传统企业是否需要自己的技术团队，应该结合企业的自身情况，目前想做的项目难度有多大，是否需要专家的帮助。

企业具备了这个前提，理解了自己的问题，理解了技术如何去应用，进一步分析判断事情的难度和风险有多大。比如，微软有小冰这样的聊天机器人，不少企业兴趣很高，也希望用聊天机器人来增强与客户的互动，那就需要考虑聊天的内容是什么，如果出错的话成本是什么？如果是医院需要用来和病人互动，并且指导病人如何吃药，这样错误成本太高，就不建议通过内部团队开发。

处于人工智能技术应用起飞的前夜，这样探讨的价值在于，传统企业无论规模大小，都需要思考如何应对危机和机遇，毕竟等到人工智能技术带来的用户达到一定程度、新业务规模开启时，再进行这样的投入已然是来不及了。