人工智能的产业化之路是怎样的

国际数据公司（IDC）最新发布的《中国人工智能软件及应用（2018下半年）跟踪》报告显示，2018年中国人工智能市场规模达17.6亿美元，到2021年，约75%的企业应用程序会使用到人工智能；到2022年，中国人工智能市场规模将达到98.4亿美元。

人工智能究竟是什么？相信每个人的心里都有一定的疑惑。提起人工智能，人们首先会想到的便是未来可以像人一样独立思考，模仿人的行为，并帮助人类解决问题的机器人。如果从未来人工智能的最终发展方向来看，这样的认知并没有问题，因为这是机器发展所要实现的终极目标。但在人工智能的产业发展之路上，都给人工智能扣上这样高深的思想认知，便是把人工智能过于神秘化。

2019年11月，在长江商学院举办的主题为“为AI祛魅，让技术回归理性”开学会议上，从更实用和简单的角度对AI的发展和理解作出了阐述，通过AI只是作为服务行业应用的基本工具属性，对AI产业化道路中的本质问题进行了探索。

人工智能遍地开花，成熟落地仍为期尚早

2019年，Gartner发布了最新的人工智能技术成熟度曲线，从中也透露出人工智能产业的发展状况以及实际应用情况。当一个典型的新技术出现以后，都会经历初期期望值迅速增高，达到高峰后产生行业泡沫，然后热度下滑回归到实质，最后进入理性增长期，发展成为成熟行业这一历程，这是多个行业都无法逃避的曲线现象。

从2019年技术成熟曲线发展趋势来看，情感AI、机器学习正处于快速增长的上升期；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等都处于期望值高峰的泡沫区；计算机视觉、无人驾驶L4则已经从高峰期开始向下滑落，逐渐回归商业发展的实质。

从技术具体应用落地的所需时间来看，短期2-5年之内，边缘分析和边缘AI伴随5G部署实施的加快，是最先实现商业落地化的技术；人工智能服务平台、机器学习、生物芯片技术则需至少5-10年，才可实现真正的成熟发展；而当下谈论最多，大众认知较高的无人驾驶技术，最终的应用落地则需要十年以上甚至更久。

从以上可以看出，AI产业化是一条漫长之路，任何技术的成熟与应用都不是一蹴而就的。而在这之中，部分企业为了炒作概念，贴合发展热潮，追求快速商业化变现，便随意对一些产品或技术贴上AI发展的标签，形成了伪AI现状，这不论对AI产业投资和AI企业发展都是不健康的。

软银中国合伙人宋安澜博士表示：“AI催生了许多新的产业，即从0到1的产业，但同时AI对现有行业的影响又是从1到无穷大的。”因此在AI产业发展之中，产业投资人和企业负责人需时刻认清AI的工具属性，辨别真正AI技术的发展路径，从而实现AI从0到1至N的综合性发展。

AI转型落地，数据与责任不可缺失

当AI在落地应用中，许多人会把AI等同于数字化，其实这两者是共同推动关系。AI作为数字化转型中非常强大的工具，加速了行业数字化改造；而行业数字化发展过程中，又将衍生或推动AI技术的发展。

而AI转型落地中，数据是重要的底层支撑，是否有足够的数据、能否可视化、是否具备运用数据做决策的基础条件，决定了AI能否完全成功落地。在这其中，足够的数据并不意味着大体量的积累数据，在这些大量数据中，哪些是真实有效的，哪些数据分析后能产生有效价值，才是至关重要的。虽然互联网的发展带来数据量爆发式增长，但真正可以供机器学习、采用的分析数据却显得异常珍贵，因此，可视化数据，结构化数据就变得非常关键。

数据的使用又牵涉到另一敏感问题，“隐私”。不论是企业和个人，数据的安全隐私性和使用中的合规性相当重要，没有任何企业或个人希望自己的数据被随意公开采用或售卖。人工智能的转型落地建立在数据之上，而数据的搜集则是建立在被采集人的信任之上，在这一环节当中，AI企业的责任不可能缺失。

实体产业的AI之路，机遇与问题并存

TCL企业CTO孙力表示：“当人工智能应用于传统企业各类产品和场景的时候，需要很多配套的工程，有可能是边缘运算框架、工程优化，有可能是SaaS系统，而且每个应用场景都要定制化算法、产品的芯片、算力等，如何找到更好的工程实践，贡献产品溢价是个很重要的话题。”

当传统产业面对人工智能的趋势浪潮时，也在不停的进行探索结合，在可预期前景下，转变中产生的问题以及所带来的阵痛都是企业无法避免的。传统产业拥有固定的生产模式，配套的产业链条和对应的销售渠道，而智能化背景下，传统产业的生产效率、受众群体和后续服务就显得明显不足。

但立马向人工智能方向转变，赋能新生态又是不现实的，甚至会使传统企业的发展陷入两难境地，因此传统企业发展人工智能普遍面临着以下问题：

1.如何建设企业自身的人工智能团队，通过AI人才，评估人工智能所能带来的业务机会与影响，实现企业路线上的转变

2.企业内部的运作需要大量的使用云服务，如何有效利用人工智能技术，使得内部运营更有效率

3.针对企业服务人群，如何采用人工智能技术，实现精准覆盖和潜在人群开拓

4.产品售出后，如何系统性的收集数据，并且变成数据资产，催生人工智能反哺产品体验，围绕产品怎样系统化地建设智能连接技术，如云平台、数据中台、人工智能平台等

5.怎样建设整个营销售后全链条的数字化平台，利用人工智能更好的服务好用户，提升企业运营效率

对于AI的产业化，技术成熟是需要面临的首要问题，其次是如何使技术与产业更好的紧密结合，真正实现AI产业化发展。对于目前人工智能所需要的技术人才缺口，随着人才政策和教育体系的完善，将会得到进一步补充。而关于人工智能对产业的赋能，则需要更多的技术实践和方案落地，通过人工智能初创企业不断清晰自身的商业模式，丰富商业落地场景。