人工智能落地現(xiàn)狀

2020年人工智能依然是一個(gè)非常熱的話題。中美的科技巨頭以及很多跨國(guó)企業(yè)都把人工智能作為其戰(zhàn)略發(fā)展的重要布局，國(guó)家層面也出臺(tái)政策重點(diǎn)發(fā)展人工智能產(chǎn)業(yè)。2019年，中國(guó)人工智能專利申請(qǐng)量排行世界第一，累計(jì)申請(qǐng)量44萬(wàn)余件，中國(guó)已超過(guò)美國(guó)成為人工智能領(lǐng)域?qū)＠暾?qǐng)量最高的國(guó)家。

但是與公眾關(guān)注和各方支持的力度相比，人工智能技術(shù)的落地速度并沒(méi)有達(dá)到人們的預(yù)期。目前人工智能集中于新零售、智能制造、智慧農(nóng)業(yè)、醫(yī)療健康、智慧城市、營(yíng)銷和教育等產(chǎn)業(yè)，超過(guò)50%的賦能實(shí)體為安防。預(yù)計(jì)到2022年，人工智能賦能實(shí)體經(jīng)濟(jì)僅能達(dá)1600億。對(duì)于40萬(wàn)億的市場(chǎng)而言，人工智能還遠(yuǎn)遠(yuǎn)沒(méi)有落地。

如何才能加快人工智能的落地速度？在這個(gè)問(wèn)題之前，首先要明確人工智能技術(shù)是否重要、重要到什么程度。

人工智能帶給我們的是什么？

一句話，科技帶給人類發(fā)展的核心是對(duì)資源的優(yōu)化。

蒸汽機(jī)的出現(xiàn)，使機(jī)器代替了手工勞動(dòng)，一部分人從重復(fù)勞動(dòng)解放出來(lái)，轉(zhuǎn)為管理、運(yùn)營(yíng)和科研工作；電力的出現(xiàn)，推動(dòng)企業(yè)間競(jìng)爭(zhēng)的加劇，促進(jìn)生產(chǎn)和資本的集中，產(chǎn)生了壟斷；互聯(lián)網(wǎng)的出現(xiàn)，使得人們節(jié)省大量獲得信息的資源，整合企業(yè)的管理和策略工作。

如果人類想繼續(xù)進(jìn)行對(duì)資源和成本優(yōu)化，需要進(jìn)一步在管理、運(yùn)營(yíng)和科研上進(jìn)行優(yōu)化。人工智能顯然可以做到這一點(diǎn)。

人工智能可以代替很多管理、運(yùn)營(yíng)和科研的工作。它還可以通過(guò)海量的數(shù)據(jù)分析獲得更為有效的策略，這是人類無(wú)法做到的。計(jì)算機(jī)視覺(jué)可以使人們從海量的圖片或視頻數(shù)據(jù)中找到關(guān)注內(nèi)容。語(yǔ)音識(shí)別可以簡(jiǎn)化運(yùn)營(yíng)服務(wù)。自然語(yǔ)言處理可以在海量的文章中完成對(duì)語(yǔ)音的分析，真正使人們從繁重的運(yùn)營(yíng)服務(wù)中解脫出來(lái)。智能駕駛節(jié)省運(yùn)輸交通的資源。智能機(jī)器人可以提供生產(chǎn)效率，節(jié)省生產(chǎn)資源。

人工智能在各個(gè)行業(yè)都有著巨大的市場(chǎng)和發(fā)展機(jī)遇。

在安防領(lǐng)域，2019年市場(chǎng)規(guī)模為350億，2022年將突破700億。其核心為降低運(yùn)營(yíng)資源。目前主要用戶來(lái)自政府、金融，地產(chǎn)、學(xué)校、醫(yī)療等領(lǐng)域的B端市場(chǎng)。計(jì)算機(jī)視覺(jué)技術(shù)在安防領(lǐng)域的應(yīng)用接近90%。

在傳統(tǒng)金融產(chǎn)業(yè)，人工智能主要應(yīng)用在智能風(fēng)控、智能客服、智能營(yíng)銷和智能投研等業(yè)務(wù)。其核心為降低運(yùn)營(yíng)資源和決策資源。2019年，傳統(tǒng)金融行業(yè)在人工智能的投入為220億，到2022年將擴(kuò)大到接近600億。

客服產(chǎn)業(yè)將大量使用自然語(yǔ)音處理技術(shù)降低運(yùn)營(yíng)成本。其核心為降低運(yùn)營(yíng)資源?？头I(yè)務(wù)空間2019年為44億，2022年將達(dá)到160億，泛客服市場(chǎng)空間在2022年將達(dá)到650億。智能客服發(fā)展方向主要為金融、政務(wù)、制造和醫(yī)療等行業(yè)。

人工智能在醫(yī)療健康的應(yīng)用場(chǎng)景主要包括智能輔診、醫(yī)藥研發(fā)、醫(yī)學(xué)影像、疾病預(yù)測(cè)、運(yùn)動(dòng)管理等。核心為節(jié)省醫(yī)護(hù)資源及研發(fā)資源。醫(yī)療領(lǐng)域需要政府的推動(dòng)，2022年市場(chǎng)份額將由5000萬(wàn)增至10億。

新零售領(lǐng)域人工智能的場(chǎng)景為無(wú)人商店、智能供應(yīng)鏈、精準(zhǔn)營(yíng)銷、智能客服等，核心為節(jié)省運(yùn)營(yíng)資源，2022年將由23億增長(zhǎng)到200億；教育產(chǎn)業(yè)聚焦口語(yǔ)聽(tīng)力、智能題庫(kù)、智能課程、作業(yè)分析等業(yè)務(wù)，核心為節(jié)省老師資源，將由200億增長(zhǎng)到700億；智慧城市體現(xiàn)在AIoT和智慧交通領(lǐng)域，核心為降低管理資源成本和出行成本，將由10億增長(zhǎng)為35億 ；制造業(yè)核心為降低管理、運(yùn)營(yíng)資源成本，將由5萬(wàn)億增長(zhǎng)到8萬(wàn)億……

關(guān)于人工智能的一些常見(jiàn)誤區(qū)

誤區(qū)一：人工智能可以幫助解決重復(fù)工作。

上述描述中，我們已經(jīng)看到人工智能可以解決專項(xiàng)問(wèn)題。而專項(xiàng)問(wèn)題并非重復(fù)工作，兩者之間存在一定的交集，如果不對(duì)業(yè)務(wù)進(jìn)行拆解，人工智能依然無(wú)法解決大部分的重復(fù)工作。解決重復(fù)問(wèn)題需要使用多個(gè)模型的協(xié)作，每個(gè)模型解決業(yè)務(wù)中的一個(gè)專項(xiàng)問(wèn)題。所以人們也不必?fù)?dān)心人工智能將取代大量人類崗位，人工智能只是提高工作的效率和結(jié)果。

誤區(qū)二：人工智能可以取代人類做決策。

人工智能只能在某些領(lǐng)域幫助人們做決策，而不能完全取代人類的決策。在行業(yè)中，需要解決的決策問(wèn)題往往是非常復(fù)雜的過(guò)程，這并不是人工智能的強(qiáng)項(xiàng)。人工智能的強(qiáng)項(xiàng)在于幫助人類獲取和整理海量的信息，輔助人類決策。

誤區(qū)三： 人工智能的門檻很高。

目前來(lái)看人工智能的門檻確實(shí)要比大部分其他行業(yè)的門檻高，但是并不意味著幾年之后人工智能依然有很高的門檻。隨著技術(shù)和用戶認(rèn)知的變化，人工智能將更容易被人類理解和接受。比如，我們子長(zhǎng)科技所構(gòu)建的低成本1STEP.AI人工智能中臺(tái)的目的就是降低人工智能的成本和門檻。向打造人人受益的人工智能方向努力。

誤區(qū)四：人工智能需要大量的訓(xùn)練數(shù)據(jù)

目前大部分人工智能模型的訓(xùn)練還依賴于大量的人工標(biāo)注訓(xùn)練數(shù)據(jù)。但是通過(guò)訓(xùn)練數(shù)據(jù)生成、小樣本訓(xùn)練，訓(xùn)練數(shù)據(jù)的數(shù)量將大大降低。未來(lái)，人工智能的訓(xùn)練成本將取決于要解決的問(wèn)題，而不是所有的模型訓(xùn)練都依賴于大量的訓(xùn)練數(shù)據(jù)。

為什么人工智能落地困難？

在了解了人工智能的一些誤解之后我們?cè)倏纯慈斯ぶ悄転槭裁绰涞乩щy。

市場(chǎng)和用戶對(duì)人工智能還沒(méi)有充分了解

人工智能雖然在各個(gè)技術(shù)方向飛速發(fā)展，但是市場(chǎng)和用戶的理解還處在科幻、抓眼球的階段。人們更希望看到人工智能在各種領(lǐng)域擊敗人類。實(shí)際上，人工智能確確實(shí)實(shí)在某些領(lǐng)域可以超越人類。例如前面AlphaGoZero 可以在圍棋上擊敗人類；圖像識(shí)別可以比人類更精準(zhǔn)的做物體辨別。但是對(duì)于企業(yè)來(lái)說(shuō)，這些發(fā)展只能解決很小部分的問(wèn)題，并不能解決復(fù)雜的商業(yè)問(wèn)題。人工智能難道不是解決復(fù)雜問(wèn)題的嗎？很遺憾，目前人工智能不能解決復(fù)雜問(wèn)題。人工智能更擅長(zhǎng)解決專項(xiàng)問(wèn)題。專項(xiàng)問(wèn)題對(duì)于人類來(lái)說(shuō)也并不代表著簡(jiǎn)單問(wèn)題，例如圍棋、人臉識(shí)別這些都是專項(xiàng)問(wèn)題。所以實(shí)際上人工智能的效果還遠(yuǎn)遠(yuǎn)無(wú)法達(dá)到人們的期待，或者說(shuō)市場(chǎng)還需要大量的時(shí)間去培養(yǎng)，讓更多的企業(yè)了解人工智能的現(xiàn)狀。

對(duì)于新鮮事物，市場(chǎng)不愿投入過(guò)多

由于目前市場(chǎng)和用戶對(duì)人工智能不了解，因此客戶能接受的價(jià)格預(yù)期較低，而人工智能服務(wù)商的報(bào)價(jià)又相對(duì)較高，這就出現(xiàn)了一個(gè)阻攔在甲方和乙方之間的價(jià)格鴻溝。子長(zhǎng)科技所構(gòu)建的低成本人工智能中臺(tái)其目的就是降低人工智能的成本，從而填平甲方和乙方之間的鴻溝。

懂行業(yè)業(yè)務(wù)的人工智能成本較高

人工智能如果要解決復(fù)雜的行業(yè)業(yè)務(wù)，需要對(duì)業(yè)務(wù)理解較深。對(duì)業(yè)務(wù)的理解需要大量的深入研究，這就提高了人工智能項(xiàng)目的成本。這就導(dǎo)致一些冷門行業(yè)的業(yè)務(wù)研究得不償失，同時(shí)限制了人工智能的跨行業(yè)應(yīng)用。

人工智能需要大量的客戶數(shù)據(jù)

人工智能的訓(xùn)練過(guò)程需要大量的訓(xùn)練數(shù)據(jù)，這往往依賴于客戶提供大量的數(shù)據(jù)。出于商業(yè)機(jī)密或隱私的原因，客戶幾乎都不愿意共享這些數(shù)據(jù)。同時(shí)大量的訓(xùn)練數(shù)據(jù)整理和標(biāo)注將耗費(fèi)大量的人力資源。也正是基于這個(gè)痛點(diǎn)，我們致力于研究數(shù)據(jù)保護(hù)、訓(xùn)練數(shù)據(jù)生成和小樣本訓(xùn)練技術(shù)從而根本上解決客戶數(shù)據(jù)的問(wèn)題。

人工智能落地的策略

首先，要了解業(yè)務(wù)本身。

類似計(jì)算機(jī)技術(shù)，互聯(lián)網(wǎng)技術(shù)，人工智能也是基礎(chǔ)學(xué)科。作為基礎(chǔ)學(xué)科，其在各行各業(yè)中主要體現(xiàn)的是輔助作用。通過(guò)人工智能技術(shù)的輔助，各行各業(yè)可以產(chǎn)生顛覆性的產(chǎn)品，但其核心是業(yè)務(wù)，而非人工智能技術(shù)。例如，計(jì)算機(jī)可以使人們更快地編輯文檔，但是其核心還是文檔編寫?；ヂ?lián)網(wǎng)可以更容易地獲取信息，但其核心是對(duì)信息的閱讀。移動(dòng)互聯(lián)網(wǎng)可以使支付更加便利，但其核心是支付。以上技術(shù)都帶來(lái)了各行業(yè)的顛覆性變革，但其核心還是業(yè)務(wù)本身。人工智能也是如此。所以人工智能想要落地，首先要了解業(yè)務(wù)，再利用人工智能技術(shù)輔助業(yè)務(wù)，而絕非在行業(yè)中創(chuàng)造一種新的業(yè)務(wù)模式。

其次，了解目前人工智能技術(shù)發(fā)展和產(chǎn)業(yè)應(yīng)用。

目前人工智能技術(shù)還處在非常初級(jí)的階段，比較成熟的技術(shù)還停留在窄人工智能層面。只能較好地服務(wù)專項(xiàng)功能，如AlphaGoZero可以在圍棋專項(xiàng)功能上擊敗人類。

人們將人工智能技術(shù)無(wú)法落地歸咎于技術(shù)不成熟，這個(gè)想法是不準(zhǔn)確的，任何新型技術(shù)的出現(xiàn)都是從不成熟到成熟的發(fā)展，技術(shù)不成熟不代表無(wú)法落地。此外，深度學(xué)習(xí)非常類似于人腦的神經(jīng)網(wǎng)絡(luò)，人腦大概有1000億個(gè)神經(jīng)元。但并非這1000億個(gè)神經(jīng)元共同創(chuàng)建了一個(gè)功能包羅萬(wàn)象的神經(jīng)網(wǎng)絡(luò)，而是各個(gè)部分負(fù)責(zé)各個(gè)功能。最新研究表明，大腦中的神經(jīng)網(wǎng)絡(luò)在不同功能中會(huì)有復(fù)用的部分。所以人工智能的產(chǎn)業(yè)落地，應(yīng)該是研究如何更好地組織和協(xié)同多個(gè)專項(xiàng)功能神經(jīng)網(wǎng)絡(luò)，而非研究一個(gè)包羅萬(wàn)象的模型算法。合理有效的組織目前的機(jī)器學(xué)習(xí)模型是可以為企業(yè)提供完整的解決方案的。子長(zhǎng)科技正在通過(guò)自主研發(fā)的人工智能中臺(tái)框架對(duì)騰訊、蘋果、歐萊雅、華潤(rùn)等企業(yè)提供完整的人工智能解決方案。

第三，在各個(gè)垂直領(lǐng)域深度定制、各個(gè)擊破。業(yè)務(wù)的差異化和現(xiàn)階段對(duì)人工智能的理解限制了人工智能統(tǒng)一平臺(tái)的出現(xiàn)。目前比較流行的人工智能平臺(tái)實(shí)際上是模型支持層面的。統(tǒng)一的人工智能平臺(tái)無(wú)法滿足各行各業(yè)的業(yè)務(wù)需求。餓了么和滴滴出行可以使用統(tǒng)一的云平臺(tái)開(kāi)發(fā)，但是云平臺(tái)提供的只是技術(shù)層面的支撐，對(duì)于業(yè)務(wù)層面是無(wú)能為力的。所以人工智能領(lǐng)域的公司應(yīng)該深耕各行各業(yè)的業(yè)務(wù)，由各行各業(yè)的業(yè)務(wù)精英引領(lǐng)落地方案。在業(yè)務(wù)基礎(chǔ)上構(gòu)建人工智能的應(yīng)用。

第四，降低成本。市場(chǎng)對(duì)人工智能的認(rèn)知需要很長(zhǎng)時(shí)間，在人們對(duì)人工智能不了解的時(shí)候，必然不愿意使用大量成本。短時(shí)間內(nèi)，市場(chǎng)很難為高額的人工智能項(xiàng)目買單。人工智能項(xiàng)目的成本大概分為幾部分。一，業(yè)務(wù)定制的成本；二，模型構(gòu)建的成本；三，項(xiàng)目溝通的成本；四，本地化部署及維護(hù)的成本。

首先人工智能項(xiàng)目和業(yè)務(wù)綁定越深，業(yè)務(wù)定制部分的成本就越高。如果我們標(biāo)榜人工智能技術(shù)，而實(shí)現(xiàn)了一整套CRM系統(tǒng)，其成本大部分都是構(gòu)建該系統(tǒng)上，而非人工智能部分。人工智能技術(shù)公司需要想清楚自己是系統(tǒng)服務(wù)公司使用人工智能技術(shù)，還是人工智能的公司應(yīng)用到了某個(gè)領(lǐng)域。目前人工智能公司的產(chǎn)品最好是低成本、業(yè)務(wù)綁定較少的產(chǎn)品。例如人臉識(shí)別就是這樣的技術(shù)方向。

其次，對(duì)于模型的構(gòu)建，其成本主要是數(shù)據(jù)的收集、整理和標(biāo)注；模型訓(xùn)練所需要的硬件成本。首先對(duì)于數(shù)據(jù)，要降低成本，其根本還是降低數(shù)據(jù)的處理工作量。首先可以通過(guò)創(chuàng)建訓(xùn)練數(shù)據(jù)而非標(biāo)注數(shù)據(jù)的方法降低標(biāo)注的成本。其次可以通過(guò)小樣本訓(xùn)練模型降低模型訓(xùn)練對(duì)于訓(xùn)練數(shù)據(jù)的依賴。

不同于其他軟件或服務(wù)系統(tǒng)項(xiàng)目，甲方對(duì)人工智能的不了解，使人工智能項(xiàng)目的溝通成本非常高。人工智能公司需要細(xì)化溝通過(guò)程，從技術(shù)和業(yè)務(wù)兩個(gè)方向圍繞人工智能進(jìn)行溝通。

由于甲方開(kāi)發(fā)或者IT部門不一定都對(duì)人工智能技術(shù)比較了解。而對(duì)于數(shù)據(jù)的保密，中大型企業(yè)都會(huì)選擇本地部署的方式。以上兩點(diǎn)加大了人工智能系統(tǒng)的維護(hù)成本。系統(tǒng)部署和維護(hù)需要盡量做到系統(tǒng)化，減少人工操作。我們考慮到這個(gè)問(wèn)題，人工智能中臺(tái)包括了完整的部署、監(jiān)控和維護(hù)的全過(guò)程。

人工智能的落地應(yīng)當(dāng)本著務(wù)實(shí)、深耕的心態(tài)，加強(qiáng)各個(gè)產(chǎn)業(yè)布局，以各個(gè)產(chǎn)業(yè)現(xiàn)狀的經(jīng)驗(yàn)出發(fā)，學(xué)習(xí)和討論新的業(yè)務(wù)實(shí)現(xiàn)形式，從而挖掘創(chuàng)新的機(jī)遇。同時(shí)人工智能需要解決成本問(wèn)題，降低自身研發(fā)成本，并降低指導(dǎo)客戶對(duì)人工智能的理解成本。

“超級(jí)觀點(diǎn)”欄目現(xiàn)發(fā)起“特約觀察員入駐”計(jì)劃，邀請(qǐng)各賽道的創(chuàng)業(yè)者、大公司業(yè)務(wù)線帶頭人等一線的商業(yè)踐行者，在這里分享你的創(chuàng)業(yè)體悟、干貨、方法論，你的行業(yè)洞察、趨勢(shì)判斷，期待能聽(tīng)到來(lái)自最前沿的你的聲音。