人工智能落地有多难

当深度学习算法和“阿尔法狗”点燃新一轮人工智能技术火焰之后，人工智能正在变得越来越热。从政府官员到黎民百姓，从专家学者到业界大佬，人工智能成了常常挂在口中的一个高频词语。

原本的芯片设计、软件编程、大数据分析应用等产业纷纷“转型”为人工智能产业，而人工智能也“无所不能”地积极赋能起各种各样的产业。制造加工、医疗健康、安防监控、家用电器，甚至是社区管理，在贴上了“人工智能”标签之后，立马就成为“高大上”的代表。

将原本的集成电路、软件和大数据产业捏合在一起，是否能照亮人工智能产业发展的未来？能否塑造出一个成熟的人工智能产业？人工智能的应用端口又能否与其他产业形成无缝对接，从而实现人工智能的场景落地？这对于将人工智能作为未来重中之重产业的浦东来说，答案更需要清晰。

01

应用场景是刚需吗

AI+应用丰富多

从产业、资本、政策以及大众的关注热度来看，人工智能已经站到了新的“浪潮之巅”。但业内人士普遍提醒，人工智能并不能独立产生价值，而是要跟具体的行业结合，因此，重要的是如何真正让技术找到应用场景。张江人工智能岛能够执上海乃至中国人工智能产业之牛耳，关键在于抢先一步将人工智能与应用场景结合在一起。

然而，有了应用场景，就一定意味着人工智能产品能够获得大规模应用吗？“多是一个测试，做完后测水平怎么样，但不能应用。我们现在要研究刚需，买房子住是刚需，买房子用来炒不是刚需。人工智能要找到刚需的诉求。”中国工程院院士、中科曙光董事长李国杰早在两年前就发出了明确的警告。

在李国杰看来，虽然目前人工智能很热，但多是在锦上添花，做的还是“维生素”的事，没有做“抗生素”。现在很多问题可以解决，有人工智能可以解决得好一点，没有它也无所谓，这就是“维生素”。

什么是刚需？一是解决了没有办法满足的需求，二是将工作效率有了实实在在的提升。这就好比，飞机让人们实现了飞行的梦想，高铁则让出行时间得到了成倍的缩短。与之相反，伪需求就是纯粹为了技术而技术，既没有创造出新的价值，也没有提升新的效率。

商汤科技联合创始人、副总裁杨帆说，过去几年看到了很多人工智能的伪需求和伪应用。他举例说，有一个做白色家电的生产商，希望把人脸识别技术应用于空调，当识别出20多岁年轻人的时候自动调成16度，当识别出老年人的时候调到26度。“看上去，这个空调能够温度自适应，还是人性化。但这是一个典型的伪需求。”杨帆说，“因为一个遥控器就能简单解决温度问题。我们在想要做一个商业的时候，要清楚是不是能真正解决用户真实的痛点和需求。”

能够在现有的技术水平下准确抓住刚需，从来就不是一件容易的事情。对于人工智能企业来说，从伪需求出发也并不是一件不可接受的事情。例如，张江的人工智能企业就可以将张江人工智能岛作为一个试验基地，不仅看一看自己的人工智能技术能不能达到应用级别，也可以测试下其落地应用场景是不是真正的市场需求。在试验中，一步步增强自身的技术研发能力，一步步实现真正的刚需落地。

然而，在人工智能的热潮中，总还是避免不了一些将伪需求坚持到底，甚至是为了人工智能而“转型”的企业。它们只是为了眼前的短期利益，在享受了政策和产业红利之后又会迅速抽身而去。只有等到潮水退去，才能看到哪些人在裸泳。

02

问题在于对行业了解够深吗

AI+制造难在对行业了解

从门卫、快递，到航空航天，似乎每一个产业、每一个岗位都能与人工智能挂上钩。然而，令人意想不到的是，以安防监控为目的，能够取代门卫的人脸识别系统，在整个人工智能与产业结合上反而表现得为出色。然而，在高端装备制造、智能驾驶、医疗健康等技术门槛较高的领域，人工智能鲜有大规模应用的案例。

这在很大程度上是因为此次以GPU、深度学习算法为技术基础的人工智能技术浪潮，在图像识别上有着先天的优势。但另一个显而易见的结论是，理解安防行业和门卫岗位需求，并不是一件非常困难的事情，即使站在外行的人工智能技术提供者角度来看，也能够比较准确地把握其行业的痛点和需求。然而，面对制造业这样技术门槛高的行业时，仅仅依靠人工智能技术提供者粗浅的理解是远远不够的。他们需要在制造业行业内沉淀了多年的经验与数据，而这通常是一道难以解答的难题。

以制造业为例，人工智能与制造业深度融合发展需以大数据为基础，而相对于消费环节，制造环节数据的可获得性、可通用性、可开发性明显更弱。消费者相关的数据，如对某类产品的喜好等，较容易搜集、整理和读取而制造业机器设备生成的数据通常较为复杂，多达40%的数据是没有相关性的。

与发达国家跨国制造企业比较，我国的制造业企业在信息化的广度和深度上还有明显差距。实现人工智能和制造业深度融合的基础较为薄弱，且缺乏能够引领全球人工智能与制造业深度融合发展趋势的制造业企业。有调查显示，超过90%中国制造业企业的领导者对人工智能的理解是不准确的，在如何实现人工智能与制造业深度融合方面没有具体的计划和措施。

与制造业一样的问题还会发生在其他技术门槛高的行业内，而人工智能如何破壁，不仅仅是单方面的努力，更需要两个行业间建立起长期和深度的合作，在一个较长的时间里，通过不断试错取得突破。

03

核心要素存在缺陷让应用难落地

芯片、算法和大数据是人工智能的三大核心要素

除了产业壁垒之外，人工智能与行业结合的另一个薄弱环节在于我国对人工智能的核心技术掌握存在不足。芯片、算法和大数据是人工智能的三大核心要素，但在这三者上，我国的人工智能企业都有或多或少的缺失。

在芯片领域，以制造业为例，我国人工智能与制造业深度融合发展的关键和核心的技术仍然被发达国家控制，器件、生产装备也多为发达国家研发和生产。人工智能处理器市场几乎被国外公司垄断，其中，人脸识别人工智能处理器的产品市场以英伟达、英特尔、赛灵思公司的供应为主，而英伟达公司同时还是全球先进无人驾驶处理器的供应商。相比较，我国人工智能企业产品在制造业很多领域的市场占有率非常低。在进行人工智能芯片开发的中国企业中，绝大多数的研发面向安防和消费应用，几乎没有面向制造业。

在算法上，中国企业很少有自己的原创算法，这导致了很多“弱”人工智能的出现。在很多应用场景中，为了实现不同的功能，需要在基础算法的基础上进行开发，而这些“弱”人工智能通常只能适应一个任务、完成一种功能，如果要在一个复杂的场景中完成任务，就需要开发多个算法，这大大提高了人工智能应用落地的成本和难度。

在数据上，中国无疑有着基数庞大的优势。但数据孤岛问题却对人工智能应用落地造成了困扰。在今年的全国两会上，百度公司创始人李彦宏就指出了这个问题。以电子病历为例，现在不少医院的病历都电子化了，但是各个医院的电子病历相互之间是不通的，病人在这个医院看病之后，到了另外一个医院还要重新描述一遍生病过程，重新做一遍检查。

要突破核心要素的缺陷，需要从基础研究到产业应用的全方位合作。在张江人工智能岛的规划中，外围有国家级科研设施院校集群以及国家科研机构实验室集群；内设开放式实验室、体验中心和大面积的共享空间。由此，浦东将形成了一个“核心技术层+数字技术层+智能应用层”的完整人工智能产业生态圈。

文字丨科Way

美编丨小小粉刷匠