國內企業AI落地現狀

根據埃森哲《中國企業人工智能應用之道》面對全球企業高管的調研顯示：高達79%的中國企業高管認為，他們必須借助人工智能來實現業務增長目標。

但其中，有52%的中國企業高管人員坦言，人工智能試點容易，但當設法將人工智能推廣至全企業時，難度較大。

高質量數據缺乏、行業壁壘高、應用場景不清晰是當前人工智能與行業深度融合的主要瓶頸，應用場景難融合也意味著AI企業落地難。

①我國人力資源充裕，很多傳統行業的數字化意愿并不強烈。到了AI時代，企業的數據基礎不扎實，也就難以承載起上層的智能化轉型。

②如今算力需求呈現指數級增長，而無論是算力設備的購置費用還是技術人員對算法優化的時間、人員和金錢的巨大投入。

④數據是制約AI成功落地的一大因素。如果缺少統一、標準化、高質量的數據，AI應用可能就是無米之炊、無源之水。

AI讓企業開始習慣于大量依賴機器幫忙做決策。在這個過程中會帶來隱私保護、AI可信度、倫理和社會的問題等，這些都是AI在落地過程中需要解決的。

大多數企業的AI創新都是點狀的、實驗性質的、局部的創新，缺少規模化、商業化、運行態的布局。

因此，人工智能在互聯網領域的攻城掠地有多順利，在實體經濟中的落地就有多困難。

[[417980]]

AI落地的行業場景化應用

各行業當下面臨的痛點有所不同，如金融行業面臨成本壓力、產品服務單一、交易欺詐等；醫療與教育行業資源分配不均的問題突出；

也就是說，人工智能需求廣闊，其商業模式是滲透到各行各業，提高行業效率。這一進程需要時間和持續投入，但也是生產力迭代趨勢。

未來還是要結合場景和用戶體驗去重新設計，用 AI 本身的方式思考，才會產生真正的 AI 應用。

未來，可以肯定的是人工智能將能夠在特定領域實現快速突破，而企業需要從自身所處的商業、工業和生存環境中選擇恰當的角度，去定義特定場景，從而讓人工智能可以針對性突破并解決問題。

[[417981]]

目前AI技術正處于普及爆發的前夜

2018年，AI領域投資事件共410起，投資總額1078億元。人工智能逐漸擠滿了幾乎中國所有的主流投資機構和產業資本。

資本華麗登臺的另一面是，AI落地的過程不太優美。數據顯示，2017年，90%以上AI企業處于虧損階段，商業化落地成為眾多人工智能企業發展的痛點。

AI將成為未來企業發展的一個必選項和企業的關鍵競爭力，這是毋庸置疑的。

對于各個公司、行業和國家來說，人工智能將是未來幾十年里最大的商業機會。

預計從現在到2030年，人工智能的發展將使全球GDP增長14%，相當于對世界經濟額外貢獻了15.7萬億美元，其中AI將帶動中國GDP增加7萬億美元。

[[417982]]

商業落地呼喚標準配套

只有把應用做起來，底層AI芯片、軟件技術才能夠在應用過程中更扎實。

人工智能端到端完成一個項目落地至少需要3—6個月的時間，整個過程存在一定的復雜性，需要有一系列選型方案的指南。

以前產業界更側重于算法，近幾年算法開始和工程開源齊頭并進，業內越來越重視軟硬件協同發展，人工智能與大數據、云計算等新型信息技術融合越來越深入。

今年7月發布的《人工智能標準化白皮書（2021版）》中指出，深度學習框架依賴的生態建設、測試體系不夠全面是我國人工智能產業發展目前遇到的兩大問題。

我國深度學習框架起步較晚，在算法、芯片、終端和場景應用方面尚未擺脫對國外深度學習框架的依賴。

然而，國內人工智能測試體系尚未形成，現有測試基準的測試內容和模型高度重復，還未形成成熟的功能、性能測試基準，這將制約人工智能產品打開市場、獲得市場信任度。

[[417983]]

國內AI標準化進程加速

規范標準也是國內人工智能現階段發展的關鍵詞之一。賽迪顧問統計數據顯示，2019年，中國人工智能產業規模達到1291.4億元，同比增速為30.8%。

預計到2022年，中國人工智能產業規模達到2621.5億元。

國內人工智能產業高速發展，場景應用逐漸豐富化，隨著產業復雜度的提高，相關標準也亟待解決配套問題。

在2020年7月印發了《國家新一代人工智能標準體系建設指南》；同年12月，智用研究院、百度、浪潮聯合發布面向產業應用的人工智能開源評測基準AI-Rank。

[[417984]]

人工智能技術落地的關鍵環節

①技術的突破：一家成功的人工智能公司必須有一定的技術積累和壁壘。

②場景的探索：找到一個商業上可行、可拓展性良好，并且技術上可實現的場景是非常困難的，很多優秀的技術公司都在這個環節投入了大量的精力。

③團隊的建設和成長：起步階段頂尖的技術和商業團隊的搭建需要大量工作，快速成長的過程中人員不斷擴充也會帶來各種問題，如何增效降本、保持創新風氣很關鍵。

④標準制定：對具體行業具體場景下的人工智能技術應用進行規范化、標準化，保證整個行業的生態健康發展。