人工智能落地現狀

2020年人工智能依然是一個非常熱的話題。中美的科技巨頭以及很多跨國企業都把人工智能作為其戰略發展的重要布局，國家層面也出臺政策重點發展人工智能產業。2019年，中國人工智能專利申請量排行世界第一，累計申請量44萬余件，中國已超過美國成為人工智能領域專利申請量最高的國家。

但是與公眾關注和各方支持的力度相比，人工智能技術的落地速度并沒有達到人們的預期。目前人工智能集中于新零售、智能制造、智慧農業、醫療健康、智慧城市、營銷和教育等產業，超過50%的賦能實體為安防。預計到2022年，人工智能賦能實體經濟僅能達1600億。對于40萬億的市場而言，人工智能還遠遠沒有落地。

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

人工智能帶給我們的是什么？

一句話，科技帶給人類發展的核心是對資源的優化。

蒸汽機的出現，使機器代替了手工勞動，一部分人從重復勞動解放出來，轉為管理、運營和科研工作；電力的出現，推動企業間競爭的加劇，促進生產和資本的集中，產生了壟斷；互聯網的出現，使得人們節省大量獲得信息的資源，整合企業的管理和策略工作。

如果人類想繼續進行對資源和成本優化，需要進一步在管理、運營和科研上進行優化。人工智能顯然可以做到這一點。

人工智能可以代替很多管理、運營和科研的工作。它還可以通過海量的數據分析獲得更為有效的策略，這是人類無法做到的。計算機視覺可以使人們從海量的圖片或視頻數據中找到關注內容。語音識別可以簡化運營服務。自然語言處理可以在海量的文章中完成對語音的分析，真正使人們從繁重的運營服務中解脫出來。智能駕駛節省運輸交通的資源。智能機器人可以提供生產效率，節省生產資源。

人工智能在各個行業都有著巨大的市場和發展機遇。

在安防領域，2019年市場規模為350億，2022年將突破700億。其核心為降低運營資源。目前主要用戶來自政府、金融，地產、學校、醫療等領域的B端市場。計算機視覺技術在安防領域的應用接近90%。

在傳統金融產業，人工智能主要應用在智能風控、智能客服、智能營銷和智能投研等業務。其核心為降低運營資源和決策資源。2019年，傳統金融行業在人工智能的投入為220億，到2022年將擴大到接近600億。

客服產業將大量使用自然語音處理技術降低運營成本。其核心為降低運營資源。客服業務空間2019年為44億，2022年將達到160億，泛客服市場空間在2022年將達到650億。智能客服發展方向主要為金融、政務、制造和醫療等行業。

人工智能在醫療健康的應用場景主要包括智能輔診、醫藥研發、醫學影像、疾病預測、運動管理等。核心為節省醫護資源及研發資源。醫療領域需要政府的推動，2022年市場份額將由5000萬增至10億。

新零售領域人工智能的場景為無人商店、智能供應鏈、精準營銷、智能客服等，核心為節省運營資源，2022年將由23億增長到200億；教育產業聚焦口語聽力、智能題庫、智能課程、作業分析等業務，核心為節省老師資源，將由200億增長到700億；智慧城市體現在AIoT和智慧交通領域，核心為降低管理資源成本和出行成本，將由10億增長為35億 ；制造業核心為降低管理、運營資源成本，將由5萬億增長到8萬億……

關于人工智能的一些常見誤區

誤區一：人工智能可以幫助解決重復工作。

上述描述中，我們已經看到人工智能可以解決專項問題。而專項問題并非重復工作，兩者之間存在一定的交集，如果不對業務進行拆解，人工智能依然無法解決大部分的重復工作。解決重復問題需要使用多個模型的協作，每個模型解決業務中的一個專項問題。所以人們也不必擔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果。

誤區二：人工智能可以取代人類做決策。

人工智能只能在某些領域幫助人們做決策，而不能完全取代人類的決策。在行業中，需要解決的決策問題往往是非常復雜的過程，這并不是人工智能的強項。人工智能的強項在于幫助人類獲取和整理海量的信息，輔助人類決策。

誤區三： 人工智能的門檻很高。

目前來看人工智能的門檻確實要比大部分其他行業的門檻高，但是并不意味著幾年之后人工智能依然有很高的門檻。隨著技術和用戶認知的變化，人工智能將更容易被人類理解和接受。比如，我們子長科技所構建的低成本1STEP.AI人工智能中臺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。

誤區四：人工智能需要大量的訓練數據

目前大部分人工智能模型的訓練還依賴于大量的人工標注訓練數據。但是通過訓練數據生成、小樣本訓練，訓練數據的數量將大大降低。未來，人工智能的訓練成本將取決于要解決的問題，而不是所有的模型訓練都依賴于大量的訓練數據。

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再看看人工智能為什么落地困難。

市場和用戶對人工智能還沒有充分了解

人工智能雖然在各個技術方向飛速發展，但是市場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域擊敗人類。實際上，人工智能確確實實在某些領域可以超越人類。例如前面AlphaGoZero 可以在圍棋上擊敗人類；圖像識別可以比人類更精準的做物體辨別。但是對于企業來說，這些發展只能解決很小部分的問題，并不能解決復雜的商業問題。人工智能難道不是解決復雜問題的嗎？很遺憾，目前人工智能不能解決復雜問題。人工智能更擅長解決專項問題。專項問題對于人類來說也并不代表著簡單問題，例如圍棋、人臉識別這些都是專項問題。所以實際上人工智能的效果還遠遠無法達到人們的期待，或者說市場還需要大量的時間去培養，讓更多的企業了解人工智能的現狀。

對于新鮮事物，市場不愿投入過多

由于目前市場和用戶對人工智能不了解，因此客戶能接受的價格預期較低，而人工智能服務商的報價又相對較高，這就出現了一個阻攔在甲方和乙方之間的價格鴻溝。子長科技所構建的低成本人工智能中臺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。

懂行業業務的人工智能成本較高

人工智能如果要解決復雜的行業業務，需要對業務理解較深。對業務的理解需要大量的深入研究，這就提高了人工智能項目的成本。這就導致一些冷門行業的業務研究得不償失，同時限制了人工智能的跨行業應用。

人工智能需要大量的客戶數據

人工智能的訓練過程需要大量的訓練數據，這往往依賴于客戶提供大量的數據。出于商業機密或隱私的原因，客戶幾乎都不愿意共享這些數據。同時大量的訓練數據整理和標注將耗費大量的人力資源。也正是基于這個痛點，我們致力于研究數據保護、訓練數據生成和小樣本訓練技術從而根本上解決客戶數據的問題。

人工智能落地的策略

首先，要了解業務本身。

類似計算機技術，互聯網技術，人工智能也是基礎學科。作為基礎學科，其在各行各業中主要體現的是輔助作用。通過人工智能技術的輔助，各行各業可以產生顛覆性的產品，但其核心是業務，而非人工智能技術。例如，計算機可以使人們更快地編輯文檔，但是其核心還是文檔編寫。互聯網可以更容易地獲取信息，但其核心是對信息的閱讀。移動互聯網可以使支付更加便利，但其核心是支付。以上技術都帶來了各行業的顛覆性變革，但其核心還是業務本身。人工智能也是如此。所以人工智能想要落地，首先要了解業務，再利用人工智能技術輔助業務，而絕非在行業中創造一種新的業務模式。

其次，了解目前人工智能技術發展和產業應用。

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

人們將人工智能技術無法落地歸咎于技術不成熟，這個想法是不準確的，任何新型技術的出現都是從不成熟到成熟的發展，技術不成熟不代表無法落地。此外，深度學習非常類似于人腦的神經網絡，人腦大概有1000億個神經元。但并非這1000億個神經元共同創建了一個功能包羅萬象的神經網絡，而是各個部分負責各個功能。最新研究表明，大腦中的神經網絡在不同功能中會有復用的部分。所以人工智能的產業落地，應該是研究如何更好地組織和協同多個專項功能神經網絡，而非研究一個包羅萬象的模型算法。合理有效的組織目前的機器學習模型是可以為企業提供完整的解決方案的。子長科技正在通過自主研發的人工智能中臺框架對騰訊、蘋果、歐萊雅、華潤等企業提供完整的人工智能解決方案。

第三，在各個垂直領域深度定制、各個擊破。業務的差異化和現階段對人工智能的理解限制了人工智能統一平臺的出現。目前比較流行的人工智能平臺實際上是模型支持層面的。統一的人工智能平臺無法滿足各行各業的業務需求。餓了么和滴滴出行可以使用統一的云平臺開發，但是云平臺提供的只是技術層面的支撐，對于業務層面是無能為力的。所以人工智能領域的公司應該深耕各行各業的業務，由各行各業的業務精英引領落地方案。在業務基礎上構建人工智能的應用。

第四，降低成本。市場對人工智能的認知需要很長時間，在人們對人工智能不了解的時候，必然不愿意使用大量成本。短時間內，市場很難為高額的人工智能項目買單。人工智能項目的成本大概分為幾部分。一，業務定制的成本；二，模型構建的成本；三，項目溝通的成本；四，本地化部署及維護的成本。

首先人工智能項目和業務綁定越深，業務定制部分的成本就越高。如果我們標榜人工智能技術，而實現了一整套CRM系統，其成本大部分都是構建該系統上，而非人工智能部分。人工智能技術公司需要想清楚自己是系統服務公司使用人工智能技術，還是人工智能的公司應用到了某個領域。目前人工智能公司的產品最好是低成本、業務綁定較少的產品。例如人臉識別就是這樣的技術方向。

其次，對于模型的構建，其成本主要是數據的收集、整理和標注；模型訓練所需要的硬件成本。首先對于數據，要降低成本，其根本還是降低數據的處理工作量。首先可以通過創建訓練數據而非標注數據的方法降低標注的成本。其次可以通過小樣本訓練模型降低模型訓練對于訓練數據的依賴。

不同于其他軟件或服務系統項目，甲方對人工智能的不了解，使人工智能項目的溝通成本非常高。人工智能公司需要細化溝通過程，從技術和業務兩個方向圍繞人工智能進行溝通。

由于甲方開發或者IT部門不一定都對人工智能技術比較了解。而對于數據的保密，中大型企業都會選擇本地部署的方式。以上兩點加大了人工智能系統的維護成本。系統部署和維護需要盡量做到系統化，減少人工操作。我們考慮到這個問題，人工智能中臺包括了完整的部署、監控和維護的全過程。

人工智能的落地應當本著務實、深耕的心態，加強各個產業布局，以各個產業現狀的經驗出發，學習和討論新的業務實現形式，從而挖掘創新的機遇。同時人工智能需要解決成本問題，降低自身研發成本，并降低指導客戶對人工智能的理解成本。

“超級觀點”欄目現發起“特約觀察員入駐”計劃，邀請各賽道的創業者、大公司業務線帶頭人等一線的商業踐行者，在這里分享你的創業體悟、干貨、方法論，你的行業洞察、趨勢判斷，期待能聽到來自最前沿的你的聲音。