未來人工智能無處不在，當下各行各業也都貼上了人工智能的標簽，而人工智能貌似“無所不能”地滲入百業百態。制造加工、醫療健康、安防監控，甚至是社區管理，在貼上“人工智能”標簽之后，立馬就成了“高大上”的代表。

人工智能從備受關注到產業落地，到底有多長的路要走？在由深圳市人工智能協會主辦的第四屆人工智能領袖峰會上，來自產學研的專家在人工智能加速產業變革發展的時代下，探討當下和未來的人工智能的產業落地和生態重構。

當下人們對人工智能有著很高的期待，但在產學研專家看來，即使有生態和應用場景，也并不意味人工智能產品能獲得大規模應用。

從實驗室到應用場景始終有一段距離，要快速推動人工智能落地，首先要找到剛性需求場景。

摒棄偽需求，讓人工智能真正落地“剛需場景”

真正的人工智能落地，是立足于特定場景，并且真正在為用戶創造價值。

回溯歷史，人工智能落地緩慢，是因為落地過程中存在“偽需求”場景，所以，推動人工智能發展，找到剛性需求場景很重要。

Testin數據標注業務總經理賈宇航

作為人工智能的服務商Testin的數據標注業務總經理賈宇航說：“人工智能并不是獨立存在的，它最后一定是落地到用戶真正需求的眾多場景之中，當下人工智能產業落地確實遇到了一些困難。”

什么是用戶真正需求的場景？一是解決了沒有辦法滿足的需求；二是讓工作效率有了實實在在的提升。就好比飛機讓人實現了上天的夢想，高鐵則讓出行需求得到了成倍的縮短。

與之相反，偽需求就是純粹為了技術而技術，既沒有創造出新的價值，也沒有提升新的效率。

而出現偽需求的原因有兩個，一是政策鼓勵人工智能產業發展；二是市場規模龐大，前瞻產業研究院數據顯示，預測2019年我國人工智能市場規模將達到554億元左右，2021年我國人工智能市場規模將突破千億元，并預測在2023年我國人工智能市場規模將突破2000億元，達到了2364億元左右。

市場與政策對人工智能產業的鼓勵，不可避免的存在一些將偽需求堅持到底、甚至為了人工智能而“轉型”的企業。這些為了眼前的短期利益的企業，在享受了政策和產業紅利之后勢必衰敗，潮水褪去，才能看到哪些人在裸泳。

潮水退去，留下的都是真正創造價值的“金子”

人工智能浪潮突起，類似于前幾年的“互聯網＋”，眾多企業視之為絕不能錯過的戰略機遇，不過，“裸泳者”勢必黯然收場。真正留下來的“金子”，才是推動行業發展、城市建設以及國家戰略中，真正創造價值的企業。

站在行業層面看，人工智能以前案例少，應用缺乏窄，現在隨著技術的突破，人工智能逐漸落地各行各業，有可能形成極大的用戶市場，并且人工智能的應用領域也空前廣泛，從制造加工、醫療健康、到安防監控，甚至是社區管理，開始改變不少傳統行業的運行模式。

從城市建設層面看，只有找到城市中剛性需求的場景，才能更好的推動城市建設。360集團副總裁、智慧城市及大數據總裁穆鴻說：“如果沒有找到人工智能應用的剛性需求場景，只是做形象工程，落地是很困難的。”

人工智能的選擇場景的維度并不是做到大而全，而是夠不夠縱深。穆鴻從五個方面商業化落地中如何選擇場景的緯度：第一是市場規模要大；第二是信息化水平要相對較低，因為信息化水平太低不利于產業落地，信息化太高會導致企業扎堆進入產生紅海市場；第三是政府關注的領域；第四是能夠產生商業價值，確保企業可持續發展；第五是暫無行業巨頭。企業在將人工智能商業化的過程，一定要結合實際情況，找到剛性需求場景，拒絕形象工程，才能創造價值。

上升到宏觀國家層面的導向來看，國家對人工智能產業的發展極度重視，人工智能被多次寫入政府工作報告，國家也希望企業在人工智能商業化過程中，一邊獲取產業紅利，一邊創造市場價值。

作為賽為智能董事長的周勇，很早就意識到企業順應國家發展方向才能更快更好的創造價值。他在接受億歐采訪時表示，國家戰略對人工智能落地中起到了至關重要的作用。

賽為智能董事長周勇

周勇還表示，賽為智能以人工智能為核心，以軍民融合為方向的戰略，順應軍民融合與人工智能的國家戰略落地。人工智能作為新興領域，在軍民融合之路的創新實踐，對傳統領域的影響是不可低估的。

總之，無論從行業發展趨勢，還是從宏觀國家層面的導向來看，創造價值是人工智能產業落地的基礎。基礎支撐、關鍵技術、應用場景是人工智能的商業化過程非常關鍵的三要素，然而眾多“投機企業”根本沒有基礎支撐和關鍵技術，卻依靠偽需求場景謀取政策和產業紅利攪亂人工智能的發展格局，加大了人工智能落地生根的難度。

人工智能要實現商業落地，首先要做的就是過濾掉這些“投機企業”，留下真正的行業有需求，真正為用戶創造價值的企業。

人工智能全面商業落地，還有很長的路要走

人工智能是政策的寵兒，也有著千億級市場。然而在現有人工智能技術水平下，準確抓住剛性需求很難，行業落地之路也并不順利。

首先是產業壁壘。一方面在技術門檻較高的領域，人工智能鮮有大規模應用的案例；另一方面人工智能對行業理解是遠遠不夠的，在如何實現人工智能與行業深度融合方面沒有具體的計劃和措施。

其次是核心技術的缺陷。除了行業壁壘外，人工智能與行業結合的另一個薄弱環節在于我國對人工智能的核心要素掌握不足。

算力、算法和大數據是人工智能的三大核心要素，然而算力方面，提供算力的高端芯片被國外廠商壟斷；算法方面，目前的算法只能實現淺層次的識別和判斷，替代一些重復性、機械性地勞動，但復雜的場景往往需要多個算法，加大了人工智能應用的落地成本和難度；數據方面，中國無疑有著基數龐大的優勢，但數據孤島問題卻對人工智能落地造成了困擾，周勇說：“中國海量數據的價值并沒有被完全挖掘，不同的平臺之間的數據缺乏互聯互通，并且數據之間缺乏統一標準。”

最后是網絡安全問題，人工智能不斷發展，網絡安全問題也愈發嚴重。穆鴻認為，人工智能成熟落地的過程中，人工智能帶來的網絡安全問題會更加復雜，即使是一個網絡安全錯誤，對整個系統而言也是災難性的打擊。

所以，在現有人工智能技術水平下，一方面要找到落地的剛性需求場景，而不是純粹做技術；另一方面，產業與人工智能技術結合之后，要能達到實際的應用水平，才能在行業里站住腳，真正的產生商業價值。

總之，人工智能落地產業不僅僅是單方面的努力，更需要人工智能與落地行業間建立起長期和深度的合作，等待技術缺陷被彌補，距離真正實現人工智能全面實現商業落地，還有很長的路要走。