AI項目建設規劃的起點是“界定應用場景”，簡單地說，如何將傳統的做法用AI來解決。從企業運營管理層面來講，企業關注的無非是“增加收益、減少成本、提高效率、規避風險”等四大訴求，所以AI項目對應的應用場景也不會脫離這四大訴求，只不過需要懂業務的人員與AI咨詢顧問一起在這四大訴求范疇內，梳理出容易實現的應用需求點，而后予以清晰界定。AI項目應用場景界定過程就項目界定目標、界定要解決什么問題的過程，同時關乎對AI技術的選型問題，即如何選擇相應的算法或AI實現技術方法。

AI項目面臨的挑戰就是算法的問題，廣義來講就是選擇哪種AI實現的方法。AI實現的方法有三種：知識圖譜、深度學習、增強學習。大家通常所說的“算法”是指“深度學習”和“增強學習”。所以采用“AI實現方法”不會引起歧義。

之所以“AI實現方法”的選擇，是AI項目建設的挑戰，是因為，許多企業在建設AI項目時候使用了不合適的方法而造成項目失敗，比如過去兩年銀行業采用深度學習的方法，來建設“金融風控”系統，其效果并沒有得到很好的體現，現在才意識到構建“智能風控系統”，知識圖譜才是最為合適的。再比如，實現無人駕駛，必須選擇“增強學習算法”為核心的方法。

一般來講深度學習在處理基于特征感知、識別和判斷等方面表現突出，能幫助構建聰明的AI，如人臉識別、語音識別、故障分析、客戶畫像、時序預測等；而知識圖譜在模擬人的思考過程、處理常識知識和推理，以及理解人的語言方面表現的更加突出，如智能推薦、智能解釋、智能搜索、智能推理分析等。

“AI實現的方法”沒有選好，整個項目就可能面臨的失敗風險，而且方法的選擇是以業務場景界定為前提，同時還需要借助高水平的AI咨詢顧問，還要考慮到實現難以程度、成本預算承受能力等等，所以AI實現方法也算是一種大挑戰。

目前有一種一勞永逸的方法，就是在企業部署“算法平臺”（也叫“智能中臺”或企業大腦），猶如傳統信息化時代ERP一樣，成為大企業的基礎標配，其中包括了實現人工智能的三種方法。比如公安系統，按照“數據本地化、算法本地化、應用本地化”的原則，部署了“公安大腦”，其中攬括了AI實現的三大方法。

才是數據問題。所有的AI項目都是以“數據”為基礎的，人工智能之所以能夠在近幾年得以重生，就是由于“大數據”的爆發。這不難理解，就當機器人是人類的一個特殊種族，“知識就是力量”同樣可以適合于機器人，人之所以要讀書、要學習，就是為了獲取知識以便能夠應付各種各樣的問題。

對應到機器人，只有當機器人吸收了大量的樣本化、結構化的數據，再借助AI實現方法（深度學習、知識圖譜、增強學習），才能模仿人腦思維和判斷，如人臉識別、語音識別、智能推薦、無人駕駛等等。

而且不同的AI實現方法，采用的數據策略是不一樣，包括數據存儲類型、數據表示方式、數據處理方式則完全不一樣。比如，如果使用知識圖譜，那么必須將關系型數據進行抽取加工、融合，以圖形/圖譜形式存儲、表示和計算，也就是我們經常說的“圖計算”。

一般來講，企業如果要啟動AI項目，就要做好三種數據庫的準備，即“傳統的關系型數據庫”、“時序數據庫”和“圖譜數據庫”，而且對數據的收集、處理、加工、規范則是與時俱進，不能停頓。要說人工智能成本花在哪里，至少70%以上在數據方面。不但要求數據有量，還有質量和表示形式的要求，這跟做菜一樣，需要有足夠的食材原料，而且原料質量要夠好，原料加工成食材要符合烹飪等等，再配合大廚的煎炸燜炒燉等手法（算法）和火力（算力），才能搞出一桌好菜。