|
2017年，阿尔法狗（AlphaGo）的升级版来华对战世界第一的围棋冠军柯洁并取得完胜，将人工智能的话题热度推向一个新高潮。紧随着，中国中央和地方政府连续发放针对人工智能产业的政策“红包”,将人工智能推向落地应用的快车道。2018以来，应用型AI公司开始风生水起，在资本和商业化两线取得双丰收。 所谓应用型AI公司，简言之就是自己有研究、有技术，也有产品和解决方案，甚至拥有自己的应用场景的一体化AI公司。目前，人工智能企业主要的应用领域主要集中在教育、医疗、无人驾驶、电商零售、金融、个人助理、园区、家居、展厅等多个垂直领域内的多个场景。 人工智能+教育：人工智能教育的相关概念一直受到资本市场的关注，技术上，通过语音交互和自然语言处理技术，实现智能机器人阅卷改卷、背诵机器人、在线口语评测等功能； 人工智能+医疗：去年8月，腾讯推出了首款将人工智能技术运用在医学领域的产品“腾讯觅影”，将图像识别、大数据处理、深度学习等AI领先技术与医学跨界融合研发而成，辅助医生进行疾病筛查和诊断； 人工智能+无人驾驶：即使无人驾驶的噱头足够吸引人，但是为了弥补人工智能的不足，仍然需要采取幕后有人为监督的干预措施，并逐渐逐渐将人工智能应用在没有监督的情况下运行； 人工智能+零售：人工智能针对电商领域实现的功能主要有客服、实时定价促销、搜索、销售预测、补货预测，还可以智能推荐你喜爱的商品信息以及机械手臂机器人完成自动工作； 人工智能+个人助理：在这个领域的应用通常比较多见，比如苹果Siri、微软小冰等，都是接触较为基础的应用，随着聊天机器人日益发展成真正的智能助理，其可以帮助用户做很多事情； 人工智能+园区：通过“互联网+”的领域延伸，构建智慧运维平台，融入物联网、人工智能等核心技术，为园区和入驻企业的产品与服务提供智能展示平台，实现园区招商的可视化； 人工智能+家居：通过语音控制设备，从而轻松调节家里的风扇、空调、空气净化器等家电，这样的场景目前已基本实现。 人工智能(AI)正对各行各业带来深远影响，并被企业视为提升运营效能、应对市场竞争的必经之路。然而，对大部分传统企业以及中小型企业而言，目前人工智能还未创造价值，距离真正落地尚远，还有许多障碍需要克服。当前企业在部署AI时主要面临技术复杂、使用门槛高、研发投入高以及现有IT系统的制约等障碍和挑战。 伴随人工智能的发展与应用逐步成为世界各国的发展战略，AI技术已经进入了历史性拐点，人工智能正在成为企业发展新的引擎。对企业而言，人工智能衍生的商业价值主要包括客户体验、新增收入以及成本降低。未来10年人工智能将成为最具颠覆性级别的技术。 国内许多企业已经在尝试应用人工智能技术来提升企业竞争力。在互联网公司内部，人工智能技术已应用于生产、供应链、市场营销等多个业务领域中；在传统企业中，将AI技术与业务结合，率先应用人工智能的企业已经有所斩获，并已逐渐形成竞争优势。 虽然目前国内各界正纷纷拥抱人工智能技术，但一个不容忽视的现实是，人工智能技术的企业级应用依然处于初级阶段，尚未迎来大规模爆发。调研显示，在制造业领域，人工智能目前尚未充分施展拳脚，应用潜力仍待开发。绝大多数制造企业正试图利用人工智能技术提升产品和服务。然而，出于数据质量和安全等原因，大规模应用这一新兴技术的企业依然寥寥。目前只有少数制造企业达到了“应用智能”阶段。仅有5%的企业正投资应用人工智能技术改造其生产制造，而全面应用人工智能解决方案的企业仅占2%。 人工智能技术不仅可以推动企业核心业务的转型，还能提升员工和客户体验，最终催生新的商业模式。但是在目前，对大部分传统企业以及中小型企业而言，要想真正拥抱人工智能技术，还面临着各种瓶颈和门槛。 例如，中国的制造业很多都是低毛利企业，企业会非常看重投资回报率。在低毛利情况下，投AI这样一个投资回报率不是那么明确的新技术时，企业管理层自然会有疑问，这是当前人工智能技术在企业应用时不容回避的一个问题。企业目前应用AI的挑战主要包括人才、新技术投入、AI科研与企业实际生产环境不匹配等。 企业当前在部署AI时主要面临四大挑战。首先，处在爆发期的AI技术快速迭代演进，让传统企业无所适从。人工智能技术本身具有一定的复杂性，因为它是综合性的学科，涉及数字计算、优化算法等众多学科。对企业来讲人工智能技术处于爆发期，新的算法层出不穷，很难跟踪这些技术。 其次，AI全周期应用链涉及多个环节，使用门槛极高，对人员技能有很高的要求。企业里做的可能是端到端的解决方案，一整条链条都要做好，而现在市场上缺乏端到端的解决方案。而且，企业在应用人工智能时，还要懂业务、懂大数据和物联网等知识，这些又是企业比较缺乏的。 再次，大规模技术研发投入也成为企业应用AI技术的一大障碍。随着人工智能技术成为当前最热门的技术，大的互联网公司和科技公司都在进行大规模投入，竞相重金争夺人工智能人才。企业发展到这一阶段，如果要应用人工智能，肯定要有投入。 此外，企业级AI平台还需要满足企业级IT系统的苛刻要求。企业的人工智能平台并不是很容易就能创建，需要涉及到很多问题，比如安全问题、数据集中问题、平台跟大数据平台融合问题、与互联网对接问题等，面临的门槛非常高。 现阶段并非所有的应用都适合AI，AI技术分成三个层次：基础层、技术层和应用层。AI的成功应用必须要与现阶段的技术成熟度，以及应用成熟度相结合。 基础层：包括像硬件、云服务、传感、开源的一些数据模块，目前这些优势大部分还掌握在美国的大公司手中。 技术层：中国这两年发展的非常快，其中有图像识别、语音识别、自然语义的识别、运动的学习和时间序列的学习，但是它离商业化的场景还有一定距离，当它训练成功的时候，可以成为一种模块来加载它的应用层。 第三层是应用层，现有AI的场景一般分成几类。第一类是以智能驾驶为代表的应用，表面直观，看起来非常容易理解的，但其实在应用场景中的情况非常复杂；第二类是底层结构非常清晰完整的抽象的数据模型，例如物流仓储货运的数据优化，以及企业资源管理优化，这两个方向从数据结构上来讲是非常标准的，特别适合用AI进行优化；另外还有一个方向是量化金融和智能投顾等。 参考资料：人工智能企业级应用要迈四道坎 |
|
|
