QQ在線
企業微信
資訊
445突如其來的疫情，拖垮了一部分企業，同時也推動了AI人工智能企業的發展，讓AI領域從還有被人貶低的狀態到被更多的人認可，疫情成了人工智能的助推劑。但AI要落地，還是存在很多困難和挑戰。
前幾年評價的AI企業“落地即一地雞毛”，今年是否還會重蹈覆轍？人工智能行業要在疫情過后怎樣突圍呢？
近年來，由于技術與業務需求之間的鴻溝，人工智能在走向產業落地的過程中面臨了一系列的挑戰。企業在應用AI技術推進產品業務轉型升級的過程中，必須要了解這些問題并加以升級。愛分析在近日發布了《人工智能2020:落地挑戰與應對》。報告回顧了人工智能的行業概況，并結合實踐案例分析了人工智能技術，給產業帶來的具體價值創造盒各行業落地進展盒未來應用趨勢。以此幫助企業推動人工智能的價值落地。
新商業與新經濟模式的誕生
歷史上任何一次新技術的爆發，都帶來了超乎想象的新商業與新經濟模式。從最近的一次看，90年代互聯網發展初期，我們沒有預料到商業社會將如此大規模的被影響和改變。互聯網的影響開始于媒體，紐約時報、華爾街日報等媒體通過網站更新新聞，最終全媒體行業都開始面臨轉型壓力。后來消費者逐漸通過網絡閱讀、看電影等。互聯網對商業社會的影響有一個過程，人工智能時代也是一樣。
當前，國內誕生了諸如商湯科技、曠視科技、極鏈科技、依圖科技等人工智能初創企業，這些企業針對金融、醫療、內容審核、廣告、零售、自動駕駛等行業都了產生很大的影響。目前，一些與計算機視覺相關的應用，比如在視頻內容審核方面，已經產生了比較大的變化。比如國內目前內容審核技術比較突出的極鏈科技，推出了全棧式智能內容安全審核引擎神眼系統，為人類審核員進行減負。
在人工智能算法依賴大數據訓練的階段，產值大的行業會發展的更好。如果一個行業應用人工智能產生的價值夠大，會有人愿意出錢標注數據。以金融領域的人工智能應用為例，在基金管理和輔助股票分析方面，技術公司與金融公司各有所長。一些基金公司也有數據科學家的團隊，有些做的是比較傳統的數據挖掘，還不是很了解深度學習等人工智能技術。
有著數十年經驗的基金公司更擅長判斷一只股票是否值得投資，哪些市場信息具有參考價值。而人工智能技術公司沒有這方面的知識積累，但擁有先進的人工智能技術儲備。通過業務公司與技術公司的合作，基金經理可以在人工智能的幫助下更好的分析市場。例如，一家上市公司稱由于春節較晚而影響了這一季度的銷售額，分析師需要就春節對銷售額的影響做一個分析和歷史對比，分析這是公司的借口還是真實情況。每個上市公司都會有季報，內容幾頁到幾十頁的不等，要做很細的分析，除了看現在的，還要把去年、前年、甚至大前年的數據做對比，這么細的分析單靠人是不可能的，一個分析師要分析幾十家公司，不可能每一份季報都看的非常細，這方面可以由人工智能來輔助分析。
當前人工智能的商業模式挑戰
人工智能走向產業應用的過程中，從向企業和個人用戶提供人工智能產品服務的角度，企業要進入某一個垂直領域缺乏的是相關領域的數據和知識。如果與醫院合作，技術企業如果沒有經驗豐富的醫生，無法判斷醫學影像的數據是否正確。而人工智能缺乏相關專業知識和經驗，在出錯的時候也無法判斷是由于標注錯誤還是由于圖像不夠清晰造成。技術企業與垂直行業互動的時候，需要讓行業理解，人工智能不是超人類智慧，無法做到提供給機器一個數據庫就可以得到想要的結果，這是目前雙方合作前面對的挑戰之一。
正如軟銀創始人孫正義說的，“跟上人工智能帶來的時代顛覆需要真正的專注。”人工智能已經經過了學術研究階段，正處于現實應用階段。未來將被廣泛應用到企業的商業模式、醫療保健以及交通運輸中。
從目前人工智能技術的發展趨勢來看，未來人工智能對于商業模式的影響在以下幾個方面有所體現：
第一：個性化服務將得到快速發展。隨著人工智能產品的大面積采用，一個重要的結果就是生產力水平的大幅度提升，這會使得人們在進行消費時有了更多的選擇，產品將逐漸從批量生產轉向個性化生產。
第二：產業鏈將得到整合和壓縮。人工智能產品的應用將全面實現產業鏈的整合，不僅會進一步壓縮商品流通過程中的中間環節，同時也會高效率整合生產環節的產業鏈，從而全面提升生產效率。未來在人工智能技術的推動下，產品的生產和流程環節中的傳統人力崗位將逐漸減少，這也會在很大程度上降低產品的生產和流通成本。
第三：研發費用占比將逐漸提升。在人工智能技術的推動下，企業更多的資源將向研發領域傾斜，產品創新能力將是未來企業謀求更大發展的核心能力，所以研發費用的占比未來將持續攀升。
雖然人工智能技術未來的發展前景非常廣闊，但是目前人工智能技術依然處在發展的初期，而且由于人工智能技術對于應用場景有較多的挑戰，所以人工智能產品的全面應用還需要很長一段時間。
中美人工智能不同的發展機遇
中美人工智能應用的不同發展路徑人工智能在不同國家的發展，與當地的產業發展特點相關，取決于技術與當地產業的結合。以金融業為例，中美有兩個主要差異，第一，在技術應用方面，美國金融市場競爭比較激烈，很多銀行早就習慣通過技術手段競爭。一個金融公司里10%的員工是IT和技術員工，在中國，這個比例大概是3%-4%。在美國，人工智能在金融方面的應用相對走的更往前，很多對沖基金是通過機器學習、數據挖掘，量化基金通過程序來管理基金。
與美國比，中國的技術相對早期。另一方面，兩國在金融領域的監管法規有一定差異。在美國，沒有太多監管限制通過開發程序管理基金，只要敢冒險，自負盈虧，相比之下中國則整體相對謹慎。在其他應用領域，中美也呈現出各自的特點。對于中美兩國，人口紅利都在消失，但兩國人工智能應用很有可能先在各自比較發達的產業中得到發展。未來中國先把這些技術做成熟以后，也可能將技術應用到其他國家去。
傳統行業尤其是企業的最高領導需要對人工智能有更客觀的認識，盡可能去接觸和理解人工智能可以做什么。畢竟有些技術還沒到成熟的階段。目前有很多人工智能在線課程和書，也有很多免費的網上平臺鼓勵大家去嘗試，這個門檻正越來越低。
當前，人工智能浪潮類似互聯網初期，無論企業規模大小，任何時候進入AI領域都不嫌早。企業最終將在人工智能的應用下而大幅提升生產效率。大型企業內部本身有IT部門，資源也多一些，有條件去研究AI，可以選擇是自己做還是去尋求外部幫助，小企業則可能需要找人做。大小企業的思考模式和基本邏輯相同，只是具體的操作方式不同。關于傳統企業是否需要自己的技術團隊，應該結合企業的自身情況，目前想做的項目難度有多大，是否需要專家的幫助。
企業具備了這個前提，理解了自己的問題，理解了技術如何去應用，進一步分析判斷事情的難度和風險有多大。比如，微軟有小冰這樣的聊天機器人，不少企業興趣很高，也希望用聊天機器人來增強與客戶的互動，那就需要考慮聊天的內容是什么，如果出錯的話成本是什么？如果是醫院需要用來和病人互動，并且指導病人如何吃藥，這樣錯誤成本太高，就不建議通過內部團隊開發。
近幾年，VR 虛擬現實、自動駕駛、自然語言處理、機器學習等曾經熱度高漲的技術也逐漸回歸理性。當 AI 企業一窩蜂涌入這些領域想要分得一塊蛋糕時，才發現蛋糕的確是有，但手上卻沒有能裝下蛋糕的托盤，PPT 或許可以做得“天花亂墜”，而真正落地時卻成了“天方夜譚”。深度學習、圖神經網絡、知識圖譜等技術仍處于瓶頸期，尚未找到落地應用的突破點，而此次疫情，恰好是一個轉折點。
其實在此之前，企業界和學術界普遍達成共識，認為互聯網時代過后人工智能將會掀起新的浪潮，但至于多久會這場變革會正式啟幕我們還并不清楚，但隨著疫情的爆發，政府和企業都在這次疫情中看到了 AI 市場更大的機會，有的把 AI 的功能和需求納入到了智慧醫療系統中，這讓傳統醫療和 AI 技術融合得更加緊密。未來，國內老齡化會越來越嚴重，AI 養老產品也會逐漸進入人們的視野，
疫情過后，AI人工智能企業的落地問題是否可以順利突圍，現在還不能確定，敬請期待后續結果。
