國際數據公司（IDC）最新發布的《中國人工智能軟件及應用（2018下半年）跟蹤》報告顯示，2018年中國人工智能市場規模達17.6億美元，到2021年，約75%的企業應用程序會使用到人工智能；到2022年，中國人工智能市場規模將達到98.4億美元。

人工智能究竟是什么？相信每個人的心里都有一定的疑惑。提起人工智能，人們首先會想到的便是未來可以像人一樣獨立思考，模仿人的行為，并幫助人類解決問題的機器人。如果從未來人工智能的最終發展方向來看，這樣的認知并沒有問題，因為這是機器發展所要實現的終極目標。但在人工智能的產業發展之路上，都給人工智能扣上這樣高深的思想認知，便是把人工智能過于神秘化。

2019年11月，在長江商學院舉辦的主題為“為AI祛魅，讓技術回歸理性”開學會議上，從更實用和簡單的角度對AI的發展和理解作出了闡述，通過AI只是作為服務行業應用的基本工具屬性，對AI產業化道路中的本質問題進行了探索。

人工智能遍地開花，成熟落地仍為期尚早

2019年，Gartner發布了最新的人工智能技術成熟度曲線，從中也透露出人工智能產業的發展狀況以及實際應用情況。當一個典型的新技術出現以后，都會經歷初期期望值迅速增高，達到高峰后產生行業泡沫，然后熱度下滑回歸到實質，最后進入理性增長期，發展成為成熟行業這一歷程，這是多個行業都無法逃避的曲線現象。

從2019年技術成熟曲線發展趨勢來看，情感AI、機器學習正處于快速增長的上升期；生物芯片技術、人工智能服務平臺、邊緣人工智能、無人駕駛L5等都處于期望值高峰的泡沫區；計算機視覺、無人駕駛L4則已經從高峰期開始向下滑落，逐漸回歸商業發展的實質。

從技術具體應用落地的所需時間來看，短期2-5年之內，邊緣分析和邊緣AI伴隨5G部署實施的加快，是最先實現商業落地化的技術；人工智能服務平臺、機器學習、生物芯片技術則需至少5-10年，才可實現真正的成熟發展；而當下談論最多，大眾認知較高的無人駕駛技術，最終的應用落地則需要十年以上甚至更久。

從以上可以看出，AI產業化是一條漫長之路，任何技術的成熟與應用都不是一蹴而就的。而在這之中，部分企業為了炒作概念，貼合發展熱潮，追求快速商業化變現，便隨意對一些產品或技術貼上AI發展的標簽，形成了偽AI現狀，這不論對AI產業投資和AI企業發展都是不健康的。

軟銀中國合伙人宋安瀾博士表示：“AI催生了許多新的產業，即從0到1的產業，但同時AI對現有行業的影響又是從1到無窮大的。”因此在AI產業發展之中，產業投資人和企業負責人需時刻認清AI的工具屬性，辨別真正AI技術的發展路徑，從而實現AI從0到1至N的綜合性發展。

AI轉型落地，數據與責任不可缺失

當AI在落地應用中，許多人會把AI等同于數字化，其實這兩者是共同推動關系。AI作為數字化轉型中非常強大的工具，加速了行業數字化改造；而行業數字化發展過程中，又將衍生或推動AI技術的發展。

而AI轉型落地中，數據是重要的底層支撐，是否有足夠的數據、能否可視化、是否具備運用數據做決策的基礎條件，決定了AI能否完全成功落地。在這其中，足夠的數據并不意味著大體量的積累數據，在這些大量數據中，哪些是真實有效的，哪些數據分析后能產生有效價值，才是至關重要的。雖然互聯網的發展帶來數據量爆發式增長，但真正可以供機器學習、采用的分析數據卻顯得異常珍貴，因此，可視化數據，結構化數據就變得非常關鍵。

數據的使用又牽涉到另一敏感問題，“隱私”。不論是企業和個人，數據的安全隱私性和使用中的合規性相當重要，沒有任何企業或個人希望自己的數據被隨意公開采用或售賣。人工智能的轉型落地建立在數據之上，而數據的搜集則是建立在被采集人的信任之上，在這一環節當中，AI企業的責任不可能缺失。

實體產業的AI之路，機遇與問題并存

TCL企業CTO孫力表示：“當人工智能應用于傳統企業各類產品和場景的時候，需要很多配套的工程，有可能是邊緣運算框架、工程優化，有可能是SaaS系統，而且每個應用場景都要定制化算法、產品的芯片、算力等，如何找到更好的工程實踐，貢獻產品溢價是個很重要的話題。”

當傳統產業面對人工智能的趨勢浪潮時，也在不停的進行探索結合，在可預期前景下，轉變中產生的問題以及所帶來的陣痛都是企業無法避免的。傳統產業擁有固定的生產模式，配套的產業鏈條和對應的銷售渠道，而智能化背景下，傳統產業的生產效率、受眾群體和后續服務就顯得明顯不足。

但立馬向人工智能方向轉變，賦能新生態又是不現實的，甚至會使傳統企業的發展陷入兩難境地，因此傳統企業發展人工智能普遍面臨著以下問題：

1.如何建設企業自身的人工智能團隊，通過AI人才，評估人工智能所能帶來的業務機會與影響，實現企業路線上的轉變

2.企業內部的運作需要大量的使用云服務，如何有效利用人工智能技術，使得內部運營更有效率

3.針對企業服務人群，如何采用人工智能技術，實現精準覆蓋和潛在人群開拓

4.產品售出后，如何系統性的收集數據，并且變成數據資產，催生人工智能反哺產品體驗，圍繞產品怎樣系統化地建設智能連接技術，如云平臺、數據中臺、人工智能平臺等

5.怎樣建設整個營銷售后全鏈條的數字化平臺，利用人工智能更好的服務好用戶，提升企業運營效率

對于AI的產業化，技術成熟是需要面臨的首要問題，其次是如何使技術與產業更好的緊密結合，真正實現AI產業化發展。對于目前人工智能所需要的技術人才缺口，隨著人才政策和教育體系的完善，將會得到進一步補充。而關于人工智能對產業的賦能，則需要更多的技術實踐和方案落地，通過人工智能初創企業不斷清晰自身的商業模式，豐富商業落地場景。

責任編輯：ct