人工智能在各個行業(yè)都有著巨大的市場和發(fā)展機(jī)遇

人工智能落地現(xiàn)狀

2020年人工智能依然是一個非常熱的話題。中美的科技巨頭以及很多跨國企業(yè)都把人工智能作為其戰(zhàn)略發(fā)展的重要布局，國家層面也出臺政策重點(diǎn)發(fā)展人工智能產(chǎn)業(yè)。2019年，中國人工智能專利申請量排行世界第一，累計(jì)申請量44萬余件，中國已超過美國成為人工智能領(lǐng)域?qū)＠暾埩孔罡叩膰摇?/p>

但是與公眾關(guān)注和各方支持的力度相比，人工智能技術(shù)的落地速度并沒有達(dá)到人們的預(yù)期。目前人工智能集中于新零售、智能制造、智慧農(nóng)業(yè)、醫(yī)療健康、智慧城市、營銷和教育等產(chǎn)業(yè)，超過50%的賦能實(shí)體為安防。預(yù)計(jì)到2022年，人工智能賦能實(shí)體經(jīng)濟(jì)僅能達(dá)1600億。對于40萬億的市場而言，人工智能還遠(yuǎn)遠(yuǎn)沒有落地。

如何才能加快人工智能的落地速度？在這個問題之前，首先要明確人工智能技術(shù)是否重要、重要到什么程度。

人工智能帶給我們的是什么？

一句話，科技帶給人類發(fā)展的核心是對資源的優(yōu)化。

蒸汽機(jī)的出現(xiàn)，使機(jī)器代替了手工勞動，一部分人從重復(fù)勞動解放出來，轉(zhuǎn)為管理、運(yùn)營和科研工作；電力的出現(xiàn)，推動企業(yè)間競爭的加劇，促進(jìn)生產(chǎn)和資本的集中，產(chǎn)生了壟斷；互聯(lián)網(wǎng)的出現(xiàn)，使得人們節(jié)省大量獲得信息的資源，整合企業(yè)的管理和策略工作。

如果人類想繼續(xù)進(jìn)行對資源和成本優(yōu)化，需要進(jìn)一步在管理、運(yùn)營和科研上進(jìn)行優(yōu)化。人工智能顯然可以做到這一點(diǎn)。

人工智能可以代替很多管理、運(yùn)營和科研的工作。它還可以通過海量的數(shù)據(jù)分析獲得更為有效的策略，這是人類無法做到的。計(jì)算機(jī)視覺可以使人們從海量的圖片或視頻數(shù)據(jù)中找到關(guān)注內(nèi)容。語音識別可以簡化運(yùn)營服務(wù)。自然語言處理可以在海量的文章中完成對語音的分析，真正使人們從繁重的運(yùn)營服務(wù)中解脫出來。智能駕駛節(jié)省運(yùn)輸交通的資源。智能機(jī)器人可以提供生產(chǎn)效率，節(jié)省生產(chǎn)資源。

人工智能在各個行業(yè)都有著巨大的市場和發(fā)展機(jī)遇。

在安防領(lǐng)域，2019年市場規(guī)模為350億，2022年將突破700億。其核心為降低運(yùn)營資源。目前主要用戶來自政府、金融，地產(chǎn)、學(xué)校、醫(yī)療等領(lǐng)域的B端市場。計(jì)算機(jī)視覺技術(shù)在安防領(lǐng)域的應(yīng)用接近90%。

在傳統(tǒng)金融產(chǎn)業(yè)，人工智能主要應(yīng)用在智能風(fēng)控、智能客服、智能營銷和智能投研等業(yè)務(wù)。其核心為降低運(yùn)營資源和決策資源。2019年，傳統(tǒng)金融行業(yè)在人工智能的投入為220億，到2022年將擴(kuò)大到接近600億。

客服產(chǎn)業(yè)將大量使用自然語音處理技術(shù)降低運(yùn)營成本。其核心為降低運(yùn)營資源?？头I(yè)務(wù)空間2019年為44億，2022年將達(dá)到160億，泛客服市場空間在2022年將達(dá)到650億。智能客服發(fā)展方向主要為金融、政務(wù)、制造和醫(yī)療等行業(yè)。

人工智能在醫(yī)療健康的應(yīng)用場景主要包括智能輔診、醫(yī)藥研發(fā)、醫(yī)學(xué)影像、疾病預(yù)測、運(yùn)動管理等。核心為節(jié)省醫(yī)護(hù)資源及研發(fā)資源。醫(yī)療領(lǐng)域需要政府的推動，2022年市場份額將由5000萬增至10億。

新零售領(lǐng)域人工智能的場景為無人商店、智能供應(yīng)鏈、精準(zhǔn)營銷、智能客服等，核心為節(jié)省運(yùn)營資源，2022年將由23億增長到200億；教育產(chǎn)業(yè)聚焦口語聽力、智能題庫、智能課程、作業(yè)分析等業(yè)務(wù)，核心為節(jié)省老師資源，將由200億增長到700億；智慧城市體現(xiàn)在AIoT和智慧交通領(lǐng)域，核心為降低管理資源成本和出行成本，將由10億增長為35億 ；制造業(yè)核心為降低管理、運(yùn)營資源成本，將由5萬億增長到8萬億……

關(guān)于人工智能的一些常見誤區(qū)

誤區(qū)一：人工智能可以幫助解決重復(fù)工作。

上述描述中，我們已經(jīng)看到人工智能可以解決專項(xiàng)問題。而專項(xiàng)問題并非重復(fù)工作，兩者之間存在一定的交集，如果不對業(yè)務(wù)進(jìn)行拆解，人工智能依然無法解決大部分的重復(fù)工作。解決重復(fù)問題需要使用多個模型的協(xié)作，每個模型解決業(yè)務(wù)中的一個專項(xiàng)問題。所以人們也不必?fù)?dān)心人工智能將取代大量人類崗位，人工智能只是提高工作的效率和結(jié)果。

誤區(qū)二：人工智能可以取代人類做決策。

人工智能只能在某些領(lǐng)域幫助人們做決策，而不能完全取代人類的決策。在行業(yè)中，需要解決的決策問題往往是非常復(fù)雜的過程，這并不是人工智能的強(qiáng)項(xiàng)。人工智能的強(qiáng)項(xiàng)在于幫助人類獲取和整理海量的信息，輔助人類決策。

誤區(qū)三： 人工智能的門檻很高。

目前來看人工智能的門檻確實(shí)要比大部分其他行業(yè)的門檻高，但是并不意味著幾年之后人工智能依然有很高的門檻。隨著技術(shù)和用戶認(rèn)知的變化，人工智能將更容易被人類理解和接受。比如，我們子長科技所構(gòu)建的低成本1STEP.AI人工智能中臺的目的就是降低人工智能的成本和門檻。向打造人人受益的人工智能方向努力。

誤區(qū)四：人工智能需要大量的訓(xùn)練數(shù)據(jù)

目前大部分人工智能模型的訓(xùn)練還依賴于大量的人工標(biāo)注訓(xùn)練數(shù)據(jù)。但是通過訓(xùn)練數(shù)據(jù)生成、小樣本訓(xùn)練，訓(xùn)練數(shù)據(jù)的數(shù)量將大大降低。未來，人工智能的訓(xùn)練成本將取決于要解決的問題，而不是所有的模型訓(xùn)練都依賴于大量的訓(xùn)練數(shù)據(jù)。

為什么人工智能落地困難？

在了解了人工智能的一些誤解之后我們再看看人工智能為什么落地困難。

市場和用戶對人工智能還沒有充分了解

人工智能雖然在各個技術(shù)方向飛速發(fā)展，但是市場和用戶的理解還處在科幻、抓眼球的階段。人們更希望看到人工智能在各種領(lǐng)域擊敗人類。實(shí)際上，人工智能確確實(shí)實(shí)在某些領(lǐng)域可以超越人類。例如前面AlphaGoZero 可以在圍棋上擊敗人類；圖像識別可以比人類更精準(zhǔn)的做物體辨別。但是對于企業(yè)來說，這些發(fā)展只能解決很小部分的問題，并不能解決復(fù)雜的商業(yè)問題。人工智能難道不是解決復(fù)雜問題的嗎？很遺憾，目前人工智能不能解決復(fù)雜問題。人工智能更擅長解決專項(xiàng)問題。專項(xiàng)問題對于人類來說也并不代表著簡單問題，例如圍棋、人臉識別這些都是專項(xiàng)問題。所以實(shí)際上人工智能的效果還遠(yuǎn)遠(yuǎn)無法達(dá)到人們的期待，或者說市場還需要大量的時間去培養(yǎng)，讓更多的企業(yè)了解人工智能的現(xiàn)狀。

對于新鮮事物，市場不愿投入過多

由于目前市場和用戶對人工智能不了解，因此客戶能接受的價格預(yù)期較低，而人工智能服務(wù)商的報價又相對較高，這就出現(xiàn)了一個阻攔在甲方和乙方之間的價格鴻溝。子長科技所構(gòu)建的低成本人工智能中臺其目的就是降低人工智能的成本，從而填平甲方和乙方之間的鴻溝。

懂行業(yè)業(yè)務(wù)的人工智能成本較高

人工智能如果要解決復(fù)雜的行業(yè)業(yè)務(wù)，需要對業(yè)務(wù)理解較深。對業(yè)務(wù)的理解需要大量的深入研究，這就提高了人工智能項(xiàng)目的成本。這就導(dǎo)致一些冷門行業(yè)的業(yè)務(wù)研究得不償失，同時限制了人工智能的跨行業(yè)應(yīng)用。

人工智能需要大量的客戶數(shù)據(jù)

人工智能的訓(xùn)練過程需要大量的訓(xùn)練數(shù)據(jù)，這往往依賴于客戶提供大量的數(shù)據(jù)。出于商業(yè)機(jī)密或隱私的原因，客戶幾乎都不愿意共享這些數(shù)據(jù)。同時大量的訓(xùn)練數(shù)據(jù)整理和標(biāo)注將耗費(fèi)大量的人力資源。也正是基于這個痛點(diǎn)，我們致力于研究數(shù)據(jù)保護(hù)、訓(xùn)練數(shù)據(jù)生成和小樣本訓(xùn)練技術(shù)從而根本上解決客戶數(shù)據(jù)的問題。

人工智能落地的策略

首先，要了解業(yè)務(wù)本身。

類似計(jì)算機(jī)技術(shù)，互聯(lián)網(wǎng)技術(shù)，人工智能也是基礎(chǔ)學(xué)科。作為基礎(chǔ)學(xué)科，其在各行各業(yè)中主要體現(xiàn)的是輔助作用。通過人工智能技術(shù)的輔助，各行各業(yè)可以產(chǎn)生顛覆性的產(chǎn)品，但其核心是業(yè)務(wù)，而非人工智能技術(shù)。例如，計(jì)算機(jī)可以使人們更快地編輯文檔，但是其核心還是文檔編寫。互聯(lián)網(wǎng)可以更容易地獲取信息，但其核心是對信息的閱讀。移動互聯(lián)網(wǎng)可以使支付更加便利，但其核心是支付。以上技術(shù)都帶來了各行業(yè)的顛覆性變革，但其核心還是業(yè)務(wù)本身。人工智能也是如此。所以人工智能想要落地，首先要了解業(yè)務(wù)，再利用人工智能技術(shù)輔助業(yè)務(wù)，而絕非在行業(yè)中創(chuàng)造一種新的業(yè)務(wù)模式。

其次，了解目前人工智能技術(shù)發(fā)展和產(chǎn)業(yè)應(yīng)用。

目前人工智能技術(shù)還處在非常初級的階段，比較成熟的技術(shù)還停留在窄人工智能層面。只能較好地服務(wù)專項(xiàng)功能，如AlphaGoZero可以在圍棋專項(xiàng)功能上擊敗人類。

人們將人工智能技術(shù)無法落地歸咎于技術(shù)不成熟，這個想法是不準(zhǔn)確的，任何新型技術(shù)的出現(xiàn)都是從不成熟到成熟的發(fā)展，技術(shù)不成熟不代表無法落地。此外，深度學(xué)習(xí)非常類似于人腦的神經(jīng)網(wǎng)絡(luò)，人腦大概有1000億個神經(jīng)元。但并非這1000億個神經(jīng)元共同創(chuàng)建了一個功能包羅萬象的神經(jīng)網(wǎng)絡(luò)，而是各個部分負(fù)責(zé)各個功能。最新研究表明，大腦中的神經(jīng)網(wǎng)絡(luò)在不同功能中會有復(fù)用的部分。所以人工智能的產(chǎn)業(yè)落地，應(yīng)該是研究如何更好地組織和協(xié)同多個專項(xiàng)功能神經(jīng)網(wǎng)絡(luò)，而非研究一個包羅萬象的模型算法。合理有效的組織目前的機(jī)器學(xué)習(xí)模型是可以為企業(yè)提供完整的解決方案的。子長科技正在通過自主研發(fā)的人工智能中臺框架對騰訊、蘋果、歐萊雅、華潤等企業(yè)提供完整的人工智能解決方案。

第三，在各個垂直領(lǐng)域深度定制、各個擊破。業(yè)務(wù)的差異化和現(xiàn)階段對人工智能的理解限制了人工智能統(tǒng)一平臺的出現(xiàn)。目前比較流行的人工智能平臺實(shí)際上是模型支持層面的。統(tǒng)一的人工智能平臺無法滿足各行各業(yè)的業(yè)務(wù)需求。餓了么和滴滴出行可以使用統(tǒng)一的云平臺開發(fā)，但是云平臺提供的只是技術(shù)層面的支撐，對于業(yè)務(wù)層面是無能為力的。所以人工智能領(lǐng)域的公司應(yīng)該深耕各行各業(yè)的業(yè)務(wù)，由各行各業(yè)的業(yè)務(wù)精英引領(lǐng)落地方案。在業(yè)務(wù)基礎(chǔ)上構(gòu)建人工智能的應(yīng)用。

第四，降低成本。市場對人工智能的認(rèn)知需要很長時間，在人們對人工智能不了解的時候，必然不愿意使用大量成本。短時間內(nèi)，市場很難為高額的人工智能項(xiàng)目買單。人工智能項(xiàng)目的成本大概分為幾部分。一，業(yè)務(wù)定制的成本；二，模型構(gòu)建的成本；三，項(xiàng)目溝通的成本；四，本地化部署及維護(hù)的成本。

首先人工智能項(xiàng)目和業(yè)務(wù)綁定越深，業(yè)務(wù)定制部分的成本就越高。如果我們標(biāo)榜人工智能技術(shù)，而實(shí)現(xiàn)了一整套CRM系統(tǒng)，其成本大部分都是構(gòu)建該系統(tǒng)上，而非人工智能部分。人工智能技術(shù)公司需要想清楚自己是系統(tǒng)服務(wù)公司使用人工智能技術(shù)，還是人工智能的公司應(yīng)用到了某個領(lǐng)域。目前人工智能公司的產(chǎn)品最好是低成本、業(yè)務(wù)綁定較少的產(chǎn)品。例如人臉識別就是這樣的技術(shù)方向。

其次，對于模型的構(gòu)建，其成本主要是數(shù)據(jù)的收集、整理和標(biāo)注；模型訓(xùn)練所需要的硬件成本。首先對于數(shù)據(jù)，要降低成本，其根本還是降低數(shù)據(jù)的處理工作量。首先可以通過創(chuàng)建訓(xùn)練數(shù)據(jù)而非標(biāo)注數(shù)據(jù)的方法降低標(biāo)注的成本。其次可以通過小樣本訓(xùn)練模型降低模型訓(xùn)練對于訓(xùn)練數(shù)據(jù)的依賴。

不同于其他軟件或服務(wù)系統(tǒng)項(xiàng)目，甲方對人工智能的不了解，使人工智能項(xiàng)目的溝通成本非常高。人工智能公司需要細(xì)化溝通過程，從技術(shù)和業(yè)務(wù)兩個方向圍繞人工智能進(jìn)行溝通。

由于甲方開發(fā)或者IT部門不一定都對人工智能技術(shù)比較了解。而對于數(shù)據(jù)的保密，中大型企業(yè)都會選擇本地部署的方式。以上兩點(diǎn)加大了人工智能系統(tǒng)的維護(hù)成本。系統(tǒng)部署和維護(hù)需要盡量做到系統(tǒng)化，減少人工操作。我們考慮到這個問題，人工智能中臺包括了完整的部署、監(jiān)控和維護(hù)的全過程。

人工智能的落地應(yīng)當(dāng)本著務(wù)實(shí)、深耕的心態(tài)，加強(qiáng)各個產(chǎn)業(yè)布局，以各個產(chǎn)業(yè)現(xiàn)狀的經(jīng)驗(yàn)出發(fā)，學(xué)習(xí)和討論新的業(yè)務(wù)實(shí)現(xiàn)形式，從而挖掘創(chuàng)新的機(jī)遇。同時人工智能需要解決成本問題，降低自身研發(fā)成本，并降低指導(dǎo)客戶對人工智能的理解成本。

“超級觀點(diǎn)”欄目現(xiàn)發(fā)起“特約觀察員入駐”計(jì)劃，邀請各賽道的創(chuàng)業(yè)者、大公司業(yè)務(wù)線帶頭人等一線的商業(yè)踐行者，在這里分享你的創(chuàng)業(yè)體悟、干貨、方法論，你的行業(yè)洞察、趨勢判斷，期待能聽到來自最前沿的你的聲音。