AI很火,但为什么很难落地

　　会造成这一现象是有很多原因的，首先，AI前期投入高，回报未知，很可能造成虎头蛇尾的局面；其次，很多生产过程能接受的误差是很小的，AI没有很好的鲁棒性；另外，有一些问题，不单单是数据可以解决的，或者其它方案比AI更直观，更有效。

AI芯片是当前科技、产业和社会关注的热点，也是AI技术发展过程中不可逾越的关键阶段，不管有什么AI算法，要想最终得到应用，就必然要通过芯片来实现。但芯片行业已然存在多年，具备自身的成熟度与门槛。AI芯片正寻求更垂直的场景进行落地。人脸识别、语音识别、机器翻译、视频监控，以及交通规划、无人驾驶、智能陪伴、舆情监控、智慧农业等，如今的AI已涵盖人类生产生活各方面。

　　但是在消费者领域的落地相对容易一些，因为消费者对产品的价格和适应性要求不同，只要有部分人认可这一产品就是成功能，比如人脸识别，在消费者领域只要识别率达到90%就已经很不错了，而工业上即便达到98%都不行，至少也要达到99%，甚至99.99%才行。因为对于一个每天产能在几十万个产品的工厂来说，如果识别准确率达不到99%以上，就意味着有几百个不良品可能成为“漏网之鱼”。

　　因为工业领域对可靠性要求高得多，而且客户需求更加个性化，因此对产品稳定性和调试效率有更高要求。鉴于AI应用过程中存在的障碍，被访者最担忧的一点便是缺乏AI技能和专业知识。企业管理层表示，专业技能掌握不足严重阻碍了各企业对AI的大规模部署，而数据相互孤立也在持续产生着影响。

　　如何把一个通用的解决方案做成一个“落地”的解决方案呢？这就是需要非常巧妙地做好一个垂直领域行业的“生态”，在这个行业生态里，有很多的参与方，大家都能参与进来获利。最好的例子就是一个开放的操作系统。而AI现在的状况是，大家还都是各家在做各家的，没有联成像“操作系统”一样的生态。希望AI以后能够发展生态，成为“珠联璧合”的形式，那时候人工智能才能真正的落地。

　　当前AI应用没有做到让整个行业脱胎换骨，而要做到AI驱动的“核心决策系统”的优化，算法研究的力量可能只占其中比较小的百分比，更多的是要看市场对这个系统的态度，看生态、同盟的发展速度，能不能用来推动整个垂直行业的跃进。

　　我们相信随着AI技术的发展，当人工智能的人才需要具备市场思维，商学思维，明白建立生态的重要性，会发现各方的互补性，能把大家的需求挖掘出来。从而使AI技术的落地不再难。

相关产品