另一方面，互聯(lián)網(wǎng)企業(yè)在不同領(lǐng)域的種種嘗試，例如抖音和今日頭條的推薦分發(fā)算法、安全認(rèn)證領(lǐng)域的人臉識別、微信上的語音轉(zhuǎn)錄功能等等。這些互聯(lián)網(wǎng)行業(yè)的AI應(yīng)用，不僅給我們的生活帶來了實(shí)實(shí)在在的變化，也幫助企業(yè)實(shí)現(xiàn)了業(yè)績與效益的增長。

從這些角度來講，中國人工智能在應(yīng)用過程中取得的成績，無疑稱得上是優(yōu)等生。

但當(dāng)我們將視角深入到更多傳統(tǒng)企業(yè)中去，則會發(fā)現(xiàn)，當(dāng)人工智能走出實(shí)驗(yàn)室，走進(jìn)生產(chǎn)車間等實(shí)際場景的過程中，依然面臨著巨大挑戰(zhàn)。某制造業(yè)的老員工斷言：這就是個沒有底的“深坑”。

永輝超市旗下的彩食鮮CTO喬新亮曾感慨：

“AI其實(shí)有點(diǎn)像企業(yè)數(shù)字化轉(zhuǎn)型最后的那個‘質(zhì)變’。對一家企業(yè)來說，大家都想要秋天的果實(shí)，但是春天和夏天在哪里呢？”

類似的提問不是第一次也不是最后一次。根據(jù)埃森哲《中國企業(yè)人工智能應(yīng)用之道》面對全球企業(yè)高管的調(diào)研顯示：高達(dá)79%的中國企業(yè)高管認(rèn)為，他們必須借助人工智能來實(shí)現(xiàn)業(yè)務(wù)增長目標(biāo)——但其中，有52%的中國企業(yè)高管人員坦言，人工智能試點(diǎn)容易，但當(dāng)設(shè)法將人工智能推廣至全企業(yè)時，難度較大。

首當(dāng)其沖的是數(shù)據(jù)。人工智能對效率的提升，需要深度、全維度的數(shù)據(jù)作為分析原料，但與互聯(lián)網(wǎng)天生根植于數(shù)據(jù)不同，我國人力資源充裕，過去很多傳統(tǒng)行業(yè)的數(shù)字化意愿并不強(qiáng)烈。到了人工智能時代，企業(yè)的數(shù)據(jù)基礎(chǔ)不扎實(shí)，也就難以承載起上層的智能化轉(zhuǎn)型。

其次是企業(yè)部署算力設(shè)備的成本。隨著場景、數(shù)據(jù)量的增多，算力需求呈現(xiàn)指數(shù)級增長，而無論是算力設(shè)備的購置費(fèi)用還是技術(shù)人員對算法優(yōu)化的時間投入，都是一筆不小的開支。

此外，AI的介入，需要將過去依靠人決策的生產(chǎn)工作流程打破，并結(jié)合AI決策重新構(gòu)建場景。在這個過程中，找到適合AI的、能夠帶來業(yè)績提升的落地場景，并以此構(gòu)建新的工作模式，往往意味著專業(yè)人員數(shù)月的時間投入。

更不必提，在落地過程中，組織上下員工觀念仍然需要時間來轉(zhuǎn)變，最后“錢沒少花，但還是人來干活，干完活用機(jī)器記錄一下”的案例比比皆是。

因此，我們不難發(fā)現(xiàn)，人工智能在互聯(lián)網(wǎng)領(lǐng)域的攻城掠地有多順利，在實(shí)體經(jīng)濟(jì)中的落地就有多困難。

而無論如何，盈利、資源利用率最大化、滿足客戶需求，才是每一家企業(yè)的終極目標(biāo)。這正是“業(yè)務(wù)一線的AI”與“實(shí)驗(yàn)室里的AI”的本質(zhì)區(qū)別：實(shí)驗(yàn)室中，專家學(xué)者的目標(biāo)是攻克技術(shù)難點(diǎn)，提出新的技術(shù)路線；而業(yè)務(wù)一線中的AI，則是要通過提高效率降低成本，實(shí)現(xiàn)企業(yè)經(jīng)營上的增長。

從更加宏觀的層面來看，這是喜憂參半的一體兩面，喜的是中國已經(jīng)開始擺脫模仿，樹立自己的智能化標(biāo)桿；憂的是，我國龐大的人口基數(shù)與過去數(shù)十年的高速發(fā)展，造成了各產(chǎn)業(yè)對勞動力不同程度的依賴，數(shù)字化基礎(chǔ)較差，智能轉(zhuǎn)型過程中不可避免面臨著技術(shù)、認(rèn)知上的落差。

這其實(shí)是一種慣性的思維，即一項(xiàng)新興技術(shù)最終總會通過某個具體的產(chǎn)品呈現(xiàn)。比如我們說移動互聯(lián)網(wǎng)想到的就是手機(jī)、說到航天想到的就是火箭。

然而我們也知道，自AlphaGo “出道”算起，人工智能技術(shù)落地的嘗試也才走過5年時間。AI概念一度繁榮，又一度沉寂?，F(xiàn)如今在各個行業(yè)的應(yīng)用落地才剛剛開始，不同技術(shù)之間相互融合還需時日。

從另一個角度來說，結(jié)合企業(yè)實(shí)際痛點(diǎn)，將技術(shù)封裝為一個完整的產(chǎn)品，無疑比單純“賣算法、賣服務(wù)”更加有利于人工智能的落地與推廣。

比如國內(nèi)AI公司第四范式就推出了軟硬一體化產(chǎn)品。在硬件方面，通過利用異構(gòu)計(jì)算的技術(shù)，將CPU、GPU、FPGA等芯片相配合，達(dá)到更好的運(yùn)算效果和更靈活的算法與算力匹配。而軟件方面，人工智能操作系統(tǒng)的加入，使得整個機(jī)器的整體運(yùn)算效率以及算力調(diào)度能力更強(qiáng)。

第四范式系統(tǒng)架構(gòu)科學(xué)家盧冕解釋說：

“正因?yàn)槲覀兞私廛浖惴▽拥呢?fù)載、數(shù)據(jù)特征的冷熱分布細(xì)節(jié)，所以我們可以去匹配合適的硬件，從上層的應(yīng)用，穿透到計(jì)算邏輯和框架，再穿透到底層硬件，軟硬之間是互助的聯(lián)合優(yōu)化，可以發(fā)揮更好的資源優(yōu)勢?！?

“由于一體系統(tǒng)追求穩(wěn)定、高效、兼容，比如英特爾的CPU，借助它的多核優(yōu)勢，我們把這個軟件的可擴(kuò)展性做得更好。而傲騰持久內(nèi)存容量更大的特性，也讓一臺機(jī)器可以撐起更多的任務(wù)，例如在10TB數(shù)據(jù)量的事中實(shí)時決策場景中，在應(yīng)用基于傲騰持久內(nèi)存優(yōu)化的開源機(jī)器學(xué)習(xí)數(shù)據(jù)庫OpenMLDB后，算力消耗由25臺下降至8臺。另一方面，英特爾提供了FPGA這種專用的加速硬件，我們在這種硬件上也做了一些模型訓(xùn)練方面的加速工作?！北R冕說。

硬件上的穩(wěn)定運(yùn)行得益于其搭載了一套完整英特爾產(chǎn)品。這種具備計(jì)算、存儲、網(wǎng)絡(luò)全方位硬件支持，并將軟件、系統(tǒng)級優(yōu)化能力融于一體的底層基礎(chǔ)設(shè)施方案，給AI系統(tǒng)帶來了更加全面的場景、功能支持，更大程度地保證了整個系統(tǒng)沒有短板。反映在實(shí)際應(yīng)用中，則是更高的算力輸出表現(xiàn)、更低的數(shù)據(jù)訪問時延、更短的故障恢復(fù)時間等等，還有整個應(yīng)用系統(tǒng)總體擁有成本，也就是TCO的下降。

人工智能從方案設(shè)計(jì)到落地的全生命周期中，需要的能力非常多。合作越多、生態(tài)越豐富，AI產(chǎn)業(yè)的推廣與建設(shè)就更加順暢。像是第四范式就選擇以開源的方式，將機(jī)器學(xué)習(xí)數(shù)據(jù)庫OpenMLDB提供給社區(qū)，讓更多開發(fā)者能以便捷、低門檻的方式去落地AI，企業(yè)也能夠更好的完成規(guī)?；?。

這些嘗試并不一定能解決所有的問題，事實(shí)上，人工智能作為一種技術(shù)綜合體，在不同的場景中，有著不同的組合形式。但也正因其復(fù)雜性，通過更多人的參與，將孤立的技術(shù)與解決方案連接成片，最終組成堅(jiān)固的技術(shù)生態(tài)，將為AI的落地帶來更多可能性。