（電子發燒友網 文/張慧娟）經歷了過去幾年的商業摸索期，AI正在從主流應用先導落地，走向碎片應用持續滲透的階段。那么，AI項目落地情況究竟如何？2019年比上一年在出貨情況如何？項目成功落地的驅動因素和挑戰有什么？作為AI基礎層的芯片和算法框架現狀如何？

為了全面客觀地了解AI基礎技術的發展現狀、項目部署以及應用情況，<電子發燒友>今年上半年通過多維度的梳理和一線交流，以及超過1000份有效調查問卷，完成了行業首份覆蓋芯片/開發平臺/算法框架、產品應用以及落地部署情況的調研報告，試圖真實反映出AI的發展全貌，挖掘未來的發展機遇。該報告將在<電子發燒友>于2020年7月10日舉辦的人工智能大會上進行發布，以下是部分內容：

一、項目部署成功率低，應用和預期偏差較大

AI經歷了概念泛起，到逐漸走向落地應用階段。應用場景碎片化不易把握、實驗室到實際應用場景差距大等問題逐漸暴露出來，也成為當前AI落地應用過程中最大的痛點和重大應用項目亟待解決的問題。

在對受訪公司AI項目的部署情況進行調研時發現，成功率30%以下的占比最大，占34%；成功率31%-50%的，占22%；僅有3%的企業，項目成功部署率達到了91%以上，成功率為51%-70%的占11%，71%-90%的占4%。

可以看出，現階段公司投入一個AI項目，還是有較大的風險，成功部署的比例并不高。

那么，是什么阻礙了AI項目的成功部署？在對項目失敗的原因進行了解時，我們發現“應用與預期出現偏差”的占比高達60.4%，項目技術規格無法實現的占39.6%，還有35.6%的是配合不暢導致的周期問題，23.5%的是項目資金出現了問題。

這些都是當前AI項目部署過程中非常典型的問題，也是AI在發展初期遇到的難題，來自于供需雙方之間的信息不對等、認識偏差等等。有效溝通應該貫穿在整個項目的始終，從方案設計開始，到中間的各個環節，稍有偏差，都會導致項目的失敗。

為什么會出現這些問題？以算法的推進為例，有的算法是按小時迭代上線的，有的是按周來迭代的。對于芯片企業，常常跟不上算法對芯片的直接要求。最終將產品、服務提供給客戶時，算法和芯片最后融合成什么樣，往往在客戶、普通用戶眼里會產生理解或感知上的偏差。

現階段，人工智能在各行各業的普及和應用率還較低，這也是理想和現實存在的差距。造成這個現象的原因主要還是整個生態鏈不夠健全，仍停留在淺層次的融合階段，需要更完整的生態鏈的互動、更深度的合作。

從出貨量方面來看，與上一年相比，增長率1%-10%的占26%，11%-20%的占19%，增長率在50%-100%之間的，加起來不足6%。而出貨量實現翻倍的，總和僅為3%左右。

從這些數字也可以看出，AI產品在落地方面確實挑戰比較大，出貨量總體上還是處于小幅成長的狀態。

二、時代賦予AI落地機遇，算力、算法、場景須繼續突破！

那么，項目落地這么難，有哪些是推動AI應用的機遇？可以從今年最突出的兩個背景來看，一個是時代背景，就是新冠疫情；一個是政策背景，就是新基建。

某種程度上來說，疫情在倒逼AI加速落地，人臉識別、智能語音、智能機器人等應用已經迅速落地，并在疫情中發揮出了重大價值。并且受疫情影響，一些傳統行業更加深刻地意識到AI、5G、大數據等技術的重要性，開始加大對于IT基礎架構的投資，這對于AI的發展基礎非常重要。

新基建的拉動作用，可以從三個維度來看：第一個維度是AI基礎層的突破；第二個維度是底層共性技術交融帶來的機會；第三個維度是在傳統和新興產業的落地。這些都離不開算力、算法的持續突破和迭代，以及對場景的更精準的識別。這也反映出，AI走進了更注重實用性的階段。

在針對芯片原廠的這項調研中可以看到，已量產的占比僅為7.2%，有相當一部分處于產品定義、系統開發和原型驗證，以及測試和客戶驗證階段等。根據芯片的開發周期和開發特點可以預估，未來1-3年內，AI芯片將逐漸起量。

由于算力是AI發展的重要因素，因此我們一直對AI芯片的創新以及市場格局非常關注。CPU、GPU、FPGA、DSP、NPU以及新興處理器的發展現狀、市場情況如何？云、邊、端芯片主要玩家的競爭格局走向怎樣？AI芯片又將如何配合應用端？隨著AI從云走向邊緣，AI芯片又將如何與面向邊緣特定應用的算法框架深入融合？敬請關注<電子發燒友>產業獨家調研報告！

本文由電子發燒友網原創，未經授權禁止轉載。如需轉載，請添加微信號elecfans999.