如今，雖然人工智能在各行各業中的應用越來越多，但企業還沒有在人工智能領域實現規模經濟。這一直是企業在數字化轉型過程中面臨的最大也是最難以捉摸的挑戰。普華永道最近的一項調查顯示，盡管90%的高管認為人工智能帶來的機遇大于風險，但只有4%的高管計劃今年在企業范圍內部署人工智能，這突顯了這個問題的嚴重性。

這項調查表明，公司需要先掌握這項技術的基礎知識，然后才能擴大規模。人工智能帶來了操作、管理和工作技能培訓方面的挑戰，因為它影響到公司組織的各個層面，并從根本上改變了工作流程和商業模式。

人工智能的核心是生產力，所以可以肯定地說人工智能是關于經濟的。人工智能系統是一種預測機器，能讓企業和個人的工作效率更高，并做出更明智的決策。人工智能模仿人類的認知功能，如學習和解決問題，卻沒有人類如疲勞、情緒化和時間有限的缺點。一些專家預測，到2030年，人工智能將為全球經濟增加15.7萬億美元。

人工智能是最終的經濟刺激器

根據Gartner的研究，數字資產是數字戰略的基石，也是構建經濟生態系統的第一步。幸運的是，人工智能依靠數字資產蓬勃發展。這些數字資產是由人工智能的學習組件（機器學習和深度學習）操作的海量數據。這使得人工智能在經濟上獨一無二，因為人工智能可以使用數字規模經濟而不是實體經濟。與物理資產會隨著時間的推移而磨損和消耗不同，數字資產不會，它們可以以接近于零的邊際成本無限次地重復使用。

正如Schmarzo經濟數字資產估值定理所解釋的那樣，數字資產可以“同時降低邊際成本（通過數字規模經濟），同時加速數字資產的經濟價值創造（通過數字資產的可重用性）。”

再利用的能力是驅動健康經濟發展的引擎。重用資產經常被吹捧為解決諸如上市時間和產品質量等問題的經濟合理方法。IBM將資產的戰略性重用定義為“高級業務策略”。在人工智能的背景下，這并不是輕描淡寫。

隨著人工智能由機器學習和深度學習主導，數據和分析可以更精確地用于更復雜的問題。這些預測機器使用的基于樣本數據的被稱為“訓練數據”的數學算法和模型，可以通過經驗自動改進，并且隨著同樣的數據隨后被重用，其價值會變得越來越大。此外，當我們重用AI模型時，它們的價值會增加，并且從新的使用中獲得的經驗會傳播給模型的所有用戶。

在供應鏈中，通過配送車間的包裝自動化過程，將深度學習與人工智能系統相結合，以快速重用和學習，同時獲得指數級的改進。智能相機和深度學習的智能算法，可以在邊緣（計算過程發生的地方或附近）實現更好的質量，倉庫包裝可以相互實時通信，允許過程中的自我修正并可以形成更短、更準確的質量反饋環。

如果你也想開始人工智能，可以從這些最佳實踐開始：

1.從小處著手解決實際的業務問題開始，但要有這樣的心態：在可預見的未來，業務問題將成為關鍵資產。

2.包括所有的利益相關者，因為他們是成功擴展的關鍵。通常，阻礙成功的是人為因素。

3.像任何資產一樣，投資也是必需的，但是人工智能和數據資產不會像大多數資產那樣貶值，而是隨著規模的擴大和時間的推移而增值。

如上所述，隨著邊緣人工智能深度學習的發展，企業可以降低新用例的邊際成本，同時提升經濟價值。在第一個成功用例基礎上構建第二個用例，這樣累積的財務及操作價值會隨著用例的增長而增長。在日后的所有案例中，數據和分析的重用會加速人工智能的經濟價值，并更能接近這個數字時代人工智能的規模經濟。
責任編輯：tzh