整個2019年，伴隨著各行業數字化轉型議題的升溫，以及5G帶來的IoT大潮，作為支撐的核心技術——人工智能也進入了新的階段。在經歷之前概念理論與技術方法更受關注后，如今人工智能已在多場景下均有落地應用，賦能行業驅動產業升級變革中，如何帶來新的價值成為市場最為關注的重點。

在12月17日舉行的2019愛分析·中國人工智能高峰論壇上，上述議題也成為來自計算機視覺、語音識別、NLP、數據智能等通用技術以及智慧安防、智慧城市等行業應用領域的多位與會嘉賓深入交流的重點，尤其是大會同期發布的《2019中國人工智能行業趨勢報告》（下文簡稱“報告”）直指關鍵，詳述了目前國內人工智能產業發展的落地挑戰與發展趨勢。

數據挑戰問題最多

報告指出，目前人工智能仍存在數據、模型、行業、服務方式等領域的挑戰，其中數據行業面臨的問題最多，據愛分析首席分析師兼合伙人李喆現場介紹，挑戰主要包含三大方面。

第一是數據治理問題，李喆表示，原來只需單點解決圖象或文本問題，即單業務系統數據處理，現在涉及多元異構處理，這使得整個系統數據復雜程度更高，數據治理難度也大大提升。“所以現在需要一些新的數據治理手段。”李哲指出，目前比較成熟的是使用大數據湖模式，同時兼顧結構化數據和非結構化數據處理，可以實現低成本存儲，更好地支撐應用。

第二是數據標注問題。在圖象、語音時代，數據標注場景相對比較簡單，但隨著行業層面的延伸，數據標注復雜程度變得非常高，如何保證在較低成本下完成數據標注，成為新的挑戰。李喆指出，第三方標注平臺公司逐步興起將會在未來成為趨勢。

第三則是最受關注的數據安全與隱私問題。隨著數據安全事件的增多，李喆表示，未來需要更多的新技術，保證在底層數據不實現交換的前提下，經過加密訓練后可實現聯合建模，解決數據隱私問題。

報告同時指出了模型層面的很多新變化。以服務于金融客戶的AI公司為例，銀行端很多企業關注點是人工智能模型如何解釋，以及背后的業務邏輯。對此，李喆表示，未來大場景還會使用統計建模方式，小場景下則會采用深度學習模式，采用一些開源模型自動跑出結果。

行業層面也出現了新的挑戰。報告指出，視覺語音時期，從聲音前端到NLP再到GTS，場景基本都是單一的，但目前在落地到行業場景后需要具備對全業務流程know-how的認知，使得要求逐步提升。報告指出，過去的行業經驗與方法論需要和人工智能技術結合，成為解決這一問題的手段。“未來知識圖譜會是一個比較好的解決方式。”在李喆看來，通過統一的知識圖譜，實現知識的融合，下一步再做應用，將成為可行方式。

服務方式層面，以三元、工行等知名企業為例，更多關注AI怎樣解決自己的問題，如對銷售部門而言，核心就是基于AI技術提升銷量，提升用戶復購率和行業滲透率，而并不僅僅是AI公司提供一個產品或者服務就可以解決的。報告表明，很多大型企業的最終業務需求和AI公司提供的標準化產品之間，存在一個很大的鴻溝。李喆指出，這些公司沒有特別好的落地方法論，除了希望AI公司提供一個產品外，也更多希望AI幫助其進行運營業務，這是對于AI公司的新挑戰。

此外，依托大的AI芯片的公司不斷降低芯片成本，進而降低整個硬件成本體系，也是整個AI行業面臨的挑戰。

人工智能將進入第三階段

對于人工智能產業的發展趨勢，報告主要歸結為三個方向。

第一，5G會帶來新的業務場景。除了目前5G不斷擴大應用場景豐富產業生態外，李喆強調5G將讓整個社會處于永遠在線的階段，尤其是5G上線后設備可以不斷實時上傳數據，將使得企業接受的數據量越來越大，這一點或許對于將成為整個人工智能行業的一個新爆發點。

第二個是落地階段新技術的涌現。李喆指出。現階段人工智能更多是應用在知識圖譜這一技術上，下一步如何能影響到行動階段，將是下一步的方向。表現在具體案例方面，李喆解釋道，通過知識圖譜構建的是一個幾十億條編的場景，如果完全依靠機器學習找出最短路徑，中間會耗費大量的計算時間和資源，這一階段如果有一些專家經驗與認知，就可去掉中間不必要的路徑，縮短整個決策周期和時間，更好助力技術落地。對此，人機協同或許是未來幾年興起技術方向。

第三是人工智能將發展到第三個階段——從企業內部跨向整個產業。以目前包括美團、滴滴在內互聯網公司為例，正在逐步滲透到產業上下游，如美團開始涉足服務餐飲、零售門店，滴滴往出租車公司領域滲透，進而逐步提升整個產業鏈數字化程度，價值更多在于作為產業核心企業，基于新的AI技術實現更強大的資源調度和資源賦能。

“我們能看到現在整個不管是滴滴調度平臺還是美團實時配送平臺，都是基于整個產業數字化提升后用新AI技術如何更好地實現資源調動，從而推動整個產業鏈結構上的整體效率提升。”李喆強調，這將是人工智能技術未來的重要一環。

責任編輯：ct