《2018中國人工智能商業(yè)落地研究報告》稱，過去一年，產業(yè)對人工智能期待值很高，各種應用層出不窮，但收獲卻很少。2017年中國AI創(chuàng)業(yè)公司獲得的累計融資超過500億元，但2017年中國AI商業(yè)落地100強創(chuàng)業(yè)公司累計產生的收入卻不足100億元，90％以上的AI企業(yè)虧損。

業(yè)界普遍認為，作為2017年全球信息通信領域最大熱點的人工智能產業(yè)，雷聲大、雨點小，遭遇商業(yè)落地之痛，確實令人深思。人工智能作為一股新的技術浪潮，只有通過商業(yè)化落地，才能最終實現對各個行業(yè)的賦能，只有這樣，才能獲得持續(xù)發(fā)展。那些僅有技術實力，而缺乏商業(yè)化落地的企業(yè)是經不起市場的考驗的。

“結合當前人工智能技術的進展，本文從三個方面就人工智能如何進行商業(yè)化落地進行了深入探討?！?/p>

人工智能應用落地的四個關鍵因素

1明確應用場景邊界

目前，人工智能還處于弱人工智能水平階段，商業(yè)落地應該一步一個腳印，不能急于求成。目前的人工智能技術只能解決部分問題，人工智能要實現商業(yè)落地，需要搞清楚要解決問題的具體領域，并有明確的應用場景邊界，把人工智能的功能限定在特定的邊境之中，這樣的AI解決方案才更具有實用價值。

2閉環(huán)數據反饋循環(huán)

中國的BAT,以及國外的谷歌、微軟、蘋果、特斯拉等巨頭公司，他們都有一個共同特征—閉環(huán)的數據反饋循環(huán)。向百度、Google等互聯網公司，能夠通過用戶輸入的信息，就能及時獲取用戶的一手數據。通過特定技術，就能提高客戶的體驗。從終端收集數據，然后用數據訓練模型，這樣就可以用模型提高用戶體驗，用戶端又會重復產生數據，這就形成了閉環(huán)的數據反饋循環(huán)。

3海量高質量數據

近年來，伴隨著云計算、大數據、物聯網、人工智能等信息技術的快速發(fā)展和傳統產業(yè)數字化的轉型，數據量呈現幾何級增長，根據IDC統計，全球數據總量預計2020年達到44ZB，中國數據量將達到8060EB，占全球數據總量的18%。針對視頻和音頻等數據，其分析越來越聚集于提取其中的語義，以深度學習為代表的人工智能技術，本質上是一個具有多層的神經網絡，只有依托海量的數據，才能使其學習質量達到理想的結果。

4高性能計算硬件

深度學習模型可以分為三個環(huán)節(jié)，分別為：前期訓練、云端推理、終端推理，其中前兩個環(huán)節(jié)存在較大的計算量，目前，CPU+GPU架構已經成為大部分企業(yè)的首選。FPGA的性能功耗比使得它有很大的市場，百度采用FPGA打造百度大腦專用AI芯片，微軟也是基于英特爾Stratix 10 FPGA芯片打造了Brainwave平臺。在終端推理環(huán)節(jié)，由于終端設備需求各不相同，需要定制化、低功耗、低成本的嵌入式解決方案，市場的競爭呈現多樣化，如寒武紀的1A處理器。

通過前面章節(jié)的探討，我們知道了想要人工智能落地，就必須把握好四個關鍵因素，未來可從這四個方面形成合力，加速人工智能應用落地，構建應用場景、高性能計算硬件成為人工智能應用落地的重中之重。那么，人工智能將率先在哪些領域落地？這也是很多人所關注的焦點，就此話題，我們展開進一步的討論。

人工智能將在哪些領域率先落地？

1金融領域

很長時間以來，由于在風控和運營方面的局限，金融服務一直存在很多瓶頸，不過，隨著人工智能、大數據、云計算時代的來臨，這些問題完全有可能迎刃而解，對此，百度高級副總裁朱光的判斷是，“人工智能最好、最有商業(yè)價值的落地場景就是金融。人工智能技術現在就能使其真正發(fā)生深刻變革的產業(yè)就是金融?！痹趥鹘y領域里面數據做得最好的就是金融界，李開復曾經指出：“一是在金融界里相對隔離得非常清晰。金融領域是不跟其他領域混在一起的，股票就是股票、保險就是保險、銀行就是銀行、賬單就是賬單，這些東西是能夠用來計算的，且屬于狹窄的領域。二是利用手中擁有的大數據量，可以獲取更多的數據。三是金融是最無摩擦的領域，錢進錢出，這里沒有生產、倉庫和物流?！边@就是為何人工智能很容易在金融領域落地，人工智能在金融領域的應用，主要通過機器學習、語音識別、視覺等方式來預測交易數據、價格走勢等，從而為客戶提供先關的金融服務，這樣能大大降低投資風險。這里需要強調的是，并不是人工智能技術將要取代人類，而是幫助人類做的更好。

2零售領域

人工智能在零售領域的應用，主要是通過大數據的分析，對倉儲和物流以及導購進行智能管控，從而達到節(jié)省成本、提高效率、簡化購物程序的目的。人工智能在零售行業(yè)有很多應用場景，如：計算機視覺和模式識別、消費者分析、智能庫存管理等，這里以計算機視覺和模式識別為例，簡要做一舉例，電商平臺每天都會有海量圖片，而通過計算機視覺和模式識別等深度學習技術，能對其進行分析和識別，在不完整信息的情況下，自動識別圖片的關鍵要素，從而為消費者提供更便捷的體驗。

3企業(yè)級服務

通過算法以及大數據處理系統的運用，現階段人工智能已經具備人臉識別、智能交互等功能，已經具備數據分析和描繪客戶畫像的能力，能夠讓服務和營銷的精確度更加精準。由于機器學習是人工智能的基礎，所以機器學習在企業(yè)服務領域中的應用場景非常廣泛。例如：碳云智能利用AI技術進行健康數據分析，為醫(yī)院、藥廠、健康管理公司等提供人群健康指數分析和預測；中譯語通用深度學習、神經網絡等技術為客戶提供海量的機器翻譯與語義搜索等服務；因果樹用AI投資機器人輔助企業(yè)進行投資決策。

4醫(yī)療領域

人工智能在醫(yī)療健康領域中的應用領域包括虛擬助理、醫(yī)學影像、藥物挖掘、營養(yǎng)學、生物技術、急救室/醫(yī)院管理、健康管理等，近年來，智能醫(yī)療的熱度逐漸攀升，隨著圖像識別、深度學習、神經網絡技術的不斷進步，在很大程度上推動了醫(yī)療產業(yè)與人工智能的深度融合。從另一個方面來講，隨著社會的進步和人們逐步對健康的重視，人們對于提升醫(yī)療技術、延長人類壽命的需求也更加迫切，然而，實際情況是：醫(yī)療資源分配不均、藥物研制周期長、費用高等問題。對優(yōu)質醫(yī)療服務的需求極大地刺激了以人工智能技術推動醫(yī)療產業(yè)變革升級浪潮的興起。

上文我們已經提出，有四大領域是人工智能最容易率先落地的行業(yè)，但是具體落地方法還不是很明確，筆者基于對人工智能目前整體形勢的認知，給出以下人工智能具體落地的方案，供大家參考。

人工智能落地具體方案

1尋找人工智能所能帶來價值的應用場景

要找到合適的人工智能商業(yè)落地應用場景，就是要明白人工智能在哪些方面可以做的比人類更優(yōu)秀。目前，并不是所有的工作都可以被人工智能所替代，但是對于海量數據的處理和分類，人工智能可以比人類做的更好?，F階段，人工智能已經能夠代替人類做那些簡單重復性的工作了。即使是對于高級白領，他們的工作中也包含了一些簡單重復性的工作，例如：信息的錄入、檢索和分析，流程的重復優(yōu)化等。這些工作覆蓋了各行各業(yè)，即使不用機器替代人，利用人工智能來提高工作效率也是很普遍的需求。

當我們知道了人工智能可以替代人們做什么工作以后，可以進一步思考一個問題：目前是什么阻礙了生產效率？當我們回答了這個問題，就很容易找到一個切合實際的應用場景。例如：企業(yè)里的會計人員需要重復的對相關財務數據進行錄入和分析，這類的工作能否通過人工智能來提升效率。

2快速驗證迭代，大規(guī)模實施

人工智能想要落地，至少要具備兩個條件，一是要有數據基礎，二是團隊結構要合理。前面我們已經討論了如何尋找人工智能的應用場景，當有了完善的數據，團隊搭建就緒以后，接下來要做的就是基于AI的過程設計原型驗證，在確認技術原型可行的情況下，再進行迭代和最終的大規(guī)模實施。

以上內容是將人工智能進行商業(yè)落地的基本框架，但是在實際操作過程中還會遇到一些現實問題，由于人工智能在技術上還沒有完全成熟，所以在落地過程中還存在一定的局限性。這不僅是一個大的挑戰(zhàn)，也同時是行業(yè)發(fā)展中的機遇，誰能最先在人工智能商業(yè)落地上取得突破，誰就將會在這場關于未來的競爭中取得巨大的優(yōu)勢！