人工智能真正落地“刚需场景” 摒弃伪需求非常重要

未来人工智能无处不在，当下各行各业也都贴上了人工智能的标签，而人工智能貌似“无所不能”地渗入百业百态。制造加工、医疗健康、安防监控，甚至是社区管理，在贴上“人工智能”标签之后，立马就成了“高大上”的代表。

人工智能从备受关注到产业落地，到底有多长的路要走？在由深圳市人工智能协会主办的第四届人工智能领袖峰会上，来自产学研的专家在人工智能加速产业变革发展的时代下，探讨当下和未来的人工智能的产业落地和生态重构。

当下人们对人工智能有着很高的期待，但在产学研专家看来，即使有生态和应用场景，也并不意味人工智能产品能获得大规模应用。

从实验室到应用场景始终有一段距离，要快速推动人工智能落地，首先要找到刚性需求场景。

摒弃伪需求，让人工智能真正落地“刚需场景”

真正的人工智能落地，是立足于特定场景，并且真正在为用户创造价值。

回溯历史，人工智能落地缓慢，是因为落地过程中存在“伪需求”场景，所以，推动人工智能发展，找到刚性需求场景很重要。

Testin数据标注业务总经理贾宇航

作为人工智能的服务商TesTIn的数据标注业务总经理贾宇航说：“人工智能并不是独立存在的，它最后一定是落地到用户真正需求的众多场景之中，当下人工智能产业落地确实遇到了一些困难。”

什么是用户真正需求的场景？一是解决了没有办法满足的需求；二是让工作效率有了实实在在的提升。就好比飞机让人实现了上天的梦想，高铁则让出行需求得到了成倍的缩短。

与之相反，伪需求就是纯粹为了技术而技术，既没有创造出新的价值，也没有提升新的效率。

而出现伪需求的原因有两个，一是政策鼓励人工智能产业发展；二是市场规模庞大，前瞻产业研究院数据显示，预测2019年我国人工智能市场规模将达到554亿元左右，2021年我国人工智能市场规模将突破千亿元，并预测在2023年我国人工智能市场规模将突破2000亿元，达到了2364亿元左右。

市场与政策对人工智能产业的鼓励，不可避免的存在一些将伪需求坚持到底、甚至为了人工智能而“转型”的企业。这些为了眼前的短期利益的企业，在享受了政策和产业红利之后势必衰败，潮水褪去，才能看到哪些人在裸泳。

潮水退去，留下的都是真正创造价值的“金子”

人工智能浪潮突起，类似于前几年的“互联网＋”，众多企业视之为绝不能错过的战略机遇，不过，“裸泳者”势必黯然收场。真正留下来的“金子”，才是推动行业发展、城市建设以及国家战略中，真正创造价值的企业。

站在行业层面看，人工智能以前案例少，应用缺乏窄，现在随着技术的突破，人工智能逐渐落地各行各业，有可能形成极大的用户市场，并且人工智能的应用领域也空前广泛，从制造加工、医疗健康、到安防监控，甚至是社区管理，开始改变不少传统行业的运行模式。

从城市建设层面看，只有找到城市中刚性需求的场景，才能更好的推动城市建设。360集团副总裁、智慧城市及大数据总裁穆鸿说：“如果没有找到人工智能应用的刚性需求场景，只是做形象工程，落地是很困难的。”

人工智能的选择场景的维度并不是做到大而全，而是够不够纵深。穆鸿从五个方面商业化落地中如何选择场景的纬度：第一是市场规模要大；第二是信息化水平要相对较低，因为信息化水平太低不利于产业落地，信息化太高会导致企业扎堆进入产生红海市场；第三是政府关注的领域；第四是能够产生商业价值，确保企业可持续发展；第五是暂无行业巨头。企业在将人工智能商业化的过程，一定要结合实际情况，找到刚性需求场景，拒绝形象工程，才能创造价值。

上升到宏观国家层面的导向来看，国家对人工智能产业的发展极度重视，人工智能被多次写入政府工作报告，国家也希望企业在人工智能商业化过程中，一边获取产业红利，一边创造市场价值。

作为赛为智能董事长的周勇，很早就意识到企业顺应国家发展方向才能更快更好的创造价值。他在接受亿欧采访时表示，国家战略对人工智能落地中起到了至关重要的作用。

赛为智能董事长周勇

周勇还表示，赛为智能以人工智能为核心，以军民融合为方向的战略，顺应军民融合与人工智能的国家战略落地。人工智能作为新兴领域，在军民融合之路的创新实践，对传统领域的影响是不可低估的。

总之，无论从行业发展趋势，还是从宏观国家层面的导向来看，创造价值是人工智能产业落地的基础。基础支撑、关键技术、应用场景是人工智能的商业化过程非常关键的三要素，然而众多“投机企业”根本没有基础支撑和关键技术，却依靠伪需求场景谋取政策和产业红利搅乱人工智能的发展格局，加大了人工智能落地生根的难度。

人工智能要实现商业落地，首先要做的就是过滤掉这些“投机企业”，留下真正的行业有需求，真正为用户创造价值的企业。

人工智能全面商业落地，还有很长的路要走

人工智能是政策的宠儿，也有着千亿级市场。然而在现有人工智能技术水平下，准确抓住刚性需求很难，行业落地之路也并不顺利。

首先是产业壁垒。一方面在技术门槛较高的领域，人工智能鲜有大规模应用的案例；另一方面人工智能对行业理解是远远不够的，在如何实现人工智能与行业深度融合方面没有具体的计划和措施。

其次是核心技术的缺陷。除了行业壁垒外，人工智能与行业结合的另一个薄弱环节在于我国对人工智能的核心要素掌握不足。

算力、算法和大数据是人工智能的三大核心要素，然而算力方面，提供算力的高端芯片被国外厂商垄断；算法方面，目前的算法只能实现浅层次的识别和判断，替代一些重复性、机械性地劳动，但复杂的场景往往需要多个算法，加大了人工智能应用的落地成本和难度；数据方面，中国无疑有着基数庞大的优势，但数据孤岛问题却对人工智能落地造成了困扰，周勇说：“中国海量数据的价值并没有被完全挖掘，不同的平台之间的数据缺乏互联互通，并且数据之间缺乏统一标准。”

最后是网络安全问题，人工智能不断发展，网络安全问题也愈发严重。穆鸿认为，人工智能成熟落地的过程中，人工智能带来的网络安全问题会更加复杂，即使是一个网络安全错误，对整个系统而言也是灾难性的打击。

所以，在现有人工智能技术水平下，一方面要找到落地的刚性需求场景，而不是纯粹做技术；另一方面，产业与人工智能技术结合之后，要能达到实际的应用水平，才能在行业里站住脚，真正的产生商业价值。

总之，人工智能落地产业不仅仅是单方面的努力，更需要人工智能与落地行业间建立起长期和深度的合作，等待技术缺陷被弥补，距离真正实现人工智能全面实现商业落地，还有很长的路要走。