![](https://www.f3a.cc/file/upload/201912/28/0225041042931.jpg)
最近一段时期,以深度学习为代表的人工智能技术在实际的落地中遇到了不少困难,未能充分满足客户的期望,行业内也产生了较多的质疑。然而就像所有其他的新兴技术一样,随着“泡沫”的逐渐破灭,行业的发展反而更加趋向务实,这为人工智能相关技术和产品的成熟及规模化落地打下坚实的基础。这同时也代表着,未来没有硬实力的公司会与泡沫一同消散,真正具有商业价值的公司才能存活,经得住考验的公司方能“剩”者为王。
权威行业分析机构的相关报告数据显示,当前慢慢的变多的企业关注和使用AI技术的同时,也慢慢变得关注AI的实用性。企业家们不但期望AI能够真正帮助企业降本增效创新,而且要求使用AI技术的价值必须是可被量化、可被感知的。
“AI落地面临很多挑战,过去三年中,相当一部分的AI项目都是失败或部分失败的,它们没有真正的产生价值,或者说没有产生足够的、符合投资回报预期的价值。但是也有不少AI项目成功了,并已确定进入了规模化复制阶段,为大家摸索出了可借鉴的成功经验。”
12月21日至12月22日,腾讯产业加速器之AI与SaaS第二次融合课程在深圳举行。腾讯云副总裁、大数据人工智能总经理王龙带来《现状和未来,协作与创新-人工智能行业落地探讨》的主题分享。在课程中,王龙梳理了近几年已经实现落地的AI场景 以及未来最有可能落地成熟的AI技术,与学员们一起探讨了AI落地过程中面临的挑战和可能的解决方案,并介绍了腾讯在AI领域的重点布局、发展战略。
(腾讯云副总裁、大数据人工智能总经理 王龙)
阅读前请先思考:
AI在哪些领域里渐入佳境,还有哪些提升空间?
未来一年,最有潜力的AI领域是哪些? 未来三年呢? 十年?
AI在每个领域发展的瓶颈在哪里?最有可能的突破方向在哪里?
部分领域的人工智能渐入佳境,进入规模复制阶段
过去三年多,伴随着人工智能技术的第三次热潮,各个行业都在不断的试验和探索AI技术的应用场景和创新机会。在资本和人才的强力推动下,我们大家可以看到,一方面广告营销、智能推荐、金融风控等传统机器学习场景开始使用深度学习来加强效果,另一方面在人脸核身(实人实名认证)、智能客服、图像和视频分析、社交娱乐、智能音箱等几个较大的细分领域里,人工智能技术已经充分证明其效果和价值,进入规模复制阶段。
其中,人脸核身已经实现快速发展,很多行业都开始应用相关技术,稳健的增长以及刚需的地位,让这一领域不会有太多变数。
智能客服方面,相应的算力、算法、工程、工具等条件都比较成熟,多年的市场教育和数以百计的产品供应商及其实践案例,让很多企业找到AI和内部流程、信息、组织架构等完美融合的方法,这使得智能客服的项目落地变得越来越容易。
图像和视频分析方面,线上基于消费互联网的积累,线下基于产业互联网的政策红利,在数据、算力和人才投入上都比较充分,因此过去数年的落地效果也得到了体现。
社交娱乐是人工智能规模化落地的重要场景之一。它有一个非常重要的特征,就是在于人的感受,不是需要精确计算投资回报比的。通过工程化来做应用创新,能制造娱乐感,哪怕有一些误差,也会有大量的用户愿意为其付费。
智能音箱得益于巨额商业补贴,催生了大量的数据反馈。相比于三年前,智能音箱的对话体验得到了很大的提升,同时和智能家居的协同发展也使得智能音箱的普及率越来越高。
这些已经规模化的AI应用场景,效果和体验还会持续的上升,但对此类产品技术的供应商而言,竞争的重点很快会回到实施成本及运营效率上。
“通过这些已经验证的场景,我们能够正常的看到,AI的商业化和规模化落地不仅仅取决于数据质量、算法模型、计算能效等因素,还受到行业状况、市场认知、生态成熟度等一系列大环境的影响。”
如果我们以相同的方式来进行筛选和评估,那么以下场景都可能存在着较大的机会。
未来1-2年最可能实现AI落地的领域
RPA(机器人流程自动化),这是两年前开始受到关注,2019年初的时候到达顶峰的新风口。典型的场景例如腾讯的智能核保,它帮助客户自动化完成从输入图像、链接内部多个系统、到输出结果的完整流程。 对于通常需要在多个烟囱式系统处理业务流程的行业,例如政府、金融、制造领域等,都有很大的发展空间。
辅助智能创作将是内容创作工业化时代的重要应用场景。内容生产多为线上,数据质量和算力都能获得保证,AI能够有效的推动内容创造将进入工业化时代。能否批量的个性化,高效灵活的生产内容,很大程度上将决定一个内容供应商的成败。
领域知识图谱在最近也得到慢慢的变多的关注。知识图谱能够大大提升数据存储、查询和分析的效率,使得人工智能的应用门槛降低,投资回报率提升。但因为知识图谱通常与特定的行业相关,这一方向的规模化依然存在一定的门槛。
作为这一类领域的产品技术供应商,算法模型的优化、工程能力、行业理解会变得同等重要。如何让AI技术在整体系统中的价值被衡量和感知,给客户以清晰的投资回报比,会成为产品能否推向市场的关键因素。
未来3-10年最可能实现AI落地的领域
医疗AI可使用计算机视觉进行医疗影像分析,或者自然语言理解来进行病历分析,进而达到辅助诊断的效果。然而,信息化程度问题、数据孤岛问题、合规问题、伦理问题,都需要一定的时间来解决。
工业AI的全面落地也还需要一段时间。工业门类众多、工艺流程复杂,一些利润较高、先进的制造业可能会率先应用人工智能来改进设计、生产、品控、仓储、物流等环节。然而,对于大量信息化程度较低、利润薄弱的制造业而言,AI成本还是远高于收益。
视频理解目前能做到抽取一些常用的视频标签,但想做到真正理解视频,例如用一段准确可接受的文字来描述视频内容还任重而道远。
除此之外,农业、零售、物流等多个行业在10年内也应该都会有更多规模化使用AI的细分场景出现。
在这些领域的创业公司,需要不断寻找并试探细分的应用场景,然后围绕影响AI商业化的几大因素来优化和突破,等待各方面条件成熟后的大爆发。
通用人工智能和完全无人驾驶尚需时日
通用人工智能和完全无人驾驶更是公认的业界难题,尚没有明确成熟的路线图,不仅存在技术上的瓶颈,还有伦理道德规范、法律和法规的制约。
这一领域的创业者和企业家,都在确定长期路线的同时,拆解出了短期可执行的路径,或者围绕产业的上下游,寻找“曲线救国”的道路。
解决AI落地难的对策
腾讯云将AI落地的挑战归为两大类:构建AI和应用AI。构建AI模型是指在确定场景的情况下,围绕数据科学家或者算法专家提供高质量的数据、超高的性价比的算力和高效的工具。 应用AI则需要围绕应用开发者,提供灵活丰富的AI能力,降低AI能力的接入门槛,从而能更加快速的将AI集成到应用系统中。
在克服这两个挑战的过程中,腾讯云一方面基于腾讯20多年在各个应用中的积累,精心打磨产品和工具来为用户服务,另一方面秉持开放的原则积极拥抱合作伙伴的能力,和合作伙伴一起创造有利的条件,加速各行各业各种场景下的AI落地。
“腾讯云作为云厂商,与行业里的大量合作伙伴优势互补。 合作伙伴在垂直领域的专业深耕和行业理解,与腾讯的基础设施、安全、各种平台软件以及企业微信、微信小程序等能力结合起来,一定可以帮助企业实现降本增效创新的目标,从而加速产业互联网的数字化和智能化升级。”