AI产业转型产业AI:人工智能降温背后，挑战显现

人工智能降温背后，困境显现

从全球市场来看,人工智能的火热,离不开背后资本的助力。然而,人工智能的投资却呈现降温态势。

据中国信息通信研究院2019年4月发布的《全球人工智能产业数据报告》,融资规模方面,2018年Q2以来全球领域投资热度逐渐下降。2019Q1全球融资规模为126亿美元,环比下降3．08%。其中,中国领域融资金额为30亿美元,同比下降55．8%。在全球融资总额中占比23．5%,比2018年同期下降了29个百分点。

此外,人工智能企业盈利仍然困难。以知名企业DeepMind为例,其2018年财报显示营业额为1．028亿英镑,2017年为5442．3万英镑,同比增长88．9%。但是,DeepMind在2018年净亏损4．7亿英镑,较2017年的3．02亿英镑增加1．68亿英镑,亏损同比扩大55．6%。

报告显示,2018年近90%的人工智能公司处于亏损状态,而10%赚钱的企业基本是技术提供商。换言之,人工智能公司仍然未能形成商业化、场景化、整体化落地的能力,更多的只是销售自己的算法。

究其原因,一方面,市场对人工智能寄予过高的期望,而实际的产品体验却往往欠佳。人们对人工智能能力、易用性、可靠性、体验等方面的要求都给当前的人工智能技术带来了更多挑战。

其一,由于部分人工智能企业及媒体传播的夸大,导致了人工智能仍然青涩的能力在某些领域存在被夸大的情况。其二,当前的人工智能高度依赖数据,但数据积累、共享和应用的生态仍然比较初级,这直接阻碍着人工智能部分应用的实现。其三,人工智能作为一种新的技术,在市场的应用无疑需要长期与实体世界和商业社会进行磨合,避免意外的情况发生。

人工智能掀起的技术革命成为不争的事实,但对于人工智能的发展仍然需要合理的期待,否则将面临造成巨大的泡沫的可能。

另一方面,尽管越来越多的人工智能技术从开发者和实验室中走出来,开始进入到各个行业中,但是从Al产业向产业Al的转型和落地却并不一片美好。

显然,商业化需要企业利用人工智能技术来解决实际的问题,并通过市场进行规模化变现,这关系到人工智能的技术能力、易用性、可用性、成本、可复制性以及所产生的客户价值。但至今,商业化、产业化的速度、范围和渗透率仍然存在一定的“实验室和商业社会的鸿沟”。

这意味着,人工智能仍需要从早期普遍强调技术优势,过渡到更加注重产品化、更加融合生态、更加解决实际问题的商业化发展阶段。

此外,更多人工智能企业还需要找到合适的应用场景以便人工智能从实验室走向产业化、商业化。比如,医疗作为民生领域受到了AI投资持续的关注。事实上,科技企业智能医疗的布局与应用已有雏形,IBMWaston已应用于临床诊断和治疗,在2016年就进入中国在多家医院推广;阿里健康重点打造医学影像智能诊断平台;腾讯在17年8月推出腾讯觅影,可辅助医生对食管癌进行筛查。

然而,由于人工智能需要大量共享数据,而医院和患者的数据却存在“孤岛”障碍。在打破各方壁垒的同时,保障数据安全性又成为现实困境,而这同时阻碍着人工智能在医疗领域的真正爆发。

应用何处,如何实施?

客观地认识人工智能产业的发展现状,是为了更好地发挥人工智能技术的赋能作用。数字经济盛行的情况下,人工智能技术已经成为越来越多企业的创新动力和源泉,而人工智能在企业的应用也已经达成了初步共识。但是,具体应用在何处,怎样来实施人工智能的应用,才是当前要回应的人工智能发展问题的关键。

人工智能并不仅仅是短期热点,更具有长远价值。它是技术趋势,亦是基础设施。在人工智能的加持下,企业有望带来效率的提升,但效率的提升并无法形成企业独特的竞争力。换言之,人工智能市场发展存在的难题在内部资源与外部环境的匹配。

可以说,人工智能技术的应用是数字经济商业模式发展的必然结果。回顾人工智能发展历程,近年来,数据智能驱动的数字经济商业模式的崛起,使得搜索推荐、人脸识别和语音识别等人工智能算法能够满足业务量快速增长的目标。

如果一个企业的业务形态是靠数据和算法对外提供服务,这意味着,其也一定需要应用人工智能技术,然后发展出自己独特竞争优势的人工智能应用,从而带来更好的用户体验和商业上的成功。

（编辑：辽源站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!