文/陈根
疫情的大流行为人工智能的发展打开了新的窗口期和丰富的实践场。短时间内,人工智能就以迅猛的姿态铺陈在了社会生活的各个方面。与此同时,人工智能作为信息化领域的通用基础技术被纳入新基建,被视为支撑传统基础设施转型升级的融合创新工具,全面上升为国家战略。
在这样的背景下,市场对人工智能的热情持续高涨。不论是互联网巨头,还是传统制造企业,纷纷加码人工智能。“商业落地”成为当前人工智能发展的鲜明主题词。但事实上,迄今为止,人工智能还处于从实验室走向大规模商业化的早期阶段。
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,但从AI产业向产业AI的转型和落地却并非一片美好。想要让第三次人工智能浪潮真正落地,将人工智能的赋能效应向社会的各个方向延伸则是不可回避的问题。
人工智能降温背后
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,IBM Waston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。
此外,人工智能产业想要进一步发展,离不开人工智能技术的进一步发展。作为国家未来的发展方向,AI技术对于经济发展、产业转型和科技进步起着至关重要的作用。而AI技术的研发,落地与推广离不开各领域顶级人才的通力协作。在推动AI产业从兴起进入快速发展的历程中,AI顶级人才的领军作用尤为重要,他们是推动人工智能发展的关键因素。
然而,中国人工智能领域人才发展极为欠缺。一方面,中国AI产业的主要从业人员集中在应用层,基础层和技术层人才储备薄弱,尤其是处理器/芯片和AI技术平台上,严重削弱中国在国际上竞争力。
另一方面,人工智能人才供求严重失衡,人才缺口很难在短期内得到有效填补。过去三年中,我国期望在AI领域工作的求职者正以每年翻倍的速度迅猛增长,特别是偏基础层面的AI职位,如算法工程师,供应增幅达到150%以上。尽管增长如此高速,仍然很难满足市场需求。但是,由于合格AI人才培养所需时间和成本远高于一般IT人才,人才缺口很难在短期内得到有效填补。
人工智能市场发展存在的困境不可忽视,从某个角度来说,更是困于资本,困于服务。近年来,资本帮助AI市场加速行业发展,放大AI场景效应,让行业的智能化发展从AI中获得了益处,资本的力量使得技术变现攫取财富成为了现身说法,加剧了AI市场中各领域分工布局的泾渭分明。
如今,随着隐私与数据安全的立法并得到广大民众重视,人工智能开始回归本质,回归成为一种先进的生产力,生产力服务的生产关系也从炙手可热逐步趋于理性,直至逐渐降温。
在这个过程中,互联网企业扮演了重要作用。互联网企业是数字经济的创新者、实践者,通过互联网及移动互联网,互联网公司在生产经营活动中创造并积累了大量数据。
这些数据来自于用户的真实需求、反馈以及行为。在安全合规的基础上,互联网公司不仅充分利用了数据的价值,更让整个商业社会都开始重视数据的价值,激活了各个产业的数据意识,推动数字经济的渗透与发展,从而在一定程度上完成了第三次人工智能的大数据资源的积累。
随着整个社会的数字化转型,如何将人工智能的赋能效应向社会的各个方向延伸将是不可回避的现实问题。
显然,当人工智能回归技术本质,不仅要在市场角度对其有合理的期待,大兴人才弥合人才供需的失衡,还要在产业方向真正创造一个从数据积累、技术溢出、算法创新,到不同产业搭建连接人工智能的网络。只有这样,才能真正满足更多高频、刚需、可复制性强的需求场景,让AI普惠的回报机制有更多收入确认机制,让第三次人工智能浪潮真正落地。
