AI落地遥遥无期原来是这些问题“拖后腿”_AI

AI落地遥遥无期原来是这些问题“拖后腿”

摘要：从AI的市场需求和政策支持来看，落地应该是非常轻松简单的，可实际上却事与愿违，现实是AI很火但是落地却很难。

　　【仪表网仪表下游】导读：从AI的市场需求和政策支持来看，落地应该是非常轻松简单的，可实际上却事与愿违，现实是AI很火但是落地却很难。是什么原因导致AI无法自然融入这个社会，只能成为华而不实的幻影？

　　从政策来看，国务院印发的《新一代人工智能发展规划》，计划到2025年，人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平，人工智能成为我国产业升级和经济转型的主要动力，智能社会建设取得积极进展；到2030年，人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。

　　从应用来看，人工智能(AI)技术在工业现代化的浪潮下向各个领域渗透，包括市政、交通、医疗、商用等，随着5G商用的春风，如今AI技术更火了。

　　从数据来看，2020年中国人工智能产业规模超过1500亿元，带动相关产业规模超过1万亿元。然而AI企业在资本市场并不太顺利，在探索技术与产品、应用与商业方面存在着各种各样的问题。

　　人工智能行业历经多年快速发展，逐步进入一个瓶颈期。一个很重要的影响因素就是AI落地难。那么，到底是什么阻碍了AI落地？

　　场景限制

　　碎片化太严重是AI应用落地的一大瓶颈。AI并不是万能的，在使用上经常受限于场景，随着用户对AI应用的诉求变得越来越个性化和碎片化，企业所提供的产品和解决方案也呈现碎片化，然而场景多样化的脚步并未追上AI算力的增长，溢出的算力需要更多的场景来释放其能力。

　　数据制约

　　数据也是制约AI成功落地的一大因素。由于AI依赖数据训练基础算法，因而获得有意义的高质量数据，对于AI落地成功至关重要。如果缺少统一、标准化、高质量的数据，AI应用可能就是无米之炊、无源之水。

　　人才短缺

　　AI不只是一个技术、工具，更是一种思维方式，在AI落地过程中，储备真正懂得AI思维、AI语言的人才，显得尤为重要。实施AI项目通常需要数据科学家、ML工程师、软件架构师、BI分析师等相关人员组成团队，但是这些有经验的专业人员很难聘请，这种状态进一步导致了AI的落地难。

　　成本高昂

　　企业用户的核心目标是利用人工智能技术实现业务增长，只有将AI技术应用到现实世界里，才能为企业创造利润价值。然而，在深入产业落地的过程中，落地成本太高的问题被暴露出来，而这些也成为当前阶段AI落地应用过程中新的痛点。

　　总结

　　AI如何落地一直是行业热议的话题。我们看到近两年，在疫情、物联网、5G、智能化等因素的影响下AI的应用需求更加明晰。应用场景、资源与基础设施、算法和模型、智能设备、数据构成了AI技术落地的五大要素。如何将这五大要素在落地场景中实现协调，是AI技术在产业界落地的另一个关键点。

　　虽然AI离实际落地还有很长一段路要走，但是从长远来看，AI还有很大的进步空间，市场前景广阔，是发展潜力无限的朝阳产业。