文章| 3月30日在北京举行，智喜喜作为少数受邀媒体之一参加了本次研讨会。
目前，人工智能技术的研究越来越深入，其在工业中的应用也逐渐广泛。
但面对掀起全球热潮的人工智能技术，应该如何与现实行业融合？整合过程中会遇到哪些问题？政府、社会、企业等应发挥什么作用？本次研讨会上，来自BATJ等互联网公司的技术专家根据自身在人工智能技术落地方面的实践经验，进行了深入的讨论和交流。
以下是智东西整理的本次研讨会的核心亮点。
1.数据保护和共享需要标准。
数据作为人工智能的三驾马车，成为推动深度学习算法优化的必要因素。
中国经历了十多年的互联网普及，积累了一定的数据。
然而，如何将这些数据应用到人工智能的工业应用中却遇到了一些问题。
中国电信云计算分公司总经理王兴刚表示：“人工智能需要建立在多种数据融合的基础上。
目前数据的问题是，数据掌握在不同的人手中，每个人仍然拥有一定的数据。
”数据共享的担忧和障碍”谈到数据共享，国务院发展研究中心创新发展研究室主任戴建军表示，大数据时代的隐私保护。
这是一个全球性问题，已经到了非常尖锐的地步，但不应气馁，数据开发和共享应以安全为基础。
作为前提。
中国联通客户服务部总经理李洪武认为，国家应加强数据安全、隐私保护、开放共享等政策法规。
对于核心机密数据，可以以多重秘密的方式对外开放；对于非核心业务数据，可以直接对外开放。
2、传统行业人工智能意识有待提高。
目前，虽然整个人工智能行业都在寻求技术落地的方向，但就实际落地情况来看，主要集中在安防、消费电子和自动驾驶三大方向，并在人工智能的智能化方面取得进展。
实体产业发展缓慢。
对此，工业和信息化部科技司高技术司研究员李伟在研讨会上表示，由于基础支撑、技术成熟度、安全、生态、法规和伦理目前，人工智能尚未在工业、医疗等领域得到广泛应用。
该应用程序将需要相当长的时间来开发。
但从目前来看，人工智能技术可以解决制造业中的某些特定任务，帮助传统行业提高生产力。
阿里云城市大脑高级产品专家李景梅表示，人工智能与现实行业结合，数据非常重要。
比如阿里云今年刚刚推出的工业大脑，没有工业生产经验，前期也没有数据基础。
不被传统行业认可。
随后阿里云与一家数据密集型公司合作，科学整理车间一线工人的经验，并将其转化为数字模型。
科学家们将整个制造过程数字化，最终提高了产品良率。
但对于非数据密集型行业，每一步参数的数据分散在工人、教师、专家等的头脑中，难以收集。
国家发改委经济体制与管理研究所研究员史伟表示，目前传统制造业中人工智能的概念非常模糊。
在他调查的众多中小企业中，很多企业不知道从哪里入手人工智能。
传统制造业行业对人工智能的认识亟待提升。
“施伟工作室”创始人施伟教授针对当前人工智能的“热度”以及人工智能产业的有效落地，对以下问题有着客观、科学、清晰的认识和认识。
他指出：当前，我们要客观准确地把握区块链技术在智能制造、新型服务业等领域的应用方法和路径；要准确把握人工智能在智能制造中的产业立足点、技术方案和应用模式；要提前研判解决人工智能产业实施中的问题。
政策瓶颈和制度障碍；要通过调查研究，准确识别当前智能制造最适合优先发展的产业，抢占先机。
有必要进一步探索如何有效推动人工智能发展产学研一体化发展模式。
要创新智能制造，践行大数据应用和解决方案；要提前把握5G对人工智能产业化的推动作用，特别是“两化融合”的实施方案，以及电信运营商如何有效推动大数据在智能制造应用的产业化。
3.我国应加强底层技术的研发。
虽然中国目前处于国际人工智能产业的前列，但这得益于过去十年互联网的普及和应用。
这背后的根本原因是互联网大数据的支撑。
然而，人工智能技术才刚刚起步，研究还有很长的路要走。
研讨会上，一些业内人士表达了对中国缺乏核心技术的担忧。
百度发展研究中心高级研究员文新宇表示：“国外科技巨头从人工智能发展之初就意识到了平台的重要性，纷纷推出深度学习开源平台，比如谷歌的TensorFlow、Facebook的PyTorch 、Caffe2 等”基础技术研究是人工智能发展的核心。
百度也在底层技术的打造上，发布了深度学习开源平台PaddlePaddle。
他还建议国内机构构建自主可控的深度学习平台开源生态系统。