国内企业AI落地现状据埃森哲《中国企业人工智能应用之道》全球企业高管调研：高达79%中国企业高管认为，他们必须利用人工智能来实现业务增长目标。但其中，52%的中国企业高管坦言，试点人工智能容易，但将人工智能推广到整个企业则比较困难。缺乏优质数据、行业壁垒高、应用场景不明确是人工智能与行业深度融合的主要瓶颈。应用场景难融合，也意味着AI企业落地难。①我国人力资源丰富，很多传统产业数字化的意愿不强。AI时代，如果企业的数据基础不扎实，将难以支撑上层的智能化转型。②如今，对算力的需求呈指数级增长，无论是算力设备的购买成本，还是技术人员为算法优化投入的巨大时间、人力和金钱。④数据是制约人工智能成功实施的主要因素。如果缺乏统一、规范、高质量的数据，人工智能应用可能会无米之炊、无源之水。人工智能让公司习惯于严重依赖机器来帮助他们做出决策。这个过程会带来隐私保护、人工智能可信度、伦理和社会问题等，这些都需要在人工智能落地过程中解决。大多数企业的AI创新都是点状、实验性、局部创新，缺乏规模化、商业化、运营化的布局。因此，人工智能在互联网领域再顺风顺水，在实体经济中落地也将困难重重。人工智能的行业场景化应用目前在不同行业面临着不同的痛点，比如金融行业面临成本压力、产品服务单一、交易欺诈等；医疗、教育行业资源分布不均问题突出；也就是说，人工智能的需求是巨大的，其商业模式是渗透到各行各业，提高行业效率。这个过程需要时间和持续的投入，但也是生产力的迭代趋势。未来还是需要结合场景和用户体验重新设计，从AI本身的角度去思考，产生真正的AI应用。未来，人工智能在特定领域实现快速突破是肯定的，企业需要从自身的商业、工业和生活环境中选择合适的视角来定义特定的场景，让人工智能有针对性地做出决策。突破和解决问题。当前，人工智能技术正处于普及和爆发的前夜。2018年，AI领域投资事件410起，总投资1078亿元。人工智能已经逐渐充斥了中国几乎所有的主流投资机构和产业资本。资本华丽舞台的另一面是，AI落地的过程并不十分优雅。数据显示，2017年，超过90%的AI企业处于亏损阶段，商业化成为众多AI企业发展的痛点。毫无疑问，人工智能将成为未来企业发展的必然，成为企业的核心竞争力。对于公司、行业和国家而言，人工智能将代表未来几十年最大的商机。预计从现在到2030年，人工智能的发展将使全球GDP增长14%，相当于为世界经济额外贡献15.7万亿美元，其中人工智能将带动中国GDP增长7万亿美元。商业落地需要标准支持。只有做好应用，底层的AI芯片和软件技术才能在应用过程中更加扎实。人工智能从头到尾完成一个项目至少需要3-6个月。整个过程具有一定的复杂性，需要一系列的选型指南。过去，行业更关注算法。近年来，算法开始与工程开源齐头并进。业界越来越重视软件和硬件的协同发展。人工智能、大数据、云计算等新信息技术融合日益深入。今年7月发布的《人工智能标准化白皮书（2021版）》指出，深度学习框架所依赖的生态建设和测试体系不够全面，是目前我国人工智能产业发展遇到的两大难题。我国深度学习框架起步较晚，在算法、芯片、终端、场景应用等方面仍未摆脱对国外深度学习框架的依赖。但是，国内的人工智能测试体系还没有形成。现有测试基准测试内容和模型重复性高，尚未形成成熟的功能和性能测试基准。这将制约人工智能产品打开市场、获得市场信任。加快国内AI标准化进程，规范标准也是当前国内人工智能发展的关键词之一。赛迪顾问数据显示，2019年中国人工智能产业规模达1291.4亿元，同比增长30.8%。预计到2022年，中国人工智能产业规模将达到2621.5亿元。随着国内人工智能产业的快速发展，场景应用逐渐丰富。随着产业复杂度的增加，相关标准也迫切需要解决配套问题。2020年7月，《国家新一代人工智能标准体系建设指南》发表；同年12月，AI研究院、百度、浪潮联合发布人工智能开源行业应用评测基准AI-Rank。人工智能技术落地的关键环节①技术突破：一家成功的人工智能企业必须具备一定的技术积累和壁垒。②场景探索：很难找到商业上可行、可扩展、技术上可实现的场景。很多优秀的科技公司都在这个环节投入了大量的精力。③团队建设与成长：在初期打造一流的技术和商业团队需要做大量的工作，快速成长过程中人员的不断扩充也会带来各种问题。如何增效降本，保持创新氛围是关键。④标准制定：规范和规范人工智能技术在特定行业特定场景的应用，保障整个行业生态的健康发展。
