过去七年，中国私募股权投资市场，人工智能领域投资约3658.6亿元，818家投资机构参与投资，投资中国企业580家。当前，各行各业都开始了基于人工智能技术的新一轮变革，正在迈向智能化时代。然而，火热背后仍存在一些发展困难：一是企业发展人工智能的核心驱动因素是人才，但一方面人才供不应求，另一方面也存在人才短缺的问题。缺乏跨领域综合型人才；其次，人工智能应用的基础是数据，但数据共享和数据治理仍然是各行业面临的重大挑战。本文总结了当前人工智能发展面临的四大浪费：算力浪费、数据浪费、AI能力浪费、AI人才浪费，并有针对性地提出相关建议。2019年春节后的第一个工作日，美国国家科技政策办公室发布了特朗普总统亲自签署的《美国人工智能倡议》（AmericanAIInitiative）。该倡议一开始就写道：人工智能（AI）有望促进美国经济增长，增强我们的经济和国家安全，改善我们的生活质量。显然，用任何国家的名称替换“美国”一词都是适用的。人工智能作为一种新的生产力，已经成为社会发展、经济增长和产业升级的关键驱动因素之一。据国内媒体报道，人工智能产业已进入全球价值链高端，新一代人工智能在智能制造、智能医疗、智慧城市、智能农业等领域得到广泛应用，和国防建设。我国人工智能核心产业规模将超过4000亿元，带动相关产业规模超过5万亿元。然而，在人工智能产业的快速发展中，一些本可以避免的浪费却在不经意间产生了：1.算力的浪费。计算（计算能力）是人工智能（以下简称AI）发展的核心基础。训练需要大量的计算能力，但大多数人工智能公司往往选择构建自己的计算平台，而不是使用人工智能就绪的云计算平台。由于不饱和的工作负载和有限的调整水平，公司无法充分利用其计算能力。这导致了相当大的计算能力浪费；2.数据浪费。拥有深入、详尽、海量的数据是训练“聪明”的前提，但由于数据共享机制和数据服务平台/市场的建设还不够。成熟度，导致很多AI的学习/训练没有达到预期的水平；3.AI能力的浪费。目前，很多人工智能技术（如计算机视觉）已经进入相对成熟的发展阶段，但通过云计算平台对外赋能人工智能技术的水平还不够，更多的人工智能技术应用还是“点对点”（即开发者面对的是终端客户，而不是开发者-云平台-端客户平台思维），这就造成了AI技术未能充分发挥其应有的作用，打破“偏见”拥抱平台思维不仅可以避免浪费的AI能力，也为开发者提供了更丰厚的收入；4.AI人才浪费，因为在AI人才培养中，计算机科学和人工智能技术的教学未能实现与生物医学、交通运输、工程建设、脑科学等学科的融合与交叉，导致出现了AI人才流失的局面。“AI人才不懂行业，行业人才不熟悉AI”。人工智能人才往往成为“计算机科学人才”，而不是非人工智能行业人才。当然，浪费的存在需要有针对性的解决，在此提出相关建议，引以为鉴。首先，针对AI算力的浪费，利用公共计算平台（公有云）提供的算力，尤其是AI算力，是避免AI计算平台（硬件基础设施）重复建设的重要途径。由于按需付费和资源共享的特点，公有云可以降低公共服务带来的自然边际成本效应，能够以较低的成本获得人工智能算力，不仅降低了为企业获得AI算力，可以避免AI算力的浪费；其次，在AI能力的浪费方面，公有云平台也是一个不错的选择。一方面，云平台自然解决了企业数据和技术的统一，这也构成了企业获取人工智能能力的最重要路径；另一方面，云服务商将人工智能能力作为“公共服务”提供，优化或强化功能性、适用性和易用性。对于企业来说，可以更快捷方便的应用到实际业务中。第三，建立数据共享平台至关重要。尽管近年来人工智能研究人员不断尝试在小数据集上实现人工智能技术的突破，但总体效果并不明显。数据依然是AI产业发展的重要基础资源。完整、全面、准确和实时的数据至关重要。因此，建立一个服务于AI产业发展的可信、可靠、可用的数据共享平台非常重要。当然，这个共享平台必须保证数据安全、信息脱敏和隐私数据保护。此外，还存在AI人才浪费的问题。如前所述：在AI人才培养中，计算机科学和人工智能技术的教学还未能与生物医学、交通运输、工程建设、脑科学等学科进行融合和交叉，造成了“AI人才不了解行业，行业人才不熟悉AI”的局面。人工智能人才往往成为“计算机科学人才”，而不是人工智能行业人才。
