人工智能經歷前面的三起三落，最近一輪浪潮在AlphaGo推動下爆發，并且在金融、醫療、工業、安防等許多領域逐步走向落地應用。人工智能應用落地過程中，有許多成功案例，同時可能有更多的失敗案例。那么究竟是哪些要素決定了人工智能應用落地的成敗呢？結合7月中下旬在徐州舉辦的清華校友三創大賽長三角賽區AI大數據比賽時現場主題分享的內容，經過重新整理，系統的闡述出來，以期幫助大家更好的了解人工智能落地的關鍵，推動人工智能產業發展。
 

　　一、人工智能應用發展的概況
 

　　繼2017年國務院印發《新一代人工智能發展規劃》以來，我國人工智能產業發展取得了快速的發展，不斷滲透到更多的應用領域，同時產業規模也在不斷擴大。人工智能應用落地已經滲透到經濟社會的主要領域，并為相應領域帶來了新模式、新業態等價值。首先從營銷、金融、安防等數據較好的領域和場景開始，逐步滲透到醫療、工業、農業等更多的領域和場景，最近也滲透到了生命科學、藥物研發等更多新興領域。我國人工智能產業的規模和企業數量也在不斷擴大，并且仍然處于快速發展也階段。中國互聯網協會發布的《中國互聯網發展報告(2021)》顯示，2020年我國人工智能產業規模為3031億元，同比增長15%，以及我國人工智能企業共計1454家，產業規模和企業數量都僅次于美國。我國人工智能企業的融資規模和筆數也體現了人工智能產業的景氣程度，根據中國信息通信研究院發布的《2020年全球人工智能產業地圖》顯示，2020年我國人工智能產業投融資為235筆，金額達161.59億美元，為人工智能產業進一步的發展提供了良好的資本基礎。
 

　　二、人工智能應用落地的五大要素
 

　　人工智能應用落地的五大決定性要素分別是應用、模型、數據、算法和算力，其中數據、算法和算力三大要素經常被提到，但在對于人工智能落地應用而言，應用和模型是必不可少的兩個要素。五大要素間的關系如下圖所示。
 

　　應用即應用場景，是需要人工智能解決的具體問題。人工智能應用落地首先要明確的就是具體應用場景，如銀行風控的場景、零售營銷的場景、工業質檢的場景等，應用場景定義越清晰，越有助于人工智能的落地應用。明確具體的應用場景之后，可以進一步了解以往人工處理的過程和步驟，以及訪談業務專家在解決具體問題過程的經驗和專業知識等。
 

　　模型是對應用場景的抽象，是利用數學語言或計算機語言來描述現實的應用場景。建立的模型越接近真實場景，模型對真實場景的解釋性越強，人工智能應用的效果也越好。同樣的應用場景，建立或選取不同的模型，有可能導致結果的差異較大。在建立或選取模型的過程中，如果加入具體的專業知識，可以更加有效的反應真實場景，這樣得出的模型效果通常比純從數據角度訓練和學習出來的模型效果會更優。
 

　　數據是在具體應用場景中采集到的相關數據。實際情況下，特別在信息化和數字化比較緩慢和薄弱的領域，有可能針對具體的應用場景，并沒有特別好的數據，甚至可能還沒有合適的數據，針對這樣的情況需要從數據采集開始，逐步積累更高質量的可用數據；也有許多領域經過信息化和數字化的過程，已經有許多的數據，但數據質量并不樂觀，需要進一步的數據清洗。數據是人工智能時代的生產資料，數據質量的好壞，很大程度上決定了人工智能應用效果。
 

　　算法是利用數據對模型進行訓練和擬合的方法。常用的算法如線性回歸、邏輯回歸、決策樹、神經網絡、深度學習等，不同的算法訓練的模型在結果上會有差異。算法是人工智能時代的生產工藝和方法，算法決定模型的準確度，以及模型訓練的效率等。
 

　　算力即計算能力，是人工智能應用的基礎設施。常用的算力資源包括CPU、GPU等，以及近年來針對特定場景，如自動駕駛、圖像識別等，開發的專用計算芯片等。數據規模的不斷擴大，以及模型復雜度不斷提高，對算力的要求也越來越高。正因如此，單顆芯片的算力也在不斷的提高，采用的工藝從14nm向7nm等升級。人工智能算力的獲取方式，如公有云、超算中心、地方智算中心等，也更加多樣化。
 

　　三、人工智能應用落地的關鍵成功要素
 

　　人工智能應用落地的五大要素中，具體哪些要素才是人工智能應用落地的關鍵成功要素呢？實際上得針對每個具體的人工智能應用進行具體分析，任何一個要素或幾個要素都可能是決定具體人工智能應用的決定性要素，以下就政府、大企業大機構、傳統領域中小型企業及AI技術企業等幾類不同性質的組織分別討論其通常人工智能應用項目落地的關鍵成功要素。
 

　　1.政府人工智能應用落地關鍵成功要素探討
 

　　討論政府人工智能應用落地時，包括兩個層面的討論，一是關于政務服務或監管職能方面的應用，二是關于地方人工智能產業發展。政務服務或監管職能方面的應用，人工智能落地通常最關鍵的要素是應用場景和數據兩個要素。政府內部事務龐雜，涉及的利害關系較多等，明確具體的應用場景和邊界，把需要人工智能解決的問題定義清楚，就取得了關鍵一步的成功。然后是針對具體應用場景的數據，政府內部數據多，經過電子政務的發展，已經積累了許多的數據，但政府部門的數據質量不見得很好，特別是針對具體應用場景的數據，需要進行專門的清洗和整理，才能形成針對具體應用場景的高質量數據。明確了應用場景和清洗得到高質量的數據，在政務服務和監管職能等方面的人工智能應用落地成功的可能性就很大了。
 

　　關于地方人工智能產業發展，也應當結合地方具備的優勢要素，走適合當地的人工智能產業發展路徑，并不是每個地方都合適蜂擁去建算力中心，或者花大力氣引進AI人才和企業，招商引資很重要，但如何發揮當地優勢內生培育或發展產業可能更重要。北京、上海、深圳等聚集了人工智能發展要素相對齊全，因此人工智能產業的全產業鏈發展都取得不錯的效果。南京、武漢、西安等高校資源豐富，如果能夠把人才資源等優勢發揮好，人工智能產業的全產業鏈發展也不是不可能。蘇州等長三角城市及珠海等珠三角城市，具有雄厚的產業基礎，特別是工業制造實力超群，可以提供了豐富的人工智能應用場景，推動人工智能應用落地也是推動當地產業的智能化轉型升級。其他一些城市如果有較大規模受過專科以上教育的人才，或許可以圍繞“數據”要素，重點發展數據采集、清洗、標注等領域。其他一些地區如果結合當地的能源資源優勢，并配套良好的網絡等基礎設施，或者可以重點發展算力為重點的產業。
 

　　2.大企業大機構人工智能應用落地關鍵成功要素探討
 

　　大企業里和大機構里人工智能應用落地的關鍵成功要素通常與其數字化發展階段關系緊密，通常針對數字化發展水平較領先的大企業大機構，如龍頭企業和銀行等，人工智能應用落地的關鍵成功要素則是模型和算法。不論是企業或機構內部的團隊還是合作的外部團隊，除了AI團隊參與，具體業務問題的專家參與問題的定義和重要特征提取，把專家知識與數據建模結合起來，選取合適的算法或者改進相關算法，提高模型的準確性和有效性，解決具體的應用場景的問題。針對數據化發展水平相對較差的大企業大機構，其關鍵成功要素與傳統領域中小型企業的成功要素基本一樣。
 

　　3.傳統領域中小型企業人工智能應用落地關鍵成功要素探討
 

　　傳統領域中小型企業多數處于數字化、智能化轉型升級的重要階段，整體數字化進程相對慢一些，因此，人工智能應用要在這類企業落地關鍵在于應用場景、數據和模型。對于這類企業的人工智能應用落地，遵循由易到難和迭代升級的策略，先從有數據、數據質量好、見效快以及具備一定容錯空間的應用場景入手，清洗整理出可用于人工智能訓練的數據，并結合相應業務的專業知識和經驗等，提取有價值的特征加入到模型訓練過程中。如果類似的人工智能應用在企業里落地，不論是一個應用還是幾個應用，能夠幫助企業降本增效，企業就會更加愿意繼續加大對人工智能應用的投入。
 

　　4.AI技術應用型企業人工智能應用落地關鍵成功要素探討
 

　　AI技術應用型企業的通常具備一定的算法和模型方面的能力，所以對于AI技術應用型企業人工智能應用落地的關鍵成功要素是應用場景和數據。AI技術應用企業需要加深對應用場景的認識和理解，結合應用場景的實際情況及專業知識，改善和提升算法和模型的效果及性能。應用場景對應的高質量的數據，并不容易獲取，也常常成為制約AI技術應用型企業發展的重要因素。所以AI技術應用型企業通常的發展路徑是通過一兩個具體的技術服務項目，在項目中積累對應用場景的理解，以及利用項目中的數據訓練和完善模型，后續將訓練的模型開發成標準化的應用產品，遷移應用到其他客戶的類似場景等。
 

　　結語
 

　　人工智能產業的發展離不開人工智能應用的落地，只有人工智能應用落地的領域和場景越來越多，人工智能技術的價值才能得到體現，人工智能產業才能茁壯發展。推動和促進人工智能應用落地，每個人工智能應用落地項目都應具體分析，明確是應用、模型、數據、算法和算力五大要素中哪個或哪幾個關鍵要素決定了項目的成敗，并有針對性的解決關鍵要素中遇到的問題，保障人工智能應用的落地。分析人工智能應用落地的五大要素，不僅可以把握具體人工智能應用落地的成敗，而且可以進一步掌握人工智能發展的核心機會，后續將具體分析，歡迎持續關注。