人工智能要與產業緊密融合，既要助推人工智能應用場景的落地，也要基礎數據和平臺技術的突破創新，還要搭建好與傳統行業生態有效銜接的橋梁

人工智能產業應用總體上處于起步階段，仍有一些難題制約應用場景落地

人工智能被認為是引領新一輪科技革命和產業變革的戰略性技術。當前，我國人工智能與產業融合的情況如何？

業內專家認為，我國人工智能產業應用總體上處于起步階段。

當前，新一代人工智能已經從最初的算法驅動逐漸向數據、算法和算力的復合驅動轉變，其中，基于數據的應用驅動作用日益顯著。以醫療領域為例，志諾維思基因科技創始人、人工智能專家凌少平介紹，我國智慧醫療近幾年發展比較快，一個重要原因是有比較豐富的電子病歷、醫療影像、病理圖像等數據，基于這些數據，科研人員能夠通過標注來訓練人工智能模型。地平線創始人兼首席執行官、人工智能專家余凱說，受益于行業豐富的需求，我國在人工智能的應用探索上比較活躍。智能安防、智能金融、平安城市等需求，助推了人臉識別技術的發展和落地。無人駕駛、智能教育等發展又加速了我國計算機視覺、語音識別和自然語言理解等技術的應用落地。

專家表示，我國擁有海量數據和巨大市場規模，應充分發揮這些優勢，加快推動人工智能的應用場景落地。但在實際推進過程中，還有一些難題制約著人工智能與產業更好地融合。

其中產業界普遍關注的是如何取得有價值的數據。首先是數據的有效性不夠。通常數據越多，人工智能算法越智能。但也要看到，海量的數據固然重要，可只有經過計算、進行訓練的數據才能產生價值，這就需要提高數據的有效性。專家表示，我國的數據樣本非常豐富，但數據的“噪音”也非常大，有時獲取的大部分數據沒有價值，這就給利用數據訓練算法帶來較大困難。在智慧醫療領域，優質的數據一般要經過精選、清洗和標注，而高質量的標注數據門檻較高，通常由專業的醫生來完成，但當前醫生協助人工智能企業標注數據的積極性不高。由于高質量的標注數據缺乏，制約了人工智能在醫療領域的拓展。

其次是數據之間缺乏聯動。數據孤島現象影響了人工智能應用的落地。云天勵飛首席方案總監王軍說，一些核心數據掌握在相關管理部門和行業機構手中，在保障數據安全和隱私安全前提下，如果能將這些優質數據投入到算法模型訓練上，既能降低行業參與者的成本，也有助于拓展人工智能應用的深度。

此外，人工智能芯片、智能平臺搭建等技術難題也有待突破，這些都在一定程度上影響了應用場景落地。

人工智能賦能產業是一個從量變到質變的過程，需要搭建良好的產業生態鏈條

人工智能賦能產業是一個從量變到質變的過程。專家認為，要想進一步推進人工智能產業發展，就需要搭建良好的產業生態鏈條，需要學界和產業界共同努力，探索拓展產業的邊界和范圍。這包括了從源頭找到有價值的問題、基礎支撐平臺技術的創新、培育領軍企業等。

推進人工智能產業化，找到有價值的問題尤為關鍵。

“近年來，人工智能在醫療領域的應用很熱，但多數扎堆在眼底篩查、肺結節檢測及宮頸癌篩查等幾個應用點，卻很少有人去研究還有哪些領域需要應用人工智能技術。”凌少平說，“我國醫療人工智能應用要以需求為導向，運用大數據來分析目前診療中的痛點問題，有針對性地培育基于人工智能的產品和服務，進而提升人工智能與產業的融合度。”

推進人工智能產業化，需要基礎支撐平臺技術上的突破創新。

“無人駕駛、智能安防等終端場景是人工智能應用的重要場景，但人工智能在這些場景能不能落地、落地后有多大價值，需要依靠智能平臺的支撐。”余凱以自動駕駛為例，當前無人駕駛技術仍不成熟，一個重要的影響因素是計算效率不夠高。“1000輛上路的自動駕駛汽車，每天要處理相當于當前百度圖像搜索的數據量，要及時、有效地處理好信息，在底層架構上就需要高性能的人工智能芯片。”

芯片的特點和性能往往決定了人工智能應用平臺的架構和發展生態。鯤云科技創始人牛昕宇說，人工智能芯片通常會針對人工智能算法做特殊設計，我國在傳統芯片上與國外領先企業有較大差距，但人工智能芯片與傳統芯片底層物理結構完全不同，這樣就相當于大家來到同一起點，我國應抓住人工智能芯片發展的機遇，為人工智能應用落地、產業發展提供強勁支撐。

推進人工智能產業化，還要培育領軍企業。

雖然商業化剛起步，但人工智能巨大的發展前景已贏得了世界各國極大關注。我國已經成為全球人工智能產業發展的重要推動者。當前全球人工智能產業總體上由少數科技巨頭公司引領，但也涌現出許多人工智能初創企業，在一些細分領域很有競爭力。受訪專家認為，當前全球人工智能應用生態尚未成形，要積極搭建人工智能生態圈，進而在人工智能產業上取得主動權。同時，培育一批具有行業引領帶動作用的人工智能企業和產業，建立起從基礎研發、平臺技術開發到應用落地的人工智能產業生態鏈條，并最終支撐起人工智能在各行業的終端應用。

“人工智能時代的產品將是定制化的，需要形態、性能各異的產品。因此，雖然我國在一些領域與發達國家有一定差距，但在人工智能產業上仍然有很多機會，甚至實現換道超車。”王軍表示。

提升社會整體智能化水平，促進人工智能與傳統產業深入融合

“人工智能+”在深刻改變著傳統產業。人工智能與傳統產業的關系如何？怎樣推進人工智能與傳統產業深入融合？

“如果說人工智能是供給側，傳統行業則是需求側，它們不是誰顛覆誰的關系。推進人工智能應用場景落地，要處理好‘供給側’和‘需求側’的匹配問題，還要打通兩者之間的壁壘，讓雙方加深理解，明白傳統行業在哪些方面需要人工智能，人工智能又能對產業發展起什么作用。”余凱表示。

專家認為，為了實現人工智能與傳統產業良性互動，需要社會整體智能化水平的提升。因此，有必要推進智能化信息基礎設施建設，提升傳統基礎設施智能化水平。

比如，無人駕駛需要車與路、車與人以及交通基礎設施之間的互聯互通，要實現這一點，穩定快速的通信網絡就很重要，而5G技術和5G網絡正好能滿足車、路、人等協同的要求。因此，無人駕駛汽車要上路，絕不是有了好算法就行，它還需要新一代通信技術基礎設施的配合，以及相關標準、協議的兼容暢通。

仍以數據為例，人工智能時代，數據是基石，但標注好的數據更重要、更有價值。對大多數行業參與者來說，它們難以負擔也沒有能力做好海量數據的標注工作，因此需要引導行業專家共同參與，整合各行業的力量，服務人工智能產業發展。

“提高數據標注質量，可以嘗試探索由第三方權威機構牽頭，逐步建立市場導向的面向全行業公開共享的大型數據標注集，最終通過人工智能模型應用市場終端反饋給予貢獻數據集的機構或個人報酬，這樣既提高了效率又保障了參與者的積極性。”凌少平建議。

應該正視的是，當前我國人工智能產業尚未形成有影響力的生態圈和產業鏈，這就需要行業參與者積極布局，發揮好各自的優勢，搭建起人工智能產業生態；管理部門也應發揮好引導作用，幫助解決制約行業發展的共性難題。此外，人工智能產業的有效推進還離不開行業標準管理、政策法規等外部環境。受訪專家表示，在人工智能時代，我們應該意識到“信息”與“智能”已經成為新的生產要素，與勞動、資本、土地等其他財富創造要素具有同等重要的地位，擁抱人工智能產業，還要在產業之外下功夫。