人工智慧商業化還要多久？

• 本文來源於網路

• 本文由數據之王（ID：shujuzhiwang）編輯整理，版權歸原作者所有

• 數據之王（ID：shujuzhiwang）由大中華大數據協會運營，如有邀約合作，首頁回複合作需求，我們將及時回復

一直以來，人工智慧都是人們關注的焦點。伴隨AlphaGo先後兩次戰勝圍棋界冠軍李世石、柯潔二人，人工智慧便進入到「暖春」階段。現階段，在人工智慧領域，百度、谷歌、蘋果、微軟、Facebook、IBM、英特爾等國內外互聯網巨頭紛紛加註資金，對應用更為廣泛的人工智慧產品進行開發。

伴隨數據的增多以及硬體算力(大量高性能硬體組成的計算能力，如GPU)的提升，語音識別、自動駕駛、深度學習等人工智慧技術正逐步從實驗室走嚮應用化和產業化。然而，技術壁壘逐漸消除之後，人工智慧再次面臨著另外一個難題——商業模式的探索。

近日，國務院印發了第一份人工智慧發展規劃——《新一代人工智慧發展規劃》。《規劃》對人工智慧的發展進行了戰略性部署，確立了「三步走」的目標。《規劃》指出，到2030年，人工智慧理論、技術與應用總體達到世界領先水平，成為世界主要人工智慧創新中心。

此前，在第十六屆互聯網大會上，工業和信息化部部長苗圩曾表示，新興科技產業應加強關鍵核心技術的攻關突破，加快人工智慧、虛擬現實等技術的研發和商用。

由此可見，以人工智慧為首的新興科技，正在逐漸成為國家發展扶持的對象。而對於人工智慧如何實現商業場景的應用?如何使人工智慧成為經濟發展的又一驅動力?日益成為越來越多工商企業界甚至是政府所關注的焦點。

一、人工智慧的近憂——商業價值沒有得到充分的驗證

日前，麥肯錫發布的一份報告顯示，2016全年，全球企業在人工智慧領域投資約300億美元，與2013年相比，多出3倍。然而，投資的90%用於研發，10%用於收購，大部分人工智慧投資者尚未拿到投資回報。足以見得，人工智慧的商業價值並未充分體現。

1、技術驅動人工智慧熱潮再襲

無論是語音識別還是圖像識別，亦或是AlphaGo的出現，現階段的人工智慧確實取得了飛速發展，實質上這是技術驅動的結果，並不是商業驅動，甚至談不上人工智慧商業化。為什麼說是技術驅動?

首先是大數據時代的到來。數據極大的增多，是人工智慧再一次賺足人眼球的重要原因。究其根本，數據的增多得益於互聯網的發展;再者就是整個硬體算力(大量高性能硬體組成的計算能力，如GPU)層面的提升。伴隨GPU、TPU等硬體的不斷更新，計算能力得到了大大地提升;最後就是深度學習廣泛運用於人工智慧。在80年代，人們就開始提及深度學習。然而，在當時的條件，沒有充足的數據以及高效的算力支撐，深度學習根本無法開展，因此，深度學習並不能完全作用於人工智慧。從目前來看，人工智慧只是單純地實現了技術的驅動。

2、人工智慧尚未充分滿足客戶需求

從客戶需求角度來講，實際上，人工智慧並沒有完全的、充分的滿足客戶需求。現階段，用戶在感知和交互方面的需求極為強烈，但是目前人工智慧在這兩方面的發展並不能滿足用戶需求。例如：在語音交互方面，用戶要想實現語音喚醒，操作起來還是比較困難的。而且，人工智慧並沒有解決在遠距離上實現語音識別功能的問題。

而且，從目前的幾個典型應用場景來看，諸如：機器翻譯、語音助手以及身份識別，並沒有滿足用戶需求。實際的客戶需求並沒有得到完全的、充分的滿足，這也就意味著人工智慧技術本身沒有得到商業認可。

3、新的商業模式沒有出現

實際上，人工智慧並沒有帶來新的商業模式，主要體現在兩個方面：

一方面是指現有的人工智慧技術是一種優化，主要是在業務層面的優化。換句話講，一旦失去人工智慧這種技術，公司不會受到任何影響，公司的業務還能繼續進行運作，企業的商業模式也不會遭受威脅。從目前整個商業層面來看，至今沒有出現因為離開了人工智慧，企業的商業模式受到極大挑戰的案例。

另外一個層面是說，人工智慧團隊在企業裡面僅僅是起到技術支撐的作用，算得上是技術部門，而不是獨立的業務部門。這一點也就說明了由於人工智慧而單獨存在的商業模式並沒有出現。

4、人工智慧技術應用領域狹窄

據統計，目前覆蓋全球的62個國家的近千家人工智慧公司，人工智慧應用場景僅僅包含語音識別、手勢控制、虛擬私人助手、語音翻譯、智能機器人和智能汽車等十餘個產業。由此可見，整個人工智慧的應用領域還是比較狹窄、狹隘的。

就目前應用領域來講，人工智慧廣泛應用於機器翻譯、智能控制、專家系統、機器人學、語言和圖像理解、遺傳編程機器人工廠、自動程序設計、航天應用、龐大的信息處理、儲存與管理、執行化合生命體無法執行的或複雜或規模龐大的任務等方面。比如，人臉識別技術現在開始逐步應用，並且主要運用在安防領域。當然，我們也看到了人工智慧在醫療、教育、娛樂等方面的做了一些嘗試，但其開發的廣度和深度還是有待拓展的。

而在大量的線下實體行業中，人工智慧技術並沒有得到充分的應用。因為在這些行業裡面，數據往往都是很少量的，沒有大量的用戶行為數據。沒有大量數據的支撐，就很難實現人工智慧技術層面的應用。然而，沒有應用場景支持的人工智慧終究還是空中樓閣。

當然，人工智慧的商業化不是一蹴而就的，它的實現是需要一個過程的，需要企業把人工智慧真正地應用到商業環境裡面去。人工智慧可以通過技術支撐不斷發展，拓展更多的應用場景，應用到更多的產業領域，而多樣化的應用場景、廣大的市場需求又反過來驅動支撐技術，從而帶動整個人工智慧行業的可持續發展。

二、人工智慧怎樣才能真正落地?

目前人工智慧領域的火爆，與3年前大數據火爆場景似乎同出一轍。儘管現在在人工智慧領域的創業團隊越來越多，但真正能找到並實現商業模式的團隊並不多。目前應該深刻思考的一個問題是：人工智慧如何能真正的落地。能真正實現人工智慧落地的領域只有行業人工智慧和商業人工智慧。

人工智慧本身是一個非常綜合的領域，它與哲學、數學、物理學、信息學、心理學和生命科學等學科都存在著密切關係。如果人工智慧要實現自身發展，支撐其發展的底層理論同樣也要得到更新。除了在理論層面進行更新外，劉譯璟強調在技術層面要建立集中式建模+ 微建模的建模模型，實現雲計算與邊緣計算的緊密結合。

目前在計算能力方面，量子計算將給人工智慧帶來新的飛躍。一方面，量子演算法可以極大的提高機器學習的效率，另一方面，量子物理理論闡述：人的意識與量子計算之間有很大的關聯的。正是基於量子理論與意識之間微妙的關係，量子計算有可能會為人工智慧帶來「意識」。現階段，像IBM、Google、微軟這樣的巨頭公司早已經開始布局量子計算領域。

針對大量的線下實體行業往往不具備海量數據，通過建立實用的知識圖譜解決機器學習面臨的冷啟動問題。解決冷啟動這一問題是利用人們在該領域中已有的經驗和知識，將這些知識「告知」計算機，並讓它利用這些知識解決問題。劉譯璟認為，建設一個實用的知識圖譜，首先需要清晰準確地梳理已有的知識，然後用實體、屬性、關係等方式對知識進行描述。一旦將知識圖譜建立起來，將不僅為單個企業，還將為整個行業、乃至整個世界帶來極大的價值。目前，像 Google、微軟這樣的巨頭已經在紛紛建設自己的知識圖譜。

可以預料到，人工智慧的進一步發展一定會依賴於各行各業知識圖譜的建設，否則人工智慧終將停留在實驗室而無法深入到真實業務中。

IBM大中華區副總裁郭繼軍曾經表示，並不是每個領域都要實現人工智慧商業化，首先要找到適合運用人工智慧的領域。人工智慧的商業應用勢必會在傳統的線下行業得到運用，甚至是更加聚焦的垂直行業裡面。但是，在這些行業裡面，數據往往都是很少量的，沒有大量的LG數據以及用戶行為數據。通過人工智慧，在行業領域內，形成一套新的、完整的知識體系，從而幫助這些企業進行決策。

在郭繼軍看來，找到合適的領域之後，最為重要一點便是解決如何提高數據挖掘能力的難題。大數據是企業能否實現人工智慧的關鍵性因素。在深度學習之前，可能因為算力的原因，沒有辦法理解和洞察企業的非結構化數據，但是基於深度學習的人工智慧現在具備這樣的能力。所以對於現階段的人工智慧來講，不是懼怕數據太多，而是怕沒有數據可進行分析。

三、究竟的人工智慧商業化還要多久?

在此前發布的《中美兩國人工智慧產業發展全面解讀》報告中似乎能找到答案，報告指出，雖然目前AI企業增勢並不明朗，但根據行業發展周期來計算，人工智慧產業將會在2018年回暖，新增公司數量會上揚到30家以上，預期融資累計量將會達到900-1000億人民幣。

日前，《新一代人工智慧發展規劃的通知》的頒發，確立了「三步走」目標：到2020年人工智慧總體技術和應用與世界先進水平同步;到2025年人工智慧基礎理論實現重大突破、技術與應用部分達到世界領先水平;到2030年人工智慧理論、技術與應用總體達到世界領先水平，成為世界主要人工智慧創新中心。《規劃》從國家層面對人工智慧進行系統布局，部署構築人工智慧發展的先發優勢。

這樣看來，到2025年，人工智慧的部分應用領域將實現商業化運作，到2030年，人工智慧的總體應用將實現更為廣泛的商用。由此看來，人工智慧商業化已經處於陣痛期，人工智慧的商業化運作，產業化運營已經離我們不遠了。

數據之王

（ID：shujuzhiwang）

——貢獻數據智慧，釋放全球數據價值

公眾號運營：大中華大數據協會