AI技术要（yào）实（shí）现应用，首（shǒu）先数据要达到一定的体量（liàng），此外（wài）算力也（yě）要能支持（chí）大规模的模型（xíng）训（xùn）练，而后算法（fǎ）方（fāng）面需要达到一定的精度，端侧（cè）算力也要具备一定（dìng）的推理（lǐ）能力。之所以目前只有消（xiāo）费互（hù）联网公司（sī）在大（dà）规（guī）模应（yīng）用AI算法技术，主要（yào）是在这三方面消费（fèi）互联网公（gōng）司都（dōu）更具优势。——朱鹏飞 天津大（dà）学智（zhì）能与（yǔ）计算学部副教授

近（jìn）日，知名人工智能学者吴恩达发表文章，阐述了（le）他（tā）对（duì）于人工智能在传统行业中应用缓慢的理解。无论是（shì）刷短视频（pín）时（shí）的个性化推荐，还是外卖配送时的耗时（shí）预估（gū），或者（zhě）是移（yí）动（dòng）支付时的人脸（liǎn）识（shí）别，以算法为代（dài）表的AI技术在（zài）消费互联网行业被应用得（dé）“得（dé）心应手”。然而提到（dào）传统行业，人们却很难快速想起（qǐ）非常成熟的（de）应（yīng）用人工（gōng）智能（néng）的（de）典型案例。为何（hé）AI技术在传统（tǒng）行（háng）业的应用速度和范围远不如消费互联网等行业？

消费（fèi）互联（lián）网行业应用（yòng）AI更具优势

“AI技（jì）术的应用主要取决于（yú）数据、算力和（hé）算（suàn）法。”天津大学智能与计算学部副教授（shòu）朱鹏飞介绍（shào），首先数（shù）据要（yào）达（dá）到一定（dìng）的（de）体量，这是应用的基础，此外算力也要能支持大规模（mó）的模型（xíng）训练，而后（hòu）算（suàn）法方（fāng）面需要达（dá）到一定的精（jīng）度（dù），端侧（cè）算力也（yě）要（yào）具备一定的推理能力。

之所以目前只有消费互联网公司（sī）在大（dà）规模（mó）应用AI技术，主要是在这三方面（miàn）消费互联网公司都更（gèng）具优势。

前（qián）些年短视（shì）频（pín）并没有（yǒu）现在这么火（huǒ）爆，例如发展初期的淘宝，也（yě）并没有很强的（de）用户黏性（xìng）。而随着推送越来（lái）越精（jīng）准（zhǔn），用户的体验感也得到了极大的提升（shēng），最终呈现（xiàn）井（jǐng）喷式（shì）的用户增长（zhǎng）。

“精（jīng）准推（tuī）送主要依赖于算法精度的提升，而算法精度的（de）提升（shēng）又（yòu）离不开海（hǎi）量的数据作为基础（chǔ）。”朱（zhū）鹏（péng）飞解释（shì），在这个单一的（de）场景中，算（suàn）法模型需要不断进化，终（zhōng）身学习。由（yóu）于不（bú）是封闭（bì）数据环境，总（zǒng）有新的数（shù）据（jù）加入，算法模（mó）型（xíng）需要（yào）不断（duàn）通过学习进行调整、迭代升（shēng）级，使（shǐ）其精度越来越高，形成一个良（liáng）性循环（huán）。

“与此同时（shí），虽（suī）然目前消费互联网（wǎng）行业（yè）在算（suàn）法（fǎ）精（jīng）度上（shàng）已（yǐ）经上升到一定的（de）高（gāo）度，但相比一些（xiē）传（chuán）统行业的应用（yòng）场景，消费互联网行业对于AI算（suàn）法精（jīng）度接受的阈（yù）值都比较（jiào）低。比如短视频、淘宝偏好（hǎo）推荐、百度热（rè）搜关键词，只需要达到用户产生（shēng）黏性（xìng）的目的，只要有一（yī）定准确性，用户都可以（yǐ）接受。”朱鹏飞表示，相比之下，在很多传统行业，对于技术精度的要求就高得多。比如（rú）基于视（shì）觉的（de）AI技术在人脸识别方（fāng）面的（de）应用，在高铁站、飞机场核实身份（fèn），1∶1的比对准确度要高达99.99%甚至更高（gāo）才可以进行应（yīng）用。

在（zài）算（suàn）力方面，目前云端算力已（yǐ）经可以支持（chí）大规模模型训（xùn）练和（hé）推（tuī）理，比如短视频、淘宝推荐等（děng）。但（dàn）在大量传统行（háng）业应（yīng）用场（chǎng）景中（zhōng），智（zhì）能（néng）终端（duān）上的端侧算力还无法满足推理的实时（shí）性和准确性要（yào）求。

“相比于（yú）社交（jiāo）网络（luò）和电（diàn）商系统，传统行（háng）业应用场景的封闭生态系统使得云端算力无法得到有效应用。”朱鹏飞举例（lì）说，以智能无人系统（tǒng）巡检（jiǎn）为例，电力巡检、管道（dào）巡检、交通巡检、河道巡检以及（jí）光伏巡检等要求搭载（zǎi）在无人机（jī）和机器（qì）人上的（de）算力满足实（shí）时（shí）巡检要（yào）求，由于视频（pín）分析的模（mó）型复杂度（dù）较高，端侧往往无法实现精准高效的（de）实时推理，轻量级网络在满（mǎn）足实时（shí）性的同时（shí）损失了识别精度。由于算法精（jīng）度（dù）达不到使（shǐ）用要求（qiú），使得在很多场景中无法实（shí）现AI技术的应用。

传统行（háng）业应用AI面临三大挑战

吴恩达认为，在AI应用方（fāng）面，消（xiāo）费互联（lián）网行业之外的其他行业都（dōu）面临着三大挑战：数据（jù）集（jí）很小；定（dìng）制（zhì）化成本很高；从验证想法到部署生产的过程很长。

对此，朱鹏飞也深有感触，他以（yǐ）传（chuán）统制造业为例进行了（le）分析。

“传统制造企业在（zài）制（zhì）造向智造（zào）转型（xíng）的过程中，数据是一个很（hěn）突（tū）出的问题（tí）。”朱（zhū）鹏飞介绍（shào），首先在数据的获取方面存（cún）在一定难度。传（chuán）统制造企业的数据是封（fēng）闭的（de），因为很（hěn）多传统企业并不是新（xīn）型（xíng）信息化设备，没有传感器（qì）收集（jí）实时数据，也没有数（shù）据（jù）中心，因（yīn）此数据零散，缺失（shī）严重，很难（nán）获（huò）取像消费互联网企业里那种（zhǒng）海量、高质量的数据。

其次，行业内部各个（gè）工厂的数据很多具有商（shāng）业价值，因此（cǐ）工厂都严格（gé）保（bǎo）密，这导致（zhì）数据不流通，没有办法（fǎ）进行共享，进而形成（chéng）了数（shù）据孤（gū）岛效（xiào）应，影响了AI算法（fǎ）模（mó）型的优化（huà）。

“我们在开发一个AI算法模型的时候，因为数据的保（bǎo）密性，往往得到的数据都是经过‘脱敏’的，这也严重（chóng）地影响了我（wǒ）们的判（pàn）断。而传统行业的企业中（zhōng），又缺乏（fá）具（jù）有AI算法（fǎ）模型开（kāi）发能（néng）力（lì）的技术人员，因此双方在（zài）合作研发过程中也存（cún）在着很高（gāo）的壁垒（lěi）。”朱鹏飞说（shuō）。

此外，传统（tǒng）行（háng）业中的数据来源并不像（xiàng）消费（fèi）互联网领域那（nà）样来（lái）自单一场（chǎng）景，复杂的业务（wù）场（chǎng）景导致数据（jù）往往很（hěn）“脏”，必（bì）须进行“清洗（xǐ）”，去掉大（dà）量无效信（xìn）息（xī），AI算法（fǎ）模型才（cái）能高效率（lǜ）的学习以提高精度（dù）。“这就像我们教小朋友知识，只讲知识（shí）点，小朋友们才（cái）能学得快，如果在（zài）知（zhī）识点中（zhōng）夹杂（zá）着大量无用的信息，小朋（péng）友（yǒu）无从分辨，学习效率肯（kěn）定降低。”朱鹏（péng）飞介绍（shào），而给数据标注“知识点（diǎn）”的工作是巨大而（ér）繁琐的（de），需要（yào）企业有专人去做，要花费很多（duō）时间（jiān）精力。

“传统制（zhì）造业要想获得高质（zhì）量的数据，就必须对生产设（shè）备进行（háng）信（xìn）息化（huà）、智（zhì）能（néng）化的改造。”朱鹏飞表示，这种改造需要（yào）企（qǐ）业（yè）投入大量的时间（jiān）和精力，还会增加（jiā）生（shēng）产成本，这也成为AI在传统（tǒng）制造业中应用的壁垒。

高质量数（shù）据是应用（yòng）前提

过（guò）去这10年（nián），大部分（fèn）AI的研发和应用是“以软件（jiàn）为中心（xīn）”驱动的。在海量数据的支（zhī）撑（chēng）下，不断优化软件和（hé）算法，来（lái）获得（dé）更高的算法（fǎ）精度（dù）。在传统行业无法（fǎ）提（tí）高（gāo）数据质量和数量的情（qíng）况下，吴恩达认（rèn）为（wéi），传统（tǒng）行（háng）业应该采用“以数据（jù）为中心”的模式，把重点放在（zài）获（huò）得质量更好、匹配度更高的数据（jù）上。

“在这种（zhǒng）思路下，传（chuán）统行业也涌现了一（yī）些不错的应用案例（lì）。比如医学（xué）领（lǐng）域的影像识别（bié）AI系统（tǒng），可以帮医生‘看（kàn）’CT影像片子，对肿瘤等病变加以（yǐ）识（shí）别，辅（fǔ）助医生做（zuò）出（chū）判（pàn）断。”朱鹏飞介绍，由于很多数据（jù）都由专业（yè）的放射科医生在影像（xiàng）片子上进行了（le）标注，因此数据比较准确，AI算法模型在学习的（de）过程中进步很（hěn）快（kuài）。目前（qián）很（hěn）多影像识别系统的准（zhǔn）确率都（dōu）能达到90%以上（shàng），由于是（shì）辅助医生，最后还需医生做医疗决策（cè），但这个水平的准确率在很大程度上降低了医（yī）生的工作强度。

“尽管传统（tǒng）行业（yè）有了一些应用AI技术的成功案例，但是要想更好地和AI结合，还得在提高数据质（zhì）量方面下功夫。”朱鹏飞建议，首（shǒu）先对（duì）于已经积累了海量数（shù）据（jù）的（de）传统行业，在保证数据安全的（de）前提下，主（zhǔ）动开放数据。挖掘数据中蕴藏的价值，和需（xū）求关联起来，会（huì）有很大的（de）发展（zhǎn）空间。其次（cì），对（duì）于新兴行（háng）业（yè），比如新能源汽车（chē）等，在构建智能工厂规划的时候，就把获取（qǔ）数（shù）据、智能化的因素考虑进去。

不（bú）过朱鹏飞强（qiáng）调，在传统行业（yè）用好AI技术的同时，也不（bú）要（yào）滥（làn）用AI技术（shù），在应用前（qián）做好评估，如果不能提高生产效率，对行业整体有所（suǒ）提升，那么（me）盲目（mù）强行使用AI技术，就是对资源的浪费。“比如一些应用场景需要AI算（suàn）法达到99%以上的精（jīng）度才可以使用，通过评估（gū），现有模型算法只能达到（dào）90%的精（jīng）度，那么这个场景就没必要强行上马AI技术了。”

“总（zǒng）而言（yán）之，对于AI技术的应用要数据先（xiān）行，有高质量的数据再谈应用，没有好的数据很难有好的（de）应用（yòng）。”朱（zhū）鹏（péng）飞说。