人工智能技術(shù)智能技術(shù)，首先數(shù)據(jù)應(yīng)該達(dá)到一定的量。此外，計(jì)算能力還應(yīng)支持大規(guī)模模型訓(xùn)練，然后算法需要達(dá)到一定的精度，端側(cè)計(jì)算能力也應(yīng)該具備一定的推理能力。目前只有消費(fèi)互聯(lián)網(wǎng)公司大規(guī)模應(yīng)用AI算法技術(shù)的原因是消費(fèi)互聯(lián)網(wǎng)公司在這三個(gè)方面都有更多的優(yōu)勢(shì)。

無(wú)論是短視頻時(shí)的個(gè)性化推薦，外賣配送時(shí)的耗時(shí)估計(jì)，還是移動(dòng)支付時(shí)的人臉識(shí)別，以算法為代表的人工智能技術(shù)在消費(fèi)互聯(lián)網(wǎng)行業(yè)都得到了方便的應(yīng)用。然而，說(shuō)到傳統(tǒng)產(chǎn)業(yè)，人們很難很快想到人工智能應(yīng)用非常成熟的典型案例。為什么人工智能技術(shù)在傳統(tǒng)行業(yè)的應(yīng)用速度和范圍遠(yuǎn)低于消費(fèi)互聯(lián)網(wǎng)等行業(yè)？

AI在消費(fèi)互聯(lián)網(wǎng)行業(yè)的應(yīng)用更有優(yōu)勢(shì)。

人工智能技術(shù)的應(yīng)用主要取決于數(shù)據(jù)、計(jì)算能力和算法。首先，數(shù)據(jù)應(yīng)該達(dá)到一定的數(shù)量，這是應(yīng)用程序的基礎(chǔ)。此外，計(jì)算能力還應(yīng)能夠支持大規(guī)模模型訓(xùn)練，然后算法需要達(dá)到一定的精度，端側(cè)計(jì)算能力也應(yīng)具有一定的推理能力。

目前只有消費(fèi)互聯(lián)網(wǎng)公司大規(guī)模應(yīng)用AI技術(shù)的原因是消費(fèi)互聯(lián)網(wǎng)公司在這三個(gè)方面都有更多的優(yōu)勢(shì)。

前幾年短視頻沒有現(xiàn)在流行，比如發(fā)展初期的淘寶，用戶粘性不是很強(qiáng)。隨著推送越來(lái)越準(zhǔn)確，用戶體驗(yàn)大大提升，最終呈現(xiàn)井噴式用戶增長(zhǎng)。

精確推送主要取決于算法精度的提高，算法精度的提高離不開大量的數(shù)據(jù)。在這個(gè)單一的場(chǎng)景中，算法模型需要不斷進(jìn)化和終身學(xué)習(xí)。由于不是封閉的數(shù)據(jù)環(huán)境，總有新的數(shù)據(jù)添加，算法模型需要通過(guò)學(xué)習(xí)不斷調(diào)整和迭代升級(jí)，使其精度越來(lái)越高，形成良性循環(huán)。

與此同時(shí)，雖然消費(fèi)互聯(lián)網(wǎng)行業(yè)的算法精度已經(jīng)上升到一定的高度，但與一些傳統(tǒng)行業(yè)的應(yīng)用場(chǎng)景相比，消費(fèi)互聯(lián)網(wǎng)行業(yè)接受人工智能算法精度的閾值相對(duì)較低。比如短視頻，淘寶偏好推薦，百度熱搜關(guān)鍵詞，只需要達(dá)到用戶粘性的目的，只要有一定的準(zhǔn)確性，用戶就可以接受。相比之下，在許多傳統(tǒng)行業(yè)，對(duì)技術(shù)精度的要求要高得多。例如，基于視覺的人工智能技術(shù)在人臉識(shí)別的應(yīng)用，在高鐵站和機(jī)場(chǎng)驗(yàn)證身份，1:1的比對(duì)準(zhǔn)確率高達(dá)99.99%甚至更高。

在計(jì)算能力方面，云計(jì)算能力可以支持短視頻、淘寶推薦等大規(guī)模模型訓(xùn)練和推理。但在大量的傳統(tǒng)工業(yè)應(yīng)用場(chǎng)景中，智能終端上的端側(cè)計(jì)算能力不能滿足推理的實(shí)時(shí)性和準(zhǔn)確性要求。

與社交網(wǎng)絡(luò)和電子商務(wù)系統(tǒng)相比，傳統(tǒng)工業(yè)應(yīng)用場(chǎng)景的封閉生態(tài)系統(tǒng)無(wú)法有效應(yīng)用云計(jì)算能力。例如，以智能無(wú)人系統(tǒng)檢查為例，電力檢查、管道檢查、交通檢查、河流檢查和光伏檢查要求無(wú)人機(jī)和機(jī)器人計(jì)算能力滿足實(shí)時(shí)檢查要求，由于視頻分析模型復(fù)雜性高，端側(cè)往往無(wú)法實(shí)現(xiàn)準(zhǔn)確高效的實(shí)時(shí)推理，輕量級(jí)網(wǎng)絡(luò)同時(shí)滿足實(shí)時(shí)性，失去識(shí)別精度。由于算法精度不能滿足使用要求，人工智能技術(shù)在許多場(chǎng)景中的應(yīng)用無(wú)法實(shí)現(xiàn)。

人工智能在傳統(tǒng)工業(yè)中的應(yīng)用面臨三大挑戰(zhàn)。

在人工智能應(yīng)用方面，消費(fèi)互聯(lián)網(wǎng)行業(yè)以外的其他行業(yè)面臨著三個(gè)挑戰(zhàn)：數(shù)據(jù)集非常??；定制成本很高；從驗(yàn)證理念到部署生產(chǎn)的過(guò)程很長(zhǎng)。

數(shù)據(jù)是傳統(tǒng)制造企業(yè)從制造業(yè)向智能制造業(yè)轉(zhuǎn)型的突出問題。首先數(shù)據(jù)獲取有一定難度。傳統(tǒng)制造企業(yè)的數(shù)據(jù)是封閉的，因?yàn)樵S多傳統(tǒng)企業(yè)不是新的信息設(shè)備，沒有傳感器收集實(shí)時(shí)數(shù)據(jù)，也沒有數(shù)據(jù)中心，所以數(shù)據(jù)分散，嚴(yán)重缺失，很難獲得大量、高質(zhì)量的消費(fèi)互聯(lián)網(wǎng)企業(yè)數(shù)據(jù)。

其次，行業(yè)內(nèi)許多工廠的數(shù)據(jù)具有商業(yè)價(jià)值，因此工廠嚴(yán)格保密，導(dǎo)致數(shù)據(jù)流通，無(wú)法共享，形成數(shù)據(jù)島效應(yīng)，影響人工智能算法模型的優(yōu)化。

當(dāng)我們開發(fā)一個(gè)人工智能算法模型時(shí)，由于數(shù)據(jù)的保密性，我們經(jīng)常脫敏的數(shù)據(jù)，這也嚴(yán)重影響了我們的判斷。在傳統(tǒng)行業(yè)的企業(yè)中，缺乏具有人工智能算法模型開發(fā)能力的技術(shù)人員，因此雙方在合作研發(fā)過(guò)程中也存在很高的障礙。

此外，傳統(tǒng)行業(yè)的數(shù)據(jù)來(lái)源并不像消費(fèi)互聯(lián)網(wǎng)領(lǐng)域那樣來(lái)自單一的場(chǎng)景。復(fù)雜的業(yè)務(wù)場(chǎng)景往往導(dǎo)致數(shù)據(jù)臟，必須清理，去除大量無(wú)效信息，人工智能算法模型可以高效學(xué)習(xí)，提高精度。這就像我們教孩子知識(shí)一樣。只有講知識(shí)點(diǎn)，孩子才能快速學(xué)習(xí)。如果知識(shí)點(diǎn)中夾雜著大量無(wú)用的信息，孩子就分不清了，學(xué)習(xí)效率肯定會(huì)降低。在數(shù)據(jù)上標(biāo)注知識(shí)點(diǎn)的工作是巨大而繁瑣的，企業(yè)需要有專人來(lái)做，需要花費(fèi)大量的時(shí)間和精力。

傳統(tǒng)制造業(yè)要想獲得高質(zhì)量的數(shù)據(jù)，就必須對(duì)生產(chǎn)設(shè)備進(jìn)行信息化、智能化的改造。這種轉(zhuǎn)型需要企業(yè)投入大量的時(shí)間和精力，增加生產(chǎn)成本，這也成為人工智能在傳統(tǒng)制造業(yè)中應(yīng)用的障礙。

高質(zhì)量的數(shù)據(jù)是應(yīng)用的前提。

在過(guò)去的10年里，大多數(shù)人工智能的研發(fā)和應(yīng)用都是由以軟件為中心驅(qū)動(dòng)的。在大量數(shù)據(jù)的支持下，不斷優(yōu)化軟件和算法，以獲得更高的算法精度。在傳統(tǒng)行業(yè)無(wú)法提高數(shù)據(jù)質(zhì)量和數(shù)量的情況下傳統(tǒng)行業(yè)應(yīng)采用以數(shù)據(jù)為中心的模式，重點(diǎn)獲取質(zhì)量更好、匹配度更高的數(shù)據(jù)。

在這種思維下，傳統(tǒng)行業(yè)也出現(xiàn)了一些好的應(yīng)用案例。例如，醫(yī)學(xué)領(lǐng)域的圖像識(shí)別人工智能系統(tǒng)可以幫助醫(yī)生‘看’CT圖像電影，識(shí)別腫瘤和其他病變，并幫助醫(yī)生做出判斷。由于很多數(shù)據(jù)都是專業(yè)放射科醫(yī)生在影像片上標(biāo)注的，所以數(shù)據(jù)比較準(zhǔn)確，AI算法模型在學(xué)習(xí)過(guò)程中進(jìn)步很快。目前，許多圖像識(shí)別系統(tǒng)的準(zhǔn)確率可以達(dá)到90%以上。由于他們是輔助醫(yī)生，他們最終需要醫(yī)生做出醫(yī)療決策，但這一水平的準(zhǔn)確性大大降低了醫(yī)生的工作強(qiáng)度。

雖然傳統(tǒng)行業(yè)有一些應(yīng)用人工智能技術(shù)的成功案例，但要想更好地與人工智能相結(jié)合，就必須努力提高數(shù)據(jù)質(zhì)量。朱鵬飛建議，首先，對(duì)于積累了大量數(shù)據(jù)的傳統(tǒng)行業(yè)，在保證數(shù)據(jù)安全的前提下，積極開放數(shù)據(jù)。挖掘數(shù)據(jù)中包含的價(jià)值與需求有關(guān)，會(huì)有很大的發(fā)展空間。其次，對(duì)于新興產(chǎn)業(yè)，如新能源汽車，在構(gòu)建智能工廠規(guī)劃時(shí)，應(yīng)考慮獲取數(shù)據(jù)和智能因素。

然而，在傳統(tǒng)行業(yè)充分利用人工智能技術(shù)的同時(shí)，不要濫用人工智能技術(shù)，在應(yīng)用前進(jìn)行評(píng)估。如果不能提高生產(chǎn)效率，提高整個(gè)行業(yè)，那么盲目使用人工智能技術(shù)就是浪費(fèi)資源。例如，一些應(yīng)用程序場(chǎng)景需要人工智能算法達(dá)到99%以上的精度才能使用。通過(guò)評(píng)估，現(xiàn)有模型算法只能達(dá)到90%的精度，因此沒有必要強(qiáng)行啟動(dòng)人工智能技術(shù)。

總之，人工智能技術(shù)的應(yīng)用應(yīng)該是數(shù)據(jù)第一，高質(zhì)量的數(shù)據(jù)應(yīng)用，沒有好的數(shù)據(jù)很難有好的應(yīng)用。

成都融和實(shí)業(yè)排隊(duì)叫號(hào)系統(tǒng)廠家(yuanshangpin.cn)是一家集研發(fā)、生產(chǎn)、營(yíng)銷、服務(wù)于一體的高新技術(shù)企業(yè).主營(yíng)智能排隊(duì)叫號(hào)系統(tǒng)、醫(yī)院分診系統(tǒng)、排隊(duì)機(jī)、叫號(hào)機(jī)、評(píng)價(jià)器(好差評(píng)系統(tǒng))、呼叫器、多媒體查詢及信息發(fā)布配套系統(tǒng)等,公司產(chǎn)品已廣泛應(yīng)用于不動(dòng)產(chǎn)登記、智慧醫(yī)療、智慧稅務(wù)、智慧政務(wù)、智慧金融、智慧通訊、智慧服務(wù)大廳、智慧機(jī)關(guān)單位等服務(wù)窗口行業(yè).咨詢電話：028-87438905。

標(biāo)簽：人工智能,工業(yè)人工智能,智能工業(yè),AI人工智能