资料来源：搜狐科技  科技行者 物联网智库 整理 转载请注明来源和出处

------ 【导读】 ----

人工智能作为一股新的技术浪潮，只有通过商业化落地，才能最终实现对各个行业的赋能，只有样，才能获得持续发展。那些仅有技术实力，而缺乏商业化落地的企业是经不起市场的考验的。

《2018中国人工智能商业落地研究报告》称，过去一年，产业对人工智能期待值很高，各种应用层出不穷，但收获却很少。2017年中国AI创业公司获得的累计融资超过500亿元，但2017年中国AI商业落地100强创业公司累计产生的收入却不足100亿元，90％以上的AI企业亏损。业界普遍认为，作为2017年全球信息通信领域最大热点的人工智能产业，雷声大、雨点小，遭遇商业落地之痛，确实令人深思。人工智能作为一股新的技术浪潮，只有通过商业化落地，才能最终实现对各个行业的赋能，只有这样，才能获得持续发展。那些仅有技术实力，而缺乏商业化落地的企业是经不起市场的考验的。

结合当前人工智能技术的进展，本文从三个方面就人工智能如何进行商业化落地进行了深入探讨。

一．人工智能应用落地的四个关键因素

（1）明确应用场景边界

目前，人工智能还处于弱人工智能水平阶段，商业落地应该一步一个脚印，不能急于求成。目前的人工智能技术只能解决部分问题，人工智能要实现商业落地，需要搞清楚要解决问题的具体领域，并有明确的应用场景边界，把人工智能的功能限定在特定的边境之中，这样的AI解决方案才更具有实用价值。

（2）闭环数据反馈循环

中国的BAT,以及国外的谷歌、微软、苹果、特斯拉等巨头公司，他们都有一个共同特征—闭环的数据反馈循环。向百度、Google等互联网公司，能够通过用户输入的信息，就能及时获取用户的一手数据。通过特定技术，就能提高客户的体验。从终端收集数据，然后用数据训练模型，这样就可以用模型提高用户体验，用户端又会重复产生数据，这就形成了闭环的数据反馈循环。

（3）海量高质量数据

近年来，伴随着云计算、大数据、物联网、人工智能等信息技术的快速发展和传统产业数字化的转型，数据量呈现几何级增长，根据IDC统计，全球数据总量预计2020年达到44ZB，中国数据量将达到8060EB，占全球数据总量的18%。针对视频和音频等数据，其分析越来越聚集于提取其中的语义，以深度学习为代表的人工智能技术，本质上是一个具有多层的神经网络，只有依托海量的数据，才能使其学习质量达到理想的结果。

（4）高性能计算硬件

深度学习模型可以分为三个环节，分别为：前期训练、云端推理、终端推理，其中前两个环节存在较大的计算量，目前，CPU+GPU架构已经成为大部分企业的首选。FPGA的性能功耗比使得它有很大的市场，百度采用FPGA打造百度大脑专用AI芯片，微软也是基于英特尔Stratix 10 FPGA芯片打造了Brainwave平台。在终端推理环节，由于终端设备需求各不相同，需要定制化、低功耗、低成本的嵌入式解决方案，市场的竞争呈现多样化，如寒武纪的1A处理器。

通过前面章节的探讨，我们知道了想要人工智能落地，就必须把握好四个关键因素，未来可从这四个方面形成合力，加速人工智能应用落地，构建应用场景、高性能计算硬件成为人工智能应用落地的重中之重。那么，人工智能将率先在哪些领域落地？这也是很多人所关注的焦点，就此话题，我们展开进一步的讨论。

二．人工智能将在哪些领域率先落地？

在不久的将来，人工智能将会对大部分行业赋能，改变行业的游戏规则，众所周知，人工智能最擅长的就是对海量数据的处理，大数据也是人工智能应用的基础，凡是能够产生海量数据的行业，都非常有利于人工智能的落地，这些行业包括：金融、零售、企业及服务、医疗等行业，接下来，我们就针对具体行业来展开分析。

（1）金融领域

很长时间以来，由于在风控和运营方面的局限，金融服务一直存在很多瓶颈，不过，随着人工智能、大数据、云计算时代的来临，这些问题完全有可能迎刃而解，对此，百度高级副总裁朱光的判断是，“人工智能最好、最有商业价值的落地场景就是金融。人工智能技术现在就能使其真正发生深刻变革的产业就是金融。”在传统领域里面数据做得最好的就是金融界，李开复曾经指出：“一是在金融界里相对隔离得非常清晰。金融领域是不跟其他领域混在一起的，股票就是股票、保险就是保险、银行就是银行、账单就是账单，这些东西是能够用来计算的，且属于狭窄的领域。二是利用手中拥有的大数据量，可以获取更多的数据。三是金融是最无摩擦的领域，钱进钱出，这里没有生产、仓库和物流。”这就是为何人工智能很容易在金融领域落地，人工智能在金融领域的应用，主要通过机器学习、语音识别、视觉等方式来预测交易数据、价格走势等，从而为客户提供先关的金融服务，这样能大大降低投资风险。这里需要强调的是，并不是人工智能技术将要取代人类，而是帮助人类做的更好。

（2）零售领域

人工智能在零售领域的应用，主要是通过大数据的分析，对仓储和物流以及导购进行智能管控，从而达到节省成本、提高效率、简化购物程序的目的。人工智能在零售行业有很多应用场景，如：计算机视觉和模式识别、消费者分析、智能库存管理等，这里以计算机视觉和模式识别为例，简要做一举例，电商平台每天都会有海量图片，而通过计算机视觉和模式识别等深度学习技术，能对其进行分析和识别，在不完整信息的情况下，自动识别图片的关键要素，从而为消费者提供更便捷的体验。

（3）企业级服务

通过算法以及大数据处理系统的运用，现阶段人工智能已经具备人脸识别、智能交互等功能，已经具备数据分析和描绘客户画像的能力，能够让服务和营销的精确度更加精准。由于机器学习是人工智能的基础，所以机器学习在企业服务领域中的应用场景非常广泛。例如：碳云智能利用AI技术进行健康数据分析，为医院、药厂、健康管理公司等提供人群健康指数分析和预测；中译语通用深度学习、神经网络等技术为客户提供海量的机器翻译与语义搜索等服务；因果树用AI投资机器人辅助企业进行投资决策。

（4）医疗领域

人工智能在医疗健康领域中的应用领域包括虚拟助理、医学影像、药物挖掘、营养学、生物技术、急救室/医院管理、健康管理等，近年来，智能医疗的热度逐渐攀升，随着图像识别、深度学习、神经网络技术的不断进步，在很大程度上推动了医疗产业与人工智能的深度融合。从另一个方面来讲，随着社会的进步和人们逐步对健康的重视，人们对于提升医疗技术、延长人类寿命的需求也更加迫切，然而，实际情况是：医疗资源分配不均、药物研制周期长、费用高等问题。对优质医疗服务的需求极大地刺激了以人工智能技术推动医疗产业变革升级浪潮的兴起。

上文我们已经提出，有四大领域是人工智能最容易率先落地的行业，但是具体落地方法还不是很明确，笔者基于对人工智能目前整体形势的认知，给出以下人工智能具体落地的方案，供大家参考。

三．人工智能落地具体方案

第一步：寻找人工智能所能带来商业价值的应用场景

要找到合适的人工智能商业落地应用场景，就是要明白人工智能在哪些方面可以做的比人类更优秀。目前，并不是所有的工作都可以被人工智能所替代，但是对于海量数据的处理和分类，人工智能可以比人类做的更好。现阶段，人工智能已经能够代替人类做那些简单重复性的工作了。即使是对于高级白领，他们的工作中也包含了一些简单重复性的工作，例如：信息的录入、检索和分析，流程的重复优化等。这些工作覆盖了各行各业，即使不用机器替代人，利用人工智能来提高工作效率也是很普遍的需求。

当我们知道了人工智能可以替代人们做什么工作以后，可以进一步思考一个问题：目前是什么阻碍了生产效率？当我们回答了这个问题，就很容易找到一个切合实际的应用场景。例如：企业里的会计人员需要重复的对相关财务数据进行录入和分析，这类的工作能否通过人工智能来提升效率。

第二步：快速验证迭代，大规模实施

人工智能想要落地，至少要具备两个条件，一是要有数据基础，二是团队结构要合理。前面我们已经讨论了如何寻找人工智能的应用场景，当有了完善的数据，团队搭建就绪以后，接下来要做的就是基于AI的过程设计原型验证，在确认技术原型可行的情况下，再进行迭代和最终的大规模实施。

结语

以上内容是将人工智能进行商业落地的基本框架，但是在实际操作过程中还会遇到一些现实问题，由于人工智能在技术上还没有完全成熟，所以在落地过程中还存在一定的局限性。这不仅是一个大的挑战，也同时是行业发展中的机遇，谁能最先在人工智能商业落地上取得突破，谁就将会在这场关于未来的竞争中取得巨大的优势！

---

AI要深度融入行业肌理，才能真正推动社会进步

联想创投

作为众多资本与创业者追逐的风口热点，人工智能已成为推动人类进步、社会发展的新一代技术引擎。然而，无论是从技术发展还是商业化落地等角度来说，人工智能仍然处在初级阶段。因此如何推动人工智能下一阶段的发展、寻找新的突破点，成为中国乃至全球从业者共同关心的话题。

“2018中国人工智能大会”（CCAI）现场

7月28日，由中国人工智能学会创办的“中国人工智能大会”（CCAI）在深圳隆重召开。成立三年以来，CCAI致力于打造中国人工智能领域产、学、研紧密结合的高端前沿交流平台，目前已成为我国人工智能领域规格最高、规模最大、影响力最强的专业会议之一。本次大会围绕当前AI热点话题、核心技术以及业界共同关注的问题进行了深入交流和探讨，来自全球人工智能领域的顶级专家、学者和产业界优秀人才共同参与了本次大会。

联想集团高级副总裁、联想创投集团总裁贺志强也受邀参与了大会，贺志强加入联想30多年以来，长期从事研究开发和管理工作，历任联想CTO、联想研究院院长以及联想云服务业务集团总裁，他也是联想集团发展历程中的重要产品和创新技术的直接贡献者。本次大会上，贺志强以“智能互联网时代，N倍速的产业机遇”为主题发表了精彩的演讲，分享了对于人工智能的看法。

联想集团高级副总裁、联想创投集团总裁贺志强发表精彩演讲

从更深度、更广阔的角度看待AI

过去十年是移动互联网爆发的年代，也因此带来了整个社会的巨大变革，贺志强认为，在未来十年，智能互联网必将造就一个更加伟大的时代，并带来全行业效益的提升。而人工智能将作为智能互联网的核心驱动力，发挥至关重要的作用，因此就必须要从更深入、更广阔的角度去看待它。

在贺志强看来，智能互联网时代，人工智能是为每个行业乃至整个国民经济整体运行提质增效的关键。同时，人工智能也不是孤立的单元，还需要与其他关键元素共同作用，才能形成完整的智能互联网价值链条，简单来说就是物联网技术结合周边的边缘计算，再汇总到云端，而后通过大数据和人工智能，把技术赋能到所有行业，以此带来的巨大的产业机遇和社会效益。

AI要深度融入行业肌理

贺志强强调，以人工智能为核心的智能互联网必须深度融合到行业肌理，才能真正发挥作用。他认为，智能互联网将会极大提升传统产业的生产力，并最终颠覆所有行业。同时，智能互联网与行业深度融合，也将涌现更大规模的万亿级市场、更多场景的应用，并最终带来新物种、新科技和新平台。

毫无疑问，改变行业将成为智能互联网时代的最大主题，并将带来N倍速的成长机会。目前，联想创投已经初步完成在智能互联网生态的布局，并通过资本与创业者的力量，在智慧城市、智慧医疗、智慧教育、智慧工业等领域不断加持影响力。

以下为贺志强现场演讲实录摘要：

人工智能是过去几十年IT技术发展里面最深刻的产学研深度融合的领域，在移动互联网之后，我们认为下一个最伟大的机会就是智能互联网，以及它为各行各业带来的深刻变革。我们认为智能互联网最核心的领域是“物联网+边缘计算+云计算+大数据+人工智能”。

而如何从最关键的技术环节看待AI，以及这5个方面如何作用于各行各业则至关重要。我们迄今投了近100家企业，基本上都跟这5个关键元素相关。下面我重点举几个例子：

第一，物联网领域我们投了中科慧远，它解决了什么问题呢？我们都知道中国是制造业大国，每年全世界20亿部手机基本是在中国生产的，而每块手机屏幕上都有一块透明保护玻璃，每年大概有15万工人检测这些玻璃，这对工人的眼睛消耗非常大。中科慧远用机器来检测玻璃片，他们利用大型激光器械检测技术，生成通过机器学习做判断的数据集，无论是效率还是准确率都大幅度提升，解放了大量的人力，综合效率提升了差不多20倍。

第二是边缘计算。未来一定是自动驾驶的天下，这个毫无疑问。因此过去两年我们看了非常多的自动驾驶创业公司，但是现在全世界自动驾驶汽车没有一家企业能真正工业化、车规符合地去做中心计算单元，问题在哪呢？首先要保证低温零下50度、高温70度不能出问题，还要下雨不能出问题、沙尘不能出问题，能解决恶劣的环境。这样一个中央计算单元，才能够真正带领无人驾驶。

所以我们现在找的不是自动算法的公司，而是真正车规级的、符合未来大规模汽车自动驾驶的工业化、大批量车载计算单元，同时边缘计算的效率还需要特别高。其次成本也非常关键，以及供应链、售后等，这些都是车载里特别重要的地方，决定了车载边缘计算单元是否能真正变成有效的单元。

第三，从云计算来说，大家都知道算力的大幅提升非常重要，AI未来一定是云管端，所以我们要解决几个问题：第一就是可配置的灵活，我们过去投了很多软件定义的数据中心、软件定义存储、软件定义网络；第二个就是大规模、高性能。我们最近在解决自己生产车间的问题，过去几十亿条数据，做一次统计报表要一两个星期，而大数据计算只需要三个小时。

我们同时发现数据大量存储的开销非常大，最近刚刚看了一家硅谷企业，通过自己开发的管理操作系统大幅度提升控制单元效率，我们准备把这个技术直接用在整个存储单元。总之，硬件层面很多地方需要大幅度提升效率，我们还有很多进步空间。

第四，关于大数据，学界讲的最多的主要是图像、语音、自然语言理解。我主要讲讲工业大数据，当我们真正去进入到行业里面，每个企业其实有很多数据，但是不知道怎么用。我们称之为广义大数据，包括外部的互联网公司的数据、生产经营的数据、生产规模、物联网等等的工业大数据。

过去6、7年，联想根据实践搭建了自己的大数据平台，并在过去1年服务了50多家顶尖的客户，包括宝钢、太钢、化工企业等。因为联想本身做IT和制造业，所以我们可以逐渐把每一层的技术固化，变成联想大数据内部的大数据平台，我非常自豪地说，这是真正行业大数据服务的顶尖平台。目前我们已经服务了很多不同行业的客户，在使用过程中不断打磨我们的产品，而且联想大数据平台服务的环节包括研发、生产、设备制造、营销、服务等全方位链条。

我给大家举一个例子，医药企业康德乐需要在每个季度末盘查药品，盘点通常需要200人做一两个星期，因为药品制造商、厂商每个人有不同的说法，比如说缩写语、全语等等。而联想在制造业里曾遇到过同样的问题，因此我们的技术完全能帮助他们提升效率，事实上合作之后，4个小时就可以做完，且理论上不需要人力。所以我觉得要有好的行业大数据平台，中国很多企业通过大数据协助，以物联网切入，才能共同推进整个行业的进展。

最后，我们回到“AI”本身，AI的三要素：数据、算法、算力。数据标注方面，需要提高数据标注效率，Face++设计的模型”faster label”就是一个例子，提高了准确率和效率，所以联想创投天使轮就投了Face++，现在已经几十亿美金了。

AI算法方面，算法自身迭代的同时，还要考虑到不同体系的架构、运算环境。比如Face++要做Face ID，但是大部分手机上都没有没有NPU，因此需要思考如何用普通的CPU高效地实施数据网络的算法。另外终端要达到高级算法，还必须跟芯片深度整合，这就是算力的问题了。

算力方面，寒武纪是当之无愧的AI芯片领军企业。作为一个科技创业基金，联想创投投寒武纪的原因很简单，即寻找世界顶尖科技。寒武纪团队是全世界最早把人工智能算法和芯片整合到一起的团队。联想本身非常了解高性能计算、尤其是深度学习的难度，寒武纪无论在功耗还是效率上都有大幅度提升。

所以，智能互联网的5大关键要素非常重要，更重要的是怎么和行业的发展相接，让以人工智能为核心的智能互联网深入融合到产业，才能真正发挥作用，大幅提升行业效益。

举一个特别应景的例子，我们投了深圳智能交通，深圳深南大道堵车非常严重，当时市政府考虑重新建一条道来解决问题，可能要花10亿。幸运的是，深圳交通运营中心很早就开始运用大数据和AI，他们做了非常简单的改造，只花了900多万人民币就解决了问题。在智能互联网的行业应用方面，类似的案例还有很多。