人工智慧落地為什麼這麼難？

人工智慧產業迅速興起，AI技術逐漸被運用於各行各業，無論是初涉人工智慧應用的傳統互聯網企業，抑或是人工智慧領域的創業公司，如何快速、高效地落地AI應用都是巨大的挑戰。

人工智慧按照網上多數的說，它是研究、開發用於模擬、延伸和擴展人的智能理論、方法、技術及應用系統的一門新的技術科學，也可算是計算機科學的一個分支。此外，人工智慧不是人的智能，但能像人那樣思考，也可能會超過人的智能。這取決於人工智慧是否在目前的發展進程下，能否有所突破。

進入萬物互聯的時代，必然少不了科技巨頭對人工智慧的布局，國內很多大佬們也把重心放在了人工智慧領域，比如大家最為熟悉的BAT，毋庸置疑，或許他們將是人工智慧技術取得進展的突破口。當然，在「三足鼎立」的互聯網時代，少不了其它關鍵角色，也湧現了不少人工智慧領域的創業公司。

雖然AI的概念已經走過了半個世紀，也湧現了不少擁躉人工智慧的企業，但事實上AI 依然處於早期發展階段，其表現之一是沒有統一標準和系統，無法制式化，無法量產。在火熱的行情背後，其實隱藏著一個事實：人工智慧「落地」問題的難度。

從政策支持的角度，作為最大的發展中國家，中國致力於從國家戰略層面推動AI落地，並已勾勒出詳實的藍圖：2020年，人工智慧總體技術和應用與世界先進水平同步，AI產業成為新的重要經濟增長點；2025年，人工智慧基礎理論實現重大突破，部分技術與應用達到世界領先水平；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。可以說，中國在人工智慧上的反應相對比較迅速，把人工智慧設定為國家戰略，從技術、產業、投資還是政府支持等各個角度，形成了一個系統性發展人工智慧的生態，這更加有利於人工智慧落地。

從產業角度來說，人工智慧技術的生產需要考慮成本和經濟效益兩個問題。必須明確的是，做演算法生產需要大量硬體投入，保證在高頻次、高壓的計算環境之下，能夠在最短的時間之內把這個演算法的訓練過程完成，這樣才能保證你有更多時間去迭代、創新你的演算法。在計算能力大幅增長的情況下，有可能出現的一個現象，就是一個月的技術進步可以超過之前兩三年的技術進步。

實際上，針對人工智慧技術「落地」的應用場景，早已不再是曲高和寡的專業領域，尋常老百姓的家庭場景應用前景同樣十分廣闊，智能家居、智能家電，智能機器人都是AI技術的生活場景落地方向，這些應用場景不斷得到擴充，構建出了一個整合的信息物理世界，可以說，這是人工智慧產業落地相對來說，比較容易著手的方向。我們可以想像的生活場景是下班半路上，用手機就能遠程開啟屋內空調，掃地機器人在打掃衛生，下班回家再也不用操勞忙碌；室內溫度自動調節，開啟智能生活。

未來將有更多行業和場景運用人工智慧，而人類角色的重要性將慢慢產生轉移。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！