AI技术要实现应用，首（shǒu）先（xiān）数（shù）据要达到一定的体量，此外算力也要能（néng）支持大规（guī）模的模型训练，而后算法方面需要达到一定（dìng）的（de）精度，端侧算力也要具备一定的（de）推（tuī）理能力。之所以目前只（zhī）有（yǒu）消费互联网公（gōng）司（sī）在大规模应（yīng）用AI算法（fǎ）技术，主要是在这三方面（miàn）消费互联网公司都更具优势。——朱鹏飞 天（tiān）津大学智能与计算学（xué）部副教授

近（jìn）日，知名人工智（zhì）能学者（zhě）吴（wú）恩达（dá）发表（biǎo）文章，阐述了（le）他对于人工智能（néng）在（zài）传统行业中应用缓（huǎn）慢的理解。无论（lùn）是刷短（duǎn）视频时的个性化推荐，还是外卖配送（sòng）时的耗时预估（gū），或者（zhě）是移（yí）动支付时的人脸（liǎn）识别（bié），以算法为代表的AI技术（shù）在消费互联网行（háng）业被应用得（dé）“得心应手（shǒu）”。然而（ér）提到传统行业，人们却很难快速想起非常成熟的应（yīng）用人工（gōng）智能的（de）典（diǎn）型案例（lì）。为何（hé）AI技术在传统（tǒng）行业的应用（yòng）速度（dù）和范围远（yuǎn）不如消（xiāo）费互（hù）联网等行业？

消费（fèi）互联网行业应用AI更具优势

“AI技术的应用主要取决于数据、算力和算法。”天津（jīn）大学智能与（yǔ）计（jì）算学部副教授朱鹏飞（fēi）介绍，首先数据要达到（dào）一定的体量，这是（shì）应用（yòng）的（de）基础（chǔ），此（cǐ）外（wài）算（suàn）力也要（yào）能（néng）支持大规模（mó）的模（mó）型训练，而后（hòu）算法方面需（xū）要达到一（yī）定的精度，端侧（cè）算力也要（yào）具备一定（dìng）的推理（lǐ）能（néng）力。

之（zhī）所以目前（qián）只（zhī）有消费互联网公司在大（dà）规（guī）模应用AI技术，主要是在这三方面消费（fèi）互联网公司都更具（jù）优势。

前些年短视频并没（méi）有现在这么火爆，例如发展初（chū）期（qī）的淘（táo）宝（bǎo），也并没有很强的用户黏性。而（ér）随（suí）着推送（sòng）越来越精准，用（yòng）户的体（tǐ）验感也得到了极大的提升，最终呈现井喷式的用户（hù）增（zēng）长。

“精准推送主要依赖于算法精度的提升，而（ér）算法精度（dù）的提升又离不（bú）开海量的数据作为基础。”朱鹏（péng）飞解释，在这个（gè）单（dān）一的场景中，算法模型需（xū）要不（bú）断进化，终身学习。由于不是封（fēng）闭数据环境，总有新的数（shù）据加入，算法模型需要不断通过学习进行调整、迭代升级，使其精度越（yuè）来越高，形成一（yī）个（gè）良（liáng）性循环。

“与此同（tóng）时，虽然目前消费（fèi）互联网行业在算法（fǎ）精度上已经上升到一定的高度，但相比一些传统行业的（de）应用场景，消费互联（lián）网行业对于AI算法（fǎ）精度接受的阈值都比较低。比如短视频、淘宝偏好推荐、百度热搜关键词，只（zhī）需要达到用户（hù）产生黏（nián）性（xìng）的目的，只要有一定准（zhǔn）确性，用户都可（kě）以（yǐ）接受。”朱鹏（péng）飞表示，相比之下，在（zài）很多传统行业，对于技术精度的要求就高（gāo）得多。比如基于视觉的AI技术在人脸识别方面（miàn）的应用，在高铁站、飞机场核（hé）实身份，1∶1的比对（duì）准确度要高达99.99%甚至更（gèng）高（gāo）才（cái）可以进行应用（yòng）。

在（zài）算力方面，目前云端算力已经可（kě）以（yǐ）支持大规模模型训练和推理，比如短视频、淘宝（bǎo）推荐等。但在大量传统行业应用场景中，智能终端上的（de）端侧（cè）算力（lì）还（hái）无法满足（zú）推理的实时性（xìng）和（hé）准确性要求。

“相比于社交网（wǎng）络和电商系统，传统行（háng）业（yè）应用场景的封闭生（shēng）态系统使得云端算力无法得到有（yǒu）效应用（yòng）。”朱鹏飞举（jǔ）例说，以智（zhì）能无人系统巡检为例，电力（lì）巡检、管道巡检、交通巡检（jiǎn）、河道巡检以及（jí）光伏巡检等要求搭载在无人机和机器人上的算力满足实时（shí）巡检要求，由（yóu）于（yú）视频分析的模型复杂度较高，端侧往往无法实现精（jīng）准高效的实时推理（lǐ），轻（qīng）量级网络在满足（zú）实时性的同（tóng）时损失了识别精度。由于算法精度达（dá）不到使（shǐ）用要（yào）求（qiú），使得在很多（duō）场（chǎng）景中（zhōng）无法实现AI技术的应用。

传统行业应用AI面临（lín）三（sān）大（dà）挑战（zhàn）

吴（wú）恩达认（rèn）为，在AI应用方面，消费（fèi）互联网行业之外的其（qí）他（tā）行业都面（miàn）临着三大挑战（zhàn）：数据（jù）集很小；定制化成本很高；从验（yàn）证想法到部署生（shēng）产的过程很长。

对此，朱鹏飞也深（shēn）有（yǒu）感触，他以传（chuán）统（tǒng）制（zhì）造业为例进行了分析（xī）。

“传统制（zhì）造企业（yè）在制造向智造转型的过程（chéng）中，数据是（shì）一个很突（tū）出（chū）的问题。”朱鹏（péng）飞介绍，首先在数（shù）据的获取方（fāng）面存在一（yī）定难度。传统制造企业的数据是封闭的，因为很多传统企业并不是（shì）新型信息化设（shè）备，没有传（chuán）感器收集（jí）实（shí）时数据，也没有数据中心，因（yīn）此数据零散，缺失严重，很难（nán）获取（qǔ）像消费互联网企业里那种海量（liàng）、高质量的（de）数据。

其次，行业内部各个（gè）工厂的数据（jù）很多（duō）具有（yǒu）商业价值，因此工厂都严格（gé）保密，这导致数据不流通，没有办法进行共享（xiǎng），进而形（xíng）成了（le）数据孤（gū）岛效应，影响了AI算法模型（xíng）的优化。

“我们在开发一个（gè）AI算法模型的时候，因为数据的保（bǎo）密性，往往（wǎng）得到的数（shù）据都是经过‘脱敏’的，这也严重地影响了我们的判断。而传统行业的企（qǐ）业中，又缺乏具有AI算法模（mó）型开发（fā）能力的技术人员（yuán），因此双方（fāng）在合（hé）作研（yán）发过程中（zhōng）也存在着很高的壁（bì）垒。”朱鹏飞说。

此外，传统行业中的数（shù）据来源（yuán）并不像（xiàng）消费互联网领域（yù）那样来自（zì）单一场景，复（fù）杂的（de）业务场景导致数据往（wǎng）往很“脏”，必须进（jìn）行“清洗（xǐ）”，去（qù）掉大量无效信（xìn）息，AI算（suàn）法模型才能高效率的学习以提（tí）高精（jīng）度。“这就（jiù）像我们教小朋友知识，只讲知识点，小朋友们才（cái）能学得快，如果在知识（shí）点中夹杂着大量无（wú）用的信息，小（xiǎo）朋友无从（cóng）分（fèn）辨（biàn），学习效率肯（kěn）定降低。”朱鹏飞介绍，而给数据标注“知识点”的工作是巨大而繁琐（suǒ）的，需要企业有专（zhuān）人去做，要花费很多时间精力（lì）。

“传统制造业要（yào）想获得（dé）高质量的数据（jù），就必须对生产（chǎn）设备进行信（xìn）息化、智（zhì）能化的改造。”朱（zhū）鹏飞表示，这种（zhǒng）改（gǎi）造需要企业投（tóu）入（rù）大量的时（shí）间（jiān）和（hé）精力，还（hái）会（huì）增加生产成本，这也成为（wéi）AI在传统制造业中应用（yòng）的壁垒。

高质量数（shù）据是应用前提

过去这10年（nián），大部分AI的研发和（hé）应用是“以软（ruǎn）件为中心（xīn）”驱动的。在海量（liàng）数（shù）据的（de）支撑下，不断优化软件和算（suàn）法，来获得更高的算法精度。在传统行业无法提高（gāo）数据质量和数（shù）量（liàng）的情况下，吴恩达认为，传统行业（yè）应该采用“以数据（jù）为（wéi）中心”的模（mó）式，把（bǎ）重点放在获得质量更好、匹配度（dù）更高的数（shù）据（jù）上（shàng）。

“在这种思（sī）路（lù）下，传统行业（yè）也（yě）涌现了一（yī）些（xiē）不错（cuò）的应（yīng）用（yòng）案（àn）例。比如医学领域的影像识别AI系统，可以帮（bāng）医生‘看’CT影像片子，对（duì）肿瘤等病变加以识别，辅助（zhù）医生做出判断。”朱鹏飞介绍，由于很多数据都（dōu）由（yóu）专业的（de）放射（shè）科医生在影像片（piàn）子上进行了（le）标注，因此数据比较准（zhǔn）确，AI算法（fǎ）模型在学习的过程（chéng）中（zhōng）进步很快。目前很（hěn）多影像识别系统的（de）准确率都能达到（dào）90%以上（shàng），由于是辅助医生，最后还需医生做医疗决策，但这个水平的准确率在（zài）很大程度上降低了医生的工（gōng）作强（qiáng）度（dù）。

“尽（jìn）管传统行业有了一些（xiē）应用AI技术的成（chéng）功案例，但是要想更好地和AI结合（hé），还得在提（tí）高数据质（zhì）量方面下（xià）功（gōng）夫。”朱鹏飞建议（yì），首（shǒu）先对于（yú）已经积累了（le）海量数据的（de）传统行业（yè），在保证数（shù）据安全的前提下（xià），主动开放数据。挖（wā）掘数据中蕴藏的（de）价值，和需求关联起来，会有很大的发展空（kōng）间。其次，对于新兴（xìng）行业，比如新能源汽车等，在构建智能工厂规划的时候，就（jiù）把获取数据（jù）、智能化的因（yīn）素考虑进（jìn）去。

不过朱鹏飞强调（diào），在（zài）传统行业用好（hǎo）AI技（jì）术的同（tóng）时，也不（bú）要滥用AI技术，在应用前（qián）做（zuò）好评（píng）估，如果不（bú）能提高（gāo）生产效率，对（duì）行业整体有所提升，那么盲（máng）目强行使（shǐ）用AI技术，就是对资源的浪费。“比如（rú）一些应用场景需要AI算法达到99%以上的精度才（cái）可以（yǐ）使用，通（tōng）过评（píng）估，现有（yǒu）模型算法只能达到90%的精（jīng）度，那（nà）么这个场景就没必要强行上马（mǎ）AI技术了。”

“总而言之，对于（yú）AI技术的应用要（yào）数据先行，有高质量的数据再谈应（yīng）用，没有好的数据很难有好（hǎo）的应用。”朱鹏飞说。