AI技术要实现应（yīng）用，首先（xiān）数据要达到一定的体（tǐ）量，此外算力（lì）也要能支持大规模的模型（xíng）训练，而后（hòu）算法方面需要达（dá）到一定的精（jīng）度，端（duān）侧算力也要具备一定的推理（lǐ）能力。之所（suǒ）以目前只（zhī）有（yǒu）消费互联网（wǎng）公司在大规模（mó）应用AI算法技术，主要是在这（zhè）三方面消费（fèi）互联网（wǎng）公司都更具优势。——朱鹏（péng）飞（fēi） 天津大（dà）学智能与（yǔ）计算学部副教（jiāo）授

近日，知（zhī）名（míng）人工智能学者吴恩达发（fā）表文章，阐述了（le）他对（duì）于人工智能（néng）在传统行业中应用（yòng）缓（huǎn）慢的理解。无（wú）论是（shì）刷短（duǎn）视频时（shí）的（de）个性化推荐，还是外卖（mài）配（pèi）送时的耗（hào）时预（yù）估，或者（zhě）是移动支付时的人脸（liǎn）识别，以算法为（wéi）代表的（de）AI技术在消费互（hù）联网行业被（bèi）应用得（dé）“得（dé）心应手”。然而提到传统行（háng）业，人（rén）们（men）却很难快速想（xiǎng）起非（fēi）常成（chéng）熟的应用人工智能的典型案例。为何AI技术（shù）在传统行业的应用速度和范围（wéi）远不如消费互联网等行业？

消费（fèi）互联网行（háng）业应用AI更具优势

“AI技术（shù）的应用主要取决于数据（jù）、算力和（hé）算法（fǎ）。”天津（jīn）大学智（zhì）能（néng）与计算学部副（fù）教授朱鹏飞（fēi）介绍，首先数据要达到一（yī）定（dìng）的体量，这（zhè）是应（yīng）用的基（jī）础，此外算力也（yě）要（yào）能支持大（dà）规模的（de）模型训练，而后算法方面需要达到一定的精度，端侧算力也要具备一定的推理能力。

之所以目前只有消费互联网公司在大规模应（yīng）用（yòng）AI技术，主要是在这三方（fāng）面（miàn）消费互联（lián）网公司都更具优势。

前些年短视频并没有现在这么火爆，例如发（fā）展（zhǎn）初期的淘宝，也并没（méi）有很强的用户黏性。而随着推送越来越精（jīng）准（zhǔn），用户（hù）的体验感（gǎn）也得到了极大的提（tí）升，最终呈现井喷式的（de）用户增长。

“精准推（tuī）送主要依赖（lài）于算法（fǎ）精度的提升，而（ér）算法精度的提升又离不开海量的数据作为基（jī）础（chǔ）。”朱鹏飞解释，在这个单（dān）一的场（chǎng）景中（zhōng），算（suàn）法模型（xíng）需要（yào）不断进化，终（zhōng）身学习。由（yóu）于不是（shì）封闭数据环境，总有新的数据加入，算法模（mó）型需要（yào）不断通过学习进行调（diào）整、迭代升级（jí），使（shǐ）其精（jīng）度越来越高（gāo），形成一个良（liáng）性循环。

“与此同时，虽然目前消（xiāo）费互联网（wǎng）行（háng）业在算法精度上已（yǐ）经上升到一定的高度，但（dàn）相比一些传统行业的应用场景，消费互联网行业对（duì）于AI算法精度接受的阈（yù）值都比较低（dī）。比如短视频、淘（táo）宝偏好推（tuī）荐（jiàn）、百度热搜关键词，只需要达到用户产（chǎn）生黏（nián）性的目（mù）的，只要（yào）有一定准确性，用户（hù）都可以接受。”朱（zhū）鹏飞（fēi）表示，相比之下，在很多传（chuán）统行业，对于技术精度的要求就高得多。比如基于（yú）视觉的AI技术在人脸识（shí）别（bié）方面的应用，在高铁站、飞（fēi）机（jī）场核实身份（fèn），1∶1的比对准（zhǔn）确度（dù）要高达99.99%甚至更高才可以进（jìn）行应用。

在算力方面，目前云端算力已经可以（yǐ）支持大（dà）规（guī）模模型训练和推理，比如短（duǎn）视频、淘宝推荐等。但在大量（liàng）传统行业应（yīng）用场景中，智能终端上的端（duān）侧（cè）算（suàn）力还（hái）无法满足推理的实（shí）时性和准确（què）性要求。

“相比于社（shè）交（jiāo）网（wǎng）络和电（diàn）商系统，传统行业应用场景的封闭生态系统使得（dé）云（yún）端算力无法得到有效（xiào）应用。”朱鹏飞举例说，以智能无（wú）人系（xì）统巡检（jiǎn）为（wéi）例，电力（lì）巡检、管道巡检（jiǎn）、交通巡检、河道巡（xún）检以及（jí）光伏巡（xún）检等（děng）要（yào）求搭载在无人（rén）机和机（jī）器人上的算力满足实时（shí）巡检要求，由于视（shì）频分（fèn）析的模型复杂度较高（gāo），端侧往往无法实现精准高效的实时（shí）推理（lǐ），轻量（liàng）级网络在满足实时性（xìng）的（de）同时损失了识别精度。由于算（suàn）法（fǎ）精度（dù）达（dá）不到使用要（yào）求（qiú），使得（dé）在很多场景中无法实现（xiàn）AI技术（shù）的应用。

传（chuán）统行业应用AI面临三（sān）大挑战

吴恩达（dá）认为，在AI应用方面，消费（fèi）互联网行业之外的其他行业都面临着三大挑战：数据集很小（xiǎo）；定（dìng）制化成本很高；从验证想法到部署生产（chǎn）的（de）过程（chéng）很长（zhǎng）。

对此，朱（zhū）鹏飞（fēi）也深有感（gǎn）触，他以传统（tǒng）制造业为例（lì）进（jìn）行了分析。

“传统制造企业（yè）在制造向智造转型的过程中，数据是一个很突（tū）出的问题。”朱（zhū）鹏飞介（jiè）绍，首先在数据的获取方面存在一定（dìng）难（nán）度。传统（tǒng）制造企业的（de）数据是封闭的，因为很多传统（tǒng）企业并（bìng）不是（shì）新型信息（xī）化（huà）设备，没有传感器收集（jí）实时数（shù）据，也没有（yǒu）数据中心，因此数据零散，缺失严重，很（hěn）难获取像消费互联网企业（yè）里那种海量、高质量的数据（jù）。

其次（cì），行业内（nèi）部各个工厂的（de）数据很多具（jù）有商业价（jià）值，因此工厂都严格（gé）保密，这导致数据不流（liú）通，没有办法进（jìn）行共享，进而形成了数据孤岛效应，影响了AI算法模（mó）型的优化。

“我们在开（kāi）发（fā）一个AI算法模型的时候（hòu），因为数据的保密性，往往得到的数据都是（shì）经过（guò）‘脱敏’的，这也严重地影响了我们的判断。而传统行业的企业中，又缺乏具（jù）有AI算法（fǎ）模型（xíng）开（kāi）发能力的技（jì）术（shù）人员（yuán），因此双方在合作研（yán）发（fā）过程中也（yě）存在着很高的壁（bì）垒。”朱（zhū）鹏飞说。

此外（wài），传统（tǒng）行业中的（de）数据（jù）来源并不像消（xiāo）费互联网领（lǐng）域那样来自单一场景，复杂的业务场（chǎng）景（jǐng）导致数据往往很“脏”，必须进行“清洗”，去掉大量无效信（xìn）息（xī），AI算法模型才（cái）能高（gāo）效（xiào）率的学习以提高（gāo）精度。“这就像我们教小朋友知（zhī）识，只讲知识点，小朋（péng）友们才能学得快，如果在知识（shí）点（diǎn）中夹杂着大量无用的信息，小朋友无从分辨（biàn），学习效（xiào）率肯（kěn）定降（jiàng）低。”朱鹏飞介绍，而（ér）给数据标注“知识点”的工作是巨大而（ér）繁琐的，需要企业有专人（rén）去（qù）做（zuò），要花费很多时间精力（lì）。

“传统制造（zào）业要想（xiǎng）获（huò）得高质量的（de）数据，就必须（xū）对生产设备进行信息化、智能化的改造。”朱鹏飞表示，这（zhè）种（zhǒng）改造需要企业投入大量的（de）时间和精力，还会增（zēng）加（jiā）生产成本，这也成为AI在传统制造业中应（yīng）用的壁（bì）垒。

高质量（liàng）数据是应用前提

过去这10年，大（dà）部分（fèn）AI的研发和（hé）应用是“以软（ruǎn）件为中心”驱动（dòng）的。在海量数据的支撑下，不断优化软件（jiàn）和算法，来获得（dé）更高的算（suàn）法精度。在传统行业无法提（tí）高（gāo）数（shù）据质量和数量的情况下，吴恩（ēn）达认为，传统行业应该采用“以数据（jù）为中（zhōng）心”的模式，把重点放（fàng）在获（huò）得质量更好（hǎo）、匹配度更高的数据上。

“在这（zhè）种思路下（xià），传统行业也涌现（xiàn）了（le）一（yī）些不错的应用案例。比如医学领域的影（yǐng）像识别AI系统，可（kě）以（yǐ）帮医生‘看’CT影像片子，对肿瘤等（děng）病（bìng）变加以识别，辅助医生（shēng）做出判断。”朱鹏飞介绍，由于很（hěn）多数（shù）据都由（yóu）专业的放射（shè）科医生在影像片子上进行了标注，因此数据比较（jiào）准确，AI算（suàn）法模（mó）型（xíng）在学习的过程中进步很快。目前很多影像识别系统的准确率都能达到90%以上，由于是辅助医生，最后还需医（yī）生做医疗决策，但这个水平的准确率在很大程度上降低了医生的工作强度。

“尽（jìn）管（guǎn）传（chuán）统行业（yè）有了一些应（yīng）用AI技术的成功案例，但是要想更好地和AI结合，还得在（zài）提高数据（jù）质（zhì）量（liàng）方面下功（gōng）夫。”朱鹏飞建议，首先对（duì）于已经积累了海量数（shù）据的传统（tǒng）行（háng）业（yè），在保证数据安全（quán）的前提下，主（zhǔ）动开放（fàng）数据。挖掘数（shù）据（jù）中蕴藏的价值，和（hé）需（xū）求关联起来（lái），会有很大的发展空间。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，就把获取数据、智能化的因素（sù）考虑进去。

不过（guò）朱鹏飞强调（diào），在（zài）传统行业用好AI技术的同时，也（yě）不（bú）要滥用AI技术，在应（yīng）用前（qián）做好评估，如果不能提高生产（chǎn）效率，对（duì）行业整体有所提升，那么盲目强行使用AI技术，就是对（duì）资源的浪费。“比如一（yī）些应用场景需要AI算（suàn）法达到（dào）99%以上的（de）精（jīng）度才可以使用，通过评（píng）估，现有模型算法只能达到90%的精度，那么（me）这个场景就（jiù）没必要强行上马（mǎ）AI技术了。”

“总而言之，对于AI技术的应用要数据先（xiān）行，有高质量的数据再谈（tán）应用，没（méi）有（yǒu）好的数（shù）据很难有好的应用。”朱鹏飞说。