让人工智能与产业紧密融合

　　人工智能要与产业紧密融合，既要助推人工智能应用场景的落地，也要基础数据和平台技术的突破创新，还要搭建好与传统行业生态有效衔接的桥梁。

　　人工智能产业应用总体上处于起步阶段，仍有一些难题制约应用场景落地。

　　人工智能被认为是引领新一轮科技革命和产业变革的战略性技术。当前，我国人工智能与产业融合的情况如何？

　　业内专家认为，我国人工智能产业应用总体上处于起步阶段。

　　当前，新一代人工智能已经从最初的算法驱动逐渐向数据、算法和算力的复合驱动转变，其中，基于数据的应用驱动作用日益显著。以医疗领域为例，志诺维思基因科技创始人、人工智能专家凌少平介绍，我国智慧医疗近几年发展比较快，一个重要原因是有比较丰富的电子病历、医疗影像、病理图像等数据，基于这些数据，科研人员能够通过标注来训练人工智能模型。地平线创始人兼首席执行官、人工智能专家余凯说，受益于行业丰富的需求，我国在人工智能的应用探索上比较活跃。智能安防、智能金融、平安城市等需求，助推了人脸识别技术的发展和落地。无人驾驶、智能教育等发展又加速了我国计算机视觉、语音识别和自然语言理解等技术的应用落地。

　　专家表示，我国拥有海量数据和巨大市场规模，应充分发挥这些优势，加快推动人工智能的应用场景落地。但在实际推进过程中，还有一些难题制约着人工智能与产业更好地融合。

　　其中产业界普遍关注的是如何取得有价值的数据。首先是数据的有效性不够。通常数据越多，人工智能算法越智能。但也要看到，海量的数据固然重要，可只有经过计算、进行训练的数据才能产生价值，这就需要提高数据的有效性。专家表示，我国的数据样本非常丰富，但数据的“噪音”也非常大，有时获取的大部分数据没有价值，这就给利用数据训练算法带来较大困难。在智慧医疗领域，优质的数据一般要经过精选、清洗和标注，而高质量的标注数据门槛较高，通常由专业的医生来完成，但当前医生协助人工智能企业标注数据的积极性不高。由于高质量的标注数据缺乏，制约了人工智能在医疗领域的拓展。

　　其次是数据之间缺乏联动。数据孤岛现象影响了人工智能应用的落地。云天励飞首席方案总监王军说，一些核心数据掌握在相关管理部门和行业机构手中，在保障数据安全和隐私安全前提下，如果能将这些优质数据投入到算法模型训练上，既能降低行业参与者的成本，也有助于拓展人工智能应用的深度。

　　此外，人工智能芯片、智能平台搭建等技术难题也有待突破，这些都在一定程度上影响了应用场景落地。

　　人工智能赋能产业是一个从量变到质变的过程，需要搭建良好的产业生态链条

　　人工智能赋能产业是一个从量变到质变的过程。专家认为，要想进一步推进人工智能产业发展，就需要搭建良好的产业生态链条，需要学界和产业界共同努力，探索拓展产业的边界和范围。这包括了从源头找到有价值的问题、基础支撑平台技术的创新、培育领军企业等。

　　推进人工智能产业化，找到有价值的问题尤为关键。

　　“近年来，人工智能在医疗领域的应用很热，但多数扎堆在眼底筛查、肺结节检测及宫颈癌筛查等几个应用点，却很少有人去研究还有哪些领域需要应用人工智能技术。”凌少平说，“我国医疗人工智能应用要以需求为导向，运用大数据来分析目前诊疗中的痛点问题，有针对性地培育基于人工智能的产品和服务，进而提升人工智能与产业的融合度。”

　　推进人工智能产业化，需要基础支撑平台技术上的突破创新。

　　“无人驾驶、智能安防等终端场景是人工智能应用的重要场景，但人工智能在这些场景能不能落地、落地后有多大价值，需要依靠智能平台的支撑。”余凯以自动驾驶为例，当前无人驾驶技术仍不成熟，一个重要的影响因素是计算效率不够高。“1000辆上路的自动驾驶汽车，每天要处理相当于当前百度图像搜索的数据量，要及时、有效地处理好信息，在底层架构上就需要高性能的人工智能芯片。”

　　芯片的特点和性能往往决定了人工智能应用平台的架构和发展生态。鲲云科技创始人牛昕宇说，人工智能芯片通常会针对人工智能算法做特殊设计，我国在传统芯片上与国外领先企业有较大差距，但人工智能芯片与传统芯片底层物理结构完全不同，这样就相当于大家来到同一起点，我国应抓住人工智能芯片发展的机遇，为人工智能应用落地、产业发展提供强劲支撑。

　　推进人工智能产业化，还要培育领军企业。

　　虽然商业化刚起步，但人工智能巨大的发展前景已赢得了世界各国极大关注。我国已经成为全球人工智能产业发展的重要推动者。当前全球人工智能产业总体上由少数科技巨头公司引领，但也涌现出许多人工智能初创企业，在一些细分领域很有竞争力。受访专家认为，当前全球人工智能应用生态尚未成形，要积极搭建人工智能生态圈，进而在人工智能产业上取得主动权。同时，培育一批具有行业引领带动作用的人工智能企业和产业，建立起从基础研发、平台技术开发到应用落地的人工智能产业生态链条，并最终支撑起人工智能在各行业的终端应用。

　　“人工智能时代的产品将是定制化的，需要形态、性能各异的产品。因此，虽然我国在一些领域与发达国家有一定差距，但在人工智能产业上仍然有很多机会，甚至实现换道超车。”王军表示。

　　提升社会整体智能化水平，促进人工智能与传统产业深入融合

　　“人工智能+”在深刻改变着传统产业。人工智能与传统产业的关系如何？怎样推进人工智能与传统产业深入融合？

　　“如果说人工智能是供给侧，传统行业则是需求侧，它们不是谁颠覆谁的关系。推进人工智能应用场景落地，要处理好‘供给侧’和‘需求侧’的匹配问题，还要打通两者之间的壁垒，让双方加深理解，明白传统行业在哪些方面需要人工智能，人工智能又能对产业发展起什么作用。”余凯表示。

　　专家认为，为了实现人工智能与传统产业良性互动，需要社会整体智能化水平的提升。因此，有必要推进智能化信息基础设施建设，提升传统基础设施智能化水平。

　　比如，无人驾驶需要车与路、车与人以及交通基础设施之间的互联互通，要实现这一点，稳定快速的通信网络就很重要，而5G技术和5G网络正好能满足车、路、人等协同的要求。因此，无人驾驶汽车要上路，绝不是有了好算法就行，它还需要新一代通信技术基础设施的配合，以及相关标准、协议的兼容畅通。

　　仍以数据为例，人工智能时代，数据是基石，但标注好的数据更重要、更有价值。对大多数行业参与者来说，它们难以负担也没有能力做好海量数据的标注工作，因此需要引导行业专家共同参与，整合各行业的力量，服务人工智能产业发展。

　　“提高数据标注质量，可以尝试探索由第三方权威机构牵头，逐步建立市场导向的面向全行业公开共享的大型数据标注集，最终通过人工智能模型应用市场终端反馈给予贡献数据集的机构或个人报酬，这样既提高了效率又保障了参与者的积极性。”凌少平建议。

　　应该正视的是，当前我国人工智能产业尚未形成有影响力的生态圈和产业链，这就需要行业参与者积极布局，发挥好各自的优势，搭建起人工智能产业生态；管理部门也应发挥好引导作用，帮助解决制约行业发展的共性难题。此外，人工智能产业的有效推进还离不开行业标准管理、政策法规等外部环境。受访专家表示，在人工智能时代，我们应该意识到“信息”与“智能”已经成为新的生产要素，与劳动、资本、土地等其他财富创造要素具有同等重要的地位，拥抱人工智能产业，还要在产业之外下功夫。(喻思南)