人工智能应用商业化不容易

“去年全球人工智能核心产业规模606亿美元，中国人工智能核心产业规模98亿美元，增长速度超过40%，与全球增长率持平。数据显示，未来全球高达50%的工作将可能会被人工智能代替，人们也将从重复性劳动转向创新性工作。”深兰科技副总裁刘凤义近日在中国新时代企业家论坛2019北京峰会上表示。

近年来，我国陆续出台了相应的政策，促进了人工智能的发展。

“全球人工智能企业约5000家，中国占到1000多家，主要集中在医疗健康、金融、商业、互联网服务、教育、安防等领域。”刘凤义介绍，人工智能在上述行业的应用多种多样，金融方面主要是智能支付、智能风控、量化投资等和金融紧密连接的领域；安防方面主要是智能摄像机、人像识别等领域；互联网服务方面主要是语音、翻译等；零售方面是自助结算、自动售货机、仓储等。

人工智能应用的商业化提高了不少行业的效率。

合合信息联合创始人陈晏堂认为，保险业通过人工智能解决方案可提高90%的效率，商业地产通过人工智能和大数据可将6个月的工作量压缩为5个小时，帮助客户节约70%的时间。此外，银行业智能授信也是企业授信的过程中，50%的材料可以让机器来完成，效率高达90%。以前，银行授信员要花76分钟做完记录材料，而通过机器来做只需要2分钟。

对于人工智能应用商业化，刘凤义认为，主要集中在四大板块：一是机器人板块，机器人市场火爆，带动产业链各环节进入红利期。二是人群数据板块，已形成人群大数据积累的领域，比如支付宝等。三是应用板块，人工智能本身未必具备商业变现的价值，比如智能音箱、教育机器人，他们的核心商业价值在于内容、应用和交互。四是平台板块，如果企业能整合人工智能+大数据+物联网+云计算，可做到行业领先位置。

目前，人工智能在各行业领域的应用仍有问题。

星瀚资本创始合伙人杨歌指出，人工智能主要分两大方向：一是以知识图谱加上框架设计，逐渐形成数据化和人工智能体系。二是基于大量数据构建一套监督式学习模式，提炼数据规律。上述两个方向各有难处，第一个是构建知识图谱难度比较大，需要把各个行业专家结合起来，全方位对行业进行分析。第二个看似简单，但由于数据偏差大，实际难度较大。比如，在医疗行业，大多数人希望用人工智能进行医疗问诊，但由于病例不够多，且各医生技术方法不一样，其技术结果不够标准化，实际难度较大。

“据了解，美国克利夫兰诊所通过15年的积累，拥有5000万的病例，每个病例都是一个季度至少有一个数据，因此该诊所拥有一个较完整标准的病例数据库，在该数据库的基础上，每一种病、每一个病人都被清楚详细地记录其中。”杨歌介绍，对此，人工智能应用首先要进行的是样例标准化，在医疗行业做人工智能、数据分析相对较早，对于病例进行数据化、标准化提取和存储是人工智能医疗应用的重要基础，当然，对各个行业都是如此，将数据精炼化才可进行人工智能操作。

杨歌表示，人工智能行业属于长沉行业，迅速将人工智能应用化难度大，必须经过长时间的底层磨练才可实现，人工智能中短产业链应用较快，但较少见，即模块基本成熟后迅速可应用到某一个可商业化或者有受益的场景，比如人脸识别在安防、道路交通等领域的应用，简单使用图像识别等人工智能可在短产业链里进行变现，但通常人工智能都是长产业链，见效慢，这也是人工智能的本质特点。

此外，人工智能投资界有关人士在接受《中国贸易报》记者采访时认为，未来，人工智能能否落地商业化主要在于市场前景。他目前正在研究航空飞机故障诊断机器人项目，即机器人只需绕飞机一圈，便可诊断飞机是否存在故障以及问题出现的具体部位。但由于国内飞机和机场数量有限，产品的需求前景也有限，因而对此项目投资的前景有担忧。