AI技（jì）术要实（shí）现应（yīng）用，首先数据要达到一定的体量，此外算（suàn）力也要能支持大规模的（de）模（mó）型训练，而后算（suàn）法方面需要达到一（yī）定的精度（dù），端侧算力（lì）也要具备一定的推理（lǐ）能力。之（zhī）所以目前只有消费互联（lián）网公司在大（dà）规模应用AI算法技术（shù），主要（yào）是在这三（sān）方（fāng）面消费互（hù）联网公司都更具优势。——朱（zhū）鹏（péng）飞 天津大学智能与计算学部副教授

近日，知名人工（gōng）智能学者吴恩达发表文（wén）章，阐（chǎn）述（shù）了（le）他对于人工智能（néng）在传统行业中（zhōng）应用（yòng）缓慢（màn）的理解（jiě）。无论（lùn）是刷短（duǎn）视频时的个性（xìng）化（huà）推荐，还是外（wài）卖配送时的耗时预估，或者（zhě）是移动支付时的人脸识别，以算法为（wéi）代表的AI技（jì）术在消费（fèi）互联网行业被应用得“得心应手”。然而提到传统行业（yè），人们（men）却很难快（kuài）速（sù）想起非常成熟的应用（yòng）人工智能的典型（xíng）案例。为（wéi）何AI技术（shù）在传（chuán）统行业的应用速度（dù）和范（fàn）围远不如消费互联网等行业？

消费互（hù）联网行业应用（yòng）AI更具优势

“AI技术的应用主要（yào）取决于（yú）数据（jù）、算力和算（suàn）法。”天（tiān）津大学（xué）智（zhì）能与计算学（xué）部副教授朱鹏（péng）飞介绍，首先数据要达（dá）到一定的体量，这是应用的基础，此外（wài）算力（lì）也要能支持大规（guī）模的模型训练，而后算法（fǎ）方（fāng）面需要达到一（yī）定的（de）精度，端侧算力也要（yào）具备一定的推理能力。

之（zhī）所（suǒ）以目前只有消费互（hù）联网公司（sī）在大规模应用AI技术，主要是在这三方面消费互联网（wǎng）公司都更具优势（shì）。

前些年（nián）短视频并没有（yǒu）现在这么火爆，例（lì）如发展（zhǎn）初期的淘宝，也并没有很强（qiáng）的用（yòng）户黏（nián）性（xìng）。而（ér）随（suí）着（zhe）推送越来越精准，用户的体验感也得（dé）到了极大的（de）提升，最终呈现（xiàn）井喷式的用户增长（zhǎng）。

“精准推送主要依赖于（yú）算法精（jīng）度的（de）提升，而算法精度（dù）的提升又离不开海量的数据作为基础。”朱鹏飞解（jiě）释，在这个单一的（de）场（chǎng）景中，算法模型需要不断（duàn）进化，终身学（xué）习（xí）。由于不是封闭数据环境，总有（yǒu）新的数据加（jiā）入，算法模（mó）型需要（yào）不断通过学习进行调整、迭代升（shēng）级，使其（qí）精（jīng）度越来越高，形成一（yī）个（gè）良性循环（huán）。

“与此（cǐ）同（tóng）时，虽然目前消费互联网行业（yè）在算法（fǎ）精度上（shàng）已经上升到一定的（de）高（gāo）度（dù），但（dàn）相比一些传统行业的应用（yòng）场景，消费互联（lián）网行业对（duì）于（yú）AI算（suàn）法精度接受的阈值都比较低。比如（rú）短视频、淘宝偏好推荐（jiàn）、百度热搜关键（jiàn）词，只需（xū）要（yào）达到用户产生黏性（xìng）的目的，只要有一定准确性，用户都可以接受（shòu）。”朱（zhū）鹏飞表（biǎo）示，相比之下，在很多传统行业，对（duì）于技（jì）术精度的要（yào）求就高得多。比如基于视觉的AI技术（shù）在人脸识别（bié）方面的（de）应用，在高（gāo）铁站（zhàn）、飞机场（chǎng）核实身（shēn）份，1∶1的比对（duì）准（zhǔn）确度要高达99.99%甚至更高才可（kě）以进行应用。

在算力方面（miàn），目前（qián）云端算力已（yǐ）经可以支持大规模（mó）模型（xíng）训练和推理，比（bǐ）如短视频、淘（táo）宝（bǎo）推荐等。但在大量传统行业（yè）应用（yòng）场景中，智（zhì）能终端（duān）上的端侧算力还无法满（mǎn）足推理的实时性（xìng）和准确性要求。

“相比于社交网络和电商系统（tǒng），传统（tǒng）行业应用场景的（de）封闭生态系统使得云（yún）端算力无法得到有效（xiào）应用。”朱鹏飞举例说，以（yǐ）智能无人系统巡检为例，电力巡（xún）检、管道（dào）巡检、交通巡（xún）检、河道巡（xún）检以及光伏巡检等要求搭载（zǎi）在（zài）无人机和机器人（rén）上的算（suàn）力满足实时巡检要（yào）求（qiú），由于视频分析的模型复杂度较高，端侧往往无法实现（xiàn）精准高效（xiào）的实时推理，轻量级网（wǎng）络在满足实时性的同时损失了（le）识别精度（dù）。由于算法精度达不到使用要求，使（shǐ）得（dé）在（zài）很多场景中无（wú）法（fǎ）实现AI技（jì）术的应用。

传统行业应（yīng）用（yòng）AI面临三大挑战（zhàn）

吴恩达认为，在AI应用方面，消费互联网行业之（zhī）外（wài）的（de）其他行业（yè）都面临着三大挑（tiāo）战（zhàn）：数（shù）据集很小（xiǎo）；定制化成本很高；从（cóng）验（yàn）证想法到（dào）部署（shǔ）生产的过（guò）程很长（zhǎng）。

对此，朱鹏飞也深有感触（chù），他以传（chuán）统制（zhì）造业为（wéi）例进行了（le）分析（xī）。

“传统制造企业在制造向（xiàng）智造转型的过程中，数据是一个很（hěn）突出的问题。”朱鹏飞介（jiè）绍，首先在数据的获取方面存在（zài）一定难度。传统制（zhì）造企业的数据是封闭的，因为很多传统企业并不是新型信（xìn）息（xī）化设备，没有传感器（qì）收集（jí）实时数据，也没有数据中心，因此数据（jù）零散（sàn），缺失严重，很难获取（qǔ）像消费互联网企（qǐ）业里那种（zhǒng）海量、高质（zhì）量的数据。

其次，行业内部各（gè）个（gè）工厂的数据很（hěn）多（duō）具有商（shāng）业价值，因此工厂都严格保密（mì），这导致数据不（bú）流通，没有办法进行共享，进而形（xíng）成了数据孤岛效应，影响了（le）AI算（suàn）法（fǎ）模型的（de）优化。

“我们在开发一（yī）个AI算法模型的时候（hòu），因为数据（jù）的保密性，往（wǎng）往得到（dào）的数据都是经过‘脱（tuō）敏’的，这也（yě）严重地影响了我们的（de）判断。而传统（tǒng）行（háng）业的企业（yè）中，又缺乏具有AI算（suàn）法模型开发能力的技术人员，因此（cǐ）双方在合作研发过程中也存在着（zhe）很高的壁（bì）垒。”朱鹏（péng）飞说。

此外，传统行业中的数（shù）据来源并（bìng）不像（xiàng）消费（fèi）互（hù）联网领域那样（yàng）来自单一场景，复杂的业务场景导致数据往往很“脏”，必（bì）须进行“清（qīng）洗（xǐ）”，去（qù）掉大量（liàng）无效信息，AI算（suàn）法模型才能（néng）高效（xiào）率的学习以提高精度（dù）。“这就像我们教小朋友（yǒu）知识，只讲（jiǎng）知（zhī）识（shí）点，小朋友们才（cái）能学得快，如果在知识点（diǎn）中夹杂着（zhe）大量无用的信息，小朋（péng）友无从分辨，学习效率肯定（dìng）降（jiàng）低（dī）。”朱（zhū）鹏飞（fēi）介绍，而给数据标注“知识点”的工作是（shì）巨大而繁琐的，需要企（qǐ）业有专人（rén）去做，要（yào）花费很多时间精力。

“传统制造业（yè）要想获（huò）得高质量（liàng）的数据，就必须对生产设备进行信（xìn）息化、智（zhì）能（néng）化的改造。”朱（zhū）鹏飞表示，这种（zhǒng）改造（zào）需要企业投入（rù）大量的时间和精力，还会增（zēng）加生（shēng）产成本，这也成为AI在传统制造业中应用的壁垒。

高质量数据是应用前提

过去这10年，大部分（fèn）AI的研（yán）发和应用是“以软件为中心”驱动的。在海量数据的支撑下，不断（duàn）优（yōu）化软（ruǎn）件和算法，来获（huò）得更高（gāo）的算法精（jīng）度。在传（chuán）统（tǒng）行业无法提（tí）高数（shù）据质（zhì）量和数（shù）量的情况下，吴恩达认为，传（chuán）统行业应该（gāi）采用“以数据为（wéi）中（zhōng）心”的（de）模式，把重点放（fàng）在（zài）获得质量更好、匹配度更高的数（shù）据（jù）上。

“在这种思路（lù）下，传统行（háng）业也涌（yǒng）现了一些不错的（de）应用案（àn）例（lì）。比（bǐ）如医学领域的影像识别AI系（xì）统（tǒng），可（kě）以帮医生‘看’CT影像（xiàng）片子，对肿瘤等病变加（jiā）以（yǐ）识别，辅助医生做出判（pàn）断。”朱鹏飞介绍，由于很多数据都由（yóu）专业的放射科医（yī）生在影像片子（zǐ）上进行了标注，因此数据（jù）比较准确（què），AI算法模型在学习的过程中进步（bù）很快。目前很（hěn）多影像识别系统的准确率都能达到90%以上，由（yóu）于是（shì）辅（fǔ）助医生，最后还需医（yī）生（shēng）做医疗决策，但这（zhè）个水平的准（zhǔn）确率在很大程度上（shàng）降低了医生的（de）工作强度。

“尽管传统行业（yè）有了一些（xiē）应用AI技术的成功案例，但（dàn）是（shì）要想更好地（dì）和（hé）AI结合，还得在提高数据质（zhì）量方（fāng）面下功夫。”朱鹏飞建议（yì），首先对（duì）于已经积累了海量数据的传统行业，在（zài）保证数据安全的前提下，主动开放数据（jù）。挖掘数据中蕴藏的价（jià）值，和需求关（guān）联起来（lái），会有很大的发展（zhǎn）空间。其次，对于新兴（xìng）行（háng）业（yè），比如新能源汽车等（děng），在构建智能工厂规划的时（shí）候，就（jiù）把获（huò）取数（shù）据、智能（néng）化的因素考虑进去（qù）。

不（bú）过朱鹏飞强调（diào），在传统行业用好AI技术（shù）的同（tóng）时，也不要滥用AI技术，在应用前做好评估，如果不能（néng）提高生（shēng）产效率（lǜ），对行（háng）业整体有所提升，那么盲目强行使用AI技术（shù），就是对资源的浪费。“比（bǐ）如一（yī）些（xiē）应用场景（jǐng）需要AI算（suàn）法达到99%以（yǐ）上的（de）精度才可以使用，通过评估，现有模型算法只能达到90%的精度，那么这个（gè）场（chǎng）景就（jiù）没必要强行（háng）上马（mǎ）AI技（jì）术了（le）。”

“总（zǒng）而言之，对于（yú）AI技（jì）术的应用（yòng）要数据先行，有高质量（liàng）的（de）数据再谈应用（yòng），没有（yǒu）好（hǎo）的数据（jù）很难有好的应用（yòng）。”朱鹏飞说。