AI技术要实现应用，首先数据要达到一（yī）定的体（tǐ）量，此外算力也要能支持大规模的（de）模型训练，而（ér）后算法方面（miàn）需要达到（dào）一（yī）定的精（jīng）度，端侧算力也要具备一定的（de）推理能力（lì）。之所以目前只有消费互联网公司在大规模应用（yòng）AI算（suàn）法（fǎ）技术，主要是在这三方面消费互联（lián）网公司都更具优势。——朱鹏飞 天津大学智能与计算学（xué）部副教授

近（jìn）日，知名人（rén）工智能（néng）学者吴（wú）恩达发表文（wén）章，阐述了他对于人工智能在传统行业中应用缓慢的理解。无论是刷短视频时的个性化推荐（jiàn），还是外卖配送时的耗时预估，或者是（shì）移动支付时的人脸识（shí）别，以（yǐ）算法为代表的AI技术在消费互联网行业被应（yīng）用得（dé）“得心应手”。然而提到传统行（háng）业，人们却（què）很难快速想起非常（cháng）成熟的（de）应用人工（gōng）智能的典（diǎn）型案例（lì）。为何AI技术在传统（tǒng）行业（yè）的应用速度和范（fàn）围远不如消费互（hù）联网等（děng）行业？

消费互联网行业应用AI更具优势

“AI技术（shù）的应用主要取决于数据、算力和算法。”天津大学（xué）智能与计算学（xué）部（bù）副教授朱鹏（péng）飞介绍，首先数据要达到一定的体量，这是应用的基础，此（cǐ）外算（suàn）力也要能支持大规模的模型（xíng）训练，而后算法方面需（xū）要（yào）达到一定的精度（dù），端侧算力也要具备（bèi）一定的推理能力。

之所以目前只（zhī）有消费互联网公司（sī）在大规模应用（yòng）AI技术，主要是在这三方面消费互联网（wǎng）公（gōng）司都更具优势。

前些年短视（shì）频并没有现在这么火爆，例如发展初期的淘宝，也并没（méi）有很强的用（yòng）户黏性。而随着推送越来越精准，用户的（de）体验感也得（dé）到了（le）极大（dà）的提升，最终呈现（xiàn）井（jǐng）喷式的用户增长（zhǎng）。

“精准推送（sòng）主要依赖于算法精度的提升，而算法精度的（de）提升又离不开海量的数（shù）据作为（wéi）基础（chǔ）。”朱鹏飞解释（shì），在这个单（dān）一的（de）场（chǎng）景（jǐng）中，算法模型需要（yào）不断进化，终身学习。由于不是封闭（bì）数据环境，总有新的数据加入，算（suàn）法模（mó）型需要不断通过学习进行调整、迭代升级，使其精度（dù）越（yuè）来越高，形成一个良性循环。

“与此同时（shí），虽然目（mù）前消（xiāo）费互联网行业在算（suàn）法精度上已经（jīng）上升到一定的高度，但相比一些（xiē）传统行业的应用场景（jǐng），消费互联网行业对于AI算法（fǎ）精度（dù）接受的阈值都（dōu）比较（jiào）低。比如短（duǎn）视频、淘宝偏好（hǎo）推荐、百度热搜关键词（cí），只需要达到（dào）用户产生（shēng）黏性的目的，只要有一定准确性，用户都可以接受。”朱鹏飞（fēi）表示，相比之下，在很多传统行业，对（duì）于技术精度（dù）的（de）要求就高得多。比如基（jī）于（yú）视觉的AI技（jì）术在人脸识别方面的应用，在高铁（tiě）站、飞机场（chǎng）核实身份，1∶1的比（bǐ）对准确（què）度要高达（dá）99.99%甚至更高才（cái）可以进（jìn）行应用。

在算力方面，目前云（yún）端算（suàn）力已经（jīng）可以支持（chí）大规模模型（xíng）训（xùn）练和（hé）推理，比如短（duǎn）视频、淘宝推荐等。但在大量传统行业应用场景中，智能终端上的端侧算力还无（wú）法（fǎ）满足推理的实时性和准（zhǔn）确性要求。

“相比于社交网络和（hé）电商（shāng）系统，传统行（háng）业应用场（chǎng）景的（de）封闭生态系统（tǒng）使得云端（duān）算力（lì）无（wú）法得（dé）到有效应（yīng）用（yòng）。”朱鹏飞举例说，以智能无（wú）人系统（tǒng）巡检为（wéi）例，电力巡（xún）检、管道巡检、交通巡检、河道巡检以（yǐ）及光伏巡检（jiǎn）等要求搭载（zǎi）在无人机（jī）和机器人上的算力（lì）满足（zú）实时巡检（jiǎn）要（yào）求，由（yóu）于（yú）视频分析（xī）的（de）模型复杂度较高，端侧往往无法（fǎ）实现精准（zhǔn）高效（xiào）的实时推理，轻量级网（wǎng）络（luò）在满（mǎn）足实时性的同时损失了识别精（jīng）度。由于算法精（jīng）度达不到（dào）使用要求，使得在（zài）很（hěn）多场景中无法实现（xiàn）AI技术的应用（yòng）。

传统行业应用AI面临三大挑战（zhàn）

吴恩达认为（wéi），在AI应用（yòng）方面，消费互联网行业之（zhī）外的其他行业都面临（lín）着三（sān）大挑战：数据集很小；定制化成本（běn）很高；从验证想（xiǎng）法到部署（shǔ）生产的过程（chéng）很长。

对此，朱鹏飞也深（shēn）有感（gǎn）触（chù），他以（yǐ）传统（tǒng）制造业为例进行了分析（xī）。

“传统制造企业在制造向智造转型的（de）过程中，数据是一个（gè）很突出的问题。”朱鹏飞介绍，首先在数据的获取（qǔ）方面（miàn）存在一定难度。传统制（zhì）造企业的数据（jù）是封闭（bì）的，因（yīn）为很（hěn）多（duō）传统企业并（bìng）不是新型（xíng）信息（xī）化（huà）设备，没有传感器收集（jí）实时数据，也（yě）没有数据中心，因此数据零散，缺失（shī）严重，很难获取像消费互联（lián）网企业（yè）里那种海量、高（gāo）质量（liàng）的数据（jù）。

其次（cì），行业内部各个工（gōng）厂的数（shù）据很多具有商业价（jià）值，因（yīn）此（cǐ）工厂（chǎng）都严格保密，这导致数据不流（liú）通，没（méi）有（yǒu）办法进行共享（xiǎng），进而（ér）形成了数据孤岛效应，影响了AI算法模型（xíng）的优化。

“我们在开（kāi）发一个（gè）AI算（suàn）法（fǎ）模型的时候，因（yīn）为数据的保（bǎo）密性（xìng），往往得到的（de）数据都是经过‘脱敏（mǐn）’的，这也严重（chóng）地影响了（le）我们（men）的判断（duàn）。而（ér）传统（tǒng）行业的企业中，又缺乏具有AI算（suàn）法（fǎ）模型开发能力的（de）技术人员，因此双（shuāng）方（fāng）在合作（zuò）研发过程中（zhōng）也存在（zài）着很（hěn）高的壁（bì）垒。”朱鹏飞说。

此外（wài），传统行业中的数据来源并不（bú）像消费互联网（wǎng）领域那样（yàng）来自单一（yī）场景，复杂的（de）业务场景导（dǎo）致数据往（wǎng）往很“脏”，必（bì）须进行“清洗”，去掉大量无效信（xìn）息，AI算法模型（xíng）才（cái）能高效率的学习（xí）以提高精度。“这就像我们（men）教小朋友知识，只讲知识点，小朋（péng）友们（men）才能学得快，如果在知识点中（zhōng）夹杂着大（dà）量无用的信息，小朋（péng）友无从分辨，学习（xí）效率肯定降低。”朱鹏飞介绍，而给数据（jù）标注（zhù）“知识点”的工作是（shì）巨大而繁琐（suǒ）的，需（xū）要（yào）企（qǐ）业有（yǒu）专人去（qù）做（zuò），要花费很多时间（jiān）精力。

“传统制造业要想获得高质量（liàng）的数据，就必须对（duì）生产设备进行（háng）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（liàng）的时间和精（jīng）力，还会（huì）增加生（shēng）产成本，这也成为AI在传统制（zhì）造业中应用的（de）壁垒。

高质量数据（jù）是应用前提

过（guò）去这10年，大部分AI的研发和应用是“以软件（jiàn）为中心”驱动的。在海量（liàng）数据的（de）支撑下，不（bú）断优化软件和算法，来获得（dé）更（gèng）高的算法精度。在传统（tǒng）行（háng）业无法提高数据质量和数量的情况下，吴恩达认为，传统行业应该采（cǎi）用“以数据为中心（xīn）”的（de）模式，把重点（diǎn）放在获得质量更好、匹（pǐ）配度更（gèng）高的数据上。

“在这种思路下，传统（tǒng）行业（yè）也涌现了一些不错的应用案例。比如医（yī）学领域的影像识别AI系统，可（kě）以帮医生‘看’CT影像（xiàng）片（piàn）子，对肿瘤等（děng）病变加以识别，辅助医生做出判断。”朱鹏飞介绍，由（yóu）于很（hěn）多数据都（dōu）由专业的放射科医生在影像片子上进行了标注，因（yīn）此数（shù）据比较（jiào）准（zhǔn）确，AI算法模型（xíng）在学习的过程中（zhōng）进步很快。目前（qián）很（hěn）多影（yǐng）像识别系统（tǒng）的准确率都能达（dá）到90%以（yǐ）上，由于是辅助医生，最后（hòu）还需医生（shēng）做医疗决策，但这个水平的准确率在很大程度（dù）上降低了医生的工作强度（dù）。

“尽管传统行业有了一些应用AI技术的成（chéng）功案（àn）例，但（dàn）是（shì）要想更好地和（hé）AI结合，还得在提（tí）高数据质量方面下功夫。”朱鹏飞建议，首（shǒu）先对（duì）于已经积（jī）累了海量（liàng）数（shù）据的传（chuán）统行业，在保证（zhèng）数据安全的前提下，主动开放数据。挖掘数据中蕴藏的价值，和需（xū）求关联（lián）起来，会（huì）有很大（dà）的发（fā）展空间。其次，对（duì）于新兴行业，比如新能源汽车（chē）等，在（zài）构建智能（néng）工厂规划的时候，就把（bǎ）获取数据、智能化的因素考虑（lǜ）进去。

不（bú）过朱鹏（péng）飞强调，在传统行业用好AI技术的同（tóng）时，也不要滥（làn）用AI技（jì）术，在应（yīng）用前（qián）做（zuò）好评估，如果不能提高生产效率，对行业整体有所提升，那么盲目强行使用AI技术，就是对资源的浪费。“比（bǐ）如一些应用场景需要AI算（suàn）法达到99%以上的（de）精度才可（kě）以使用（yòng），通（tōng）过（guò）评估，现有模型算法只能达到90%的精度，那么（me）这（zhè）个（gè）场景（jǐng）就没必要（yào）强行上马AI技术（shù）了。”

“总而言（yán）之，对于AI技术的应用要（yào）数据先行，有高质量的数据再（zài）谈（tán）应用，没（méi）有好的数据很难有好的应用。”朱（zhū）鹏飞说。