智能音箱、無人駕駛、智慧金融、智能家居、智慧零售、個性化推薦……“智能”正逐漸從一個名詞轉變?yōu)樾稳菰~，創(chuàng)業(yè)者在人工智能相關的領域瘋狂扎堆，投資人也頻頻將注意力轉移到AI新戰(zhàn)場。

不過也有人認為，單純的AI并沒有太多意義，要如何將垂直細分的行業(yè)和AI結合起來，還需要“AI+”的思維。和創(chuàng)業(yè)者、投資人不約而同的是，作為互聯網基礎設施的云計算廠商也瞄準了人工智能，嘗試在云計算的基礎上將人工智能普惠化，比如華為云的“+AI”。

AI是一種通用目的技術

經濟學家認為人類發(fā)展到今天，離不開26種通用目的技術，包括蒸汽機、電力、內燃機、IT、人工智能等等，這類觀點在某種程度上決定了人工智能的發(fā)展方向，至少具備下面四個特點：

1、可以被廣泛應用到各個領域；

2、持續(xù)提高生產率并降低使用成本;

3、促進新技術創(chuàng)新和新產品生產；

4、不斷促進生產、流通和組織管理方式的優(yōu)化。

在人工智能出現之前，電力、IT技術無不經歷了類似的歷程，或許技術的成熟有著不同的周期，最終都要過渡到生產力的提升。那么也就印證了文初的觀點，諸如AlphaGo等“秀技式”的AI技術，像重磅炸彈一樣沖擊了人們的認知，但人工智能真正的價值所在，還要向產業(yè)鏈層面不斷滲透。

2018年世界人工智能大會上，華為云給出了AI作為通用目的技術的兩個行業(yè)案例：

一個是華為云+德邦物流所實現的智慧物流。傳統(tǒng)快遞的收發(fā)流程是這樣的：用戶到店或電話預約，快遞員填寫紙質面單，人工測量貨物體積，然后人工計算和支付快遞費用。

在華為云AI技術的賦能下，德邦物流改變了物流的收發(fā)流程，用戶可以在微信上直接下單，自動生成電子面單，快遞員上門用AR工具測量體積，最后用戶在線支付費用。整個過程從傳統(tǒng)的14分鐘縮短到1分鐘，并且可以全鏈路實時跟蹤快遞動態(tài)。

另一個是華為云和太平洋保險的合作，人工智能滲透到了保險的多個環(huán)節(jié)。

在定損環(huán)節(jié)中，通過對多組照片的分析處理，就可以完成對無人傷事故、單車事故等簡單事故的評估；在醫(yī)療理賠場景中，投保人手機掃描醫(yī)療單據，可以實現數據識別、全額計算，并根據醫(yī)療知識圖譜，核查剔除無關理賠條目；智能客服能夠自動完成電話回訪、語音導航等服務，甚至根據電話錄音通過情緒識別評估欺詐風險。

不難看出，在上述兩個案例中，AI已經表現出了通用目的技術的姿態(tài)，在提高效率、降低成本等方面不乏可圈可點之處。事實上，AI的應用并沒有局限在生產力的提升上，德邦物流就是一個很好的例子，和華為云的合作改變的不只是德邦的物流體系，同時德邦也在和華為、企業(yè)微信、滴滴等一起打造更為現代化的工作場景，這是優(yōu)化組織管理方式的積極信號。

當然，人工智能的應用進程遠沒有結束，除了物流和保險，華為云的+AI也被應用于視頻處理、園區(qū)管理、商超、門店、安全生產、車聯網等等。華為還和中科院上海生命科學研究院宣布合作，實現生物醫(yī)學和人工智能、云計算的結合。

而從行業(yè)層面來看，AI在各大垂直領域的應用離不開基礎層的軟硬件支撐，以及技術層的語音識別、自然語言處理、計算機視覺等，即便距離人工智能的成熟還相距甚遠，但人工智能發(fā)展的浪潮已經到來。

算力仍然是人工智能的關鍵

人工智能的應用有著三駕馬車，即數據、算法和算力。

數據是人工智能的“燃料”。據市場調研機構IDC的預計，到2020年的時候，全球數據總量將達到40ZB，其中中國的數據量將達到8.6ZB，占全球的21%左右。

算法是人工智能的“引擎”。深度學習的出現打破了淺層學習算法的局限，顛覆了語音識別、語義理解、計算機視覺等基礎算法的設計思路，目前來看似乎找到了正確的方向。

算力是角色最為微妙，既可能是人工智能普及的加速劑，也可能成為制約人工智能應用的瓶頸。畢竟除了算力本身，還有易用性和成本，在通用目的技術的范疇上，算力成了人工智能應用的關鍵。

鄭葉來將通用目的技術的發(fā)展分為四個階段，人工智能剛剛處于第二個階段?！叭斯ぶ悄艿陌l(fā)展帶來了興奮和沖動，也有一絲焦慮和困惑，但是人工智能終將改變這些行業(yè)?！?/p>

鄭葉來眼中的“焦慮和困惑”可以解讀為三個方面，或者說當前人工智能行業(yè)存在的三個痛點：

其一，價格貴。不管是語音識別、圖像識別還是語音分析，都需要大量的數據樣本，比如交通治理和無人駕駛需要數億級小時的樣本，成本之高不言而喻。

其二，使用難。缺乏一個統(tǒng)一的開發(fā)框架，無法適配從訓練到推理，從公有云到私有云、邊緣、終端的多種應用場景，開發(fā)、調優(yōu)、部署的工作量巨大。

其三，難獲取。算力依賴于GPU、NPU、FPGA等專用芯片，現實卻是GPU供貨周期長且限量供應，成為影響數據處理速度的不確定性因素。

比人工智能應用的三個硬門檻更讓企業(yè)頭疼的恐怕還有AI人才的短板。據高盛發(fā)布的《全球人工智能產業(yè)分布》報告統(tǒng)計，2017年全球人工智能人才儲備，中國只有5%左右，人才缺口超過500萬人。

而在這場人工智能人才爭奪戰(zhàn)中，頂級人才流向百度、阿里、華為等巨頭級公司已是不爭的事實。況且合理的AI人才結構，不應只有數據科學家，還要數據科學家、領域專家、公眾數據科學家相互配合。簡而言之，人才短板也是制約算力的隱性因素。

華為看到了癥結所在，自然要想辦法解決問題，由此便不難理解在外界為AI+瘋狂的當口，華為云為何要提倡+AI。按照鄭葉來的觀點，易獲取、用得起、方便用的算力是AI產業(yè)發(fā)展的關鍵，應該以AI的方式來解決AI應用的難題，需要著力于整個智能化、自動化、簡單易用的人工智能工具和平臺服務，讓人工智能成為一種普惠的技術，高而不貴的技術。

華為云已經落地的解決方案是EI服務，給出了云、邊、端的架構：機器學習、深度學習、圖引擎等基礎平臺服務，人臉識別、智能問答、圖像搜索等通用AI服務，智能推理、優(yōu)化決策等多域協(xié)同決策，以及龐大“數據湖”組成的云端智能；智能邊緣平臺、輕量化服務等構成的邊緣智能；HiAI、NPU搭建的智能終端。

至于如何構建一個生態(tài)、方便易用獲取，實現普惠的人工智能，鄭葉來把答案留到了今年的華為全聯接大會上。

寫在最后

AI是一種基本生產力，正在深刻變革整個人類社會的基石，也正在從少數OTT企業(yè)迅速向各行各業(yè)滲透。

幸運的是，人工智能的創(chuàng)業(yè)浪潮正在逐漸去泡沫化，投資者想看的不只是風口，還有人工智能的實際應用；諸如華為云等站在高處的云計算平臺，積極打造高而不貴的普惠AI，降低AI的應用門檻。這種不謀而合，何嘗不是AI成為通用目的技術的基石？

30年前，人們對IT技術帶來的革新還有所懷疑，如今早已成為不可或缺的生產力。而人工智能對這個時代的改變，似乎并不需要30年那么久。

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。