解析人工智能产业需求场景下的痛点问题

2023-07-02 理论教育版权反馈

【摘要】：从以上几个案例中，我们大概可以发现，所有的人工智能产业应用，都是“窄”而“细分”的，旨在解决某个特殊场景下的痛点问题。以目前的技术水平，没有企业能够做出全行业的人工智能解决方案，每个参与者都是在特定的需求场景下做解答。当下，人工智能产业上的机会大致可分成三个层级，并且随着层级的深入，产业红利也会随之递增。人工智能领域里，英伟达是经常被提到的芯片企业。

从上面这些案例，我们可以看出人工智能在产业应用的三个必要条件：第一，有现成的数据可以使用；第二，有客观公允的评判标准；第三，可以和其他数据进行对比。

从以上几个案例中，我们大概可以发现，所有的人工智能产业应用，都是“窄”而“细分”的，旨在解决某个特殊场景下的痛点问题。以目前的技术水平，没有企业能够做出全行业的人工智能解决方案，每个参与者都是在特定的需求场景下做解答。

当下，人工智能产业上的机会大致可分成三个层级，并且随着层级的深入，产业红利也会随之递增。

人工智能硬件

这里所说的硬件，主要是指人工智能的芯片。人工智能领域里，英伟达是经常被提到的芯片企业。之所以能够做到人工智能芯片行业的老大，不只是因为英伟达芯片的算力强悍，更主要的是它已经构建出了一套自己的生态体系。

同样是自动驾驶芯片，英伟达考虑的是如何为客户提供整套的自动驾驶解决方案，而不是单纯卖芯片。除芯片之外，英伟达还建立了一套虚拟路面系统，让自动驾驶系统可以在这个虚拟世界里进行测试和学习，企业可以根据自己的需要设置对应的路面测试环境。

如今，自动驾驶上路测试一直是一个大难题，往往因为涉及交通风险问题而被政府叫停。虚拟路面系统恰好为自动驾驶提供了学习场景，也帮助企业节省了路面测试所需要的巨大花费。

基础服务＋人工智能

与人工智能相匹配的基础服务，不得不提到云计算。现在，国内外各大IT巨头都在花重金布局自己的云计算中心，包括亚马逊、谷歌、苹果、阿里巴巴、华为和腾讯。究其原因，是因为人工智能技术的交互，未来会在云上实现。

比如我们最熟悉的人脸识别追踪逃犯，它本质上是由前端摄像头和后端的人工智能系统构成的。公安机关的摄像头在捕捉到人脸数据后，立刻传回到后端中心进行分析和识别，并根据结果锁定目标。系统是现成的，唯一不同的是各地公安机关是否有匹配的数据库和后端中心。

有了云计算技术后，这样的识别系统能力就可以在远端进行交互，本地无须安装更多的设备。我们有理由相信，图像识别、语音识别等功能未来将会成为远程基础服务，由一个统一的云计算平台提供。

行业结合

未来，人工智能技术本身是无法形成行业壁垒的，真正能够形成壁垒的，是人工智能与行业的结合适应度。

行业结合是一个非常重要的因素。在你选择的行业里，是否具备我们上节提到的算力、算法和数据三方面优势。尤其是数据方面，如果没有“高壁垒”的海量数据来源，是没办法支撑人工智能的。这也是许多传统企业在进行智能化转型时所需要注意的问题，除非企业自己已经有了深入的思考，拥有对行业的深入理解，否则轻易尝试人工智能很可能得不偿失。

信任也是需要考虑的因素。以医疗行业为例，从数据安全和可信度上考虑，医院一定愿意选择有实力的头部公司，而不是技术更加先进的小企业。这也是为什么进入医疗领域的人工智能企业，都是全球知名的大公司。

我们还需要强调一点：未来，人工智能的产业机会，一定会属于那些具备数据优势和行业经验的企业。你只有对行业足够了解，才能发现行业的问题，进而开发出对应的人工智能解决方案。就像法国的农场去除病虫害案例一样，它的痛点在于识别杂草和害虫。

一句话总结一下，虽然人工智能的产业机遇非常广泛，但找到擅长的细分领域才是关键。

解析人工智能产业需求场景下的痛点问题

相关推荐