近日，最新一期《自然》雜志報道稱，DeepMind公司開發(fā)的人工智能（AI）算法MuZero，可以在不告知其游戲規(guī)則的情況下掌握圍棋、國際象棋、日本將棋和視頻游戲，這被稱為谷歌人工智能部門獲得的又一重大突破。

實際上，自2016年AlphaGo橫空出世以4:1擊敗韓國頂級棋手李世石，并在2017年擊敗了世界第一棋手柯潔，人工智能在全世界掀起了廣泛的熱潮，全世界的科技公司蘋果、谷歌、微軟、騰訊、百度等都無一例外地投入越來越多資源在人工智能上。

“如今，人工智能已經走過了技術爆發(fā)的階段，正在逐漸深入到產業(yè)，走進我們生活的方方面面?！苯?，騰訊云副總裁、騰訊優(yōu)圖實驗室總經理吳運聲接受《每日經濟新聞》記者采訪時說道。

不過，當AI從虛擬走向現(xiàn)實，從實驗室走向產業(yè)之時，困難也隨之而來?！拔覀儺斍坝龅奖容^大的問題應該是應用場景的碎片化和垂直性比較強?！彬v訊優(yōu)圖實驗室總監(jiān)吳永堅告訴記者，“所以我們需要把當前工程和研究的能力往AI平臺化方向走，從數(shù)據(jù)的準確、算法模型的選擇和訓練，到大規(guī)模訓練，然后再到整個模型的部署和實施，將整個AI的流程標準化。把原來相對孤立的、散落在各個地方的能力，變成一個平臺化的東西?！?/p>

AI越來越深入各個產業(yè)

縱觀國內的互聯(lián)網大廠，在多年前就開始不斷在AI方面奔跑布局。百度打出“all in AI”的戰(zhàn)略，成立了大數(shù)據(jù)實驗室、機器人與自動駕駛實驗室等等，在AI各個細分領域快速布局；騰訊也搭建出人工智能實驗室矩陣，包括騰訊AI Lab、優(yōu)圖實驗室、微信AI實驗室等；阿里巴巴在2017年亦組建達摩院，聚焦人工智能、機器人等五大研究領域……

在2020年7月9日的第三屆世界人工智能大會上，李彥宏在演講中稱，AI的發(fā)展將分為三個階段，第一階段是技術智能化階段，第二階段是經濟智能化階段，第三階段是社會智能化。他認為，目前我國正處于從經濟智能化的前半段向后半段過渡的時期。

《2020騰訊人工智能白皮書》中提到，AI正在走向“泛在智能”，一是泛在基礎設施建設，二是泛于越來越多元的應用場景和更大規(guī)模的受眾，更多的傳統(tǒng)產業(yè)或快或慢接入智能技術，例如工業(yè)制造、零售、醫(yī)療、自動駕駛、泛娛樂等等。正如吳運聲所說的，“目前人工智能已經走過了技術爆發(fā)的階段，正在逐漸深入到產業(yè)，走進我們生活的方方面面?！?/p>

據(jù)中信建投研報，隨著人工智能應用領域向各行業(yè)拓展，全球應用層產業(yè)規(guī)模持續(xù)增長，2018年全球市場規(guī)模達到272.3億美元，預計2019年產業(yè)規(guī)模將達到360.5億美元，隨著創(chuàng)新型技術激發(fā)的全新應用場景，預計到2022年產業(yè)規(guī)模將達到854.6億美元。

而互聯(lián)網大廠的AI實驗室，也從幾年前的埋頭于技術研究，逐漸走向產業(yè)，尋找落地場景。以騰訊旗下的人工智能實驗室的騰訊優(yōu)圖為例，其成立于2012年，1.0階段主要聚焦在計算機視覺的相關技術研發(fā)與儲備。到了2018年，騰訊930架構調整以后，優(yōu)圖加入CSIG（騰訊云與智慧產業(yè)事業(yè)群），開始了技術研究+產業(yè)落地的戰(zhàn)略。

“以工業(yè)為例，我們從2018年開始，為華星光電提供首個定制化的工業(yè)AI質檢服務，在提升液晶面板質檢準確率的同時，節(jié)省了很大的人力成本?！眳怯缊员硎?，“工業(yè)的痛點還是很明顯，在工業(yè)制造業(yè)上人力的消耗是很大的，并且人工制造出來的東西容易有缺陷，這些缺陷流到下游會被投訴，這是很大的一個問題。”

除了工業(yè)，騰訊優(yōu)圖的視覺AI還落地到了金融、物流、文旅、泛娛樂等多個領域。2020年5月，百度也公布智能云新的業(yè)務架構，面向各行業(yè)提供智能應用和解決方案，重點布局智慧金融、智能客服、智慧醫(yī)療、智慧城市四大賽道等等。

不過，細看目前布局AI的大廠，他們的AI落地場景似乎都較為碎片化，像科大訊飛這樣深入“智能語音”單個賽道的較少。對此，騰訊優(yōu)圖實驗室總監(jiān)任博告訴《每日經濟新聞》記者，“AI落地場景的確存在碎片化的情況，一方面因為在很多方向仍然是技術上的探索中，很難只做一兩個賽道；另一方面，AI現(xiàn)在各行各業(yè)的需求很廣泛，需求的不同，所以落地場景比較分散、碎片化?！?/p>

開放AI平臺成趨勢

實際上，當AI從虛擬走向現(xiàn)實，逐漸深入到各個產業(yè)，并沒有想象中的簡單。以上文提及的華星光電為例，據(jù)吳永堅介紹，從騰訊優(yōu)圖實驗室進入項目，到缺陷檢測解決方案呈現(xiàn)出來，中間遇到許多問題。

“因為整個行業(yè)比較新，也沒有其他人做過，這里面牽扯到一系列問題。第一個是成像問題，成像跟硬件相關，如果成像不好，后面的算法視覺部分是很難解決的?！眳怯缊哉f，“換句話說，有的缺陷你如果看不到的話，交給算法是很難去處理的。再就是處理時間，如果比較慢的話，節(jié)省的人力就不多，這些都需要我們跟客戶很深入的探討?！?/p>

不僅如此，吳永堅還補充道在算法層面去解決的問題，由于缺陷檢測是涉及到產品的錯誤和缺陷，有些是比較容易看得見，有些比較難看見，所以怎么從算法的角度、從模型的角度、網絡結構、數(shù)據(jù)的角度去解決這個問題，都是比較重要的問題。

而面對AI落地場景的碎片化和垂直性比較強的問題，互聯(lián)網大廠都傾向于往AI平臺化方向走?！八晕覀冃枰旬斍肮こ毯脱芯康哪芰ν鵄I平臺化方向走，從數(shù)據(jù)的準確、算法模型的選擇和訓練，到大規(guī)模訓練，然后再到整個模型的部署和實施，將整個AI的流程標準化。把原來相對孤立的、散落在各個地方的能力，變成一個平臺化的東西，這也是我們后面的一個重點?！眳怯缊哉f道。

實際上，以大規(guī)模算力使用和大數(shù)據(jù)處理為基礎的人工智能，越來越展現(xiàn)出規(guī)模效應的特征，即使用越多、價值越高、成本越低。因此，互聯(lián)網大廠都采用AI開放平臺的模式，將各種AI技術能力和資源對外開放。

在互聯(lián)網大廠中，既有全技術棧的騰訊云AI開放平臺、阿里云開放平臺、百度大腦（AI開放平臺）、華為HiAI能力開放平臺，也有針對單一技術的開放，比如科大訊飛的智能語音開放平臺、商湯智能視覺開放平臺、依圖視覺計算開放平臺、?？低曇曨l感知開放平臺等等。

百花齊放的AI開放平臺，玩家競爭激烈?！癆I頭部公司的競爭確實很激烈，現(xiàn)階段是屬于大家正在去打磨各自差異化的階段，可能還不是那么地清晰，不過，現(xiàn)在已經有一些優(yōu)勢顯現(xiàn)，比如這家擅長A，那家擅長B?！比尾┱f道，“我們可以繼續(xù)觀察，相信差異化會到來的?！?/p>