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(zhuǎn)變?yōu)樾稳菰~，創(chuàng)業(yè)者在人工智能相關(guān)的領(lǐng)域瘋狂扎堆，投資人也頻頻將注意力轉(zhuǎn)移到AI新戰(zhàn)場。

不過也有人認(rèn)為，單純的AI并沒有太多意義，要如何將垂直細(xì)分的行業(yè)和AI結(jié)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(lián)網(wǎng)基礎(chǔ)設(shè)施的云計算廠商也瞄準(zhǔn)了人工智能，嘗試在云計算的基礎(chǔ)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(shù)

經(jīng)濟(jì)學(xué)家認(rèn)為人類發(fā)展到今天，離不開26種通用目的技術(shù)，包括蒸汽機(jī)、電力、內(nèi)燃機(jī)、IT、人工智能等等，這類觀點(diǎn)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(diǎn)：

1、可以被廣泛應(yīng)用到各個領(lǐng)域；

2、持續(xù)提高生產(chǎn)率并降低使用成本；

3、促進(jìn)新技術(shù)創(chuàng)新和新產(chǎn)品生產(chǎn)；

4、不斷促進(jìn)生產(chǎn)、流通和組織管理方式的優(yōu)化。

在人工智能出現(xiàn)之前，電力、IT技術(shù)無不經(jīng)歷了類似的歷程，或許技術(shù)的成熟有著不同的周期，最終都要過渡到生產(chǎn)力的提升。那么也就印證了文初的觀點(diǎn)，諸如AlphaGo等“秀技式”的AI技術(shù)，像重磅炸彈一樣沖擊了人們的認(rèn)知，但人工智能真正的價值所在，還要向產(chǎn)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(shù)的兩個行業(yè)案例：

一個是華為云＋德邦物流所實現(xiàn)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(yù)約，快遞員填寫紙質(zhì)面單，人工測量貨物體積，然后人工計算和支付快遞費(fèi)用。

在華為云AI技術(shù)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(fèi)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(jī)掃描醫(yī)療單據(jù)，可以實現(xiàn)數(shù)據(jù)識別、全額計算，并根據(jù)醫(yī)療知識圖譜，核查剔除無關(guān)理賠條目；智能客服能夠自動完成電話回訪、語音導(dǎo)航等服務(wù)，甚至根據(jù)電話錄音通過情緒識別評估欺詐風(fēng)險。

不難看出，在上述兩個案例中，AI已經(jīng)表現(xiàn)出了通用目的技術(shù)的姿態(tài)，在提高效率、降低成本等方面不乏可圈可點(diǎn)之處。事實上，AI的應(yīng)用并沒有局限在生產(chǎn)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(xiàn)代化的工作場景，這是優(yōu)化組織管理方式的積極信號。

當(dāng)然，人工智能的應(yīng)用進(jìn)程遠(yuǎn)沒有結(jié)束，除了物流和保險，華為云的＋AI也被應(yīng)用于視頻處理、園區(qū)管理、商超、門店、安全生產(chǎn)、車聯(lián)網(wǎng)等等。華為還和中科院上海生命科學(xué)研究院宣布合作，實現(xiàn)生物醫(yī)學(xué)和人工智能、云計算的結(jié)合。

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

算力仍然是人工智能的關(guān)鍵

人工智能的應(yīng)用有著三駕馬車，即數(shù)據(jù)、算法和算力。

數(shù)據(jù)是人工智能的“燃料”。據(jù)市場調(diào)研機(jī)構(gòu)IDC的預(yù)計，到2020年的時候，全球數(shù)據(jù)總量將達(dá)到40ZB，其中中國的數(shù)據(jù)量將達(dá)到8．6ZB，占全球的21％左右。

算法是人工智能的“引擎”。深度學(xué)習(xí)的出現(xiàn)打破了淺層學(xué)習(xí)算法的局限，顛覆了語音識別、語義理解、計算機(jī)視覺等基礎(chǔ)算法的設(shè)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(yīng)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(shù)的范疇上，算力成了人工智能應(yīng)用的關(guān)鍵。

鄭葉來將通用目的技術(shù)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)。”

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

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(shù)據(jù)樣本，比如交通治理和無人駕駛需要數(shù)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(xùn)練到推理，從公有云到私有云、邊緣、終端的多種應(yīng)用場景，開發(fā)、調(diào)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(xiàn)實卻是GPU供貨周期長且限量供應(yīng)，成為影響數(shù)據(jù)處理速度的不確定性因素。

比人工智能應(yīng)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(jù)高盛發(fā)布的《全球人工智能產(chǎn)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(jié)構(gòu)，不應(yīng)只有數(shù)據(jù)科學(xué)家，還要數(shù)據(jù)科學(xué)家、領(lǐng)域?qū)＜?、公眾?shù)據(jù)科學(xué)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(jié)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(dāng)口，華為云為何要提倡＋AI。按照鄭葉來的觀點(diǎn)，易獲取、用得起、方便用的算力是AI產(chǎn)業(yè)發(fā)展的關(guān)鍵，應(yīng)該以AI的方式來解決AI應(yīng)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(wù)，讓人工智能成為一種普惠的技術(shù)，高而不貴的技術(shù)。

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

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

寫在最后

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

幸運(yùn)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(fēng)口，還有人工智能的實際應(yīng)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(yīng)用門檻。這種不謀而合，何嘗不是AI成為通用目的技術(shù)的基石？

30年前，人們對IT技術(shù)帶來的革新還有所懷疑，如今早已成為不可或缺的生產(chǎn)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。