让人工智能与产业紧密融合
人工智能应该与工业紧密结合。不仅要促进人工智能应用场景的落地，还要在基础数据和平台技术上有所突破和创新。它还应该搭建一座桥梁，有效地与传统产业的生态联系起来。
人工智能产业的应用总体上还处于起步阶段，还存在一些制约应用场景落地的难题。
人工智能被认为是引领新一轮科技革命和产业转型的战略性技术。中国人工智能与工业融合的现状如何？
行业专家认为，人工智能行业在中国的应用总体上还处于起步阶段。
目前，新一代人工智能已经逐渐从原来的算法驱动转变为数据、算法和计算力的复合驱动，其中基于数据的应用驱动越来越重要。以医疗领域为例，科兴生物基因技术创始人、人工智能专家凌表示，近年来，中国智能医疗发展迅速。一个重要的原因是有大量的数据，如电子病历，医学图像和病理图像。基于这些数据，科学研究人员可以通过标记来训练人工智能模型。地平线创始人兼首席执行官、人工智能专家余凯表示，由于行业需求丰富，中国在人工智能的应用和探索方面相对活跃。智能安全、智能金融和安全城市的需求推动了人脸识别技术的发展和登陆。无人驾驶和智能教育的发展加速了计算机视觉、语音识别和自然语言理解在中国的应用。
专家表示，中国拥有巨大的数据量和巨大的市场规模，应该充分发挥这些优势，加快人工智能在地面的应用。然而，在实际推广过程中，仍然存在一些制约人工智能与产业更好融合的难题。
其中，业界普遍关心的是如何获取有价值的数据。首先，数据不够有效。一般来说，数据越多，人工智能算法就越智能。然而，还应该注意的是，海量数据当然很重要，但只有经过计算和训练的数据才能产生价值，这就需要提高数据的有效性。专家表示，我国的数据样本非常丰富，但数据的“噪声”也非常大，有时所获得的数据大多毫无价值，这给数据训练算法的使用带来很大困难。在智能医疗领域，高质量的数据通常被选择、清理和标记。然而，高质量的标记数据有一个高的阈值，通常由专业医生完成。然而，目前医生协助人工智能企业标注数据的热情不高。缺乏高质量的标签数据限制了人工智能在医学领域的发展。
其次，数据之间缺乏联系。数据孤岛现象影响了人工智能应用的登陆。田芸李飞首席项目总监王军表示，一些核心数据掌握在相关管理部门和行业组织手中。在保证数据安全和隐私安全的前提下，如果能将这些高质量的数据投入到算法模型的训练中，不仅可以降低行业参与者的成本，还有助于拓展人工智能应用的深度。
此外，人工智能芯片、智能平台建设等技术难点需要突破，这在一定程度上影响了应用场景的落地。
人工智能激励产业是一个从量变到质变的过程，需要构建良好的产业生态链
人工智能授权行业是一个从量变到质变的过程。专家认为，为了进一步推动人工智能产业的发展，有必要构建良好的产业生态链，学术界和产业界有必要共同努力，探索和扩大产业的边界和范围。这包括从源头上发现有价值的问题，创新基础支撑平台技术，培育龙头企业。
为了促进人工智能的产业化，找到有价值的问题尤为关键。
“近年来，人工智能在医学领域的应用非常热门，但大多集中在眼底筛查、肺结节检测和宫颈癌筛查等几个应用点，而很少有人去研究其他哪些领域需要应用人工智能技术。”凌表示:“我国医学人工智能应用应以需求为导向，利用大数据分析当前诊疗中的痛点，有针对性地培育基于人工智能的产品和服务，进一步提高人工智能与产业的融合程度。”
推进人工智能产业化需要基础支撑平台的技术突破和创新。
“无人、智能安全和其他终端场景是人工智能应用的重要场景。然而，人工智能能否在这些场景中着陆以及着陆后的价值取决于智能平台的支持。”余凯以自动驾驶为例。目前，无人驾驶技术还不成熟。一个重要的因素是计算效率不够高。“每天1000辆自动驾驶汽车在路上需要处理相当于当前百度图片搜索量的数据。为了及时有效地处理信息，底层架构需要高性能的人工智能芯片。”
芯片的特性和性能通常决定了人工智能应用平台的体系结构和开发生态。昆云科技的创始人牛新宇说，人工智能芯片通常是专门为人工智能算法设计的。中国传统芯片与国外领先企业之间存在很大差距，但人工智能芯片的底层物理结构与传统芯片完全不同，这相当于每个人都走到了同一个起点。中国应抓住智能芯片发展的机遇，为智能应用落地和产业发展提供强有力的支持。
要推进人工智能产业化，还必须培育龙头企业。
虽然商业化才刚刚开始，但是人工智能的巨大发展前景已经赢得了全世界的极大关注。中国已经成为全球人工智能产业的重要推动者。目前，全球人工智能行业通常由少数技术巨头领导，但许多人工智能初创企业已经出现，并在一些子领域极具竞争力。接受采访的专家认为，目前人工智能的全球应用生态尚未形成，有必要积极构建人工智能生态圈，从而在人工智能产业中获得主动权。同时，培育一批人工智能企业和具有行业引领和带动作用的产业，建立从基础研发、平台技术开发到应用落地的人工智能产业生态链，最终支持人工智能在各行业的终端应用。
“人工智能时代的产品将被定制，要求产品具有不同的形状和性能。因此，尽管中国在某些领域与发达国家存在一定差距，但在人工智能行业仍有许多机会，甚至在其他方面有所超越。”王军说道。
提高社会整体智能水平，促进人工智能与传统产业的深度融合
“人工智能+”正在深刻改变传统产业。人工智能和传统产业之间有什么关系？如何促进人工智能与传统产业的深度融合？
“如果人工智能是供应方，传统产业是需求方，它们就不是谁颠覆谁的关系。为了将人工智能的应用场景推向地面，有必要妥善处理好“供应方”和“需求方”之间的匹配问题，并打破两者之间的壁垒，以便双方加深理解和了解传统产业的哪些方面需要人工智能，以及人工智能在产业发展中能发挥什么作用。”余凯说。
专家认为，为了实现人工智能与传统产业的良性互动，社会的整体智能水平需要提高。因此，有必要推进智能信息基础设施的建设，提升传统基础设施的智能化水平。
例如，无人驾驶需要汽车和道路、汽车和人以及交通基础设施之间的相互连接。要做到这一点，一个稳定快速的通信网络是非常重要的，5G技术和5G网络正好可以满足汽车、道路和人之间的合作需求。因此，无人驾驶汽车不仅需要良好的算法，还需要新一代通信技术基础设施的配合以及相关标准和协议的兼容性。
仍以数据为例，在人工智能时代，数据是基石，但有标记的数据更重要、更有价值。对于大多数行业参与者来说，他们负担不起标记海量数据的费用，或者做得不好。因此，需要引导行业专家共同参与，整合各行业的力量，为人工智能产业的发展服务。
“为了提高数据标注的质量，我们可以尝试开发一个面向市场的大规模数据标注集，该数据集由第三方权威组织领导，面向整个行业开放和共享，最后通过人工智能模型应用市场终端反馈，奖励为数据集做出贡献的组织或个人。这不仅提高了效率，也保证了参与者的积极性。”凌邵平建议道。
应该正视的是，目前中国人工智能产业尚未形成有影响力的生态圈和产业链，这就要求产业参与者积极布局，充分发挥各自优势，构建人工智能产业生态。管理部门也要发挥好引导作用，帮助解决制约行业发展的共性问题。此外，人工智能产业的有效推广离不开行业标准管理、政策法规等外部环境。接受采访的专家表示，在人工智能时代，我们应该认识到，“信息”和“智能”已经成为新的生产要素，与劳动、资本和土地等其他创造财富的要素具有同等重要的地位。我们应该拥抱人工智能产业，在产业之外努力。(余思南)