近日，知名人工智能學(xué)者吳恩達(dá)發(fā)表文章，闡述了他對于人工智能在傳統(tǒng)行業(yè)中應(yīng)用緩慢的理解。無論是刷短視頻時的個性化推薦，還是外賣配送時的耗時預(yù)估，或者是移動支付時的人臉識別，以算法為代表的AI技術(shù)在消費(fèi)互聯(lián)網(wǎng)行業(yè)被應(yīng)用得“得心應(yīng)手”。然而提到傳統(tǒng)行業(yè)，人們卻很難快速想起非常成熟的應(yīng)用人工智能的典型案例。為何AI技術(shù)在傳統(tǒng)行業(yè)的應(yīng)用速度和范圍遠(yuǎn)不如消費(fèi)互聯(lián)網(wǎng)等行業(yè)？

消費(fèi)互聯(lián)網(wǎng)行業(yè)應(yīng)用AI更具優(yōu)勢

“AI技術(shù)的應(yīng)用主要取決于數(shù)據(jù)、算力和算法。”天津大學(xué)智能與計(jì)算學(xué)部副教授朱鵬飛介紹，首先數(shù)據(jù)要達(dá)到一定的體量，這是應(yīng)用的基礎(chǔ)，此外算力也要能支持大規(guī)模的模型訓(xùn)練，而后算法方面需要達(dá)到一定的精度，端側(cè)算力也要具備一定的推理能力。

之所以目前只有消費(fèi)互聯(lián)網(wǎng)公司在大規(guī)模應(yīng)用AI技術(shù)，主要是在這三方面消費(fèi)互聯(lián)網(wǎng)公司都更具優(yōu)勢。

前些年短視頻并沒有現(xiàn)在這么火爆，例如發(fā)展初期的淘寶，也并沒有很強(qiáng)的用戶黏性。而隨著推送越來越精準(zhǔn)，用戶的體驗(yàn)感也得到了極大的提升，最終呈現(xiàn)井噴式的用戶增長。

“精準(zhǔn)推送主要依賴于算法精度的提升，而算法精度的提升又離不開海量的數(shù)據(jù)作為基礎(chǔ)。”朱鵬飛解釋，在這個單一的場景中，算法模型需要不斷進(jìn)化，終身學(xué)習(xí)。由于不是封閉數(shù)據(jù)環(huán)境，總有新的數(shù)據(jù)加入，算法模型需要不斷通過學(xué)習(xí)進(jìn)行調(diào)整、迭代升級，使其精度越來越高，形成一個良性循環(huán)。

“與此同時，雖然目前消費(fèi)互聯(lián)網(wǎng)行業(yè)在算法精度上已經(jīng)上升到一定的高度，但相比一些傳統(tǒng)行業(yè)的應(yīng)用場景，消費(fèi)互聯(lián)網(wǎng)行業(yè)對于AI算法精度接受的閾值都比較低。比如短視頻、淘寶偏好推薦、百度熱搜關(guān)鍵詞，只需要達(dá)到用戶產(chǎn)生黏性的目的，只要有一定準(zhǔn)確性，用戶都可以接受。”朱鵬飛表示，相比之下，在很多傳統(tǒng)行業(yè)，對于技術(shù)精度的要求就高得多。比如基于視覺的AI技術(shù)在人臉識別方面的應(yīng)用，在高鐵站、飛機(jī)場核實(shí)身份，1∶1的比對準(zhǔn)確度要高達(dá)99.99%甚至更高才可以進(jìn)行應(yīng)用。

在算力方面，目前云端算力已經(jīng)可以支持大規(guī)模模型訓(xùn)練和推理，比如短視頻、淘寶推薦等。但在大量傳統(tǒng)行業(yè)應(yīng)用場景中，智能終端上的端側(cè)算力還無法滿足推理的實(shí)時性和準(zhǔn)確性要求。

“相比于社交網(wǎng)絡(luò)和電商系統(tǒng)，傳統(tǒng)行業(yè)應(yīng)用場景的封閉生態(tài)系統(tǒng)使得云端算力無法得到有效應(yīng)用。”朱鵬飛舉例說，以智能無人系統(tǒng)巡檢為例，電力巡檢、管道巡檢、交通巡檢、河道巡檢以及光伏巡檢等要求搭載在無人機(jī)和機(jī)器人上的算力滿足實(shí)時巡檢要求，由于視頻分析的模型復(fù)雜度較高，端側(cè)往往無法實(shí)現(xiàn)精準(zhǔn)高效的實(shí)時推理，輕量級網(wǎng)絡(luò)在滿足實(shí)時性的同時損失了識別精度。由于算法精度達(dá)不到使用要求，使得在很多場景中無法實(shí)現(xiàn)AI技術(shù)的應(yīng)用。

傳統(tǒng)行業(yè)應(yīng)用AI面臨三大挑戰(zhàn)

吳恩達(dá)認(rèn)為，在AI應(yīng)用方面，消費(fèi)互聯(lián)網(wǎng)行業(yè)之外的其他行業(yè)都面臨著三大挑戰(zhàn)：數(shù)據(jù)集很小；定制化成本很高；從驗(yàn)證想法到部署生產(chǎn)的過程很長。

對此，朱鵬飛也深有感觸，他以傳統(tǒng)制造業(yè)為例進(jìn)行了分析。

“傳統(tǒng)制造企業(yè)在制造向智造轉(zhuǎn)型的過程中，數(shù)據(jù)是一個很突出的問題。”朱鵬飛介紹，首先在數(shù)據(jù)的獲取方面存在一定難度。傳統(tǒng)制造企業(yè)的數(shù)據(jù)是封閉的，因?yàn)楹芏鄠鹘y(tǒng)企業(yè)并不是新型信息化設(shè)備，沒有傳感器收集實(shí)時數(shù)據(jù)，也沒有數(shù)據(jù)中心，因此數(shù)據(jù)零散，缺失嚴(yán)重，很難獲取像消費(fèi)互聯(lián)網(wǎng)企業(yè)里那種海量、高質(zhì)量的數(shù)據(jù)。

其次，行業(yè)內(nèi)部各個工廠的數(shù)據(jù)很多具有商業(yè)價值，因此工廠都嚴(yán)格保密，這導(dǎo)致數(shù)據(jù)不流通，沒有辦法進(jìn)行共享，進(jìn)而形成了數(shù)據(jù)孤島效應(yīng)，影響了AI算法模型的優(yōu)化。

“我們在開發(fā)一個AI算法模型的時候，因?yàn)閿?shù)據(jù)的保密性，往往得到的數(shù)據(jù)都是經(jīng)過‘脫敏’的，這也嚴(yán)重地影響了我們的判斷。而傳統(tǒng)行業(yè)的企業(yè)中，又缺乏具有AI算法模型開發(fā)能力的技術(shù)人員，因此雙方在合作研發(fā)過程中也存在著很高的壁壘。”朱鵬飛說。

此外，傳統(tǒng)行業(yè)中的數(shù)據(jù)來源并不像消費(fèi)互聯(lián)網(wǎng)領(lǐng)域那樣來自單一場景，復(fù)雜的業(yè)務(wù)場景導(dǎo)致數(shù)據(jù)往往很“臟”，必須進(jìn)行“清洗”，去掉大量無效信息，AI算法模型才能高效率的學(xué)習(xí)以提高精度。“這就像我們教小朋友知識，只講知識點(diǎn)，小朋友們才能學(xué)得快，如果在知識點(diǎn)中夾雜著大量無用的信息，小朋友無從分辨，學(xué)習(xí)效率肯定降低。”朱鵬飛介紹，而給數(shù)據(jù)標(biāo)注“知識點(diǎn)”的工作是巨大而繁瑣的，需要企業(yè)有專人去做，要花費(fèi)很多時間精力。

“傳統(tǒng)制造業(yè)要想獲得高質(zhì)量的數(shù)據(jù)，就必須對生產(chǎn)設(shè)備進(jìn)行信息化、智能化的改造。”朱鵬飛表示，這種改造需要企業(yè)投入大量的時間和精力，還會增加生產(chǎn)成本，這也成為AI在傳統(tǒng)制造業(yè)中應(yīng)用的壁壘。

星創(chuàng)易聯(lián)為傳統(tǒng)制造推出了SG700人工智能黑盒(簡稱 SG700)系列產(chǎn)品，是一款邊緣視覺智能終端 ,專用AI算力芯片為邊緣推理提供強(qiáng)大的智能算力支撐，可提供 16TOPS（INT8）的算力。可對多路網(wǎng)絡(luò)攝像頭進(jìn)行視頻結(jié)構(gòu)化分析，最多可支持 16 路 1080p30 視頻解碼，8 路 1080p30 視頻編碼,至少 8 路視頻實(shí)時結(jié)構(gòu)化分析。產(chǎn)品支持云端遠(yuǎn)程維護(hù)和算法升級，針對不同應(yīng)用場景。

隨著智慧城市建設(shè)的不斷推進(jìn)， 城市交通也亟待升級優(yōu)化，智慧交通監(jiān)控通過放置在道路 和路邊的各種高清及超高清網(wǎng)絡(luò)攝像機(jī)和AI BOX網(wǎng)關(guān)等設(shè)備， 對道路路況和來往車輛進(jìn)行實(shí)時監(jiān)控、視頻/圖像回傳和存儲，結(jié)合AI、 移動互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)等技術(shù)，實(shí)現(xiàn)道路、車輛、交通監(jiān)管設(shè)備 之間的快速通信和信息共享。