人工智能商业化落地 如何更好地赋能行业

“除此之外，数据活用型栽培指导服务为种植过程智能化，我们的THINK技术可以根据观察的结果和数据，结合长期以来的累积的数据，判断植物的生长情况，建议更加科学的再配方案。”上述工作人员进一步补充称，这样一来，即便是缺乏经验的种植者也可以成功完成种植作业，让栽培更加合理、自动化、并且易于操作。

毫无疑问，进博会正在为国内进一步发展人工智能产业增添动能。

2

如何更好地赋能行业

CIC灼识咨询总监冯彦娇在接受记者采访时表示，人工智能从最初的纯概念发展到现在，已进入了大规模落地的阶段。众所周知，人工智能的发展主要由数据、算法、算力三个要素驱动。目前，物联网发展驱动下产生的大量数据、GPU和FPGA等芯片的持续迭代、机器学习算法的完善以及人才和资本的投入共同驱动着人工智能产业加速商业化落地。

谈及具体情况，冯彦娇说，机器视觉和数据中台是目前人工智能商业化落地已较为成熟的领域，也是资本市场追逐的热点。

据了解，机器视觉的落地主要集中在安防、智能硬件、线上服务等领域。由于公共安全属于政府刚需，在公共安全领域的应用已经为机器视觉公司带来了收入，同时，机器视觉技术在智能建筑中的应用也可帮助企业提高效率并降低成本，很多写字楼、居民社区已安装了人脸识别门禁系统。智能硬件方面，机器视觉已经应用于具有面部解锁、图像处理、DFMS等功能的智能个人设备中，多款手机都已推出搭载AI摄像头、人脸识别功能的机型。随着消费模式升级，用户体验模式随着机器视觉技术的发展不断优化，用户对机器视觉技术的需求也不断增加。在一些汽车租赁APP、在线金融服务和在线公寓租赁平台上，人脸识别技术也已有大量应用，以提高它们的效率，优化用户体验，增强安全性。此外，随着技术发展，未来机器视觉在医疗、无人驾驶领域的大规模落地也将是一大突破点。

近年，对提升企业效率起到重要作用的数据中台也已成为热议的焦点。

“在企业发展过程中，由于底层的存储和计算一定是异构的，数据无法共享和跨业务调用，也就难以实现数字化转型。数据中台就是要在分散的底层数据库和上层应用中间建立起一套数据架构，用于屏蔽掉底层的差异化，并建立统一的数据标准推动数据自由流动，以支撑上层业务的创新迭代。科技企业想利用数据中台改造传统产业，传统企业也希望能利用数据中台完成数字化转型。随着技术发展，越来越多的服务提供商将人工智能融入数据中台，对企业需要的算法模型提供了分步构建和全生命周期管理的服务，让企业可以将自己的业务不断下沉为一个个算法模型，以达到复用、组合创新、规模化构建智能服务的目的，这将成为未来发展的趋势。”冯彦娇进一步进行补充。