每經記者 劉玲    每經編輯 湯輝    

近日，最新一期《自然》雜志報道稱，DeepMind公司開發的人工智能（AI）算法MuZero，可以在不告知其游戲規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的階段，正在逐漸深入到產業，走進我們生活的方方面面。”近日，騰訊云副總裁、騰訊優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從虛擬走向現實，從實驗室走向產業之時，困難也隨之而來。“我們當前遇到比較大的問題應該是應用場景的碎片化和垂直性比較強。”騰訊優圖實驗室總監吳永堅告訴記者，“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，從數據的準確、算法模型的選擇和訓練，到大規模訓練，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。”

AI越來越深入各個產業

縱觀國內的互聯網大廠，在多年前就開始不斷在AI方面奔跑布局。百度打出“all in AI”的戰略，成立了大數據實驗室、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模的受眾，更多的傳統產業或快或慢接入智能技術，例如工業制造、零售、醫療、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的階段，正在逐漸深入到產業，走進我們生活的方方面面。”

據中信建投研報，隨著人工智能應用領域向各行業拓展，全球應用層產業規模持續增長，2018年全球市場規模達到272.3億美元，預計2019年產業規模將達到360.5億美元，隨著創新型技術激發的全新應用場景，預計到2022年產業規模將達到854.6億美元。

而互聯網大廠的AI實驗室，也從幾年前的埋頭于技術研究，逐漸走向產業，尋找落地場景。以騰訊旗下的人工智能實驗室的騰訊優圖為例，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與儲備。到了2018年，騰訊930架構調整以后，優圖加入CSIG（騰訊云與智慧產業事業群），開始了技術研究+產業落地的戰略。

“以工業為例，我們從2018年開始，為華星光電提供首個定制化的工業AI質檢服務，在提升液晶面板質檢準確率的同時，節省了很大的人力成本。”吳永堅表示，“工業的痛點還是很明顯，在工業制造業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，騰訊優圖的視覺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務架構，面向各行業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，騰訊優圖實驗室總監任博告訴《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現在各行各業的需求很廣泛，需求的不同，所以落地場景比較分散、碎片化。”

AI概念圖 圖片來源：攝圖網

開放AI平臺成趨勢

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

“因為整個行業比較新，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。”吳永堅說，“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，節省的人力就不多，這些都需要我們跟客戶很深入的探討。”

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、數據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，互聯網大廠都傾向于往AI平臺化方向走。“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，從數據的準確、算法模型的選擇和訓練，到大規模訓練，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。”吳永堅說道。

實際上，以大規模算力使用和大數據處理為基礎的人工智能，越來越展現出規模效應的特征，即使用越多、價值越高、成本越低。因此，互聯網大廠都采用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、海康威視視頻感知開放平臺等等。

百花齊放的AI開放平臺，玩家競爭激烈。“AI頭部公司的競爭確實很激烈，現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，現在已經有一些優勢顯現，比如這家擅長A，那家擅長B。”任博說道，“我們可以繼續觀察，相信差異化會到來的。”