作者：錢立富 來源：IT時報(bào)

隨著人工智能（AI）底層技術(shù)如圖像識別、自然語言處理、機(jī)器學(xué)習(xí)等技術(shù)的不斷成熟，人工智能在智能制造、智慧教育、智慧醫(yī)療、智慧金融等不同領(lǐng)域多點(diǎn)開花，為實(shí)體經(jīng)濟(jì)發(fā)展帶來了巨大價(jià)值，如提高各行業(yè)生產(chǎn)力、創(chuàng)造新的商業(yè)機(jī)會、提升企業(yè)競爭力、改進(jìn)企業(yè)決策、增強(qiáng)客戶體驗(yàn)等。

安永大中華區(qū)數(shù)據(jù)智能咨詢服務(wù)合伙人陳劍光認(rèn)為：“AI落地有兩個特點(diǎn)，首先是落在與企業(yè)業(yè)務(wù)密切相關(guān)且能直接帶來業(yè)務(wù)價(jià)值的場景，其次是技術(shù)的成熟度足夠。”

目前來講，企業(yè)對AI的期望主要?dú)w納為智能、通用及創(chuàng)造。智能，指模型是否足夠靈活，能夠處理各類復(fù)雜問題，而不會因?yàn)楸挥|及知識庫體系以外的問題而缺乏反饋。通用，指模型能否提供足夠的參數(shù)匹配不同的場景，減少定制化。創(chuàng)造，指模型不再滿足于替代人類重復(fù)性的簡單工作。

陳劍光指出，在賦能企業(yè)數(shù)字化轉(zhuǎn)型的過程中，AI遇到的主要困境是其泛化能力不足導(dǎo)致模型高度定制化和場景碎片化，而這又會導(dǎo)向企業(yè)對AI性價(jià)比的思考。目前AI模型的開發(fā)效率低，生產(chǎn)成本高昂，落地時又會因針對場景特點(diǎn)進(jìn)行定制而投入很多精力，帶來巨大的定制成本。模型產(chǎn)出后，又面臨不斷迭代的問題，對企業(yè)內(nèi)部的人才儲備提出新的挑戰(zhàn)。

陳劍光表示，要突破人工智能當(dāng)前的發(fā)展困境，需要數(shù)據(jù)、算力與算法協(xié)同發(fā)展。

數(shù)據(jù)是AI學(xué)習(xí)的基礎(chǔ)資源。如ChatGPT的用戶會普遍反饋用英文得到的回答更加精準(zhǔn)，而用中文則錯誤率更高，核心原因在于其中文板塊的整體數(shù)據(jù)質(zhì)量相對較弱，而英文板塊的高質(zhì)量信息庫更多。由此可見高質(zhì)量數(shù)據(jù)能夠?yàn)楹玫膮?shù)打好地基，否則就像用沙子做地基，不可能蓋出高樓。

再談到算力，這是數(shù)據(jù)與算法的基礎(chǔ)支撐。算力的發(fā)展目前被政策牽引，這是增強(qiáng)人工智能邁向規(guī)?；?、多元化與創(chuàng)新化的基礎(chǔ)支撐。國家推進(jìn)數(shù)據(jù)治理和數(shù)據(jù)要素建設(shè)的核心目的是為了給AI提供高質(zhì)量的數(shù)據(jù)底座，既支持企業(yè)內(nèi)部的信息化和數(shù)字化，也為AI的發(fā)展提供養(yǎng)料。除了構(gòu)建相應(yīng)的數(shù)據(jù)中心，最重要的是打造算力網(wǎng)絡(luò)，確保算力被合理分配，未來的企業(yè)一定是依賴于算力網(wǎng)絡(luò)為客戶提供服務(wù)的。

算法則是人工智能的邏輯規(guī)則“大腦”。 AI算法的發(fā)展可基本歸納為三個階段，第一，“深藍(lán)”?！吧钏{(lán)”打敗了過去的國際象棋冠軍，但更多依賴的是暴力搜索算力要求高，適用性比較窄。第二，AlphaGo。從AlphaGo開始，我們認(rèn)識到什么是強(qiáng)化學(xué)習(xí)、深度學(xué)習(xí)，比起“深藍(lán)”有了巨大進(jìn)步。第三，大模型。其依賴巨大的參數(shù)，通過訓(xùn)練集來訓(xùn)練，從而得到更好的理解，最大的能力是可以預(yù)測、判斷用戶真實(shí)的意圖和邏輯，以及上下文的串連關(guān)系，從而能給出更精準(zhǔn)的答案。

隨著數(shù)據(jù)、算力和算法的發(fā)展，近期AIGC概念與ChatGPT火爆全網(wǎng)。從中可以看出算法、數(shù)據(jù)和算力的提升能夠給企業(yè)期望AI能夠提供的通用性、智能性和創(chuàng)造性提供了良好的基礎(chǔ)。陳劍光預(yù)判，GPT未來還會應(yīng)用到很多領(lǐng)域。以營銷為例，當(dāng)前所謂的個性化營銷，其實(shí)是依賴于后臺的設(shè)定。如果未來使用GPT算法，完全可以基于不同的產(chǎn)品和客群，通過過往的訓(xùn)練集生成相關(guān)策略，策略執(zhí)行完畢后還能形成反饋，可以自我迭代，這是很大的變化。GPT算法在醫(yī)藥研發(fā)行業(yè)也比較火爆，制造一款新藥的最大成本在于研發(fā)，通過GPT算法，可以節(jié)省大量分析整理和探索的工作，可提供的價(jià)值非常顯著。此外，未來GPT算法對數(shù)字化架構(gòu)產(chǎn)生的影響也會很大。

在陳劍光看來，目前AIGC如果真的要落地賦能，數(shù)據(jù)積累、成本投入、盈利方式、合規(guī)性問題等都是阻礙因素，需要相關(guān)企業(yè)通力合作、協(xié)同發(fā)展。為迎接AIGC浪潮的到來，企業(yè)應(yīng)積極推進(jìn)業(yè)技融合、提升數(shù)據(jù)質(zhì)與量、重視創(chuàng)新技術(shù)、加強(qiáng)人工智能和云技術(shù)的投入、注重技術(shù)與數(shù)據(jù)安全以及重視人才培養(yǎng)。我們國家無論在數(shù)據(jù)、算力還是算法層面，都正在大踏步地往前走，AI未來產(chǎn)業(yè)的前景非常廣闊。