如果你是一位科技和AI愛好者，想必會在各種信息渠道看到“人工智能又能干什么了”、“人工智能又在某領域超過人類了”，這類消息近乎于每天都在我們的眼球前搖晃。
久而久之，我們似乎會習慣性地認為AI已經可以拿下一切問題，甚至覺得AI已經是萬能的。
這種想象假如只存在于普通消費者腦中，那么可能還好；假如企業(yè)家和行業(yè)從業(yè)者也靠這些判斷來貿然嘗試引入AI，那麻煩可就大了。
事實上，今天無論是科技大V、社交網(wǎng)絡上的“明白人”，還是各種培訓講師、創(chuàng)業(yè)BP，都在似有似無間強調企業(yè)應用AI的“神奇之處”，這些亦真亦假。但他們不約而同選擇忽略掉的，是今天中國企業(yè)選擇應用AI時，還有大量的困境與難題擺在眼前。
企業(yè)AI并不是已經做好的蛋糕，只要付費后拿起刀叉即可享用；相反它更像是一片沃土，想要吃蛋糕，那么企業(yè)要從學會種小麥開始。
今天我們來聊聊，企業(yè)要跨過哪些困境才能享用AI。注意這個表述：享用。假如一個企業(yè)只是想要使用AI，那么很簡單，在傳達室裝一個人臉識別門禁花不了多少錢，效果也不錯，但問題是對企業(yè)的生產和市場似乎并沒有什么用處。而企業(yè)想要購買全套的AI解決方案也很簡單，只要付費即可得，問題是這些技術來到企業(yè)之后到底有什么用，是賠錢還是賺錢，就不得而知了。
所謂享用，是企業(yè)要真實地從AI中獲益，可以控制AI為企業(yè)本身服務，甚至將AI作為進一步增長的生產資料。
我們注意到，前不久的蘇州智博會上，華為云就為我們解釋了關于企業(yè)智能EI的相關問題和華為云提供的解決方案，其認為能夠幫助解決實際問題的AI才是企業(yè)需要的AI，AI也只有在企業(yè)的產業(yè)化落地才是真正的企業(yè)智能。今天我們就結合華為云體系中的企業(yè)智能EI服務案例，來看看今天橫亙在企業(yè)與AI之間的四道枷鎖。
或許我們也可以換個角度看待這個問題：這四道鎖的一邊，是媒體和公眾想象出的AI；而另一邊，是AI實用化的廣袤曠野。
第一道鎖：關于AI安全，今天到處都是坑
智能，代表著更快的數(shù)據(jù)交互，而數(shù)據(jù)的速度就像車的速度一樣，速度越快，風險越高。
前不久我們已經在Facebook的數(shù)據(jù)泄露問題上，看到了AI時代面臨的數(shù)據(jù)風險和安全挑戰(zhàn)。
當然我們不能說個人用戶數(shù)據(jù)和企業(yè)數(shù)據(jù)誰更重要，但對于企業(yè)本身而言，毫無疑問生產數(shù)據(jù)甚至技術專利可謂是生存下去的命脈所在。
但在我們呼喚AI高歌猛進的時候，卻忽略了企業(yè)應用AI時的安全問題正在迅速擴張，并且很少被產業(yè)界重視。
我們可以看幾個企業(yè)AI應用時面臨的安全風險：
1、訓練數(shù)據(jù)不安全。進行機器學習類的行業(yè)應用模型訓練，就必須提供專屬的訓練數(shù)據(jù)。而這些數(shù)據(jù)往往都是從企業(yè)生產流程的核心中得來，可說是企業(yè)機密中的機密。假如必須把這些數(shù)據(jù)交給第三方，那么企業(yè)的風險系數(shù)也將驟然上升。
2、數(shù)據(jù)存儲有風險。今天的AI解決方案中，企業(yè)一般要大量通過公有云API實現(xiàn)具體產品流程的AI化，那么也就意味著企業(yè)往往要將大量產業(yè)數(shù)據(jù)上傳到公有云上。這對很多企業(yè)來說非常麻煩，但不如此又難以應用AI，容易造成騎虎難下的局面。
3、AI模型的不穩(wěn)定性。去年TensorFlow已經被證實有致命漏洞存在，AI模型往往需要嫁接在不同的開發(fā)框架和應用平臺上，面臨著非常多的未知風險。一旦受到攻擊或者任何環(huán)節(jié)崩壞，企業(yè)將直接面臨著生產能力崩潰的局面。
事實上，這只是幾種可能存在的風險。其他像算法本身缺乏可解釋性、產業(yè)風險難以評估等等，都是圍繞在企業(yè)AI身邊揮之不去的安全陰影?？梢哉f，今天企業(yè)應用AI，必須要面對隨之而來的“安全問題大禮包”。
當然，解決安全問題任重道遠。需要各產業(yè)環(huán)節(jié)，包括企業(yè)自身的不斷探索和嘗試。就華為云而言，他們在企業(yè)智能EI服務中會采取公有云、私有云等不同的交付方式，滿足企業(yè)不同等級、不同產品形式的安全需求。
此外華為云還提供差分隱私保護和聯(lián)合學習的方式，即通過密碼學算法對用戶數(shù)據(jù)進行加密。僅僅讓機器學習模型去學習用戶的數(shù)據(jù)特征，訓練AI的同時避免泄露用戶隱私和核心數(shù)據(jù)。
此外，AI安全方案也十分重要。在歐美基于AI產業(yè)發(fā)展，提供專門AI安全防護的配套服務企業(yè)已經很多，但在中國整個產業(yè)還處在萌芽階段。AI安全有其獨特的需求，比如說華為云的AI安全方案特征之一，是可以通過動態(tài)學習不斷修正模型，防止模型受到攻擊。AI的到來也為安全防護增添了利器，但這需要建立于企業(yè)的技術積累和實戰(zhàn)經驗的基礎上。
第二道鎖：脫離全棧計算談AI，基本屬于耍流氓
我們知道在AI世界，算法、算力、數(shù)據(jù)構成了智能的三要素。但在企業(yè)應用上，我們往往會過分重視算法和數(shù)據(jù)，忽略了算力也是重要的變數(shù)。
在AI這件事上，其實彌漫著一種暴利美學——面對著海量數(shù)據(jù)和運算量龐大的卷積任務，算力不達標一切都是紙老虎。
或許有人會說，企業(yè)都已經上云了，算力當然不成問題。但事實上，AI在企業(yè)應用，尤其是在工業(yè)領域應用時，需要處理大量數(shù)據(jù)的同時保證實時處理、實時決策。這也就決定了所有數(shù)據(jù)回傳云端再傳回來，基本是不現(xiàn)實的事情。畢竟誰也不希望自己工廠里的機器永遠慢幾拍。但終端計算顯然也不可能，雖然IoT終端正在逐步發(fā)展，但相關的芯片、處理能力甚至產品形態(tài)都才剛剛開始。等終端能解決所有問題，AI的黃花菜真是早涼了。
所以說，企業(yè)應用AI時，真正需要的是云、端、邊，三位一體化的算力配合，也就是企業(yè)對AI任務的全棧運算能力。今天對于企業(yè)來說的合理方案，是需要運算基礎算力的AI任務回傳云端，能夠輕量化、集成化進行的快速任務延伸到邊緣進行；而在硬件條件滿足的前提下，再下放一部分到終端完成。
云邊協(xié)同和異構計算，都是企業(yè)應用AI時無法繞過的問題。為此，前不久的蘇州智博會上，華為云剛剛發(fā)布了智能邊緣平臺，幫助企業(yè)快速、低成本部署邊緣計算能力，迅速激發(fā)AI的實用價值。
有一個華為云分享的案例，可以非常直接地展現(xiàn)出云邊協(xié)同對于AI的價值。華為云的智慧園區(qū)解決方案中，提供了動態(tài)人像檢索服務。通過攝像頭，園區(qū)可以實現(xiàn)百億人像秒級搜索。
人像搜索需要快速給出判斷結果，完全上傳云端自然不現(xiàn)實。但是假如要在終端部署AI運算能力，那就需要把所有攝像頭換成智能攝像頭。首先成本貴了十倍有余，另外爬到每根電線桿上換攝像頭，那個工作量想想都夠了。
而通過構筑邊緣智能平臺，將AI識別任務進行云邊協(xié)同運算，華為云有效解決了這個問題。其實現(xiàn)了人臉識別1：N準確率大于95%，并且不需要換任何一顆攝像頭。
可以看出，在真正的企業(yè)應用，尤其是工業(yè)應用中，對AI算力的呼喚是非常復雜和具體的。不是云，也不是終端芯片就能解決這個問題，而是需要全棧流程方案的具體部署，滿足不同企業(yè)用戶的不同需求。
想要把AI算力一刀切，那基本是對企業(yè)耍流氓。
第三道鎖：充滿朦朧美的AI產業(yè)價值
即使我們有了算力、數(shù)據(jù)、算法等基礎配置，也確信自己企業(yè)應用的AI能力是安全的，AI大餐就可以上桌了嗎？
很不幸，問題又來了：你怎么能確定買到的AI技術，真的實用呢？這并不是一個“杠精附身”的疑問。在AI產業(yè)價值自證上，確實存在著很多問題，比如：
1、黑箱和算法可解釋性影響企業(yè)應用。深度學習模型具有黑箱性，這是今天難以規(guī)避的問題。而在企業(yè)構建業(yè)務中的深度學習能力時，算法的不透明時長會導致產品結果不可預知，甚至會因為很小的數(shù)據(jù)節(jié)點全盤崩壞。那么一味相信深度學習，很可能有一個深坑在等待著。
2、工程化問題。AI技術可以快速從實驗室走到企業(yè)中，是它令人激動的一面。但同時也帶來了問題，那就是很多算法和解決方案看起來很美，但卻缺乏工程化可能。比如穩(wěn)定性、延展性的欠缺，直接可能導致工程化失敗。
而且新技術的準確度也是個問題，快速引入新技術，很可能買回了個不合格員工。
3、新技術的產業(yè)周期回報問題：AI并不是免費的。引入AI，意味著企業(yè)要增加各種成本，消耗大量的資源。但這些技術是否能在可靠周期內帶回效益，對企業(yè)來說卻是未知數(shù)。另一方面，假如期數(shù)延展性不足，企業(yè)購買的新技術很快被淘汰，或者無法與其他環(huán)節(jié)連接，那么企業(yè)應用AI時的未知數(shù)更將擴大。面對龐大的未知，企業(yè)在應用AI時往往是望而卻步。
這個難題，最好的破解方式其實也簡單，那就是直接引入在其他企業(yè)得到反復嘗試，被證明沒有問題的技術——絕不做第一個吃螃蟹的人，對于企業(yè)，尤其是中小企業(yè)來說是至理名言。
華為云的企業(yè)智能EI服務方案中，一個特性就是把已經在華為內部實驗并應用了很久的技術，推廣到各合作企業(yè)與行業(yè)中。華為作為一個巨型ICT企業(yè)，內部就已經是一個各種AI黑科技的絕妙舞臺。并且華為也一直在堅持技術先內部再推廣的原則。而AI顯然是其中的核心，比如近期任正非又強調要加強AI在華為內部的應用，并且建立了專門的資金與技術團隊。
從華為體系中先內而外的AI案例有很多。
比如AOI自動光學檢測。在電子元器件焊接中，傳統(tǒng)情況下需要工人一人4機值守來查看可能發(fā)生的缺陷，靠人工來審查焊接缺陷率。
顯然，這種方法不僅速度慢、效率低，而且在檢測過程中容易出錯。根據(jù)資料，在華為松山湖工廠的生產線上，每個工人做每次檢驗要耗時5分鐘左右。
在加持了AI之后，華為云通過工業(yè)視覺領域的圖像識別能力，幫助焊接流程實現(xiàn)了無人值守，極大減少人工參與，并且提升了過程中發(fā)現(xiàn)缺陷的效率。
那么很明顯，這項技術是在華為內部檢驗成功后，是可以推廣到類似需要AOI檢測的企業(yè)與工廠中的。
事實上，不僅是單獨的技術部類，深度學習能力也一樣可以進行先內而外的遷移。比如華為云正在使用遷移學習技術，將華為針對多個典型客戶場景，所訓練出的高性能的深度學習模型預置在華為云深度學習服務中。客戶只需要少量數(shù)據(jù)和訓練時間就可以完成獨特模型的訓練。
AI固然好，靠譜很重要。在企業(yè)應用AI時冒險并非美德，盡一切可能收獲成熟AI能力，這或許也應該成為AI產業(yè)中的某種常識。
第四道鎖：無法回避的行業(yè)獨特性
最后一個問題，是很多AI專家在暢想未來時都有意無意規(guī)避掉的，那就是任何一個產業(yè)和企業(yè)，都有自己面臨的獨特性。無論是周期、需求、產業(yè)上下游關系，甚至所面臨的客戶特點，這些都讓通用性AI往往施展不開手腳。
毫無疑問，讓AI的價值最大化，那就必須要讓AI和產業(yè)特征、企業(yè)周期、行業(yè)規(guī)律相結合。但這在今天顯然是最難的一道關卡。
我們可以來看一個行業(yè)特定屬性達成AI化的案例。在華為云企業(yè)智能EI服務中，有一個特殊的客戶：供暖單位。如何讓供暖在保證熱率的同時，降低污染和排放，這是一個大眾普遍關心的問題。但這里利用通用的AI計算方式顯然不行，而是需要對于供暖產業(yè)中的獨特數(shù)據(jù)，比如燃煤率、鍋爐裝置、燃燒通風率等等進行數(shù)據(jù)收集和整理，再用獨立的AI算法給出解決方案。
通過華為云專家們深入場景的苦戰(zhàn)之后，研發(fā)出了供暖閥門動態(tài)調節(jié)的技術。新的閥門會根據(jù)燃燒、溫度、能耗、通風等不同情況自動調節(jié)，從而在不改變熱度的前提下達成了能耗下降4-16%。對于霧霾天和取暖需求來說，可謂功莫大焉。
那么，到底如何針對不同行業(yè)和企業(yè)給出獨立AI解決方案呢？
首先是滿足不同技術等級用戶的需求。比如華為云深度學習服務，就根據(jù)用戶不同需求訂了5個等級，讓有技術開發(fā)能力和大規(guī)模應用需求的用戶試用更高等級開發(fā)支撐，中小企業(yè)和輕度用戶可以使用輕度開發(fā)降低成本。這種避免一刀切的AI策略，首先滿足了不同企業(yè)的核心差異化。
其次，華為云提供顆粒化的人工智能API服務，滿足企業(yè)具體、定制、重構的AI業(yè)務需求。讓企業(yè)可以像去超市采購一樣找到最合適自己的方案。
再次，在AI深入各行業(yè)當中的時候，最重要的一關是線下支持。畢竟AI的新穎和變化，對于大多數(shù)企業(yè)和行業(yè)來說都是無法馬上適應的，只有強力的線下解決團隊，企業(yè)才真正沒有后顧之憂。
當然，行業(yè)獨特性是一個非常模糊的概念，無法用某種萬能公式去套用。唯一能做的，是AI和行業(yè)攜手，一關一水去探索未知。
如何拿到鑰匙？
說了這么多，好像AI很困難，不怎么靠譜的樣子。但事實并非如此，今天AI在商業(yè)應用上的整體完成度已經值得期待，與大部分行業(yè)的連接密度可能都超過我們想象。所受困的是行業(yè)基礎和人才窘境，這些當然都是問題，但同時也是企業(yè)超過競品的機遇。
企業(yè)應用人工智能，在今天是否有打開這四道鎖的鑰匙呢？當然也有。
開鎖的第一步，是要認識到鎖的存在。這句非常像是廢話，但其實不然。面對人工智能，今天垂直行業(yè)中普遍缺乏良性的認知。過于抵觸和過于樂觀是我們最常見的兩種企業(yè)態(tài)度，但真正應用和掌控AI，顯然兩者都不可取。
其次，是要找到靠譜的產業(yè)合作關系。AI是無法一個企業(yè)、一個行業(yè)完成的共生技術體系，只有信賴，才能衍生未來。
最后，是要認清商業(yè)邏輯的必然階段。解鎖AI應用的每一步，事實上在這個產業(yè)周期中都是形成新壁壘的過程。無論是算法、人才還是數(shù)據(jù)，甚至是產業(yè)經驗與產業(yè)關系，這些都是企業(yè)接下來的戰(zhàn)略優(yōu)勢。合理積累優(yōu)勢并去撬動下一個可能，或許才是AI帶給企業(yè)的真正機遇。
免責聲明：此文內容為第三方自媒體作者發(fā)布的觀察或評論性文章，所有文字和圖片版權歸作者所有，且僅代表作者個人觀點，與極客網(wǎng)無關。文章僅供讀者參考，并請自行核實相關內容。投訴郵箱：editor@fromgeek.com。
免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。
