物联传媒 旗下网站
登录 注册
RFID世界网 >  新闻中心  >  行业动态  >  正文

当AI从虚拟走向现实:大规模行业应用加速 开放AI平台成趋势

作者:本站收录
来源:每日经济新闻
日期:2021-01-06 09:53:43
摘要:当AI从虚拟走向现实,从实验室走向产业之时,困难也随之而来。

近日,最新一期《自然》杂志报道称,DeepMind公司开发的人工智能(AI)算法MuZero,可以在不告知其游戏规则的情况下掌握围棋、国际象棋、日本将棋和视频游戏,这被称为谷歌人工智能部门获得的又一重大突破。

实际上,自2016年AlphaGo横空出世以4:1击败韩国顶级棋手李世石,并在2017年击败了世界第一棋手柯洁,人工智能在全世界掀起了广泛的热潮,全世界的科技公司苹果、谷歌、微软、腾讯、百度等都无一例外地投入越来越多资源在人工智能上。

“如今,人工智能已经走过了技术爆发的阶段,正在逐渐深入到产业,走进我们生活的方方面面。”近日,腾讯云副总裁、腾讯优图实验室总经理吴运声接受《每日经济新闻》记者采访时说道。

不过,当AI从虚拟走向现实,从实验室走向产业之时,困难也随之而来。“我们当前遇到比较大的问题应该是应用场景的碎片化和垂直性比较强。”腾讯优图实验室总监吴永坚告诉记者,“所以我们需要把当前工程和研究的能力往AI平台化方向走,从数据的准确、算法模型的选择和训练,到大规模训练,然后再到整个模型的部署和实施,将整个AI的流程标准化。把原来相对孤立的、散落在各个地方的能力,变成一个平台化的东西。”

AI越来越深入各个产业

纵观国内的互联网大厂,在多年前就开始不断在AI方面奔跑布局。百度打出“all in AI”的战略,成立了大数据实验室、机器人与自动驾驶实验室等等,在AI各个细分领域快速布局;腾讯也搭建出人工智能实验室矩阵,包括腾讯AI Lab、优图实验室、微信AI实验室等;阿里巴巴在2017年亦组建达摩院,聚焦人工智能、机器人等五大研究领域……

在2020年7月9日的第三届世界人工智能大会上,李彦宏在演讲中称,AI的发展将分为三个阶段,第一阶段是技术智能化阶段,第二阶段是经济智能化阶段,第三阶段是社会智能化。他认为,目前我国正处于从经济智能化的前半段向后半段过渡的时期。

《2020腾讯人工智能白皮书》中提到,AI正在走向“泛在智能”,一是泛在基础设施建设,二是泛于越来越多元的应用场景和更大规模的受众,更多的传统产业或快或慢接入智能技术,例如工业制造、零售、医疗、自动驾驶、泛娱乐等等。正如吴运声所说的,“目前人工智能已经走过了技术爆发的阶段,正在逐渐深入到产业,走进我们生活的方方面面。”

据中信建投研报,随着人工智能应用领域向各行业拓展,全球应用层产业规模持续增长,2018年全球市场规模达到272.3亿美元,预计2019年产业规模将达到360.5亿美元,随着创新型技术激发的全新应用场景,预计到2022年产业规模将达到854.6亿美元。

而互联网大厂的AI实验室,也从几年前的埋头于技术研究,逐渐走向产业,寻找落地场景。以腾讯旗下的人工智能实验室的腾讯优图为例,其成立于2012年,1.0阶段主要聚焦在计算机视觉的相关技术研发与储备。到了2018年,腾讯930架构调整以后,优图加入CSIG(腾讯云与智慧产业事业群),开始了技术研究+产业落地的战略。

“以工业为例,我们从2018年开始,为华星光电提供首个定制化的工业AI质检服务,在提升液晶面板质检准确率的同时,节省了很大的人力成本。”吴永坚表示,“工业的痛点还是很明显,在工业制造业上人力的消耗是很大的,并且人工制造出来的东西容易有缺陷,这些缺陷流到下游会被投诉,这是很大的一个问题。”

除了工业,腾讯优图的视觉AI还落地到了金融、物流、文旅、泛娱乐等多个领域。2020年5月,百度也公布智能云新的业务架构,面向各行业提供智能应用和解决方案,重点布局智慧金融、智能客服、智慧医疗、智慧城市四大赛道等等。

不过,细看目前布局AI的大厂,他们的AI落地场景似乎都较为碎片化,像科大讯飞这样深入“智能语音”单个赛道的较少。对此,腾讯优图实验室总监任博告诉《每日经济新闻》记者,“AI落地场景的确存在碎片化的情况,一方面因为在很多方向仍然是技术上的探索中,很难只做一两个赛道;另一方面,AI现在各行各业的需求很广泛,需求的不同,所以落地场景比较分散、碎片化。”

automation-2692442_1920.jpg

开放AI平台成趋势

实际上,当AI从虚拟走向现实,逐渐深入到各个产业,并没有想象中的简单。以上文提及的华星光电为例,据吴永坚介绍,从腾讯优图实验室进入项目,到缺陷检测解决方案呈现出来,中间遇到许多问题。

“因为整个行业比较新,也没有其他人做过,这里面牵扯到一系列问题。第一个是成像问题,成像跟硬件相关,如果成像不好,后面的算法视觉部分是很难解决的。”吴永坚说,“换句话说,有的缺陷你如果看不到的话,交给算法是很难去处理的。再就是处理时间,如果比较慢的话,节省的人力就不多,这些都需要我们跟客户很深入的探讨。”

不仅如此,吴永坚还补充道在算法层面去解决的问题,由于缺陷检测是涉及到产品的错误和缺陷,有些是比较容易看得见,有些比较难看见,所以怎么从算法的角度、从模型的角度、网络结构、数据的角度去解决这个问题,都是比较重要的问题。

而面对AI落地场景的碎片化和垂直性比较强的问题,互联网大厂都倾向于往AI平台化方向走。“所以我们需要把当前工程和研究的能力往AI平台化方向走,从数据的准确、算法模型的选择和训练,到大规模训练,然后再到整个模型的部署和实施,将整个AI的流程标准化。把原来相对孤立的、散落在各个地方的能力,变成一个平台化的东西,这也是我们后面的一个重点。”吴永坚说道。

实际上,以大规模算力使用和大数据处理为基础的人工智能,越来越展现出规模效应的特征,即使用越多、价值越高、成本越低。因此,互联网大厂都采用AI开放平台的模式,将各种AI技术能力和资源对外开放。

在互联网大厂中,既有全技术栈的腾讯云AI开放平台、阿里云开放平台、百度大脑(AI开放平台)、华为HiAI能力开放平台,也有针对单一技术的开放,比如科大讯飞的智能语音开放平台、商汤智能视觉开放平台、依图视觉计算开放平台、海康威视视频感知开放平台等等。

百花齐放的AI开放平台,玩家竞争激烈。“AI头部公司的竞争确实很激烈,现阶段是属于大家正在去打磨各自差异化的阶段,可能还不是那么地清晰,不过,现在已经有一些优势显现,比如这家擅长A,那家擅长B。”任博说道,“我们可以继续观察,相信差异化会到来的。”