作者：錢立富 來(lái)源：IT時(shí)報(bào)

隨著人工智能（AI）底層技術(shù)如圖像識(shí)別,、自然語(yǔ)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(kāi)花,，為實(shí)體經(jīng)濟(jì)發(fā)展帶來(lái)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(huì),、提升企業(yè)競(jìng)爭(zhēng)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(gè)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(lái)業(yè)務(wù)價(jià)值的場(chǎng)景，其次是技術(shù)的成熟度足夠,?！?/p>

安永大中華區(qū)數(shù)據(jù)智能咨詢服務(wù)合伙人陳劍光

目前來(lái)講,，企業(yè)對(duì)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(wèn)題,，而不會(huì)因?yàn)楸挥|及知識(shí)庫(kù)體系以外的問(wèn)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(chǎng)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(jiǎn)單工作,。

陳劍光指出,，在賦能企業(yè)數(shù)字化轉(zhuǎn)型的過(guò)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(chǎng)景碎片化,，而這又會(huì)導(dǎo)向企業(yè)對(duì)AI性價(jià)比的思考,。目前AI模型的開(kāi)發(fā)效率低，生產(chǎn)成本高昂,，落地時(shí)又會(huì)因針對(duì)場(chǎng)景特點(diǎn)進(jìn)行定制而投入很多精力,，帶來(lái)巨大的定制成本。模型產(chǎn)出后,，又面臨不斷迭代的問(wèn)題,，對(duì)企業(yè)內(nèi)部的人才儲(chǔ)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(huì)普遍反饋用英文得到的回答更加精準(zhǔn),，而用中文則錯(cuò)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(duì)較弱，而英文板塊的高質(zhì)量信息庫(kù)更多,。由此可見(jiàn)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(guó)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(lái)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(gè)階段，第一,，“深藍(lán)”,。“深藍(lán)”打敗了過(guò)去的國(guó)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(kāi)始，我們認(rèn)識(shí)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(guò)訓(xùn)練集來(lái)訓(xùn)練,，從而得到更好的理解,，最大的能力是可以預(yù)測(cè)、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(lái)還會(huì)應(yīng)用到很多領(lǐng)域,。以營(yíng)銷為例,，當(dāng)前所謂的個(gè)性化營(yíng)銷，其實(shí)是依賴于后臺(tái)的設(shè)定,。如果未來(lái)使用GPT算法,，完全可以基于不同的產(chǎn)品和客群，通過(guò)過(guò)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(guò)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(lái)GPT算法對(duì)數(shù)字化架構(gòu)產(chǎn)生的影響也會(huì)很大,。

在陳劍光看來(lái)，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(wèn)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(lái),，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(guó)家無(wú)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(lái)產(chǎn)業(yè)的前景非常廣闊。