AI技术的创新和应用并不是一帆风顺的，特别是在过去的一段时间。一方面AI产业在繁荣发展，另一方面，在进步的过程中也有不少质疑的声音。比如AI是否真能够带来生产力的提升？AI商业化的前景能不能经受住考验？
近日，2021WAIC世界人工智能大会如期举办。此次大会是第四届，不少全球领先的AI企业都集中展示了AI技术发展、应用的最新成果。AI未来的发展方向以及商业化前景也进一步明晰。那么本次世界人工智能大会上，究竟透露出怎样的AI产业发展风向？我们不妨深究一番。
AI创新落地路径：AI算法的规模化扩散
纵观工业革命以来的经济增长史，技术进步主要由少数关键的突破性技术推动，这些技术都是通用技术，比如蒸汽机、电力和信息技术等。不过，通用技术只有在全面技术扩散、深度渗透到经济结构的各方面，生产力才会发生质变。
以互联网为例，最早的互联网诞生于1969年，但从1983年开始，民用化互联网才开始逐渐发展，如今互联网已经成为一种社会基础设施，并且在发展的过程诞生了一批互联网巨头企业，也促进了许多传统行业的生产力发展。
AI也是如此。
怎样才能发生技术扩散？一是新技术对生产力有明显提升作用，二是技术本身的生产能够规模化。目前，AI对生产力的提升已经不断被验证，无人工厂在各个领域开始初步应用。问题就在于技术生产本身的规模化。
也就是说，AI技术与产业端的融合发展，使得技术的演化出现了新的特征，AI技术的创新发展，来到了一个新的融合扩散阶段。
这意味着：
一方面在AI扩散至各个行业的过程中，在技术先进性之外，AI本身的生产需要考虑更多的成本要素。
对于很多行业来说，AI技术大范围落地不仅是一个技术问题，更是一个成本问题。过去几年中AI“精打细算”的模式，其实就是一个人力密集生产的模式，因为AI技术本身的生产很大程度上依赖大量的人力。因此，在技术上，高费效比的算法开发是一个行业性的共识。
另外，AI不单单是一种技术，而是一系列技术的组合，AI场景落地的越多，算法就越多元化，因此规模化的通用算法生产能力，是人工智能的规模化落地的前提。反映在AI三要素发展的趋势上，通用算法的发展促进底层算力增长，在技术落地的过程中，也要求算法模型的生产成本进一步降低。
另一方面，在AI技术扩散的过程中，出现了明显的通用化、长尾化的趋势。
AI落地的过程中，规模化导向下数据越来越多，AI模型越来越通用。AI技术落地更注重实际场景需求，越来越多的长尾需求出现。长尾需求虽然应用频次较低，但由于长尾端在规模上的优势，也同样拥有巨大的商业价值。AI在长尾端的落地是打通AI技术、大数据技术价值闭环的关键。
文章TAG：AI
