全球AI落地過程中，可以看到一個從多數(shù)企業(yè)豪情萬丈回落到更少企業(yè)重估曾經(jīng)期待的過程。這一過程中，給玩家潑上幾桶冷水的障礙因素也越來越清晰地浮現(xiàn)出來。

如今，匆忙上馬的試驗可能已被放棄或重新考慮，過去幾年決策層中充斥的「非理性繁榮」正在逐漸消失，冷靜正重歸桌面。

「（數(shù)字）抓得蠻準(zhǔn)的?！箖蓚€月前，采訪過的一位工業(yè)互聯(lián)網(wǎng)企業(yè)負(fù)責(zé)人認(rèn)可了一組統(tǒng)計數(shù)字：

2020年上半年，青桐資本的一份調(diào)研數(shù)據(jù)顯示，目前工業(yè)互聯(lián)網(wǎng)方案商的收入規(guī)模在1000-3000萬區(qū)間的占53.3%；1億規(guī)模以上的僅占20%。

「幾乎沒有一家跑通了商業(yè)模式?！惯@位負(fù)責(zé)人說到。

事實上，很多大的投資機(jī)構(gòu)對工業(yè)互聯(lián)網(wǎng)賽道仍然持觀望態(tài)度。商業(yè)模式到底是什么？盈利模式到底是什么？客戶復(fù)制性到底在哪里？怎么跨行業(yè)？他們幾乎都沒有看到多少好的標(biāo)的公司。

資本多站隊大廠孵化項目的背后，也只是為了不至于吃虧。人人都想搶一口，動作要快。那些優(yōu)雅的最后可能會發(fā)現(xiàn)自己因為吃不到肉而骨瘦如柴。

一

當(dāng)人工智能在邊緣計算層與工業(yè)物聯(lián)網(wǎng)相遇，2019年成為人工智能工業(yè)落地元年。許多制造企業(yè)已經(jīng)在探索轉(zhuǎn)型，人們也期待著AI大規(guī)模落地。

在深入了解中國制造企業(yè)應(yīng)用人工智能的真實情況和應(yīng)用場景后，5月的一份報告照出了理想與現(xiàn)實距離。

《造有道 智萬物——德勤人工智能制造業(yè)應(yīng)用調(diào)查》顯示，中國制造業(yè)企業(yè)人工智能項目實施不在少數(shù)，但是，不論從企業(yè)獲益角度還是預(yù)算和時間投入角度衡量，認(rèn)為項目達(dá)到80-100%預(yù)期的企業(yè)僅為9%。這意味著91%的人工智能項目未能達(dá)到企業(yè)預(yù)期。

報告認(rèn)為，人工智能項目結(jié)果與預(yù)期之間存在較大差距是全球現(xiàn)象，主要由五個因素造成。在我們過去的采訪中，幾乎每一個因素都得到了不同程度的驗證。

首先，既有經(jīng)驗及組織架構(gòu)障礙。企業(yè)通過AI技術(shù)變革管理或優(yōu)化流程時，常見的2個內(nèi)部阻力。

一方面，員工接受成本高。對于已經(jīng)熟悉原有工作流程的員工而言，實施新流程意味著要學(xué)習(xí)新的操作和規(guī)范，企業(yè)往往不能保證培訓(xùn)的資金與時間投入。這就導(dǎo)致了員工往往傾向于使用舊流程，新引入的流程推行受阻。

比如，國內(nèi)一些傳統(tǒng)企業(yè)客戶對工業(yè)軟件缺乏正確認(rèn)知，習(xí)慣將不動產(chǎn)的概念套用在工業(yè)軟件上。他們會覺得購買工業(yè)智能產(chǎn)品跟采購設(shè)備一樣，可以對照「操作說明書」開箱即用，實現(xiàn)某一類功能。

開箱即用并自主運(yùn)行其實是一個復(fù)雜的過程，涉及一系列隱藏成本。特別是數(shù)據(jù)驅(qū)動的模型，一開始模型的部署效果可能只有六七十分，需要數(shù)據(jù)不斷迭代優(yōu)化，才能達(dá)到相對精準(zhǔn)的效果。

「他們更愿意相信自己經(jīng)驗，不信信息系統(tǒng)推薦，即使培訓(xùn)了也不敢用，初創(chuàng)企業(yè)因此很難實現(xiàn)閉環(huán)和復(fù)制。」過去采訪中，一些受訪的第三方供應(yīng)商曾無奈表示。畢竟，這意味著他們也要去掌握新的東西，學(xué)會怎么去操作新設(shè)備，不僅要會檢查，還要學(xué)會怎么去反饋，幫助把我們的系統(tǒng)做得更好。

在走訪張家港工業(yè)云建設(shè)過程中，落地「最后一公里」的合作方企業(yè)也曾告訴記者，當(dāng)?shù)睾芏嘀圃鞓I(yè)工人信息化能力、數(shù)字化能力是很差，要開展針對性培訓(xùn)，提高他們的信息化水平。

另一方面，需要調(diào)整組織架構(gòu)。AI的使用解放了大量重復(fù)勞動、手動控制、人工分析等工作，而制造業(yè)往往存在大量此類工種，在引入AI后，企業(yè)需要優(yōu)化組織架構(gòu)以適應(yīng)部署AI帶來的變化，但由于經(jīng)驗缺乏，企業(yè)往往準(zhǔn)備不足。

制造業(yè)也講迭代，不過跟軟件不同，遠(yuǎn)不是簡單發(fā)布一個升級版本，而是伴隨大量技術(shù)落伍的設(shè)備拆除，新技術(shù)設(shè)備建造改造，還有崗位作業(yè)程序的調(diào)整及培訓(xùn)。這就涉及一種「整合成本」，也會深刻制約企業(yè)的軟件購買動力。

一些業(yè)內(nèi)人士認(rèn)為，要有長期的規(guī)劃和人才培養(yǎng)計劃與之匹配，否則，可能就是一個項目，為了拿補(bǔ)貼或者所謂的資金支持，相對于企業(yè)所投入來說，這往往是得不償失。

其次，企業(yè)基礎(chǔ)設(shè)施條件制約。實施AI項目對企業(yè)的基礎(chǔ)設(shè)施有一定的要求。

德勤調(diào)查發(fā)現(xiàn)，45％的企業(yè)認(rèn)為基礎(chǔ)設(shè)施影響較大，從而不得不推遲原有的AI計劃，還有14％的企業(yè)認(rèn)為基礎(chǔ)設(shè)施問題影響嚴(yán)重，導(dǎo)致企業(yè)無法進(jìn)行某些轉(zhuǎn)型。

例如：如果想通過數(shù)據(jù)反向優(yōu)化生產(chǎn)，企業(yè)首先要在工序節(jié)點鋪設(shè)能夠采集關(guān)鍵變量的傳感器，要能夠把實際有效量測數(shù)據(jù)收上來，才有機(jī)會分析哪些流程改進(jìn)質(zhì)量才能更好，生產(chǎn)效率才能更高。

「我所在這個行業(yè)，做工業(yè)互聯(lián)網(wǎng)的了無幾人?！惯^去采訪中，某民營企業(yè)高管告訴筆者。該企業(yè)大約6000人規(guī)模、千億營收。

要做的話，還得企業(yè)由上至下進(jìn)行改革重組、配備相應(yīng)技術(shù)團(tuán)隊，逐一搜集終端數(shù)據(jù)?！肝覀兡壳耙仓蛔叩搅斯I(yè)2.0， 不知哪一年才能走到3.0。」

不少受訪工業(yè)互聯(lián)網(wǎng)企業(yè)的負(fù)責(zé)人表示，業(yè)內(nèi)大佬們也知道抓住工業(yè)AI這波浪潮就有可能讓企業(yè)再上一個臺階，無奈的是，有些企業(yè)基礎(chǔ)落后。

比如，大量機(jī)加工、3C制造等企業(yè)毛利潤率非常低，要拿出魄力做這個事情，還要先大量信息化，對他們說，本來就是一個很難執(zhí)行過程。

目前，大約50%客戶愿意嘗試，或者大步快走或者小步快跑；剩下15~20%客戶愿意小規(guī)模試點，最后剩下30%積極關(guān)注。一位工業(yè)互聯(lián)網(wǎng)企業(yè)負(fù)責(zé)人預(yù)估過。

第三，是數(shù)據(jù)采集方法、質(zhì)量問題。AI項目的效果與數(shù)據(jù)質(zhì)量直接相關(guān)。在基礎(chǔ)設(shè)施條件具備后，采集數(shù)據(jù)的方法，數(shù)據(jù)的準(zhǔn)確性、多樣性以及規(guī)模直接決定了機(jī)器學(xué)習(xí)的發(fā)揮余地。

一位工業(yè)數(shù)據(jù)專家曾告訴我們，前邊數(shù)據(jù)準(zhǔn)備得越好，特征提取得越好，建模就更容易。但是，傳感器布置在哪里、最佳數(shù)量是多少、采集頻率多少都依賴深刻的行業(yè)know-how。

目前國內(nèi)大型制造企業(yè)的自動化設(shè)備和管理系統(tǒng)都已配備都齊全，但產(chǎn)生數(shù)據(jù)的利用率卻一直不盡如人意一一耗費資源收集大量數(shù)據(jù)，而收集上來的數(shù)據(jù)卻往往并非關(guān)鍵數(shù)據(jù)，低質(zhì)量的數(shù)據(jù)無法通過聚合與協(xié)同分析轉(zhuǎn)化為生產(chǎn)要素。

比如，有些工廠的工單完全靠工人手記，有的人會寫「我今天聽到機(jī)床聲音不正?！?，下一個人可能又會寫「我聽到蜂鳴聲」；從ERP取出的訂單又是另外一種數(shù)據(jù)格式。。.。。.

原因也很簡單。國內(nèi)企業(yè)數(shù)據(jù)記錄質(zhì)量的好壞也不直接與基層工人「保證設(shè)備運(yùn)行好」 KPI 掛鉤，這類崗位沒有動力去關(guān)心或者重視數(shù)據(jù)記錄。

再比如 ，許多企業(yè)已經(jīng)具備SCADA系統(tǒng)，但實時抓取的設(shè)備參數(shù)并不能被方便、高效地利用起來。制造業(yè)智能化程度較高的工廠往往會采用「數(shù)據(jù)聚合」的解決方案：打通SCADA和ERP系統(tǒng)，采集精準(zhǔn)、實時的設(shè)備數(shù)據(jù)，結(jié)合生產(chǎn)、質(zhì)檢、物料、設(shè)備等各個功能模塊的數(shù)據(jù)，實現(xiàn)全面數(shù)據(jù)聚合。

第四，缺乏工程經(jīng)驗。AI項目需要把算法與理論落實到企業(yè)實際應(yīng)用場景中，需要項目團(tuán)隊具備：項目實施的技術(shù)能力、團(tuán)隊對制造工藝的理解、算法與行業(yè)應(yīng)用結(jié)合的經(jīng)驗、綜合運(yùn)用各種軟硬件資源。

只有懂技術(shù)，同時深入制造端，才能建構(gòu)出可行的AI應(yīng)用場景方案。而專精AI的公司往往由于對制造端缺乏理解，技術(shù)優(yōu)勢無法充分落地。

騰訊云智能制造總經(jīng)理梁定安在談張家港工業(yè)云落地時，曾告訴記者，對于類似騰訊這樣的巨頭來說，很容易通過傳感器實現(xiàn)數(shù)據(jù)聯(lián)通，也很容易在大數(shù)據(jù)平臺收到這些數(shù)據(jù)，實現(xiàn)可視化。

「但是，這些數(shù)據(jù)應(yīng)該怎么樣去分析，它的機(jī)理，這一塊對互聯(lián)網(wǎng)企業(yè)是一個比較大的挑戰(zhàn)?！?/p>

采訪阿里工業(yè)云時，相關(guān)負(fù)責(zé)人也曾告訴筆者，諸如鋼鐵等流程制造生產(chǎn)過程連續(xù)，不能停頓，任一工序出現(xiàn)問題必然會影響整個生產(chǎn)線和最終的產(chǎn)品質(zhì)量，期間非常依賴經(jīng)驗數(shù)據(jù)，參數(shù)、數(shù)據(jù)分析復(fù)雜很高。

「沒有客戶深度配合，拋開設(shè)備和工藝，單憑算法和模型，無濟(jì)于事。」

「人其實是不可或缺的環(huán)節(jié)。軟件仍然是離不開人的，我們的效率提高了，質(zhì)量提高了，但還是離不開這些工人?！挂晃伙L(fēng)電行業(yè)資深專家談及預(yù)測性維護(hù)系統(tǒng)時曾解釋道，智能系統(tǒng)排出來的東西是理論上的，可能與現(xiàn)實有差異，這就需要資深業(yè)內(nèi)人士幫忙迭代。

最后，項目規(guī)模過大，過于復(fù)雜。AI適用于解決具體問題，通用型大型項目往往涉及復(fù)雜的多種因素決策，超出目前AI的能力范圍。部分企業(yè)對于AI預(yù)期過高，應(yīng)該認(rèn)識到目前AI還不能在綜合決策層面取代人工。

不過，根據(jù)我們過去的采訪，這份報告似乎忽略了一個中國特色的障礙因素。

在攪動工業(yè)互聯(lián)網(wǎng)這池春水，沒有誰比政府更熱心。據(jù)說，當(dāng)市場在某些高科技領(lǐng)域失靈時，政府就要用一雙看得見手去恰當(dāng)修補(bǔ)。然而，大多數(shù)政府根本不懂工業(yè)互聯(lián)網(wǎng)，連工業(yè)軟件和IT都分不清楚，甚至連工業(yè)都不懂。

工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟（AII）《中國工業(yè)互聯(lián)網(wǎng)投融資報告》顯示，2019年非上市企業(yè)中，提供服務(wù)的初創(chuàng)企業(yè)最多，占比37%。當(dāng)被問及政府幫扶是否踏準(zhǔn)企業(yè)痛點時，這些市場主力們的回答卻是「基本沒有」，因為這雙看得見的手都負(fù)責(zé)大企業(yè)和大孩子去了，留給初創(chuàng)們的多是無處不在的政策門檻。

有觀點直言，經(jīng)濟(jì)高速增長了30多年，但仍極少培育出原創(chuàng)的、具有真正創(chuàng)新意義的技術(shù)型企業(yè)，其間原因很復(fù)雜，但政府的強(qiáng)力「父愛」或許就是原因之一。

二

豈止是制造。全球AI落地過程中，我們可以看到一個從多數(shù)企業(yè)豪情萬丈回落到更少企業(yè)重估曾經(jīng)期待的過程。這一過程中，給玩家潑上幾桶冷水的障礙因素也越來越清晰地浮現(xiàn)在我們面前。當(dāng)然，同樣也在中國實踐中找到了例證。

2016年，通常被視為深度學(xué)習(xí)元年，2017年可以說是產(chǎn)業(yè)化元年。

這一年，經(jīng)濟(jì)學(xué)人智庫（Economist Intelligence Unit）曾發(fā)布報告 《Artificial intelligence in the real world： The business case takes shape 》?；?016年下半年對全球203位高管進(jìn)行的一項調(diào)查，報告試圖勾勒出全球不同地區(qū)、行業(yè)企業(yè)采納AI的態(tài)度。

結(jié)果發(fā)現(xiàn)，特別是在北美（AI技術(shù)策源地和巨頭互聯(lián)網(wǎng)公司集中地），健康與生命科學(xué)、零售、制造和金融服務(wù)領(lǐng)域企業(yè)正在積極試水。

其中，約三分一公司處于探索（exploratory）階段，三分之一正在進(jìn)行一到兩個試點（experimental），只有十分之一企業(yè)開始在有限領(lǐng)域中使用AI（apply），廣泛部署（deloy）企業(yè)僅2.5%。

例如，全球工程機(jī)械巨頭 Caterpillar 在2016年首次向行業(yè)公布「智能機(jī)器時代」（The Age of Smart Iron）數(shù)字技術(shù)戰(zhàn)略并介紹了多種數(shù)字解決方案。同年，全球排名第二的日本小松制作所也提出 Smart Construction 。

當(dāng)時，75%企業(yè)高管均表示將在三年內(nèi)在自身組織中積極部署人工智能。企業(yè)所屬領(lǐng)域不同，期待也有所不同。金融領(lǐng)域期待更好決策、醫(yī)療企業(yè)期待更好用戶體驗。對于制造業(yè)來說，效率更為重要。

Caterpillar 認(rèn)為，既然iTunes可以顛覆唱片行業(yè)，他們也不能置身事外。軟件公司未必會突然造工程機(jī)械，但是，技術(shù)可以創(chuàng)造很多價值，甚至可能成為改變行業(yè)的基本動力。而 Caterpillar 當(dāng)時投資的 Uptake 后來成為最成功的工業(yè)SaaS初創(chuàng)。

對于小松制作所來說，AI提供一個商業(yè)模式轉(zhuǎn)換的契機(jī)——從以往硬件式銷售模式，轉(zhuǎn)變?yōu)樘峁└訌V泛IT技術(shù)為支撐的銷售及服務(wù)，如二手設(shè)備銷售及租賃業(yè)務(wù)，乃至保險及金融。

報告也分析了幾個主要挑戰(zhàn)，包括成本、數(shù)據(jù)質(zhì)量和文化阻力。這些均在后來的實踐中得到驗證，直到現(xiàn)在也是影響AI落地效果的主要因素。

其中，成本中心的問題在中國AI公司上市潮中的得到了最為淋漓盡致的展現(xiàn)。幾乎所有的招股書上都寫著業(yè)務(wù)規(guī)模化的艱難和由此導(dǎo)致的「流血」、「巨虧」。

硅谷著名投資公司a16z曾在一篇廣為流傳的文章解釋過，AI公司毛利率低的主要原因之一在于基礎(chǔ)設(shè)施帶來巨大成本，AI公司經(jīng)常在云資源上花費的收入的25％或更多。

比如，訓(xùn)練一個AI模型就可能需要數(shù)十萬美元甚至更多的計算資源。

由于饋送AI模型的數(shù)據(jù)會隨著時間變化（即數(shù)據(jù)漂移），重新訓(xùn)練還會帶來持續(xù)成本。而模型推斷在計算上也更加復(fù)雜，需要更高的存儲資源和處理成本。

數(shù)據(jù)質(zhì)量、數(shù)據(jù)孤島等問題則在醫(yī)療、制造業(yè)的AI落地過程中得到最為充分的驗證和體現(xiàn)。

頂尖AI科學(xué)家Yann LeCun早就說過，「人工智能實施的障礙在醫(yī)療保健領(lǐng)域，不是技術(shù)問題，而是對數(shù)據(jù)的訪問。這對該領(lǐng)域的初創(chuàng)企業(yè)尤其困難，（因為）更大的玩家已經(jīng)可以訪問這些數(shù)據(jù)?！?/p>

至于文化阻力，則是所有領(lǐng)域的企業(yè)都會面臨的問題。

外媒曾將卡特彼勒與Uptake的合作形容為，很難想象卡特彼勒負(fù)責(zé)人Oberhelman先生和他在Peoria總部的員工都穿著牛仔褲和皮夾克，甚至是初創(chuàng)的制服帽衫，這是兩家截然不同的公司。

調(diào)查顯示，近三分之一（北美的40%）公司和38%的制造商正在收購或投資技術(shù)初創(chuàng)企業(yè)。這種合作關(guān)系往往能讓公司繞開根深蒂固的藩籬以實現(xiàn)基于新技術(shù)的新的流程或服務(wù)。

筆者在過去采訪中也和一些第三方供應(yīng)商聊過制造龍頭企業(yè)自己孵化工業(yè)AI項目，一些業(yè)內(nèi)人士表示并不看好，究其根本在于企業(yè)文化基因南轅北轍：

傳統(tǒng)制造業(yè)的基因是追求控制（想想富士康員工的工作節(jié)奏和生活規(guī)律），而互聯(lián)網(wǎng)創(chuàng)新恰恰需要自由和開放。

「在一個行業(yè)待久了，都有思維局限。他們始終會覺得新的東西就是來給傳統(tǒng)那套東西做輔助，不會真正與對方完全融合?！挂晃徊稍L過的傳統(tǒng)制造企業(yè)的資深專家告訴我們。

三

不久，75%的期待與熱望就遭遇了期望過高的尷尬。

2017年，經(jīng)濟(jì)學(xué)人，波士頓咨詢和麻省理工學(xué)院報告《Reshaping Business With Artificial Intelligence》對全球3000名高管的調(diào)查后發(fā)現(xiàn)，人工智能技術(shù)目前在企業(yè)中的應(yīng)用情況和高企的期望值并不匹配。

一方面，四分之三高管相信，人工智能將使他們的公司進(jìn)入新業(yè)務(wù)領(lǐng)域，近85%認(rèn)為人工智能會讓他們的公司獲得或維持競爭優(yōu)勢；

另一方面，七成被訪者表示，自己的AI項目到目前為止還沒有產(chǎn)生多少影響，有超過半數(shù)的企業(yè)都完全沒有用上AI。

到底是誰拖了大家的后腿？這份報告的細(xì)微之處在于根據(jù)受訪企業(yè)對AI的理解和部署所處階段不同，分別討論了四類企業(yè)各自遭遇的障礙。

盡管具體障礙內(nèi)容所有不同，但這些差異與技術(shù)限制關(guān)系不大，更多是一個商業(yè)問題。

「嚴(yán)格來說，我們不投資人工智能。我們不投資自然語言處理。我們不會在圖像分析上投資。我們總是投資在商業(yè)問題上。轉(zhuǎn)向人工智能，因為它解決了業(yè)務(wù)問題?！?用一位受訪客戶的話來說。

「只要能按時準(zhǔn)確地完成工作，是否使用人工智能對企業(yè)而言并不重要。」另一位受訪者表示。

根據(jù)對企業(yè)人工智能理解和部署情況，報告將企業(yè)分成以下四類，分別考察阻礙他們采用人工智能的主要因素：

先鋒（19%）：這些組織理解人工智能，而且已經(jīng)部署。他們在把人工智能整合到自家產(chǎn)品和內(nèi)部流程的過程中處于領(lǐng)先地位；

研究者（32%）：這些組織理解人工智能，但除了試點階段外尚未部署這項技術(shù)。他們希望先觀察再行動；

實驗者（13%）：這些組織正在試點或采納人工智能，但卻并未深入理解。他們邊做邊學(xué)；

消極者（36%）：這些組織沒有采用人工智能，對這項技術(shù)的理解也很少。

行業(yè)巨頭們無疑屬于先鋒者陣營，他們面臨最大障礙主要是人才。

這一點也在中國得到了最為生動的體現(xiàn)。中國擁有勇冠全球的大型企業(yè)，但是，他們不同于西方企業(yè)。

這就造就了一個讓初創(chuàng)企業(yè)很無奈、甚至想不通的現(xiàn)象：即使那些最具轉(zhuǎn)型升級基礎(chǔ)的傳統(tǒng)大廠，也很難買單第三方方案，而是挖人、拿技術(shù)自己做。

那些大型先進(jìn)制造企業(yè)信息化、數(shù)字化技術(shù)和運(yùn)用很成熟、認(rèn)知也與時俱進(jìn)，他們更喜歡投幾十萬和創(chuàng)業(yè)公司做概念驗證（POC），等小的驗證性場景做完，他們就找自己的研發(fā)團(tuán)隊去做了。他們甚至可以借由「工業(yè)互聯(lián)網(wǎng)」、「智能制造」項目，從國家那里拿到更多的補(bǔ)貼、甚至孵化上市項目。

中國工業(yè)互聯(lián)網(wǎng)生態(tài)還有一個非常獨特的成員——手握大量用戶和業(yè)務(wù)數(shù)據(jù)并迫切希望變現(xiàn)的消費互聯(lián)網(wǎng)大廠。如果他們想做工業(yè)數(shù)據(jù)分析，沒有誰能蓋過這些大廠的挖人架勢。

據(jù)說，曾經(jīng)政府部門技術(shù)大比武，某大廠一口氣包攬了前五十，沒給其他企業(yè)任何機(jī)會挖人。

2018年，麥肯錫報告 AI adoption advances， but foundational barriers remain 報告也指出，人工智能的采用雖然也有進(jìn)步，主要障礙仍然存在于規(guī)?；瘜嵺`與經(jīng)驗的匱乏?；咎魬?zhàn)之一在于，尋找有技能的人來有效地實施它。許多受訪者說，正在通過采取多樣化的方式尋找人才來解決這個問題。

先鋒者陣營還面臨一個獨有的挑戰(zhàn)——采納AI后帶來的安全問題，其他陣營現(xiàn)階段幾乎不會考慮，主要包括黑箱和歧視問題。

在中國語境下主要是黑箱問題。比如，為了解決AI成本中心難題，獨角獸和巨頭們致力于打造「AI自動化工廠」，讓AI生產(chǎn)AI，反而在傳統(tǒng)黑箱之外生產(chǎn)更大的黑箱。

以在整體采用方面處于領(lǐng)先地位的電信行業(yè)為例，如果電信業(yè)想大規(guī)模應(yīng)用，必須是可信賴的AI，不僅要能解釋AI決策背后的邏輯，還要確保AI不會有任何不良傾向。

不過，無論企業(yè)處在哪個陣營，都會面臨公司內(nèi)部投資優(yōu)先性（錢不夠分）的挑戰(zhàn)。

這在過去的采訪中也得到了體驗，特別是由于疫情，年前談好的合同和項目落空，不僅僅是相關(guān)的人員無法到位，好包括申請的資金被凍結(jié)。

以前給企業(yè)做個項目，企業(yè)還是愿意投資，當(dāng)做前沿試點。現(xiàn)在經(jīng)濟(jì)形勢不好，沒有多少人愿意投到這些非必要項目。這可能也與企業(yè)財務(wù)制度有一定關(guān)系，軟件不能做成企業(yè)固定資產(chǎn)。

上述2018年麥肯錫報告數(shù)據(jù)顯示，僅有21％受訪者表示，到目前為止，對AI投資僅占公司總體數(shù)字技術(shù)支出的一小部分。大多數(shù)受訪者（58％）說，公司數(shù)字預(yù)算中只有不到十分之一用于AI ，盡管受訪者絕大多數(shù)都認(rèn)為未來幾年AI投資將會增加（71％的人如此）

對于落地比較慢的陣營——實驗者與消極者——來說，困擾他們的主要是沒有清晰的商業(yè)案例，以及缺乏公司內(nèi)部領(lǐng)導(dǎo)層支持。

「你會發(fā)現(xiàn)很多企業(yè)是有戰(zhàn)略，沒戰(zhàn)術(shù)，沒有成計劃，」一位第三方供應(yīng)商告訴我們，「大部分企業(yè)就卡在這了」。

一些業(yè)內(nèi)人士指出，這可能源于用戶「不見兔子不撒鷹」投資方式。他們往往需要先驗性的收益分析，收益不明確、案例不清晰、對AI期望過高。

四

在近兩年出爐的相關(guān)報告中，我們發(fā)現(xiàn)，更多的企業(yè)在AI部署上冷靜下來。

2019年，波士頓咨詢集團(tuán)和麻省理工學(xué)院對近2500位老板的調(diào)查發(fā)現(xiàn)，迄今為止，在接受調(diào)查的10家公司中，有7家報告稱人工智能影響很小或沒有；

在90％的對AI進(jìn)行了投資的公司中，只有不到五分之二的公司表示在過去三年中從AI獲得了業(yè)務(wù)收益；

當(dāng)報告將對人工智能進(jìn)行重大投資的公司包括在內(nèi)時，該數(shù)字將提高到五分之三。即使這樣，這也意味著40％的組織在AI上進(jìn)行了重大投資，但并未報告AI帶來的業(yè)務(wù)收益。

也許正因如此，更多的老板們在部署AI這件事上開始冷靜下來。2020年，在對美國1062名企業(yè)和公共部門高管進(jìn)行調(diào)查后，普華永道《2020年AI發(fā)展趨勢》發(fā)現(xiàn)，2019年還有近20%的高管計劃將AI部署到業(yè)務(wù)流程中，2020年只剩4%。稱自己已經(jīng)在「多個領(lǐng)域」實施AI的人數(shù)從27%降至18%。

普華永道的尤安·卡梅倫（Euan Cameron）表示，匆忙上馬的試驗可能已被放棄或重新考慮，并且過去幾年董事會中充斥的「非理性繁榮」正在逐漸消失。

而在《The state of AI in 2020》報告中，麥肯錫也首次就深度學(xué)習(xí)采用進(jìn)行了提問。只有16%的受訪者表示，他們的公司已經(jīng)在試點階段之外進(jìn)行了深度學(xué)習(xí)。高科技和電信公司再次成為領(lǐng)頭羊，這些行業(yè)30%的受訪者表示，他們的公司具有嵌入式的深度學(xué)習(xí)能力。

普華永道的報告認(rèn)為，最大挑戰(zhàn)在于衡量其投資回報率、批準(zhǔn)預(yù)算并培訓(xùn)現(xiàn)有員工使用人工智能等。這些挑戰(zhàn)也揭示了為什么有些組織在2020年全面縮減對AI的應(yīng)用。

在問到應(yīng)用AI，會考慮哪些因素時，39%的受訪者表示，非?？粗谹I的投資回報率；36%表示，會考慮預(yù)算批復(fù)；36%表示，會考慮員工是否會使用AI技術(shù)。

對于投資回報率，中國企業(yè)有著最為深刻的體會。這也是他們經(jīng)常談到的如何跑出閉環(huán)。

單純的算法模型很難讓客戶買單，也談不上賦能，后者往往是打通閉環(huán)的能力。比如，系統(tǒng)預(yù)測某臺機(jī)器存在故障，但接下來要不要修、誰去修、怎么修已經(jīng)脫離第三方供應(yīng)商的控制范圍，而這一塊兒又往往直接影響著落地效果。如果最后維修由維修隊說了算，對于工業(yè)軟件供應(yīng)商來說，價值鏈條就斷掉了，很難去量化ROI。因此，如果能打通IT和OT，就可能以帶來ROI的商業(yè)閉環(huán)換取合同。

報告認(rèn)為，當(dāng)AI與其他技術(shù)隔離開來或在單獨的業(yè)務(wù)中孤立使用，AI并不會發(fā)揮最佳性能。45%的受訪者表示，將把AI與全組織的業(yè)務(wù)數(shù)據(jù)進(jìn)行集成；45%的受訪者表示，將AI集成在智能分析系統(tǒng)中；43%表示，將與物聯(lián)網(wǎng)等其他功能軟件進(jìn)行集成。

通過將AI封裝在RPA、物聯(lián)網(wǎng)等技術(shù)上，將極大地減少用戶在部署時所遇到的難題以及提高整體使用效率，并提高其ROI回報率。

機(jī)器之能面向正在進(jìn)行數(shù)字化轉(zhuǎn)型及智能化升級的各領(lǐng)域產(chǎn)業(yè)方，為他們提供高質(zhì)量信息、研究洞見、數(shù)據(jù)庫、技術(shù)供應(yīng)商調(diào)研及對接等服務(wù)，幫助他們更好的理解并應(yīng)用技術(shù)。產(chǎn)業(yè)方對以上服務(wù)有任何需求，都可聯(lián)系我們。
責(zé)任編輯:tzh