传统工业融入人工智能需要面对的三大跳转。

人工智能技术智能技术，首先数据应该达到一定的量。此外，计算能力还应支持大规模模型训练，然后算法需要达到一定的精度，端侧计算能力也应该具备一定的推理能力。目前只有消费互联网公司大规模应用AI算法技术的原因是消费互联网公司在这三个方面都有更多的优势。

无论是短视频时的个性化推荐，外卖配送时的耗时估计，还是移动支付时的人脸识别，以算法为代表的人工智能技术在消费互联网行业都得到了方便的应用。然而，说到传统产业，人们很难很快想到人工智能应用非常成熟的典型案例。为什么人工智能技术在传统行业的应用速度和范围远低于消费互联网等行业？

AI在消费互联网行业的应用更有优势。

人工智能技术的应用主要取决于数据、计算能力和算法。首先，数据应该达到一定的数量，这是应用程序的基础。此外，计算能力还应能够支持大规模模型训练，然后算法需要达到一定的精度，端侧计算能力也应具有一定的推理能力。

目前只有消费互联网公司大规模应用AI技术的原因是消费互联网公司在这三个方面都有更多的优势。

前几年短视频没有现在流行，比如发展初期的淘宝，用户粘性不是很强。随着推送越来越准确，用户体验大大提升，最终呈现井喷式用户增长。

精确推送主要取决于算法精度的提高，算法精度的提高离不开大量的数据。在这个单一的场景中，算法模型需要不断进化和终身学习。由于不是封闭的数据环境，总有新的数据添加，算法模型需要通过学习不断调整和迭代升级，使其精度越来越高，形成良性循环。

与此同时，虽然消费互联网行业的算法精度已经上升到一定的高度，但与一些传统行业的应用场景相比，消费互联网行业接受人工智能算法精度的阈值相对较低。比如短视频，淘宝偏好推荐，百度热搜关键词，只需要达到用户粘性的目的，只要有一定的准确性，用户就可以接受。相比之下，在许多传统行业，对技术精度的要求要高得多。例如，基于视觉的人工智能技术在人脸识别的应用，在高铁站和机场验证身份，1:1的比对准确率高达99.99%甚至更高。

在计算能力方面，云计算能力可以支持短视频、淘宝推荐等大规模模型训练和推理。但在大量的传统工业应用场景中，智能终端上的端侧计算能力不能满足推理的实时性和准确性要求。

与社交网络和电子商务系统相比，传统工业应用场景的封闭生态系统无法有效应用云计算能力。例如，以智能无人系统检查为例，电力检查、管道检查、交通检查、河流检查和光伏检查要求无人机和机器人计算能力满足实时检查要求，由于视频分析模型复杂性高，端侧往往无法实现准确高效的实时推理，轻量级网络同时满足实时性，失去识别精度。由于算法精度不能满足使用要求，人工智能技术在许多场景中的应用无法实现。

人工智能在传统工业中的应用面临三大挑战。

在人工智能应用方面，消费互联网行业以外的其他行业面临着三个挑战：数据集非常小；定制成本很高；从验证理念到部署生产的过程很长。

数据是传统制造企业从制造业向智能制造业转型的突出问题。首先数据获取有一定难度。传统制造企业的数据是封闭的，因为许多传统企业不是新的信息设备，没有传感器收集实时数据，也没有数据中心，所以数据分散，严重缺失，很难获得大量、高质量的消费互联网企业数据。

其次，行业内许多工厂的数据具有商业价值，因此工厂严格保密，导致数据流通，无法共享，形成数据岛效应，影响人工智能算法模型的优化。

当我们开发一个人工智能算法模型时，由于数据的保密性，我们经常脱敏的数据，这也严重影响了我们的判断。在传统行业的企业中，缺乏具有人工智能算法模型开发能力的技术人员，因此双方在合作研发过程中也存在很高的障碍。

此外，传统行业的数据来源并不像消费互联网领域那样来自单一的场景。复杂的业务场景往往导致数据脏，必须清理，去除大量无效信息，人工智能算法模型可以高效学习，提高精度。这就像我们教孩子知识一样。只有讲知识点，孩子才能快速学习。如果知识点中夹杂着大量无用的信息，孩子就分不清了，学习效率肯定会降低。在数据上标注知识点的工作是巨大而繁琐的，企业需要有专人来做，需要花费大量的时间和精力。

传统制造业要想获得高质量的数据，就必须对生产设备进行信息化、智能化的改造。这种转型需要企业投入大量的时间和精力，增加生产成本，这也成为人工智能在传统制造业中应用的障碍。

高质量的数据是应用的前提。

在过去的10年里，大多数人工智能的研发和应用都是由以软件为中心驱动的。在大量数据的支持下，不断优化软件和算法，以获得更高的算法精度。在传统行业无法提高数据质量和数量的情况下传统行业应采用以数据为中心的模式，重点获取质量更好、匹配度更高的数据。

在这种思维下，传统行业也出现了一些好的应用案例。例如，医学领域的图像识别人工智能系统可以帮助医生‘看’CT图像电影，识别肿瘤和其他病变，并帮助医生做出判断。由于很多数据都是专业放射科医生在影像片上标注的，所以数据比较准确，AI算法模型在学习过程中进步很快。目前，许多图像识别系统的准确率可以达到90%以上。由于他们是辅助医生，他们最终需要医生做出医疗决策，但这一水平的准确性大大降低了医生的工作强度。

虽然传统行业有一些应用人工智能技术的成功案例，但要想更好地与人工智能相结合，就必须努力提高数据质量。朱鹏飞建议，首先，对于积累了大量数据的传统行业，在保证数据安全的前提下，积极开放数据。挖掘数据中包含的价值与需求有关，会有很大的发展空间。其次，对于新兴产业，如新能源汽车，在构建智能工厂规划时，应考虑获取数据和智能因素。

然而，在传统行业充分利用人工智能技术的同时，不要滥用人工智能技术，在应用前进行评估。如果不能提高生产效率，提高整个行业，那么盲目使用人工智能技术就是浪费资源。例如，一些应用程序场景需要人工智能算法达到99%以上的精度才能使用。通过评估，现有模型算法只能达到90%的精度，因此没有必要强行启动人工智能技术。

总之，人工智能技术的应用应该是数据第一，高质量的数据应用，没有好的数据很难有好的应用。

成都融和实业排队叫号系统厂家(www.iritqq.com)是一家集研发、生产、营销、服务于一体的高新技术企业.主营智能排队叫号系统、医院分诊系统、排队机、叫号机、评价器(好差评系统)、呼叫器、多媒体查询及信息发布配套系统等,公司产品已广泛应用于不动产登记、智慧医疗、智慧税务、智慧政务、智慧金融、智慧通讯、智慧服务大厅、智慧机关单位等服务窗口行业.咨询电话：028-87438905。

标签：人工智能,工业人工智能,智能工业,AI人工智能