作者：陈安
全球产业界对人工智能的高强度持续投入，目前在基础研究、产业应用方面已经取得了不少的成果。谷歌的AlphaGo将人工智能的“竞技”优势扩展到围棋领域，IBM的Watson在医疗领域开始显示价值。在更广泛的应用领域，人工智能与人们生活的接触点亦日益增多，当我们与银行的客服交谈，最先面对的很可能是基于语音人工智能的机器客服；当我们在某些城市道路上穿行，有可能与正在测试无人驾驶技术的智能汽车相向而行。
当人工智能从技术逐步成为未来社会类似基础设施的存在，碰撞与争议也如影随形。当我们接受的新闻来源于人工智能的推送，如何确保事实原则、价值原则和方法原则；当我们基于人工智能的精准画像被各种商品推荐包围的时候，如何评估算法对文化塑造的影响；当我们在日常生活中授权我们的信息，如何确保这些信息被以适当的方式使用？
此外，当人工智能的创新奔涌而出，在政策和资本的推手放大之下，泡沫和异化也引起了产业的担忧。人工智能发展的重要一环是数据，数据的开放性和安全性如同硬币的两面，泥沙俱下之下，是否会触发行业发展的危机？
产业临界点
人工智能在提升效率、代替标准工作岗位上的能力，在当前的经济环境下备受关注。来自实体产业的需求，将为人工智能积蓄能量、优化效能提供深厚的土壤和根基。
京东集团副总裁、企业业务负责人宋春正认为，目前商品极大丰富、市场竞争越来越充分的形势下，制造业的利润率将长期面临向下的压力。制造企业将不得不从提升效率和降低成本方面入手应对挑战。京东企业级业务进行的“智慧”升级通过AI、云部署和物联网、互联网技术方案，使企业在“买”和“卖”的环节可以产生10%-15%的成本节约。
具体而言，通过企业采购流程的标准化改造和大数据、AI算法，企业采购系统环节中人为决策的环节大量减少，供应链的节点设置和时间更为优化，在采购品价格并不降低的情况下，人力和物力的节约和运转效率的提升将把企业运营“成本”的部分转移到“利润”的部分。
而在解决方案的部署方面，智能采购系统更为灵活。以免费的标准化部署和深度定制并行的方式，企业将有可能免费或者低成本的实现采购系统的智能化。
在金融领域，人工智能的应用更是燎原之势。在客户界面、管理界面和风控界面，人工智能的身影遍布在业务场景之中。
以平安银行信用卡业务为例，依托平安科技在语音识别、语义理解、语音合成等领域多年的沉淀和训练，语音机器人在账务处理、用卡服务、信用卡申请等众多业务场景中可以准确理解客户说话意图、快速回答。以往拨打客服热线，都要听完一段很长的自动语音提醒，之后才能选择不同的数字菜单，找到自己真正需要的服务节点，这一过程往往经历数分钟的等待时间。现在，用户能够直接发出语音指令，快速找到服务节点，服务效率和体验提升巨大。截止目前，平安信用卡智能语音导航日均进线量15万次，语音导航识别率达90%。
在风控界面，平安信用卡智能反欺诈系统能够实时计算大量的评分模型和欺诈规则，实现对风险交易的实时打分，进而精准拦截盗刷交易，通过50毫秒以内的决策控制提升交易安全。
在交通出行领域，无人驾驶技术开始在生活中高频出现，人工智能的“驾驶者”开始进入现实的交通场景，与有人驾驶的车辆共舞，积累数据、进化算法。目前上海、重庆、北京、河北、浙江、吉林长春、湖北武汉、江苏无锡等地已先后建设智能网联汽车测试示范区，积极推动半封闭、开放道路的测试验证。
驭势科技CEO、前英特尔中国研究院院长吴甘沙认为，“在有边界的场景和中低速的车速限制下开始商业化”将是打通人工智能在交通领域落地的现实路径。需要通过商业化落地演进算法和升级系统。在机场摆渡、快递运输、园区交通方面，使无人驾驶落地的首选场景。在杭州的来福士，已经有不少顾客体验了驭势科技的摆渡无人车，通过它找到停放的车辆。
除此之外，在健康领域、在产业互联网领域、在能源领域等广泛的方向，人工智能的身影已经频频出现。在消费领域，配置的AI芯片的手机，既让消费者开始近距离体验人工智能的价值，亦为人工智能开启了庞大的资源库。以手机终端以亿为单位的市场能量为带动，AI芯片和AI应用很可能促使个人应用端的人工智能提速发展。
未来路线图
如同历次工业革命和技术变革所显示的，新技术的发展命运根植于现实的驱动。当数字化趋势席卷之下，无论是主动还是被动，现实中的企业都不得不面临在数字世界面对挑战、把握机遇，从而在越来越融合的“数字-实体”混合体中面临生死考验。而人工智能的发展扎根于实体产业的需求，跟随产业的临界点一路前行，亦是人工智能本身发展的捷径。
与此同时，人工智能技术所具有的特殊性也将迫使行业在发展中寻找与工业时代不同的、更加适合的路径。
与能源电力为代表的工业革命进程相比，人工智能时代的发展具有更强的知识经济属性，对顶级人才以及知识分享系统有着更高的要求。在工业时代的常见场景，一条生产线上的产业工人往往通过3-6个月的培训即可上岗。招聘的范围亦涵盖高中到大学的各种知识背景。这种“劳动力优势”即“人力资源优势”的模式，在人工智能的领域几乎失效。
根据腾讯研究院发布的《2017年全球人工智能人才白皮书》数据，目前顶级的、能够引领AI发展的人才，全球范围不足千人，存在巨大的供需缺口。同时，人工智能领域人才分布极不平衡，全球AI领域人才约30万，而市场需求在百万量级。每年毕业AI领域的学生约2万人，远远不能满足行业发展的需要。在这样的基础上，人工智能业务的发展依赖于企业创新的人才模式和管理模式。
目前人工智能领域已经纳入了华为的业务主航道，作为在科技领域具备世界级能力的公司，华为在人才方面的思考极具价值。
华为总裁任正非在内部会上提出，人工智能研究相当于攀登珠穆朗玛峰，科学家瞄准未来从事基础研究，不要求解决实际问题，按他自己的研究方向往前走，但是沿途要“生蛋”，传播思想与理论，为别的领域创造突破。对于AI人才培养，华为未来的方向将是，“工程师要从执行为主向系统思维和全流程高度协同的实干创新型人才转型，引进/培养一批领军人才与工匠科学家”，“技工队伍向技师转身，通过专家/工程师的传帮带的作用，强化技术知识、技术、工具应用、方法、IT和技能培训，提升技师队伍的职业素养”。
为了应对数字化时代的人才和管理挑战，驱动业务发展，华为发布了《人力资源管理纲要2.0总纲》，一场深刻的管理变革已经拉开序幕。实际上，随着人工智能在目前产业版图中的比重越来越大，人工智能对人才、管理乃至业务模式的影响将渐次展开，由量变聚合为质变，将对传统的管理理论乃至增长理论提出挑战。
除了在管理方面的冲击，人工智能在技术标注方面亦极大可能颠覆工业时代的规则。随着数字经济的深入发展，其开放性和统一性的特点日趋明显。在工业时代，不同的产线在流程、工艺、技术要求方面大不相同。洗衣机、电视机和空调都在不同的生产平台上运转。即使在高度标准化的汽车领域，柔性生产的系统亦存在通用性方面的局限。然而在数字经济领域，在PC操作系统方面，微软的Windows系统占据了绝大部分的市场份额；在移动终端领域，苹果的IOS系统和安卓体系是唯二的选择；在通讯领域，3G、4G、5G的演进过程显示，全球的通讯标准将遵循唯一的、统一的标准。
在人工智能领域，行业标准的影响将远远超过蒸汽时代和电力时代。目前，国家标准化管理委员会正式成立国家人工智能标准化总体组、专家咨询组，将在人工智能标准化中承担统筹协调、规划布局的角色，负责开展人工智能国际国内标准化工作，包括拟定我国人工智能标准化规划、体系和政策、协调相关国家标准技术内容和技术归口、建立AI基础功行标准与行业应用标准的传导机制等等。
从提出构想，到在专业领域开始成为现实，从“人工智能”的术语第一次出现至今已经将近70年的时间。其间，计算机技术、通讯技术、互联网的普及程度都有了突飞猛进的发展，在算力、数据、算法等基础层面助力巨大。随着人工智能技术在产业应用中逐步释放效能，最终将从专用领域走向通用领域，人工智能将如电力和网络一样，从理想真正步入现实，而人工智能对世界的重塑亦将开启一个新的变革纪元。
