AI入实，一触即发

　　作者：文雨，编辑：小市妹
　　在《世界经济千年史》一书中，安格斯麦迪森曾对人类两千年的经济增长数据做出统计：
　　从公元元年到1820年，全球经济年均增速仅为0。1，而在1820年至2000年，全球经济年均增速达到2。2。
　　图源：VisualCapitalist
　　人类在近200年取得了远超之前2000年的经济成果，最根本的驱动力就是工业革命。如果说18世纪是蒸汽时代，19世纪是电气时代，20世纪是信息时代，那么21世纪注定属于人工智能。
　　自1956年达特茅斯会议之后，完成AI对现实世界的广泛赋能就成了整个行业的共识与理想。而今，梦想正在被实现。
　　【破万重山】
　　人工智能之所以离全面爆发越来越近，首先是得益于算力、算法、数据等核心三要素在过去几年均取得了跨越式进步。
　　以算力为例，根据中国信通院发布的《中国算力发展指数白皮书（2022年）》，全球算力总规模从2016年的不到150EFlops增长到2021年的615EFlops，期间增长了三倍还多，其中智能算力增长最为显著。
　　图源：中国信通院
　　再比如数据，IDC报告显示，全球数据量从2010年的2ZB增长到2021年的将近60ZB，十年时间翻了30倍，并预计2025年将继续增长至175ZB。巨量的数据给人工智能提供了充足的养料。
　　与此同时，以CNN与DNN为主的神经网络算法在过去几年高速迭代，极大缩短了算法训练的时间与成本。
　　根据斯坦福DAWNBench团队的测算，2017年训练一个现代的图像识别系统需要1100美元，但到2020年就仅需7。5美元，直降99以上。
　　成本下降，性能提升，这些都为AI的大面积爆发提供了理论基础，但真正让人看到现实可能性的是预训练大模型的普及。
　　传统的小模型一般只用于特定领域有标注的数据训练，通用性较差，一旦切换到另外一个应用场景中就会水土不服，一把钥匙开一把锁，大大降低了AI扩散的效率。而AI预训练大模型采用“预训练大模型下游任务微调”结合的模式，有类似“万能钥匙”的效果。
　　以科大讯飞为例，在无监督学习的预训练算法框架下，科大讯飞开放了轻量化的中文语音、中英文多模态预训练模型，支持语音识别、声纹识别、情感识别、多模态语音识别等多个任务。该预训练模型不仅创造了业界最优效果，同时还使训练机时下降了八成。
　　这样一来，AI便可实现应用场景广度与深度在短时间内的扩容，其与实体产业的结合向前迈出了一大步。
　　【助百业兴】
　　从宏观角度出发，AI的赋能对于当下的实体经济可以说是雪中送炭。先看一个公式。
　　GDP全员劳动生产率劳动人数
　　很显然，在全球走向老龄化的背景下，劳动人口堆积对于GDP的贡献度将不断削弱，维持经济的持续增长，劳动生产率必须顶上，但现实却并不乐观。
　　2000年2010年，中国劳动生产率年平均增速高达9。7，而2010年2021年，这一数据直接降到了6。7。
　　美国的情况更加堪忧。
　　今年一季度，美国非农劳动生产率下降7。5，创下1947年第三季度以来的最大降幅，二季度继续下滑4。6。
　　所谓劳动生产率，简单说就是一定时间内劳动产出与消耗的比值。因此，提高劳动生产率究其本质其实就是老生常谈的降本增效。而这，恰恰是AI的价值所在。
　　2021年，科大讯飞与安徽省经信厅联合打造“羚羊工业互联网平台”，围绕“人工智能大数据羚羊职业技术经理人”三方协同机制，全面对接企业“研产供销服管”各类需求。
　　图源：科大讯飞
　　其结果是，羚羊工业互联网平台通过帮助企业更好的掌握机器设备运行和生产调度情况，已经让一些中小企业的设备运行效率提升了20以上，小工单的满足率提升了40以上。
　　不只是赋能工业，AI在医疗、教育、安防、政务等社会服务领域也有着显著的提效作用。
　　就拿和每个人生活息息相关的医疗来说，AI完全就是一个多功能助手，疾病筛选、辅助诊疗、影像识别等无所不能。
　　以抑郁症筛查为例，根据《柳叶刀》的统计，基层全科医生的准确率只有47。3，而科大讯飞智能抑郁定量准确率可以达到80。7，此外还能够根据患者情况进行分类关注或引导。而这项技术成果在北京安定医院的实测准确率已经达到了91。2。
　　在辅助诊疗方面，科大讯飞的智医助理已累计在全国完成辅助诊疗5。1亿人次，其中对基层开出来的用药处方提示了超过3800万人次，发现有52属于无适应症用药（对病不仅没有帮助反而可能带来损伤）。AI的介入，实打实的降低了用药错误。
　　总之，无论是从经济发展角度出发，还是从社会服务角度出发，人工智能都是未来世界运行不可或缺、甚至是最核心的引擎，其与各个行业的结合已经时不我待。目前，中国在这一轮AI引领的数字化革命浪潮中的表现，可谓喜忧参半。
　　“喜”的是，中国在规模上已位居前列。
　　2021年，全球47个主要经济体的数字经济增加值规模达到38。1万亿美元。其中中国数字经济规模达到7。1万亿美元，排名仅次于美国。
　　“忧”的是，还有相当一部分，特别是中小企业，未能将数字化转型落到实处。
　　根据《中小企业数字化转型分析报告（2021）》，2021年，国内仅有约12的中小企业处于数字化应用实践阶段，79尚处于探索阶段。
　　必须明确的一点是，人工智能的广泛普及与渗透，需要调动整个社会的力量，既需要AI专业企业自上而下的推动，又需要各个领域玩家的广泛参与。
　　【聚天下力】
　　AI走向生态共创，有其内生必然性。
　　图源：科大讯飞
　　首先是技术发展和演进的客观需要。
　　在今年的科大讯飞全球1024开发者节上，著名应用数学家鄂维南院士就旗帜鲜明的指出：如今AI的数据孤岛问题已经基本被解决，转而出现的是模型孤岛，打通这一壁垒，需要各个领域相关方的共同参与。
　　其次，商业化要求也注定了这不是一个单打独斗的局。
　　经历之前多年的技术攻关和积累，AI已进入商业化大考的关键期，能否将技术成果快速转化为商业成果决定着AI企业的命运。
　　中国信通院在之前的一份报告中就曾给出预测，到2025年，建立人工智能工程化实践的企业，其智能化产出的价值，将至少比未建立该实践的企业高出3倍。
　　问题在于，单纯的AI技术公司缺乏对业务场景的理解和高质量业务数据所有权，而且也无法单方面建立标准化、规范化的工具产品体系、组织管理体系和安全体系。因此，要推进工程化实践，必须与数字化程度高、数据资源丰富的合作伙伴建立广泛交互。
　　在AI领域摸爬滚打了几十年，科大讯飞早就看清了这一点。所以早在2010年，公司就发布了国内首个人工智能开放平台，旨在为创业开发者和海量用户提供人工智能开发与服务能力。
　　去年“开放平台2。0战略”发布后，整个平台从原来“讯飞开发者”的二维结构升级为“讯飞行业龙头开发者”的三维结构。引入行业参与者后，平台活跃度被彻底激活。
　　目前，讯飞开放平台已经对外开放513项AI能力及方案，讯飞开发者团队数量已经达到了370万，过去一年内增长了32，AI调用量增长了36。行业解决方案也已经落地14个，有超过1600家第三方合作伙伴加入共创。
　　讯飞AI开发者大赛的参赛团队数量更是直接从去年的2。2万支增加到今年的3。2万支，大增44。
　　具体实践方面，科大讯飞已与多个领域的头部企业建立广泛的联系合作。
　　以实体机器人为例，联合宇树科技推出了支持户外巡检、化工巡检等多元场景巡检的四足机器人；联合珞石机器人推出了柔性机械臂实现与人更安全的配合，可用于工业巡检、商业服务等场景。
　　一定程度上，AI与实体的结合具有显著的“飞轮效应”，AI赋能实体，实体反补AI数据与算法，一旦形成良性互动，便能以加速度的形式迭代。
　　而像科大讯飞这样的AI巨擘，有望以点带面，引领中国人工智能产业建制化突围，在新一轮工业革命中占得先机。
　　免责声明
　　本文涉及有关上市公司的内容，为作者依据上市公司根据其法定义务公开披露的信息（包括但不限于临时公告、定期报告和官方互动平台等）作出的个人分析与判断；文中的信息或意见不构成任何投资或其他商业建议，市值观察不对因采纳本文而产生的任何行动承担任何责任。
　　END