智东西（公众号：zhidxcom）
文 | 轩窗

智东西消息，由国家发展改革委经济体制与管理研究所史炜工作室以及人民邮电报共同主办的“人工智能的产业化应用和解决方案”研讨会于3月30日在北京召开，智东西作为少数受邀媒体参与了本次研讨会。

目前，人工智能技术的研究日渐深入，其在产业上的应用也逐渐广泛起来。但面对着掀起全球热潮的人工智能技术，究竟该如何与实体产业相结合，在结合的过程中又将面临着哪些问题，政府、社会、企业等又该发挥怎样的作用呢？在本次研讨会上，来自BATJ等互联网企业的技术专家们结合自家在人工智能技术落地上的实践经验进行了深入的探讨和交流。以下是智东西为您整理的本次研讨会的核心看点。

一、数据保护、共享需要标准

作为人工智能的三架马车，数据成为促进深度学习算法优化的必要因素。中国经历了十多年的互联网普及，在数据上有了一定的积累，然而如何将这些数据应用到人工智能的产业应用上，却遇到了一些问题。

中国电信云计算分公司总经理王兴刚说：“人工智能需要以多元数据融合为基础，而目前数据方面的问题是，数据握在不同的人手中，大家在数据共享方面还存在一定的顾虑和障碍。”

说到数据共享，国务院发展研究中心创新发展研究部研究室主任戴建军表示，大数据时代的隐私保护是全球难题，已到了非常尖锐的地步，但不应因噎废食，数据的开发共享应以安全为前提。

中国联通客户服务部总经理李红五认为，国家应该加强数据安全、隐私保护和开放共享方面的政策规定。对于核心的机密数据，可以进行多密对外开放；对非核心的业务数据，可以直接对外进行开放。

二、传统行业对人工智能的认知亟待提高

目前，虽然整个人工智能行业都在寻求技术落地方向，但就目前落地实际情况来说，主要在安防、消费电子已经自动驾驶三大方向，而在实体产业的智能化上进展缓慢。

对此，工业和信息化部科技司高技术处调研员李伟在研讨会上表示，受制于基础支撑、技术成熟度、安全、生态、法规伦理等方面原因，人工智能在工业、医疗等领域的应用还需相当长时间去发展。但从目前来看，人工智能技术是能够解决制造业中的某些特定任务，帮助传统行业提高生产率。

阿里巴巴阿里云城市大脑资深产品专家李京梅表示，在人工智能与实体产业结合方面数据非常重要，比如阿里云在2017年刚推出的工业大脑，由于没有工业生产经验，前期并不具备数据基础，初期得不到传统行业的认可。而后阿里云与一家数据密集型企业合作，将车间一线工人的经验进行科学整理，变成数字模型，通过科学家把制造流程全链路数字化，最终提升了产品良品率。但对于非数据密集型产业来说，每个步骤的参数这些数据是分散在工人、老师、专家等人的脑子里，收集起来会有一定困难。

国家发改委经济体制与管理研究所研究员史炜对此表示，目前传统制造业对人工智能的概念非常模糊，在他调研的200多家中小企业中，许多企业并不知从何处切入人工智能，传统制造业对人工智能的认知亟待提高。

“史炜工作室”创办人史炜教授，针对当前人工智能“热”，和有效实现人工智能产业落地，应对一下问题有一个客观、科学、清醒的认识与理解，他指出：当前，要客观地把握区块链技术在智能制造和新型服务业中的应用方式和路径；要准确把握人工智能在智能制造中的产业落脚点、技术方案和应用模式；要超前研判和解决人工智能产业落地的政策瓶颈和体制障碍；要通过调查研究，准确定位当前智能制造中最适宜优先发展的产业是哪些，抓龙头；要进一步探索人工智能发展中如何有效推进产学研一体发展模式；要在智能制造中，实践大数据的应用及解决方案；要超前掌握5G对人工智能产业化的助推作用，特别是“两化融合”的落地方案，电信运营商如何有效推进大数据在智能制造中的产业化应用。

三、中国应加强底层技术研发

尽管中国目前已经跻身国际人工智能产业前部，而这得益于十几年来互联网的普及和应用，究其根本背后是互联网大数据的支撑。但人工智能技术刚出在起步阶段，在研究上还有很多路要走。

在研讨会现场，一部分业内人士表达了对中国在核心技术缺乏上的担忧。百度发展研究中心高级研究院温昕煜说到：“国外科技巨头在发展人工智能之初就意识到平台的重要性，纷纷推出深度学习开源平台，如谷歌的TensorFlow、Facebook的PyTorch、Caffe2等。”这些基础技术的研究才是人工智能发展的核心，百度也在进行底层技术的建设并发布了深度学习开源平台PaddlePaddle，他同时建议国内机构应构建自主可控的深度学习平台开源生态。