百度成立AI产业研究中心,与IDC联合发布《百度大脑领导力白皮书》

12 月 20 日,国际数据公司(IDC)与百度 AI 产业研究中心(BACC)联合发布了《百度大脑领导力白皮书》,该白皮书预测了 2019 年中国人工智能市场发展趋势,通过实际案例解析人工智能如何从技术到落地,并提出「100 天 AI 部署计划」,为企业部署 AI 提供战略性指导。在「寒冬」之际,这份白皮书或将为人工智能与产业深度结合指明方向。

展望 2019:新技术渗透率提高,市场走向整合

IDC 预计,2022 年,中国人工智能市场规模将达到 98.4 亿美元。白皮书从技术走向、落地实施、应用价值、市场生态四个维度预测了 2019 年人工智能十大趋势,比如机器学习/深度学习开始走进传统企业;融合视觉、语音、语义等多模态计算开始落地;低代码量开发平台降低 AI 技术使用门槛;生态资源整合能力成为制胜关键等。同时,市场生态也将更加高度整合。

 

人工智能应用渗入到企业的各项应用程序和业务场景的同时,势必将为组织的人力结构、业务流程甚至所在的产业结构带来变革。白皮书指出,智能化升级是大势所趋,如何建立充分的认知和预期,如何利用 AI 为企业带来经济效能,如何做好战略部署和行动计划,企业在未来一年均需优先纳入战略议程。

拥抱 AI:早评估早受益

那么,技术如何才能与实际应用相结合?IDC 追踪了近 70 个应用场景后发现,随着市场上开放的技术能力越来越丰富,应用场景趋向广泛化,而要将人工智能技术落地到企业进行应用并且发挥效能,需要着力三点:一是易上手、操作简单的技术堆栈,二是基于垂深场景对模型调优,三是从数据中心到端侧的软硬件适配。

为了让企业更好地评估人工智能效能,白皮书提出了 AI 应用效能评估初步框架,将 AI 会影响到的部门分成产品服务、生产模式、运营模式、决策模式四类,并从各个维度进行评估。比如在制造业,人工智能将优先为产品服务、生产模式以及运营模式带来高效能;在金融业,人工智能应用效能最优体现在产品服务以及运营智能环节,其次是生产智能以及决策智能。人工智能可以为企业不同部门带来不同效能,但几乎所有的人工智能用例带来的效能都体现在时间、人力等生产资源的节省、成本降低以及生产力提升、收入增长等方面。

同时,基于效能评估研究发现,在人工智能落地的场景中,高频重复性工作应用效能最为显著。但不同行业采用 AI 的速度和效能仍不均衡,如金融业、制造业效能认知相对领先,成效也较显著,而医疗行业等商业化应用相对较少,对效能的评估往往在于后期的商业推广是否带来增值收益。虽然应用场景各异,但白皮书指出,早评估早受益,企业对 AI 系统的投资成本,基本都能在正式上线后 6-24 个月内收回并获得投资回报。

AI 未来:分工明确的生态效应显著 百度大脑赋能各行各业

行业智能化是大势所趋,但人工智能智能技术应用复杂,大部分企业很难在短时间内从零开始实现智能化升级。白皮书提出,人工智能生态正在经历从「高度集中」到「各自为政」再到「各司其职」的变化,高度整合、分工明确的人工智能生态即将到来。在此趋势下,为充分发挥应用效能,行业参与者不应止步于单纯的采用这些技术,而应积极构建和启用有助于促进各方合作的平台与服务,从而提升整个生态系统的效率。

百度大脑正积极搭建一个平等合作的平台,致力于降低 AI 开发门槛,提供简单易用的技术能力,全面赋能各行各业。白皮书指出,百度大脑 3.0 技术能力已进入「多模态深度语义理解」阶段,已经开放能力超 140 项, 每日调用次数超过 4000 亿次。除了开放 AI 技术能力之外,在生态方面,百度大脑推出了燎原计划,对合作伙伴提供商业落地所需的市场与运营资源,全力支持生态共赢。在智能硬件和设备领域,百度大脑与芯片、嵌入式开发板、传感器模组,以及闸机、门禁、机器人等厂商广泛建立合作,帮助客户获得软硬件适配更加整合的方案。百度大脑还创新性地推出了 AI 市场,为合作伙伴提供品牌营销、产品评测、产品推荐等全套服务,旨在为合作伙伴带来更多优质的订单。同时,百度大脑的行业创新合伙人计划在每个细分领域最多选择 3 家企业,与百度大脑联合设计、开发,共同打造行业解决方案,推动产品落地。

在技术落地于实际中,百度大脑拥有丰富的经验与成绩。百度大脑提供地产物业、信息服务、零售行业、制造业、政务服务、教育、金融等诸多行业的解决方案,比如百度大脑为零售业赋能,可实现单店铺生鲜商品报损降低 30%;为汽车业赋能,实现充电桩故障预测准确率达到 90%;为地产业赋能,将楼宇智能系统耗电量节省了 20%。

白皮书强调,随着人工智能在各行业渗透率的不断提高,具备条件的企业都需要尽快制定人工智能部署计划。IDC 建议企业规划 100 天 AI 部署计划,循序渐进完成制定计划、选择场景、成立小组、测试、实施、复制,以此循环不断调整以适应更广泛的业务需求。

目前中国正面临着人工智能技术产业化以及传统产业智能化的最佳机遇,能否抓住新机遇帮助企业建立核心竞争优势取决于企业如何行动。对于企业来说,抓住最佳机遇,与创新、具备互联能力的公司合作,通过引入 AI 技术建立领先一步的竞争优势,不失为「明智之举」。

《百度大脑领导力白皮书》全文下载地址:https://ai.bdstatic.com/file/37FB772329554EAFAE798FE0E11D1001
产业IDC百度大脑
1
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

准确率技术

分类模型的正确预测所占的比例。在多类别分类中,准确率的定义为:正确的预测数/样本总数。 在二元分类中,准确率的定义为:(真正例数+真负例数)/样本总数

推荐文章
暂无评论
暂无评论~