當前，盡管 AI在部(bu)分典型(xing)場(chang)景(jing)已經實(shi)(shi)現了成熟的(de)規模部(bu)署(shu)，如(ru)城(cheng)市安(an)防、智(zhi)能推薦和(he)流程自(zi)動化等場(chang)景(jing)，為企業(ye)和(he)組(zu)織帶來了巨大(da)的(de)收(shou)益。然(ran)而(er)面(mian)對行業(ye)用戶多(duo)樣的(de)智(zhi)能 化需(xu)求， AI如(ru)何真(zhen)正走出實(shi)(shi)驗探索期(qi)，實(shi)(shi)現與不同行業(ye)的(de)眾多(duo)業(ye)務(wu)場(chang)景(jing)的(de)融合，幫助企業(ye)實(shi)(shi)現商業(ye)價(jia)值，是AI在企業(ye)數字化轉型(xing)中面(mian)臨的(de)首(shou)要(yao)挑戰。

有60 %的受訪者認為“現(xian)有解決方案(an)(an)過于通(tong)用，不夠適(shi)(shi)配 行(xing)業具體(ti)場景”。A I解決方案(an)(an)需要(yao)與行(xing)業自身(shen)長期運轉(zhuan)而 沉淀下來的商(shang)業邏輯(ji)與行(xing)業經驗(yan)相融合。除了成熟(shu)的技(ji)術 能力外， AI產(chan)品 /解決方案(an)(an)對行(xing)業具體(ti)場景的全方位適(shi)(shi)配必 不可少。

同(tong)樣，有60%的(de)(de)受訪者(zhe)認為“解決(jue)方案應用門檻高，企(qi)業(ye) IT 架構 /基(ji)(ji)礎(chu)設(she)施(shi)適配難度(du)高”。對于(yu)(yu)很多企(qi)業(ye)來(lai)說，算法訓(xun) 練相對容(rong)易實現，但如何(he)與(yu)實時推理結合起來(lai)部(bu)署(shu)到實際應 用場景，卻是(shi)一個(ge)難題。AI的(de)(de)部(bu)署(shu)與(yu)企(qi)業(ye)的(de)(de)存儲系統、算力(li) 分(fen)布、網絡(luo)設(she)施(shi)以及等IT基(ji)(ji)礎(chu)設(she)施(shi)能(neng)力(li)息息相關，AI運(yun)行依 賴于(yu)(yu)大量(liang)數據的(de)(de)采集(ji)與(yu)傳(chuan)輸，并要求系統快速學習、實時反 饋。因而(er)企(qi)業(ye)需要完備的(de)(de)IT基(ji)(ji)礎(chu)設(she)施(shi)，才(cai)能(neng)保證(zheng)AI解決(jue)方案 的(de)(de)正常運(yun)轉(zhuan)。

此(ci)外，“A I在(zai)云端訓練(lian)結(jie)果難(nan)以(yi)實時(shi)反饋(kui)到前(qian)端設備(bei)執(zhi)行(xing)(xing) ” 是受(shou)訪者認為AI部署的(de)(de)第三大(da)挑戰。AI為各(ge)行(xing)(xing)各(ge)業植(zhi)入(ru)“大(da) 腦”，然而缺(que)少決策環節和執(zhi)行(xing)(xing)環節的(de)(de)打通，“大(da)腦”缺(que)少 “軀干”，難(nan)以(yi)將(jiang)決策轉化為實際(ji)行(xing)(xing)動，因此(ci)當前(qian)AI應(ying)用(yong)往 往停留在(zai)自動識別與分(fen)類學習的(de)(de)階段，仍(reng)需要使(shi)用(yong)者來判斷 下一步如何操作(zuo)，然后再下達(da)指(zhi)令給前(qian)端設備(bei)，效率(lv)提升大(da) 打折扣。

其他諸如 AI應用缺乏核(he)心功能下沉、相關人(ren)才匱(kui)乏、數據問(wen)題 嚴重及(ji)投(tou)入回報比低(di)下等，都是 AI實現(xian)規模化應用亟(ji)待解決的 問(wen)題。

IDC認為，A I與 IoT技術的(de)融合，將有(you)助于解決A I規模(mo)化應用面(mian) 臨的(de)重(zhong)重(zhong)挑戰，打(da)通(tong)A I應用的(de)最(zui)后一公里(li)。

附件：AIoT白皮書：解鎖未來商業價值的關鍵_AIoT產業智能白皮書2023