众人皆知，AI正在日常生活中渗透。无论是刷脸进门、机器人扫地还是和智能音箱对话，这些应用均可归类于人工智能的语音和图像识别。要知道，目前这一代人工智能的发展建立于AI对人类感知的模仿。这得益于人工智能背后的深度学习，通过神经网络层层分类信息。业内普遍观点认为，“现阶段AI还在弱智能的层面，要让机器解决问题，首先需要人工定义问题和机制，转化为数学模型，并通过数据训练模型。”换句话说，如今的AI只能映射，还无法产生联想，机器具备真实推理能力仍是人工智能的发展局限。那么，在不久的将来，AI的下一层级进化会是什么模样，则主要会聚焦于全场景智能应用的领域。这是一个听起来很宽泛的概念，我们可以简单聊一聊。
　　什么是AI全场景
　　当前，“新层级的人工智能”作为一种新业态已开始进入萌芽和发展阶段。而今年的疫情让行业意识到产业智能化的重要性，行业新应用不断涌现。甚至可以说，人工智能技术在今年发挥了无可替代的作用，科技力量展露无遗。很多人都知道，5G的到来及人工智能技术的逐步成熟，正加速与各行业融合。数据显示，人工智能已进入应用加速落地和创造价值的新时期。那么，AI全场景是指什么？这个要先确定清楚。
　　在医疗行业方面，新冠肺炎疫情期间，北京、湖北、天津等30多个省市通过人工智能电话机器人开展新冠肺炎疫情重点人群排查、宣教和无接触式疫情相关数据的采集，累计服务5900万人次，筛查出伴有发热症状居民3.6万人，流行病学史阳性4.7万人。人工智能一定程度上补全了基层诊疗服务短板。在教育方面，以人工智能、大数据等为代表的新技术，缓解了传统教育目前存在的现象级难题，如，智能批改技应用在教师日常作业批改中，时间可减少50%-70%;通过手写识别技术结合自动批改、知识图谱等技术，让学生的无效重复作业时间减少50%以上。这让“师生减负”从“口号”成为可能。在工业方面，“5G 人工智能”技术使工业生产进入无人化智能时代，保障安全且提高整体盈利能力。
　　企业作为人工智能赋能的主体，则需在行业融合的广度上谋差异化思考，在行业应用的深度上深耕场景应用，加强结构性的强场景融合，为产业升级赋能提供加速度。所以，“新层级AI”形成智能经济新形态，将助力产业数字化升级。然而，人工智能助力产业数字化升级是场持久战，这也意味着，人工智能与各行业的融合将不断有新的课题与挑战。
　　全场景智慧的落地
　　很多人都在说，人工智能发展如火如荼是因为“赶上了好机遇”。在5G等技术加持下，AI在车联网、能源、工业、农业等新产业领域多点开花，加速商业裂变。此外，在业内观点来看，AI未来的应用生态一定是基于高度场景化的，人工智能不仅是新一轮产业变革的核心驱动力量，推动数字经济产业转型升级，也是新一轮科技竞赛的制高点。
　　2019年以来，我国更加重视人工智能技术的应用落地，先后批复启动国家新一代人工智能创新发展试验区、人工智能创新应用先导区，启动了10家国家新一代人工智能创新平台，充分发挥地方主体作用，鼓励支持先行先试，探索促进人工智能与经济社会发展的深度融合新路径。
　　实际上，AI产业发展到现阶段，挑战是不少的。最明显的感受是，缺失一个真正统一和高质量的数据湖，数据量巨大，但各层级、各部门的数据语义、存储和管理机制不一，数据湖的数据质量不高，能有效利用的数据量其实并不足够大。同时，现有网络架构和大量烟囱式支撑系统以及组织架构不支持数据源与AI系统间海量数据的传递以进行训练和预测，也难以有效协同支撑AI的应用。另外，网络和业务复杂多变，缺乏成熟可靠的电信网絡和业务的建模和特征表示及提取方法。当然，缺乏必要的技能及数据科学和AI人才，也是一个大问题。不过，这些挑战和问题都需要在新一阶段的AI发展层级中得到进一步解决。全场景智慧的落地化是其中的要点。
　　显然，随着5G、云计算、大数据的不断催化，AI的落地条件已经具备。5G的出现通过超大带宽、海量连接、超低时延。目前，人工智能已经在“听、说、看”等感知智能领域达到了或者超越了人类水准。但是在需要外部知识、逻辑推理或者领域迁移的认知智能领域还处于初级阶段。认知智能将从认知心理学、脑科学及人类社会历史中汲取灵感，并结合跨领域知识图谱、因果推断、持续学习等技术，建立稳定获取和表达知识的有效机制，让知识能够被机器理解和运行，实现从感知智能到认知智能的关键突破。尤其是感知智能，在持续、飞速、广泛地进阶。有专家认为，人工智能感知技术的进阶一定程度上始终在超出业内预期。未来还将维持这一势头持续发展，给我们带来更多惊喜。
　　毫无疑问，全球人工智能应用落地加快有望形成颠覆性的力量，人工智能技术逐步渗透到质量检测、预测性维护、生产流程等环节，成为制造业转型升级的新引擎，提升个性化制药效率，预测与诊断精度，打开了智慧医疗的新局面。而支持风控投顾相关信息，技术完善，还开辟了金融科技的新赛道。数据显示，到2025年人工智能每年将为金融行业节约和创造340-430亿美元，帮助医疗领域每年减少540亿美元的支出。实际上，AI在今年的疫情防控中扮演了非常重要的角色，广泛应用到疫情检测分析、病毒溯源、防控救治、资源调配、公共卫生等领域。
　　在前不久发布的《新一代人工智能发展年度报告（2019-2020）》里提到，当前人工智能发展面临的瓶颈问题，我国应加快完善数字基础设施建设，双轮驱动打造自主可控的供应链体系，稳妥的构建新格局，强化顶层设计、统筹解决“卡脖子”技术难题、筑牢数据安全根基。
　　当然，目前人工智能领域受技术发展、资本驱动等影响，创新创业欣欣向荣，但与实体经济融合的行业应用仍处于初期，呈现出供给侧和需求侧错位的现象;此外，受行业壁垒、信息化程度等因素影响，其与实体经济融合的行业和区域结构性问题突出，在金融、零售等数字化、信息化、开放度较高行业的融合已初具成效，但与制造、农业、教育等行业的融合仍处于起步期。 　　AI数据服务发展是促成激烈竞争
　　很明显，我国AI数据服务行业从2010年的野蛮生长期到现如今的规范化发展阶段，伴随着需求升级，技术更硬核、效率度极高的专业AI数据服务企业将成为主流趋势。
　　中国AI数据服务经过野蛮生长期后，脱离实验室走向实际场景，数据服务也从幕后走到台前。预计在未来10年，中国AI数据服务主要应用于智慧医疗、智慧金融、新零售、智能安防、智慧家居等实际场景。伴随技术的成熟、平台的布局，未来市场发展潜力将不断拓展，AI数据服务 全场景将成为要点。随着AI与传统行业的融合不断加深，数据的量级以及复杂程度也将会大幅提升。与此同时，5G应用场景的加速落地，将激起新一轮数据积淀，数据类型也更加多样化。此外，AI相关产业对精细化数据服务的需求将会不断释放，这将在很大限度上推动AI数据服务市场规模持续扩张。
　　之前国务院印发的《新一代人工智能发展规划》提出，到2020年人工智能总体技术和应用与世界先进水平同步，核心产业规模超过1500亿元，到2025年人工智能核心产业规模超过4000亿元，到2030年人工智能理论、技术与应用总体达到世界领先水平，核心产业规模超过1萬亿元。随着政策的进一步推动以及技术的进步成熟，人工智能产业落地速度将明显提速，中国AI数据服务行业也将迎来巨大的发展浪潮。
　　不过，我们也应该看到，AI技术的不断成熟，市场场景不断完善渗透，技术发展对算法的要求越来越高，也对数据精准度提出了更高的要求。同时，越来越多的企业将会随着场景定制化升级对相应数据服务的需求，未来AI数据服务方式将从原来的粗放型向精细化方向过渡。之前，AI产业粗狂式发展所带动的创业热潮，脱颖而出的品牌数据服务商和中小型数据供应商形成了主要的供应方力量，但随着需求方市场由粗犷向精细化过渡，场景升级、用户需求质量上升等问题迫使了一众中小型厂商提前离场，在未来一到两年内行业将再次迎来洗牌，市场竞争越来越激烈。
　　后记
　　做AI项目在很多人眼里，是一项仄长而复杂的工作，但在实际操作中，开发者可以选择AI深度学习框架，加载可在框架上运用的模块，调整参数，如同逻辑顺势计算一样做出想要的AI应用。也就是说，深度学习需要依赖海量的数据，与此同时，这一代人工智能的应用带来了对隐私、数据安全的担忧。实际上，目前针对这两个困局的更好解决方法还不明确。所以，在新的层级领域，AI算法的演进版在很多地方都会体现出价值。要知道，当前人工智能还是依赖于大数据和高算力，从弱智能时代到进一步发展，仍是一条漫长的路。前文所聊到的各个方面全场景智能应用，都是我们在未来一段时间内可以感知的，但这也仅仅是人类在AI发展过程中的小片段而已。