當(dāng)前，盡管 AI在部分典型場景已經(jīng)實(shí)現(xiàn)了成熟的規(guī)模部署，如城市安防、智能推薦和流程自動化等場景，為企業(yè)和組織帶來了巨大的收益。然而面對行業(yè)用戶多樣的智能 化需求， AI如何真正走出實(shí)驗(yàn)探索期，實(shí)現(xiàn)與不同行業(yè)的眾多業(yè)務(wù)場景的融合，幫助企業(yè)實(shí)現(xiàn)商業(yè)價(jià)值，是AI在企業(yè)數(shù)字化轉(zhuǎn)型中面臨的首要挑戰(zhàn)。

有60 %的受訪者認(rèn)為“現(xiàn)有解決方案過于通用，不夠適配 行業(yè)具體場景”。A I解決方案需要與行業(yè)自身長期運(yùn)轉(zhuǎn)而 沉淀下來的商業(yè)邏輯與行業(yè)經(jīng)驗(yàn)相融合。除了成熟的技術(shù) 能力外， AI產(chǎn)品 /解決方案對行業(yè)具體場景的全方位適配必 不可少。

同樣，有60%的受訪者認(rèn)為“解決方案應(yīng)用門檻高，企業(yè) IT 架構(gòu) /基礎(chǔ)設(shè)施適配難度高”。對于很多企業(yè)來說，算法訓(xùn) 練相對容易實(shí)現(xiàn)，但如何與實(shí)時(shí)推理結(jié)合起來部署到實(shí)際應(yīng) 用場景，卻是一個(gè)難題。AI的部署與企業(yè)的存儲系統(tǒng)、算力 分布、網(wǎng)絡(luò)設(shè)施以及等IT基礎(chǔ)設(shè)施能力息息相關(guān)，AI運(yùn)行依 賴于大量數(shù)據(jù)的采集與傳輸，并要求系統(tǒng)快速學(xué)習(xí)、實(shí)時(shí)反 饋。因而企業(yè)需要完備的IT基礎(chǔ)設(shè)施，才能保證AI解決方案 的正常運(yùn)轉(zhuǎn)。

此外，“A I在云端訓(xùn)練結(jié)果難以實(shí)時(shí)反饋到前端設(shè)備執(zhí)行 ” 是受訪者認(rèn)為AI部署的第三大挑戰(zhàn)。AI為各行各業(yè)植入“大 腦”，然而缺少決策環(huán)節(jié)和執(zhí)行環(huán)節(jié)的打通，“大腦”缺少 “軀干”，難以將決策轉(zhuǎn)化為實(shí)際行動，因此當(dāng)前AI應(yīng)用往 往停留在自動識別與分類學(xué)習(xí)的階段，仍需要使用者來判斷 下一步如何操作，然后再下達(dá)指令給前端設(shè)備，效率提升大 打折扣。

其他諸如 AI應(yīng)用缺乏核心功能下沉、相關(guān)人才匱乏、數(shù)據(jù)問題 嚴(yán)重及投入回報(bào)比低下等，都是 AI實(shí)現(xiàn)規(guī)�；瘧�(yīng)用亟待解決的 問題。

IDC認(rèn)為，A I與 IoT技術(shù)的融合，將有助于解決A I規(guī)�；瘧�(yīng)用面 臨的重重挑戰(zhàn)，打通A I應(yīng)用的最后一公里。

附件：AIoT白皮書：解鎖未來商業(yè)價(jià)值的關(guān)鍵_AIoT產(chǎn)業(yè)智能白皮書2023