光伏支架

太阳能发电技术与应用人工智能将持续升温 深入产业落地仍存挑战

中国太阳网 http://tyn.cc
13
Nov
2020

  近年来,随着人工智能相关政策持续落地、核心技术不断突破、产业融合逐步形成,我国人工智能发展举世瞩目。目前,经历了爆发式发展之后,我国人工智能行业开始回归理性,更多地关注产业落地场景。然而,在深入产业落地的过程中,太阳能电池板,人工智能仍然面临挑战。


  国家工业信息安全发展研究中心近日发布的《人工智能中国专利技术分析报告》显示,截至2019年10月,中国人工智能(AI)专利申请量累计44万余件,成为这一领域专利申请量最多的国家。百度、腾讯、浪潮、华为专利申请数量名列前茅。


  近年来,随着全球经济发展进入深度调整期,各国对于日益崛起的人工智能等前沿技术越发重视,美国、欧盟、日本、韩国、中国等国家和地区纷纷将人工智能上升为国家战略,相继出台了一系列战略规划与政策举措,力图抢占产业化发展的主导权。目前,我国已有19个省份先后发布人工智能专项政策。业内人士表示,我国在人工智能领域有望领先全球。


  在政策推动及产业界的努力下,人工智能经历了爆发式发展阶段,同时也出现了一些泡沫。在刚刚过去的2019年,我国人工智能经历了明显的泡沫降温,行业开始回归理性,更多地关注产业落地场景。然而,在近日举行的2019爱分析·中国人工智能高峰论坛上,业内人士表示,在深入产业落地的过程中,人工智能仍然面临挑战。


  人工智能将持续升温


  近年来,随着人工智能相关政策持续落地、核心技术不断突破、产业融合逐步形成,中国人工智能发展举世瞩目。据国际数据公司(IDC)统计,2019年全球人工智能市场规模达到375亿美元,中国AI市场预计占全球的12%,成为全球第二大AI单一市场,且市场规模保持高速增长。


  目前,人工智能已经在互联网、金融和安防等领域逐步落地,未来人工智能将与更多传统产业相结合,帮助传统产业转型升级。中国社科院人口与劳动经济研究所、社会科学文献出版社近日联合发布的《人口与劳动绿皮书:中国人口与劳动问题报告No.20》预测,“十四五”时期,机器人和人工智能将全面影响劳动力市场。根据课题组研究估算显示,新技术应用对中国制造业普通劳动力岗位替代率为19.6%。


  而未来随着5G的大规模商业化,中国AI发展也将迎来新的机遇。据总部位于伦敦的行业组织GSMA预测,到2025年,中国预计将拥有6亿5G用户,太阳能电池板,占全球总数的40%。中国巨大的用户规模产生的海量数据,将为AI技术提供更新迭代的必备“养料”。


  赛迪顾问在其整理的《2019-2021年中国人工智能与智能制造市场预测与展望数据》中也预测,未来三年,中国人工智能市场将持续升温,市场规模将保持30%左右的增长速度。到2021年,人工智能市场规模将突破800亿元,中国智能制造系统集成市场规模将达到2948.9亿元。


  赛迪预计,未来三年,人工智能市场行业结构分布基本保持不变,人工智能技术在互联网、金融和安防领域仍旧拥有较高的市场占比。预计到2021年,人工智能在互联网行业的市场规模达到161.1亿元,占比为19.68%;在金融领域的市场应用规模达到155.66亿元,占比为19.01%;智能安防市场规模达到123.61亿元,占比为15.10%。


  深入产业落地仍存挑战


  然而,在深入产业落地的过程中,人工智能仍然面临挑战。业内人士表示,当用人工智能的眼光看待传统行业的时候就会发现,数据采集往往还不够。有关数据的采集、数据的传输等会大大影响人工智能的落地和产业升级。


  “好的落地场景一定要有数据支撑,能够清楚地描述场景是什么样子的。”百分点CTO刘译璟表示,AI如果想要落地场景的话,太阳能门户,企业首先要能讲清楚自己的业务价值,并有数据作支撑。


  云测数据总经理贾宇航也认为,目前人工智能正在逐渐落地的进程中,数据是非常重要的一环,现阶段AI落地缺乏数据支持,尤其欠缺“小数据”。“小场景数据的缺乏增加了真正落地的困难度。比如,关于人的行为姿态的数据非常多,但人跌倒的数据非常少,而我们恰恰就是要检测跌倒,识别跌倒并及时给出警示。很多行业和很多领域应用人工智能技术时,其痛点也是小数据。”


  “数据是AI的生产力,太阳能发电网,但每个行业的数据标准都不一样,所以在算法实际落地到场景时,因为数据不一样,导致有价值的数据不能用,只能重新积累相关数据。”快商通执行董事肖龙鹏在谈到AI落地的困境时也谈及数据。他称,在AI助力企业数字化这一块,需要从产品和交付能力两个维度来看,分别是数据运营能力和生态建设能力。比如,太阳能电池板,生物识别技术落地于保险领域,刚开始提供的是技术能力,当技术产生了价值,产生了数据之后,新的问题又来了,那就是客户并不会做数据的运营,人工智能技术提供方要配合客户做数据的价值化挖掘,从数据挖掘再反推到数据上,这是人工智能技术提供方需要提升的地方。

相关新闻