京公网安备 11010802034615号
经营许可证编号:京B2-20210330
传统企业转型人工智能 只靠大数据可不行
“即使有大数据支撑,如果不和使用场景紧密结合,再高超的科技消费者也不会买账。用户并不关心是否有AI技术,他们更关心的是内容。”
刚过去的一年,人工智能仍是互联网界的首要关键词。就像AlphaGo升级成AlphaZero,无师自通地称霸各种棋类游戏,AI以人类无法预料的速度向未来狂奔,如脱缰野马。中国将在此中扮演何种角色?
2017年7月,国务院印发《新一代人工智能发展规划》;工信部2017年12月出台《人工智能产业发展三年行动计划》(以下称《计划》),提出力争到2020年,一系列人工智能标志性产品取得重要突破,在若干重点领域形成国际竞争优势。
中国在产业应用层面有优势
2017年,人工智能进步的一个标志是:美国举办8年的图像识别挑战赛ImageNet,正式退出历史舞台。8年前AI识别准确率只有70%多,现在差错仅2.7%,远低于人类的5.1%,竞赛已无意义。而最近的报道显示,中国研发的医疗AI,识别小肿瘤的能力也超过了资深大夫。
迟早将攻占更多人类领地的AI,会在哪个领域先开花散叶?
人工智能公司“第四范式”的创始人和CEO戴文渊告诉科技日报记者,AI应用爆发有5个先决条件:大数据(Big-data)、反馈数据(Response)、算法(Algorithm)、基础设施(Infrastructure)、业务需求(Needs),合称“BRAIN”,凡是满足这5个条件的领域,都有可能在2020年之前实现人工智能的爆发。
“我们也可以看到,《计划》中列举的商业化场景,集中在交通、医疗、图像、语音、家居等领域,也都是这五大先决条件相对比较完备的场景。”戴文渊说。
曾有判断说AI在消费端落地还要5—10年,红杉资本中国合伙人计越却不认为需要那么长时间。“比如今日头条,只要让用户看到想看的内容就好,用户并不关心是否有‘AI技术’。”计越说,“你用网易云音乐吗?你不知不觉中也在享受AI的便捷。到消费端的AI什么时候实现不是靠专家的判断,只要实实在在地解决用户需求,它就会实现。”
红杉资本投资了许多中国AI企业:今日头条、快手、秒拍、京东金融、美团、滴滴、摩拜、大疆……计越说,AI需要跟使用场景紧密结合,否则再高超的科技,消费者也不会买账。
大数据是训练AI的关键。“红杉投资看重的,一是应用场景,一是有自己的数据。”计越以滴滴举例说,滴滴在2015年就成为仅次于淘宝的全球第二大在线交易平台,数据规模是每日200亿次的路径规划请求,因此其AI预测用户目的地准确度超过90%。
对于《计划》中提出的中国将在若干重点领域形成优势,戴文渊极有信心。“在AI领域,基本上是中美竞争的格局,中国在AI产业应用层面还有一定的领先。”戴文渊说,“这是由于人工智能的算法和计算能力都可以通过平台实现,数据成为最大的门槛,巨大的用户数据正是中国的优势。中国是互联网人口大国,中国互联网的发展为我们研究AI准备了条件。”
人工智能与实体经济融合需深化
“中国的发展阶段浓缩了,呈现跳跃式和并行发展,可能给中国创业者带来更多机会。”计越说,在中国结合几个阶段为一体的创新公司多(包括AI),而在美国,IT巨头积累深厚,新兴公司需要找缝隙切入,从这个角度看,中国创业机会更大。
迁移学习被认为是AI领域中国可能赶超美国的一个突破点。戴文渊曾创造了中国最大的机器迁移学习系统“凤巢”,他在迁移学习领域单篇论文引用数世界第三,第四范式首席科学家杨强则是世界第一。
迁移学习是指将知识应用到不同领域的能力,以解决目标领域数据不足的问题。由于解决了小数据应用AI的难题,中国的研究受到Google和Facebook的关注。
《计划》提出人工智能和实体经济的融合需进一步深化。戴文渊说,这需要企业的组织架构调整,将AI嵌入经营管理。戴文渊表示,传统企业生产经营是由人工决策、机器执行;AI的意义正是在于机器决策、机器执行。想要成为未来智能企业,门槛也很高,包括机器学习算法,上亿维的系统架构,更包括认知的层面。
“很多传统企业会说自己有大数据,可以做AI了。其实未必,正确的大数据加正确的机器学习,产出是人工智能,错误的大数据加机器学习,产出的并不是。”戴文渊说,企业人工智能核心系统,将是继交易核心系统、互联网核心系统之后,企业的又一个核心。
《计划》特别强调“支持人工智能企业与金融机构加强对接合作”。戴文渊对此评论,金融领域因为拥有足够的数据和计算资源,使其成为AI目前最理想的落地产业之一。“机器已经在金融领域辅助人做大量商业分析与决策。”戴文渊说,“以我们与某银行解决交易欺诈问题的合作为例,机器写出的欺诈交易规则数达到25亿条,资深业务专家写出的规则数最多1000条。最终,机器在欺诈预判准确率较人提升了7倍。”
联想集团董事长杨元庆也表示看好中国AI发展。“未来商业比拼一定是业务模式的比拼,而业务模式的智能化程度决定企业竞争力。”杨元庆说,“如果能更多强调数字经济和智能化,那未来我国企业会比其他国家领先一步。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12