新華社記者杜康、何欣榮

人臉識別、語音識別是人工智能應用最為人熟知的兩個領域。智能音箱、人臉門禁也已經走進不少人的生活。去年大火的無人貨柜，則用到了“物品識別”技術。接下來，人工智能推廣應用會怎么走?靠算法的不斷提升嗎?

海康威視高級副總裁徐習明說：“今天的人工智能還是一種弱人工智能。基于深度學習的算法精度會無限逼近100%，但永遠無法達到。隨著‘準確率’提升，最后競爭的更多是場景落地能力。”

碼隆科技首席科學家黃偉林也認同這個說法。碼隆科技是一家聚焦于“物品”圖像識別的公司，無人貨柜是其主要應用場景之一。“在物品識別領域，目前難點在于跟垂直領域內企業的需求不斷磨合，這是一個長期的過程。一些場景，預想中覺得好做，但操作下來可能難度很大，或者不是剛需。”

“現實購買場景復雜，商品品類太多，增加了數據標注以及類別定義的難度。”黃偉林說，“我們先聚焦于難度小或者剛需的環節。比如減少‘貨損’是剛需，我們就在收銀環節幫助識別貨物與條碼能否對應;無人零售柜則由于商品品類有限，識別難度降低。”

黃偉林說：“目前來看，大家更多是想找一個好的應用場景，不斷迭代算法和數據，教育市場，培養用戶。”

除了人臉識別、語音識別等主流外，一些小眾細分領域也開始出現。“我們把設備放到工廠之后，就能根據設備發出的噪聲，判斷設備的磨損情況或者其他故障。是不是要加潤滑油?車床刀具磨損程度如何，什么時候更換?等等。”碩橙科技創始人譚熠說。

人工智能還能參與到創意活動中來。據了解，已經有音樂人工智能伴奏系統在中國亮相。人工智能通過數據分析與學習，找到相對固定模板，然后通過套用模板進行“創作”和演出。

隨著應用場景增多，如何判斷不同領域與人工智能的結合成熟度?

“有一些指標，首先是基礎設施情況，包括算法的成熟度、行業數據完善程度等。”上海臨港國際人工智能研究院最近發布了《2018年度人工智能產業格局及創新實踐研究報告》，據其副院長李笙凱介紹：“一些領域如農業、教育，行業解決方案的個性化程度比較高，工業領域則面臨設備核心數據獲取難的問題，醫療領域也缺乏對應的病因和圖像檢查等數據，因此較難應用人工智能。”

而金融等領域由于基礎設施完善，積累了大量的用戶行為數據、表現數據，與人工智能結合較好。“目前來看，應用最成熟的領域依次是廣告營銷、金融、公共安全、家居、零售、交通、醫療等。”李笙凱說。

隨著人工智能在智能安防、智能駕駛、無人零售等領域落地生根，細分領域內領軍企業如商湯、地平線等公司已獲得較高估值。在市場充滿機會的同時，李笙凱也提醒：“由于時間尚短，各應用的市場仍需經過長期驗證。”