1、AI（人工智能）不仅仅是技术，它是一个完整的产业链条，它要数据、模型、业务、需求才能把完整的AI业务打通。

　　2、AI技术在一个企业的生存期往往是有限的，但它在企业发展期的作用越来越重要。

　　3、不能只有技术人员懂AI，应该让企业业务人员、产品人员、管理人员都懂AI，这样才能真正把AI应用起来。

　　突如其来的疫情不仅改变了我们生活、工作方式，同时也让大众清晰感受到了AI技术在防疫抗疫中的价值与作用。作为“新基建”的七大领域之一， AI不断深入到各行各业。然而，如何解决AI技术在企业实际业务中快速落地，如何把AI更好应用在业务和战略中，也是众多企业CIO、CTO等技术高管们思考探寻的问题之一。本文从一线实践者的视角，跟大家谈一谈对于AI技术的理解和应用。

　　在设计机器学习系统之前，一般人设计时会先思考人类是怎么学习的，在思考中会发现人类学习过程中其实是有一个归纳和演绎的过程，人类会通过观察几次“现象”之后找出数据泛化的规律，用这个数据做未来的预测。今天的机器学习，本质来说就是让机器学会归纳数据中的本质规律，以及把这个规律演绎到未来真实的应用场景中去。但是机器学习进行归纳时，要通过统计的方式进行，而统计这个事情往往是不靠谱的，我们从一些隐性观测数据，是没有办法获取真实的数据的。

　　这个时候，大数据时代使AI活了起来，大数定律可以让机器也像人类一样，从大量数据中得出可泛化的结论。

　　大数据随着时代的变化，体现着不同的价值。从数学公式的时代开始，人类就善于利用少量的数据验证对错。对于机器来讲，在机器学习时代，人类需要对很多问题判断做出假设，给出指令与规则。但到深度学习时代，依靠的就是数据，大量的数据。未来，会不会有一天所有规律和规则不需要人类为机器设定，而让机器自己总结学习呢？到那个时候，学习变成端到端的事情，人类在中间介入的程度会越来越少。我们非常期待那个时代，但是可以想到那个时代对于数据量的需求比现在还要大的多。

　　在这个问题上，我们可以从“攻”“守”两方面来谈，“攻”指的是AI能够促进业务的发展，“守”指的是AI能够帮助企业守住核心竞争力。

　　在数据量飞速增长的时代下，业务价值和竞争力也在疯狂增长，用“大鹏一日同风起，扶摇直上九万里”来形容也不为过。现在，越来越多的业务价值和竞争力都开始与数据的多少有关。比如一些购物网站，它最核心竞争力是推荐系统，推荐系统核心竞争力就在数据上。如果一个业务本身能够拿到大量市场规模数据，自然能够做出最好的系统，带来更好的用户体验。你会发现，在很多AI相关业务中，其逻辑都与爆发性增长的数据量，以及基于爆发性的数据构建有关。

　　从“守”的层面来看，现在企业要想实现良性发展，本质上是要控制供给，说白了就是设立壁垒。通常情况下掌握了一项技术就可以打造一个产品来满足用户、客户的需求。但在满足需求之后，需要的是守护自己的业务份额。除了利用创新进行市场“守护”外，还可以选择使用AI。当基于AI技术打造的产品在应用环境中良好的落地后，其所能提供的便利、安全等便极有可能吸引大量用户来使用，而在这个使用过程中又将产生大量数据，这些数据则又可以用来进一步改善AI算法和AI应用。所以，这是一个从技术领先，到产品领先，再到数据领先的循环，一旦进入到这样的循环中，就会发现我们拥有了一个可作为“壁垒”的东西——我们积累的大量产品数据和整个的AI业务。

　　在各行各业的实际应用中，AI技术像IT系统一样，成为各行各业的基础设施。从金融、政府、零售、地产、教育、交通、医疗、媒体、能源、电信、到文化娱乐、农业等所有行业都有大量可应用的场景。

　　对企业而言，仔细分析就可以发现从经营到生产、服务中大量存在的，等待着AI去优化赋能的空间。比如，从传统的电力行业来看，在企业的经营规划方面，对线路及站点的选择可使用AI；在生产管理方面，对现场人员的身份管理，是否有违章操作也可落地AI；最后，在客户服务方面，精准用户画像，小程序对于客户进行服务自动聊天室的回答，甚至有可能在服务基础上推荐一些相关的消费产品，这些都与AI算法相关。

　　所以我们可以发现，一个场景在AI应用落地的潜在潜力方面是需要一套方法论的，这不仅仅是“技术是否可实现”问题，技术往往是这套方法论中最简单的一个环节。这套方法论我们可以总结从三个视角去看：看商业、看系统、看模型。

　　而能将方法论运用到实际业务中的，就是懂AI技术的高级人才。然而，目前企业在“落地AI技术”和“AI人才转型”之际都存在着不少问题，主要可以定义为四种类型：

　　1、存在恶性循环型。这些企业决策者往往很少真正懂AI技术，正是因为他们不懂AI，因此容易招不到这方面的优秀人才。这样，企业就会持续做不出过硬的AI业务以及招不到AI优秀人才；

　　2、上下不通。企业领导人应用AI技术的意愿非常强烈，但员工不知如何操作，不明白具体如何实施，员工执行不了，项目无法实现落地；

　　3、只靠专家驱动。企业中有AI专家，也给这些AI专家足够的授权，但是企业中的一线业务人员不太懂AI技术，他们要推进整个业务模式的变化时常出现非常费时费力的现象；

　　4、最后，还存在一些企业，所有人都对AI有所了解，从前台至产品经理、管理人员。这样的企业在AI技术的应用和AI技术发展，业务发展方面进展是最好的、最理想，最快的。这也是我一直秉承的理念，不能只有技术人员懂AI，应该让企业业务人员、产品人员、管理人员都懂AI，这样才能真正把AI很好地做起来。

　　而事实上，我们也并不需要所有人都对AI有深入了解，从零开始写代码大模型，百度飞桨已降低了AI应用、落地的整个门槛。作为百度推出的中国最领先的开源深度学习平台，飞桨已经实现了从整个AI算法到功能研发所需要的一系列流程和组件，从开发、训练，到产生模型，再到部署，无论是分布式设备上，还是端侧设备上，都可以基于飞桨实现。

　　从去年1月开始，百度联合“深度学习技术及应用国家工程实验室”成立黄埔学院，旨在为各行各业培养理论、技术、应用三位一体的“首席AI架构师”。至今已为能源、制造、通信、医疗、金融等十余个行业培养输送了70位能够操刀复杂场景下AI应用落地的技术领军人才。目前黄埔学院第三期学员招募正在报名中。

　　2、机器学习思考故事：这门课更加强调原理和应用的方法论，也配了简单的实践课，非常适合企业中高层人员或者产品经理、业务人员学习，这两门课可以随时报名学习。

　　本文作者：毕然，百度深度学习技术平台部主任架构师。本文根据作者在CIO发展中心的直播演讲内容整理。