不想重演“大刀长矛”对抗“洋枪利炮”的一幕,未来十年就靠它了( 二 )


每天还有上百万辆特斯拉在路上跑 , 随时采集各类数据 , 让其无人驾驶技术更快突破 。
你去问百度、小鹏、蔚来、华为 , 他们不认为自己是汽车制造商 , 而会介绍自己是智能科技公司 。
中国的优势 , 在于拥有完善的产业链 , 最丰富的应用场景 , 庞大的消费人群 。 以及中国人对于新事物、新技术的包容和勇于尝试 , 移动支付、5G、扫脸等技术的推广 , 让中国成为数字基建最发达的国家之一 。
这意味着场景和数据 , 一片无限增殖、可反复开采的金矿 , 也是中国弯道超车最宝贵的优势 。
据哈佛大学研究 , 中国在人脸识别、语音识别、金融科技等AI应用领域远远领先美国;在深度学习方面 , 中国授予的专利数量是美国的6倍 。
我们有理由相信 , AI的黄金十年中一定有中国 。
不想重演“大刀长矛”对抗“洋枪利炮”的一幕,未来十年就靠它了
文章图片
过去 , “互联网+”的主角是互联网公司 。 现在 , “人工智能+”的重点是“+” , 是绑定实体经济的升级 。
据估算 , 到2030年中国的人工智能核心产业规模超过1万亿元 , 带动相关产业规模超过10万亿元 , 这就至少是10倍的杠杆 。
只有让更多企业智能起来 , 才能AI价值最大化 。
IDC预测 , 2021年至少有65%的中国1000强企业利用自然语言处理、机器学习、深度学习等AI工具 。
别看这个比例过半了 , 如果这些金字塔尖的公司都没有完成数字化转型 , 那市场主体的中小微企业 , 智能化之路才刚刚开始 。
就拿工业来说 , 作为国民经济的支柱产业、转型升级的关键 。 中国有41个工业大类、207个工业中类、666个工业小类 , 各类别的数字化进度并不一样 。
或许在汽车、机械装备、机床、家电行业里最先进的那一批企业 , 如三一重工、美的、格力、上汽 , 已经用上了自动化生产线、无人车间、黑灯工厂 , 将生产工作交给AI决策调配 。
但像钢铁、水泥、矿业、纺织这类传统工业 , 大部分距离智能化还八竿子打不着 。
宁德时代可能是中国制造业升级的一个样本 。
万亿市值的“宁王” , 面临动力电池的全球竞争 , 产品质量容不得差池 。 毕竟是用到车上的东西 , 直接关系人身、财产安全 。
所以在生产环节 , 电池在每经过一道工序都要质检 。 一个电池完整从生产线下来 , 至少要检测3000个参数 。
如果交给人力 , 就太过低效了 。 一条流水线就需要几十个质检工人 , 拿着放大镜对着灯光去比对 , 误差也很大 。 在精密加工的环节 , 必须交给机器去完成 。
宁德时代的解法 , 是用百度飞桨的深度学习框架 , 训练一套AI质检算法 。 改进之后 , 电池单次检测的平均时间在2毫秒以下 , 漏检率从原来的百万分之一降到了十亿分之一 。
这个方法中小企业也可以学 , 并且不局限在制造业 。
在“中国蔬菜之乡”山东寿光 , AI改造了蔬菜大棚 , 进行培养、施肥、防虫害等工作 , 2个农民用APP就能管理数十个大棚 。
一个12岁的小学生 , 调用平台的视觉算法 , 就能开发出识别口罩佩戴是否符合防疫要求的应用;
一名25岁的铁路工人 , 通过自学开发的检查识别火车编码的软件 , 在襄阳落地实测 , 能节省铁路工作人员数小时的检验时间 。
不想重演“大刀长矛”对抗“洋枪利炮”的一幕,未来十年就靠它了
文章图片
AI不再是实验室、大公司的奢侈品 , 而是工业化产品 , 所有人都用得上 。
百度CTO王海峰认为 , 目前 , 人工智能呈现出“融合创新”和“降低门槛”的特点: